Cтраница 1
Мультиагентное управление позволяет координировать целенаправленную деятельность автономных агентов-роботов, планировать их поведение и взаимодействие, адаптироваться к изменяющейся среде и разрешать конфликты между агентами на стратегическом ( су-первизорном) уровне управления и коммуникации, т.е. посредством обмена информацией по компьютерным каналам связи. [1]
Значительный интерес для мультиагентного управления представляют также способы разрешения конфликтов на тактическом уровне, основанные на использовании мультиагентных экспертных правил дорожного движения и неиросетевых алгоритмов распознавания дорожных ситуаций в виртуальном пространстве. Эти правила должны быть обязательными для автономных СУ роботов или транспортных машин как агентов. [2]
Для проектирования мультиагентных СУ могут использоваться методы коллективного поведения автоматов, теория игр, способы кооперативного решения проблем на базе распределенного искусственного интеллекта, теория расписаний, методы оптимального планирования и адаптивного управления. При мультиагентном управлении PC каждый робот или машину можно рассматривать как интеллектуальный мехатронный объект с собственной базой данных и знаний, способный адаптироваться к заранее неизвестным или изменяющимся условиям функционирования в среде с препятствиями. Поэтому важное значение в теории мультиагентного управления имеют методы обучения и адаптации как отдельных роботов-агентов на тактическом ( локальном) уровне управления, так и МАРС в целом на стратегическом ( супервизорном) уровне управления. [3]
Задачи стратегического уровня обычно возлагаются на специального агента-координатора, а задачи тактического уровня параллельно решаются УС роботов как агентов. В результате мультиагентного управления значительно увеличивается надежность, адаптивность и быстродействие PC в изменяющейся среде с препятствиями. [4]
Рассмотрим основные этапы и перспективы развития робототехники, нейроинформатики и мультиагентных технологий с позиций системного анализа и теории нелинейного управления. При этом уделим особое внимание новым научным результатам в области теории ней-росетевого и мультиагентного управления и ее приложений в робототехнике и мехатронике. [5]
Например, в качестве маршрутизатора в компьютерной сети, связывающей локальные СУ агентов, можно использовать нейронные сети Хопфилда. Эти сети обеспечивают кратчайшие маршруты переговоров между агентами и параллельную обработку информации при мультиагентном управлении в реальном времени. [6]
Например, в качестве маршрутизатора в компьютерной сети, связывающей локальные СУ агентов, можно использовать нейронные сети Хопфилда. Эти сети обеспечивают кратчайшие маршруты переговоров между агентами и параллельную обработку информации при мультиагентном управлении в реальном времени. [7]
Для проектирования мультиагентных СУ могут использоваться методы коллективного поведения автоматов, теория игр, способы кооперативного решения проблем на базе распределенного искусственного интеллекта, теория расписаний, методы оптимального планирования и адаптивного управления. При мультиагентном управлении PC каждый робот или машину можно рассматривать как интеллектуальный мехатронный объект с собственной базой данных и знаний, способный адаптироваться к заранее неизвестным или изменяющимся условиям функционирования в среде с препятствиями. Поэтому важное значение в теории мультиагентного управления имеют методы обучения и адаптации как отдельных роботов-агентов на тактическом ( локальном) уровне управления, так и МАРС в целом на стратегическом ( супервизорном) уровне управления. [8]