Кибернетический подход к пониманию цели. Многоагентная робототехническая система как средство достижения цели
Бесплатный доступ
Анализ телеологического понятия цели показал, что данное понятие имеет двойственную природу – идеалистическую и материалистическую. В статье принцип дуализма рассматривается как ключевой. Поэтому с позиции кибернетики идеалистический аспект цели предлагается интерпретировать как идеализированный результат, который описывается одной или несколькими математическими логиками ML. Аппарат ML служит инструментом для выбора целенаправленного поведения сложного объекта или системы S в соответствии с экспертным оцениванием EE. Под материалистическим аспектом цели понимается получение реального результата RR посредством объекта или системы S. Если под S иметь в виду коллектив роботов, настроенный на выполнение одной или нескольких целей, то качественный анализ поведения такой системы может быть осуществлен с помощью агентного моделирования. Модель коллектива роботов представляет собой множество взаимосвязанных классов интеллектуальных агентов. Любой класс агентов характеризуется 11-значным набором, который описывает способность класса агентов достигать поставленные цели путем адаптации за счет обучения без нахождения наиболее эффективных действий. Агентное моделирование позволяет судить о степени достижения цели.
Цель, идеализированный результат, реальный результат, агентное моделирование, модель класса агентов, возможности класса агентов, многоагентная модель, многоагентная робототехническая система.
Короткий адрес: https://sciup.org/148322456
IDR: 148322456 | DOI: 10.25586/RNU.V9187.21.03.P.030
Список литературы Кибернетический подход к пониманию цели. Многоагентная робототехническая система как средство достижения цели
- Белотелов Н.В., Бродский Ю.И., Павловский Ю.Н. Компьютерное моделирование демографических, миграционных, эколого-экономических процессов средствами распределенных вычислений. М.: Вычислительный центр им. А.А. Дородницына Российской акад. наук (ВЦ РАН), 2008. 122 с.
- Белотелов Н.В., Бродский Ю.И., Павловский Ю.Н. Сложность. Математическое моделирование. Гуманитарный анализ: исследование исторических, военных, социально-экономических и политических процессов. М.: ЛИБРОКОМ, 2009. 317 с.
- Бродский Ю.И. Лекции по математическому и имитационному моделированию. Москва – Берлин: Директ-Медиа, 2015. 241 с.
- Бродский Ю.И. Модельный синтез и модельно – ориентированное программирование. М.: Вычислительный центр им. А.А. Дородницына Российской акад. наук (ВЦ РАН), 2010. 141 с.
- Винер Н. Кибернетика и общество. М.: Тайдекс Ко, 2002. 182 с.
- Горохов А.В., Маслобоев А.В., Олейник А.Г. Технология формирования спецификаций среды имитационного моделирования задач управления // Вестник Поволжского государственного технологического университета. Серия: Радиотехнические и инфокоммуникационные системы. 2013. №3 (19). С. 55–70.
- Гуц А.К., Лаптев А.А. Моделирование социальных систем: учеб. пособие. Омск: Изд-во Омского гос. ун-та, 2019. 163 с.
- Замятина Е.Б., Ланин В.В., Лядова Л.Н., Фирсов А.Н. Системы имитационного моделирования и машинная имитация: теоретические основы и реализация. Пермь: Пермский гос. ун-т, 2007. 290 с.
- Ивашкин Ю.А. Агентные технологии и мультиагентное моделирование систем: учеб. пособие М.: МФТИ, 2013. 267 с.
- Каляев И.А. Гайдук А.Р., Капустян С.Г. Модели и алгоритмы коллективного управления в группах роботов. М.: Физматлит, 2009. 278 с.
- Каляев И.А., Гайдук А.Р., Капустян С.Г. Распределенные системы планирования действий коллективов роботов. М.: Изд-во Янус-К, 2002. 291 с.
- Каляев И.А., Гайдук А.Р. Однородные нейроподобные структуры в системах выбора действий интеллектуальных роботов. М.: Янус-К, 2000. 279 с.
- Лихтенштейн В.Е., Конявский В.А., Росс Ш.В., Лось В.П. Мультиагентные системы: самоорганизация и развитие. М.: Финансы и статистика, 2018. 262 с.
- Макаров М.Г. Категория «цель» в домарксистской философии. Ленинград: Наука, Ленингр. отделение, 1974. 188c.
- Макаров М.Г. Сложность и вариативность категорий диалектики. Ленинград: Наука, Ленингр. отделение, 1988.180c.
- Маслобоев А.В. Имитационное моделирование развития инновационных процессов на основе метода системной динамики и агентных технологий // Качество. Инновации. Образование. 2009. № 3. С. 34–42.
- Маслобоев А.В. Лангханс М. Мультиагентная система информационной поддержки управления региональным инновационным развитием // Научно-технический вестник информационных технологий, механики и оптики. 2018. Т.18, № 4. С. 630–638.
- Матвеева А.А., Ким Ю.В., Викснин И.И. Методы обеспечения информационной безопасности коммуникационных каналов в мультиагентных робототехнических системах // Научно-технический вестник информационных технологий, механики и оптики. 2019. Т. 19, № 1. С. 102–108.
- Павловский Ю.Н., Белотелов Н.В., Бродский Ю.И. Имитационное моделирование: учеб. пособие. М.: Академия, 2008. 234 с.
- Павловский Ю.Н., Белотелов Н.В., Бродский Ю.И. Компьютерное моделирование: учеб. пособие. М.: Физматкнига, 2014. 303 с.
- Пантелеев М.Г., Пузанков Д.В. Интеллектуальные агенты и многоагентные системы. СПб.: ЛЭТИ, 2015. 215 с.
- Тимофеев А.В. Мультиагентные робототехнические системы и нейросетевые технологии // Известия ЮФУ. Технические науки. С. 20–23.
- Трубников Н.Н. О категориях «цель», «средство» и «результат». М.: Высшая школа, 1968. 148 с.
- Романов В.П., Лельчук А.В. Мультиагентные системы в экономике: учеб. пособие для аспирантов. М.: РЭУ им. Г.В. Плеханова, 2013. 87 с.
- Филатов Ю.А. Начала телеологии (основы науки о целях и целесообразности). М.: АКАЛИС, 2008. 235 с.
- Черноусова Т.Г. К вопросу об адаптационной системе организма индивидуума // Мир современной науки. 2017. № 4 (44). С. 82–84.
- Черноусова Т.Г. Биометрия и аутентификация // Мир современной науки. 2017. № 3 (43). С. 20–24.
- Amato C., Konidaris G., Cruz G., Maynor C.A., How J.P., Kaelbling L.P. (2015) Planning for decentralized control of multiple robots uncertainty. Proceedings of the 2015 IEEE International Conference on robotics and Automation (ICRA); Seattle, WA, USA. 26-30 May, pp. 1241–1248.
- Biswas P.K. (2007) Towards Agent-Oriented Conceptualization and Implementation. Architectural Design of Multi-Agent Systems: Technologies and techniques. New York, Information science reference, pp. 1–25.
