Способы разрешения конфликтов ПРИ КоллективноМ движениИ агентов-РОБОТОВ. Возможность возникновения конфликтов в МАС является неизбежным следствием децентрализованности таких систем

Возможность возникновения конфликтов в МАС является неизбежным следствием децентрализованности таких систем. Локальные убеждения одного агента могут, например, противоречить убеждениям других агентов. Агент может сформировать цель, которая будет конфликтовать с целями других агентов. Основными типами конфликтов в многоагентных системах являются:

_ Конфликты в системе убеждений агентов, которые могут возникать при получении агентом ложной информации.

_ Конфликты, обусловленные неполнотой имеющейся у агента модели окружающего мира и моделей других агентов.

_ Конфликты связанные с конкуренцией за совместные ресурсы или конфликты, связанные с наличием противоречивости целей.

Например, будем считать, что каждый агент-робот может двигаться по своему маршруту, удовлетворяющему граничным условиям, причём скорость и ускорение его движения задаются агентом-координатором на супервизорном уровне управления МАРС. Целью агента-координатора и локальных систем управления агентов-роботов является скорейшее прохождение всех маршрутов без столкновений для выполнения общего задания.

Для предотвращения столкновений (конфликтов) агент-координатор может передавать по каналaм связи команды o временной остановке роботов или об изменении скорости и ускорения их движения в зависимости от сложившейся ситуации. Эта ситуация оценивается координатором на основе запросов о текущем состоянии каждого робота, которая характеризуется его координатами и скоростью. Для прогнозирования возможных конфликтов агент-координатор должен знать маршруты и скорости движения роботов на заданное время вперёд или на всём интервале движения. В этом случае он может заранее расcчитать время и место возможных столкновений роботов. Стратегия упреждающего разрешения конфликтов заключается в заблаговременном изменении агентом-координатором скорости движения роботов по спланированным маршрутам.

Однако в действительности агент-координатор обычно использует информацию только о текущем положении и скорости роботов, что ограничивает его возможности по прогнозированию и разрешению конфликтов. В зоне возможного столкновения роботов он может изменить скорость их движения (например, затормозить или остановить робот на какое-то время) с помощью команд, передаваемых по каналам прямой связи в локальные системы управления. Однако такая стратегия разрешения конфликтов может оказаться неэффективной или нереализуемой.

Другие способы разрешения конфликтов относятся к тактическому уровню. Они основываются на обмене информацией о маршруте и скорости движения между автономными системами управления роботов через прямые каналы связи (например, радиоканалы) или через агента-коммуникатора с памятью (например, в виде "доски объявлений"), играющего роль посредника для адресной связи и быстрой передачи данных между агентами-роботами. При этом подходе каждая локальная система управления берёт на себя дополнительные функции агента-координатора. Она использует описанные выше стратегии разрешения конфликтов для автономного принятия каждым роботом индивидуальных решений, адекватных глобальной ситуации. Это значительно усложняет интеллектуальную систему управления каждого робота и делает невозможным управление МАРС в реальном времени. Для упрощения систем управления роботов в рамках такого подхода можно использовать сенсорную информацию о близости робота-агента по отношению к другим роботам и препятствиям, получаемую, например, с помощью дальномеров.

Значительный интерес для мульти-агентного управления представляют также способы разрешения конфликтов на тактическом уровне, основанные на использовании мульти-агентных экспертных правил “дорожного движения” и нейросетевых алгоритмов распознавания дорожных ситуаций.Эти правила должны быть обязательными для автономных систем интеллектуального управления роботов как агентов. Для локального управления движением роботов с учётом их нелинейной динамики можно использовать алгоритмы программного и адаптивного управления, описанные в [1,4-8], а также нейросетевые алгоритмы, обеспечивающие обучаемость и высокий параллелизм при обработке информации.

Поиск по сайту: