У цій статті пропонується нова архітектура багатоагентної системи та її формальна специфікація для аналізу та адаптивної корекції навчальних траєкторій студентів за допомогою програмних агентів у цифрових навчальних середовищах. Запропонований підхід інтегрує інструменти штучного інтелекту, часову логіку та багатоагентну системну архітектуру для забезпечення персоналізованої адаптації освітнього контенту.
Розглянуто особливості мультиагентного моделювання для оптимізації дорожнього руху в центральних районах міст. Оцінюючи унікальні виклики, пов’язані з високою концентрацією транспорту, пішоходів та історичної забудови, досліджено потенціал мультиагентних систем для ефективного вирішення проблеми заторів, безпеки та якості життя у міських умовах. Потенціал мультиагентного моделювання в контексті управління дорожнім рухом у центральних районах міста дає змогу визначити ключові виклики та можливості.
Проаналізовано ключові терміни та основні поняття агента. Наведено загальну класифікацію агентів, структуровану за представленням моделі зовнішнього середовища, за типом оброблення інформації та за виконуваними функціями. Аналогічно проаналізовано класифікацію штучних агентів (інтелектуальні, рефлекторні, імпульсивні, трофічні). Наведено необхідні умови реалізації агентом певної поведінки, а також схему функціонування інтелектуального агента. Зазначено рівні знань, що відіграють ключову роль в архітектурі агента.
Розглянуто особливості роботи агента побудови запиту для тематичної пошукової системи, описано математичну модель агента та запропоновано критерії створення агента побудови запиту.
Запропоновано метод навігації у колективі робототехнічних агентів, який задовольняє потреби колективу в глобальній, локальній та внутрішній навігації. Цей метод не використовує наявних навігаційних систем та може бути застосований для навігації по невідомій території.