2. Computational Intelligence

Dieses Kapitel stellt eine kompakte Einführung in Computational Intelligence (CI) vor. Künstliche Intelligenz (KI) und CI werden kurz miteinander verglichen. CI selbst ist ein Überbegriff, der verschiedene Zweige von Methoden umfasst, von denen die meisten dem Paradigma „von der Natur inspiriert“ folgen. Während sich KI und CI teilweise überschneiden, profitieren die in CI angewandten Methoden von naturinspirierten Strategien und setzen diese in Computeralgorithmen um, wozu als Ausgangspunkt die mathematische Optimierung kurz erläutert wird. CI umfasst fünf Hauptzweige: Evolutionäre Ansätze (Evolutionary Computation, EC), Schwarmintelligenz (Swarm Intelligence, SI), Neuronale Netze (Neural Networks), Fuzzy-Logik (Fuzzy Logic) und Künstliche Immunsysteme (Artificial Immune Systems). Der Schwerpunkt liegt auf EC und SI als den wichtigsten CI-Methoden, die in der Logistik und im Supply-Chain-Management eingesetzt werden. EC ist mit Evolutionären Algorithmen (EA) gekoppelt. Wichtige Methoden, die zu EC bzw. EA gehören, sind Evolutionsstrategien, Genetische Algorithmen (GA), Genetische und Evolutionäre Programmierung, die (multi-objective) Mehrzieloptimierungsalgorithmen Non-dominated Sorting GA (NSGA) und Strength Pareto EA (SPEA), Memetische Algorithmen sowie viele weitere Methoden. Zu den wichtigsten Methoden der SI gehören die Partikelschwarmoptimierung (Particle Swarm Optimization, PSO), die diskrete PSO und die Ameisenkolonieoptimierung (Ant Colony Optimization). EA- und SI-Ansätze werden auch der Klasse der Metaheuristiken zugerechnet, die bei der Suche nach besseren Lösungen in einer Vielzahl von Anwendungsbereichen allgemeine Problemlösungskonzepte bereitstellen.