18350

۱۸۳۵۰

بسط ابزار شبيه سازي اني لاجيك به منظور شبيه سازي سيستم هاي پيچيده متشكل از عامل هاي هوشمند

ارشد

هوش مصنوعي و رباتيك

شهريور ۱۳۹۶

دكتر كنگاوري

كامپيوتر

امروزه سيستم‌هاي چندعامله به منظور مدل سازي فرايند ايجاد تصميم در انسان بسيار مورد استفاده قرار مي‌گيرند. كاربردهاي موفق زيادي از اين روش مشتق شده‌اند كه در حوزه‌هاي متفاوتي كارا ظاهر شده‌اند. سيستم‌هاي پيچيده بر خلاف سيستم‌هاي ساده از مولفه‌هاي متعددي بهره‌مند مي‌باشند. در حوزه سيستم‌هاي پيچيده، سيستم‌هاي چند عامله نقش بارزي را ايفا مي‌كنند. در اين پژوهش با بكارگيري ابزار شبيه‌سازي Any Logic اقدام به شبيه‌سازي و پياده‌سازي سيستم پيچيده نموده‌ايم. ما در سيستم پيچيده خود با الهام از مدل تصميم گيري شناختي CODAGE، كلان‌عامل‌هايي را طراحي مي‌نماييم كه وظايف خود را بين خردعامل‌هاي تشكيل دهنده خود تقسيم مي‌نمايند. ما قوانين و دانشي را جهت ايجاد امكان تعامل ميان عامل‌ها فراهم مي‌كنيم. با در نظر گرفتن متغيرهاي محدود كننده امكان كنترل محدوديت‌هاي محاسباتي را براي طراح شبيه‌ساز ايجاد مي‌كنيم. عامل‌هاي تشكيل دهنده سيستم پيچيده را با مفاهيم يادگيري تقويتي تجهيز كرده و قابليت يادگيري از تعاملات بين عامل‌ها را به آنها مي‌افزاييم. براي آزمودن سيستم پيچيده شبيه‌سازي شده از مثال طناب كشي استفاده كرده و عملكرد مدل را، ضمن استخراج دانش اوليه، در محيط Any Logic نمايش مي‌دهيم.

1396/10/27

1/17/2018 12:00:00 AM

Nowadays, Multi-Agent Systems (MAS) have been already used to model human decision making processes and many successful applications have been derived from these works in various fields. Multi-Agent Systems has a prominent roles in the complex systems area. Unlike simple systems, complex systems consist of many different components. In these thesis, with using Any Logic, as a simulation tool, we construct and simulate a complex system. In designing complex system, we inspired by CODAGE cognitive decision model and design some macro agents that their roles to their constitutive micro agents. We prepare knowledge and roles structure to make abilities to interact in agents. For intelligentizing agents, we use reinforcement learning to make agents learnable from their interactions.