Алгоритм оптимизации архитектуры многоагентной системы, основанный на аппроксимации «функции стратегии»
В.Д. Юрий, С.А. Подгорный, Е.Д. Евгений et al. · Научные труды КубГТУ. · 2025
Аннотация.В процессе функционирования возможно изменение как количественного, так и качественного состава множества агентов многоагентной системы (МАС).При этом организационная структура МАС должна автоматически адаптироваться к этим изменениям для сохранения максимальной эффективности.Однако в случае изменения параметров окружающей среды или решаемой задачи такой корректировки может оказаться не достаточно.В этом случае максимизация показателей эффективности МАС возможна только путем оптимизации параметров ее архитектуры.Для этого предлагается алгоритм, включающий выполнение следующих шагов: сбор данных об окружающей среде, формирование ее модели; генерация множества различных конфигураций модели окружающей среды; определение оптимальных параметров архитектуры МАС в рамках парадигмы «обучения с подкреплением» с помощью алгоритма «REINFORCE», обучение искусственной нейронной сети предсказанию вероятности выбора того или иного действия (например, уменьшение или увеличение значений отдельных параметров архитектуры МАС) при текущей конфигурации параметров окружающей среды.Разработанный алгоритм может быть использован при реализации интеллектуальных систем управления группами мобильных роботов или автоматически управляемых транспортных средств может в таких областях, как строительство (мониторинг состояния инфраструктурных объектов), транспорт и логистика (управление доставкой грузов, складская логистика), сельское хозяйство (сбор урожая, обработка посевов от вредителей, внесение удобрений).
Cited by 0 works. doi:10.26297/2312-9409.2025.4.12 Open-access PDF