МЕТОД АДАПТАЦІЇ ПОВЕДІНКИ АГЕНТІВ В ІНТЕЛЕКТУАЛЬНІЙ НАВЧАЛЬНІЙ СИСТЕМІ ПІДГОТОВКИ ДИСПЕТЧЕРІВ УПРАВЛІННЯ ПОВІТРЯНИМ РУХОМ
Ключові слова:
агент, адаптація, диспетчер управління повітряним рухом, середовище інтелектуальної навчальної системи, мультиагентні системи, планування, самонастроювання, теорія нечітких множин, ефективність навчання
Анотація
В рамках агентно-орієнтованого підходу з метою підвищення варіативності середовища підготовки диспетчерів управління повітряним рухом у статті удосконалено метод адаптації поведінки агентів навчального середовища інтелектуальної навчальної системи, що ґрунтується на знаннях про результати взаємодії агентів. На етапі внесення змін до параметрів підсистеми планування при настоюванні систем моделювання поведінки агентів запропоновано використовувати механізм самонастроювання. Для управління процесом самонастроювання поведінки інтелектуальних агентів в статті розроблено інструментарій адаптації системи планування поведінки агента. Застосування моделей поведінки агентів із методами планування дозволить збільшити показник успішності реалізації очікуваної поведінки агентів при побудові інтелектуальних навчальних систем. Запропонований у статті підхід адаптації поведінки агентів навчального середовища інтелектуальної навчальної системи дозволить підвищити його варіативність. Як наслідок, така інтелектуальна навчальна система дозволить вивести на якісно новий рівень підготовку диспетчерів управління повітрянимЗавантаження
Дані про завантаження поки що недоступні.
Посилання
1. James V. Buckley, Esfandiar Eslami, Thomas Feuring. Fuzzy Mathematics in Economics and Engineering. – М.: Physica-Verlag, 2002. – 296 с.
2. Freerk A. Lootsma Fuzzy Logic for Planning and Decision Making (Applied Optimization, Vol. 8). – 2017.
3. Амелин К.С., Баклановский М.В., Граничин О.Н. и др. Адаптивная мультиагентная операционная система реаль-ного времени // Стохастическая оптимизация в информатике, 2013. - Т. 9. Вып. 1. - C. 3-16.
4. Растригин Л.А. Адаптация сложных систем. Методы и приложения / Л,А. Растригин.- Рига: Зинатне, 1981. - 375 с.
5. Карпенко А.П. Модельное обеспечение автоматизированных обучающих систем. Обзор. [Текст] / А.П.Карпенко // Наука и образование – 2011. - №7. – С.2-64.
6. Шабалина О.А. Модели и методы для управления процессом обучения с помощью адаптивных обучающих си-стем: Дис....канд. техн. наук: 05.13.10 / О.А. Шабалина.- Астрахань, 2005.- 158 с.
7. Коляда М.Г. Виды моделей, обучаемых в автоматизированных обучающих системах / М.Г. Коляда // Искусствен-ный интеллект, 2008, №2, С. 28-33.
8. Городецкий В.И. Многоагентные технологии для индустриальных приложений: реальность и перспектива / В.И. Городецкий, П.О. Скобелев, А.В. Хабалов // Труды СПИИРАН. 2017. Вып. 6(55). С. 2-41.
9. Kuchuk N. Method for calculating of R-learning traffic peakedness / N. Kuchuk; O. Mozhaiev, M. Mozhaiev; H. Kuchuk // 2017 4th International Scientific-Practical Conference Problems of Infocommunications Science and Tech-nology, PIC S and T 2017. – 2017. – Р. 359 – 362. URL : http://dx.doi.org/10.1109/INFOCOMMST.2017.8246416
10. Mukhin, V., Kuchuk, N., Kosenko, N., Kuchuk, H. and Kosenko, V. (2020),”Decomposition Method for Synthesizing the Computer System Architecture , Advances in Intelligent Systems and Computing”, AISC, vol. 938, pp 289-300, DOI: https://doi.org/10.1007/978-3-030-16621-2_27
11. Зиков І. С., Кучук Н. Г., Шматков С. І. Синтез архітектури комп'ютерної системи управління транзакціями e-learning. Сучасні інформаційні системи. 2018. Т. 2, № 3. С. 60–66. DOI: https://doi.org/10.20998/2522-9052.2018.3.10
12. Кучук Г.А. Метод дослідження фрактального мережного трафіка / ГА Кучук // Системи обробки інформації. – Х.: ХУ ПС, 2005. – Вип. 5 (45). – С. 74-84.
13. Leitao P., Vrba P. Recent Developments and Future Trends of Industrial Agents // Holonic and Multi-Agent Systems for Manufacturing. 2011. LNCS 6867. pp. 15–28.
14. DeLoach S.A. Moving multi-agent systems from research to practice // International Journal Agent-Oriented Software Engineering. 2009. vol. 3. no. 4. pp. 378–382.
15. Műller J., Fisher K. Application Impact of Multi-agent Systems and Technologies: A Survey // Agent-oriented software engineering. 2014. pp. 27–53.
16. Bugaychenko, D. Y. MASL: A logic for the specification of multiagent real-time systems. // Proc. 5th International Central and Eastern European Conference on Multi-Agent Systems.- Leipzig (Germany): Springer-Verlag, 2017.- Pp. 183–192.
2. Freerk A. Lootsma Fuzzy Logic for Planning and Decision Making (Applied Optimization, Vol. 8). – 2017.
3. Амелин К.С., Баклановский М.В., Граничин О.Н. и др. Адаптивная мультиагентная операционная система реаль-ного времени // Стохастическая оптимизация в информатике, 2013. - Т. 9. Вып. 1. - C. 3-16.
4. Растригин Л.А. Адаптация сложных систем. Методы и приложения / Л,А. Растригин.- Рига: Зинатне, 1981. - 375 с.
5. Карпенко А.П. Модельное обеспечение автоматизированных обучающих систем. Обзор. [Текст] / А.П.Карпенко // Наука и образование – 2011. - №7. – С.2-64.
6. Шабалина О.А. Модели и методы для управления процессом обучения с помощью адаптивных обучающих си-стем: Дис....канд. техн. наук: 05.13.10 / О.А. Шабалина.- Астрахань, 2005.- 158 с.
7. Коляда М.Г. Виды моделей, обучаемых в автоматизированных обучающих системах / М.Г. Коляда // Искусствен-ный интеллект, 2008, №2, С. 28-33.
8. Городецкий В.И. Многоагентные технологии для индустриальных приложений: реальность и перспектива / В.И. Городецкий, П.О. Скобелев, А.В. Хабалов // Труды СПИИРАН. 2017. Вып. 6(55). С. 2-41.
9. Kuchuk N. Method for calculating of R-learning traffic peakedness / N. Kuchuk; O. Mozhaiev, M. Mozhaiev; H. Kuchuk // 2017 4th International Scientific-Practical Conference Problems of Infocommunications Science and Tech-nology, PIC S and T 2017. – 2017. – Р. 359 – 362. URL : http://dx.doi.org/10.1109/INFOCOMMST.2017.8246416
10. Mukhin, V., Kuchuk, N., Kosenko, N., Kuchuk, H. and Kosenko, V. (2020),”Decomposition Method for Synthesizing the Computer System Architecture , Advances in Intelligent Systems and Computing”, AISC, vol. 938, pp 289-300, DOI: https://doi.org/10.1007/978-3-030-16621-2_27
11. Зиков І. С., Кучук Н. Г., Шматков С. І. Синтез архітектури комп'ютерної системи управління транзакціями e-learning. Сучасні інформаційні системи. 2018. Т. 2, № 3. С. 60–66. DOI: https://doi.org/10.20998/2522-9052.2018.3.10
12. Кучук Г.А. Метод дослідження фрактального мережного трафіка / ГА Кучук // Системи обробки інформації. – Х.: ХУ ПС, 2005. – Вип. 5 (45). – С. 74-84.
13. Leitao P., Vrba P. Recent Developments and Future Trends of Industrial Agents // Holonic and Multi-Agent Systems for Manufacturing. 2011. LNCS 6867. pp. 15–28.
14. DeLoach S.A. Moving multi-agent systems from research to practice // International Journal Agent-Oriented Software Engineering. 2009. vol. 3. no. 4. pp. 378–382.
15. Műller J., Fisher K. Application Impact of Multi-agent Systems and Technologies: A Survey // Agent-oriented software engineering. 2014. pp. 27–53.
16. Bugaychenko, D. Y. MASL: A logic for the specification of multiagent real-time systems. // Proc. 5th International Central and Eastern European Conference on Multi-Agent Systems.- Leipzig (Germany): Springer-Verlag, 2017.- Pp. 183–192.
Опубліковано
2020-05-28
Як цитувати
Soroka M. Метод адаптації поведінки агентів в інтелектуальній навчальній системі підготовки диспетчерів управління повітряним рухом / M. Soroka // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2020. – Т. 2 (60). – С. 17-20. – doi:https://doi.org/10.26906/SUNZ.2020.2.017.
Розділ
Контроль космічного та повітряного простору
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
