Многоагентные когнитивные системы управления динамическими объектами со сложным поведением

• Автор: Тимакин, Дмитрий Леонидович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2002
• Место защиты: Санкт-Петербург
• Количество страниц: 139 с. : ил

Введение

Глава 1. Многоагентные системы и когнитивный подход.

1.1. Основные характеристики среды функционирования агенга.

1.2. Архитектура интеллектуального агента.

1.3. Базовые способности агентов

1.4. Механизмы взаимодействия агентов.

1.5. Существующие архитектуры агентов.

1.6. Выводы.

Глава 2. Разработка архитектуры когнитивного агента

2.1. Выбор класса архитектуры агента на базе когнитивного подхода.

2.2. Структура когнитивного агента

2.3. Выводы.
Глава 3. Разработка обучаемого модуля
3.1. Основные понятия теории триангуляции.
3.2. Алгоритмы уточнения симплекса
3.3. Метод многомерной адаптивной триангуляции
3.4. Супсрвизорное обучение.
3.5. Обучение с подкреплением.
3.6. Исследование эффекшвности обучаемого модуля
3.7. Выводы.
Глава 4. Разработка когнитивных систем и агентов.
4.1. Программная реализация обучаемого модуля.
4.2. Регулятор температуры в криогенном узле инжектора твердоводородных частиц
4.3. Когнитивная система решения социотсхиических задач.
4.4. Пршраммный комплекс для разработки простых когнитивных систем
4.5. Программный комплекс для разработки когнитивных агентов.
4.6. Выводы
Заключение
Список литературы


Несколько снизить сложность агента позволяет гипотеза состоятельности среды, которая заключается в том, что предполагается, что скорость изменения среды значительно ниже, чем скорость рассуждающего и обучающегося механизмов. Здесь речь идет не столько об изменении состояния, сколько об изменениях в базовых принципах среды. Детерминистическая - недетерминистическая. В детерминистической среде любое действие дает единственный гарантированный эффект, то есть, состояние, которое является результатом любого действия однозначно определено. Однако иногда даже имея дело с детерминистической средой, о которой мы имеем полную информацию, имеет смысл работать с ней как с недетерминистической, гак как модель среды может оказаться слишком сложной в вычислительном отношении. Реальный физический мир является недетерминистической средой. Такая среда создает серьезные проблемы на пути создания агента. Эпизодическая - неэпизодическая. В эпизодической среде эффективность функционирования агента имеет значение лишь в рамках отдельных дискретных эпизодов. То есть в такой среде эффективность функционирования агента в течение одного эпизода никак не сказывается на эффективности других эпизодов. Эпизодическая среда проще с точки зрения создания агента, поскольку агент может принимать решения на основе только текущего эпизода, не принимая в расчет возможное взаимодействие между данным и последующими эпизодами. Дискретная - непрерывная. Дискретная среда имеет фиксированное ограниченное число возможных действий и реакций fia них. Однако в реальном мире обычно приходиться иметь дело с непрерывной асинхронной средой. Помимо того, что события происходят неожиданно, возможно одновременное возникновение нескольких событий. В этом случае если агент постоянно не контролирует состояние своих сенсоров событие может пройти незамеченным. Для избежания этого используется параллельное восприятие. Наиболее сложными с точки зрения разработки агента являются реальные неполно-доступные динамические недетерминистические неэпизодические непрерывные среды. Целью данной работы является разработка агента, способного работать в реальной неполнодоступной динамической непрерывной среде. Архитектура интеллектуального агента. Рассмотрим формализованную абстрактную архитектуру интеллектуального агента. Пусть имеется множество возможных состояний среды функционирования агента 5' = {$,,$2,. А = {а,,л2,. Поп -> А (1. Агент, описываемый такой функцией называется стандартным агентом []. Поведение среды может быть смоделировано функцией (1. А, предпринятое агентом, на множество состояний среды env(s,a), которые могут явиться результатом выполнения действия а в состоянии 5. Ях А -> р(? Ъ :*0 -*->*, -^ —-**->5, -*->••• (1. Множество всех возможных историй, удовлетворяющих данным условиям называют характеристическим поведением агента. Если некоторое свойство сохраняется для всех историй, это свойство называют инвариантным для данного агента в данной среде. Некоторые типы агентов принимают решения, основываясь лишь на текущем состоянии среды, не принимая во внимание историю. Таких агентов называют чисто реактивными. S^A (1. Очевидно, что любой чисто реактивный агент является стандартным агентом. Абстрактное представление агента удобно для анализа, однако оно не дает представления о том, как реализовать решающую функцию action. Поэтому уточним абстрактную модель агента, разбив ее на подсистемы. В качестве первого шага разделим решающую функцию на воспринимающую и действующую подсистемы. При такой декомпозиции функция see отвечает за способность агента воспринимать среду, в то время как функция action представляет процесс принятия решений. Выходом функции see является восприятие. S Р (1. Функция action отображает последовательности восприятий на пространство действий. Р* А (1. Для того чтобы учитывать историю агент может иметь некоторую внутреннюю структуру данных, используемую для сохранения информации о состоянии среды. Пусть / - это множество всех внутренних состояний агента и процесс принятия решений учитывает эту информацию. S->P (1. Функция выбора действий задает отображение внутренних состояний на действия. А (!