Трансформационный подход к разработке адаптивных интеллектуальных агентов на основе нечетких схем переходов

Рассматривается трансформационный подход к разработке интеллектуальных агентов на основе моделей нечетких схем переходов. Описаны основные преобразования, позволяющие сгенерировать нечеткие платформнонезависимые модели внутриагентного управления. Разработана эволюционная стратегия, позволяющая настр...

Full description

Saved in:

Bibliographic Details
Published in:	Компьютерная математика
Date:	2011
Main Author:	Ершов, С.В.
Format:	Article
Language:	Russian
Published:	Інститут кібернетики ім. В.М. Глушкова НАН України 2011
Subjects:	Инструментальные средства информационных технологий
Online Access:	https://nasplib.isofts.kiev.ua/handle/123456789/84608
Tags:	Add Tag No Tags, Be the first to tag this record!
Journal Title:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Cite this:	Трансформационный подход к разработке адаптивных интеллектуальных агентов на основе нечетких схем переходов / С.В. Ершов // Компьютерная математика: сб. науч. тр. — 2011. — № 1. — С. 69-78. — Бібліогр.: 10 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

_version_	1860122551375626240
author	Ершов, С.В.
author_facet	Ершов, С.В.
citation_txt	Трансформационный подход к разработке адаптивных интеллектуальных агентов на основе нечетких схем переходов / С.В. Ершов // Компьютерная математика: сб. науч. тр. — 2011. — № 1. — С. 69-78. — Бібліогр.: 10 назв. — рос.
collection	DSpace DC
container_title	Компьютерная математика
description	Рассматривается трансформационный подход к разработке интеллектуальных агентов на основе моделей нечетких схем переходов. Описаны основные преобразования, позволяющие сгенерировать нечеткие платформнонезависимые модели внутриагентного управления. Разработана эволюционная стратегия, позволяющая настроить значения принадлежности нечеткой схемы переходов. Построены критерии для оценки степени соответствия таких схем обучающим примерам. Розглядається трансформаційний підхід до розробки інтелектуальних агентів на основі моделей нечітких схем переходів. Описано основні перетворення, що дозволяють згенерувати нечіткі платформно-незалежні моделі внутрішньоагентного управління. Розроблена еволюційна стратегія, що дозволяє настроїти значення належності нечіткої схеми переходів. Побудовано критерії для оцінки ступеня відповідності таких схем навчальним прикладам. Transformational approach to developing intelligent agents models based on fuzzy transition schemes is considered. Basic transformations that allow to generate fuzzy platform-independent models for intra-agent control are described. An evolutionary strategy to adapt the membership values of fuzzy transition scheme is developed. Criteria for evaluation of degree of adequacy of such schemes to learning examples is constructed.
first_indexed	2025-12-07T17:39:55Z
format	Article
fulltext	Компьютерная математика. 2011, № 1 69 Рассматривается трансформа- ционный подход к разработке интеллектуальных агентов на основе моделей нечетких схем переходов. Описаны основные пре- образования, позволяющие сгене- рировать нечеткие платформно- независимые модели внутриаген- тного управления. Разработана эволюционная стратегия, позво- ляющая настроить значения при- надлежности нечеткой схемы переходов. Построены критерии для оценки степени соответст- вия таких схем обучающим при- мерам.  С.В. Ершов, 2011 ÓÄÊ 681.3.06 Ñ.Â. ÅÐØÎÂ ÒÐÀÍÑÔÎÐÌÀÖÈÎÍÍÛÉ ÏÎÄÕÎÄ Ê ÐÀÇÐÀÁÎÒÊÅ ÀÄÀÏÒÈÂÍÛÕ ÈÍÒÅËËÅÊÒÓÀËÜÍÛÕ ÀÃÅÍÒÎÂ ÍÀ ÎÑÍÎÂÅ ÍÅ×ÅÒÊÈÕ ÑÕÅÌ ÏÅÐÅÕÎÄÎÂ Наблюдаемый в последнее время рост инте- реса к возможностям мультиагентных интел- лектуальных систем в контексте разработки программного обеспечения ставит задачу создания методов и средств моделе-ориенти- рованной трансформационной разработки (Model-Driven Engineering, MDE) таких сис- тем. Хотя многие известные методологии разработки мультиагентных систем, такие как Tropos [1] и INGENIAS [2], предлагают методы и инструменты для автоматизации модели трансформаций. Они предназначены для использования только на некоторых эта- пах разработки и не могут рассматриваться как систематические. Отдельным агентам таких распределенных систем открыт доступ только к их собствен- ным состояниям, а не к глобальному состоя- нию всей системы, о котором агент может делать только предположения. К тому же любая среда передачи асинхронных сообще- ний между агентами не является абсолютно надежной и приводит к запаздыванию сооб- щений, что еще больше увеличивает степень неопределенности схем состояний агента. Поэтому работой таких агентов можно управлять только с учетом степени достижи- мости таких «размытых» состояний, для чего обоснованным представляется использова- ние нечеткой математики. Цель настоящей статьи – исследование и обоснование трансформационного подхода к разработке интеллектуальных агентов с ис- пользованием нечетких схем переходов, и С.В. ЕРШОВ Компьютерная математика. 2011, № 1 70 разработка эволюционной стратегии обучения нечетких схем переходов на при- мерах, что позволяет придать создаваемым с помощью такого подхода агентам свойство адаптивности. Перечисленные проблемы тематически вписываются в дальнейшее развитие исследований в направлении становления моделе- ориентированных архитектур программных систем в нечетком представлении [3–5]. Моделе-ориентированная разработка мультиагентных систем в значитель- ной степени зависит от последовательной трансформации их моделей [6]. При этом наиболее важными являются способы преобразований моделей: • Преобразование модель-модель (M2M). Этот вид преобразования исполь- зуется для преобразования одного типа графической модели (схемы, диаграммы) к другому типу графической модели. Преобразование M2M основано на исход- ной и целевой метамоделях и определяет преобразования элементов исходной модели в элементы целевой модели. • Преобразования модель-текст (M2T). Такие преобразования используются для трансформации визуального представления в код программы; синтаксис це- левого языка определяется вместе с метамоделью графической модели. Данные трансформации разработаны на основе фреймворка Eclipse Modeling Framework [9], использующего для построения моделей метамодель Ecore. Она определяет, что модель состоит из экземпляров типа EClass, которые могут иметь атрибуты (экземпляры типа EAttribute) или ссылки на другие экземпляры EClass (через тип EReference). Наконец, атрибуты могут быть раз- личными экземплярами EDataType (например, целыми числами, строками, дей- ствительными числами и т. д.). Аналогичная технология для представления и обработки метамоделей – Meta-Object Facility (MOF) [10]. Тем не менее, метамодель EMF проще, чем ме- тамодель MOF с точки зрения понятий, свойств и внутренней структуры. Таким образом, отображение понятий EMF в понятия MOF может быть проведено от- носительно просто. Исходной при трансформационной разработке агентов может служить их ролевая модель (РМ). Предполагается что интеллектуальный агент обязывается выполнить одну или несколько ролей в течение своего жизненного цикла. Од- ной из особенностей разработки агентов является то, что виды деятельности агента связаны с ролью, а не с системой. Кроме того, после определения воз- можностей агентов и разложения их на простые деятельности, необходимо оп- ределить динамическую композицию из этих видов деятельности по каждой ро- ли таким образом, что агент достигает поставленной цели. Метамодель ролевой модели определяет понятие Роль, которое ссылается на следующие понятия: • деятельность, которая включает два атрибута, имя (название) и функцио- нальность (описание того, что эта деятельность делает); ТРАНСФОРМАЦИОННЫЙ ПОДХОД К РАЗРАБОТКЕ АДАПТИВНЫХ … Компьютерная математика. 2011, № 1 71 • возможность, относящаяся к направлениям деятельности, на которые она ссылается, достигающим высокоуровневой цели; • протокол, которому приписывается имя. Трансформация ролевой модели (РМ) в выходную модель – автоматизиро- ванная задача, которая создает несколько начальных моделей МВУ на основе ранее созданной РМ, по одной для каждой роли. Для разработки трансформации модель-модель (M2M) использован язык Query/View/Transformation (QVT). Многие методологии разработки (Tropos или INGENIAS [1, 2]) навязывают специфические ментальные модели агента. В отличие от этого, модель внутри- агентного управления (МВУ) основана на нечетких схемах состояний и не дела- ет никаких дополнительных предположений о таких аспектах как модель ком- муникации, процесс вывода или ментальное состояние (например, убеждение- желание-намерение) агентов. Метамодель МВУ (рис. 1) определяет понятие Модель, которая включает нечеткие состояния, переходы и значения. Имена модели должны удовлетворять современному формату пространства имен пакетов Java или C#. Нечеткие со- стояния содержат следующие атрибуты: имя узла, тип узла, соответствующий типу состояния в схеме состояний, как правило, один из И, ИЛИ, НАЧАЛО, КОНЕЦ, метка узла, и деятельность, связанная с узлом. Состояния и переходы также ссылаются на нечеткие значения, которые в свою очередь включают атрибут «значение» в диапазоне [0, 1]. Следующим по- нятием, определенным в этой метамодели, является «Переход», который, кроме ссылки на нечеткое значение, включает также следующие атрибуты: • имя – обычно в форме <метка исходного узла> <метка целевого узла> • выражение перехода (ВП), через которое определяется основная управ- ляющая информацию в МВУ. Это выражение содержит условия и события, ко- торые делают переход возможным. Кроме того, может быть использовано полу- чение или передача сообщений между агентами (в случае взаимодействующих агентов); • источник (исходное состояние), цель (целевое состояние). Таким образом, каждая модель МВУ уточняется, определением условий и события приема / передачи сообщений, которые позволят переходы от одной деятельности (задачи) к другой. Модель МВУ задается нечеткой схемой переходов, представленной нечет- ким мультиграфом ( , , , )GG Q T= µ Σ , где 1 2{ , ,..., }nQ q q q= – множество со- стояний (вершин графа), 1q – начальное состояние; 1 2{ , ,..., }nT t t t= – множест- во переходов (дуг) графа; : [0,1]G Tµ → – функция принадлежности переходов данной схеме; : T AΣ → – функция разметки переходов событиями из некото- рого конечного алфавита событий (сообщений) A. С.В. ЕРШОВ Компьютерная математика. 2011, № 1 72 Начальное Состояние Модель имя Переход ВП имя 0..0.. переходы Состояние имя тип метка деятельность 0..0.. состояния 11 целевое 11исходное Нечеткое Значение значение 1 1 принадлежность 1 принадлежность 1 РИС. 1. Метамодель внутриагентного управления Способ представления принадлежностей переходов фактически определяет структура нечеткой схемы переходов. Пусть такая схема включает n состояний, степень принадлежности ее переходов может быть представлена в виде трех- мерной матрицы P= 11 12 1 21 22 2 1 2 , ,..., , ,..., ................... , ,..., n n n n nn p p p p p p p p p             , (1) где 1 2[ , ,..., ]m ij ij ij ijp = µ µ µ – вектор степени принадлежности переходов между вер- шинами i и j, размеченных соответственно символами ka , причем [0,1]k ijµ ∈ и символы в разметке не повторяются. Ненулевые значения ijµ соответствуют переходам состояний ( , , )k k j i ij ijq q a= δ µ , в то время как ijµ = 0 означает, что меж- ду двумя состояниями перехода нет. Правильная схема переходов должна удов- летворять следующему условию: в одном и том же векторе символы событий отличаются друг от друга ( k la a≠ для всех k l≠ ) и принадлежат конечному алфавиту событий A. Определим нечеткое (размытое) состояние как вектор пар 1 1 2 2[ , ( ) , , ( ) ,..., , ( ) ]n nQ q q q q q q= < µ > < µ > < µ > , (2) второй компонент которых ( )iqµ – степень принадлежности агента данному состоянию. Реакцией (выполнением) схемы переходов в ответ на наступление события ka является новое состояние ТРАНСФОРМАЦИОННЫЙ ПОДХОД К РАЗРАБОТКЕ АДАПТИВНЫХ … Компьютерная математика. 2011, № 1 73 1 1 2 2[ , ( ) , , ( ) ,..., , ( ) ]Q P Q P Q P n Q P nQ q q q q q q⊗ ⊗ ⊗ ⊗= < µ > < µ > < µ > , такое, что ( ) max{ ( ) * }k i j jiq qµ = µ µ ( , ( )j jq q Q∀ < µ >∈ ). Последовательное выполнение (поведение), задаваемое парой событий ka , la и схемой нечетких переходов, соответствует max-* композиции нечетких отношений P P⊗ : max{ * } ( , , 1,... )k l k l ij ir rj ir ir rj rjp p r nµ = µ µ ∀µ ∈ µ ∈ = . Деятельности, задаваемые схемой с n состояниями, непосредственно пред- ставлены вектором D=[d1, d2, … , dn], где jd является деятельностью, выполняемой в j-м состоянии. Как правило, вы- полняется только деятельность, степень принадлежности состояния которой наибольшая среди всех состояний. Таким образом, любая нечеткая схема переходов c n состояниями может быть представлена матрицей принадлежности nn (1) и вектором состояния (2). Одна из интересных возможностей настройки нечеткой схемы переходов – возможность ее обучения на основе представленных примеров и специально разработанной эволюционной стратегии. В настоящее время известно несколько эволюционных стратегий (ЭС). Два наиболее широко используемых подхода к ЭС обозначаются как )( λ+µ и ),( λµ [7]. Первый выбирает µ лучших особей (закодированных решений зада- чи) как среди µ родителей, так и λ потомков в качестве родителей следующего поколения, а второй выбирает лучшие µ особи только из λ потомков. Считает- ся, что стратегия ),( λµ превосходит )( λ+µ , поскольку ),( λµ имеет большую вероятность достижения глобального оптимума. Разработанный алгоритм ЭС задан с использованием следующих обозначений: ( , ) ( , , , , , , )I m s fµ λ = µ λ σ , где I – вектор действительных чисел, представляющих особи в популяции; µ и λ – количество родителей и потомков соответственно; σ является пара- метром для управления шагом; m представляет собой оператор мутации, яв- ляющийся основным оператором в механизме ЭС. При этом изменяются (мути- руют) не только векторы, задающие особей, но и параметр σ , определяющий размер шага. Параметр s означает метод выбора (в данном случае родители бу- дут выбраны только из λ потомков); f – целевая функция, значение которой должно быть сведено к минимуму. Параметр управления размером шага эволюции принадлежности изменяется пропорционально расстоянию между пригодностью cf , порожденной лучшим текущим представителем в популяции и его ожидаемым значением ef : С.В. ЕРШОВ Компьютерная математика. 2011, № 1 74 ,e c c f f f −δ = τ где τ – константа. Эволюция матрицы переходов осуществляется следующим образом. Слу- чайным образом генерируется целое число: [( * rand(0,1)]h = δ , генерация повторяется, пока оно не станет таким, что 0 h n≤ ≤ ; это значение представляет количество строк, которые должны быть изменены. При этом rand(0,1) – слу- чайное значение, генерируемое в интервале [0, 1], [х] – округление полученного значения х до ближайшего целого. Параметр δ управляет размером шага мута- ции матрицы принадлежности: если текущая пригодность находится далеко от ожидаемой, δ является большим и, следовательно, больше шаг мутации матрицы. Чтобы избежать слишком ранней остановки ЭС, положим [ * rand(0, 1)] 1h = δ + , когда 1 2ce f e< < . Наконец, когда 1cf e< , начинается процесс тонкой настройки: • случайным образом генерируется целочисленный вектор 1( ),jB b= 1,...j h= , где 1 1(1 )j jb b n≤ ≤ представляют собой индекс строки для после- дующей мутации на j-м шаге; • аналогично генерируется вектор 1( ), 1,...jC c j h= = , j-й элемент 1 1(1 )j jc d n≤ ≤ указывает, что вектор в колонке 1jc и строке 1 jb коммутирует с первым ненулевым вектором в той же строке; • соответствующие элементы матрицы принадлежности заменяются в со- ответствии с индексами, полученными выше. Приведем пример для иллюстрации оператора мутации: пусть ( ),ijP p= n=5, h=2, B=[2 4], 3 2 C  =     , тогда мутация включает два этапа: 23p обменивает- ся с первым ненулевым элементом в строке 2 и 42p коммутирует с первым не- нулевым вектором в строке 4. Вектор начального состояния эволюционирует следующим образом: ( ) ( )( ) * rand(0, 1), , 1, 2,..., ,i iq q i n′µ = µ + − η =⋯ (3) причем знак в формуле (3) выбирается случайным образом, а η – параметр управления размером шага. Если измененное значение принадлежности вне ожидаемого диапазона, повторяется следующий процесс, пока не станет выпол- няться 0 ( ) 1iq′≤ µ ≤ : если ( ) 1iq′µ > , то ( ) ( ) * rand(0,1)i iq q′µ = µ − η , если ( ) 0iq′µ < , то ( ) ( ) * rand(0,1)i iq q′µ = µ + η . ТРАНСФОРМАЦИОННЫЙ ПОДХОД К РАЗРАБОТКЕ АДАПТИВНЫХ … Компьютерная математика. 2011, № 1 75 Пригодность нечетких схем переходов оценивается по двум критериям при- годности, которые оценивают: согласованность выполнения нечеткой схемы пе- реходов с обучающими примерами ( )Ef и степень обобщения сгенерированной схемы ( ) :gf ( )2 1 , N E i i i f T O = = −∑ где Ti – желаемое значение принадлежности i-го примера; Oi – фактическое зна- чение, когда последовательность событий i-го примера используется для выпол- нения сгенерированной схемы переходов; N – количество обучающих примеров. gf = K/V, где К – число строк в проверочных примерах, которое схемы переходов могут правильно распознать; V – количество тестовых примеров. Приспособленность порожденных схем переходов оценивается следующей целевой функцией: ,E gf f f= α − β где α – пропорциональный коэффициент согласованности; β – коэффициент способности обобщения в функции пригодности. Наглядной иллюстрацией данного подхода служит разработка модели МВУ агента-координатора для осуществления протокола «контрактной сети» [8], ис- пользуемого при разработке мультиагентных систем для закупки / продажи ма- териальных ценностей. Нечеткая схема переходов, служащая основой для созда- ния МВУ, содержит состояния, три из которых (q1, q2 и q3) соответствуют неза- вершенному статусу взаимодействия агентов, остальные – различным итогам завершенного взаимодействия. Использованы следующие сообщения: cfp – по- ступление заявки, refuse – отказ от обслуживания заявки, propose – ответное предложение, уточняющее способ удовлетворения заявки, cancel – отмена об- служивания, reject – отклонение предложенной заявки, accept – принятие пред- ложения, failure – невозможность выполнения принятой заявки, inform – заклю- чение соглашения. Для обучения нечеткой схемы переходов использовалось множество из 80 примеров, причем первые 40 примеров использовались для оценки согласован- ности, а остальные – для получения степени обобщения. Примеры поведения агента отсортированы в зависимости от их длины. Любой пример состоит из па- ры ( , ( ))i iP qµ , где iP – последовательность, образованная символами алфавита событий A, а ( )iqµ – степень принадлежности результирующего состояния iq нечеткому состоянию, получаемому после выполнения схемы переходов. Цель обучения – используя ЭС найти полную нечеткую схему переходов, наиболее адекватно соответствующую приведенным примерам. При этом ис- пользовались следующие параметры ЭС: количество родителей µ=4, каждый из С.В. ЕРШОВ Компьютерная математика. 2011, № 1 76 родителей генерирует 7 потомков; константа τ имеет значение 0,2; управляю- щие параметры e1 = 0,5; e2 = 5,3; размер шага управления мутации выхода h = 0,08; соразмерные коэффициенты α =1, β =0,3; ожидаемая пригодность установлена в 51,7 10−× . На рис. 2, а показана эволюция приспособленности для каждого из 63 поколений. В поколении 63 выполнение порожденной схемы пе- реходов почти полностью соответствует всем обучающим примерам и тестовым проверкам. На рис. 2, б показана эволюция степени обобщения. Результирующая схема переходов после обучения показана на рис. 3. Независимые от платформы модели МВУ должны быть преобразованы в за- висимую от платформы модель и исполняемый код. Трансформация МВУ в код агента для целевой платформы – автоматизированное преобразование «модель- текст», создающее класс агента на языке С++ (или на языке Java) и несколько классов Behaviour для каждой модели МВУ. В качестве целевых платформ вы- полнения сгенерированных мультиагентных систем используются кластерная система СКИТ-3 и платформа JADE. Для разработки трансформаций в платформнозависимый код был использо- ван язык Xpand, предлагаемый платформой Eclipse. Преимущество Xpand – это то, что он является независимым от исходной модели, т. е. любая из программ- парсеров может быть использована для общих моделей программного обеспече- ния, таких как MOF или EMF. Такая трансформация генерирует методы поведе- ния агента для получения и отправки сообщений и композитные поведения нечет- кой схемы переходов, которые координируют выполнение простых поведений. а б РИС. 2. Эволюция значения приспособленности – а; эволюция степени обобщения как фактора приспособленности – б ТРАНСФОРМАЦИОННЫЙ ПОДХОД К РАЗРАБОТКЕ АДАПТИВНЫХ … Компьютерная математика. 2011, № 1 77 q1 q2 q3 q4 q5 q6 q7 q8 cfp 0,98 failure 0,07 inform 0,83 accept 0,78 reject 0,17 cancel 0,02 propose 0,42 propose 0,86 refuse 0,37 cancel 0,06 refuse 0,24 РИС. 3. Нечеткая схема переходов, полученная на основе эволюционной стратегии Выводы. Таким образом, предложен трансформационный подход к разра- ботке интеллектуальных агентов на основе моделей нечетких схем переходов. В рамках моделе-ориентированной архитектуры разработаны основные пре- образования, позволяющие сгенерировать нечеткие платформно-независимые модели внутриагентного управления. Создана эволюционная стратегия, позво- ляющая настроить значения принадлежности нечеткой схемы переходов, и по- строены критерии оценки степени соответствия таких схем обучающим примерам. Предложенный трансформационный подход охватывает все основные фазы разработки мультиагентных систем (от требований до реализации), переход од- ной фазы в другую осуществляется с помощью преобразований моделей, основу которых составляют нечеткие схемы. В результате модели каждой из фаз обо- гащают информацией, постепенно приводящей к реализации адаптивных интел- лектуальных агентов. С.В. Єршов ТРАНСФОРМАЦІЙНИЙ ПІДХІД ДО РОЗРОБКИ АДАПТИВНИХ ІНТЕЛЕКТУАЛЬНИХ АГЕНТІВ НА ОСНОВІ НЕЧІТКИХ СХЕМ ПЕРЕХОДІВ Розглядається трансформаційний підхід до розробки інтелектуальних агентів на основі моде- лей нечітких схем переходів. Описано основні перетворення, що дозволяють згенерувати нечіткі платформно-незалежні моделі внутрішньоагентного управління. Розроблена еволю- ційна стратегія, що дозволяє настроїти значення належності нечіткої схеми переходів. Побу- довано критерії для оцінки ступеня відповідності таких схем навчальним прикладам. С.В. ЕРШОВ Компьютерная математика. 2011, № 1 78 S.V. Yershov TRANSFORMATIONAL APPROACH TO DEVELOPING ADAPTIVE INTELLIGENT AGENTS BASED ON FUZZY TRANSITION SCHEMES Transformational approach to developing intelligent agents models based on fuzzy transition schemes is considered. Basic transformations that allow to generate fuzzy platform-independent models for intra-agent control are described. An evolutionary strategy to adapt the membership val- ues of fuzzy transition scheme is developed. Criteria for evaluation of degree of adequacy of such schemes to learning examples is constructed. 1. Perini А., Susi A. Automating model transformations in agent-oriented modeling // Agent- oriented software engineering VI. Lecture notes in computer science. – Springer, 2006. – P. 167–178. 2. Pavon J., Gomez-Sanz J. Agent-oriented software engineering with INGENIAS // Multi-agent system and applications III. Lecture notes in computer science. – Springer, 2003. – P. 8–38. 3. Парасюк И.Н., Ершов С.В. Нечеткие модели мультиагентных систем в распределенной среде // Проблеми програмування. – 2010. – № 2–3. – C. 330–339. 4. Парасюк И.Н., Ершов С.В. Моделе-ориентированная архитектура нечетких мультиагент- ных систем // Компьютерная математика. – 2010. – № 2. – C. 139–149. 5. Ершов С.В. Принципы построения нечетких мультиагентных систем в распределенной среде // Там же. – 2009. – № 2. – C. 54–61. 6. Sendall S., Kozaczynski W. Model transformation: the heart and soul of model-driven software development // IEEE Software. – 2003. – 20, N 5. – P. 42–45. 7. Beyer H.-G., Schwefel H.-P. Evolution Strategies: A Comprehensive Introduction // J. Natural Computing. – 2002. – 1, N 1. – P. 3–52. 8. Wooldridge M.J. An Introduction to Multiagent Systems. – Cambridge: MIT Press, 2002. – 366 p. 9. Eclipse Modeling Framework. – http://wiki.eclipse.org/EMF/ 10. OMG MetaObject Facility. – http://www.omg.org/mof/ Получено 10.11.2010 Îá àâòîðå: Ершов Сергей Владимирович, кандидат физико-математических наук, старший научный сотрудник Института кибернетики имени В.М. Глушкова НАН Украины. sershv@ukr.net
id	nasplib_isofts_kiev_ua-123456789-84608
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
issn	ХХХХ-0003
language	Russian
last_indexed	2025-12-07T17:39:55Z
publishDate	2011
publisher	Інститут кібернетики ім. В.М. Глушкова НАН України
record_format	dspace
spelling	Ершов, С.В. 2015-07-11T16:53:46Z 2015-07-11T16:53:46Z 2011 Трансформационный подход к разработке адаптивных интеллектуальных агентов на основе нечетких схем переходов / С.В. Ершов // Компьютерная математика: сб. науч. тр. — 2011. — № 1. — С. 69-78. — Бібліогр.: 10 назв. — рос. ХХХХ-0003 https://nasplib.isofts.kiev.ua/handle/123456789/84608 681.3.06 Рассматривается трансформационный подход к разработке интеллектуальных агентов на основе моделей нечетких схем переходов. Описаны основные преобразования, позволяющие сгенерировать нечеткие платформнонезависимые модели внутриагентного управления. Разработана эволюционная стратегия, позволяющая настроить значения принадлежности нечеткой схемы переходов. Построены критерии для оценки степени соответствия таких схем обучающим примерам. Розглядається трансформаційний підхід до розробки інтелектуальних агентів на основі моделей нечітких схем переходів. Описано основні перетворення, що дозволяють згенерувати нечіткі платформно-незалежні моделі внутрішньоагентного управління. Розроблена еволюційна стратегія, що дозволяє настроїти значення належності нечіткої схеми переходів. Побудовано критерії для оцінки ступеня відповідності таких схем навчальним прикладам. Transformational approach to developing intelligent agents models based on fuzzy transition schemes is considered. Basic transformations that allow to generate fuzzy platform-independent models for intra-agent control are described. An evolutionary strategy to adapt the membership values of fuzzy transition scheme is developed. Criteria for evaluation of degree of adequacy of such schemes to learning examples is constructed. ru Інститут кібернетики ім. В.М. Глушкова НАН України Компьютерная математика Инструментальные средства информационных технологий Трансформационный подход к разработке адаптивных интеллектуальных агентов на основе нечетких схем переходов Трансформаційний підхід до розробки адаптивних інтелектуальних агентів на основі нечітких схем переходів Transformational approach to developing adaptive intelligent agents based on fuzzy transition schemes Article published earlier
spellingShingle	Трансформационный подход к разработке адаптивных интеллектуальных агентов на основе нечетких схем переходов Ершов, С.В. Инструментальные средства информационных технологий
title	Трансформационный подход к разработке адаптивных интеллектуальных агентов на основе нечетких схем переходов
title_alt	Трансформаційний підхід до розробки адаптивних інтелектуальних агентів на основі нечітких схем переходів Transformational approach to developing adaptive intelligent agents based on fuzzy transition schemes
title_full	Трансформационный подход к разработке адаптивных интеллектуальных агентов на основе нечетких схем переходов
title_fullStr	Трансформационный подход к разработке адаптивных интеллектуальных агентов на основе нечетких схем переходов
title_full_unstemmed	Трансформационный подход к разработке адаптивных интеллектуальных агентов на основе нечетких схем переходов
title_short	Трансформационный подход к разработке адаптивных интеллектуальных агентов на основе нечетких схем переходов
title_sort	трансформационный подход к разработке адаптивных интеллектуальных агентов на основе нечетких схем переходов
topic	Инструментальные средства информационных технологий
topic_facet	Инструментальные средства информационных технологий
url	https://nasplib.isofts.kiev.ua/handle/123456789/84608
work_keys_str_mv	AT eršovsv transformacionnyipodhodkrazrabotkeadaptivnyhintellektualʹnyhagentovnaosnovenečetkihshemperehodov AT eršovsv transformacíiniipídhíddorozrobkiadaptivnihíntelektualʹnihagentívnaosnovínečítkihshemperehodív AT eršovsv transformationalapproachtodevelopingadaptiveintelligentagentsbasedonfuzzytransitionschemes

Трансформационный подход к разработке адаптивных интеллектуальных агентов на основе нечетких схем переходов

Institution

Similar Items