Метод синтеза и автоматической адаптации архитектуры иерархической многоагентной системы

Обложка

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

  1. Horling B., Lesser V. A Survey of Multi-Agent Organizational Paradigms // The Knowledge Engineering Review. 2005. Vol. 19 (04). P. 281–316.
  2. 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.
  3. 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.
  4. 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).
  5. 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.
  6. Rahwan T., Michalak T. P. Coalition Structure Generation on Graphs // Artificial Intelligence. 2014. doi: 10.48550/arXiv.1410.6516
  7. 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).
  8. 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.
  9. Месарович М., Мако Д., Такахара И. Теория иерархических многоуровневых систем. М. : Мир, 1973. 344 с.
  10. Саймон Д. Алгоритмы эволюционной оптимизации / пер. с англ. А. В. Логунова. М. : ДМК Пресс, 2020. 1002 с.
  11. 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

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».