Модель интеллектуальных агентов, основанная на нечеткой логике высшего типа
Рассматривается модель поведения интеллектуальных агентов, функционирующих на основе нечеткой логики высшего типа. Разработана структура нечетких правил для достижения таких аспектов поведения группы агентов, как поддержка дистанции между агентами, согласования скоростей и обхода препятствий. Постро...
Збережено в:
| Опубліковано в: : | Компьютерная математика |
|---|---|
| Дата: | 2012 |
| Автор: | |
| Формат: | Стаття |
| Мова: | Російська |
| Опубліковано: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2012
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/84682 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Модель интеллектуальных агентов, основанная на нечеткой логике высшего типа / С.В. Ершов // Компьютерная математика: сб. науч. тр. — 2012. — № 1. — С. 10-16. — Бібліогр.: 7 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1860007981407535104 |
|---|---|
| author | Ершов, С.В. |
| author_facet | Ершов, С.В. |
| citation_txt | Модель интеллектуальных агентов, основанная на нечеткой логике высшего типа / С.В. Ершов // Компьютерная математика: сб. науч. тр. — 2012. — № 1. — С. 10-16. — Бібліогр.: 7 назв. — рос. |
| collection | DSpace DC |
| container_title | Компьютерная математика |
| description | Рассматривается модель поведения интеллектуальных агентов, функционирующих на основе нечеткой логики высшего типа. Разработана структура нечетких правил для достижения таких аспектов поведения группы агентов, как поддержка дистанции между агентами, согласования скоростей и обхода препятствий. Построены критерии позволяющие оценить эффективность поведения группы агентов по согласованию дистанций и скоростей.
Розглядається модель поведінки інтелектуальних агентів, що функціонують на основі нечіткої логіки вищого типу (типу 2). Розроблено структуру нечітких правил для досягнення таких аспектів поведінки групи агентів, як підтримка дистанції між агентами, узгодження швидкостей і обходу перешкод. Побудовано критерії, які дозволяють оцінити ефективність поведінки групи агентів стосовно погодження дистанцій та швидкостей.
A model of behavior of intelligent agents, operating on the basis of higher type (type 2) fuzzy logic, is considered. To describe such aspects of behavior of agent group as a distance between them, velocity matching, and obstacle avoidance, a structure of fuzzy rules is developed. Criteria for estimating efficiency of the behavior of the group of agents with respect to distances and velocities are created.
|
| first_indexed | 2025-12-07T16:40:11Z |
| format | Article |
| fulltext |
10 Компьютерная математика. 2012, № 1
Рассматривается модель поведе-
ния интеллектуальных агентов,
функционирующих на основе не-
четкой логики высшего типа.
Разработана структура нечет-
ких правил для достижения таких
аспектов поведения группы аген-
тов, как поддержка дистанции
между агентами, согласования
скоростей и обхода препятствий.
Построены критерии позволяю-
щие оценить эффективность
поведения группы агентов по со-
гласованию дистанций и скоро-
стей.
С.В. Ершов, 2012
УДК 681.3.06
С.В. ЕРШОВ
МОДЕЛЬ ИНТЕЛЛЕКТУАЛЬНЫХ
АГЕНТОВ, ОСНОВАННАЯ
НА НЕЧЕТКОЙ ЛОГИКЕ
ВЫСШЕГО ТИПА
В настоящее время большое внимание уделя-
ется методам представления знаний с помо-
щью нечеткой логики высшего типа. Соглас-
но таким методам, степень принадлежности
нечеткому множеству уже не выражается
одним вещественным числом, а имеет нечет-
кий характер. Понятие нечеткого множества
высшего типа (типа 2) ввел Заде в [1]. Ос-
новные понятия, характеризующие нечеткую
логику высшего типа, то есть функции и сте-
пени принадлежности второго типа, а также
понятие следа неопределенности предложил
Мендель [2]. Совершенно новую структуру
интервальной нечеткой логики типа 2 пер-
выми разработали Карник, Мендель и Лианг
[3]. Однако, создание интеллектуальных
агентов, использующих преимущества тако-
го типа нечеткой логики требует разработки
моделей коллективного поведения группы
агентов и методов оценивания ее эффектив-
ности. Особенно актуальна данная задача
при исследовании эффективности процессов
эвакуации людей в чрезвычайных ситуациях,
поведения транспортных средств в условиях
неопределенности (неполной информации) и
ряда других процессов.
Цель настоящей работы – исследование
и обоснование модели интеллектуальных
агентов с использованием нечеткой логики
высшего типа, что позволит правильно
учесть повышенную степень неопределен-
ности фактов и представлений (убеждений)
при моделировании структуры и группо-
вого поведения интеллектуальных агентов
МОДЕЛЬ ИНТЕЛЛЕКТУАЛЬНЫХ АГЕНТОВ, ОСНОВАННАЯ …
Компьютерная математика. 2012, № 1 11
в нечеткой среде. Перечисленные проблемы тематически вписываются в дальней-
шее развитие исследований в направлении становления моделе-ориентированных
архитектур мультиагентных систем в нечетком представлении [4–6].
Рассмотрим группу, состоящую из n агентов, поведение которой в m-мерном
пространстве может быть задано следующими уравнениями движения:
( )( ) ( ), ( 1) ,i i ip t f v t p t= −
( )( ) ( ), ( 1) ,i i iv t g u t v t= − (1)
где ( ), ( ) m
i ip t v t ∈R – вектор положения и скорости агента і, соответственно,
а ( ) m
iu t ∈R – рассматриваемый далее вектор воздействия на агент i. Предпола-
гается, что все агенты полностью задействованы и могут взаимодействовать
друг с другом. Состояния всех n агентов можно объединить в три вектора:
1[ ,..., ] ,nm
np p p= ∈R 1[ ,..., ] nm
nv v v= ∈R и 1[ ,..., ] .nm
nu u u= ∈R
Обозначим ( )p t% и ( )v t% требуемое положение и скорость для центра группы
агентов. Для дальнейшего определения нужного положения и скорости ко всем
агентам в группе применяется следующее выражение:
1 2( ) ( ),i i iu c p p c v v= − − − −% % % (2)
где c1 и c2 – коэффициенты обратной связи, которые можно представить в виде
n-мерных диагональных матриц. При использовании воздействия ( ),u t% все аген-
ты принадлежащие к одной и той же группе следуют требуемой траектории.
Центр группы может быть представлен средним значением всех состояний, т. е.
1
( )
,
n
i
i
c
p t
p
n
==
∑
1
( )
.
n
i
i
c
v t
v
n
==
∑
(3)
Из уравнений (1)–(3) cледует, что управляющее воздействие для центра
группы имеет следующий вид:
1 2( ) ( )c c cu c p p c v v= − − − −% % % .
Тогда поведение центра группы может быть представлено как:
( )( ) ( ), ( 1)c c cp t f v t p t= − ,
( )( ) ( ), ( 1)c c cv t g u t v t= −% .
Рейнольдсом [7] была предложена модель для характеризации коллективно-
го поведения группы агентов, действующих по принципу «держаться вместе».
Такая модель состоит из трех следующих эвристических правил: правила спло-
чения (cohesion), определения степени разделения (separation) и согласования
скоростей.
В данной работе разработаны не только три правила Рейнольдса, но и пове-
дение для обхода препятствий посредством трех интервальных систем нечетких
правил (СНП) 2-го типа для достижения поведения по принципу «держаться
С.В. ЕРШОВ
Компьютерная математика. 2012, № 1 12
вместе» в среде с препятствиями. Два эвристических правила Рейнольдса, а
именно правила сплочения и определения степени разделения можно предста-
вить в виде одной СНП для согласования интервалов. При этом для представле-
ния всех трех СНП (для согласования интервалов, согласования скоростей и,
соответственно, обхода препятствий) используются трапециевидные интерваль-
ные нечеткие множества типа-2.
Для моделирования поведения по принципу «держаться вместе» разработа-
ны три СНП, соответствующие каждому из типов составного поведения. Каждая
СНП получает четкий вход и затем вырабатывает управляющие воздействия 1
iu ,
2
iu и 3 .iu Для определения перемещения каждого агента на следующем шаге
в качестве iu в (1) используется сумма векторов управляющих воздействий, в
том числе iu% , задаваемый выражением (2). Таким образом, окончательно функ-
ция воздействия iu определяется как 1 2 3
i i i iu u u u+ + + % .
СНП для поддержания интервала заставляет агентов собираться вокруг цен-
тра группы при сохранении постоянного расстояния между агентами, чтобы из-
бежать столкновений с близлежащими агентами.
Для представления отклонения дистанции между агентами от необходимой
разработано восемь трапециевидных нечетких множеств 2-го типа, след неопре-
деленности каждого из которых задает неопределенностью данных от датчиков:
НБ (негативное большое), Н (негативное), НН (негативное небольшое), O (от-
сутствует), ПН (позитивное небольшое), П (позитивное), ПБ (позитивное боль-
шое) и ОБ (очень большое). Восемь нечетких правил для такого типа поведения
можно представить следующим образом:
ЕСЛИ ( 2 2
ijr d− ) = НБ, ТО ijk = Большая СО
ЕСЛИ ( 2 2
ijr d− ) = Н, ТО ijk = Средняя СО
ЕСЛИ ( 2 2
ijr d− ) = НН, ТО ijk = Небольшая СО
ЕСЛИ ( 2 2
ijr d− ) = O, ТО ijk = Отсутствует
ЕСЛИ ( 2 2
ijr d− ) = ПН, ТО ijk = Небольшая СП
ЕСЛИ ( 2 2
ijr d− ) = П, ТО ijk = Средняя СП
ЕСЛИ ( 2 2
ijr d− ) = ПБ, ТО ijk = Большая СП
ЕСЛИ ( 2 2
ijr d− ) = ОБ, ТО ijk = Очень Большая СП
где ijr – текущее расстояние между агентами i и j, а d – необходимое (безопас-
ное) расстояние между двумя агентами. Функция воздействия на агент i, которая
учитывает взаимодействия со всеми агентами в группе задается следующим
образом:
МОДЕЛЬ ИНТЕЛЛЕКТУАЛЬНЫХ АГЕНТОВ, ОСНОВАННАЯ …
Компьютерная математика. 2012, № 1 13
1( ) ( ),
n
i ij i j
i
u t k p p= − −∑ (4)
где 1[ ,..., ]s n
i i ink k k= ∈R – вектор, вырабатываемый системой нечетких правил.
Функция воздействия применяется ко всем агентам в группе, т. е., если нечеткий
вход 2 2
ijr d− принимает отрицательное значение, то на агенты действует сила
отталкивания (СО); наоборот, если значение входа становится положительным,
то на агенты действует сила притяжения (СП). Таким образом, агенты в группе
могут собираться вместе без столкновений друг с другом.
Для оценивания степени, в которой поведение агентов соответствует прин-
ципу поддержания интервала, введем следующую функцию для группы агентов:
1
( ) ( ),
n n
i j
i j
P p p p d
=
= ψ − −∑∑ (5)
где 2( ) ,x xψ = i jp p− – модуль вектора разницы положения агентов i и j
в пространстве. Чем меньше значение функции (5), тем стабильнее становится
группа агентов.
СНП для согласования скоростей предназначена для выравнивания скорости
каждого агента по отношению к остальным. Для определения выходного значе-
ние v
ijk СНП использует только одно четкое входное значение i jv v− модуля
вектора разницы скоростей агентов i и j. Для этой СНП, входные и выходные
функций принадлежности (след нечеткости которых показан на рис. 1) прини-
мают значения Отсутствует, Средняя, Большая. Три простых нечетких правила
представлены следующим образом:
ЕСЛИ i jv v− = Отсутствует, ТО ijk = Отсутствует
ЕСЛИ i jv v− = Средняя, ТО ijk = Средняя
ЕСЛИ i jv v− = Большая, ТО ijk = Большая.
1 1
0
0
0
0 1 1 2 3 4 5 0,2 0,4 0,6 0,8
Отсутствует Средняя Большая Отсутствует Средняя Большая
а б
РИС. 1. Функции принадлежности для согласования скоростей: a – входные, б – выходные
С.В. ЕРШОВ
Компьютерная математика. 2012, № 1 14
Функция управления агента і для согласования скоростей следующая:
2 ( ) ( ),
n
v
i ij i j
i
u t k v v= − −∑ (6)
где 1[ ,..., ]v n
i i ink k k= ∈R – вектор, вырабатываемый системой нечетких правил.
С помощью этой функции управления агент стремится выравнять свою скорость
по отношению к другим агентам, имеющим с ним большую разницу скоростей.
Для измерения степени выравнивания скорости используется следующая
функция отклонения скоростей:
( )
1
( )
n n
i j
i j
V v v v
=
= ψ −∑∑ .
Если скорость ( )iv t достигает средней скорости всех агентов в группе, на-
правление их движения и модуль вектора скорости будет примерно одинаковы и
функция отклонения скоростей ( )V p обращается в нуль.
Поведение обхода препятствий необходимо для безопасной навигации
в среде с препятствиями. При разработке СНП 2-го типа предполагается, что
препятствия являются неподвижными и каждый агент может определить рас-
стояние от агента до препятствия, когда препятствие находится в пределах мак-
симального определяемого расстояния maxd . При этом предположении, диапа-
зон значений датчика представлен тремя интервального нечеткими множества-
ми типа-2: Отсутствует, Близко и Далеко. Консеквенты правил включают три
нечетких множества: Отсутствует СО (сила отталкивания), Малая СО, Большая
СО. Три простых нечетких правила представлены следующим образом:
ЕСЛИ id = Отсутствует, ТО ijk = Отсутствует СО
ЕСЛИ id = Близко, ТО ijk = Малая СО
ЕСЛИ id = Далеко, ТО ijk = Большая СО.
Функция управления i-го агента для обхода препятствий 3
iu вычисляется
аналогично (4) и (6). Если расстояние между агентом и препятствием становится
меньше, то на агент воздействует большая сила отталкивания от препятствия.
Таким образом, СНП типа-2 приводит к избеганию препятствий агентом.
При моделировании использовалась группа из 12 агентов, перемещающихся
на плоскости (т. е. m = 2). Позиции и вектора скоростей всех агентов доступны
любому агенту, принадлежащему группе для согласования интервалов (4),
МОДЕЛЬ ИНТЕЛЛЕКТУАЛЬНЫХ АГЕНТОВ, ОСНОВАННАЯ …
Компьютерная математика. 2012, № 1 15
согласования скоростей (6) и обхода препятствий. Позиции и скорости агентов
изначально заданы в ограниченном диапазоне случайных чисел. Следующие па-
раметры оставались неизменными при моделировании: d = 0,3 для интервалов,
maxd = 1 для обхода препятствий, c1, c2= 1 для отслеживания заданной траекто-
рии. Такая траектория, которой должен следовать центр группы, представлена
следующей прямой:
( ) [0,5 , 0]p t t=% .
Поведение группы агентов, задаваемое с помощью СНП типа-2 сравнива-
лось с аналогичным поведением агентов, порождаемых на основе обычных не-
четких правил (типа-1). При использовании СНП 2-го типа агенты выполняют
обход препятствий более плавно, чем при использовании обычных правил,
с меньшим средним отклонением от центра группы. Что касается функции под-
держания интервала (5), ее значения для СНП типа 2 в среднем меньше, чем для
СНП 1-го типа. Кроме того, значение степени отклонения скоростей агентов,
управляемых тремя СНП типа 2 меньше чем для соответствующих им обычных
нечетких правил.
Выводы. Таким образом, предложена модель интеллектуальных агентов,
функционирующих на основе нечеткой логики высшего типа. Разработана
структура нечетких правил для достижения таких аспектов поведения группы
агентов, как поддержание дистанции между агентами, согласования скоростей и,
соответственно, обхода препятствий. Поведение группы агентов, задаваемое
с помощью нечеткой логики высшего типа более адекватно по отношению к
критериям согласования дистанции и скоростей чем поведение, порождаемое
на основе обычных нечетких правил.
С.В. Єршов
МОДЕЛЬ ІНТЕЛЕКТУАЛЬНИХ АГЕНТІВ,
ЩО ГРУНТУЮТЬСЯ НА НЕЧІТКІЙ ЛОГІЦІ ВИЩОГО ТИПУ
Розглядається модель поведінки інтелектуальних агентів, що функціонують на основі нечіт-
кої логіки вищого типу (типу 2). Розроблено структуру нечітких правил для досягнення таких
аспектів поведінки групи агентів, як підтримка дистанції між агентами, узгодження швидкос-
тей і обходу перешкод. Побудовано критерії, які дозволяють оцінити ефективність поведінки
групи агентів стосовно погодження дистанцій та швидкостей.
S.V. Yershov
MODEL OF INTELLIGENT AGENTS BASED ON A FUZZY LOGIC OF HIGHER TYPE
A model of behavior of intelligent agents, operating on the basis of higher type (type 2) fuzzy logic,
is considered. To describe such aspects of behavior of agent group as a distance between them, ve-
locity matching, and obstacle avoidance, a structure of fuzzy rules is developed. Criteria for estimat-
ing efficiency of the behavior of the group of agents with respect to distances and velocities are
created.
С.В. ЕРШОВ
Компьютерная математика. 2012, № 1 16
1. Zadeh L.A. The concept of a linguistic variable and its application to approximate reasoning //
Information Sciences. – 1975. – Vol. 8, N 8. – P. 199 –249.
2. Mendel J.M., John R.I. Type-2 sets made simple // IEEE Trans. on Fuzzy Systems. – 2002. –
Vol. 10, N 2. – P. 117–127.
3. Karnik N.N., Mendel J.M., Liang Q. Type-2 fuzzy logic system // IEEE Trans. on Fuzzy Sys-
tems. – 1999. – Vol. 7, N 6. – P. 643–658.
4. Парасюк И.Н., Ершов С.В. Нечеткие модели мультиагентных систем в распределенной
среде // Проблеми програмування. – 2010. – № 2–3. – C. 330 – 339.
5. Парасюк И.Н., Ершов С.В. Моделе-ориентированная архитектура нечетких мультиагент-
ных систем // Компьютерная математика. – 2010. – № 2. – C. 139 – 149.
6. Ершов С.В. Принципы построения нечетких мультиагентных систем в распределенной
среде // Там же. – 2009. – № 2. – C. 54 – 61.
7. Reynolds C.W. Flocks, herds and schools: a distributed behavioural model Automating model
transformations in agent-oriented modeling // Comput. Graph. – 1987. – Vol. 21, N 4. –
P. 25 – 34.
Получено 17.12.2011
Об авторе:
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-123456789-84682 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | ХХХХ-0003 |
| language | Russian |
| last_indexed | 2025-12-07T16:40:11Z |
| publishDate | 2012 |
| publisher | Інститут кібернетики ім. В.М. Глушкова НАН України |
| record_format | dspace |
| spelling | Ершов, С.В. 2015-07-12T17:11:21Z 2015-07-12T17:11:21Z 2012 Модель интеллектуальных агентов, основанная на нечеткой логике высшего типа / С.В. Ершов // Компьютерная математика: сб. науч. тр. — 2012. — № 1. — С. 10-16. — Бібліогр.: 7 назв. — рос. ХХХХ-0003 https://nasplib.isofts.kiev.ua/handle/123456789/84682 681.3.06 Рассматривается модель поведения интеллектуальных агентов, функционирующих на основе нечеткой логики высшего типа. Разработана структура нечетких правил для достижения таких аспектов поведения группы агентов, как поддержка дистанции между агентами, согласования скоростей и обхода препятствий. Построены критерии позволяющие оценить эффективность поведения группы агентов по согласованию дистанций и скоростей. Розглядається модель поведінки інтелектуальних агентів, що функціонують на основі нечіткої логіки вищого типу (типу 2). Розроблено структуру нечітких правил для досягнення таких аспектів поведінки групи агентів, як підтримка дистанції між агентами, узгодження швидкостей і обходу перешкод. Побудовано критерії, які дозволяють оцінити ефективність поведінки групи агентів стосовно погодження дистанцій та швидкостей. A model of behavior of intelligent agents, operating on the basis of higher type (type 2) fuzzy logic, is considered. To describe such aspects of behavior of agent group as a distance between them, velocity matching, and obstacle avoidance, a structure of fuzzy rules is developed. Criteria for estimating efficiency of the behavior of the group of agents with respect to distances and velocities are created. ru Інститут кібернетики ім. В.М. Глушкова НАН України Компьютерная математика Математическое моделирование Модель интеллектуальных агентов, основанная на нечеткой логике высшего типа Модель інтелектуальних агентів, що грунтуються на нечіткій логіці вищого типу Model of intelligent agents based on a fuzzy logic of higher type Article published earlier |
| spellingShingle | Модель интеллектуальных агентов, основанная на нечеткой логике высшего типа Ершов, С.В. Математическое моделирование |
| title | Модель интеллектуальных агентов, основанная на нечеткой логике высшего типа |
| title_alt | Модель інтелектуальних агентів, що грунтуються на нечіткій логіці вищого типу Model of intelligent agents based on a fuzzy logic of higher type |
| title_full | Модель интеллектуальных агентов, основанная на нечеткой логике высшего типа |
| title_fullStr | Модель интеллектуальных агентов, основанная на нечеткой логике высшего типа |
| title_full_unstemmed | Модель интеллектуальных агентов, основанная на нечеткой логике высшего типа |
| title_short | Модель интеллектуальных агентов, основанная на нечеткой логике высшего типа |
| title_sort | модель интеллектуальных агентов, основанная на нечеткой логике высшего типа |
| topic | Математическое моделирование |
| topic_facet | Математическое моделирование |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/84682 |
| work_keys_str_mv | AT eršovsv modelʹintellektualʹnyhagentovosnovannaânanečetkoilogikevysšegotipa AT eršovsv modelʹíntelektualʹnihagentívŝogruntuûtʹsânanečítkíilogícíviŝogotipu AT eršovsv modelofintelligentagentsbasedonafuzzylogicofhighertype |