Details

Autor(en) / Beteiligte

• Hansmeier, Tim
• Platzner, Marco[Akademischer Betreuer]
• Hellebrand, Sybille[Akademischer Betreuer]
• Andrews, David[Akademischer Betreuer]
• Peitz, Sebastian[Akademischer Betreuer]
• Riebler, Heinrich[Akademischer Betreuer]

Titel

XCS for Self-awareness in Autonomous Computing Systems

Ort / Verlag

Paderborn

Erscheinungsjahr

2023

Link zum Volltext

• Hochschulschriften Visual Library - Scan2Web Hochschulschriften UB Paderborn (s2w-hsspadubpb)
• Hochschulschriften Visual Library - Scan2Web Hochschulschriften UB Paderborn (s2w-hsspadubpb)

Link zu anderen Inhalten

• Volltext
• Volltext

Verknüpfte Titel

Beschreibungen/Notizen

• Tag der Verteidigung: 21.09.2023
• Open Access
• ger: Das Entwurfsparadigma der Computer-Selbstwahrnehmung begegnet der zunehmenden Komplexitaet moderner Computersysteme, indem es Entscheidungen zur Entwurfszeit in die Laufzeit verlagert, was autonomes und adaptives Verhalten erfordert. Haeufig wird dafuer der Einsatz von lernenden Klassifizierersystemen vorgeschlagen, insbesondere deren populaerste Variante XCS. Allerdings wurde XCS bisher nur selten in realen Anwendungen eingesetzt, und es fehlt an Forschung darueber, wie XCS erfolgreich verwendet werden kann, um Autonomie und Adaptivitaet in solchen Anwendungen zu realisieren. Diese Dissertation macht einen Schritt hin zur Schließung dieser Forschungsluecke. Sie praesentiert den ersten experimentellen Vergleich von Explore/Exploit-Strategien fuer XCS, und eine automatisierte Parameteroptimierung gibt Systemdesignern fuer jede Strategie eine Reihe von nuetzlichen Konfigurationen an die Hand. Um Sicherheitsgarantien zu erfuellen, fuehrt diese Dissertation das Konzept der verbotenen Klassifizierer ein. Diese speziellen Klassifizierer werden von Hand erstellt, wobei die Interpretierbarkeit der XCS-Regelbasis genutzt wird. Die experimentelle Auswertung zeigt, dass XCS mit verbotenen Klassifizierern eine Problemloesung in kuerzerer Zeit und mit weniger Klassifizierern finden kann als XCS mit einem externen Sicherheitsschild. Schließlich wird in einer Fallstudie der Einsatz von XCS zur Steuerung der CPU-Frequenz untersucht. Waehrend XCS durchgaengig bessere Ergebnisse als tabellarisches Q-Learning erzielt, zeigt es ein Lernverhalten, das sich stark von dem Verhalten unterscheidet, das in den kuenstlichen Problemumgebungen beobachtet wird, welche ueblicherweise in der XCS-Forschung verwendet werden. Die Fallstudie unterstreicht die Notwendigkeit, Mechanismen fuer XCS zu entwickeln, mit denen es automatisch solche Umgebungsmerkmale erkennen kann, welche die Ableitung ...
• eng: The design paradigm of computational self-awareness tackles the increasing complexity in modern computing systems by moving design-time decisions to the runtime, requiring autonomous and adaptive behavior. Frequently proposed is the use of learning classifier systems, most notably their popular variant XCS. However, XCS has rarely been applied in real-world applications, and research is lacking on how XCS can be successfully applied to implement autonomy and adaptivity in practical application scenarios. This thesis makes a step toward bridging this gap in research. It presents the first experimental comparison of explore/exploit strategies for XCS and an automated parameter optimization equips system designers with a set of useful hyperparameter configurations for each strategy. To fulfill safety guarantees, this thesis introduces the concept of forbidden classifiers. These special classifiers are hand-crafted, utilizing the interpretability of XCS's rule base, and prevent the selection of actions that violate safety requirements. The experimental evaluation shows that forbidden classifiers enable XCS to find a problem solution in a shorter time and with with fewer classifiers than XCS with an external safety shield. Finally, as an example of a practical application scenario, a case study investigates using XCS to control a CPU's frequency. While XCS consistently achieves better results than tabular Q-learning, it depicts a learning behavior that vastly differs from the behavior observed in the artificial problem environments commonly used in XCS research. As such, the case study highlights the need to develop mechanisms that enable XCS to automatically detect environmental characteristics that prevent it from deriving an optimal solution and take appropriate ...