Управление роем динамических объектов на базе мультиагентного подхода.
Ключевые слова:
мультиагентные технологии, роевое управление, роевой интеллект, протокол локального голосования, самоорганизация, адаптивные системы
Аннотация
В статье рассматривается возможность применения технологий мультиагентных систем к задаче управления роем. Приводится описание ключевых особенностей роевого управления и протокола локального голосования, с помощью которого строится стратегия адаптивного управления в условиях неопределенностей, а также представлен алгоритм управления роем динамических объектов на основе достижения консенсуса.
Литература
1. Rzevski G., Skobelev P. Managing Complexity. WIT Press, 2014.
2. Li W. Stability analysis of swarm with general topology // IEEE Trans. Syst. Man. Cybern. B. 2008. Vol. 38. No. 4. P. 1084–1097.
3. Tanner H.G., Jadbabaie A., Pappas G. J. Flocking in fixed and switching networks // IEEE Trans. Autom. Contr. 2007. Vol. 52. No. 5. P. 863–868.
4. Бендерская Е.Н., Граничин О.Н., Кияев В.И. Мультиагентный подход в вычислительных технологиях: новые грани параллелизма и суперкомпьютинг. // Сборник научных статей 8-й Международной научной конференции «Информационные технологии в бизнесе». СПб, издво «Инфо-да»: 7–13, 2013.
5. Beni G., Wang J. Swarm Intelligence in Cellular Robotic Systems, Proceed. NATO Advanced Workshop on Robots and Biological Systems, Tuscany, Italy, P. 26–30, 1989.
6. Huang M. Stochastic approximation for consensus: a new approach via ergodic backward products. IEEE Transactions on Automatic Control, 57(12): 2994—3008, 2012.
7. Амелина Н.О., Фрадков А.Л. Приближенный консенсус в стохастической динамической сети с неполной информацией и задержками в измерениях. Автоматика и телемеханика, 2012. № 11. С. 6–29.
8. Amelina N., Fradkov A., Jiang Y., Vergados D.J. Approximate Consensus in Stochastic Networks with Application to Load Balancing // IEEE Transactions on Information Theory, April 2015, Vol. 61, Issue 4, pp. 1739–1752.
9. Амелина Н.О., Иванский Ю.В. Задача достижения дифференцированного консенсуса при стоимостных ограничениях // Вестник СПбГУ. Сер. 1: Математика. Механика. Астрономия, 2015. Т. 2(60). Вып. 4. C. 3–14.
10. Ivanskiy, Y., Amelina N., Granichin O., Granichina O., Jiang Y. Optimal step-size of a local voting protocol for differentiated consensuses achievement in a stochastic network with cost constraints // In: Proc. of the 2015 IEEE Conference on Control Applications, September 21-23, 2015, Sydney, Australia, pp. 1367–1372.
11. Granichin O., Amelina N. Simultaneous Perturbation Stochastic Approximation for Tracking under Unknown but Bounded Disturbances // IEEE Transactions on Automatic Control, vol. 60, issue 6, June 2015, pp. 1653–1658.
12. Amelina N., Erofeeva V., Granichin O., Malkovskii N. Simultaneous perturbation stochastic approximation in decentralized load balancing problem // In: Proc. of 1st IFAC Conference on Modelling, Identification and Control of Nonlinear Systems, June 24–26, 2015, Saint Petersburg, Russia. P. 946-951. (IFAC Proceedings Volumes (IFAC-PapersOnline) Volume 48, Issue 11).
2. Li W. Stability analysis of swarm with general topology // IEEE Trans. Syst. Man. Cybern. B. 2008. Vol. 38. No. 4. P. 1084–1097.
3. Tanner H.G., Jadbabaie A., Pappas G. J. Flocking in fixed and switching networks // IEEE Trans. Autom. Contr. 2007. Vol. 52. No. 5. P. 863–868.
4. Бендерская Е.Н., Граничин О.Н., Кияев В.И. Мультиагентный подход в вычислительных технологиях: новые грани параллелизма и суперкомпьютинг. // Сборник научных статей 8-й Международной научной конференции «Информационные технологии в бизнесе». СПб, издво «Инфо-да»: 7–13, 2013.
5. Beni G., Wang J. Swarm Intelligence in Cellular Robotic Systems, Proceed. NATO Advanced Workshop on Robots and Biological Systems, Tuscany, Italy, P. 26–30, 1989.
6. Huang M. Stochastic approximation for consensus: a new approach via ergodic backward products. IEEE Transactions on Automatic Control, 57(12): 2994—3008, 2012.
7. Амелина Н.О., Фрадков А.Л. Приближенный консенсус в стохастической динамической сети с неполной информацией и задержками в измерениях. Автоматика и телемеханика, 2012. № 11. С. 6–29.
8. Amelina N., Fradkov A., Jiang Y., Vergados D.J. Approximate Consensus in Stochastic Networks with Application to Load Balancing // IEEE Transactions on Information Theory, April 2015, Vol. 61, Issue 4, pp. 1739–1752.
9. Амелина Н.О., Иванский Ю.В. Задача достижения дифференцированного консенсуса при стоимостных ограничениях // Вестник СПбГУ. Сер. 1: Математика. Механика. Астрономия, 2015. Т. 2(60). Вып. 4. C. 3–14.
10. Ivanskiy, Y., Amelina N., Granichin O., Granichina O., Jiang Y. Optimal step-size of a local voting protocol for differentiated consensuses achievement in a stochastic network with cost constraints // In: Proc. of the 2015 IEEE Conference on Control Applications, September 21-23, 2015, Sydney, Australia, pp. 1367–1372.
11. Granichin O., Amelina N. Simultaneous Perturbation Stochastic Approximation for Tracking under Unknown but Bounded Disturbances // IEEE Transactions on Automatic Control, vol. 60, issue 6, June 2015, pp. 1653–1658.
12. Amelina N., Erofeeva V., Granichin O., Malkovskii N. Simultaneous perturbation stochastic approximation in decentralized load balancing problem // In: Proc. of 1st IFAC Conference on Modelling, Identification and Control of Nonlinear Systems, June 24–26, 2015, Saint Petersburg, Russia. P. 946-951. (IFAC Proceedings Volumes (IFAC-PapersOnline) Volume 48, Issue 11).
Опубликован
2015-12-30
Как цитировать
Ерофеева, В. А., Иванский, Ю. В., & Кияев, В. И. (2015). Управление роем динамических объектов на базе мультиагентного подхода. Компьютерные инструменты в образовании, (6), 34-42. извлечено от http://cte.eltech.ru/ojs/index.php/kio/article/view/1449
Выпуск
Раздел
Информационные системы
Материал публикуется под лицензией:
