Logo Leibniz Universität Hannover
Logo: SRA/Leibniz Universität Hannover
Logo Leibniz Universität Hannover
Logo: SRA/Leibniz Universität Hannover
  • Zielgruppen
  • Suche
 

Bisherige Beiträge des SRA zur OC Forschung

Grundlagen

Die Selbstorganisation vieler autonomer Teilsysteme kann zu emergentem Verhalten führen, d.h. dass das Gesamtsystem makroskopische Eigenschaften aufweist, die nicht im einzelnen Teilsystem sichtbar sind. Obwohl Emergenz grundsätzlich nicht exakt voraussagbar ist, können bestimmte Ordnungsprinzipien emergenter Systeme quantitativ bestimmt werden. Dadurch wird eine Reaktion auf Systemebene ermöglicht, welche u.U. negativ emergentes Verhalten erkennt und verhindert. Wir haben gezeigt, dass sich Emergenz auf der Basis von Entropiemessungen erkennen lässt.

Architekturen

Lernen und Selbstorganisation haben unerwünschte Nebenwirkungen, wenn sie in sicherheitskritischen Echtzeitsystemen eingesetzt werden sollen: Sie benötigen Zeit, und sie lernen durch Versuch und Irrtum, d.h. sie machen Fehler. Wir haben eine mehrstufige OC-Architektur auf Basis des Observer-Controller-Patterns entwickelt, welche auf einer unteren reaktiven Ebene in Echtzeit Verhaltensanpassungen mit kontrolliertem Änderungsradius durchführt, und auf einer höheren Planungsebene eine Verhaltensoptimierung mit Hilfe evolutionärer Algorithmen vorausberechnet, welche erst nach einer Validierung in das reale System übernommen werden (Sandboxing).

Anwendungen

Wir haben, in Zusammenarbeit mit dem KIT (Karlsruhe), die mehrstufige OC-Architektur für den Aufbau einer lernenden Ampelsteuerung verwendet, welche (1) es der einzelnen Ampelsteuerung ermöglicht, ihre Schaltzyklen den aktuellen Erfordernissen optimal anzupassen, und (2) durch Kooperation dieser autonomen Ampelsteuerungen selbstorganisierte Grüne Wellen entsprechend der aktuellen Verkehrssituation erzeugt. Ähnliche Prin-zipien wurden für die Optimierung von Kommunikationsnetzen eingesetzt.