sans_lcs_analysis.tex

\section{Erste Analyse der Agenten ohne XCS}\label{analysis_sans_lcs:cha}

In diesem Abschnitt sollen erste Analysen bezüglich der verwendeten Szenarien anhand des Algorithmus zufälliger Bewegung (siehe Kapitel~\ref{randomized_movement:sec}), des Algorithmus mit einfacher Heuristik (siehe Kapitel~\ref{simple_heuristik:sec}) und des Algorithmus mit intelligenter Heuristik (siehe Kapitel~\ref{intelligent_heuristik:sec}) angefertigt werden. Die Ergebnisse aus der Analyse werden eine Grundlage für die vergleichende Betrachtung der Agenten mit XCS Algorithmen in Kapitel~\ref{lcs_analysis:cha} dienen, insbesondere werden sie Anhaltspunkte dafür geben, welche Szenarien welche Eigenschaften der Algorithmen testen. Außerdem kann der Vergleich von Agenten intelligenten Heuristik mit Agenten mit zufälliger Bewegung Aufschluss darüber geben, wieviel und welche Aspekte ein Agent in einem solchen Szenario überhaupt lernen kann. Große Unterschiede zwischen intelligenter und einfacher Heuristik weisen beispielsweise darauf hin, dass die Verteilung auf dem Torus wichtiger ist, als das Hinterherlaufen. Dies sieht man insbesondere am Extrembeispiel des Zielobjekts mit zufälligem Sprung in Kapitel~\ref{zielobjekt_analyse_zufall_sprung:sec}.



\subsection{Zielobjekt mit zufälligem Sprung}\label{zielobjekt_analyse_zufall_sprung:sec}

Im folgenden sollen alle TODO



In allen Szenarien mit dieser Form der Bewegung des Zielobjekts kommt es nur darauf an, dass die Agenten einen möglichst großen Bereich des Torus abdecken. 


\subsection{Im leeren Szenario ohne Hindernisse}\label{jump_empty_scenario:sec}

Ohne Hindernisse gibt sich ein klares Bild (siehe Tabelle~\ref{table:empty_total_random}), die intelligente Heuristik ist etwas besser als der des zufälligen Agenten und der einfachen Heuristik. Ein möglichst weiträumiges Verteilen auf dem Torus führt zum Erfolg, was sich auch in einem hohen Wert der Abdeckung zeigt, denn genau das wird mit dem völlig zufällig springenden Agenten getestet. Auch ist die Zahl der blockierten Bewegungen deutlich niedriger, was sich auch mit der Haltung des Abstands erklären lässt.\\

Die einfache Heuristik schneidet dagegen etwas schlechter als eine zufällige Bewegung ab. Zwar ist die Zahl der blockierten Bewegungen geringer, was sich dadurch erklären lässt, dass die einfache Heuristik zumindest an einem Punkt eine Sichtbarkeitsüberprüfung für die Richtung durchführt, in der sie sich bewegen möchte (nämlich wenn das Zielobjekt in Sicht ist), andererseits ist die Abdeckung etwas geringer. Dies kommt daher, dass, wenn mehrere Agenten das Zielobjekt in derselben Richtung in Sichtweite haben, mehrere Agenten sich in dieselbe Richtung bewegen. Dies beeinträchtigt die zufällige Verteilung der Agenten auf dem Spielfeld und führt somit auch zu einer niedrigeren Abdeckung des Torus.\\

Bezüglich der Anzahl der Agenten ergeben sich keine Besonderheiten, mit steigender Agentenzahl steigt die Zahl der blockierten Bewegungen (aufgrund größerer Anzahl von blockierten Feldern), während die Abdeckung sinkt (aufgrund sich überlappender Überwachungsreichweiten).

\begin{table}[ht]
\caption{Zufällige Sprünge des Zielobjekts im leeren Szenario ohne Hindernisse}
\centering
\begin{tabular}{c c c c c}
\hline\hline
Algorithmus & Agentenzahl & Blockierte Bewegungen & Abdeckung & Qualität \\ [0.5ex]
\hline
Zufällige Bewegung     & 8  & 2,82\% & 73,78\% & 32,36\% \\
Einfache Heuristik     & 8  & 2,79\% & 73,22\% & 32,10\% \\
Intelligente Heuristik & 8  & 0,64\% & 81,26\% & 35,91\% \\ [1ex]
\hline
Zufällige Bewegung     & 12 & 4,32\% & 69,55\% & 44,75\% \\
Einfache Heuristik     & 12 & 4,19\% & 68,88\% & 43,86\% \\
Intelligente Heuristik & 12 & 1,49\% & 77,60\% & 49,49\% \\ [1ex]
\hline
Zufällige Bewegung     & 16 & 5,82\% & 64,28\% & 54,55\% \\
Einfache Heuristik     & 16 & 5,66\% & 63,65\% & 53,99\% \\
Intelligente Heuristik & 16 & 2,85\% & 71,44\% & 60,73\% \\ [1ex]
\hline
\end{tabular}
\label{table:empty_total_random}
\end{table}


\subsection{Säulenszenario}

Für das Säulenszenario (siehe Tabelle~\ref{table:pillar_total_random}) ergeben sich erwartungsgemäß ähnliche Werte wie im Fall des leeren Szenarios ohne Hindernisse (siehe Tabelle~\ref{table:empty_total_random}). Durch geringere Sicht und höhere Zahl an blockierten Bewegungen ergibt sich jeweils eine geringere Abdeckung und auch jeweils eine geringere Qualität. Auch hier ergeben sich keine Besonderheiten bezüglich der Agenten, im Folgenden werden sich die Tests deshalb auf den Fall mit 8 Agenten beschränken.

\begin{table}[ht]
\caption{Zufällige Sprünge des Zielobjekts in einem Säulenszenario}
\centering
\begin{tabular}{c c c c c}
\hline\hline
Algorithmus & Agentenzahl & Blockierte Bewegungen & Abdeckung & Qualität \\ [0.5ex]
\hline
Zufällige Bewegung     & 8  & 4,45\% & 72,11\% & 32,13\% \\
Einfache Heuristik     & 8  & 4,08\% & 71,70\% & 31,99\% \\
Intelligente Heuristik & 8  & 2,34\% & 79,61\% & 35,29\% \\ [1ex]
\hline
Zufällige Bewegung     & 12 & 5,93\% & 67,72\% & 44,44\% \\
Einfache Heuristik     & 12 & 5,67\% & 67,23\% & 43,81\% \\
Intelligente Heuristik & 12 & 3,62\% & 75,86\% & 49,34\% \\ [1ex]
\hline
Zufällige Bewegung     & 16 & 7,62\% & 62,53\% & 54,26\% \\
Einfache Heuristik     & 16 & 7,23\% & 62,00\% & 53,58\% \\
Intelligente Heuristik & 16 & 5,18\% & 69,91\% & 60,43\% \\ [1ex]
\hline
\end{tabular}
\label{table:pillar_total_random}
\end{table}


\subsection{Zufällig verteilte Hindernisse}


Hier ergibt sich für alle Einstellungen für \(\lambda_{h}\) und \(\lambda_{p}\) (siehe Kapitel~\ref{random_scenario_definition:sec}) ebenfalls ein eindeutiges Bild (siehe Tabelle~\ref{table:full_total_random}), die intelligente Heuristik liegt wieder vorne, gefolgt wieder von der einfachen Heuristik und der zufälligen Bewegung. Im Fall mit vielen Hindernissen (\(\lambda_{h} = 0,2\)) liegt die einfache Heuristik trotz höherer Abdeckung hinter der zufälligen Bewegung. Dies ist wohl auf einen Zufall zurückzuführen, ändert man den \emph{random seed} Wert oder erhöht man die Anzahl der Experimente von 10 auf 30 ergibt sich wieder oben genannte Reihenfolge.\\

Dass der einfache Agent, wenn er das Zielobjekt in Sicht hat, eine geringere Zahl an blockierten Bewegungen als der zufällige Agent aufweist, lässt sich damit begründen, dass er davon ausgehen kann, dass sich in dieser Richtung wahrscheinlich eher kein Hindernis befindet (da die Sicht nicht blockiert ist), während der zufällige Agent Hindernisse überhaupt nicht beachtet, somit öfters gegen ein Hindernis läuft und letztlich öfters stehen bleibt. Der Unterschied zwischen beiden Agenten ist besonders hoch in Szenarien mit größerem Anteil an Hindernissen.\\

Im Vergleich zur einfachen Heuristik scheint insbesondere die intelligente Heuristik Probleme mit den Hindernissen zu haben (viele blockierte Bewegungen). Da Hindernisse in der Heuristik nicht beachtet werden, bewirkt die Strategie der maximalen Ausbreitung der Agenten, dass die Agenten gegen die Hindernisse gedrückt werden (andere Agenten sind bei hohem Verknüpfungsfaktor eher in einem Bereich ohne Hindernisse).\\

Schließlich ist zu sehen, dass die Agenten in einem Szenario mit höherem Verknüpfungsfaktor (der Fall mit \(\lambda_{h} = 0,1\) und \(\lambda_{p} = 0,99\) im Vergleich zum Fall mit \(\lambda_{h} = 0,1\) und \(\lambda_{p} = 0,5\)) besser abschneiden. Dies liegt daran, dass Szenarien mit hohem Verknüpfungsfaktor bedeuten, dass viele Hindernisse zusammenhängend einen großen Block bilden und somit dem Szenario ohne Hindernisse ähnlich sind, da es eher größere zusammenhängende Flächen gibt.\\

Insgesamt ist zu sagen, dass keine der Szenarien mit zufälligem Sprung des Zielobjekts sich als zu lernende Aufgabe lohnt, der Unterschied zwischen der zufälligen Bewegung und der intelligenten Heuristik ist zu gering, die Aufgabe somit zu schwierig und soll in Verbindung mit XCS, bis auf einen einfachen Test zum Vergleich (siehe Kapitel TODO), nicht weiter betrachtet werden.

TODO warum besser mit mehr HIndernissen

\begin{table}[ht]
\caption{Zufällige Sprünge des Zielobjekts in einem Szenario mit Hindernisse (8 Agenten)}
\centering
\begin{tabular}{c c c c c c}
\hline\hline
Algorithmus & \(\lambda_{h}\) & \(\lambda_{p}\) & Blockierte Bewegungen & Abdeckung & Qualität \\ [0.5ex]
\hline
Zufällige Bewegung     & 0,2 & 0,99 & 12,44\% & 62,50\% & 34,54\% \\
Einfache Heuristik     & 0,2 & 0,99 & 10,04\% & 63,02\% & 34,48\% \\
Intelligente Heuristik & 0,2 & 0,99 & 12,71\% & 68,22\% & 37,89\% \\ [1ex]
\hline
Zufällige Bewegung     & 0,1 & 0,99 &  7,58\% & 68,33\% & 32,81\% \\
Einfache Heuristik     & 0,1 & 0,99 &  6,15\% & 68,49\% & 33,36\% \\
Intelligente Heuristik & 0,1 & 0,99 &  6,50\% & 74,81\% & 36,29\% \\ [1ex]
\hline
Zufällige Bewegung     & 0,1 & 0,5  & 10,12\% & 66,01\% & 32,03\% \\
Einfache Heuristik     & 0,1 & 0,5  &  8,57\% & 66,52\% & 32,38\% \\
Intelligente Heuristik & 0,1 & 0,5  &  9,29\% & 72,63\% & 35,12\% \\ [1ex]
\hline
\end{tabular}
\label{table:full_total_random}
\end{table}





FAZIT:

Je schneller, zufälliger 



\subsection{Zielobjekt mit zufälliger Bewegung bzw. einfacher Richtungsänderung}

TODO kürzerer Titel für beide Bewegungsarten!!!


Wesentlicher Punkt bei beiden Bewegungstypen (siehe Kapitel~\ref{random_neighbor:sec} und Kapitel~\ref{direction_change:sec}) ist, dass der jetzige Ort des Zielobjekts maximal zwei Felder (die maximale Geschwindigkeit des Zielobjekts in den Tests) vom Ort in der vorangegangenen Zeiteinheit entfernt ist. Somit ist ein lokales Einfangen eher von Relevanz, der Ort an dem sich das Zielobjekt im nächsten Zeitschritt befinden wird, ist zumindest vom aktuellen Ort abhängig, wenn das Zielobjekt auch schneller sein kann als andere Agenten.\\

Wesentlicher Unterschied zwischen beiden Bewegungstypen ist, dass das Zielobjekt mit zufälliger Bewegung nach 2 Schritten mit Wahrscheinlichkeit von \(\frac{1}{4}\) auf das ursprüngliche Feld zurückkehrt, also stehenbleibt. Wie die Ergebnisse in Tabellen~\ref{table:neighbor_change_random} und ~\ref{table:neighbor_change_pillar} zeigen, ergibt sich dadurch ein leichteres Szenario. Ein mitunter stehenbleibender Agent kann mittels Heuristiken leichter überwacht werden, während es keine signifikante Veränderung bei der zufälligen Bewegung ergibt. In weiteren Tests soll deswegen immer nur Zielobjekten mit einfacher Richtungsänderung getestet werden.


33, 
%TODO table:neighbor_change_no_obstacles

TODO

\begin{table}[ht]
\caption{Vergleich von Zielobjekt mit zufälliger Bewegung und einfacher Richtungsänderung (8 Agenten, leeres Szenario ohne Hindernisse)}
\centering
\begin{tabular}{c c c c c}
\hline\hline
Algorithmus & Sprünge Zielobjekt & Blockierte Bewegungen & Abdeckung & Qualität \\ [1ex]
\hline
Sich zufällig bewegendes Zielobjekt \\ [1ex]
\hline
Zufällige Bewegung     & 0,00\% &  2,71\% & 73,85\% & 32,57\% \\
Einfache Heuristik     & 0,06\% & 11,51\% & 63,65\% & 79,97\% \\
Intelligente Heuristik & 0,02\% &  4,71\% & 71,15\% & 81,59\% \\ [1ex]
\hline
Zielobjekt mit einfacher Richtungsänderung \\ [1ex]
\hline
Zufällige Bewegung     & 0,00\% &  2,75\% & 73,81\% & 30,99\% \\
Einfache Heuristik     & 0,01\% &  4,98\% & 66,61\% & 58,38\% \\
Intelligente Heuristik & 0,01\% &  2,93\% & 73,37\% & 62,48\% \\ [1ex]
\hline
\end{tabular}
\label{table:neighbor_change_no_obstacles}
\end{table}

\begin{table}[ht]
\caption{Vergleich von Zielobjekt mit zufälliger Bewegung und einfacher Richtungsänderung (8 Agenten, zufälliges Szenario mit $\lambda_{h} = 0,1$, $\lambda_{p} = 0,99$)}
\centering
\begin{tabular}{c c c c c}
\hline\hline
Algorithmus & Sprünge Zielobjekt & Blockierte Bewegungen & Abdeckung & Qualität \\ [1ex]
\hline
Sich zufällig bewegendes Zielobjekt \\ [1ex]
\hline
Zufällige Bewegung     & 0,01\% &  7,49\% & 66,63\% & 33,96\% \\
Einfache Heuristik     & 0,41\% & 11,51\% & 59,72\% & 79,99\% \\
Intelligente Heuristik & 0,36\% & 10,76\% & 65,87\% & 81,50\% \\ [1ex]
\hline
Zielobjekt mit einfacher Richtungsänderung \\ [1ex]
\hline
Zufällige Bewegung     & 0,00\% &  7,54\% & 68,31\% & 31,66\% \\
Einfache Heuristik     & 0,06\% &  8,68\% & 62,31\% & 57,95\% \\
Intelligente Heuristik & 0,08\% &  8,57\% & 68,28\% & 61,72\% \\ [1ex]
\hline
\end{tabular}
\label{table:neighbor_change_random}
\end{table}

\begin{table}[ht]
\caption{Vergleich von Zielobjekt mit zufälliger Bewegung und einfacher Richtungsänderung (8 Agenten, Säulenszenario)}
\centering
\begin{tabular}{c c c c c}
\hline\hline
Algorithmus & Sprünge Zielobjekt & Blockierte Bewegungen & Abdeckung & Qualität \\ [1ex]
\hline
Sich zufällig bewegendes Zielobjekt \\ [1ex]
\hline
Zufällige Bewegung     & 0,00\% & 4,34\% & 72,27\% & 31,80\% \\
Einfache Heuristik     & 0,07\% & 8,77\% & 62,87\% & 78,34\% \\
Intelligente Heuristik & 0,04\% & 6,40\% & 69,98\% & 80,54\% \\ [1ex]
\hline
Zielobjekt mit einfacher Richtungsänderung \\ [1ex]
\hline
Zufällige Bewegung     & 0,00\% & 4,30\% & 72,28\% & 29,17\% \\
Einfache Heuristik     & 0,01\% & 6,29\% & 65,80\% & 56,19\% \\
Intelligente Heuristik & 0,01\% & 4,58\% & 72,44\% & 60,41\% \\ [1ex]
\hline
\end{tabular}
\label{table:neighbor_change_pillar}
\end{table}



\subsection{Auswirkung der Geschwindigkeit des Zielobjekts}

Angesichts der Ergebnisse in den zwei vorangegangenen Kapiteln, ist zu erwarten, dass die Geschwindigkeit des Zielobjekts bei der Qualität des Agenten mit zufälliger Bewegung keine Rolle spielt, da weder das Zielobjekt noch die Agenten Informationen über ihre Umgebung benutzen um sich für ein Verhalten zu entscheiden.

TODO subsections zusammenfassen


\subsection{Zielobjekt mit einfacher Richtungsänderung}\label{speed_single_direction:sec}

In Abbildung~\ref{speed_random_goal:fig} sind die Testergebnisse für einen Test mit 8 Agenten auf dem Säulenszenario dargestellt, bei dem sich das Zielobjekt mit einfacher Richtungsänderung bewegt. Es ist keine Korrelation zwischen der Geschwindigkeit und der Qualität des Algorithmus mit zufälliger Bewegung festzustellen, nur bei Geschwindigkeit 0 scheint es ein deutlich besseres Ergebnis zu geben. Das lässt sich aber durch die Anfangskonfiguration erklären, beim Säulenszenario startet das Zielobjekt in der Mitte mit maximalem Abstand zu den Hindernissen, ist also immer optimal in Sicht.\\
Der Algorithmus mit zufälliger Bewegung stellt also eine Untergrenze dar, ein Agent muss mehr als diesen Wert erreichen, damit man sagen kann, dass er etwas gelernt hat.\\

In Abbildung~\ref{speed_random_goal_heuristik:fig} sind dagegen die Testergebnisse (im selben Szenario) für die einfache und die intelligente Heuristik zu sehen. Im Wesentlichen sind drei Punkte anzumerken, erstens existiert eine Korrelation zwischen Qualität und Geschwindigkeit, zweitens gibt es einen Knick bei Geschwindigkeit 1 und drittens ist ein fast stetiger Anstieg der Differenz zwischen der einfachen und der intelligenten Heuristik zu verzeichnen. Der Knick lässt sich dadurch erklären, dass es ab dieser Geschwindigkeit möglich ist, dass das Zielobjekt Verfolger abschütteln kann, der Anstieg der Differenz lässt sich dadurch erklären, dass es Abdeckung des Gebiets eine immer größere Rolle spielt, als die Verfolgung des Zielobjekts.

\begin{figure}[htbp]
\centerline{	
\includegraphics{speed_random_goal.eps}
}
\caption[Auswirkung der Zielgeschwindigkeit auf Agenten mit zufälliger Bewegung]{Auswirkung der Zielgeschwindigkeit auf Agenten mit zufälliger Bewegung, bis auf den Sonderfall bei 0 ist keine Korrelation zu entdecken TODO Szenario}
\label{speed_random_goal:fig}
\end{figure}

\begin{figure}[htbp]
\centerline{	
\includegraphics{speed_random_goal_heuristik.eps}
}
\caption[Auswirkung der Zielgeschwindigkeit auf Agenten mit Heuristik]{Auswirkung der Zielgeschwindigkeit auf Agenten mit Heuristik}
\label{speed_random_goal_heuristik:fig}
\end{figure}


\subsection{Zielobjekt mit intelligenter Bewegung}\label{zielagent_analyse_intelligent:sec}

In Abbildung~\ref{speed_intelligent_goal:fig} und Abbildung~\ref{speed_intelligent_goal_obst2:fig} werden im Säulenszenario bzw. Szenario mit zufällig verteilten Hindernissen wieder die Heuristiken bei unterschiedlichen Geschwindigkeiten des Zielobjekts verglichen. Beim Säulenszenario ist wieder der Knick wie beim Fall mit Zielobjekt mit einfacher Richtungsänderung (siehe Kapitel~\ref{speed_single_direction:sec}) zu beobachten. Im Fall mit  TODO

\begin{figure}[htbp]
\centerline{	
\includegraphics{speed_intelligent_goal.eps}
}
\caption[Auswirkung der Zielgeschwindigkeit (intelligentes Zielobjekt, Säulenszenario) auf Agenten mit Heuristik]{Auswirkung der Zielgeschwindigkeit (intelligentes Zielobjekt) auf Agenten mit Heuristik}
\label{speed_intelligent_goal:fig}
\end{figure}

\begin{figure}[htbp]
\centerline{	
\includegraphics{speed_intelligent_goal_obst2.eps}
}
\caption[Auswirkung der Zielgeschwindigkeit (intelligentes Zielobjekt, Szenario mit zufällig verteilten Hindernissen, $\lambda_{h}=0.2$, $\lambda_{p}=0.99$) auf Agenten mit Heuristik]{Auswirkung der Zielgeschwindigkeit (intelligentes Zielobjekt, Szenario mit zufällig verteilten Hindernissen, $\lambda_{h}=0.2$, $\lambda_{p}=0.99$) auf Agenten mit Heuristik}
\label{speed_intelligent_goal_obst2:fig}
\end{figure}


Ein sich schnell bewegender, intelligenter Agent 

Dass dies doch nicht stimmt... TODO

\ref{table:intelligent_open_hide_no_obstacles}
\ref{table:intelligent_open_hide_random}
\ref{table:intelligent_open_hide_pillar}

TODO: Erläuterung!

Zu beachten sei, dass im Fall von ``Intelligent Hide'' eine relativ große Nummer an Sprüngen des Zielobjekts (siehe Kapitel~\ref{zielobjekt:sec}) stattgefunden hat, was die Ergebnisse etwas verzerrt, die Zahl hält sich aber noch in Grenzen (bis zu ca. 0.5\% im Fall der einfachen und intelligenten Heuristik im Fall mit vielen Hindernissen).

TODO neu, weg
\begin{table}[ht]
\caption{Vergleich von ``Intelligent Open'' und ``Intelligent Hide'' (8 Agenten, leeres Szenario ohne Hindernisse)}
\centering
\begin{tabular}{c c c c}
\hline\hline
Algorithmus & Abdeckung & Qualität \\ [1ex]
\hline
``Intelligent Open'' \\ [1ex]
\hline
Zufällige Bewegung     & 74,15\% & 11,32\% \\
Einfache Heuristik     & 60,90\% & 82,86\% \\
Intelligente Heuristik & 69,62\% & 85,74\% \\ [1ex]
\hline
\end{tabular}
\label{table:intelligent_open_hide_no_obstacles}
\end{table}

\begin{table}[ht]
\caption{Vergleich von ``Intelligent Open'' und ``Intelligent Hide'' (8 Agenten, zufälliges Szenario mit $\lambda_{h} = 0,2$, $\lambda_{p} = 0,99$)}
\centering
\begin{tabular}{c c c c}
\hline\hline
Algorithmus & Abdeckung & Qualität \\ [1ex]
\hline
``Intelligent Open'' \\ [1ex]
\hline
Zufällige Bewegung     & 62,54\% & 13,37\% \\
Einfache Heuristik     & 52,23\% & 84,33\% \\
Intelligente Heuristik & 56,92\% & 85,12\% \\ [1ex]
\hline
``Intelligent Hide'' \\ [1ex]
\hline
Zufällige Bewegung     & 62,52\% & 13,10\% \\
Einfache Heuristik     & 50,17\% & 90,32\% \\
Intelligente Heuristik & 56,94\% & 90,45\% \\ [1ex]
\hline
\end{tabular}
\label{table:intelligent_open_hide_random}
\end{table}

\begin{table}[ht]
\caption{Vergleich von ``Intelligent (Open)'' und ``Intelligent (Hide)'' (8 Agenten, Säulenszenario)}
\centering
\begin{tabular}{c c c}
\hline\hline
Algorithmus & Abdeckung & Qualität \\ [1ex]
\hline
``Intelligent (Open)'' \\ [1ex]
\hline
Zufällige Bewegung     & 72,55\% & 11,58\% \\
Einfache Heuristik     & 57,19\% & 85,58\% \\
Intelligente Heuristik & 64,26\% & 91,18\% \\ [1ex]
\hline
``Intelligent (Hide)'' \\ [1ex]
\hline
Zufällige Bewegung     & 72,56\% & 11,78\% \\
Einfache Heuristik     & 58,45\% & 80,98\% \\
Intelligente Heuristik & 65,65\% & 86,38\% \\ [1ex]
\hline
\end{tabular}
\label{table:intelligent_open_hide_pillar}
\end{table}


\subsection{Schwieriges Szenario}\label{test_schwieriges_szenario:sec}

Für das sogenannte schwierige Szenario aus Kapitel~\ref{difficult_scenario:sec} erscheint nur der in Kapitel~\ref{no_direction_change:sec} vorgestellte Typ von Zielobjekt mit Beibehaltung der Richtung sinnvoll, da das Ziel für die Agenten sein soll, bis in den letzten Abschnitt vorzudringen und dem Zielobjekt nicht schon auf halbem Weg zu begegnen.\\
Für verschiedene Anzahl von Schritten sind für die drei Agententypen in Abbildung~\ref{steps_direction_difficult_heuristics:fig} die jeweiligen Qualitäten aufgeführt. Wie man beim Vergleich zwischen zufälliger Bewegung und einfacher Heuristik sehen kann, ist es nicht nur entscheidend, in den letzten Bereich am rechten Rand des Szenarios vorzudringen, sondern auch, dort den Agenten zu verfolgen und in diesem Bereich zu bleiben. Deutlich zeigen sich hier die Vorzüge der intelligenten Heuristik, durch das Bestreben, Agenten auszuweichen, hat es dieser Algorithmus leichter, durch die Öffnungen in von Agenten unbesetzte Bereiche vorzudringen. Der Unterschied zwischen einfacher und intelligenter Heuristik zeigt auch, dass in diesem Szenario ein deutlich größeres Lernpotential, was die Einbeziehung von wahrgenommenen Agentenpositionen betrifft, für Agenten besteht. Wie später in Kapitel~\ref{xcs_difficult_scenario:sec} gezeigt wird, können in diesem Szenario unter anderem deshalb auf XCS basierte Agenten ihre Vorteile besonders gut ausspielen und erreichen sogar bessere Ergebnisse als die intelligente Heuristik.

\begin{figure}[htbp]
\centerline{	
\includegraphics{steps_direction_difficult_heuristics.eps}
}
\caption[Auswirkung der Anzahl der Schritte (schwieriges Szenario, Geschwindigkeit 2, ohne Richtungsänderung) auf Qualität von Agenten mit Heuristik]{Auswirkung der Anzahl der Schritte (schwieriges Szenario, Geschwindigkeit 2, ohne Richtungsänderung) auf Qualität von Agenten mit Heuristik}
\label{steps_direction_difficult_heuristics:fig}
\end{figure}

\subsection{Zusammenfassung}

Wie man sehen konnte, existieren also Szenarien in denen Abdeckung kaum eine Rolle spielt und lokale Entscheidungen eine wesentliche Rolle spielen. Dies wird es erleichtern, geeignete Szenarien im Kapitel~\ref{communication:cha}  zu finden.

TODO