МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ ПОСТРОЕНИЯ МНОГОАГЕНТНОЙ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ
Аннотация
Статья посвящена разработке методологических основ построения многоагентной интеллектуальной системы для автоматизированного анализа состояния распределенных программно-аппаратных комплексов в условиях неопределенности и частичной наблюдаемости среды. Дано формальное определение распределенного программно-аппаратного комплекса как кортежа, включающего множества вычислительных узлов, сетевых соединений, программных служб и конфигурационных параметров. Разработана формальная модель задачи автоматизированного анализа на основе расширения математического аппарата децентрализованных марковских процессов принятия решений в условиях частичной наблюдаемости. В отличие от классической постановки, авторская модель включает композитное пространство состояний, учитывающее как параметры исследуемой среды, так и накопленные агентами сведения, динамическое пространство действий, расширяющееся по мере получения новой информации, а также механизм верификации достижения целевого состояния. Разработана трехуровневая иерархическая архитектура многоагентной интеллектуальной системы, включающая стратегический уровень (агент-координатор), тактический уровень (агенты-тимлиды) и операционный уровень (микро-агенты). В отличие от статичных архитектур с фиксированным составом, предложенная архитектура обеспечивает динамическое формирование агентов в процессе функционирования. Описаны механизмы координации через иерархическую передачу задач и общее информационное пространство. Предложенные методологические основы являются универсальными и применимы к широкому классу задач автоматизированного исследования распределенных программно-аппаратных сред.
Литература
Nigmatullin R.R. Systems analysis as a research direction. Bulletin of the Russian Academy of Sciences. 2007. Vol. 77. N 2. P. 101-107. (in Russian).
Astrakhantseva I.A., Astrakhantsev R.G., Bobkov S.P. Agent-based intelligent systems from the point of view of systems analysis. Modern High Technologies. Regional Application. 2025. N 4(84). P. 101-109. DOI: 10.6060/snt.20258404.00014. (in Russian).
Astrakhantseva I.A., Gorev S.V., Astrakhantsev R.G. Systems approach to the analysis of the fractal nature of complex technical systems. Ivecofin. 2023. N 3(57). P. 89–97. DOI: 10.6060/ivecofin.2023573.657. (in Russian).
Astrakhantseva I.A., Gorev S.V., Astrakhantsev R.G. Fractal-based analysis of efficiency and reliability in complex technical systems. Modern High Technologies. Regional Application. 2023. N 4(76). P. 60–68. DOI: 10.6060/snt.20237604.0008. (in Russian).
Bobkov S.P., Astrakhantsev R.G., Pavlova E.A. Research of the structure of flow in technological equipment using discrete dynamic models. Modern High Technologies. Regional Application. 2024. N 1(77). P. 95–101. DOI: 10.6060/snt.20247701.00013. (in Russian).
GOST R 59277–2020. Information Technologies. Multi-Agent Systems. Terms and Definitions. Moscow: Standartinform. 2020. 12 p. (in Russian).
Dorri A., Kanhere S.S., Jurdak R. Multi-Agent Systems: IEEE Access. 2018. Vol. 6. P. 28573–28593. DOI: 10.1109/ACCESS.2018.2831228.
Prinev M.A., Ledeneva T.M., Garshina V.V. Multi-agent systems: a review of modern approaches to modeling and design (Part 2). Bulletin of VGU. Series: Systems Analysis and Information Technologies. 2024. N 4. P. 167–190. DOI: 10.17308/sait/1995-5499/2024/4/167-190. (in Russian).
Jennings N.R., Wooldridge M. Agent-Oriented Software Engineering. Artificial Intelligence. 2000. Vol. 117. P. 277–296.
D'Aniello G., De Falco M., Mastrandrea N. Designing a multi-agent system architecture for managing distributed operations within cloud manufacturing. Evolutionary Intelligence. 2020. DOI: 10.1007/s12065-020-00390-z.
Kaelbling L.P., Littman M.L., Cassandra A.R. Planning and acting in partially observable stochastic domains. Artificial Intelligence. 1998. Vol. 101. N 1-2, P. 99–134. DOI: 10.1016/S0004-3702(98)00023-X.
Bernstein D.S., Givan R., Immerman N., Zilberstein S. The Complexity of Decentralized Control of Markov Decision Processes. Mathematics of Operations Research. 2002. Vol. 27. N 4. P. 819–840. DOI: 10.1287/moor.27.4.819.297.
Oliehoek F.A., Spaan M.T.J., Vlassis N. A Concise Introduction to Decentralized POMDPs. Proceedings of the 12th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2013). 2013. P. 1257–1264.
Busoniu L., Babuska R., De Schutter B. A Comprehensive Survey of Multiagent Reinforcement Learning. IEEE Transactions on Systems, Man, and Cybernetics, Part C: Applications and Reviews. 2008. Vol. 38. N 2. P. 156-172. DOI: 10.1109/TSMCC.2007.913919.
Bobkov S.P., Astrakhantseva I.A. The use of multi-agent systems for modeling technological processes. Journal of Physics: Conference Series. 2021. Vol. 2001. P. 012002. DOI: 10.1088/1742-6596/2001/1/012002.
Koops W., Junges S., Jansen N. Approximate Dec-POMDP Solving Using Multi-Agent A*. Proceedings of the 33rd International Conference on Automated Planning and Scheduling (ICAPS 2024). 2024. P. 745-753.
Bobkov S.P., Galiaskarov E.G. Simulation of the heat conduction process using cellular automata systems. Software & Systems. 2020. N 4. P. 641–650. DOI: 10.15827/0236-235X.132.641-650. (in Russian).
Bobkov S.P., Astrakhantsev R.G., Samarskiy A.A., Pavlova E.A. Simulation model of the movement of substance in a technological apparatus. Ivecofin. 2024. N 2(60). P. 32–40. DOI: 10.6060/ivecofin.2024602.681. (in Russian).
Bobkov S.P., Astrakhantseva I.A., Gushchin A.A. et al. Using a discrete probabilistic approach for simulating flow tubular reactors. ChemChemTech. 2025. Vol. 68. N 2. P. 96–101. DOI: 10.6060/ivkkt.20256802.7109. (in Russian).
Samsonova A.I., Suvorov I.A., Astrakhantsev R.G. Intelligent system for analyzing user activities in secure operating environments. Ivecofin. 2025, N 1(63). P. 79–85. DOI: 10.6060/ivecofin.2025631.715. (in Russian).
Bobkov S.P., Astrakhantseva I.A., Pavlova E.A. Simulation modeling for intellectual support of management decision-making. Modern High Technologies. Regional Application. 2022. N 1(69). P. 61–69. DOI: 10.6060/snt.20226901.0008. (in Russian).
Zimnurov M.F., Astrakhantseva I.A., Grimenitsky P.N. Systems analysis and optimization of quantitative performance indicators in technological projects based on flexible methodologies. Modern High Technologies. Regional Application. 2023. N 3(75). P. 61–68. DOI: 10.6060/snt.20237503.0008. (in Russian).
