Интерактивное принятие решений в мультиагентных интеллектуальных системах с привлечением динамической дескрипционной логики


Дата начала работ по гранту: 09.04.2021
Дата окончания работ по гранту: 28.12.2021
Руководитель: Чернов Андрей Владимирович
Исполнители: Карташов Олег Олегович
Внешние исполнители: Александров Александр Алексеевич, Мизюков Григорий Сергеевич, Мирошников Артем Михайлович, Сарьян Анна Сергеевна, Швалов Дмитрий Викторович

Фундаментальная научная задача, которая подлежит разработке в предлагаемом проекте, заключается в получении новых знаний о процессах накопления и обработки информации для широкого класса интеллектуальных систем поддержки принятия решений на основе разработки и реализации комплекса математических моделей, формально описывающих принципиально новый вид памяти систем, которая имеет многоуровневую структуру и обладает механизмами избирательного сохранения вычислимых функций и возможностями логического распределенного вывода. Актуальность проекта вызвана необходимостью хранения и обработки сверхбольших объемов данных для получения решений в искусственных интеллектуальных системах. В проекте предлагается разработка комплекса математических моделей, предназначенного для синтеза нового класса интеллектуальных систем поддержки принятия решений, который содержит ряд отличий, а именно:
1) память системы, в отличие от известных методов хранения основана на моделях и методах динамической дескрипционной логики, что позволяет реализовать ее многоуровневую структуру;
2) взаимодействие агентов в системе координируется математической моделью динамической гранулярной сети и принципами математических интерактивных вычислений, что позволяет, соответственно, изменять меру информационной осведомленности и управлять ходом вычислений для больших коалиций агентов;
3) вычислительный процесс агента в системе задается формальными математическими моделями интерактивной вычислимости и реализуемости, что позволяет, в отличие от традиционного процесса вычислений, изменять на некотором шаге исходные условия вычислений и избегать получения не полиномиальной сложности вычислений при обработке сверхбольших объемов данных для задач принятия решений. Научная значимость результатов заключается в применимости предлагаемых моделей описания архитектуры памяти систем поддержки принятия решений для широкого класса интеллектуальных систем. Прикладная значимость результатов заключается в использовании методов, предлагаемых в проекте в интеллектуальных системах поддержки принятия решений в автоматизированной системе управления инфраструктурой железнодорожного транспорта в подсистеме сбора, хранения и обработки данных об инцидентах, возникающих на инфраструктуре.


Публикации по направлению


Всего отобрано 0 публикаций с суммарным значением Impact-factor = 0