- Понимание эмерджентного поведения в многоагентных системах с помощью эволюционной теории игр (arXiv)
Автор :Ань Хань
Аннотация:механизмы возникновения и эволюции коллективного поведения в динамических многоагентных системах (MAS) нескольких взаимодействующих агентов с различными поведенческими стратегиями в соприсутствии подвергались математическому изучению с помощью эволюционной теории игр. (ЭГТ). При их систематическом изучении также используются методы агентного моделирования и симуляции (АВМ), что позволяет изучать указанные механизмы в различных условиях, параметрах и альтернативных виртуальных играх. В этой статье обобщены некоторые основные направления исследований и задачи, решаемые нашей группой с использованием методов EGT и ABM. Они варьируются от внедрения когнитивных и эмоциональных механизмов в реализацию агентов в развивающейся MAS до экономически эффективного вмешательства для поощрения просоциального поведения в сложных сетях, до регулирования и управления экологией развития безопасности ИИ и до анализа равновесия случайные эволюционные многопользовательские игры. Этот краткий обзор направлен на то, чтобы привлечь внимание читателя к проблемам, результатам и перспективам, основанным на EGT, которые приобретают все большее значение для моделирования разума с помощью машин и разработки просоциального поведения в динамических MAS, что влияет на наше понимание возникновения и стабильности коллективных поведение. Во всех случаях описываются важные открытые проблемы в исследованиях MAS с точки зрения или приоритетности группы.
2. На пути к поиску во время выполнения для реальных многоагентных систем (arXiv)
Автор: Эбигейл С. Диллер, Эрик М. Фредерикс
Вывод:многоагентные системы (MAS) могут столкнуться с неопределенностями в виде непредвиденных условий окружающей среды, неоптимальных конфигураций системы и незапланированных взаимодействий между автономными агентами. Количество комбинаций таких неопределенностей может быть бесчисленным, однако тестирование во время выполнения может уменьшить количество проблем, влияющих на такую систему. Мы утверждаем, что эвристика поиска может дополнить процесс тестирования во время выполнения на месте для MAS. Чтобы поддержать нашу позицию, мы обсуждаем наш незавершенный экспериментальный испытательный стенд для реализации этой цели и выделяем проблемы, которые мы ожидаем для этой области.
3. Положительный консенсус для гетерогенных мультиагентных систем (arXiv)
Автор:Руонан Ли, Ютао Тан, Шуронг Ли
Аннотация: в этой статье мы рассматриваем проблему положительного консенсуса для некоторых линейных мультиагентных систем высокого порядка. По сравнению с существующими согласованными результатами наиболее отличительной чертой сформулированной проблемы является то, что переменные состояния всех гетерогенных агентов ограничены положительным ортантом. Чтобы решить эту проблему, мы сначала представляем некоторые вспомогательные многоагентные системы в качестве генераторов положительных локальных ссылок, а затем включаем генератор ссылок в некоторый применимый децентрализованный контроллер слежения для каждого агента. Доказано, что предложенные два различных типа распределенных алгоритмов решают проблему положительного консенсуса, выполняя определенный заданный шаблон для этой многоагентной системы в коммутационной топологии. Наконец, приведен пример моделирования, чтобы проиллюстрировать эффективность нашего дизайна.
4. Логика гиперсвойств в многоагентных системах (arXiv)
Автор: Рэйвен Бейтнер, Бернд Финкбайнер
Аннотация: Гиперсвойства обычно используются в компьютерной безопасности для определения политик информационных потоков и других требований, которые касаются взаимосвязи между несколькими вычислениями. В этой статье мы изучаем новый класс гиперсвойств, где отдельные пути вычислений выбираются стратегическим выбором коалиции агентов в многоагентной системе. Мы представляем HyperATL*, расширение логики дерева вычислений с переменными пути и квантификаторами стратегии. Наша логика может выражать стратегические гиперсвойства, например планировщик в параллельной системе имеет стратегию предотвращения утечки информации. HyperATL* особенно полезен для указания асинхронных гиперсвойств, т. е. гиперсвойств, где скорость выполнения на разных путях вычислений зависит от выбора планировщика. В отличие от других недавних логик для спецификации асинхронных гиперсвойств, наша логика первая допускает разрешимую проверку модели для полной логики. Мы представляем алгоритм проверки модели для HyperATL*, основанный на чередующихся автоматах, и показываем, что наш алгоритм асимптотически оптимален, предоставляя нижнюю границу соответствия. Мы реализовали прототип средства проверки модели для фрагмента HyperATL*, способного проверять различные свойства безопасности в небольших программах.
5. Назначение кластера в многоагентных системах (arXiv)
Автор:Миэль Шарф, Даниэль Зелазо
Аннотация: мы изучаем назначение кластеров в многоагентных сетях. Мы рассматриваем однородные диффузионные сети и фокусируемся на дизайне графа, который обеспечивает сходимость системы к заданной конфигурации кластера, т. е. указание количества кластеров и агентов в каждом кластере. Используя недавние результаты кластерного синтеза, мы показываем, что можно спроектировать ориентированный граф таким образом, чтобы действие группы автоморфизмов графа имело орбиты заданного размера, гарантируя сходимость сети к заданной конфигурации кластера. Мы обеспечиваем верхнюю и нижнюю границы количества ребер, необходимых для построения этих графов, а также конструктивный подход к созданию этих графов. Мы подкрепляем наш анализ некоторыми числовыми примерами.
