Інформаційні системи та мережі
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/2105
Browse
10 results
Search Results
Item Самоорганізація стратегій у грі переміщення агентів(Видавництво Львівської політехніки, 2021-03-01) Кравець, Петро; Kravets, Petro; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityРозроблено стохастичну ігрову модель самоорганізації стратегій стохастичної гри мобільних агентів у вигляді циклічних поведінкових патернів, які складаються із узгоджених стратегій переміщення агентів у обмеженому дискретному просторі. Поведінковий патерн багатоагентної системи є візуалізованою формою впорядкованого переміщення агентів, яка виникає із їх початкового хаотичного руху в ході навчання стохастичної гри. Мобільність агентів багатокрокової стохастичної гри забезпечено тим, що у дискретні моменти часу вони випадково, одночасно і незалежно вибирають власну чисту стратегію переміщення в одному із можливих напрямків. Поточні платежі гравців визначено як функції програшів, залежні від стратегій сусідніх гравців. Ці функції сформовано зі штрафу за нерівномірність розміщення агентів у обмеженому дискретному просторі та штрафу за зіткнення під час переміщення агентів. Випадковий вибір чистих стратегій гравців спрямовано на мінімізацію їхніх функцій середніх програшів. Генерування послідовностей чистих стратегій виконано за дискретним розподілом, побудованим на основі векторів змішаних стратегій. Елементи векторів змішаних стратегій є умовними імовірностями вибору відповідних чистих стратегій переміщення. Змішані стратегії змінюються у часі, адаптивно враховуючи значення поточних програшів. Цим забезпечено зростання імовірностей вибору тих чистих стратегій, які приводять до зменшення функцій середніх програшів. Динаміку векторів змішаних стратегій визначено за марковським рекурентним методом, для побудови якого виконано стохастичну апроксимацію модифікованої умови доповняльної нежорсткості, яка справедлива у точках рівноваги за Нешем, та застосовано оператор проєктування на розширюваний одиничний епсилон-симплекс. Збіжність рекурентного ігрового методу забезпечено дотриманням фундаментальних умов та обмежень стохастичної апроксимації. Стохастична гра розпочинається із ненавчених змішаних стратегій, які задають хаотичну картину переміщення агентів. У ході навчання стохастичної гри вектори змішаних стратегій цілеспрямовано змінюються так, щоб забезпечити впорядковане безконфлікне переміщення агентів. У результаті комп’ютерного моделювання стохастичної гри отримано циклічні патерни самоорганізації мобільних агентів на поверхні дискретного тора та у межах прямокутної області на площині. Достовірність експериментальних досліджень підтверджено подібністю отриманих патернів переміщення агентів для різних послідовностей випадкових величин. Результати дослідження запропоновано використати на практиці для побудови розподілених систем із елементами самоорганізації, розв’язування різноманітних потокових і транспортних задач та колективного прийняття рішень в умовах невизначеності.Item Патерни самоорганізації стратегій у грі мобільних агентів(Видавництво Львівської політехніки, 2020-02-24) Кравець, Петро; Юринець, Ростислав; Кісь, Ярослав; Kravets, Petro; Yurynets, Rostyslav; Kis, Yaroslav; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityРозглянуто актуальну проблему самоорганізації стратегій стохастичної гри багатоагентної системи. Проявом самоорганізації є формування скоординованих поведінкових патернів групи мобільних агентів, наділених здатністю переміщуватися в обмеженому дискретному просторі. Агент – це автономний об’єкт, який може взаємодіяти із навколишнім середовищем, іншими агентами і людиною для вибору варіантів рішень. Багатоагентна система складається із групи агентів, які виконують спільну роботу, співпрацюючи між собою у межах локальних підмножин агентів. Поведінковий патерн багатоагентної системи – це візуалізована форма впорядкованого переміщення агентів, яка виникає із їх початкового хаотичного руху під час навчання стохастичної гри. Повторювальна стохастична гра полягає у реалізації керованого випадкового процесу вибору варіантів рішень. Для цього ігрові агенти випадково, одночасно і незалежно вибирають одну із власних чистих стратегій у дискретні моменти часу. Чисті стратегії гравців визначають напрямки переміщення у двовимірному просторі: вперед, назад, направо, наліво. Після завершення вибору усіх стратегій обчислюють поточні програші гравців. Для формування впорядкованого переміщення кожен агент повинен повторювати дії сусідніх агентів. Тоді поточні програші визначаються індикаторною функцією подібності стратегій сусідніх гравців. Обчислені поточні програші використовують для адаптивного перерахунку змішаних стратегій гравців. Імовірність вибору чистої стратегії збільшується, якщо її реалізація призвела до зменшення поточного програшу. Під час повторювальної гри агенти сформують вектори змішаних стратегій, які мінімізують функції середніх програшів гравців. Для розв'язування ігрової задачі побудови патернів самоорганізації багатоагентної системи використано адаптивний марківський рекурентний метод, побудований на основі стохастичної апроксимації модифікованої умови доповняльної нежорсткості, яка справедлива у точках рівноваги за Нешем. Для нормування елементів векторів змішаних стратегій застосовано операцію їх проектування на одиничний розширюваний епсілон-симплекс. Збіжність ігрового методу забезпечується дотриманням фундаментальних умов та обмежень стохастичної оптимізації. Комп'ютерне моделювання підтвердило можливість застосування моделі стохастичної гри для побудови патернів самоорганізації багатоагентної системи. Форма отриманих патернів залежить від способу локального орієнтування мобільних агентів. Під час комп’ютерного експерименту отримано вихрові та лінійні патерни переміщення агентів. Достовірність експериментальних досліджень підтверджується подібністю отриманих результатів для різних послідовностей випадкових величин. Результати цієї роботи доцільно застосувати для вивчення патернів колективної поведінки агентів для глибшого розуміння процесів самоорганізації природних систем та для побудови розподілених систем прийняття рішень.Item Ігровий метод кластеризації онтологій(Видавництво Львівської політехніки, 2019-02-26) Кравець, П. О.; Буров, Є. В.; Литвин, В. В.; Kravets, Petro; Burov, Evgeniy; Lytvyn, Vasyl; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityРозглянуто актуальну проблему кластеризації онтологій для оптимізації операцій інтелектуального опрацювання даних в умовах невизначеності, зумовленої неточністю або неповнотою даних про предметну область. Кластеризація онтологій – це процес автоматичного розділення множини онтологій на групи (кластери) на основі ступеня їхньої подібності. Для розв’язування задачі кластеризації необхідно задати міри близькості онтологій, вибрати або розробити алгоритм кластеризації та виконати змістовну інтерпретацію результатів кластеризації. Для кластеризації онтологій в умовах невизначеності запропоновано застосувати стохастичний ігровий метод. Повторювальна стохастична гра полягає у реалізації керованого випадкового процесу вибору кластерів онтологій. Для цього закріплені за онтологіями інтелектуальні агенти випадково, одночасно і незалежно вибирають один із кластерів у дискретні моменти часу. Для агентів, що обрали один кластер, обчислюють поточну міру подібності онтологій, яка може враховувати близькість концептів, атрибутів та відношень між концептами. Цю міру використовують для адаптивного перерахунку змішаних стратегій гравців. Збільшуються імовірності вибору тих кластерів, поточний склад яких призвів до зростання міри подібності онтологій. У ході повторювальної гри агенти сформують вектори змішаних стратегій, які забезпечать максимізацію усереднених мір подібності розділених на кластери онтологій. Для розв'язування задачі ігрової кластеризації онтологій розроблено адаптивний марківський рекурентний метод на основі стохастичної апроксимації модифікованої умови доповняльної нежорсткості, справедливої у точках рівноваги за Нешем. Запропонований ігровий метод має фільтрувальні властивості щодо викидів у вхідних даних і практично не залежить від закону розподілу випадкових завад. Комп'ютерне моделювання підтвердило можливість застосування моделі стохастичної гри для кластеризації онтологій із врахуванням факторів невизначеності. Збіжність ігрового методу забезпечується дотриманням фундаментальних умов та обмежень стохастичної оптимізації. Достовірність експериментальних досліджень підтверджується повторюваністю отриманих результатів для різних послідовностей випадкових величин. Результати роботи доцільно використати для розв'язування задач інтелектуального аналізу даних, усунення дублювання інформації в базах знань, зменшення невизначеності у межах кластера онтологій, виявлення новизни інформації, організації високорівневої семантичної взаємодії між агентами під час розв’язування ними спільної задачі.Item Ігрова модель системи з авторитарним прийняттям рішень(Видавництво Львівської політехніки, 2018-02 26) Кравець, П. О.; Kravets, Petro; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityПобудовано стохастичну ігрову модель прийняття рішень в ієрархічних системах з авторитарним стилем управління. Розроблено адаптивний рекурентний метод для розв’язування стохастичної гри в умовах апріорної невизначеності на основі стохастичної апроксимації умови доповняльної нежорсткості, яка описує розв’язки гри за Нешем у змішаних стратегіях. Виконано комп’ютерне моделювання стохастичної гри прийняття рішень в авторитарній ієрархічній системі зі структурою бінарного дерева. Досліджено вплив параметрів на збіжність ігрового методу.Item Ігровий метод формування коаліцій в мультиагентних системах(Видавництво Львівської політехніки, 2018-02-26) Кравець, П. О.; Національний університет “Львівська політехніка”Запропоновано ігровий метод формування коаліцій у мультиагентних системах. Розроблено адаптивний алгоритм для розв’язування стохастичної гри. Виконано комп’ютерне моделювання стохастичної гри. Вивчено вплив параметрів на збіжність ігрового методу формування коаліцій. Проаналізовано отримані результати.Item Ігрова модель прийняття рішень в ієрархічних системах(Видавництво Львівської політехніки, 2017-03-28) Кравець, П. О.; Національний університет “Львівська політехніка”Побудовано ігрову модель прийняття рішень в ієрархічних системах, які функціонують в умовах апріорної невизначеності. Розроблено адаптивний рекурентний метод та алгоритм розв’язування стохастичної гри. Виконано комп’ютерне моделювання стохастичної гри прийняття рішень в ієрархічній системі зі структурою бінарного дерева. Досліджено вплив параметрів на збіжність ігрового методу.Item Матрична стохастична гра з Q-навчанням(Видавництво Львівської політехніки, 2015) Кравець, П. О.Розроблена модель матричної стохастичної гри для прийняття рішень в умовах невизначеності. Запропоновано метод Q-навчання для розв’язування стохастичної гри з апріорі невідомими матрицями виграшів. Виконано формулювання ігрової задачі, описано марківський рекурентний метод та алгоритм для її розв’язування. Отримано та проаналізовано результати комп’ютерного моделювання стохастичної гри з Q-навчанням. The model of matrix stochastic game for decision-making in the conditions of uncertainty is developed. The method of Q-learning for stochastic game solving with a priori unknown gains matrices is offered. The formulation of a game problem is executed. The Markovian recurrent method and algorithm for the game solving are described. Results of computer modelling of stochastic game with Q-learning are received and analysed.Item Ігровий метод синхронізації подій в мультиагентних системах(Видавництво Львівської політехніки, 2014) Кравець, П. О.Розроблено адаптивний ігровий метод синхронізації подій в мультиагентних системах в умовах невизначеності. Суть методу полягає у вирівнюванні затримок настання подій кожним гравцем на основі спостереження дій сусідніх гравців. Виконано формулювання стохастичної гри та розроблено ігровий алгоритм для її розв’язування. За допомогою комп’ютерного експерименту досліджено впливи параметрів на збіжність ігрового методу. The adaptive game method of events synchronization in multiagent systems in the conditions of uncertainty is developed. The essence of a method consists in alignment of delays of approach of events on the basis of supervision of actions of the next players. The formulation of stochastic game is executed and game algorithm for its solving is developed. Influences of parameters on convergence of a game method are investigated by means of computer experiment.Item Заохочувальне навчання мультиагентних систем(Видавництво Львівської політехніки, 2012) Кравець, П. О.Розглянуто проблему заохочувального навчання мультиагентних систем в ігровому формулюванні. Побудовано марківську модель стохастичної гри, сформульовано критерії ігрового навчання, описано Q-метод та відповідний алгоритм розв’язування стохастичної гри, проаналізовано результати комп’ютерної реалізації Q-методу. The problem of reinforcement learning of multiagent systems in the game formulation is considered. The Markovian model of stochastic game is constructed, criteria of game learning are formulated, the Q-method and corresponding algorithm of the stochastic game solving are described, results of computer realisation of a Q-method are analysed.Item Динамічна координація стратегій мультиагентних систем(Видавництво Львівської політехніки, 2011) Кравець, П. О.Розв’язано задачу динамічної координації стратегій мультиагентних систем в умовах невизначеності на основі моделі стохастичної гри. Динамічна координація полягає у навчанні системи генерувати просторово-розподілені періодичні сигнали. Побудовано модель стохастичної гри, визначено критерії динамічної координації стратегій гравців, розроблено рекурентний метод, алгоритмічне та програмне забезпечення розв’язування стохастичної гри. The problem of dynamic coordination of strategies of multiagent systems in the conditions of uncertainty on the basis of stochastic game model is solved. Dynamic coordination consists in system learning to generate the spatially-distributed periodic signals. The model of stochastic game is constructed, criteria of dynamic coordination of strategies are defined, a recurrent method, algorithmic and software support for the stochastic game solving are developed.