close

Вход

Забыли?

вход по аккаунту

?

Модели и методы искусственного интеллекта для принятия решений в конфликтных ситуациях.

код для вставкиСкачать
УДК 004.8(075.8)
МОДЕЛИ И МЕТОДЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ПРИНЯТИЯ
РЕШЕНИЙ В КОНФЛИКТНЫХ СИТУАЦИЯХ
С.М. Авдеев
Статья посвящена агентно-ориентированному подходу в разработке интеллектуальных систем (мультиагентных
систем). В которых агенты способны принимать близкие к оптимальным и оптимальные решения в возникающих
конфликтных ситуациях
Ключевые слова: агент, конфликтная ситуация, оптимальное решение
На современном этапе развития информационные технологии все больше и больше проникают
практически во все сферы деятельности человека,
позволяя получить ранее недостижимые результаты.
Благодаря высокому быстродействию современных
компьютеров, человек может моделировать множество различных ситуаций, решать задачи оптимизации и многое другое. Применение современных моделей и методов делают машинные программы все
более интеллектуальными, и во многих сферах компьютеру уже нет равных. Даже в шахматах человек
был бит компьютерной программой. Таким образом,
программа может принимать наиболее оптимальные
решения в тех или иных конфликтных ситуациях, и
это решение основывается не только на переборе
всех возможных решений. Современные программы
являются обучаемыми и могут безошибочно действовать в конфликтных ситуациях. Одним из наиболее прогрессивных направлений в создании таких
программ – интеллектуальных систем, является
мультиагентные системы.
Назовем противников конфликтной ситуации
агентами, под агентом будем понимать автономный
искусственный объект (компьютерную программу),
обладающий активным мотивированным поведением и способный к взаимодействию с другими объектами в динамически изменяющихся виртуальных
средах. Это может быть агент определенный как
интеллектуальное искусственное существо (носитель искусственного интеллекта). Агент, как правило, рассматривается как некоторый объект, который
можно отделить от остального мира. Он существует
во времени и пространстве, может взаимодействовать с другими агентами и средами, выполняя некоторые действия. Другими словами, агент – это автоматическая (полуавтоматическая) программноаппаратная система, которая решает комплекс задач
в динамично изменяющейся среде.
Агенты классифицируются на четыре основных типа: простые, умные (smart), интеллектуальные (intelligent) и действительно интеллектуальные
(truly intelligent). Одно из самых главных свойств
агента – это интеллектуальность.
Интеллектуальный агент владеет определенными знаниями о себе и об окружающей среде, и на
основе этих знаний он способен определять свое
поведение.
Авдеев Сергей Михайлович — ВГУ, аспирант, тел. (4732)
20-86-98
Интеллектуальные агенты являются основной
областью интересов агентной технологии.
Рассмотрим применение данной технологии на
примере следующей игровой ситуации: на игровой
доске, представленной на рисунке 1, борются конь и
ладья.
Рис. 1
Возникает конфликтная ситуация, ладья,
обладая большей игровой мощью, желает уничтожить противника, в свою очередь конь обладая
большей гибкостью, старается избежать поражения
и при возможности уничтожить ладью. Ситуации на
игровом поле динамически изменяется при каждом
новом ходе соперников, в зависимости от правильности того или иного хода ситуация на игровом поле может резко обостриться. Поэтому одним из
главных свойств агента является рациональность
принятия того или иного решения. Таким образом,
агенту необходимо действовать на основании знаний не только получаемых при анализе текущей
позиции, но и тех данных, которые были накоплены
за период его существования. Кроме того, стоит отменить, что агенты обладают свойством автономности, т.е. способностью действовать, без вмешательства своего владельца и всегда высоко мотивированны для достижения выигрыша в конфликтной
ситуации. Несомненно, важной частью игры является нацеленность агента на оптимальный результат
своих действий, т.е. победа при минимальном количестве ходов.
Стоит отметить, что для данной мультиагентной системы задаются и общие правила, такие
как невозможность выхода за пределы указанной
конфигурации, а также действие агентов строго по
указанным правилам.
Возможный подробный анализ той ли иной начальной позиции, имеет смысл только при простых на-
чальных позициях, когда для достижения победы
следует сделать лишь несколько ходов. Однако при
сложных комбинациях, такой анализ крайне затруднителен, и необходимо положиться на способности
и умения агентов.
Принятие того или иного решения агентом
может быть инициировано различными алгоритмами, начиная от полного перебора, до возможного
применения методов генетических алгоритмов и
построения сложных цепочек генетических сетей.
Таким образом, технология мультиагентых
систем позволяет для принятия агентом тех или
иных решений комбинировать различные алгоритмы и методы. Что позволяет создавать наиболее интеллектуальных агентов для каждой конфликтной
ситуации, с помощью применения различных методов можно проводить анализ оптимальности принятия решения агентом, сравнивая его, например, с
эталонным. В указанной выше игровой ситуации
эталонным решением является метод полного перебора, с помощью которого агент всегда будет принимать наиболее оптимальное решение. Разрабатывая другие методы и присваивая их агенту, можно
отслеживать пригодность или непригодность выбранной стратегии.
Важно отметить, что применение мультиагентых системе возможно в целом ряде областей, а
возможные алгоритмы действия агентов позволят
моделировать различные конфликтные ситуации,
которые часто возникают в борьбе за определенный
ресурс.
Литература
1. Ускова О.Ф. Программирование алгоритмов обработки данных/ О.Ф. Ускова, Н.В. Огаркова, И.Е. Воронина, М.В. Бакланов, В.М. Мельников; под редакцией
О.Ф. Усковой. – СПб.: БХВ-Петербург, 2003. – 192 с.:
ил.
2. Авдеев С.М. Программное обеспечение одной позиционной игры / С.М. Авдеев, Ускова О.Ф. // Прикладная математика и информатика : Черноземный альманах научных исследований. Выпуск №1(2). – Воронеж
: ООО Альбион, 2006. – С. 137-147.
3. Авдеев С.М. Квазишахматные компьютерные игры /
С.М. Авдеев, Ускова О.Ф. // Прикладная математика и
информатика : Черноземный альманах научных исследований. Выпуск №3(4). – Воронеж : ООО Альбион,
2006. – С. 53-57.
4. Авдеев С.М. Квазишахматные компьютерные композиции/ С.М. Авдеев, Ускова О.Ф. // Молодые ученые –
производству : Сборник трудов региональной научно
– практической конференции. Том ЙЙI. – Старый Оскол : Старооскольский технологический институт,
2006. – С. 131-135.
5. Авдеев С.М. Квазишахматные игры на ЭВМ / С.М.
Авдеев // Прикладная математика и информатика :
Материалы конференции молодых преподавателей и
студентов лискинского филиала Воронежского государственного университета. Выпуск №2. – Воронеж :
Воронежский государственный университет, 2007. –
С. 53-57.
6. Ногин В.Д. Принятие решений в многокритериальной
среде: количественный подход /В. Д. Ногин. – М.:
ФИЗМАТЛИТ, 2002. – 144 с.
Воронежский государственный университет
MODELS AND METODS OF ARTIFICIAL INTELLIGENCE TO REACH A DECISION
IN CONFLICT SITUATIONS
S.M. Avdeev
The article is dedicated to agent-oriented approach to development intellectual systems (multyagents system). In this
system, agents reach a decision similar to optimal or optimal in different conflict situation
Key words: agent, conflict situation, optimal solution
Документ
Категория
Без категории
Просмотров
4
Размер файла
134 Кб
Теги
решение, ситуация, метод, интеллекта, искусственного, принятие, конфликтной, модель
1/--страниц
Пожаловаться на содержимое документа