Jahresbericht 2009 - Institute of Computer Science - Universität ...
Jahresbericht 2009 - Institute of Computer Science - Universität ...
Jahresbericht 2009 - Institute of Computer Science - Universität ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Universität Osnabrück Institut für Informatik <strong>Jahresbericht</strong> <strong>2009</strong> Projekte 59<br />
Organic Computing - Kontrollierte Selbstoptimierung<br />
Leitung Pr<strong>of</strong>. Dr.-Ing. Werner Brockmann<br />
Mitarbeiter M.Sc. Nils Rosemann<br />
Förderung Deutsche Forschungsgemeinschaft DFG<br />
Laufzeit seit 09/2005<br />
Stichworte Organic Computing, lernfähige Systeme, kontrollierte Selbstoptimierung<br />
Bei eingebetteten Echtzeitsystemen, die für zunehmend<br />
komplexere Aufgaben und Umgebungen eingesetzt<br />
werden, ist das notwendige Systemverhalten<br />
zur Entwicklungszeit nicht immer vollständig planbar,<br />
da nicht mehr alle möglichen Systemzustände<br />
und Fehlerszenarien (mit einem vertretbaren Aufwand)<br />
vorhergesehen und im Entwurf berücksichtigt<br />
werden können. Durch Methoden des Organic<br />
Computing soll daher die verfügbare Leistungsfähigkeit<br />
moderner Mikroelektronik genutzt werden, um<br />
durch Selbstorganisation ein robustes Verhalten bei<br />
Lücken und Fehlern im Entwurf und bei Störungen<br />
im laufenden Betrieb zu erreichen. Dazu werden<br />
Anleihen bei organischen Systemen genommen, da<br />
diese genau solche Fähigkeiten aufweisen. Insbesondere<br />
das vegetative Nervensystem und das Immunsystem<br />
sind gute Beispiele für die erforderliche<br />
selbstorganisierte, verteilte Informationsverarbeitung<br />
bei Anomalien und Störungen.<br />
Um solche Selbstorganisationstechniken auch für<br />
sicherheitskritische eingebettete Echtzeitsysteme<br />
einsetzen zu können, wurden und werden im Rahmen<br />
dieses Projekts Methoden für eine Kontrolle des<br />
Selbstorganisationsvorgangs entwickelt. Sie basieren<br />
auf Erweiterungen von Lernverfahren, die online<br />
im laufenden Betrieb angewendet werden können.<br />
Zum gezielten Umgang mit dem Stabilitäts-Plastizitäts-Dilemma,<br />
auf das lernfähige Systeme <strong>of</strong>t<br />
stoßen, wurde der FRANCA-Ansatz (Flexible Rate<br />
Adaptation in Neuro(-fuzzy) Control Applications)<br />
entwickelt und untersucht. Zusätzlich wurden die<br />
Einsatzmöglichkeiten von Selbstmodellen im Rahmen<br />
des IRIS-Ansatzes (Integrative Robust Intelligent<br />
Systems) evaluiert.