17768

17768

ارائه يك رهيافت معماري شناختي براي بهبود يادگيري و عملكرد عامل‌هاي اجتماعي خودمختار

كارشناسي ارشد

هوش مصنوعي

اسفند 1395

دكتر محمدرضا جاهد مطلق

كامپيوتر

يكي از چالش‌‌هاي سيستم‌‌هاي چند عامله، ارتقاي باورپذيري عامل‌ها است تا در نهايت رفتاري مشابه عملكرد انسان، در شرايط پويا از خود بروز دهند. استفاده از رويكردهاي شناختي و كاربرد فاكتورهاي انساني نظير شخصيت، هيجان و انگيزش براي پاسخگويي به مسائلي كه عامل در صدد الگوبرداري از رفتار انسان است، مفيد خواهد بود. اگرچه تا به امروز پژوهش‌هاي گسترده‌اي در ارائه و توسعه مدل‌هاي محاسباتي شناختي صورت گرفته‌است، اما كاربردي نمودن اين مدل‌ها و استفاده از آن‌ها در شبيه‌سازي عامل‌هاي هوشمند با كم‌توجهي روبه‌روست. اين پژوهش با هدف ارائه مدلي براساس فاكتور انگيزش و كاربرد آن در شبيه‌سازي يك سيستم چند عامله شكل گرفته‌است. انگيزش به رفتار انسان نيرو و جهت مي‌‌دهد و در مدت برانگيختگي، محرك دروني يا بيروني انگيزه را تحريك نموده و رفتار را جهت‌‌مند مي‌‌كند. دو پديده روانشناسي انگيزش و هيجان ارتباط تنگاتنگي داشته و با ايجاد حس هيجان، انگيزش ايجاد مي‌‌شود. البته در برخي اوقات اين امكان نيز وجود دارد كه انسان در جهت خاصي برانگيخته شود؛ بدون آن‌‌كه هيجاني احساس كند. از ديدگاه روانشناسي دو نوع پاسخ‌‌دهي متفكرانه و پاسخ‌‌دهي مبتني بر هيجان وجود دارد. بعلاوه، نظريه‌‌پردازان روانشناسي بر اين باورند كه تفكرات و احساسات به طور جدايي ناپذيري در پاسخگويي مغز با هم در ارتباط هستند. از آنجا كه اغلب روش‌‌هاي يادگيري و استنتاج بر جنبه ذهن متفكر توجه دارند، لذا در اين پژوهش برآن هستيم تا ضمن بررسي اثر شناخت و مدل‌‌هاي شناختي در شبيه‌‌سازي سيستم‌‌هاي چندعامله، روشي تبيين كنيم تا اهميت پاسخ‌‌دهي هيجاني و از روي انگيزش را در حل يك مسئله مشاركتي چندعامله پويا نشان دهد و اثر انتشار هيجان مثبت در انسجام گروه و كاهش تصميم‌‌گيري‌‌هاي لحظه‌‌اي افراد مطالعه شود. روش ارائه شده، تركيبي از الگوريتم درخت جستجوي مونت‌كارلو براي پاسخ متفكرانه و الگوريتم تقويت انگيزش است كه تعادلي بين دو نوع پاسخ‌دهي ايجاد مي‌كند تا نظريه تفكيك‌ناپذيري تفكر و هيجان در پاسخگويي تبيين گردد. نتايج حاكي از آن است كه با وجود فاكتور هيجان و انتشار آن، ميزان همكاري عامل‌ها جهت انسجام حول هدف افزايش مي‌يابد. واژه‌هاي كليدي: مدل‌‌ محاسباتي شناختي، معماري شناختي، عامل شناختي اجتماعي، شبيه‌‌سازي اجتماعي، انگيزش، هيجان

1396/06/19

1/1/1900 12:00:00 AM

One of the challenges multi agents systems face is to enhance the believably of the agents to show human like behavior in dynamic situations. It would be beneficial to use cognitive approach and human behavior factors such as personality, emotion and arousal in solving problems that the agent follows modelling of human behavior to response. Although many researches have been conducted in presenting and developing computational cognitive models, there has not been much attention in implementing practical cognitive models in intelligent agents simulation. The goal of this research is to present a model with respect to arousal factor and to use it in simulation of multi agent systems. Motivation gives human behavior power. During the arousal, an internal or external motive, stimulates and directs motivation. Emotion and arousal in psychology are two phenomena that are connected deeply since motivation causes arousal. However, there are conditions that human arose without feeling a motivation. From psychological approach, two types of brain response are existed which are thinking response and emotional response. Most of psychological theorists believe that these two type of responses are deeply connected to form brain response. Most of inference methods are concerned about the thoughtfulness of brain. However, this research presents a method to show the importance of emotional response in solving dynamic multi-agent problems while inspecting the effects of cognition and the cognitive models associated with it in simulation of multi agent systems. Moreover, the effects of spreading positive emotion in unity of the group and reduction of instantaneous decisions by individual agents has been studied. The presented method in this research is a combination of Monte Carlo search tree algorithm for a thoughtful response and arousal reinforcement algorithm. This method makes a balance between two types of responding to employ the theory of inseparable. Results show that in the presence of motivation and spreading it, cooperation of agents increases. Keywords: Computational Cognitive Model, Social Cognitive Agent, Social Simulation, Emotion, Arousal