Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Dauer 14 Stunden (2 Tage)
Schulungsübersicht
Einführung in Multi-Agenten-Systeme
- Überblick über Multi-Agenten-Systeme (MAS)
- Praktische Anwendungsbereiche von MAS in der realen Welt
- Vergleich mit Systemen, die nur einen einzigen Agenten beinhalten
Architekturen für Multi-Agenten-Systeme
- Zentralisierte vs. dezentralisierte Architekturen
- Hybride sowie mehrschichtige Ansätze bei der Gestaltung von MAS
- Werkzeuge und Frameworks zur Entwicklung von Multi-Agenten-Systemen (z. B. JADE, SPADE)
Kommunikation und Koordination zwischen Agenten
- Kommunikationsprotokolle sowie Sprachen (z. B. FIPA ACL)
- Koordinierungsverfahren: Planung, Verhandlung und Synchronisation
- Emergentes Verhalten sowie Selbstorganisation in MAS
Spieltheorie und Entscheidungsfindung
- Einstieg in die Spieltheorie im Kontext von Multi-Agenten-Systemen
- Kooperative gegenüber konkurrierenden Strategien
- Lösung von Interessenkonflikten zwischen Agenten
Lernprozesse in Multi-Agenten-Systemen
- Reinforcement Learning in MAS-Umgebungen
- Dynamiken des kooperativen und gegensätzlichen Lernens
- Transferlernen sowie Wissensaustausch zwischen Agenten
Herausforderungen und fortgeschrittene Themenbereiche
- Skalierbarkeit und Leistungsfähigkeit in großen Multi-Agenten-Systemen
- Vertrauen sowie Sicherheit bei der Kommunikation zwischen Agenten<\/li>
- Ethische Aspekte und Auswirkungen der Entwicklung von MAS
Praktische Übungen
- Implementierung eines einfachen Multi-Agenten-Systems zur Ressourcenverteilung
- Simulation von Kommunikation und Koordination zwischen Agenten in einer dynamischen Umgebung
- Einsatz eines Frameworks wie JADE zur Entwicklung eines Multi-Agenten-Systems
Zusammenfassung sowie weitere Schritte
Voraussetzungen
- Eine solide Kenntnis der grundlegenden Konzepte der Künstlichen Intelligenz
- Gute Programmierkenntnisse in Python
- Bekanntschaft mit Spieltheorie sowie verteilten Systemen ist von Vorteil
Zielgruppe
- Forscher im Bereich KI
- Ingenieure für Künstliche Intelligenz
