@inproceedings{Schoof2000,
  author    = {Schoof, Jochen},
  title     = {Kommunizierende Genetische Algorithmen: Durch Evolution zur Kooperation},
  doi       = {10.25643/bauhaus-universitaet.612},
  url       = {http://nbn-resolving.de/urn:nbn:de:gbv:wim2-20111215-6123},
  year      = {2000},
  abstract  = {Die Kooperation zwischen Menschen und Computern gewinnt in zahlreichen Problemstellungen mehr und mehr an Bedeutung. Ein wesentlicher Grund hierf{\"u}r ist die st{\"a}ndig wachsende Komplexit{\"a}t relevanter Problemstellungen. Dadurch bedingt sind weder der Mensch noch der Computer alleine in der Lage, zufriedenstellende L{\"o}sungen zu entwickeln. Die Kombination der individuellen F{\"a}higkeiten hat sich in vielen Bereichen als gewinnbringend erwiesen. Genetische Algorithmen (GA) als Repr{\"a}sentanten der >Evolutionary Computation< stellen einen Ansatz zur L{\"o}sung hochkomplexer Optimierungsaufgaben dar, der sich an den Vorg{\"a}ngen der Evolution orientiert. Im Gegensatz zu vielen anderen Optimierungsverfahren bringen sie einige Eigenarten mit, die kooperative Erweiterungen einfach und erfolg-versprechend machen. Der vorgestellte kommunizierende Genetische Algorithmus kombiniert die Vorteile der GA mit der F{\"a}higkeit zur Kooperation. Es gelingt bei seiner Verwendung, gute externe Vorschl{\"a}ge aufzunehmen, w{\"a}hrend schlechte Vorschl{\"a}ge keinerlei negative Auswirkungen zeigen. Diese Robustheit gegen Irrt{\"u}mer und Fehleingaben macht den KGA zu einer idealen Basis f{\"u}r Programme zur kooperativen Probleml{\"o}sung.},
  subject      = {Mensch-Maschine-Kommunikation},
  language  = {de}
}