ЭВОЛЮЦИОННОЕ ПРОЕКТИРОВАНИЕ КАК ИНСТРУМЕНТ РАЗРАБОТКИ МНОГОАГЕНТНЫХ СИСТЕМ

  • Л. А. Гладков Южный Федеральный Университет
  • Н. В. Гладкова Южный Федеральный Университет
Ключевые слова: Многоагентные системы, интеллектуальные организации, эволюционное проектирование, гибридные модели, генетические алгоритмы

Аннотация

Предлагается методика эволюционного проектирования автономных агентов и много-
агентных систем (МАС), на основе которой осуществляется разработка и реализация не-
четких и гибридных моделей формирования агентов. Рассмотрены существующие подходы к
проектированию информационных систем на основе многоагентных организаций. Проанали-
зированы особенности и недостатки существующих подходов. Отмечено, что использование
принципов теории эволюционного развития, разработка новых подходов, использующих при-
родные аналоги, позволяет повысить эффективность действующей методологии проекти-
рования многоагентных систем. Описана модель взаимодействия агентов в мультиагентной
системе. Рассмотрены различные подходы к эволюционному проектированию агентов и мно-
гоагентных систем, которые могут опираться на различные модели эволюции. Представле-
на формальная постановка задачи эволюционного проектирования искусственных систем.
Выделены принципиальные проблемы, возникающие при создании общей теории эволюции
агентов и многоагентных систем. Рассмотрены особенности различных моделей и уровней
эволюции. Разработана концепция проектирования агентов и многоагентных систем, со-
гласно которой процесс проектирования включает в себя базовые компоненты самоорганизации, в том числе процессы взаимодействия, скрещивания, адаптации к среде и т.д. Пред-
ложена модель формирования агента – потомка, на основе анализа возможных видов взаи-
модействия агентов – родителей в процессе эволюционного проектирования Построена об-
щая методика эволюционного проектирования агентов и мультиагентной системы. Разра-
ботаны и описаны различные типы операторов кроссинговера, сформулирована идея созда-
ния агентств (семей) как единиц эволюционирующих многоагентных систем. Разработана и
реализована программная система поддержки эволюционного проектирования агентов и
многоагентных систем. Представлено краткое описание проведенных вычислительных экс-
периментов, подтверждающих эффективность предложенного метода.

 

Литература

1. Гладков Л.А., Гладкова Н.В. Возможности управления знаниями на основе гибридных
интеллектуальных методов // Открытое образование. – 2013. – № 6 (101). – C. 61-65.
2. Гладков Л.А., Гладкова Н.В. Новые подходы к построению систем анализа и извлечения
знаний на основе гибридных методов // Известия ЮФУ. Технические науки. – 2010.
– № 7 (108). – C. 146-153.
3. Рассел С., Норвиг П. Искусственный интеллект: Современный подход. – М.: Издатель-
ский дом «Вильямс», 2006.
4. Luger G.F. Artificial Intelligence. Structures and Strategies for Complex Problem Solving.
– 6th Ed. Addison Wesley, Boston MA, 2009.
5. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям. – М.: Эдито-
риал УРСС, 2002. – 352 с.
6. Тарасов В.Б., Голубин А.В. Эволюционное проектирование: на границе между проекти-
рованием и самоорганизацией // Известия ТРТУ. – 2006. – № 8 (63). – С. 77-82.
7. Kadhim M.A., Alam M.A., Kaur H. A Multi-intelligent Agent System for Automatic Construction
of Rule-based Expert System // International Journal of Intelligent Systems and Applications
(IJISA). – 2016. – Vol. 9. – P. 62-68.
8. Зинченко Л.А., Курейчик В.М. Синергетическое эволюционное проектирование // Тр.
восьмой национальной конференции по искусственному интеллекту (КИИ–2002). – М.:
Физматлит, 2002. – Т. 2. – C. 876-884.
9. Гладков Л.А., Курейчик В.М., Курейчик В.В., Сороколетов П.В. Биоинспирированные
методы в оптимизации. – М.: Физматлит, 2009. – 382 c.
10. Емельянов В.В., Курейчик В.В., Курейчик В.М. Теория и практика эволюционного моде-
лирования. – М.: Физматлит, 2003. – 432 c.
11. Ярушкина Н.Г. Основы теории нечетких и гибридных систем. – М.: Финансы и стати-
стика, 2004. – 320 c.
12. Батыршин И.З., Недосекин А.О. и др. Нечеткие гибридные системы. Теория и практика /
под ред. Н.Г. Ярушкиной. – М.: Физматлит, 2007. – 208 c.
13. Голубин А.В., Тарасов В.Б. Нечеткие генетические алгоритмы // Тр. Международных
научно-технических конференций «Интеллектуальные системы» (AIS’05) и «Интеллек-
туальные САПР» (CAD-2005). – М.: Физматлит, 2005. – Т. 1. – С. 39-45.
14. Wooldridge M., Jennings N.R., Kinny D. The Gaia Methodology for Agent-Oriented Analysis
and Design // Autonomous Agents and Multi-Agent Systems. – Dordrecht: Kluwer Academic
Publishers, 2000. – Vol. 3. – P. 285-312.
15. Zambonelli F., Jennings N.R., Wooldridge M. Developing Multiagent Systems: The Gaia
Methodology //ACM Transactions on Software Engineering and Methodology. – 2003.
– Vol. 12, No. 3. – P. 317-370.
16. Прангишвили И.В. Системный подход и общесистемные закономерности. – М.:
СИНТЕГ, 2000. – 528 c.
17. Борисов В.В., Круглов В.В., Федулов А.С. Нечеткие модели и сети. – М.: Горячая линия –
Телеком, 2007. – 284 c.
18. Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы. – М.: Физматлит,
2010. – 368 c.
19. Назаров В.И. Эволюция не по Дарвину: смена эволюционной модели. – М.: КомКнига,
2005. – 520 c.
20. Гладков Л.А. Решение задач поиска и оптимизации решений на основе нечетких генети-
ческих алгоритмов и многоагентных подходов // Известия ТРТУ. – 2006. № 8 (63).
– C. 83-88.
Опубликован
2019-11-12
Выпуск
Раздел
Раздел I. Искусственный интеллект и нечеткие системы