350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №11 за 2012 г.
Статья в номере:
Применение алгоритма локального голосования для достижения консенсуса в децентрализованной сети интеллектуальных агентов
Ключевые слова: достижение консенсуса децентрализованная система интеллектуальные агенты мультиагентные системы алгоритм локального голосования
Авторы:
К. С. Амелин - аспирант, кафедра системного программирования, Санкт-Петербургский государственный университет. E-mail: konstantinamelin@gmail.com Н.О. Амелина - аспирант, кафедра теоретической кибернетики, Санкт-Петербургский государственный университет. E-mail: ngranichina@gmail.com О.Н. Граничин - профессор, кафедра системного программирования, Санкт-Петербургский государственный университет. E-mail: oleg_granichin@mail.ru А.В. Корявко - ст. преподаватель, кафедра информатики, Санкт-Петербургский государственный университет. E-mail: avkoryavko@gmail.com
Аннотация:
Рассмотрена задача достижения консенсуса в децентрализованной сети интеллектуальных агентов. Для решения при стохастической постановке задачи в условиях переменной топологии связей, наблюдений с задержками и помехами предлагается использовать алгоритм локального голосования. Для анализа свойств получающихся решений используется метод непрерывных моделей. Проведено сравнение динамики работы алгоритма и траектории соответствующей детерминированной непрерывной модели.
Страницы: 39-47
Список источников
  1. Амелина Н., Лада А., Майоров И., Скобелев П., Царев А. Исследование моделей организации грузовых перевозок с применением мультиагентной системы адаптивного планирования грузовиков в реальном времени // Проблемы управления. 2011. № 6. C. 31-37.
  2. Амелина Н. О. Мультиагентные технологии, адаптация, самоорганизация, достижение консенсуса // Стохастическая оптимизация в информатике. 2011. №. 7. С. 149-185.
  3. Амелина Н. О. Балансировка загрузки узлов децентрализованной вычислительной сети при неполной информации // Нейрокомпьютеры: разработка, применение. 2011. №. 6. C. 56-63.
  4. Гершгорин С. A. Uberdieabgrenzungdereigenwerteeinermatrix // Изв. АН СССР. 1931. C. 749-754.
  5. Деревицкий Д. П., Фрадков А. Л.Две модели для анализа динамики алгоритмов адаптации // АиТ. 1974. № 1. С. 67-75.
  6. Ljung L. Analysis of recursive stochastic algorithms // IEEE Trans. Aut. Control. 1977. № 4. P. 551-575.
  7. Амелина Н. О., Фрадков А. Л. Метод усредненной модели в задаче достижения консенсуса // Стохастическая оптимизация в информатике. 2012. Т. 8(1). С. 3-20.
  8. Вахитов А. Т., Граничин О. Н., Гуревич Л. С. Алгоритм стохастической аппроксимации с пробным возмущением на входе в нестационарной задаче оптимизации // АиТ. 2009. № 11. C. 70-79.
  9. Граничин О. Н. Об одной стохастической рекуррентной процедуре при зависимых помехах в наблюдении, использующей на входе пробные возмущения // Вестник Ленингр. ун-та. Сер.1. 1989. Вып.1(4). С. 19-21.
  10. Граничин О. Н. Процедура стохастической аппроксимации с возмущением на входе // АиТ. 1992. № 2. С. 97-104.
  11. Граничин О. Н. Неминимаксная фильтрация при неизвестных ограниченных помехах в наблюдениях // АиТ. 2002. № 9. С. 125-133.
  12. Амелин К. С., Граничин О. Н. Мультиагентное сетевое управление группой легких БПЛА // Нейрокомпьютеры: разработка, применение. 2011. № 6. С. 64-72.
  13. Дегтярев A. Б., Логвиненко Ю. В., Нечаев Ю. И. Концепция создания многоагентной системы для сложной самоорганизующейся модели функционирования виртуального полигона // Информационно-измерительные и управляющие системы. 2009. Т. 7.№ 2. С. 49-59.