Научный вестник ДГМА 2009 № 01

Подождите немного. Документ загружается.

НАУЧНЫЙ ВЕСТНИК ДГМА № 1 (4Е), 2009

УДК 62.462.3

Баранова И. В., Петривна Е. А.

РАЗРАБОТКА АВТОМАТИЗИРОВАННОГО РАБОЧЕГО МЕСТА

ПРОЕКТИРОВЩИКА АГРЕГАТОВ СО ЗМЕЕВИКОВЫМИ СИСТЕМАМИ

В промышленности широко применяют змеевиковые системы. В настоящее время

конструкции змеевиковых систем содержат преимущественно оребренную трубу, изогнутую

в плоский или пространственный змеевиковый элемент. Змеевиковые элементы на участке

изгиба трубы и прилегающих участках не предусматривают оребрения, или же ребра имеют

низкую степень оребрения (высоту) вследствие существующих технологий гибки труб [1–4].

Этот факт значительно снижает эксплуатационные характеристики таких систем и обуслав-

ливает увеличение их габаритов.

В работе [5] приведены исследования нового способа гибки алюминиевых оребрен-

ных монометаллических труб с малым радиусом гиба. Отличительной особенностью данного

способа гибки является то, что для обеспечения качественного гиба трубу на этом участке

следует подвергнуть сжатию в осевом направлении. Исследуемый новый способ еще доста-

точно не изучен, но позволяет решить поставленные задачи при соответствующей доработке.

На практике возникает необходимость гнуть трубы с наименьшим возможным радиу-

сом гиба. Наиболее важным физико-механическим фактором при этом являются пластиче-

ские свойства металла [6–8], которые оцениваются величиной остаточного относительного

удлинения на расчетной длине при растяжении. При гибке удлинения металла в отдельных

волокнах могут превышать максимальные удлинения, получаемые при испытании образцов

на разрыв. Предварительный расчет наибольшей возможной деформации при гибке трубы

нельзя производить по данным, полученным стандартными испытаниями их на растяжение.

Учитывая, что нагружение трубы при изгибе происходит более сложно, чем нагружение об-

разца при растяжении, более правильно пользоваться данными по удлинениям шейки, исходя

из величины поперечного сужения образца при разрыве.

Целью работы является разработка автоматизированного рабочего места (АРМ) про-

ектировщика агрегатов со змеевиковыми системами, в котором требуемые эксплуатацион-

ные

характеристики змеевиковых систем будут обеспечены с заданными геометрическими

и прочностными ограничениями что, позволит снизить металлоемкость, а, следовательно,

и себестоимость их изготовления.

Разработанное программное обеспечение позволяет автоматизировать расчет геомет-

рических параметров змеевиковых элементов, реализовать их в параметрической 3D-модели

и провести вычислительный эксперимент для определения прочностных характеристик глад-

ких и оребренных труб с

помощью комплекса SolidWorks + COSMOSXpress. В программе

определяется минимально возможный радиус гиба трубы, зависящий от вводимых исходных

данных: диаметров трубы и полученного оребрения, толщины стенки оребрения, шага ореб-

рения и механических свойств материала трубы. Фактором, ограничивающим минимальный

радиус гиба, является касание соседних ребер на внутренней части гиба.

В работе [5] приведена эмпирическая зависимость для определения минимального от-

носительного радиуса гиба

вн

R =

min

, которая не отражает геометрических параметров

оребренной трубы: глубины и шага оребрения, толщины ребра и др. Поэтому в ходе разра-

ботки АРМ была получена зависимость, учитывающая эти параметры.

В процессе формирования изгиба трубы волокна внутренней части гиба укорачивают-

ся, а волокна внешней части гиба удлиняются. Длина дуги нейтрального слоя определя-

ется из геометрических соотношений по формуле:

НАУЧНЫЙ ВЕСТНИК ДГМА № 1 (4Е), 2009

180

Rl ⋅= , мм, (1)

где R

– радиус гиба нейтрального слоя оребренной трубы (по геометрической оси), мм;

β – угловой шаг оребрения на гибе.

Длина дуги в нейтральном слое гиба, между соседними двумя точками винтовой ли-

нии оребрения, измеренная вдоль образующей поверхности трубы, будет приблизительно

равна шагу оребрения

S. Тогда формула (1) примет вид:

180

RlS ⋅=≈ , мм. (2)

Из расчетной схемы для оребренной трубы можно определить тангенс угла между

двумя соседними ребрами:

min

, (3)

где Δ – толщина стенки оребрения, мм.

m i n

= S

а б

Рис. 1. Расчетная схема для определения минимального радиуса гиба

Поскольку

min

RRR

−

0min

, то с учетом тангенса угла наклона ребер для

участка гиба (рис. 1) путем математических преобразований определим минимальный радиус

гиба в нейтральном слое [6]:

min0

Δ−

= , мм. (4)

Определение прочностных характеристик гладких и оребренных труб и преимуществ

одной из них проходило следующим образом.

Вначале производились аналитические расчеты на прочность гладких труб. Расчет

гладкой трубы на прочность производится по четвертой (энергетической) теории прочности

[7–8]. Применение этой теории прочности позволяет производить расчеты с достаточной

точностью, при этом расчетные формулы будут достаточно

простыми [9]. Главные нормаль-

ные напряжения определялись по формуле Ляме. При проверочном расчете по ГОСТ 3845-75

наибольшая величина пробного давления рассчитывалась по формуле:

НАУЧНЫЙ ВЕСТНИК ДГМА № 1 (4Е), 2009

⋅

, (5)

где s – толщина стенки трубы, мм; R – допускаемое напряжение в стенке трубы;

– номинальный наружный диаметр трубы.

Для гладких труб было рассчитано эквивалентное напряжение на стенке трубы и по-

лучены зависимости напряжения от давления в интервале от 1 до 50 МПа (рис. 2). Например,

для трубы 13 × 1,9 изготовленной из алюминиевого сплава АМц, для которого

110

МПа допустимое давление в трубе составляет 24 МПа. Для той же трубы наиболь-

шая величина пробного давления составляет 24,8 МПА. Таким образом, расхождение резуль-

татов, полученных при расчете, составило 3 %.

экв

МПа

Рис. 2. Зависимость эквивалентного напряжения на стенке трубы от давления рабочей

жидкости в трубе

Затем в SolidWorks была смоделирована труба 13 × 1,9 под воздействием внутреннего

давления, величина которого была принята равной максимально допустимому давлению,

рассчитанному для материала АМц (24 МПа). С помощью COSMOSXpress установлено зна-

чение максимального эквивалентного напряжения на стенке трубы, составляющее

112,4 МПа, которое

отличается от рассчитанного ранее значения на 2 %. Это подтверждает

адекватность разработанной модели гладкой трубы и дает основания к применению ее для

последующих экспериментов.

Имитация нагружения оребренных труб на ЭВМ также осуществлялась в два этапа.

На первом этапе создавались твердотельные модели труб, и проверялась адекватность разра-

ботанных моделей. Так для трубы с параметрами

: внутренний диаметр 9 мм, наружный диаметр

11,8 мм, наружный диаметр оребрения 18,2 мм, шаг оребрения 2,5 мм и толщиной ребра 0,3 мм

(911,8 × 18,2 × 2,5 × 0,3) давление разрушения, полученное на ЭВМ, составило 27,4 МПа; для

трубы 13 × 16,8 × 26 × 2,8 × 0,5 – 27,6 МПа; для трубы 19 × 25,2 × 39 × 3 × 0,5 – 27,5 МПа.

Поскольку отклонение аналитических расчетов от численных результатов лежит в пределах

± 5 %, то компьютерную модель считаем адекватной и дальнейшее исследование оребрен

ных труб проводим на ЭВМ.

Разработка приложения велась в среде Borland Delphi 7.0.

Разработанное АРМ состоит из трех модулей – проектного расчета, построения

3D-модели и анализа прочностных характеристик (рис. 3).

НАУЧНЫЙ ВЕСТНИК ДГМА № 1 (4Е), 2009

АРМ проектировщика змеевиковых систем

Проектный расчет

Borland Delphi 7.0

Построение 3D-модели

SolidWorks 2007

Анализ прочностных

характеристик

COSMOSXpess

Рис. 3. Структурная схема автоматизированного рабочего места

Работа программного приложения реализована в режиме последовательных окон.

Вначале выполняется проектировочный расчет, для которого задаются исходные данные,

указанные в расчетной схеме (рис. 2). В программе рассчитывается минимальный радиус ги-

ба оребренной трубы по формуле (4).

Полученные геометрические данные через механизм COM-модели передаются

в SolidWorks, где реализована 3D-модель

змеевиковой системы. Поскольку геометрические

характеристики заданы параметрическим способом, то происходит автоматическая пере-

стройка трехмерной модели.

Анализ прочностных характеристик осуществляется с помощью COSMOSXpress. До-

полнительной передачи данных для расчета не требуется, поскольку это приложение интег-

рировано в Solid Works. Для расчета модели в COSMOSXpress задаются материал трубы, тип

закрепления, вид нагрузки и ее значение. Результаты расчета

в графическом и числовом виде

записываются в файл и анализируются. При необходимости расчет повторяется с другими

исходными данными.

Разработанное АРМ было использовано для проведения численного эксперимента.

Целью дальнейшего исследования являлось сравнение прочностных характеристик гладких и

оребренных труб. Например, гладкая труба с диаметром условного прохода 9 мм и толщиной

стенки 1,4 мм сравнивалась

с аналогичной оребренной трубой, выполненной в пяти испол-

нениях с высотой оребрения 0,6; 1,4; 3,2; 4,5; 5,8 мм. Трубы подвергались воздействию внут-

реннего давления величиной 20 МПа. При этом фиксировалось максимальное эквивалентное

напряжение на стенке трубы.

В результате установлено, что оребрение оказывает подкрепляющий эффект на по-

верхности труб любого типоразмера. Так, для трубы 9 × 1,4 наличие оребрения высотой

0,6…5,8

мм позволило снизить напряжение на стенке в 1,04…1,17 раза соответственно; для

трубы 13 × 1,9 с оребрением высотой 0,6…8,6 мм эти показатели составили 1,08…1,3 раза;

для трубы 19 × 3,1 с оребрением 0,9…12,9 мм эти показатели составили 1,06…1,27 раза.

Для определения зависимости максимального эквивалентного напряжения в трубе от

толщины стенки исследовались твердотельные модели труб, отличающиеся внутренним

диаметром и имеющие одинаковую толщину стенки

, а также толщину, шаг и высоту оребре-

ния. Исследовались трубы диаметром условного прохода 9, 13 и 19 мм с толщиной стенки

1,4 мм, шагом оребрения 2,5 мм, толщиной ребра 0,3 мм, высотой оребрения 3,2 мм.

По результатам проведенных экспериментов были построены графики, отражающие

зависимость максимального эквивалентного напряжения в трубе от высоты оребрения

(рис. 4, а), а также

зависимость максимального эквивалентного напряжения в трубе от внут-

реннего давления и диаметра трубы (рис. 4, б).

НАУЧНЫЙ ВЕСТНИК ДГМА № 1 (4Е), 2009

02468101214

Высота оребрения, мм

Эквивалентное напряжение, МПа

Труба 9х1,4 Труба 13х1,9 Труба 19х3,1

а б

Рис. 4. Зависимость максимального эквивалентного напряжения в трубе от высоты

оребрения, внутреннего давления и диаметра трубы

ВЫВОДЫ

Разработанное АРМ проектировщика змеевиковых систем позволяет выполнить гео-

метрические и прочностные расчеты проектируемых систем, а также проводить дополни-

тельные исследования. Созданные параметрические модели труб позволяют установить рас-

пределение напряжений по сечению оребренной

трубы и закономерности влияния подкреп-

ляющего эффекта оребрения и жесткости ребра трубы. Установлено, что для оребренных

труб максимальное напряжение в стенке трубы уменьшилось на 4…26 % соответственно по

сравнению с гладкой трубой того же типоразмера.

Также установлено, что при заданных ограничениях при увеличении металлоемкости

змеевикового элемента на 10 % за счет формирования оребрения его

прочность повышается

на 30…40 %. Таким образом, формирование оребрения позволяет повысить эксплуатацион-

ные характеристики змеевиковых систем и уменьшить их металлоемкость в 3…4 раза.

Это позволяет для заданных условий работы осуществить отбор рациональных соче-

таний типоразмера оребренной трубы и материала, из которого она будет изготовлена.

ЛИТЕРАТУРА

1. Бурков В. В. Алюминиевые радиаторы автотракторных двигателей / В. В. Бурков. – М., Л : Маши-

ностроение, 1964. – 200 с.

2. Ефективний пластинчатий конденсатор / Л. Л. Товажнянський, В. О. Цибульник, А. Р. Ястребінецький

[та ін.] // Вісник ХПІ. – 1978. – № 97. – С. 24–27.

3. Пат. 9668А Украина. Способ гибки труб. Опубл. Б.И. Промышленная собственность, 1996. – № 3.

4. Ястребенецкий

А. Р. Влияние шага гофров на процесс конденсации паров в каналах пластинчатых

теплообменников / А. Р. Ястребенецкий, В. А. Цибульник, Л. Л. Товажнянский // Вестник ХПИ. – 1973. – № 83. –

С. 13–16.

5. Захаров Н. В. Новая технология гибки монометаллических цельнооребренных труб / Н. В. Захаров,

В. А. Немчунов, А. И. Ремнев, А. А. Макогон // Вестник ХГУ. – 2000. – Вып

. 110. – С. 55–69.

6. Петривный В. Н. К вопросу о расчете радиуса гиба оребренных труб / В. Н. Петривный, А. И. Рем-

нев // Матеріали науково-практичної конференції викладачів, аспірантів та студентів Сумського НАУ. – Су-

ми, 2004. – С. 172.

7. Ковтун А. Д. Определение деформации стенок и изгибающих моментов при холодной гибке труб /

А. Д. Ковтун. –

М. : Судостроение, 1963. – 254 с.

8. Гоголев А. Я. Расчет трубных досок теплообменников по предельным нагрузкам / А. Я. Гоголев //

Энергомашиностроение. – 1963. – № 4. – С. 8–12.

9. Ремньов О. І. Вплив зусилля деформування на герметичність і міцність з’єднань з натягом /

О. І. Ремньов, В. М. Петрівний // Вісник СНАУ. – 2001. – № 7. – С. 110–115.

НАУЧНЫЙ ВЕСТНИК ДГМА № 1 (4Е), 2009

МОДЕЛЮВАННЯ ТА ДОСЛІДЖЕННЯ ПОВЕДІНКИ ІНТЕЛЕКТУАЛЬНОГО

АГЕНТА В МУЛЬТИАГЕНТНОМУ СЕРЕДОВИЩІ

Безверхий А. І., Бабенко В. В.

Показаны недостатки современных централизованных компьютерных систем и пре-

имущества построения децентрализованных мультиагентних систем. Рассмотрена широкая

сфера применения агенто-ориентированного подхода. Исследован вопрос разработки унифи-

цированного подхода к функционированию интеллектуального агента в произвольной среде.

Разработан программный продукт, который позволяет строить унифицированные мультиа-

гентные системы для разнообразных отраслей применения. Описывается метод обучения

агентов «обучение с подкреплением» как наиболее перспективный для применения. Описа-

ны примеры работы программного продукта, такие как: задача прохождения лабиринта и за-

дача моделирования потребительского поведения.

Показано недоліки сучасних централізованих комп’ютерних систем та переваги побу-

дови децентралізованих мультиагентних систем. Розглянута широка сфера застосування аге-

нто-орієнтованого підходу. Досліджене питання розробки уніфікованого підходу до функці-

онування інтелектуального агента в довільному середовищі. Розроблено програмний про-

дукт, який дозволяє будувати уніфіковані мультиагентні системи для різноманітних галузей

застосування. Описано метод навчання агентів «навчання з підкріпленням» як найбільш пер-

спективний для застосування. Описано приклади роботи програмного продукту, такі як: за-

дача проходження лабіринту та задача моделювання споживчої поведінки.

This work considers the lacks of the modern centralized computer systems and advantages

of construction of the decentralized multiagent systems. The wide scope of agent-oriented approach

is considered. The question of development of unifying approach to functioning of intellectual agent

in an arbitrary environment is investigated. The software product, which allows to build the com-

patible multiagent systems for the varied industries of application is developed. The method of

learning of agents «reinforcement learning» is described as the most perspective for application.

The examples of work of software product are described, such as task of passing of labyrinth and

task of design of consumer conduct. Analysis for discovering of potential scopes of the developed

approach is conducted.

Безверхий А. И. канд. техн. наук, доц. ЗГИА

aib@zgia.zp.ua

Бабенко В. В. студент ЗГИА

ЗГИА – Запорожская государственная инженерная академия

НАУЧНЫЙ ВЕСТНИК ДГМА № 1 (4Е), 2009

УДК 004.4:004.8

Безверхий А. І., Бабенко В. В.

МОДЕЛЮВАННЯ ТА ДОСЛІДЖЕННЯ ПОВЕДІНКИ ІНТЕЛЕКТУАЛЬНОГО

АГЕНТА В МУЛЬТИАГЕНТНОМУ СЕРЕДОВИЩІ

Сучасні централізовані комп’ютерні системи, засновані на зосередженій, послідовній

машині фон Неймана, мають низку обмежень, які є суттєвими недоліками на шляху впрова-

дження таких систем у будь-яку галузь людської діяльності. Найважливішими з них є насту-

пні [1, 2]:

1. В першу чергу, це складність сучасних систем і організацій, яка досягає такого рів-

ня, що централізоване управління в них стає неефективним через наявність величезних пото-

ків інформації, коли дуже багато часу витрачається на її передачу в центр і ухвалення там

рішень. Самі комп’ютерні системи також

стають все більш складними та включають ряд під-

систем різної природи з різними функціональними характеристиками, що взаємодіють з різ-

ними фахівцями, віддаленими один від одного. Крім того, із зростанням складності падає на-

дійність систем, і все важче сформулювати їх адекватну цільову функцію.

2. Самі задачі, що розв’язуються, або системи,

що розробляються, часом неоднорідні

і розподілені:

− у просторі (наприклад, транспортна мережа або система космічного зв'язку);

− у функціональному плані, оскільки жодна одна людина не може створити сучасну

складну систему власноруч. Важко уявити собі єдиний проект розвитку транспортної або

комп'ютерної мережі. Очевидно, що у подібних систем немає єдиної мети і єдиного розроб-

ника: вони виникли і розвиваються в ході технічної еволюції, а системи, що виникли еволю-

ційним шляхом, не пов'язані з централізованим управлінням.

3. Саме розповсюдження різних мереж породжує розподілений погляд на світ. Розви-

ток мобільних комп’ютерних засобів, коли вся інформація і ресурси її обробки розподілені

по

різних вузлах мережі (наприклад, мережа Інтернет), вимагає перегляду класичних моде-

лей обчислень, заснованих на централізованій послідовній машині фон Неймана, і створення

нових концепцій обчислювального простору.

Все вищевикладене пояснює бурхливий розвиток нового стратегічного напряму в ін-

форматиці і штучному інтелекті: теорії, методів, і програмно-апаратних засобів побудови ро-

зподілених систем і мережевих

організацій, включаючи мультиагентні системи, інтелектуа-

льні мережі, віртуальні співтовариства.

На сьогодні структура досліджень у області мультиагентних систем є дуже широкою

і її можна порівняти з широтою досліджень у області штучного інтелекту. Це не випадково,

оскільки обумовлено інтегрованістю самого поняття такої системи, складністю її архітектури

та компонентів кожного окремого агента, різноманіттям математичних і програмних засобів,

що використовуються при його описі і розробці, різноманітністю варіантів взаємодії агентів

між собою і, крім того, складністю компонент зовнішнього середовища, в якому функціону-

ють агенти.

Дослідження у області мультиагентних систем можна розділити на такі основні на-

прями [3]:

− теорія агентів, в якій розглядається формалізм для опису міркувань про агентів

і для виразу бажаних властивостей агентів;

− методи кооперації агентів (організації кооперативної поведінки) в процесі сумісно-

го розв’язку задач або при яких-небудь інших варіантах взаємодії;

− методи, мови і засоби комунікації агентів;

НАУЧНЫЙ ВЕСТНИК ДГМА № 1 (4Е), 2009

− архітектура агентів та мультиагентних систем – це область досліджень, в якій ви-

вчаються шляхи побудови комп’ютерної системи, що задовольняє тим або іншим властивос-

тям, вираженим засобами теорії агентів;

− мови програмування агентів;

− методи і програмні засоби підтримки мобільності агентів (міграції агентів по мережі);

− особливе місце займають дослідження, пов'язані з розробкою застосування мульти-

агентних систем і інструментальних засобів підтримки технології їх розробки.

Теорія агентів, архітектура агентів і мультиагентних систем на даний час роблять свій

внесок у велику кількість галузей. Основними сферами застосування мультиагентних систем

на сьогодні є [2–6]:

1. Логістика, транспортні задачі.

2. Оптимізація промислових процесів.

3. Моделювання роботи складних систем і механізмів.

4. Управління телекомунікаційними мережами.

5. Системи з підтримкою паралельного виконання операцій.

6. Розподілений розв’язок складних задач.

7. Побудова віртуальних організацій.

8. Організація роботи колективів роботів.

9. Електронна торгівля.

10. Інтерактивні віртуальні комп'ютерні ігри.

11. Моделювання споживчої поведінки.

12. Моделювання складних соціальних явищ.

13. Дослідження соціальних аспектів інтелекту.

Агентно-орієнтований підхід порівняно із іншими підходами має цілу низку переваг,

неможливих в інших ситуаціях [4, 5]:

1. Можлива розробка відкритої системи, яка діє в змінних та динамічних середови-

щах. Поняття відкритої системи означає, що у неї є розвинені можливості і засоби адаптації

до змін середовища, зокрема шляхом модифікації своєї структури і параметрів.

2. Автономні і незалежні агенти спрощують архітектуру системи і дозволяють інтег-

рувати найрізноманітніші існуючі інструменти та підходи.

3. Забезпечується ефективна паралельна і розподілена робота.

4. Мультиагентні системи є гнучкими і масштабованими.

5. Не вимагається повне тестування системи для виявлення можливих помилок її ро-

боти, оскільки вона є самоналагоджувальною.

Однак, разом із вказаними перевагами існує і низка складнощів [5]:

1. Тестування загальної роботи системи в разі його необхідності є дуже складним за-

вданням.

2. Інтеграція інтерактивних інструментів різних систем не є простим завданням.

3. Необхідно створити низку загальних і локальних онтологій, окремих для кожної

системи, що дозволяють різнорідним агентам розуміти один одного.

Кожна вузькоспеціалізована прикладна реалізація мультиагентної системи має свої

особливості та свої окремі переваги та недоліки. Разом з тим, сама концепція мультиагентної

системи передбачає уніфікований підхід до функціонування інтелектуального агента в будь-

якому середовищі. Розгляд цього питання вимагає додаткового дослідження, оскільки воно

недостатньо висвітлено в літературі.

Метою даної роботи є фундаментальне дослідження в галузі функціонування децент-

ралізованих агентно-орієнтованих систем, а також розробка програмного забезпечення, що

реалізує уніфікований підхід до реалізації мультиагентних систем та моделювання поведінки

інтелектуальних агентів в середовищах цих систем.

НАУЧНЫЙ ВЕСТНИК ДГМА № 1 (4Е), 2009

Двома базовими поняттями агенто-орієнтованого підходу до побудови систем штуч-

ного інтелекту слугують агент і середовище. Агентом називається сутність, яка може сприй-

мати навколишнє середовище за допомогою рецепторів і взаємодіяти з ним. Середовище

є найближчим оточенням агента, з яким він безпосередньо взаємодіє. Середовища є пробле-

мами, до яких агенти та мультиагентні системи є рішеннями.

Основна ідея, що лежить в основі агенто-орієнтованих моделей, полягає в побудові

«обчислювального інструменту» (що є набором агентів з певним набором властивостей),

який дозволяє проводити симуляції реальних явищ. Кінцева мета процесу по створенню

агент-орієнтованої моделі – відстежити вплив флуктуацій агентів, що діють на мікрорівні, на

показники макрорівня.

В основі розробленого підходу до побудови мультиагентних систем лежать такі фун-

даментальні поняття:

1. Об’єктно-орієнтований підхід. Кожен агент в середовищі є об’єктом, окремою сут-

ністю, що має певні властивості і живе та діє в глобальному середовищі. Перевагами об'єкт-

но-орієнтованої системи є те, що вона відразу будується з урахуванням її можливої подаль-

шої еволюції, а також те, що вона дуже добре піддається програмній реалізації.

2. Взаємодія агентів. Вона означає встановлення двосторонніх динамічних зв’язків

між агентами. Взаємодії між агентами можуть мати різний ступінь складності та спрямова-

ність: це кооперуючи або конкуруючі стратегії, що динамічно виробляються під час функці-

онування системи. Координація може бути досягнута без комунікації, через організацію.

З точки зору колективної поведінки агентів існує так звана гіпотеза Цетліна про прос-

тоту, яка говорить, що взаємодія простих поведінкових актів призводить до виникнення

складного поведінкового процесу, а сумісне функціонування колективу простих агентів

в складному середовищі здатне забезпечити виконання колективом поставлених перед ним

складних задач [7]. Ця властивість системи називається емерджентністю.

Беручи до уваги, що агенто-орієнтовані моделі складаються з динамічно взаємодію-

чих за певними правилами агентів, середовище, в якому вони взаємодіють, може бути доста-

тньо складним.

У розподіленому штучному інтелекті і загалом у області мультиагентних систем пе-

редбачається, що окремий

агент може мати лише часткове уявлення про загальне завдання

і здатний вирішити лише деяку його підзадачу. Тому для вирішення будь-якої складної про-

блеми потрібна взаємодія агентів як між собою, так і з середовищем, і вона невіддільна від

організації мультиагентних систем. Цей соціальний аспект розв’язку задач – одна з фундаме-

нтальних характеристик концептуальної новизни передових комп’ютерних технологій і шту-

чних (віртуальних) організацій, що будуються як мультиагентні системи.

3. Навчання агентів. Метою навчання є пристосовування агента до непередбачуванос-

ті середовища та дозволяє розв’язати проблему заздалегідь невідомого оптимального спосо-

бу досягнення мети. Таким чином, агент стає компетентнішим в порівнянні з тим

, що могли

б дозволити тільки його початкові знання.

Щоби реалізувати навчання агента, таким чином перетворивши його на інтелектуаль-

ного агента, було реалізовано архітектуру, зображену на рис. 1.

Загальний принцип навчання полягає в тому, що агент діє на середовище і сприймає

його своїми рецепторами. Компонент агента під назвою «Критик» надає йому інформацію

про корисність його дій. Агент змінюється для того, щоби виконувати найбільш корисні дії.

Але компонент під назвою «Генератор проблем» заважає обирати один і той же шлях, при-

мушуючи шукати нові підходи.

Існують різні методи навчання, такі як контрольоване, неконтрольоване та навчання

з підкріпленням [4].

НАУЧНЫЙ ВЕСТНИК ДГМА № 1 (4Е), 2009

Рис. 1. Загальна модель агентів, що навчаються

Завдання навчання з підкріпленням (reinforcement learning) є найбільш загальним

з цих трьох категорій. Агент, що проходить навчання з підкріпленням, не одержує від вчите-

ля вказівок про те, що робити, а повинен навчатися на основі підкріплення (винагороди). На-

вчання з підкріпленням має багато переваг та широку сферу застосування. Його використо-

вують для навчання як окремого агента, так і цілісних колективів агентів. Навчання з підкрі-

пленням може розглядатися як завдання, що охоплює всю тематику штучного інтелекту.

Методом навчання з підкріпленням, що було використано в проекті, був метод

Q-навчання. Агент, що діє за принципом Q-навчання, визначає за допомогою навчання фун-

кцію «дія-значення», або Q-функцію, одержуючи відомості про очікувану корисність вико-

нання даної конкретної дії в даному конкретному стані. Агент, що діє за принципом

Q-навчання, може порівнювати значення, що характеризують доступні йому варіанти дій, без

необхідності знати їх результати, тому йому не потрібна модель середовища.

Щодо методу навчання Q-learning доведена наступна теорема:

Теорема (Q-learning Converges). Якщо темпи навчання та дослідження будуть змен-

шуватись достатньо повільно, то метод навчання Q-learning гарантує, що таке навчання

знайде оптимальну політику (Watkins і Дейан, 1992).

Навчання з підкріпленням оперує наступними поняттями:

State∈s

– стани;

Action∈a

– дії;

Reward∈r

– відгук.

Загальний алгоритм такого навчання наступний:

1. Вибрати найбільш корисну дію.

2. Оцінити результати.

3. Змінити уявлення про корисність дій.

Не завжди треба вибирати найбільш корисну дію. Ймовірність дії розраховується на-

ступним чином:

∑

∈

TaxQ

actionsk

TaxQ

xap

/),(

)|(

, (1)