Применение алгоритма локального голосования для достижения консенсуса в децентрализованной сети интеллектуальных агентов

К. С. Амелин; Н.О. Амелина; О.Н. Граничин; А.В. Корявко

Применение алгоритма локального голосования для достижения консенсуса в децентрализованной сети интеллектуальных агентов

К. С. Амелин¹, Н.О. Амелина², О.Н. Граничин³, А.В. Корявко⁴

научная статья Страницы: 39-47

¹ аспирант, кафедра системного программирования, Санкт-Петербургский государственный университет
² аспирант, кафедра теоретической кибернетики, Санкт-Петербургский государственный университет
³ профессор, кафедра системного программирования, Санкт-Петербургский государственный университет
⁴ ст. преподаватель, кафедра информатики, Санкт-Петербургский государственный университет

Ключевые слова: достижение консенсуса децентрализованная система интеллектуальные агенты мультиагентные системы алгоритм локального голосования

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.

Для цитирования

Амелин К.С., Амелина Н.О., Граничин О.Н., Корявко А.В. Применение алгоритма локального голосования для достижения консенсуса в децентрализованной сети интеллектуальных агентов // Нейрокомпьютеры: разработка, применение. 2012. № 11. С. 39–47.

Список источников

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.
Амелина Н. О. Мультиагентные технологии, адаптация, самоорганизация, достижение консенсуса // Стохастическая оптимизация в информатике. 2011. №. 7. С. 149-185.
Амелина Н. О. Балансировка загрузки узлов децентрализованной вычислительной сети при неполной информации // Нейрокомпьютеры: разработка, применение. 2011. №. 6. C. 56-63.
Гершгорин С. A. Uberdieabgrenzungdereigenwerteeinermatrix // Изв. АН СССР. 1931. C. 749-754.
Деревицкий Д. П., Фрадков А. Л.Две модели для анализа динамики алгоритмов адаптации // АиТ. 1974. № 1. С. 67-75.
Ljung L. Analysis of recursive stochastic algorithms // IEEE Trans. Aut. Control. 1977. № 4. P. 551-575.
Амелина Н. О., Фрадков А. Л. Метод усредненной модели в задаче достижения консенсуса // Стохастическая оптимизация в информатике. 2012. Т. 8(1). С. 3-20.
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.
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.
Граничин О. Н. Процедура стохастической аппроксимации с возмущением на входе // АиТ. 1992. № 2. С. 97-104.
Граничин О. Н. Неминимаксная фильтрация при неизвестных ограниченных помехах в наблюдениях // АиТ. 2002. № 9. С. 125-133.
Амелин К. С., Граничин О. Н. Мультиагентное сетевое управление группой легких БПЛА // Нейрокомпьютеры: разработка, применение. 2011. № 6. С. 64-72.
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.

[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.

Аннотация

Для цитирования

Похожие статьи