Java Rules Engines - Entwicklung von regelbasierten Systemen

Inhaltsverzeichnis

Einleitung

1 Einführung

1.1 Wissen, Sprache und Schlussfolgerungen

1.1.1 Syntax und Semantik in Java

1.2 Definition einer Rules Engine

1.3 Anwendungsszenarien für regelbasierte Softwareentwicklung

1.3.1 Expert Systems

1.3.2 Dynamisiertes Programmverhalten und lernende Systeme

1.4 Expert-System-Beispiel

1.4.1 Knowledge Base, Inference Engine und Rule Sets

1.4.2 Working Memory, Assertion, Firing

1.5 Zusammenfassung

2 Wissensdarstellung und Schlussfolgerungen

2.1 Daten, Informationen, Nachrichten, Kenntnisse, Regeln

2.2 Wissensdarstellung

2.2.1 Vergessen als Grundvoraussetzung von Wissensaneignung

2.2.2 Arten von Wissensdarstellung

2.2.3 Aussagen- und Prädikatenlogik

2.2.4 Wissensdarstellung durch natürlichsprachliche Ansätze

2.2.5 Dynamische und undefinierte Regelelemente

2.3 Anwendung von Regeln

2.3.1 Knowledge/Fact Base

2.3.2 Regelverarbeitung

2.3.3 Auflösung von Widersprüchen, Prioritätsvergabe und Endlosverkettungen

2.3.4 Vor- und Rückwärtsverkettung

2.3.5 Zeitbestimmungen von Bedingungen und Ausführungen

2.3.6 Blackboards

2.4 Zielorientierte Suche

2.4.1 Absuchen des Zustandsraumes (state space search)

2.4.2 Breiten- und Tiefensuche (breadth-first, depth-first)

2.4.3 Heuristische Suche

2.5 Softwaresystem = Regelmaschine?

2.6 Zusammenfassung

3 Anwendung von Expertensystemen

3.1 Heterogenität am Markt

3.2 Drools

3.2.1 Java Semantik Modul

3.2.2 Kombination mehrerer Regel-Dateien

3.2.3 Weitere Drools Semantik Module / .NET

3.2.4 Relationale Datenabbildung

3.2.5 Native Regelerstellung

3.2.6 Performance statisch vs. deklarativ

3.2.7 Entscheidungstabellen mit Excel-/CSV-Dateien

3.2.8 Drools 2.1 Modulteile

3.2.9 Drools Event Model

3.2.10 Drools IDE

3.2.11 Drools im Java Enterprise-Umfeld?

3.2.12 RETE in Drools

3.2.13 Vor- und Nachteile / fehlende Features

3.3 Designstrategien bei der Integration von Drools

3.3.1 JSR-94 – Java Rules API

3.3.2 Kombination von AOP und Regeln?

3.4 Ilog JRules

3.4.1 Rule Builder/Web Rule Builder/Business Rule Studio

3.4.2 Business Level / Execution Level / Application Data Level

3.4.3 Business Rule Execution Server

3.4.4 JSR-94?

3.5 Versuch einer Bewertung: JRules vs Drools

3.6 Weitere Java Rules Engines

3.7 Innovations visual rules

3.7.1 Regelbäume zur Regelabbildung

3.8 Inference-driven vs. Regelbäume

4 Lernende Systeme, Autonomie und Intelligenz

4.1 Lernen

4.2 Neurobiologie des Lernens

4.3 Künstliche neuronale Netzwerke

4.3.1 Induktion

4.3.2 Überwachtes Lernen

4.3.3 Lernen durch Wahrscheinlichkeit

4.4 Fuzzy Logic

4.5 Expertensysteme vs. künstliche Intelligenz

4.5.1 Mischungen ungenauer und genauer Entscheidungswege

4.5.2 Turing-Test

4.5.3 Autonomie als tragende Eigenschaft natürlicher Intelligenz

4.6 Autonomie und Intelligenz

4.6.1 Agenten im Einsatz

4.7 Java-Agentensoftware

4.7.1 MadKit

4.7.2 JADE

4.7.3 ABLE

4.8 Zusammenfassung und Ausblick

4.8.1 Komplexität reduzieren?

4.8.2 Informationsflut

Literaturverzeichnis

Index

Über den Autor