умови невизначеності

Досліджено проблему автоматизованого керування в умовах невизначеності математичної моделі системи. Запропоновано структуру системи керування на основі моделі інтелектуального агента з нечіткою логікою. Вироблення керуючих дій виконано з урахуванням експертних знань про систему, сформульованих у вигляді правил нечіткого логічного виведення рішень. Розроблено алгоритмічне та програмне забез- печення системи керування з нечіткою логікою.

Розроблено ігрову модель самоорганізації мультиагентних систем в умовах невизначеності. Наведено формулювання стохастичної ігрової задачі, визначено критерії самоорганізації стратегій гравців, розроблено рекурентний метод, алгоритм та програмні засоби, що навчають мультиагентну систему імітувати синхронізоване ритмічне світіння колонії комах-світлячків.

The neuroagent game model of collective decision-making in the conditions of uncertainty is developed. The formulation of stochastic game is executed. Adaptive learning methods of artificial neural networks without the teacher are used for the game solving. The convergence of neuroagent stochastic game is confirmed by results of computer experiment. Influences of parameters of game model on the neuroagent learning rate are investigated.

The adaptive game method of events synchronization in multiagent systems in the conditions of uncertainty is developed. The essence of a method consists in alignment of delays of approach of events on the basis of supervision of actions of the next players. The formulation of stochastic game is executed and game algorithm for its solving is developed. Influences of parameters on convergence of a game method are investigated by means of computer experiment.

Розроблена модель матричної стохастичної гри для прийняття рішень в умовах невизначеності. Запропоновано метод Q-навчання для розв’язування стохастичної гри з апріорі невідомими матрицями виграшів. Виконано формулювання ігрової задачі, описано марківський рекурентний метод та алгоритм для її розв’язування. Отримано та проаналізовано результати комп’ютерного моделювання стохастичної гри з Q-навчанням.