Информационная модель поведения самоорганизующихся групп автономных агентов для биомедицинских систем

• Автор: Истомин, Виктор Владимирович
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Пенза
• Количество страниц: 175 с. : ил.

СОДЕРЖАНИЕ
Введение
1 Анализ способов и средств моделирования поведения самоорганизующихся групп автономных агентов для биомедицинских систем

1.1 Анализ проблемы моделирования поведения

самоорганизующихся групп автономных агентов для биомедицинских систем

1.2 Подходы к моделированию поведения групп автономных агентов на основе теории самоорганизации

1.3 Методы реализации принципов поведения самоорганизующихся

групп автономных агентов

1.4 Разработка систематизации автономных агентов для

биомедицинских систем

1.5 Выводы
2 Разработка многоуровневой информационной модели поведения самоорганизующихся групп автономных агентов для биомедицинских систем
2.1 Анализ методов и средств математического моделирования
поведения самоорганизующихся групп автономных агентов
2.2 Формальная постановка задачи описания поведения
самоорганизующихся групп автономных агентов
2.3 Разработка информационно-структурных и математических моделей поведения самоорганизующихся групп автономных агентов..
2.4 Выводы
3 Разработка алгоритма поведения самоорганизующихся групп автономных агентов для биомедицинских систем

3.1 Анализ методов и средств реализации алгоритма поведения самоорганизующихся групп автономных агентов
3.2 Разработка комплекса (УМ£-д иагр амм поведения
самоорганизующихся групп автономных агентов для биомедицинских систем
3.3 Разработка системы критериев эффективности прогнозирования поведения самоорганизующихся групп автономных агентов
3.4 Выводы
4 Структурная и программная реализация многоагентной системы поведения самоорганизующихся групп автономных агентов
4.1 Разработка многоагентной системы поведения
самоорганизующихся групп автономных агентов
4.2 Имитационное моделирование поведения самоорганизующихся групп автономных агентов в разработанной многоагентной системе
4.3 Оценка эффективности прогнозирования поведения самоорганизующихся групп автономных агентов с помощью разработанной системы критериев
4.4 Выводы
Основные результаты и выводы
Список условных сокращений
Список литературы
Приложение А. Акты внедрения результатов диссертации
Приложение Б. Листинг программной реализации

ВВЕДЕНИЕ
Актуальность темы. Концепция самоорганизации поведения в искусственном интеллекте появилась в 1989 году и предложена авторами G. Beni и J. Wang в работе «Swarm Intelligence in Cellular Robotic Systems». В ее основе лежит представление о том, что для решения ряда задач невозможно построить централизованную систему, а вся информация распределена между ее отдельными элементами. В каждом из этих элементов хранится лишь часть информации, а полный эффект достигается только от использования всех данных, хранящихся в отдельных информационных элементах, получивших название автономных агентов.
Информационная модель на базе групп автономных агентов удачным образом описывает поведение как природных, так и техногенных систем. В качестве примеров природных систем приводят рой пчел, косяки рыб, стаи птиц, муравейник, термитник, и т.д.
В качестве примеров систем техногенного происхождения могут служить системы вооружений, транспортная инфраструктура, системы исследования погодных условий, распределение потоков движения людей в местах скопления, в том числе в чрезвычайных ситуациях и т.д. Особо следует выделить биологические системы, где самоорганизация проявляется на фоне генетических алгоритмов, а именно экосистемы организмов при очистке от загрязнений нефтью, и т.п.
Для решения подобных задач требуется переход от централизованного управления к распределенному, учитывая количество членов группы на мик-ро- и наноуровнях, которое может достигать сотен тысяч. Таким образом, актуальной является задача построения информационно-структурных моделей на базе групп автономных агентов для описания биологических и техногенных систем различного назначения. В частности, особое значение имеют биомедицинские системы, потенциально позволяющие осуществлять лечение онкологических заболеваний широкого профиля.

элемент обратной связи, функцию или константу, которые могут повлиять на дальнейшие действия. Программный агент, напротив, проецирует результат восприятия только на действие. Термином «восприятие» в данном случае описываются сигналы, поступающие на входы агента в любой момент времени.
Всех АА можно разделить на пять групп, исходя из степени их автономности и способности к восприятию информации [36]:
- агенты с простым поведением;
- агенты с поведением, основанным на модели;
- целенаправленные агенты;
- практичные (рациональные) агенты;
- обучающиеся агенты;
Агенты с простым поведением действуют только на основе текущих знаний, игнорируя всю информацию, полученную ранее. Их агентская функция основана на схеме условие-действие.
Такая функция может быть успешной, только если окружающая среда полностью поддается наблюдению. Некоторые агенты также могут иметь информацию о их текущем состоянии, что позволяет им не обращать внимания на условия, предпосылки которых уже выполнены.
Для агентов с простым поведением, действующих в частично наблюдаемой среде, часто неизбежно попадание в бесконечный цикл. Однако, если агент может производить случайный выбор своих действий, то будет возможным избежать бесконечных циклов.
Агенты с поведением, основанным на модели, могут оперировать со средой, лишь частично поддающейся наблюдению.
Текущее состояние агента сохраняется внутри него, образуя своеобразную структуру, которая описывает ту часть «мира», которую агент не может увидеть в данный момент времени. Такое знание о том, как устроен «мир» называют «моделью мира», поэтому поведение данных агентов называют основанным на модели.