Heutzutage gibt es unzählige Anwendungsmöglichkeiten für selbstadaptive Software. Die Entwicklungen solcher Systeme stellt die Ingenieure jedoch vor neue Herausforderungen. Wissenschaftler vom Software-Institut paluno-the Ruhr Institute for Software Technology haben jetzt vielversprechende Ergebnisse mit einem neuen Verfahren erzielt, um die Entwicklungsprozesse zu automatisieren.

Der Bedarf an einer Software, die in der Lage ist, sich selbstständig an wechselnde Umgebungssituationen anzupassen, wächst. Eine wesentliche Aufgabe bei der Entwicklung ist es vorzugeben, wann und wie die Anpassung erfolgen soll. Da die Ingenieure zum Zeitpunkt der Entwicklung meistens die Umgebungssituationen nicht vorhersehen können, ist dies eine schwierige Aufgabe. Eine mögliche Lösung ist ein Verfahren der Künstlichen Intelligenz.

Die Idee ist, dass die Software, indem sie Feedback zur Laufzeit sammelt und auswertet, selbst lernt, welche Situation die beste ist. Durch Ausprobieren lernt die Software, möglichst gute Rückmeldungen zu sammeln.

„Bisherige Methoden des Online Reinforcement Learning haben jedoch einen Haken“, sagt Dr. Andreas Metzger, Leiter des Bereichs Adaptive Systeme bei paluno. „Die so genannte Explorationsrate muss manuell feinjustiert werden. Das ist die Wahrscheinlichkeit, dass die Software eine neue Anpassung ausprobiert, anstatt sich auf bekannte, sichere Anpassung zu beschränken.“

Das paluno-Team setzt einen neuartigen Lernalgorithmus ein, um ohne eine Feinjustierung der Explorationsrate auszukommen. Erste Tests waren erfolgreich.

Weitere Informationen finden Sie hier.

Quelle: https://www.uni-due.de/2020-07-09-lernalgorithmus-fuer-selbstadaptive-systeme