Forschung an der GSaME - Status und Ergebnisse 2012

interner Ablauf wird dargestellt, d. h. sein Verhalten, vom Start, über die Vorbereitung zuVerhandlungen, das Verhandeln selbst sowie die Bewertung der Verhandlung und schließlichder Übergang, um aus den gewonnenen Erfahrungen zu lernen. Zum Lernen verwendet derAgent einen evolutionären Algorithmus der generisch aus verschiedenen implementiertenMethoden für jede Phase des genetischen Algorithmus in den Simulationen zusammengestelltwird. Zunächst wählt der Agent die Genotypen, die sein Verhalten beschreiben aus derPopulation anhand der berechneten Fitness aus, danach generiert er mit Hilfe derRekombination aus mehreren Genotypen neue, die er mutieren kann, um zusätzlichesVerhalten zu erzeugen. Abschließend ersetzt er die Sammlung seines alten bekanntenVerhaltens ganz oder teilweise durch die so generierten neuen Pool aus.Die Simulationsergebnisse zeigen [RW2012], dass es entscheidend ist, wie die Agentenlernen und dass mit Hilfe des Lernens, die Agenten nicht nur bessere Ergebnisse in dergleichen Umgebung erzielen können, sondern dass sie auch besser in der Lage sind, sichpermanent an neue Situationen dynamisch anzupassen und dies alles mit sehr wenig biskeiner Interaktion mit dem Menschen. Dieses automatische Handeln kann dieBeschaffungskosten gerade für Standardgüter reduzieren. Derzeit werden bilateraleVerhandlungen und verschiedene Formen von Auktionen (Englische, Holländische, Erstpreis,Vickrey) simuliert und die Ergebnisse ausgewertet.Die im Cluster B laufenden Forschungs- und Promotionsarbeiten sind bezogen auf dieThemenstellungen ebenso wie im Cluster A dem Stuttgarter Unternehmensmodell zuzuordnen(Bild 4.4).Abb. 13: Aktualisierte Zuordnungsstruktur der Promovierenden (Forschungsarbeiten) zu den Skalen desStuttgarter UnternehmensmodellsDie Zuordnung der Forschungsarbeiten „Visuelle Analysetechniken für das digitale undvirtuelle Engineering“ (Wörner) deutet an, dass sich eine Alternative zu einer vergleichsweise32