Zur Beschleunigung des Lernens genetischer Algorithmen mittels unscharfer Regelsprachen

Unscharfe Classifiersysteme sind evolutionsgesteuerte Ma-schinenlernsysteme, die eine unscharfe Regelbasis, einen genetischen Algorithmus und eine Bewertungsfunktion integrieren. In diesem Beitrag wird gezeigt, daß die Rechenkomplexität eines Classifiersystems durch die syntaktische Struktur der vom Produktionsregelinterpreter verwendeten formalen Sprache L bestimmt wird. Von besonderem Interesse ist dabei, die Rechenkomplexität eines unscharfen Classifiersystems mit der entsprechenden Version eines klassischen Classifiersystems zu vergleichen. Mittels eines solchen Vergleichs kann dann gezeigt werden, daß unscharfe Classifiersysteme theoretisch einen unendlichen Speed-Up im Vergleich zu klassischen Classifiersystemen Hefern. Sogar praktische Rechnerimplementierungen unscharfer Classifiersysteme, die ja unscharfe Classifiersysteme nur approximieren, lernen beträchtlich schneller als klassische Classifiersysteme.