Метод синтеза и автоматической адаптации архитектуры иерархической многоагентной системы
- Авторы: Дубенко Ю.В.1, Дышкант Е.Е.2, Демидов В.А.1
-
Учреждения:
- Кубанский государственный технологический университет
- Армавирский механико-технологический институт (филиал) Кубанского государственного технологического университета
- Выпуск: № 1 (2025)
- Страницы: 40-54
- Раздел: ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ
- URL: https://bakhtiniada.ru/2072-3059/article/view/291579
- DOI: https://doi.org/10.21685/2072-3059-2025-1-4
- ID: 291579
Цитировать
Полный текст
Аннотация
Актуальность и цели. Архитектура многоагентной системы (МАС) – это множество связей между агентами, их ролей, а также правил, регламентирующих их поведение. От выбора архитектуры во многом зависит эффективность МАС. В процессе функционирования возможны ситуации, требующие оперативной модификации архитектуры МАС (изменение параметров окружающей среды, неисправность и выход из строя агентов). Вариативность условий функционирования агентов (различные варианты окружающей среды, типы задач) требует большей гибкости при настройке архитектуры МАС, что не могут обеспечить существующие решения. Объектом исследования являются многоагентные системы. Предмет исследования – методы формирования архитектуры МАС. Цель – разработка метода синтеза и автоматической адаптации архитектуры иерархической МАС. Материалы и методы. Использованы методы парадигмы обучения с подкреплением, генетический алгоритм. Результаты. Разработан метод синтеза и автоматической адаптации архитектуры иерархической МАС, характеризующийся автоматической модификацией множества связей агентов в процессе функционирования МАС (а также базовых правил, определяющих условия возникновения связей), возможностью определения оптимальных параметров МАС для конкретной окружающей среды с помощью генетического алгоритма, а также способностью к моделированию нескольких типов архитектур МАС. Выводы. Разработанный метод может найти свое практическое применение при реализации следующих задач: обследование (или патрулирование) мобильными роботами инфраструктурных объектов; реализация искусственного интеллекта в компьютерных играх.
Об авторах
Юрий Владимирович Дубенко
Кубанский государственный технологический университет
Автор, ответственный за переписку.
Email: scorpioncool1@yandex.ru
кандидат технических наук, доцент, доцент кафедры информатики и вычислительной техники
(Россия, г. Краснодар, ул. Московская, 2)Евгений Евгеньевич Дышкант
Армавирский механико-технологический институт (филиал) Кубанского государственного технологического университета
Email: ed0802@yandex.ru
кандидат технических наук, доцент кафедры внутризаводского электрооборудования и автоматики
(Россия, Краснодарский край, г. Армавир, ул. Кирова, 127)Владислав Анатольевич Демидов
Кубанский государственный технологический университет
Email: demidov_vladislav96@mail.ru
аспирант
(Россия, г. Краснодар, ул. Московская, 2)Список литературы
- Horling B., Lesser V. A Survey of Multi-Agent Organizational Paradigms // The Knowledge Engineering Review. 2005. Vol. 19 (04). P. 281–316.
- Ling Yu, Zhiqi Shen, Chunyan Miao, Victor Lesser. Genetic Algorithm Aided Optimization of Hierarchical Multi-Agent System Organization // The Tenth International Conference on Autonomous Agents and Multiagent Systems (AAMAS2011). Taipei, Taiwan, 2011.
- Дубенко Ю. В., Дышкант Е. Е., Обозовский А. А. Метод синтеза организационной структуры централизованных многоагентных систем с возможностью ее автоматической адаптации в случае изменения параметров окружающей среды или поставленной задачи // Известия высших учебных заведений. Поволжский регион. Технические науки. 2023. № 3. С. 18‒30.
- Bistaffa F., Farinelli F., Cerquides J., Rodríguez-Aguilar J., Ramchurn S. D. Anytime Coalition Structure Generation on Synergy Graphs // 2014 International Conference on Autonomous Agents and Multi-agent System. 2014. URL: https://www.researchgate. net/publication/269092245_Anytime_coalition_structure_generation_on_synergy_graphs (дата обращения: 22.09.2023).
- Дубенко Ю. В., Дышкант Е. Е., Обозовский А. А. Метод автоматической реорганизации структуры многоагентных систем, основанный на применении алгоритма симулированного закаливания // Известия высших учебных заведений. Поволжский регион. Технические науки. 2024. № 1. С. 5‒18.
- Rahwan T., Michalak T. P. Coalition Structure Generation on Graphs // Artificial Intelligence. 2014. doi: 10.48550/arXiv.1410.6516
- Ghrieb N., Mokhati F., Tahar G. Maintaining Organizational Multi-agent Systems: A Reorganization-based Preventive Approach // 13th International Conference on Agents and Artificial Intelligence. 2021. URL: https://www.scitepress.org/Link.aspx?doi= 10.5220/0010314803840389 (дата обращения: 04.10.2024).
- Mahani M. N. Strategic Structural Reorganization in Multi-agent Systems Inspired by Social Organization Theory : PhD dissertation ; discipline ‒ Electrical Engineering & Computer Science. University of Kansas, 2012. 105 p.
- Месарович М., Мако Д., Такахара И. Теория иерархических многоуровневых систем. М. : Мир, 1973. 344 с.
- Саймон Д. Алгоритмы эволюционной оптимизации / пер. с англ. А. В. Логунова. М. : ДМК Пресс, 2020. 1002 с.
- Саттон Р. С., Барто Э. Дж. Обучение с подкреплением: введение : практическое руководство / пер. с англ. А. А. Слинкина. 2-е изд. М. : ДМК Пресс, 2020. 552 с.
Дополнительные файлы
