Ich beschäftige mich hauptsächlich mit Learning Classifier Systemen (insbesondere XCS und seinen Abkömmlingen), einer Familie von vielseitig einsetzbaren evolutionären regelbasierten maschinellen Lernverfahren. Eines der Hauptargumente für die Anwendung dieser Verfahren ist, dass die Modelle, die sie erzeugen, deutlich leichter zu interpretieren sind als diejenigen, die andere Lernverfahren erzeugen, wie zum Beispiel künstliche neuronale Netze. Allerdings verstehen wir formal immer noch nicht, wie LCS im Detail funktionieren, also, welche Probleme sie genau lösen können oder wie gut dies möglich ist – was eine Argumentation für sie stark schwächt. Durch meine Arbeit möchte ich ein formaleres Verständnis von LCS entwickeln und basierend darauf schließlich mehrere Behauptungen beweisen, die bis heute nur experimentell nachgewiesen wurden.

Ansonsten interessieren mich insbesondere:

• Reinforcement Learning
• evolutionäre maschinelle Lernverfahren
• funktionale Programmierung, insbesondere mit Haskell
• Möglichkeiten, Alltagssoftware mit einer formaleren (funktionaleren) Sicht wahrzunehmen, zum Beispiel Betriebssysteme (NixOS) oder Window-Manager (XMonad).
• freie Software

• Towards a Pittsburgh-Style LCS for Learning Manufacturing Machinery Parametrizations Michael Heider, David Pätzel and Jörg Hähner. 2020. In Proceedings of the 2020 Genetic and Evolutionary Computation Conference Companion (GECCO '20). ACM, New York, NY, USA, 127–128. DOI: https://doi.org/10.1145/3377929.3389963 (PDF)
• XCS as a reinforcement learning approach to automatic test case prioritization Lukas Rosenbauer, Anthony Stein, Roland Maier, David Pätzel and Jörg Hähner. 2020. In Proceedings of the 2020 Genetic and Evolutionary Computation Conference Companion (GECCO '20). ACM, New York, NY, USA, 1798–1806. DOI: https://doi.org/10.1145/3377929.3398128 (PDF)
• An overview of LCS research from IWLCS 2019 to 2020 David Pätzel, Anthony Stein and Masaya Nakata. 2020. In Proceedings of the 2020 Genetic and Evolutionary Computation Conference Companion (GECCO '20). ACM, New York, NY, USA, 1782–1788. DOI: https://doi.org/10.1145/3377929.3398105 (PDF)
• A survey of formal theoretical advances regarding XCS. David Pätzel, Anthony Stein and Jörg Hähner. 2019. In Proceedings of the Genetic and Evolutionary Computation Conference Companion (GECCO '19), Manuel López-Ibáñez (Ed.). ACM, New York, NY, USA, 1295–1302. DOI: https://doi.org/10.1145/3319619.3326848 (PDF)
• An algebraic description of XCS. David Pätzel and Jörg Hähner. 2018. In Proceedings of the Genetic and Evolutionary Computation Conference Companion (GECCO '18), Hernan Aguirre (Ed.). ACM, New York, NY, USA, 1434–1441. DOI: https://doi.org/10.1145/3205651.3208248 (PDF)