stochastic game

Досліджується проблема координації та самоорганізації стратегій мультиагентних систем на основі моделі стохастичної гри виду «хижак – жертва» з локальними зв’язками між агентами. Розроблено ігровий рекурентний метод та алгоритм координації стратегій агентів під час мінімізації функцій середніх програшів. Виконано комп’ютерне моделювання стохастичної гри «хижак – жертва». Досліджено вплив параметрів моделі на збіжність ігрового методу.

Досліджено проблему кооперативного прийняття рішень у мультиагентних системах на основі моделі стохастичної гри з корельованими стратегіями. Сформульовано ігрову задачу, розроблено метод та алгоритм для її розв’язування. Наведено та проаналізовано результати комп’ютерного моделювання стохастичної гри з корельованими стратегіями.

Досліджується проблема ігрової самоорганізації розподіленої системи на прикладі розв’язування задачі побудови латинських квадратів. Суть самоорганізації полягає у перетворенні локально скоординованих стратегій гравців у глобальну координацію розв’язків стохастичної гри. Сформульовано ігрову задачу, розроблено метод та алгоритм її розв’язування, виконано комп’ютерне моделювання стохастичної гри для побудови ортогональних та звичайних латинських квадратів. Отримано та проана- лізовано характеристики самоорганізації стохастичної гри.

Досліджується проблема координації стратегій мультиагентних систем на основі моделі стохастичної гри з локальними зв’язками. Розроблено ігровий рекурентний метод та алгоритм формування узгоджених стратегій агентів в процесі мінімізації функцій середніх програшів. Виконано комп’ютерне моделювання стохастичної гри для побудови карти скоординованих стратегій. Досліджено вплив параметрів моделі на збіжність ігрового методу.

In this paper, a stochastic game model of self-organization of strategies of stochastic game of mobile agents in the form of cyclic behavioral patterns, which consist of coordinated strategies for moving agents in a limited discrete space, is developed. The behavioral pattern of a multi-agent system is a visualized form of orderly movement of agents that arises from their initial chaotic movement during the learning of a stochastic game.

In this paper the important problem of ontology clustering is considered with the purpose of optimization of intelligent data processing in conditions of uncertainty caused by inaccuracy or incompleteness of data in the subject area. The clustering of ontologies is the process of automatic splitting of a set of ontologies into groups (clusters) based on their similarity degree.

The stochastic game model of decision making in hierarchical systems with an authoritarian style of management was constructed. An adaptive recurrent method for solving a stochastic game under a priori uncertainty is developed on the basis of stochastic

Game model of decision-making in hierarchical systems functioning in the conditions of aprioristic uncertainty it is constructed. The adaptive recurrent method and algorithm of stochastic game solving are developed. Computer modelling of stochastic game of decision-making in hierarchical system with structure of a binary tree is executed. Influence of parameters on convergence of a game method is investigated.