Verhalten eines selbstorganisierenden Systems simulieren

Eine Forschungsgruppe arbeitet daran, wie man verteilte Systeme entwickeln und funktionstüchtig halten kann.

Technische Systeme werden immer komplexer. Die Interaktion zwischen mehreren Geräten und Komponenten gewinnt an Bedeutung. Hierarchische Systeme, wo eine Komponente auf der anderen aufbaut, werden zunehmend durch verteilte Systeme ersetzt, die der Funktionslogik von Schwärmen in der Natur entsprechen. Damit wird auch die Aufgabe, solche Systeme zu entwickeln und funktionstüchtig zu halten, immer herausfordernder. Dazu gibt es drei Ansätze: Trial-and-Error, die Orientierung an biologischen Vorbildern oder „Evolutionary Computing“. Trial-and-Error ist dadurch eingeschränkt, dass ein großes System manchmal unerwartete Reaktionen zeigt, wie dies beispielsweise bei Straßensystemen der Fall ist: Ein eingeführtes Tempolimit verlangsamt zwar ein einzelnes Fahrzeug, kann aber auch zu einer Erhöhung der Geschwindigkeit des Verkehrs als Gesamtheit führen. Das Einsetzen der Inspiration aus der Biologie funktioniert nur, wenn es adäquate Beispiele gibt.

Daher interessiert sich die Forschungsgruppe rund um Wilfried Elmenreich (Institut für Vernetzte und Eingebettete Systeme) in seinen Projekten DEMESOS und MESON insbesondere für das „Evolutionary Computing“, mit dem solche Problemstellungen leichter bewältigt werden können. „Dabei handelt es sich um eine Art automatisierte ‚Trial-and-Error‘-Suche, die von einer kontinuierlichen Anpassungsevaluation geleitet wird“, erklärt Elmenreich.

Dafür braucht es ein Tool, das unter stützend wirkt. Forscher haben daher FREVO entwickelt, das dabei hilft, „Evolutionary Computing“ zu vereinheitlichen, indem alle Basisdaten auf drei Parameter reduziert werden: das Problem, die Agenten und der Algorithmus. Diese Daten werden in einen Simulator eingespeist, mit dem sich das Problem nachahmen lässt und wo sich das Verhalten der Komponenten entwickeln kann. „FREVO bietet alle Komponenten für die Evolution von Multiagentensystemen aus einer Hand. Inkompatibilitäten zwischen verschiedenen Systemen können so ausgeschlossen werden“, so Elmenreich. Beispielsweise ist es bereits gelungen, ein automatisch agierendes Fußballteam oder experimentelle Studien für soziales Verhalten zu kreieren. Auch ein Algorithmus für einen Drohnenschwarm, der ein Areal beobachtet, konnte entwickelt werden.