Для авторов
Найти
Результаты поиска
Найдено результатов: 18.
-
ЭВОЛЮЦИОННОЕ ПРОЕКТИРОВАНИЕ МНОГОАГЕНТНЫХ СИСТЕМ
Л.А. Гладков , Н. В. Гладкова2021-11-14Аннотация ▼Статья посвящена обсуждению проблем построения эволюционирующих мультиа-
гентных систем. Рассмотрены возможные методологии проектирования мультиагентных
систем. Отмечена актуальность разработки новых принципов построения мультиагентных
систем на основе методов эволюционного проектирования. Выделены соответствия между
терминами теории агентов и теории эволюции. Отмечена перспективность использования
гибридных подходов к проектированию мультиагентных систем. Рассмотрены принципы
построения и возможности использования нечетких генетических алгоритмов при проекти-
ровании мультиагентных систем. Отмечено, что основные модели методы теории эволюци-
онного моделирования, могут успешно применяться при проектировании мультиагентных
систем. Предложена эволюционирующей многоагентной системы. Описана процедура фор-
мирования новых агентов в процессе эволюции. Определен набор параметров, позволяющих
оценить состояние каждого агента в популяции. Для оценки текущего состояния агента и
возможностей его взаимодействия с другими агентами предложено использовать ресурсные
параметры. Приведено определения агентства и семьи, минимальных элементов эволюцио-
нирующй мультиагентной системы. Предложена эволюционная стратегия построения мо-
дели эволюционирующей мультиагентной системы. Описаны процедуры выполнения ориги-
нальных эволюционных операторов для обработки популяции агентов. На основе предложен-
ной методики была разработана программная система поддержки эволюционного проекти-
рования агентов и мультиагентных систем. В настоящее время проводятся вычислительные
эксперименты для исследования предложенной модели проектирования многоагентных сис-
тем, оценки эффективности различных операторов и схем формирования агентов-потомков,
необходимые условия выживания. -
МУЛЬТИАГЕНТНЫЙ АЛГОРИТМ СБОРА ДАННЫХ С МЕТЕОСТАНЦИИ ДЛЯ ПРОГНОЗИРОВАНИЯ УРОЖАЙНОСТИ И СОСТОЯНИЯ ПОСЕВОВ
И.А. Пшенокова , К.Ч. Бжихатлов , А. А. Унагасов , М.А. Абазоков91-1012022-04-21Аннотация ▼Погода оказывает сильное влияние на урожайность и состояние посевов, на требо-
вания к количеству и качеству удобрений, а также на профилактические меры по предот-
вращению заболеваний. Плохие погодные условия могут повлиять на качество продукции во
время транспортировки и хранения, а значит и на жизнеспособность семян и посадочного
материала. В настоящее время в сельском хозяйстве широко применяются различные сис-
темы интеллектуального мониторинга, к которым можно отнести спутниковый мони-
торинг и метеостанции. При этом основополагающую роль играет выбор метода анализа
полученных данных и интеллектуальных систем их обработки для превентивного прогно-
зирования. Целью исследования является разработка интеллектуальной системы прогно-
зирования урожайности и состояния посевов на основе данных с метеостанции. В рамках
данного исследования разработан мультиагентный алгоритм прогнозирования состояния
посевов по данным с метеостанции на основе самоорганизации нейрокогнитивной архи-
тектуры. Приведено описание структурной схемы метеостанции и ее датчиков. Разрабо-
тан алгоритм программы для сбора и обработки данных с датчиков метеостанции.
В результате обработки в интеллектуальную систему принятия решений отправляются
данные о температуре воздуха и почвы, влажности воздуха и почвы, скорости и направле-
ние ветра, количестве осадков и о сумме активных температур. Описана система по-
строения причинно-следственных связей, на основе которой строится система прогнозирования, которая позволяет в превентивном порядке делать рекомендации или прогнозы по
урожайности и состоянию посевов, а также по вероятности заболеваний и распростра-
нения вредителей на контролируемых посевах. -
ЭВОЛЮЦИОНИРУЮЩИЕ МНОГОАГЕНТНЫЕ СИСТЕМЫ И ЭВОЛЮЦИОННОЕ ПРОЕКТИРОВАНИЕ
Л. А. Гладков , Н.В. Гладкова2020-11-22Аннотация ▼Статья посвящена обсуждению проблем построения эволюционирующих мультиа-
гентных систем на основе использования принципов эволюционного проектирования и гиб-
ридных моделей. Рассмотрено понятие агента. Представлен набор базовых свойств аген-
та. Рассмотрены аналогии между многоагентными и эволюционными системами. Рас-
смотрены принципы построения и организации мультиагентных систем. Отмечены сход-
ства между основными определениями теории агентов и теории эволюции. Отмечено, что
основные модели эволюции и эволюционные алгоритмы, могут быть с успехом использова-
ны при проектировании многоагентных систем. Проведен анализ существующих методов
и методологий проектирования агентов и многоагентных систем. Отмечены существую-
щие различия в подходах к проектированию многоагентных систем. Описаны основные
типы моделей и приведены их важнейшие характеристики. Представлена модель взаимо-
действия агентов, включающая описание услуг (сервисов), взаимосвязей и обязательств,
существующих между агентами. Описана модель отношений (контактов), которая зада-
ет коммуникационные связи между агентами. Отмечена важность и перспективность
использования агентно-ориентированного подхода к проектированию многоагентных сис-
тем. Предложена концепция проектирования агентов и многоагентных систем, согласно
которой процесс проектирования включает в себя базовые компоненты самоорганизации,
в том числе процессы взаимодействия, скрещивания, адаптации к среде и т.д. Рассмотре-
ны различные подходы к эволюционного проектированию искусственных систем. Предло-
жена Эволюционная модель формирования агентов и агентств, как основной компонент
эволюционного проектирования. Предложены модифицированные эволюционные операто-
ры кроссинговера для реализации процесса проектирования агентов. -
ТЕОРЕТИЧЕСКИЕ ОСНОВЫ СОЗДАНИЯ САМООРГАНИЗУЮЩИХСЯ ДИСПЕТЧЕРОВ РАСПРЕДЕЛЕННЫХ СИСТЕМ НА БАЗЕ МУЛЬТИАГЕНТНОГО СОЦИОИНСПИРИРОВАННОГО ПОДХОДА
А. И. Каляев2021-11-14Аннотация ▼Описаны новые принципы организации, методы и алгоритмы функционирования дис-
петчера Распределенной системы (РС), позволяющие распределять и перераспределять
ресурсы с динамически изменяющимися параметрами между поступающими заданиями с
целью минимизации времени их выполнения. Основная проблема, не позволяющая сегодня
эффективно оценивать время выполнения заданий в гетерогенной РС, напрямую вытекает
из распределенности системы: каждый из её элементов обладает частичной независимо-
стью и может существенно отличаться от других, более того, в процессе работы его
возможности могут изменяться, и все это существенно влияет на эффективность рас-
пределения задач между узлами РС и на время выполнения заданий. В статье предложен
новый подход к организации диспетчера РС, базирующийся на применении теории муль-
тиагентных систем и социоинспирированных (базирующихся на принятых в человеческом
обществе) методов: пользователи РС размещают свои задания на специальных узлах –
досках объявлений, на каждом узле РС размещается проактивный программный агент,
осуществляющий постоянный мониторинг параметров своего узла и поиск на досках объ-
явлений подходящих для решения задач. При этом агенты, участвующие в решении общего
задания формируют сообщества, в которых осуществляют планирование процесса реше-
ния задания и распределение частей заданий для минимизации времени задержки их реше-
ния. В качестве критерия эффективности работы РС было решено принять значение
среднего времени задержки выполнения функциональных заданий относительно требуемых
моментов времени, соответственно агенты распределяют задания таким образом, чтобы
минимизировать значение указанного критерия. Настоящая статья включает введение,
формальную постановку задачи диспетчирования ресурсов РС, обзор существующих под-
ходов к организации диспетчера РС, описание предлагаемого мультиагентного решения
задачи диспетчирования ресурсов РС с использованием социоинспирированного подхода,
алгоритм работы распределенной системы и ее элементов, описание применения социоин-
спирированного подхода применительно к процессу диспетчирования задач и заключение.
К основным преимуществам предложенного подхода можно отнести: возможность ис-
пользования достоверной и актуальной информации о специализации и текущей произво-
дительности ресурсов при диспетчировании; высокая отказоустойчивость, обусловленная
отсутствием элементов РС, выход из строя которых приводит к полной потере работо-
способности РС; возможность гибкого масштабирования РС (увеличения числа ресурсов),
достигаемая за счет децентрализации процесса диспетчирования. -
ОЦЕНКА ВЕРОЯТНОСТИ ОБНАРУЖЕНИЯ ЛОЖНОГО РЕЗУЛЬТАТА РАСПРЕДЕЛЕННЫХ ВЫЧИСЛЕНИЙ ВЫПОЛНЯЕМЫХ ЦЕНТРАЛИЗОВАННОЙ МНОГОАГЕНТНОЙ СИСТЕМОЙ
В.А. Литвиненко , С.А. Ховансков , В.С. Хованскова2021-11-14Аннотация ▼Рассматриваются вопросы защиты распределённых вычислений организованных на ос-
нове многоагентной системе для решения задач многовариантного моделирования.
При моделировании выбор одного из многих вариантов может потребовать перебора огром-
ного множества параметров недоступного для быстродействующей ЭВМ. Для сокращения
времени решения таких задач используют распределенные вычисления. Существует множе-
ство различных подходов для организации распределенных вычислений в компьютерной сети
– технология grid, metacomputing (BOINC, PVM и другие). Все они предназначены для создания
централизованных систем распределенных вычислений. Распределенные вычисления организуются на основе многоагентной системы на вычислительных узлах любой компьютерной
сети. При использовании в качестве вычислительной среды компьютерную сеть большого
масштаба могут возникнуть угрозы безопасности распределенных вычислений. Одной из
таких угроз является получение в процессе вычислений ложного результата от злоумышлен-
ников. Ложный результат может привести в процессе моделирования к принятию не опти-
мального, либо неправильного решения. Управляющие агенты централизованной системы
распределенных вычислений, кроме управления распределенной системой, вынуждены выпол-
нять обнаружение ложных результатов процесса вычислений. Разработана методика рас-
чета вероятности обнаружения ложного результата в зависимости от общего количества
агентов многоагентной системы и количества управляющих агентов. Приведены примеры
расчёта количество управляющих агентов, обеспечивающих в многоагентной системе тре-
буемую вероятность обнаружения ложных результатов. -
МЕТОДИКА АНАЛИЗА ОТКАЗОБЕЗОПАСНОСТИ СИСТЕМ И АГРЕГАТОВ МУЛЬТИАГЕНТТНОЙ ГРУППЫ ЛЕТАТЕЛЬНЫХ АППАРАТОВ
А. С. Болдырев , А.Л. Веревкин , Л.С. Веревкина2022-01-31Аннотация ▼Областями применения CALS-технологий принято считать: совершенствование
деятельности в области разнородных процессов, происходящих на всех этапах жизненного
цикла (ЖЦ) продукции; управление цепочками поставок в течение всего ЖЦ продукции (от
создания концепции изделия до его утилизации); электронная интеграция организаций(предприятий), участвующих в этих процессах на различных этапах ЖЦ; управление под-
держкой ЖЦ продукции Одними из актуальных направлений развития в авиационной от-
расли являются: мултиагентные технологии повышения эффективности летательных
аппаратов (ЛА разного типа в группе и единой миссии) и CALS-технологии. В статье пред-
ложена методика анализа отказобезопасности систем и агрегатов мультиагенттной
группы ЛА в целом, по типам ЛА, их системам, агрегатам. Методика дана на примере
статистических данных АП и ПАП 16 систем: пилотажно-навигационной, выхлопа, зажи-
гания, топливной, управления, электроснабжения, кондиционирования; гидравлической,
радиоаппаратуры связи, приборов контроля, и агрегатов: двигатель, воздушные винты,
крылья, окна, фонарь, десяти самолетов Ан-2, Л-410, Як-40, Ан-24, Ту-134, Як-42, Ту-154,
Ил-62, Ил-62М, Ил-86. В предложенной методике анализа статистических данных АП и
ПАП используются преобразования с матрицами, которые позволяют не ограничиваться
числом систем, агрегатов, и самих ЛА. Рассчитано время работы до функционального
отказа систем и агрегатов по типам ЛА Определена средняя вероятность функционально-
го отказа каждой из систем и агрегатов в мультиагентной группе, и время до функцио-
нального отказа в целом мультиагентной группы из 10 ЛА, которое составило 132,5 часа и
определено, что ПАП и АП с большей вероятностью произойдут с шасси и двигателем ЛА.
Приведенная методика позволяет: соотносить количественные требования по надежно-
сти к системам и агрегатам с учетом случайных факторов и факторов неопределенно-
сти; давать оценку выполнимости установленных требований к надежности; проводить
сравнительный анализ и обоснование выбора рационального варианта состава группы ЛА. -
ИНТЕЛЛЕКТУАЛИЗАЦИЯ УПРАВЛЕНИЯ МУЛЬТИАГЕНТНЫМ ВЗАИМОДЕЙСТВИЕМ ПРИ ОРГАНИЗАЦИИ ГРУЗОВЫХ ПЕРЕВОЗОК В ПРИПОРТОВЫХ ТРАНСПОРТНЫХ СИСТЕМАХ
О. Н. Числов , Э.А. Мамаев , М.В. Колесников , М.В. Бакалов , В.М. Задорожний119-1292021-10-05Аннотация ▼В условиях множественности операторов и собственников подвижного состава на сети железных дорог России имеют место следующие проблемы: излишняя загрузка про-пускных и провозных способностей участков, встречный перепробег порожних вагонов одного типа, излишний пробег порожних вагонов, снижение участковой скорости и др. Для решения указанных проблем необходимо более эффективное взаимодействие участников перевозочного процесса на принципах логистики, моделирования рынка грузовых перевозок, формирования математических моделей с использованием методов цифровизации и интеллектуализации управления. Данная работа посвящена исследованию вопросов актуализации принципов моделирования мультиагентного взаимодействия в припортовых транспортных системах. Методической основой исследования являются методы статистического, морфологического, регрессионного и системного анализа, математического и аналитического моделирования. Исследование и моделирование параметров распределения грузо- и вагонопотоков в условиях мультиагентности транспортного комплекса, при котором применяется разработанный авторами экономико-географический метод разграничения «областей влияния» станций позволяет создавать аналитические модели процесса перевозок на основе комплексной оценки транспортно-технологической инфраструктуры железнодо-рожного полигона и стоимости транспортных услуг. Особенностью является построение компьютерной географической модели распределения подвижного состава по видам пере-возок для припортовых станций аналитическими кривыми высших порядков. «Области влияния» станций погрузки, получаемые методом экономико-географического разграниче-ния, позволяют сформулировать ряд предпочтительных направлений при распределении вагонопотоков. Полученная территориальная картина распределения вагонопотоков является основой для решения многокритериальной задачи оптимизации регулирования направлений вагонов с учетом многооператорского рынка подвижного состава, цифровизации и интеллектуализации отрасли. Помимо решения задач регулирования рынка транспортных услуг в форме распределения подвижного состава, вопросы технологического, экономического, финансового и цифрового взаимодействия на принципах логистики в мультиагентных системах остаются ключевыми. Формируемые в этой связи модельные и методологические предложения должны обеспечить снижение транспортно-логистических издержек с параллельным улучшением количественных, качественных и временных показателей реализации интегрированных логистических цепей поставок.
-
ЭВОЛЮЦИОННЫЙ ПОПУЛЯЦИОННЫЙ МЕТОД РЕШЕНИЯ ТРАНСПОРТНОЙ ЗАДАЧИ
Б.К. Лебедев , О.Б. Лебедев , Е.О. Лебедева2022-11-01Аннотация ▼Рассматривается эволюционный популяционный метод решения транспортной за-
дачи на основе метаэвристики кристаллизации россыпи альтернатив. Исследуется за-
крытая (или сбалансированная) модель транспортной задачи: сумма груза у поставщиков
равно общей сумме потребностей в пунктах назначения. Цель оптимизации – минимизация
стоимости (достижение минимума затрат на перевозку) или расстояний и критерий вре-
мени (затрачивается минимум времени на перевозку). В основу метаэвристики кристалли-
зации россыпи альтернатив положена стратегия, основанная на запоминании и повторе-
нии прошлых успехов. Стратегия делает упор на «коллективную память», под которой
подразумевается любой вид информации, которая отражает прошлую историю развития
и хранится независимо от индивидуумов. В качестве кода решения транспортной задачи
рассматривается упорядоченная последовательность Dk маршрутов. Объектами являют-
ся маршруты, альтернативами – множество позиций P в списке, где np – число позиций в
списке Dк. Множество объектов Dк соответствует множеству всех маршрутов. Множе-
ство альтернативных состояний P объекта соответствует множеству альтернативных
вариантов размещения объекта списке Dк. Работа популяционного эволюционного алго-
ритма кристаллизации россыпи альтернатив опирается на коллективную эволюционную
память, называемую россыпью альтернатив. Под россыпью альтернатив решения в рабо-
те называется структура данных, используемая в качестве коллективной эволюционной
памяти, несущая информацию о решении, включающую сведения о реализованных альтер-
нативах агентов в данном решении и о полезности решения. Разработан конструктивный
алгоритм формирования опорного плана путем декодирования списка Dк. На каждом шаге
t решается задача выбора очередного в последовательности Dк маршрута и определения
количества груза, перевозимого из пункта отправления Ai в пункт назначения Bj по этому
маршруту. Разработанный алгоритм является популяционным, реализующим стратегию
случайного направленного поиска. Каждый агент является кодом некоторого решения
транспортной задачи. На первом этапе каждой итерации l конструктивным алгоритмом
на базе интегральной россыпи альтернатив формируется nk кодов решений
Dk.Формирование каждого кода решения Dk выполняется последовательно по шагам путем
последовательного выбора объекта и позиции. Для построенного кода решения Dk рассчи-
тывается оценка решения ξk и оценка полезности δk. Формируется индивидуальная рос-
сыпь альтернатив Rk и переход к построению следующего кода решения.
На втором этапе итерации производится суммирования интегральной россыпи альтерна-
тив, сформированной на предыдущих итерациях от l до (l-1), cо всеми индивидуальными
россыпями альтернатив, сформированных на итерации l. На третьем этапе итерации l
производится снижение всех интегральных оценок полезности r*αβ интегральной россыпи
альтернатив R*(l) на величину δ*. Алгоритм решения транспортной задачи был реализован
на языке С++ в среде Windows. Сравнение значений критерия, на тестовых примерах, сизвестным оптимумом показало, что у 90% примеров полученное решение было оптималь-
ным, у 2% примеров решения были на 5% хуже, а у 8% примеров решения отличались ме-
нее, чем на 2%. Временная сложность алгоритма, полученная экспериментальным путем,
лежит в пределах О(n2). -
МНОГОАГЕНТНЫЙ АЛГОРИТМ АВТОМАТИЧЕСКОГО ОБНАРУЖЕНИЯ И СОПРОВОЖДЕНИЯ НЕДЕТЕРМИНИРОВАННЫХ ОБЪЕКТОВ
В. А. Тупиков, В. А. Павлова, В.А. Бондаренко, А. И. Лизин, Д. К. Ельцова, М. В. Созинова2020-07-10Аннотация ▼В целях разработки робастного алгоритма автоматического обнаружения и сопро-вождения недетерминированных объектов для встраиваемых вычислительных систем с оптико-электронными устройствами. В рамках данной работы произведено исследование и анализ имеющегося мирового научно-технического опыта в области алгоритмов автоматического сопровождения общего назначения. Наиболее успешные из исследованных алгоритмов, подходящие для долговременного устойчивого автоматического сопровожде-ния объектов (без априорного знания о типе объекта слежения) на сегодняшний день уже вышли за рамки решения задачи исключительно сопровождения, и включают в себя синерге-тическое сочетание нескольких разнородных алгоритмов сопровождения, а также как ми-нимум один алгоритм автоматического обнаружения и/или классификации. В статье пока-зано что наиболее устойчивые современные алгоритмы автоматического сопровождения представляют собой многоагентную систему, принимающую решение о текущем положе-нии, размерах и других параметрах сопровождаемого образа на основе интеллектуального голосования составляющих систему модулей, осуществляющих самостоятельное слежение за объектом и формирование его модели. Индивидуальные модели каждого из модулей уточ-няются по результатам принятия коллективного решения. Авторами исследования выделены наиболее эффективные из применяемых базовых алгоритмов, подходящие для применения во встраиваемых вычислительных системах робототехнических комплексов, и разработан новый многоагентный алгоритм автоматического обнаружения и сопровождения недетерми-нированных объектов. Представленный многоагентный алгоритм включает в себя модуль выделения и сопоставления ключевых точек на изображениях, модуль кластеризации и фильтрации ключевых точек с применением алгоритма DBSCAN, модуль сопровождения на основе алгоритма вычисления оптического потока и модуль классификации ключевых точек. Проведено полунатурное тестирование разработанного алгоритма и оценена его эффективность в решении задач не только автоматического сопровождения объектов, но и задач автоматического обнаружения объектов по нескольким эталонным образам. В заключении представлены предложения по дальнейшему повышению точности разработанного алгоритма и по его оптимизации и внедрению в состав специального программного обеспечения бортовых вычислительных систем летательных аппаратов.
-
МУЛЬТИАГЕНТНАЯ ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА КОНТРОЛЯ ПАРКОВОЧНЫХ МЕСТ В ИНФРАСТРУКТУРЕ ГОРОДА
И. А. Пшенокова, К.Ч. Бжихатлов , М.А. Канокова2025-04-27Аннотация ▼В условиях растущего числа автомобилей и ограниченного пространства многие города
осознают важность внедрения интеллектуальных парковочных систем для улучшения городской
мобильности и удобства для водителей. Уровень внедрения интеллектуальных парковок на основе
различных технологический решений растет, однако для достижения максимальной эффективности необходимо продолжать развивать технологии, интегрировать их с другими системами и
учитывать потребности пользователей. Цель исследования – разработать мультиагентную ин-
теллектуальную систему контроля и управления бронированием парковочных мест в сети парко-
вок города. Разработана архитектура мультиагентной интеллектуальной системы управления
парковочными местами, которая обеспечивает автоматическое управление доступа к парковоч-
ным местам с учетом пожеланий владельцев парковок, заказов водителей, дорожной ситуации в
городе и требований безопасности. Основным элементов разрабатываемой системы является
парковка, которая представлена набором парковочных мест, оборудованных автоматизирован-
ными системами управления парковочным местом (парковщики), системой связи и средствами
сбора данных (камера наблюдения и метеостанции). Управление парковочными местами и пар-
ковщиками осуществляется интеллектуальной системой управления на основе мультиагентных
нейрокогнитивных архитектур. Разработан прототип программно-аппаратного комплекса
мультиагентной интеллектуальной системы управления парковочными местами в виде клиент-
серверной архитектуры. Сервер отвечает за сбор, обработку, хранение данных и управление ав-
томатизированными парковщиками. К серверу подключается два вида клиентов – мобильное при-
ложение администратора и водителя. Администратор имеет возможность управления парков-
кой (установка фиксированных цен или использование рекомендаций сервера, бронирование парко-
вочных мест для сотрудников) и просмотра статистики (текущая загрузка, статистика по пар-
ковке, данные о принятых оплатах, прогноз работы парковки, рекомендации). У водителя реали-
зована возможность просмотра состояния парковок в интересующей области (количество сво-
бодных мест, время ожидания свободного места, стоимость, рекомендации по наиболее удобной
парковке) и бронирования парковочного места с возможностью онлайн оплаты -
ГИБРИДНЫЙ МЕТОД РЕШЕНИЯ МНОГОАГЕНТНОЙ ЗАДАЧИ КОММИВОЯЖЁРА
В.А. Костюков , Ф.А. Хуссейн2025-04-27Аннотация ▼Рассматривается проблема распределения задач в многоагентной системе, где каждый
агент представляет собой робота, а каждая задача представляется позицией, которая должна
быть посещена одним агентом. Эта задача очень похожа на многоагентную задачу коммивояжё-
ра, которая в отличие от знаменитой задачи коммивояжера, задействует несколько коммивоя-
жёров, которые посещают заданное количество городов ровно один раз и возвращаются в исход-
ное положение с минимальными затратами на поездку. Поэтому проводится анализ многоагент-
ной задачи коммивояжёра как представителя задачи целераспределения. Многоагентная задача
коммивояжера является важной для области оптимизации маршрутов и распределения задач
между несколькими агентами. Она включает в себе две различные, однако, взаимосвязанные под задачи: распределение городов между агентами и определение порядка посещения городов каж-
дым агентом. В литературе существуют три концепции решения этой проблемы относительно
решения ее двух составляющих подзадач: оптимизационная концепция, где обе подзадачи реша-
ются одновременно; концепция Cluster-First, Route-Second – где сначала решается вопрос о назна-
чении задач каждому коммивояжеру, а потом - вопрос о порядке посещений пунктов назначений
для каждого коммивояжёра; концепция Route-First, Cluster-Second – где сначала решается вопрос
о порядке посещения пунктов назначения, а затем происходит разделение этого цикла между
агентами без изменения порядка посещений. В этой работы предлагается гибридный подход к
решению многоагентной задачи коммивояжера, который объединяет идеи двух известных кон-
цепций: Cluster-First, Route- econd и Route-First, Cluster- econd чтобы получить их позитивные
аспекты и избавиться от их негативных сторон. Для оценки эффективности разработанного
метода было проведено сравнительное исследование. Оценка результатов осуществлялась на
основе трех ключевых критериев: вычислительного времени получения решения многоагентной
задачи коммивояжера, суммарной длины пройденных маршрутов коммивояжерами и максималь-
ной длины маршрута среди них. Анализ экспериментальных данных показал, что при использова-
нии предложенного метода максимальная длина пути среди пройдённых агентами маршрутов
(дисбаланс нагрузки) уменьшается в среднем на 26%. -
МУЛЬТИАГЕНТНАЯ СИСТЕМА С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ОБРАБОТКИ ИЗОБРАЖЕНИЙ С КАМЕР ТЕХНИЧЕСКОГО ЗРЕНИЯ ДРОНА
А. Л. Веревкин , И.Э. Джозефс , В.В. Мисюра , Л. С. Веревкина198-2122025-07-24Аннотация ▼Мультиагентная технология с дронами, современными сенсорами, точным GPS и искусственном интеллекте, привели к прорыву в области киберфизических систем. В этой статье представлена мультиагентная система с использованием искусственного интеллекта для обработки изображений с камер технического зрения установленных на дроне. Разработана структурная схема мультиагентной системы на дроне на базе эффективной и простой платформе взятой с октокоптера ARRISE 410 – сельскохозяйственного дрона опрыскивателя с: интеллектуальной системой управления; всенаправленным цифровым микроволновым радаром; 6-ти осевым акселерометром высокой точности; электронным ватерпасом измерения наклона; оптической камерой реального времени с видом от первого лица; панелью управления, оснащенной новейшей системой передачи сигналов Light Bridge 2; пультом дистанционного управления, защищенного от попадания пыли и воды. Комплект необходимо дополнить: гиперспектральной HS – камерой для сканирования, ее модулем питания и возможностью сопряжения с системами дрона ARRISE 410, модулем сжатия информауции. Макет для исследования пропускной способности на DJI Agras T20 гексакоптере DJI Agras T20, сетевая карта MikrotikRB411 5G, микрокомпьютер Raspberry
Pi 3, RGB-камера 1 Mpix , встроенный бортовой компьютер Raspberry Pi OV5647 v1.3 и гиперспектральная HS – камера 2 Resonon Pika L снимает гиперспектральные данные с 281 спектральными полосами со спектральными длинами волн от 400 до 1000нм и пространственным разрешением 900 гиперспектральных пикселей на строку изображения. В статье решена задача экспериментальным и расчетным путем определить требуемое сжатие информации получаемой с камер гиперспектрального и оптического диапазона с передачей через оператор связи и интернет для обработки изображений искусственным интернетом -
РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДА РЕШЕНИЯ ЗАДАЧИ ЦЕЛЕРАСПРЕДЕЛЕНИЯ В МНОГОАГЕНТНОЙ СИСТЕМЕ
В.А. Костюков , Ф.А. Хуссейн144-1552025-10-01Аннотация ▼Рассматривается задача целераспределения в рамках многоагентной системы, где каждый агент представляется автономным роботом, а каждая задача соответствует позиции в двухмерной среде, которую должен посетить один из агентов. Эта задача по своей сути схожа с многоагентной версией классической задачи коммивояжёра, где вместо одного участника задействуется несколько агентов. Каждый из них должен пройти уникальный маршрут, охватывающий определённое множество городов. В связи с этим проводится исследование многоагентной задачи коммивояжёра как одного из форматов постановки задачи целерапределения. Эта задача имеет большое значение в области маршрутизации и оптимального распределения задач. Её решение включает две тесно связанные подзадачи: определение набора точек, закрепляемых за каждым агентом, и построение оптимального маршрута их посещения. В научной литературе представлены три основных подхода к решению этой задачи: подход одновременной оптимизации, при котором обе подзадачи решаются совместно; подход Cluster-First, Route-Second, где сначала распределяются города между агентами, а затем определяется порядок посещения городов каждого агента; подход Route-First, Cluster-Second, предполагающий изначальную оптимизацию порядка посещения всех городов с последующим его делением между агентами без изменения порядка посещения. В данной работе предлагается гибридный метод, сочетающий элементы подходов Cluster-First, Route-Second и Route-First, Cluster-Second. Цель – объединить сильные стороны обеих подходов и избавится от их недостатков. Для проверки эффективности разработанного метода проведено сравнительное исследование с методами, реализующие подходов Cluster-First, Route-Second и Route-First, Cluster-Second. Оценка проводилась по трём основным метрикам: время, затраченное на построение решения, суммарная длина всех маршрутов, а также максимальная длина маршрута среди всех агентов. Результаты экспериментов показали, что применение предложенного метода позволяет сократить максимальную длину маршрута (тем самым снизив дисбаланс нагрузки между агентами) в среднем на 26%.
-
РАЗРАБОТКА АВТОНОМНОГО РОБОТА ДЛЯ ВЫПОЛНЕНИЯ ФУНКЦИЙ ПРОДАВЦА - КОНСУЛЬТАНТА В СЕТЯХ РОЗНИЧНОЙ ТОРГОВЛИ
М.А. Хапова , К. Ч. Бжихатлов , Л.Б. Кокова262-2722025-10-01Аннотация ▼Активное увеличение доли крупных сетевых магазинов в торговом секторе повышает спрос на сотрудников подобных сетей. При этом, с ростом оборота крупных магазинов растут и требования к своевременной выкладке товара на стеллажах. По оценкам самих ритейлеров, потери от неправильной или несвоевременной выкладки товара могут достигать 5% от общего годового оборота. Учитывая значительный объем оборота крупных сетевых ретейлеров, и заметную текучесть кадров, проблему автоматизации выкладки товара в сетевых магазинах можно считать актуальной. В данной работе представлены результаты разработки автономной робототехнической системы, которая может обеспечить бесперебойный контроль заполнения стеллажей и своевременную выкладку товара.
По результатам опроса представителей крупных торговых сетей определены требования к автономной системе контроля и расстановки товаров в магазине. В частности, определены требования к возможностям интеллектуальной системы управления роботом, особенности конструкции и аппаратной реализации роботов, требования к возможностям системы взаимодействия с сотрудниками и покупателями в магазине и предпочтения к внешнему виду и пользовательскому интерфейсу робота.
На основе выявленных требований ритейлеров разработан прототип автономного робота для работы в торговых залах. Основа робота представляет собой транспортный модуль с двумя мотор-колесами и парой рулевых колес, на котором установлен антропоморфный узел с двумя манипуляторами. Манипуляторы выполнены в виде рук человека и имеют весь набор необходимых степеней свободы. Кроме того, в статье представлена архитектура системы управления автономным роботом.
За управление роботом отвечает интеллектуальная система принятия решений и управления, основанной на базе мультиагентной нейрокогнитивной архитектуры, моделирующей процессы, протекающие в головном мозге человека. Конструкция и мехатронная часть робота были протестированы в реальных условиях: в торговых залах розничного магазина в г. Нальчик в присутствии продавцов-консультантов и покупателей. В дальнейшем планируются работы по доработке и обучению интеллектуальной системы принятия решений -
УПРАВЛЕНИЕ МУЛЬТИРОБОТИЗИРОВАННЫМИ СИСТЕМАМИ НА ОСНОВЕ СКОЛЬЗЯЩИХ РЕЖИМОВ ВЫСОКОГО ПОРЯДКА
Нанданвар Анудж , Л. А. Рыбак , Д. А. Дьяконов72-832025-11-10Аннотация ▼Рассматривается задача управления мультиагентной роботизированной системой второго порядка с дискретным временем в условиях сетевых задержек. Предложен новый подход к управлению формированием агентов, основанный на скользящем режиме высшего порядка и облачных технологиях. Для описания взаимодействия между агентами используется теория графов, где матрица Лапласа представляет канал связи между агентами и лидером. Динамика системы описывается уравнениями движения для положения и скорости каждого агента. Особое внимание уделяется влиянию сетевых задержек, возникающих при передаче данных от датчиков к контроллеру и от контроллера к исполнительным механизмам. Разработан многоступенчатый предиктор состояния, использующий методы прогнозирования для компенсации случайных задержек в сети. Предложенный алгоритм управления обеспечивает быструю сходимость системы к желаемому образованию даже при наличии существенных сетевых задержек. Для каждого агента определяется поверхность скольжения и закон достижения, учитывающий несколько временных меток. Проведен детальный анализ устойчивости замкнутой системы, подтверждающий асимптотическую устойчивость разработанного алгоритма управления. Результаты моделирования в MATLAB демонстрируют высокую эффективность предложенного подхода: система из пяти последователей и одного лидера достигает желаемого формирования за 10.3 секунды и успешно поддерживает его при наличии случайных сетевых задержек. По сравнению с традиционными методами управления первого порядка, новый подход показывает значительно улучшенные характеристики, особенно в части снижения эффекта дребезжания в сигналах управления. Использование облачных технологий позволяет эффективно обрабатывать большие объемы данных в реальном времени и реализовывать сложные алгоритмы прогнозирования без перегрузки локальных вычислительных ресурсов агентов. Полученные результаты подтверждают перспективность применения предложенного подхода для управления мультиагентными системами в условиях реальных сетевых ограничений. Работа также демонстрирует возможность использования методов прогнозирования для компенсации случайных потерь пакетов и задержек связи, что обеспечивает надежное управление и связь в динамичных, непредсказуемых ситуациях
-
ЕСТЕСТВЕННО-ЯЗЫКОВОЕ УПРАВЛЕНИЕ СТРОИТЕЛЬНЫМИ РОБОТЕХНИЧЕСКИМИ СИСТЕМАМИ
Д.Г. Макоева , И. Р. Тлупов , А. О. Шогенов83-932025-11-10Аннотация ▼Исследование нацелено на исследование потенциала систем управления строительными роботами посредством естественного языка. Именно отсутствие надежных систем обработки естественного языка служит тем сдерживающим фактором, что не дает интеллектуальной робототехнике в полной мере раскрыть свои потенциал. Работа дает обзор современных роботизированных строительных систем, которые используются для облегчения и улучшения строительных и инженерных процессов и задач. Объединяет эти все системы отсутствие естественно-языкового управления. В настоящей статье мы представляем принципы, алгоритмы и методы, позволяющие интеллектуальному агенту проникать в суть контекста ситуации, разворачивающейся на поле строительных и инженерных задач. В основе подхода лежит мультиагентная нейрокогнитивная архитектура, служащая своеобразным инструментом для моделирования процесса автоматической интерпретации фраз, взятых из ограниченного подмножества естественного языка. Чтобы интеллектуальный агент смог верно интерпретировать входящее сообщение, ему необходимо безошибочно определить условия, действия, свойства и отношения, имеющие место в системе «интеллектуальный агент – окружающая среда». Только после этого агент обретает способность интерпретировать контекст текущего диалога и генерировать высказывания, необходимые для проектирования кооперативного поведения, направленного на совместное преодоление технических преград. Одной из наиболее распространенных задач, требующих своего решения в быстроразвивающейся области робототехники, является разработка диалоговой системы управления, способной координировать совместное человеко-машинное поведение и интерпретировать цели и условия миссий, изложенные на естественном языке. Система управления, опирающаяся на естественный язык, является неотъемлемой частью интеллектуальной системы, фундаментом которой служит самоорганизующаяся мультиагентная нейрокогнитивная архитектура. Ее главная цель – наладить беспрепятственное общение между человеко-машинными коллективами, для того чтобы они могли совместно ставить, описывать и успешно выполнять сложные строительные задачи. Основополагающим элементом подхода является мультиагентность, позволяющая системе принятия решений робота быть гибкой, адаптивной и непрерывно расширять диапазон своих знаний, генерируя вопросы, необходимые для дальнейшей работы.
-
ОСОБЕННОСТИ ПРИМЕНЕНИЯ АГЕНТНО-МОДУЛЬНОГО ПОДХОДА ПРИ ПОСТРОЕНИИ И РЕАЛИЗАЦИИ ИНФОРМАЦИОННО-ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ
А.Ф. Зайцев179-1892025-12-30Аннотация ▼Информационно-вычислительные системы играют ключевую роль в обработке и анализе больших объемов данных, обеспечивая эффективное функционирование производства, предоставления, а также получения различных цифровых товаров и услуг. В условиях интеллектуализации и увеличения разнообразия функциональных требований, предъявляемых к информационным системам, возникает потребность в разработке новых подходов для их построения и реализации.
В работе рассмотрены основные особенности применения предложенного агентно-модульного подхода, предполагающего построение гибких и масштабируемых информационно-вычислительных систем, способных функционировать в распределенной среде. Агентно-модульный подход представляет собой методологический подход к построению информационно-вычислительных систем, на основе интеграции методов системного анализа, а также агентного и модульного принципов организации систем. Цель работы – исследовать теоретические и практические аспекты использования предложенного агентно-модульного подхода, проанализировать его преимущества в сравнении с другими существующими подходами (объектным, компонентным, сервисным), а также представить пример построения информационной системы на основе его применения. Для достижения поставленной цели необходимо решить следующие задачи: – исследовать теоретические основы и выявить специфику практического применения предложенного агентно-модульного подхода; – выполнить анализ отличий и описать преимущества предложенного подхода при его сравнении с другими подходами; – представить пример построения информационно-вычислительной системы с использованием предложенного подхода. В процессе исследования были использованы следующие общенаучные методы: декомпозиция, анализ, синтез, сравнение, описание, формализация, структуризация, моделирование, проектирование, а также основные принципы модульного и агентного подходов. В качестве материалов исследования использовались компьютеры, инструментальные средства и программное обеспечение вычислительных систем.
В результате исследования были рассмотрены основные теоретические и практические аспекты применения предложенного подхода. Агентно-модульный подход может быть использован для построения различных информационных систем на этапах, связанных с их моделированием и проектированием. Предложенный подход позволяет описывать структуру, функционирование, а также взаимодействие различных составных частей информационно-вычислительных систем -
РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ РОБОТОТЕХНИЧЕСКОЙ СИСТЕМЫ СБОРА УРОЖАЯ
З. В. Нагоев , О.З. Загазежева , К.Ч. Бжихатлов , И.А. Мамбетов2025-04-27Аннотация ▼В условиях необходимости обеспечения продовольственной безопасности актуальными ста-
новятся задачи оптимизации производственных процессов в аграрном секторе. Например, учиты-
вая нехватку трудовых ресурсов в сельском хозяйстве, требуется разработка и внедрение робо-
тотехнических систем для автоматизации процессов ухода за растениями, сбора урожая и его
переработки. В статье представлены результаты разработки автономного робота для сбора
яблок, созданного на базе универсального антропоморфного робота, разработанного в Кабардино-
Балкарском научном центре РАН. Робот оснащен двумя многозвенными манипуляторами, схожи-
ми с руками человека, что позволяет ему выполнять сложные задачи по сбору урожая. Для обес-
печения интеллектуального управления всей системой используется мультиагентная нейрокогни-
тивная архитектура, которая имитирует работу человеческого мозга и позволяет роботу адап-
тироваться к изменяющимся условиям окружающей среды. Робот оснащен набором сенсоров,
включая видеокамеры, ультразвуковые и инфракрасные дальномеры, лидар и энкодеры на приводах
манипуляторов. Это позволяет ему точно определять местоположение яблок, оценивать их зре-
лость и планировать траекторию движения манипуляторов. Особое внимание уделено разработ-
ке захвата, который имитирует человеческую кисть и позволяет регулировать силу сжатия, что
минимизирует риск повреждения плодов. Для управления роботом используется мультиагентная
нейрокогнитивная архитектура, которая обеспечивает автономное принятие решений на основе
данных с сенсоров. Система способна строить карту местности, определять положение робота
и планировать маршрут движения, а также распознавать яблоки и оценивать их состояние.
В статье также рассмотрены проблемы, связанные с автоматизацией сбора урожая в сельском
хозяйстве, включая нехватку трудовых ресурсов и потери урожая из-за неправильной эксплуата-
ции техники. Авторы подчеркивают, что автоматизация и роботизация процессов уборки уро-
жая имеют большой потенциал, особенно для культур, требующих индивидуального подхода, та-
ких как фрукты и овощи. Представленный робот демонстрирует высокую эффективность в ре-
шении этих задач, что подтверждается результатами полевых испытаний. Разработанная сис-
тема может быть адаптирована для работы с другими культурами, что делает ее универсаль-
ным решением для сельскохозяйственной отрасли
1 - 18 из 18 результатов
