МОДЕЛЮВАННЯ КООПЕРАТИВНОЇ ПОВЕДІНКИ В МУЛЬТИАГЕНТНИХ СИСТЕМАХ

Анотація

Під кооперативною поведінкою розуміють спільноту агентів, які для зменшення середньозважених штрафів вирішують співпрацювати, щоб розв’язати поставлену задачу або досягти певної мети, в нашому випадку синхронізувати світіння.

Проблема формування кооперативної поведінки інтенсивно досліджується у сучасній науковій літературі із застосування мультиагентних систем, наприклад, для дистанційного навчання, керування організаційними системами, побудови різноманітних віртуальних організацій та спільнот, керування розподіленими обчисленнями, керування суспільними інститутами та суспільно-економічними процесами та інших.

У даній роботі розглянуто актуальну тему оптимальних стратегій в іграх з локальною взаємодією, розглянуто стимулююче навчання мультиагентних систем у ігровій постановці.

Метою даної роботи є розгляд методу побудови системи з локальною взаємодією агентів на основі завдання «синхронізації» за допомогою марковської моделі стохастичної гри.

Метод дослідження - комп'ютерна програма для моделювання завдання з використанням Q-методу навчання. Формування коаліцій у мультиагентних системах формулюється як конкурентна або кооперативна задача зарахування об’єкта до одного із кластерів. Розв’язування подібних задач вивчає теорія ігор, а в умовах невизначеності – теорія стохастичних ігор. У зв’язку з цим з наукової та практичної позицій актуальне застосування методів стохастичних ігор для формування коаліцій в умовах неповноти інформації. Рішення стохастичної гри полягає в пошуку стратегій агентів, які максимізують свої виграші, щоб забезпечити певний колективний баланс інтересів для всіх гравців. Для пошуку оптимальних стратегій гравців в умовах невизначеності будемо використовувати метод стимулювання навчання.

Результатом є розроблена ігрова модель, яка забезпечує динамічну самоорганізацію MAC, що проявляється в ритмічній зміні чистих стратегій агентів, які імітують світлові ефекти колонії світлячків. Характерною особливістю розглянутої самоорганізації гри є локально визначена інформація про стратегії поведінки сусідніх агентів, які в результаті навчання призводить до глобальної координації. стратегії всіх агентів.

Наукова новизна отриманих результатів полягає в розробці ігрової моделі, визначені ефективності ігрової самоорганізації стратегій МАС для розв’язування задачі прийняття рішень в системах з кооперативною поведінкою агентів в умовах невизначеності. Повторність значень характеристик гри в різних експериментах з унікальними послідовностями випадкових величин підтверджує достовірність результатів.

Результати можуть бути використані на практиці для моделювання динаміки соціальних процесів, керування соціальними інтернет-сервісами у мережі інтернет та інших.