Die starke Vernetzung von Computersystemen hat in den letzten Jahren zu enormen Veränderungen in nahezu allen Bereichen geführt. Beispiele hierfür sind das Internet, Grid-Computing, Peer-to-Peer Netzwerke und darauf aufbauende Verfahren wie z.B. Agentensysteme. Diese Entwicklung ist partiell das Resultat verteilter Systeme und den damit entstandenen inhärent verteilten Problemen. Eine Konsequenz ist zunehmende Dezentralität beim Lösen verteilter Probleme, da zentrale Verfahren unzureichend dafür geeignet sind:
Zentrale Ressourcen sind begrenzt in ihrer Fähigkeit, (alle notwendigen) Daten zu speichern, zu übertragen und zu verarbeiten,
In unternehmensübergreifenden Geschäftsumgebungen existiert eine kommunikationseinschränkende Informationsasymmetrie,
Dynamik: während zentral eine Lösung erstellt wird, hat sich das Problem bereits verändert.
In diesem Umfeld dynamischer, nicht zugreifbarer und verteilten Strukturen stellt die Adaption und Optimierung von Systemen und Geschäftsprozessen ein nach wie vor nur unzureichend gelöstes Problem dar. Im Allgemeinen sind Adaptions- bzw. Optimierungsverfahren so ausgelegt, dass Informationen für inhärent verteilte Probleme zentral gesammelt und bearbeitet werden, um ein möglichst gutes Ergebnis zu erzielen. Es existieren eine Reihe von speziellen Ansätzen zur verteilten Optimierung, deren Funktionsweise auf ein Problem bzw. eine eingeschränkte Anzahl von Problemen zugeschnitten ist. Häufig müssen die Akteure kooperativ zusammenarbeiten, um eine Lösung zu erreichen. Bei vorhandenen Optimierungsverfahren finden sich wesentliche, noch nicht ausreichend untersuchte Problembereiche der Verteilung (Daten, Ressourcen), Heterogenität und dynamische Umwelt. Hierbei liegt der Fokus insbesondere auf der Toleranz gegenüber dynamischen, verteilten und heterogenen Basisressourcen.
Dieses Projekt fokussiert ein gegenüber den genannten Problembereichen tolerantes Optimierungsverfahren. Während sogenannte Top-down Verfahren ausgehend von einem zentralen Ansatz arbeiten, wird in diesem Projekt ein sogenannter Bottom-up Ansatz verfolgt. Ebenso wie in natürlichen komplexen Systemen entstehen komplexe Softwaresysteme aus dem Zusammenspiel sogenannter Agenten, indem jeder Agent einfachen lokalen Verhaltensmustern folgt. Selbstorganisation und damit verbunden Adaption ist ein Hauptmerkmal komplexer Systeme. Im Rahmen dieses Projektes wird ein neues generisches Konzept verteilter Optimierung mittels evolutionärer Agenten verfolgt. Es werden dezentrale Operatoren für die Selektion und Rekombination verwendet, die auf ökonomischen Marktmechanismen basieren. Damit kann der Flaschenhals zentraler Selektion aufgrund berechneter Fitnesswerte umgangen werden. Ein dezentrales bottom-up Adaptions- und Optimierungsverfahren kann somit erforscht und in unterschiedlichen Szenarien erprobt werden. Die Methode basiert auf einem formalen Modell, welches den Adaptionsmechanismus für die Anzahl und Strategie der einzelnen Agenten erklärt und damit die entstehende emergente Optimierung offenlegt.
Die Beiträge dieses Projektes sind im Wesentlichen wie folgt zusammenzufassen:
Entwicklung eines neuartigen verteilten Evolutionären Algorithmus, um den üblicherweise zentral ablaufende Fitnessvergleich und die zentrale Selektion zu vermeiden
Entwicklung von endogener Fitness und ihrer Auswirkung auf die Ergebnisqualität
Es wurden neue lokale Selektionsverfahren entwickelt und miteinander verglichen.
Um die grundlegende Fähigkeit des Verfahrens zu zeigen, wurden empirische Studien zur Takeover-time durchgeführt. Hiermit wurde gezeigt dass der Selektionsdruck vergleichbar mit klassischen evolutionären Verfahren ist.
Ein neues Dezentralitätsmaß wurde entwickelt, um verteilte Ansätze hinsichtlich ihres Grades an Dezentralität einordnen zu können.
Das entwickelte Konzept wurde an unterschiedliche Anwendungsfälle adaptiert und damit seine Leistungsfähigkeit unter Beweis gestellt.
Die Leistungsfähigkeit des entwickelten Ansatzes wurde im Rahmen einer Dissertation nachgewiesen, die im Frühjahr 2009 abgegeben und im September erfolgreich verteidigt wurde.