Die Entwicklung selbstadaptiver Systeme kann durch Maschinelles Lernen automatisiert werden. Zur Pflege und Weiterentwicklung solcher Systeme haben paluno-Forscher einen neuen Ansatz entwickelt. Bisherige maschinelle Lernverfahren für selbstadaptive Systeme können zwar mit Veränderungen der Umgebung umgehen, sie sind jedoch blind gegenüber Veränderungen am System selbst.

Die Arbeitsgruppe Software Systems Engineering von Prof. Dr. Klaus Pohl hat gemeinsam mit Forschungspartnern der Universität Lille und der Politecnico di Milano untersucht, wie Wissen über die Veränderungen der Adaptionsmöglichkeiten dem Lernverfahren zugänglich gemacht werden kann. Hierzu wird das Wissen in Form sogenannter Variabilitätsmodelle aus der Software-Produktlinienentwicklung spezifiziert. Diese Variabilitätsmodelle stellen die möglichen Adaptionen in kompakter und maschinenlesbarer Form dar. Unterschiede zwischen den Variabilitätsmodellen vor und nach einem Evolutions-Schritt werden genutzt, um den Lernprozess systematisch und gezielt zu steuern. So können neu hinzugefügte Adaptionen z.B. mit einer höheren Wahrscheinlichkeit ausgeführt werden als bereits bekannte Adaptionen.

Weitere Informationen finden Sie hier.