Sfera sistemelor multi -agent este fundamentată pe transferul de concepte și metodologii [623503]

Sfera sistemelor multi -agent este fundamentată pe transferul de concepte și metodologii
din mai multe discipline cum ar fi: logică, tehnică, economie, ecologie și altele. Acesta este motivul
pentru care nu trebuie să surprindă diversele opinii a ceea ce constituie un proiect de sistem
multi -agent.
Definind sistemele multi -agent, acestea reprezintă o subclasa a sistemelor concurențiale,
iar pentru unele entități din colectivitatea sistemelor distribuite sau calculului distribuit ar putea
pune problema dacă sistemele multi -agent sunt suficient de variate de la standardul sistemelor
distribuite sau sistemelor concurente pentru a putea motiva un studiu separat. Răspunsul la
aceasta problemă este unul afirmativ deoarece agenții sunt presupuși autonomi, iar sinc ronizarea
și coordonarea structurilor într -un sistem multi -agent se face la momentul execuției și nu la
momentul proiectării. Mai mult de atât, agenții sunt membrii cu interese proprii, ce urmăresc
îndeplinirea unui scop individual sau colectiv la nivelul sistemului multi -agent.
Acest sistem multi -agent este format dintr -o colectivitate de agenți software inteligenți de
același tip sau diferit specializați care acționează separat pentru a rezolva împreună problema,
interacționând prin schimb de mesaje . Agenții individuali angajați într -un sistem multi -agent au
diferite scopuri sau motivații. Sistemele multi -agent sunt mai eficiente în comparație cu un agent
software individual sau cu un sistem software care activează la modul "mono -agent", acesta
putând rez olva probleme pe care aceste sistemele de tip ”mono” nu le -ar putea soluționa. Pentru
succesul interacțiunii, agenții trebuie să aibă capacitatea de cooperare, de coordonare și
de negociere cu alți agenți.
Concepția fundamentată pe agenți oferă o serie ext insă de tehnici, instrumente și
paradigme, care au o mare posibilitate de a îmbunătăți modul în care este utilizată tehnologia
informațională dar și a modului în care oamenii o concep. Sistemele multi -agent și agenții
reprezintă o modalitate nouă de anali ză, modelare și implementare a sistemelor complexe.
Agenții sunt utilizați în tot felul de sisteme complexe dar și în sisteme de mici dimensiuni.
În oricare caz poate fi utilizat conceptul de agent și metodele care derivă din acesta. Este
remarcabilă vari etatea de aplicații ce poate fi caracterizată în termenii teoriei agenților și
sistemelor multi -agent.
Sistemele multi -agent sunt formate din mai mulți agenți interconectați și sunt ideale în
abordarea problemelor ce au mai multe variante de rezolvare, mai multe metode de structurare
și, ca în cazul sistemelor distribuite, mai multe entități care le rezolvă.
Avantajul acestor sisteme este acela al rezolvării distribuite și concurente a problemelor,
dar și cel al reprezentării modalităților complexe de inter acțiune. Cele mai importante tipuri de
interacțiuni sunt: cooperarea (colaborarea în atingerea scopului comun), coordonarea
(organizarea activității de rezolvare a problemelor într -un astfel de mod încât interacțiunile
negative sunt eliminate iar cele favorabile sunt utilizate) și negocierea (ajungerea la un consens
acceptabil pentru toate părțile implicate) reprezintă aspecte importante ale utilizării în practică a
metodelor bazate pe agenți.
Spre deosebire de sistemele cu un singur agent care îndeplinesc o singură sarcină,
sistemele multi -agent cuprind mai mulți agenți, fiecare dintre aceștia putând executa acțiuni
autonome ș i urmărind scopuri proprii.

Astfel se construiește o rețea de agenți reunită într -un sistem de agenți de soluționare
care colaborează în rezolvarea problemelor ce depășesc capacitățile sau cunoștințele individuale
ale fiecărui agent de soluționare 1.
Aceșt i agenți de soluționare reprezintă agenți autonomi și pot fi diferiți.
Cele mai importante caracteristici ale sistemului multi -agent sunt:
 Datele disponibile sunt distribuite descentralizat;
 Calculul este asincron;
 Nu există un sistem de control global;
 Sunt limitați în raport cu complexitatea problemei deoarece fiecare agent deține informații
incomplete sau capacitatea lor de rezolvare este redusă.

În proiectarea și implementarea sistemului multi -agent apar cerințe în plus față de
sistemele bazate pe agenți, cum ar fi: capabilitatea de a colabora cu sisteme existente,
funcționarea trebuie sa fie robustă și eficientă, să aibă capacitatea de a soluționa probleme în
cazul în care datele, expertiza sau controlul sunt distribuite. Din cauza acestui surplus de cerințe
sistemul multi -agent creează dificultăți în proiectare, implementare și funcționare. Dar în același
timp, sunt importante și utile, fiind folosite domenii variate precum: robotică, căutare web,
economie etc.

Pentru a crea o infrastructură intel igentă, toate sistemele tradiționale, chiar și sistemele
de management al cunoștințelor trebuie să li se integreze sisteme multi -agent.
Un sistem multi -agent poate fi privit ca un sistem în dezvoltare în care fiecare agent
desfășoară o activitate independe ntă. Precum modelului de dinamică a populației și stabilitate,
fiecare agent dintr -un sistem multi -agent, teoretic, își poate derula activitatea independent de
existenta celorlalți agenți.
Teoria sistemelor multi -agent s -a dezvoltat din dorința de a crea s isteme inteligente. În
cadrul sistemului multi -agent, pentru o specificare completă, este necesară definirea
cunoștințelor și comportamentului intern al agenților și modul de interacțiune cu ceilalți agenți cu
care coexistă.
În cardul unui sistem multi -agent planul agentului poate fi definit ca o țintă ce trebuie atinsă
în momentul realizării unui set de acțiuni. Priceperea unui agent este abilitatea sau posibilitatea
de a executa o acțiune sau un set de acțiuni, și în același timp de a da dovadă de intel igență ca
urmare a rezultatelor obținute.
Sistemul multi -agent este un sistem împărțit care este alcătuit dintr -un grup de agenți
independenți care colaborează într -un mediu comun, fiecare agent deținând cunoștințe, capacități
de acțiune și scopuri proprii .
Un ansamblu de agenți ce reprezintă entități active care operează într -un mediu, un
spațiu, asupra unor obiecte care sunt entități pasive și pot fi create, distruse sau modificate de
către agenții -entități active, pe baza relații ansamblu care contopesc obiectele între ele, folosind
operatori care au sarcina de a reprezenta aplicarea acestor operații.

1 Abdellah Bedrouni, Ranjeev Mittu, Abdeslem Boukhtouta, Jean Berger (2009). „ Distributed Intelligent Systems: A
Coordination Perspective”, Springer Science & Business Media

Dacă numărul de agenți este egal cu numărul de obiecte și mediul este o mulțime vidă –
adică roboții sunt interconectați numai între ei, atunci regăsim un s istem multi -agent pur
comunicant.
În construcția sistemelor multi -agent s -a impus o nouă formă metodologică de
programare, AOP – adică Agent Oriented Programing, care poate fi văzută ca o specializare a
formei programării orientate pe obiecte, OOP (Object Oriented Programing). În AOP stările
modulelor sunt convingeri, intenții etc. Pentru a preveni dezordinea, pentru a rezolva
constrângerile de mediu, în condițiile în care agenții au diferite compentențe și posibilități de
expertiză, acțiunile agenților fii nd uneori condiționate, este necesară coordonarea, care uneori
impune proiectarea unui agent coordonator. Coordonarea se poate face prin împărțirea de
atribuții și prin împărțirea de rezultate.
Mai jos regăsim exemple de situații în care se impune o colab orare între agenți în caz de
conflict.
Exemplul 1. Partajare de sarcină – Un agent cere ajutorul altui agent;
Exemplul 2. Cooperare de tip partajare de rezultate – La un agent sosesc rezultate
referitoare la o informație de la diferiți agenți;
Exemplul 3. Plan de rezolvare – Când coordonatorul trebuie să găsească un alt plan de
rezolvare pentru o atribuție pe care un agent nu a putut obține informațile cerute de la alt agent.
Astfel deducem că între agenți poate avea loc o negociere, adică un schimb de mes aje bazat pe
un protocol, ce are ca rol stabilirea unui acord în situații conflictuale.

Necesitatea existenței unor sisteme ce pot stabili în mod independent ceea ce au nevoie
pentru atingerea obiectivelor pentru care au fost proiectate și numărul tot mai mare de aplicații a
dus la apariția termenului de agent. Acești agenți trebuie să dețină capacitatea de a funcționa
într-un mod eficace în medii definite de schimbări rapide, cu o evoluție neașteptată, în care există
probabilitatea foarte mare ca acțiuni le executate să nu aibă rezultatul dorit, sunt cunoscuți sub
numele de agenți inteligenți , sau agenți autonomi.
Un agent este un sistem apt să realizeze acțiuni în mod flexibil și liber pentru îndeplinirea
țintelor. Prin flexibilitate înțelegându -se deținerea unor caracteristici precum:
– Pro-activitate: Comportamentul axat pe îndeplinirea atribuțiilor pentru care a fost creat;
– Abilitate socială: Capabilitatea unui agent de a comunica cu alți agenți, fie ei și operatori
umani, pentru realizarea scop urilor proprii sau scopurilor comune;
– Reactivitate : Capacitatea de percepere a stării mediului și de a răspunde acestor schimbări
prin efectuarea unor acțiuni specifice, această trăsatură, în cadrul sistemelor dinamice,
corespunde existenței buclei de feedback.
Agenți inteligenți reprezintă un sistem situat și integrat într -un mediu, ce are modalități de a
prelua informații care -i definesc evoluția și cu timpul care exercită acțiuni asupra lui, care are ca
finalitate atingerea scopurilor propuse și anti ciparea traiectoriei de evoluție a sistemului. 2
Trăsăturile agenților inteligenți:

2 Henry Hexmoor, Cristiano Castelfranchi, Rino Falcone (2006). “Agent Autonomy”, Springer Science & Business
Media

– Autonomie: Capacitatea de controlare a acțiunilor proprii prin realizarea atribuțiilor având la
baza fie instrucțiunile utilizatorilor umani, fie a altor agenți, cât și c ele independente;
– Caracter adaptiv: Capacitatea agenților de adaptare la mediul extern, pe baza interacțiunilor
cu informațiile, obiectele, alți agenți;
– Caracter social: Fiecare agent, în mod uzual, face parte dintr -un sistem multi -agent, aceștia
coope rează , comunică și concurează cu alți agenți, în numele utilizatorului lor;
– Mobilitate: Se pot muta în cadrul unei rețele, de pe un sistem pe altul având ca obiectiv
îndeplinirea propriilor atribuții;
– Orientare pe obiectiv: agenții acționează pentru î ndeplinirea obiectivului pentru care au fost
creați;
– Caracter de comunicare: Prin intermediul unor protocoale, agenții au capacitatea de
comunicare cu oamenii sau cu alți agenți.
– Caracter impersonal: Nu au trăiri, sunt obiectivi și nu au preferințe;
– Inteligență: Dau dovadă de comportament inteligent prin folosirea de procedee
metodologice ce duc la descoperirea de soluții noi și procesare de limbaj natural.
Agenți realizează diverse acțiuni având un anumit nivel de reacție și dau dovadă de
caracteris tici precum învățare, colaborare și mobilitate, sprijinind utilizatorii în activitățile lor.
Aplicați ale agenților inteligenți:
– Agenți de interfață: pentru personifica interfața aplicației preferințele și nevoile utilizatorului,
agentul urmărește obicei urile utilizatorilor pe o perioadă de timp;
– Agenți de forare și filtrare: aceștia sunt folosiți pentru obținerea și căutarea informațiilor pe
baza interogărilor utilizatorilor, și facilitează utilizatorilor selectarea, categorisirea, organizarea și
localizarea informațiilor din diferite surse;
– Agenți de planificare: ajută la cooperarea și comunicarea dintre membrii unei echipe;
– Agenți mediatori: creează o piață virtuală, care se ocupă de negocieri, căutări, comenzi
electronice, prin acest lucru sprijină cooperarea dintre cumpărători și furnizori.
– Agenți de cumpărături: sunt proiectați pentru a sprijini utilizatorul să obțină cea mai bună
afacere cu un minim de efort.
– Agenți de e -commerce: sunt folosiți pentru a furniza sprijin vânzătorilor sau ușurarea
desfășurării tranzacțiilor;
– Agenți pentru suportul deciziei: au acces la bazele de date și oferă sprijin în procesele de
luare a deciziilor;
– Agenți asistenți personali: oferă servicii individuale, personalizate;
– Agenți de management al r ețelei: prin intermediul internetului și intranetului, agenții alocă,
monitorizează și coordonează serviciile rețelei;
– Agenți de extragere a datelor: folosesc instrumente de analiză pentru a detecta forme și
evenimente critice dintr -o bază de date sau de pe internet.
– Agenți de clasificare: au rolul de a sonda în mod automat Internetul și de a crea categorii
de informații și servicii, asemănătoare celor utilizate de Bing, Yahoo, Google sau alte motoare de
căutare.

SMA -urile sunt utilizate în crearea uno r sisteme software interactive care se bazează pe
funcționarea într -un sistem stimul -răspuns. Acestea prelucrează un sistem interactiv printr -o
grupare de agenți specializați care produc și reacționează la stimuli existenți în cadrul sistemului.
SMA -ul cre ază acest sistem interactiv prin mijlocul unor unități computaționale specializate numite
agenți, care se află, la un moment dat, într -o stare, dețin o bază de cunoștințe și pot să inițieze
sau să răspundă la acțiuni.
Un SMA poate fi privit ca un sistem în evoluție în care fiecare agent își desfășoară activitatea
independent de existența celorlalți agenți. SMA -urile sunt unelte utile în modelarea sistemelor de
informație distribuită cu o interdependență sincronă sau asincronă.

Acțiunile sau atribuțiile pe care un agent le poate executa în cadrul sistemului în care se
află, sunt solicitate de către un alt agent cu care împarte același mediu. Rolul său, în cadrul
sistemului, este definit în concordanță cu funcționalitatea acelui agent.
În structura sa, fieca re agent memorizează intern un set de cunoștințe despre sistemul în
care funcționează. Observarea și verificarea agentului este realizată în legatură cu specificația
atribuțiilor pe care agentul le are de îndeplinit și a strategiilor folosite. Modalitatea de definire a
strategiilor, planurilor și țintelor diferă în funcție de rolul fiecărui agent.
Prin transmiterea unor mesaje într -o manieră sincronă sau asincronă, agenții izbutesc în a
coexistă în cadrul aceluiași sistem.
Acest tip de comunicare trebuie să respecte anumite reguli, cum ar fi:
– agenții sunt uniți prin legături de comunicație unidirecțională ce au ca rol transmiterea de
mesaje discrete;
– ipoteza faptului că nu ar exista întârziere în transmisia -recepția unui mesaj;
– cunoașterea proveniențe i mesajului, în momentul recepției, de către agentul receptor;
– emisia și recepția mesajelor este precizată cu o relație de ordine;
– se insinuează faptul că transportul mesajelor este infailibil, stabil.

În afara acestui schimb de mesaje, este necesară realizarea unei înțelegeri între agenți
pentru compensarea obligațiilor la care sunt supuși, datorate coexistenței în cadrul aceluiași
sistem, lucru realizat printr -un proces de negociere alcătuit din coordonare și cooperare.
Cooperarea implică faptul că rezolvarea unei probleme este consecința unei interacțiuni de
colaborare la care participă toți agenții. Coordonarea se face între grupele de agenți și permite
analiza atribuțiilor ce trebuie îndeplinite și repartizarea proceselor grupelor de agenți fără a dubla
volumul de muncă. SMA poate fi folosit pentru stimularea oricărui mediu cooperativ, indiferent de
dificultate.
Fiecare componentă a SMA contribuie activ în beneficiul tuturor:
– informațiile obținute de la alți agenți nu trebuie ținute în istoricul agenților individuali;
– informațiile ce circulă în sistem nu sunt învechite mulțumită procesului continuu de emitere
/ consumare de informații;
– este evitată dublarea informației;
– acest model bazat pe multi -agenti este în urcare motivul fiind acela că numărul agenților
este sau poate fi într -o schimbare continuă.

Cele mai importante abilități ale unui SMA sunt:
– rezolvarea problemelor centralizat, probleme care sunt prea extinse pentru un singur agent;
– obținerea de rezolvări pentru probleme distribu ite de ordin esențial;
– Tolerarea de informații incerte.
Indiferent de complexitate, modelul SMA poate fi utilizat pentru stimularea orcărui mediu
cooperativ. Conceptul de unități de interacțiune și cooperare este propagat de modelele multi –
agent care implementează sisteme cu o arhitectură modulară paralelă.

Proiectarea recurentă a interfețelor utilizator, a aplicațiilor repartizate, și manevrarea
dialogurilor pe mai multe căi, sunt sprijinite prin mecanismele de modularitate și paralelism:
– susținere pentru proiectare recurentă – în acest caz, un agent definește unitatea de
modularitate. Este posibilă modificarea comportamentului agentului, ca urmare a implementării
acestui concept, dar fără a pune în pericol integritatea sistemului;
– susținere pentru aplicații repartizate – în cazul procesării, agentul definește unitatea. Există
probabilitatea ca agentul să își exprime comportamentul pe alte procesoare decât pe cel pe care
a fost creat.
– susținere pentru manevrarea dialogurilor pe mai multe că i – fiecărui fir de execuție îi poate
fi asociat un agent. Local, starea este menținută de către agent, atunci când interacțiunea dintre
agent și utilizator poate fi suspendată până la momentul în care utilizatorul hotărăște reluarea
activității. Atunci câ nd un fir de execuție este mai complex pentru a fi prelucrat de un agent, atunci
este probabil ca problema să fie executată de o serie de agenți.
Modelul multi -agent poate fi aplicat ușor prin modele de limbaj orientate pe obiecte pentru
a crea interfețe m ai prietenoase utilizatorilor. Acest lucru se poate realiza prin gruparea “clasă
obiect” “agent“ în care operatorii și însușirile clasei sunt cele care modelează setul de acțiuni,
reguli și starea agentului. Atât obiectul cât și agentul decid propria star e fiind unități de procesare
specializate.
Pe parcursul timpului au evoluat o serie de modele multi -agent pe baza acestor limbaje de
programare obiectuale, acestea au în componență agenți reactivi.

În evoluția agentului a apărut, un nou model bazat pe dezvoltare software, care în mod
așteptat a câștigat o mai largă acceptare în rândul dezvoltatorilor de software. Furnizarea de
instrumente și medii de dezvoltare, au o contribuție importantă la rezolvarea mai ușoară și rapidă
a cererilor bazate pe agent.
Modul curent de agenți, reprezintă instrumente ce se caracterizează printr -o multitudine de
agenți, medii de dezvoltare, care oferă posibilități limitate din punct de vedere al nivelului de
captare, elaborare și dezvoltare a procesului de evoluție a agentu lui orientat spre aplicații spre
deosebire de cel proiectat.
În ultima perioadă este tot mai clară tendința de dezvoltare a modului de aplicare a agentului
de instrumente și tehnologii. Pentru acest scop, destul de dorit de către dezvoltatorii de agenți,
este un efort în crearea unui produs software care îmbină principalele tehnologii utilizate pe scară
largă într -un singur instrument.

Pentru îndeplinirea acestei cereri, s -a dezvoltat Agentul Academie3. Acesta reprezintă o
soluție cadru integrată pentru con struirea de aplicații multi -agent și încorporarea regulii pe bază
de raționament încă de la faza de proiectare.
Un model al cadrului infrastructurii este pus în aplicare pe Jade4, care asigură un nivel relativ
ridicat al gradului de compatibilitate FIPA, a șa cum sunt caracterizate în FIPA Developer’s Guilde5
și JADE Programmers Guilde6.
Agentul Academie este un sistem multi -agent, a căror structură se bazează pe metodologia
GAIA7. Această arhitectură pune la dispoziție o interfață grafică încorporată pe baz ă de mediu,
care să accepte proiectarea unică a agenților sau a multi -agenților de comunități, folosirea
frecventă a operațiunilor de tipul drag -and-drop.
Agentul dezvoltator, în utilizarea Agentului Academic, are posibilitatea de a intra în
particularităț ile constituirii de agenți și reglementari precise către agenți proprietăți.
Incluse sunt tipul și numărul de agent de comunicare Limba (ACL) mesaje schimbate între
agenții, în performatei și structura de mesaje, cu privire la FIPA specificațiile Communica tive Act
Librarz Specification8, SL Content Languege Specification9 și ACL Message Specification10, și
pentru semantică, care poate fi definit prin construirea de ontologii cu proteje -200011.
Există agenți inteligenți care se ocupă cu capacitatea de raționa ment ale agenților. În acest
caz, sistemul pune în folosință "Modulul de formare", care introduce regula pe bază de
raționament în agenții, care se sprijină pe punerea în folosință a datelor (DM), tehnici privind
diverse seturi de date disponibile fezabile .
Această metodologie dezvoltată în Agent Academic a rezultat din extragerea de agenți de
cunoaștere sub forma unei decizii de moldel (de ex.: decizie arbore). Un astfel de extras de
cunoaștere este exprimat în Predictive Modeling Markup Language (PMML)12,conține documente
stocate într -un depozit de date și gestionate pentru dezvoltarea cardului.
Prin definiție, tehnicile de exploatare a datelor sunt date noi, actualizate în baza de date. În
acest fel, este facilă actualizarea cunoștințelor de bază a agențil or, prin ”recalificarea” acestora.
Această aptitudine poate fi utilizată în special în medii cu volum mare de date produse periodic.

3 Agent Academy: http://agentacademy.iti.gr/
4 Faria Nassiri -Mofakham (2017). „Current and Future Developments în Artificial Intelligence”, Bentham Science
Publishers
5 Foundation for Intelligent Physical Agents disponibil la http://www.fipa.org/
6 Bellifemine F., Caire G ., Trucco T., Rimassa G (2010). „JADE Programmer’s Guide” (2010)
http://jade.tilab.com/doc/programmersguide.pdf
7 Wooldridge, M, Jennings, N.R., Kinny, D. (2000) . „The Gaia Methodology for Agent -Oriented Analysis and Design”,
Journal of Autonomous Agents and Multi -Agent Systems. Vol.3, No. 3. 285 -312
8 Foundation for Intelligent Physical Agents, the: FIPA Communicative Act Library Specification. (2001)
http://www.fipa.org/specs/fipa00037/
9 Foundation for Intelligent Physical Agents, the: FIPA SL Content Language Specification
(2002):http://www.fipa.org/specs/fipa00008/
10 Foundation for Intelligent Physical Agents, the: FIPA ACL Message Structure Specification (2002) available at
http://www.fipa.org/specs/fipa00037/
11 Noy, N.F., Sintek, M., Decker S., Crub ezy, M., Fergerson, R.W., & Musen, M.A. (2001) . „Creating Semantic Web
Contents with Protégé -2000”. IEEE Intelligent Systems 16 (2): 60 -71
12 Data Mining Group, the: Predictive Model Markup Language Specifications (PMML), ver. 4.1 : ttp://www.dmg.org

De exemplu, o caracteristică a unui astfel de mediu se regăsește în aproape toate
întreprinderile cu infrastructuri IT, car e sunt puse în aplicare de modele tradiționale de dezvoltare.
În atingerea scopului de utilizare a datelor ne este adusă la cunoștintă infrastructura
proiectată, aceast instrument va încuraja dezvoltarea de noi aplicații bazate pe agent concomitent
existen ței celei tradiționale de exploatare a datelor disponibile.

Interesul crescut în folosirea tehnologiei pentru motivarea dezvoltării agentului în diferite
cadre și pentru a sprijini mediul de punere în aplicare a sistemelor multi -agent.
Majoritatea sunt bazate pe aplicații JAVA, având rolul de a ușura aplicarea agentului pe
bază de candidaturi. Acest lucru se realizează prin furnizarea de mecanisme care să gestioneze
și să supravegheze schimbul de mesaje între agenți, precum și interfața de susținere pen tru
crearea și depanarea sistemelor multi -agent.
Zeus13 este un instrument open -source avansat care oferă o serie de componente
software și instrumente care admit o rapidă proiectare, dezvoltare și implementare de sisteme de
agent.
Acest sistem, spre deosebire de Agentul Academic, nu suportă agent de mobilitate deși
este compatibil FIPA. În mod similar Agentul Academic14 este integrat ca un sistem multi -agent,
dar nu respectă cerințele FIPA pentru conformitate.
Privitor la conformitatea cu normele FIPA este o dezvoltare cadru15, ce îndeplinește
caracteristicile de agent de Management și Agent de limba de comunicare.
Alt instrument16 în crearea sistemelor de agent, folosește FIPA -ACL pentru agent de
mesaje, punând în utilizare propria sa denumire de registr u de serviciu, neglijând specificații FIPA.
Programele indicate de dezvoltare a cadrelor nu facilitează folosirea instrumentelor
special dedicate, dar nici nu împiedică agentul de dezvoltare de la utilizarea instrumentelor
existente ori alte mijloace de p unere în întrebuințare a propriilor agenți de raționament.
În opoziție, Agentul Academic de nivel înalt are la bază mediu GUI care contribuie la
construirea și dezvoltarea de aplicații bazate pe agent și facilitează procesul de formare care se
creează pe baza regulii raționamentului agentului dezvoltator.
În Proceedings of the 5th World Multi -Conference on Systemics17 este prezentat un sondaj
al instrumentalelor existente pentru crearea regulii de bază al raționamentului pentru agenți.

13 Nwan a, H., Ndumu, D., Lee, L., Collis, J. (1999). „ZEUS: A Tool -Kit for Building Distributed Multi -Agent Systems.”
Applied Artifical Intelligence Journal, Vol 13 (1) 129 -186
14 Gutknecht, O., Ferber, J.: Madkit: (2000). „A generic multi -agent platform” 4th International Conference on
Autonomous Agents, Barcelona, Spain
15 Suguri, H., Kodama, E., Miyazaki, M., Nunokawa, H., Noguchi, S. (2001). „Implementation of FIPA Ontology
Service” Proceedings of the Workshop on Ontologies în Agent Systems, 5th International Conference on
Autonomous Agents Montreal, Canada
16 Jeon, H., Petrie, C., Cutkosky, M. (2000) . „JATLite: a Java agent infrastructure with message routing” IEEE
Internet Com puting 4 (2) 87 -96
17 Rahimi, S., Cobb, M., Ali, D., Paprzycki, M. (2001). „An Analysis of Intelligence -Enhancing Techniques for Software
Agents” Proceedings of the 5th World Multi -Conference on Systemics, Cybernetics and Informatics, Orlando

NetLogo18 a fost creat de Uri Wilenskz în spiritul limbajului de programare Logo, să fie „cu
prag redus și fără limite”. Învață concepte de programare folosind agenti turtles, patches, links și
observer. NetLogo a fost creat pentru o gamă largă de utilizatori și pentru experți în domeniu care
nu poseda o experiență de programare pentru a modela după nevoi. Multe articole stiințifice au
fost scrise cu ajutorul acestui program.

Cadrul de dezvoltare funcționează precum o interfață grafică integrată pe bază de mediu
care facilit ează proiectarea procesului în masă. Susținând, în acelasi timp, decizia de extragere
de modele de la date și includerea în modelele nou create de agenți.
În curs de evoluție se află un agent de cerere, care folosește Agentul Academic și implică
activități secundare precum:
a. crearea de agenți noi cu capacități de raționament, inițial limitați;
b. încadrarea unor agenți într -un nou MAS;
c. constituirea de noi modele de comportament, pentru fiecare agent;
d. importul de ontologie -imagini de la proteje -2000;
e. stabilirea mesajelor destinatarilor, pentru fiecare agent.

18 NetLogo disponibil la https://ccl.northwestern.edu/netlogo/index.shtml

Figura 17: Diagrama de la Academia de agent de dezvoltare cadru

În situația în care un agent intenționează în aplicarea dezvoltării cu scopul de a crea un
motor de raționament pentru unul sau mai mulți agenți concepuți în MAS, două mai multe
operațiuni sunt necesare pentru fiecare dintre acești agenți:
– Stabilirea unei date sursă de agent de decizie atribute;
– Determinarea unei date sursă atribuite unui agent de decizie;
– De activare de la procedura de formare, prin specificarea parametrilor de formare
mecanism.
– Activarea procedurii de formare, prin menționarea parametrilor de formare a
mecanismului.
Figura 17 ilustrează principalele funcții ale diagramei Agentului Academic și reprezintă
principalele componente și interacțiunile dintre ele.

Arhitectură
Principala arhitectura AA se arată în figura 17.
Dezvoltatorul emite o cerere pe platforma Agentului Academic pentru proiectarea unui
multi -agent de aplicare.
Principalele interfețe grafice ale utilizatorului de mediu de dezvoltare sunt garantate de
Agent Factory (AF).
Un mod specific proiectat agentului, a cărui rol este de a aduna informațiile necesare cu
privire la determinarea tipurilor de agenți cumprinse în MAS, tipurile de comportamente ale
acestor agenți și cunoștințe de la agentul de aplicare dezvoltator sunt împărtășite între ei.
Pentru a facilitata creerea de reguli noi, utilizatorul cere de la sist em o regulă pe bază de
raționament pentru unul sau mai mulți agenți din noul MAS.

Principalele interfețe grafice ale utilizatorului de platformă pentru dezvoltare constau într –
o serie de grafice de instrumente, care permit de dezvoltatorului efectuarea s arcinilor necesare
de proiectare și creare a unui MAS fără a scrie nicio linie de sursă cod.
Agent Factory (AF), în special, cuprinde ontologie Design Tool, în cazul în care
comportamentul Tip Design Tool, agentul Tip Definitie Unealtă, și de creare MAS In strumentul.

Un lucru important în procesul constituirii unui MAS, este proiectarea uneia sau mai multor
ontologii, pentru ca agenții să interacționeze în mod adecvat. AF oferă o Ontologie Design Tool,
care susține dezvoltatorii să asimileze ontologii def inite cu Proteje -2000 – un instrument de
proiectare ontologii. Fișierele „Resource Descriprion Framework” create sunt salvate în baza de
date a Agentului Academic pentru o utilizare ulterioară.

Dezvoltatorul în determinarea generică a comportamentului șa blonului este asistat de
comportamentul de tip Design Tool. Agentul de comportamente sunt modelate așa cum ar fi primit
/ trimis un mesaj, executând -o într -o casă de aplicare, iar dacă este necesar, aceștia decurg la

decizii utilizând motoarele de deducție . Datele și dependențele de control între aceste blocuri sunt
deopotrivă tratate. Comportamentele pot fi formate ca ciclice sau o -shot, comportamente de
platforma JADE.
Aceste tipuri de comportament sunt stereotipuri comune care pot fi configurate să se
manifeste în moduri diferite. Structura de debit este unicul proces definit, în timp configurabil,
variabilele cererii în interiorul comportamentului, astfel și conținutul mesajelor poate fi specificat
utilizând Sistemul Multi -Agent – Instrumentul de Creați e.

Efortul pentru aplicarea unui unui astfel de cadru de dezvoltare a fost stimulat de absența
unui agent îndreptat spre software -engineering, asocitate cu aspecte unui Agent Inteligent (AI),
în măsura în care le cunoaștem. Posibilitatea de a include cunoștințe într -un agent de luare a
deciziilor poate susține că procesul este în principal îndreptat pentru performanță în dinamica
mediului. Orientarea spre Agent Software Engineering se realizează la nivel înalt, de sus în jos,
fără a ține seamă de abord ări și metode de design pentru sistemele software19. Pentru a putea fi
considerat complet și generic, un agent îndreptat spre dezvoltarea infrastructurii ar necesar să
ofere la nivel înalt capacitățile de design și să se preocupe intern de un agent de arhit ectura.

Sistemul pentru extragere de cunoștințe din datele disponibile, în vederea furnizării de
agenți de logică, se bazează aplicarea tehnicilor de exploatare a datelor (Data Mining) pe fundalul
cererii de date specifice20. La aplicarea cadrului indust rial unui scenariu despre Supply Chain
Management21, se poate constata că întreprinderea infrastructurilor IT și de manevrare a creat o
cantitate mare de date pe o bază permanentă, ajungând astfel potrivit furnizorilor de date să
îndeplisească sensul de Data Mining Management.
În faza incipientă a procedu rii de exploatare a datelor, dezvoltatorul lansează interfața
grafica a utilizatorului și stabilește sursa de date pentru a fi încărcate, alege agentul Decizie,
proprietățile care vor fi reprezentate ca nodurile interne ale modelului.
Dezvoltatorul alege tipul de exploatarea a datelor, tehnica este selectată dintr -un set de
opțiuni disponibile. Pentru a putea clarifica semnificația de agent de decizie atribut să se ia în
considerare decizia model din figura 18.
O decizie este luată atunci când sunt îndepli nite o parte sau toate atributele de intrare.
În figura 17 se poate observa un vector atribut de intrare M și un vector atribut de ieșire
cu N, care cuprind în total deciziile pe care un agent le efectuează.
O parte din atributele agenților de decizie sun t aceleași cu o serie de intrări pe care un
agent le recepționează, în timp ce restul constituie ieșiri (decizia noduri) din agent.

19 James Odell, Paolo Giorgini, Jörg, P. Müller (2005) “Agent -Oriented Software Engineering V” 5th International
Workshop, AOSE 2004, New York, NY, USA
20 Ngoc Thanh Nguyen, Adam Grzech, Robert J. Howlett (2007) ”Agent and Multi -Agent Systems: Technologies and
Applications ” First KES International Symposium, KES -AMSTA 2007, Wroclaw, Poland
21 Koumpis, Adamantios (2012). „Management Information Systems for Enterprise Applications: Business Issues”
Research and Solutions: Business Issues, Research and Solutions, IGI Global

Referitor la detaliile tehnice ale administrării datelor exploatate, s -au dezvoltat facilități
cadru de exploatare a datelor prin care includ o serie de metode de exploatare a datelor pe baza
de bibliotecă WEKA22 și a mai multor instrumente WEKA API, astfel ca aceasta să sprijine PMML
(Pervasive Multimedia Markup Language) (o versiune mai recentă a WEKA API).

Figura 18: atribu te de intrare și ieșire într -un model de decizie

Se poate constata că la terminarea procesului de formare este necesară traducerea
exploatării datelor, ceea ce transformă decizia de model într -un agent -format lesne de înțeles.
Acest lucru este realizat d e către Automatic Track Mesages (ATM) care recepționează
PMML la ieșire ca un mesaj ACL, imediat ce procedura DM este finalizată și activează motorul
corect.
De fapt, de la ATM -urile PMML transformă regulile Jess în documente și comunicații prin
intermediu l mesajelor cu un agent „participant” pentru a -i introduce noi modele de decizii.
După terminarea acestui proces, acest cadru produce automat codul sursa, Java și capturi
cu noul agent „calificat” predefinit în MAS.

Ușurința cu care se pot adăuga sau an ula agenți dintr -un sistem multi -agent este un
aspect important al arhitecturii unui sistem multi -agent.
O arhitectura statică este cea în care toate componentele sistemului multi -agent precum
intrările și ieșirile sale sunt determinate în specificația pr oiectului.
În arhitectura dinamică, nu toate componentele sunt cunoscute, specificația, proveniența
intrărilor și destinația ieșirilor pentru fiecare componentă, sunt mobile.
Ce diferențează cele două arhitecturi este faptul că într -o arhitectură statică este necesar
să fie prezente toate elementele pentru ca sistemul să funcționeze, iar într -o arhitectură dinamică
unii agenți pot participa sau nu, o anumită perioadă de timp și pot intra sau părăsi participarea la
sistem.

22 Ian H. Witten, Eibe Frank, Mark A. Hall, Christopher J. Pal (2016) „Data Mining: Practical Machine Learning Tools
and Techniques”, Elsevier

Este necesar totuși, pentru ca ace st lucru să fie cu putință, să fie destule suprapuneri ale
domeniilor tratate, nerespectarea acestei cerințe duce la neexecutarea acțiunii cerute.

Programarea bazată pe agenți (AOP=Agent -Oriented Programming) este un nou model
metodologic de programare î n ceea ce privește construcția sistemelor multi -agent.
Din punct de vedere ingineresc, programarea centrată pe agenți poate fi privită ca o
specializare al modelului programării orientat pe obiecte.
Expunerea într -un astfel de model se alcătuiește din acți unile acestor agenți prin care
solicită sau pun la dispoziție informații, participă sau intră în concurență cu alți agenți existenți în
sistem.
Comunicarea între agenți este diferită în funcție de modul de comunicare proiectat, iar
rezultatele acesteia sunt variate în funcție de intențiile particulare.
Modelele de coordonare aranjează cunoștințele dispersate, disponibilitățile și proiectele
unor agenți inteligenți, în așa fel încât ei să poată să -și adune acțiunile sau să soluționeze o
problemă.
Într-un SMA un operator este necesar să se sincronizeze cu un sistem de control,
deoarece acesta trebuie să execute rolul care i -a fost dat.
Astfel fiind necesară definirea unui model de coordonare ajustat acestei condiții. În mod
special, să i se dea posibilitatea operatorului de a interacționa pe mai multe nivele de decizie.
Din acest motiv, este necesar ca operatorul să fie capabil de a identifica ușor pe ce nivel
de decizie este plasat și, pe acest nivel, să -și comute decizia cu aceea a sistemului de control, în
modul consultant, ori să -și îndrepte decizia într -un mod diferit, în modul de supraveghere.
În controlul de nivel inferior, operatorul interacț ionează cu sistemul în modul de
supraveghere, acesta fiind automat în totalitate.
Principiile pentru împărțirea operațiunilor sunt conform scopurilor de proiectare:
– Activitățile agenților sunt împărțite în asemenea mod încât să reducă comunicarea inter –
agent și să crească legătura între agentului;
– Împărțirea acțiunilor de intercondiționare și a celor care completează resursele agentului
de la diferiți agenți necesită exploatarea concurenței și a dependențelor activităților;
– Împărțirea activităților pentru agenți trebuie făcută astfel încât să lase operatorului
posibilitatea să deosebească centrele de decizie și nivelele de decizie. Este necesar ca
operatorul să înțeleagă unde și cum este luată fiecare decizie. Pentru ca acest lucru să
se întâmple cu lejerit ate pentru operator, sistemul trebuie să fie unul transparent.
În sistemele ce au la bază cooperarea, deciziile sunt descentralizate și sub elementele
interacționează direct între ele, iar decizia se va distribui.
Un model de control descentralizat este pr eferabil unui model de control autonom,
deoarece distribuția deciziilor dă posibilitatea operatorului să observe unde, cum și care decizie
este luată. În modelele complet descentralizate, decizia este netransparentă interacțiunilor inter –
agent.

Coordonarea este esențială unui sistem multi -agent, în lipsa coordonării nu se poate
discuta de beneficiile interacțiunii între agenți, care vor degenera rapid într -un grup de agenți
individuali cu un comportament haotic.
Motivele pentru care este necesar ca agenții să fie coordonați ar fi:
• Pentru prevenirea dezordinii;
• Aceștia pot întâlni constrângeri globale;
• Într-un sistem multi -agent, agenții au diferite posibilități de expertiză și capacități;
• Acțiunile acestora sunt adesea intercondițio nate, adică un agent este nevoit să aștepte
un alt agent să -și termine atribuția înainte de a -și executa propria sarcină.

O modalitate facilă de a asigura un comportament ordonat și de a soluționa conflicte este
acela de a da grupului un agent care să de țină o perspectivă mai vastă asupra sistemului, printr –
o conformație organizațională sau ierarhică.
Tehnica cea mai simplă de coordonare se află în arhitectura clasică coordonator –
executant sau client – server pentru atribuții și împărțirea resurselor pe ntru agenții executanți de
către un agent coordonator.
Pentru a asigura coerența globală, agentul coordonator poate aduna informația de la
agenții grupului, poate atribui sarcini agenților individuali și poate face planuri.
În astfel de concepte, resursele arhitecturii tip tabelă sunt schimbate de agenți care trimit
către o tabelă și citesc dintr -o tabelă generală. Agentul coordonator programează citirile sau
scrierile agenților din sau în tabelă.

Într-o rețea semantică, cel mai adesea agenții se identific ă cu nodurile acesteia. Astfel
existând o ierarhie cu două tipuri: agenți de conducere a sistemului și agenți de siguranță. Prin
această relație ierarhică este definit un mod de interacțiune client – server. Pentru executarea
activităților, agenții de nive l superior selecționează agenții de nivel inferior pentru a executa
activități în mod independent, neexistând cooperare între agenți pentru luarea deciziilor și fiecare
agent prezintă o opinie asupra controlului sistemului.
Împărțirea sarcinilor și a resur selor reprezintă unul dintre ariile esențiale ale SMA și una
din importantele lor contribuții aduse informaticii.

Atribuirea sarcinilor se realizată prin definiția mecanismelor organizaționale prin care
agenții fuzionează, competențele lor având ca țintă realizarea obiectivului comun. În acest context
se poate vorbi de prezentarea manierii de împărțire a sarcinilor ținând cont de faptul că potențialul
unui agent depinde de competențele sale de structură a posibilităților energetice pe care le deține,
rezervele externe și a condițiilor de mediu.

Atribuțiile care solicită mai multe mijloace fie de lucru sau de pricepere, ce nu pot fi
furnizate de un agent, trebuie împărțite în mai multe subsarcini și distribuite către diferiți agenți.
Aceste două operați i, împărțirea și distribuirea atribuțiilor, sunt evident legate, pentru că
divizarea atribuțiilor trebuie să țină cont de competența agenților prezenți și să ușureze astfel
repartizarea următoare.

Încă de la crearea primelor vehicule s -a dorit automatizarea operațiunilor acestora.
Autonomia a fost restrânsă la unele funcții, dar se aspiră la o automatizare completă, care să
îngăduie vehiculelor să fie pe deplin independente.
În momentul în care vor avea o autonomie deplină, acestea va trebui să colaboreze și să
își coordoneze acțiunile reciproc, având ca scop asigurarea securității și întrebuințarea optimă a
resurselor.
Prin orientarea spre agent, pentru controlul vehiculelor, se vizează economisirea de timp
și resurse. Permițând vehiculelor să c omunice și să facă propria organizare a misiunii și sa ia
decizii în timp real. Pentru construirea unor astfel de tipuri de vehicule se utilizează medii de
simulare, mediu care economisește timp și resurse.

Vehicule Aeriene Fără Pilot (Uav)
UAV se conside ră a fi un vehicul apt să zboare autonom, fără intervenția vreunui control
extern de la distanță.
Folosirea UAV includ câteva limitări legale în ceea ce privește cum și unde pot fi utilizate
acestea. În cea mai mare parte a proiectelor ce cuprind UAV sunt strict militare23. Iar avioanele
civile fără pasageri ridică o situație complet diversă în termeni de fiabilitate. Aceasta fiind cauza
pentru care apar obstacole noi în calea unei viitoare categorii de pasageri și de non -pasageri
transportați cu vehicule ae riene fără pilot care împart spațiul aerian cu avioane convenționale.
În aceste condiții, utilizarea vehiculelor aeriene fără pilot pe plan internațional al spațiului
aerian trebuie să îndeplinească două condiții: să fie sigure, suficient de încredere pen tru a zbura
peste zonele populate și să fie utilizate în condiții de siguranță prin spațiul aerian.

Sistemul multi -agent
Un sistem multi -agent poate fi privit ca o structură în care entitățile sunt constituite de
agenți independenți, care comunică unii cu alții în coordonarea activităților lor.
Utilizarea UAV poate fi considerată cu siguranță un sistem multi -agent, în care fiecare
aeronavă este un agent cu propriile sale ținte (timp de sosire, destinație, standarde de servicii,
etc), autonom de obiectivele altor aeronave. Cu această abordare, există posibilitatea aplicării de

23 Vasile Prisacariu, Adrian Muraru (2016 ), “Unmanned aerial system (UAS) în the context of modern
warfare”, SCIENTIFIC RESEARCH AND EDUCATION IN THE AIR FORCE -AFASES 2016, p 177 -183,
ISSN/ISSNL 2247 -3173

tehnici de negociere, care să permită aeronavei să colaboreze în rezolvarea conflictelor de spațiu
aerian24.
În depistarea sistemelor de luare a deciziilor, capabile să prevină întâlni rile dinte aeronave
într-un spațiu aerian, dat au fost studiate software -uri de inteligență artificială sau sisteme multi –
agent25.

Cerințele Mediului De Simulare
Selecționarea unui mediu de simulare este în dependență de obiectivele proiectului.
Proprietă țile cheie pot fi indicate în mediul de simulare și grupate în categorii, precum:
caracteristici grafice, fizice sau de deschidere.
Un aspect important este deschiderea software -ul, care poate fi caracterizată în termeni
de: capacitatea de a vizualiza și m odifica codul sursă, capacitatea de expansiune, accesibilitate
și formatul datelor ce pot fi introduse la mediul înconjurător, de asemenea și formatul datelor de
ieșire.
Atunci când se lucrează cu agenți mobili robotizați precum vehiculele aeriene fără pil ot
simularea fizică a vremii este foarte importantă.

Cerințe specifice legate de aviație în medii simulate
Simularea realistă de senzori și dispozitive de acționare robotizate într -un mediu complex,
nestructurat, diligent, precum ar fi fluide, reprezintă o provocare de cercetare.26
Majoritatea simulatoarelor iau în vedere doar cei patru vectori de bază, ce compun un
zbor: greutate, tracțiune, portanță și rezistenta la înaintare.
Într-un zbor real, o aeronavă are de a face nu doar cu factori referitori la ae ronavă în sine,
ci și factori externi, de mediu. În alegerea unui sistem simulator de zbor este important să se
definească ceea ce este mai pertinent în cercetare. Este de preferat ca fiecare simulator să aibă
caracteristicile sale corespunzătoare cu un an umit tip de cercetare.
Ținând cont de dezvoltarea unui mediu multi -agent autonom ca principală țintă,
caracteristicile relevante din sistemul de zbor pot avea trei linii principale:

 Crearea unui modelul de zbor acceptabil;
 Flexibilitate în interacțiunea cu agentul prin intermediul interfețelor de programare;
 Oportunitatea de a avea modelul de zbor sau elemente simulate schimbate de software -ul
extern.
Algoritmii de agent care controlează o aeronavă au nevoie de un model de simulator de
zbor cât mai real p osibil. Cu cât numărul de elemente simulate oferite de simulatorul de zbor este

24 Muraru A (2012), “A Critical Analysis of Sense and Avoid Technologies for Modern UAVs”, Advances
în Mechanical Engineering, ISSN: 2160 -0619, vol 2, no.1,
25 Lian, Z. and A. Deshmukh,(2006) “Performance Prediction of an Unmanned Airborne Vehicle Multi -Agent System”,
European Journal of Operati onal Research , V172
26 Muraru Adrian (2012) “Modern Sense And Avoid Strategies For Uav”. Mechanical, Industrial, and
Manufacturing Engineering -Proceedings of 2012 International Conference on Mechanical, Industrial, and
Manufacturing Engineering (MIME 2012)” ISBN: 978 -0-9831693 -1-4

mai mare, cu atât face ca instrumentul sa fie mai adecvat pentru validarea simulării agenților
vehiculelor aeriene fără pilot.

Medii Comune De Simulare
Sunt două categorii de simulatoare: mecanism de joc (game engine) și simulatoare de
zbor.
În prima categorie, cea a mecanismului de joc, cel mai important aspect este o vizualizare
atrăgătoare. Accentul principal în simulatoarele de zbor este pus pe simularea zborului în sine .
Eforturile principale sunt dedicate aerodinamicii și factorilor de zbor prezenți în lumea
reală, dar există unele accente și pe aspectul vizual.

Mecanismele de joc
Roboții pot fi testați și evaluați cu o gamă diferită de senzori de către cercetători.
Fizica și cinematica deschide noi aspecte robotizate de cercetare, într -un mediu abordabil
3D. În mod contrar, atunci când aerodinamica este principala țintă, mecanismele de joc în mod
normal, nu ajung la cerințe.

Simulator de zbor COTS
Există o mare dive rsitate de simulatoare de zbor COTS. Grafica din simulatoarele de zbor
noi sunt realiste. Totuși, cercetarea științifică trebuie să aibă în vedere un aspect important cel al
dinamicii de zbor a unei aeronave.

Simulatorul de zbor Microsoft
O variantă realistă de simulator din punct de vedere grafic, existentă pe piață, este seria
de simulatoare de zbor Microsoft(FSX), care utilizează tehnologia DirectX 10. Modelul de zbor se
fundamentează pe un set de tabele, și este autonom de modelul vizual. Eșecul d e modelare
cuprinde defecțiuni ale echipamentelor, dar fără variație de modul în care echipamentul va eșua.
FSX prezintă API SimConnect, un acces FSUIPClike la funcții și variabile, care dă
posibilitatea dezvoltatorilor să construiască noi suplimente pentr u a adiționa sau a substitui
funcționalități, precum și activități de monitorizare.

X-Plane
X-Plane utilizează abordarea geometrică și modelul său este determinat ca structural. Un
proces de inginerie numit ”teoria elementului de lamă”, determină modelul de zbor, ruperea de
aeronave în jos, în multe componente mici, și apoi găsește, forțele pe fiecare component, care

sunt apoi convertite în accelerații, viteze și poziții27. X-Plane are, în mod similar un eșec de
modelare, dar la fel ca în FSX, nu este admis să varieze modul în care echipamentele eșuează.
Un factor de încredere despre X -Plane este întrebuințarea sa profesională și aprobarea
de către FAA a certificatului pentru formarea în transportul aerian.

FlightGear
FlightGear este un program gratuit , cu sursă deschisă, multi -platforma, un plan de
dezvoltare cooperatist de simulator de zbor, având ca țintă crearea unui cadru complex de
simulator de zbor pentru întrebuințarea în medii de cercetare sau academice, după ce aprobă
accesul la un număr foart e mare de variabile de stat interne.28
FlightGear autorizează controlul de la distanță printr -un script extern și utilizarea unui
modul dinamic extern de zbor (incluzând hardware pentru pilot automat).
FlightGear îngăduie utilizatorilor să selecționeze din tre trei modele inițiale în dinamica
zborului.
În plus, este posibilă adăugarea de noi modele sau chiar interfață la modelul sursa de zbor
dinamic extern, cum ar fi de la Matlab.

Piccolo
Un cunoscut sistem de pilot automat pentru de dimensiuni aeronave m ici, de la CloudCap
Tehnology29.
Produsul principal este distribuit în calitate de componentă hardware, ce poate fi montat
pe o aeronavă de mici dimensiuni, care să permită zbor independent. O versiune de software a
unui mediu de simulare există și pentru software -ul de testare în buclă. În termeni de simulare de
zbor este foarte realist, deși elementul grafic este minim, simulând multe dintre forțele implicate
într-un zbor. Are posibilitatea implicită de a afișa datele în Microsoft Flight Simulator și Flig htGear.

Motoare dedicate Middleware
În cercetarea științifică există mai multe motoare middleware care ar putea fi folosite.
OpenFlight, MultiGen -Paradigm au conținut 3D nativ, conține standardul bazelor de date
vizuale în lume și a devenit formatul stand ard în industria de simulare vizuală30

27 X-Plane disponibil la http://www.laminarresearch.com/
28 Flight Gear disponibil la http://home.flightgear.org/
29 Piccolo autopilot disponibil la http://www.cloudcaptech.com/products/auto -pilots
30 Hsiang -Chuan Liu, Wen -Pei Sung, Wenli Yao (2015) „Computing, Control, Information and Education Engineering”
Proceedings of the 2015 Second International Conference on Computer, Intelligent and Education Technology

AeroSim este o colecție bloc Matlab care prevede componente pentru dezvoltarea
neregulată, cu șase grade de libertate, a prototipurilor dinamice de aeronave31.

COLECTIV ȘI DESIGN
Pentru a realiza o atribuție, în aviație, trebuie ca mai mulți agenți să acționeze ca un grup.
Acești agenți pot fi UAV -uri, un grup de control ce trebuie să acționeze pentru obținerea
răspunsului dorit sau o echipă de experți în design care lucrează la părțile unei probleme globale
de pr oiectare de sistem.
Un tip special de SMA este cel "colectiv" în care un grup de persoane fizice auto -motivate
urmăresc să maximizeze performanța sistemului ca întreg.

Persoanele se hotărăsc asupra unui curs de acțiune care sa aducă beneficii sistemului
deși aceștia acționează la nivel local. Pot fi utilizate mai multe niveluri de optimizare distribuită, în
timp ce se concentrează pe grade de libertate locală, pentru obținerea unei performanțe optime
a sistemului.
Idea principală este modalitatea în care poate contribui colectivul în oferirea de noi soluții
la problemele din ingineria în design aerospațial.

Modelarea fluxului de trafic aerian
SUA NAS Simulator a creat algoritmi care integrează modele optimizate în scopul de a
afișa cu precizie problema c ontrolului fluxului de trafic aerian pentru porțiuni mari din SUA.
Simulatorul a fost creat pe un grup de 32 noduri de calcul Dell distribuiți în așa manieră
încât să autorizeze fiecărei companii aeriene să ia decizii de control al traficului independent p e
noduri separate, restrângând modul împărțit în care algoritmii vor fi aplicați în practică.
Optimizarea rutelor pentru avioane s -a făcut atât pentru modelul Discrete Path Flow cât și
pentru modelul Continuous Link Flow. Întinderea rețelei, ce ar putea fi investigată, a evoluat în
mod semnificativ prin dezvoltarea platformei de calcul repartizat de simulare de trafic aerian. De
operarea în condiții de siguranță și de faptul că sunt îndeplinite restricțiile de capacitate pe fiecare
porțiune a spațiului aeri an se asigură centrul de control aerian de comandă a sistemului.
Este important, într -un mod contrar, nu doar limitarea capacității de trafic ci și dezvoltarea
acesteia pentru a asigura operațiunile de siguranță. De altfel, repartizarea resurselor să se fa că
într-o mod agreabil pentru toți utilizatorii.
Un vehicul cu mai multe testbed -uri (testari de erori ) utilizate pentru a indica concepte noi
în multi -agent de control pe o platformă din lumea reală este STARMAC (The Stanford Testbed
of Autonomous Rotorcr aft for Multi -Agent Control)
STARMAC32 se compune din șase vehicule quadrotor, care sunt dotate cu suficienți
senzori și putere de calcul (incluzând un GPS, sonar gama -finder, și un IMU Microstrain) pentru

31 Unmanned Dynamics disponibil la http:/ /www.unmanned -dynamics.com/
32 Gabe Hoffmann, Dev Gorur Rajnarayan, Steven L. Waslander, David Dostal, Jung Soon Jang, , Claire J. Tomlin,
(2004) “THE STANFORD TESTBED OF AUTONOMOUS ROTORCRAFT FOR MULTI AGENT CONTROL”
(STARMAC), Stanford University, Stanfor d, CA.

a permite funcționarea complet individuală, de la a tribuții de nivel scăzut de exemplu: punctul de
referință și traiectoria text, la nivel înalt de tactici optime de control cum ar fi: căutare teoretică de
informații de cooperare și de salvare.
Cercetările anterioare privind STARMAC cuprind o diversitate de subiecte, inclusiv de
colaborarea la căutare și salvare, de inspectarea teoretică a informațiilor, de prevenire a coliziunii,
programarea traseului optim, și traiectoriei acrobatice de proiectare în condiții de siguranță.
Pentru a ajuta vehiculele să î nțeleagă, să răspundă și să raționalizeze în mediul lor,
activitatea curentă se axează pe ajustarea posibilităților percepției STARMAC.

Metoda de detectare a conflictelor
În formarea diferitelor principii pentru detectarea conflictelor se propun o serie de modele
în gestionarea conflictelor traficului aerian bazat pe sisteme multi -agent.
O serie din modelele propuse folosesc aceleași variabile pentru CD&R dintre avioane
diferite. De exemplu un model ce a folosit un prag minim de la distanță fiabilă și sig ură pentru
detectarea conflictelor. Așadar, când distanța dintre două aeronave este mai redusă decât limita
valabilă, atunci apare un risc de conflicte. Fiind necesară emiterea de avertismente către
operatorii sau agenții ce se ocupă de detectarea și rezol varea conflictelor.
Unele modele încearcă să prevină apariția conflictelor prin folosirea unor metode speciale
și nu folosesc un criteriu clar pentru detectarea conflictelor. În funcție de matricea utilizată, în
general s -a folosit un prag de detectare. Un ele utilizează un criteriu simplu pentru a detecta
conflictele, altele mai complex. Nu se poate stabili care din aceste metode este cea cu o acuratețe
mai mare, aceasta depinzând de tipul modelului propus și de tactica necesară pentru a rezolva
conflictele .

Denumirea de agent a fost utilizată folosit mai multe sensuri, între o linie de comandă la o
entitate adaptivă, inteligentă, autonomă33 34. Teză utilizează definiția ca o entitate cu
interactivitate35 și autonomie.
Din punct de vedere istoric, crearea de agents se axează pe modelarea agenților
inteligenți pentru a obține un grad de autonomie, o optică a inteligentei artificiale este simularea
umană și avansarea tehnologiilor autonome3. De curând, cercetări au aplicat simulări a mai multor
agenți care interacționează. Simulările multi -agent au două cerințe : crearea entităților autonome
ca agenți interactivi și simularea modului de comportare a sistemului care rezultă din acțiunile și
interacțiunile comune ale agenților. Simulările s unt aplicate pe o bază mare de domenii sociale
precum telecomunicații, industriale și simulări militare.
Un exemplu de simulare bazată pe agent a fost utilizat într -un mediu social pur pentru a
confirm și demonstra fenomene sociale și teorii sau pentru a anticipa comportamentul social ale
persoanelor care interacționează. Aceste simulări bazate pe agent a sistemelor sociale sau
naturale au dese ori copii ale uneia sau a câtorva modele de agent omogene. Folosirea agenților
omogeni nu facilitează simularea la o scară mai largă a sistemelor social -tehnice care pot avea
agenți îndeplinind multe funcții.
Un alt model de simulare multi -agent s -a axat pe sisteme închise, sisteme în care
majoritatea aspectele agenților pot fi determinate36 37. Sisteme închise au un număr de aplicații,
precum lucru în echipă, rețele distribuite de senzori, și aplicații dedicate în care rolul agenților
este de a se standardiza cu obiectivele sistemului. Aceste modele de simulări utilizează modele
de agenți complexe și eterogene care pot îndeplini roluri și funcții diferite.
Sistemele cu agenți multipli cu diferite capabilități și dorințe, credințe, coordonare și
colaborarea între aceștia devine o nevoie. Prin coordonarea ne referim la managementul de
durată al evenimentelor, sarci nilor și acțiunilor între agenți. Aceasta este fabricată prin
comunicare protocolului sau schimb de informații. Colaborarea are nevoie adițional ca agenții să
aibă aceleași scopurile și intențiile38. Pentru Sisteme multi –agent comunicarea este facută prin
stabilirea de scheme comune, cei cu abilități cognitive fiind nevoiți să fie divizați. Exemplu de
structurile organizaționale utilizate pentru distribuirea de roluri și sarcini ar putea fi supuse pe
agenți ca un mecanism inerent de coordonare39.
Rudimenta rul social orice agent poate fi utilizat pentru a atinge un comportamentul colectiv
de la sisteme multi -agent6 40. În cercetarea sistemelor închise, simulările au făcut arătat realizări
ale colectivului mental de interes în simularea comportamentului, simu lări în sisteme închise sunt

33 Mark d'Inverno, Michael Luck, Michael M. Luck, (2004), “ Understanding Agent Systems”, Springer Science &
Business Media
34 Gerhard Weiss (2013), “Multiagent Systems”, Massachusetts Institute of Technology ISBN 978 -0-262-01889 -0
35 Dipti Srinivasan, Lakhmi C. Jain., (2010), “ Innovations în Multi -Agent Systems and Application – 1”, Springer
Science & Business Media
36 Ann M. Bisantz, Catherine M. Burns, (2016 ), “Applications of Cognitive Work Analysis ”, CRC Press
37 Ryszard Kowalczyk (2009 ), “Computatio nal Collective Intelligence. Semantic Web, Social Networks and Multiagent
Systems”, First International Conference, ICCCI 2009, Wroclaw, Poland
38 Alessio Lomuscio, Surya Nepal, Fabio Patrizi, Boualem Benatallah, Ivona Brandić, (2014 ), “Service -Oriented
Computing –ICSOC 2013 ” Workshops: CCSA, CSB, PASCEB, SWESE, WESOA, and PhD Symposium, Berlin,
Germany
39 Gerhard Weiss, (2013 ), “Multiagent Systems ”, Massachusetts Institute of Technology ISBN 978 -0-262-01889 -0
40 Francesca Toni, Paolo Torroni (2006 ), “Computational Logic în Multi -Agent Systems ” 6th International Workshop,
CLIMA VI, London, UK,

utile numai pentru cazurile în care sunt definite bine sarcinile și rolurile uni set de agenți. Sistemele
ajută la un număr mare de funcții cu agenții arătând roluri diverse în situați diferite. Pentru
simularea comportamentul cerut de sistem de la agenți situați în situați diverse este necesară
abilitatea a crea mediu în care se va simula.41 42
Simulări bazate pe agent au arătat însemnătatea explicită de a crea lucrul influențând
aspecte ale mediului agentului și abilitatea a gentului de a vedea și de a influența mediul.43 44.
Perspectiva aceasta se utilizată pentru idei de la situații cognitive, psihologie ecologica și
inginerie cognitivă în care obiceiurile agenților sunt văzute ca utilizând și răspunzând mediului. 9

Model area în perspectivă ecologică folosită în ingineria cognitivă, sistemul
managementului traficului aerian ne arată următoarele caracteristici, care le fac dezirabile în
simulări bazate pe agent.
1. Implicare unui număr de agenți într -o varietate de roluri cu o varietate de intenții
2. Orientat spre scopuri sau obiective precise
3. Având o cunoștință, cultură și proces prestabilite
4. Capabil să afecteze și să fie afectat de mediul de operare
În primul caracter se poate identifica sistemul managementul traficului aerian ca un sistem
bazat pe agent deschis. Agenții lucrează pentru a simula cerințele sistemului. Folosind un set
eterogen ei își setează rolurile și variabile care sunt capturate precis.
Cea de a doua caracteristică a sistemului de management al traficului aer ian ne arată că
programatorii lor vor să imite comportamentul de “nivel -micro” cu scopul de a ajunge la unele
scopuri mai mari de nivel “nivel -macro”, precum este specificat în procedurile pentru controlori de
trafic aerian și piloții care vor face modele de flux al traficului aerian bune. În deosebii metodele
focusate pe comportament macro sau micro, le simulează simultan pe ambele.

Cea de a treia caracteristică reflectă configurări ale simulării traficului aerian care necesită
introduse în modelele ca re sunt la baza simulării. În cazul simulării traficului aerian, agenții și
mediul necesar este infățișat în simulare folosind același modele precum rolul agenților care este
caracterizat ca: găsirea agenților și a mediului lor, și expunerea rolurilor, pro cedurilor, atribuțiilor,
și capabilități necesare. Această reprezentare necesită un nivel de efort proporțional cu
implementarea în sistemelor reale. Prin folosirea acestei reprezentări, intervenții specifice pot fi
examinate, incluse fiind schimbări de te hnologie, proceduri, structura organizațională precum și
distribuirea de informații.
Ultima caracteristică îi copie accentul recent pentru vizionarea mediului agenților. Accentul
pentru un model al mediului facilitează modele mai bogate de agenți pentru c are situația cognitivă,
repartizarea cognitivă și ajustarea expertă a mediului poate fi descrisă explicit. În concepția
organizațională multe însușiri ale mediului sunt create ca fiind împărțite între agenți. Simularea

41 Marko Cepin, Radim Bris., (2017 ), “Safety and Reliability. Theory and Applications ”, CRC Press
42 Daniel P. Jenkins, Neville A. Stanton, Guy H. Walker (2017 ), “Cognitive Work Analysis: Coping with Complexity ”,
CRC Press
43 Francien Dechesne, Hiromitsu Hattori, Adriaan Mors, Jose Miguel Such, Danny Weyns, Frank Dignum (2012 ),
“Advanced Agent Technology” AAMAS Workshops 2011, AMPLE, AOSE, ARMS, DOCM3AS, ITMAS, Taipe i, Taiwan
44 Shah, A.P. and A.R. Pritchett, (2004) , “Work Environment Analysis: Environment centric multi -agent simulation for
design of socio -technical systems , în Joint Workshop on Multi -Agent a nd Multi -Agent Based Simulation” Third
International Joint Co nference on Autonomous Agents and Multi -Agent Systems, New York

bazată pe agent arată elementele regu latorii, organizaționale ale mediului care procură o
structură în care agenții pot fi înglobați pentru a ajuta cu comportamentul complet al sistemului.
În acest fel, simularea bazată pe agent a preia din caracteristici ale sistemului de
management al tra ficului aerian. Ea arată o abatere față de alte metode de analizare a traficului
aerian care inglobează modele ale comportamentului sistemului din modelul lor. Gruparea
comportamentului la nivel -macro este memorat în simulări bazate pe agent, comportamentu l
nivel-macro trebuie studiat ca emergent din simulări. În același mod, nu este recomandat pentru
concentrarea pe un comportament nivel -macro unic, în schimb să simuleze un comportamentul
complet nou al sistemului cu toate interacțiunile și aspectele schi mbate. Făcând acestea ne sunt
arătate un număr de predicții al comportamentul sistemului concordant pentru analizarea
conceptelor de management al traficului aerian cu o margine de fidelitate restrânsă doar de
autenticitatea modelelor agenților și de struc tura în care acționează.
Un exemplu at fi, modele bazate pe agenți a sistemului de management al traficului aerian
ar avea incluse:
– Controlori de trafic aerian și pilot cu modele cognitive umane;
– Mediu ca o întrunire de căi aeriene, aeroporturi, restricți i, vreme;
– Avioanele ca elemente fizice care reacționează dinamic cu mediu și care pot fi controlate
de piloți;
– Respectarea procedurilor de trafic actuale.

Pentru a construi o simulare bazata pe agent a sistemelor de management a traficului aerian,
trei co mponente trebuie dezvoltate. Primul, modele ale agenților individuali trebuie dezvoltat care
sunt capabile sa emuleze comportamentul relevant din sistem. În al doilea rând, un model al
mediului trebuie dezvoltat cu informațiile necesare aspectele psihice și de proces al contextului.
Al treilea mecanism trebuie prevăzut pentru ca agenți să interacționeze, incluzând mecanisme
pentru sincronizarea simulării cu date care intră în ele.
Aceste dezvoltări necesită modele conceptuale și instantanee de software. Aceste modele
conceptuale ale primelor doua dezvoltări sunt legate strâns cu domeniu analizate și se valorifica
pe conservarea abstractă a structurii. Al treia dezvoltare este cruciala pentru arhitectura a
motorului de simulare și pentru fidelitate simulăr ii pentru că guvernează dinamica simulării
complete. Instalarea software -ului pentru primele doua în timp ce sunt verificabile și abile de
validare pentru modelul conceptual, ar trebui de asemenea să se conformeze arhitecturi celui de
al treilea dezvoltato r.

Modele de agenți
Un agent este definit ca o entitate având o oarecare autonomie în acționând individual
precum și necesitând să interacționeze cu alți agenți din sistem45. Implicit în definiție este pro
activitate agentului – mai curând decât fiind un element pasiv al sistemului, un agent trebuie să
acționeze în moduri care schimbă mediul sau acțiunile altor agenți și trebuie să interacționeze cu
alți agenți.

45 Ronald R Yager, Ali M. Abbasov, Marek Z. Reformat, Shahnaz N Shahbazova., (2012 ), “Soft Computing: State of
the Art Theory and Novel Applications ”, Springer

Aceste distincții furnizează unele direcții în identificare agenților în sistemul managementul
traficului aerian. Elemente pasive incapabile de schimbare sării mediului sau a altor agenți sunt
tipic descris cel mai bine în modelul de mediu. Elemente pro active care acționează complet
autonom nu contribuie la o simulare bazată pe agenți implicând ag enți interactivi.
Cu aceste îndrumare. Selectarea entităților ar trebuie să fie modelate pe măsură ce agenți
din simulare nu sunt întotdeauna bine definit. Entități psihice nu pot fi modele de agenți sau agenți
nu pot fi definiți în jurul atributelor funcț ionale sau sarcini46. Fiecare agent poate reprezenta
comportamentul a unui om din sistem, sau diferiți agenți ar putea să rezolve sarcini diferite
implicând mai mulți oameni. Spre exemplu, fiecare controlor de trafic ar putea fi reprezentat ca
un agent, sau echipe de controlori efectuând o funcție pot fi reprezentate ca un agent, sau mai
mulți controlori pot fi modelați cu un agent pentru activitate de monitorizare, un agent pentru
rezolvarea conflictelor, etc. Ultima selectare a agenților este o decizie de proiectare importate în
dezvoltarea unui simulări și necesita fidelitatea comportamentului fiecărui agent.
Modelarea performanței umane este o bază comună pentru modelarea agenților în
simularea bazată pe agenți a sistemelor umane integrate. Câteva comunit ăți de cercetare diferite
au creat o varietate de asemenea modele: inteligența artificială și comunități de sisteme
inteligente în știința calculatoarelor; teoria comunității organizațională computațională; și modelul
de comunitate al performanțelor umane în științe cognitive și factorul uman.
Modele cognitive potrivite pentru simulări bazate pe agenți cresc în detaliu și sunt capabile
să captureze aspecte relevante ale performanței umane, unde caracteristicile umane, bazate pe
cercetări empirice, sunt inco rporate într -o structură de software pentru al reprezenta pe operatorul
uman47 48. Aceste modele sunt descrise ca modelare performantei decât pe comportament
datorită scopului – modelul curent este bazat pe capturarea acțiunilor umane așa cum sunt
înțelese de fenomenul psihologic decât un model detaliat al tuturor comportamentelor umane
condus de scop.
Forme simple de modele de performanță umana pot utiliza modele de inginerie pentru a
reproduce sarcini identificabile. De exemplu, Pritchett, Lee și Goldsm an49 au modelat controlul
traficului aerian prin utilizarea simplelor filtre de navigare "dead -reckoning" pentru a prezice daca
aeronavele ar pierde siguranța prin separare și pentru a determina viteza de comenzi pentru a
rezolva astfel de conflicte. În tim p ce astfel de modele sunt adesea mecaniciste și limitate la
sarcini specifice, acestea pot capta modele de performanță bine stabilite; pentru unele aplicații
de simulare bazate pe agent acest lucru poate fi suficient.
Alte forme de modele "egoist" pot viz ualiza agenți ca în urmărirea obiectivelor lor sa
folosească mecanisme de optimizare sau mecanisme de luare a deciziilor pentru a selecta
acțiunile lor. O formă specifică de agenți capabili de a urmări propriile obiective utilizează forme
cognitive primiti ve de credințe, dorințe, scopuri, intenții și angajamente. În plus, formele de modele
egoiste pot fi utilizate în simulări cu "agenți de învățare" cu fiecare agent amintindu -și statisticile
pe mai multe serii, converg astfel la un curs îmbunătățit de acțiu ne pentru a lua în viitor. De
exemplu, detalierea unei simulări în care, având în vedere un nivel fix al cererii pentru transportul

46 Yves Demazeau, Keith S. Decker, Javier Bajo Pérez, Fernando de la Prieta., (2015 ), “Advances în Practical
Applications of Agents, Multi -Agent Systems, and Susta inability: The PAAMS Collection” 13th International
Conference, PAAMS 2015, Salamanca, Spain
47 De William B. Rouse, Kenneth R. Boff, (2005 ), “Organizational Simulation ”, John Wiley & Sons
48 Vincent G. Duffy, (2016, ) “Advances în Applied Digital Human Modeling and Simulation ” Proceedings of the AHFE
2016 International Conference on Digital Human Mode ling and Simulation , Walt Disney World, Florida, USA
49 Athanasios V. Vasilakos, Roberto Beraldi, Roy Friedman, Marco Mamei, (2010 ), “Autonomic Computing and
Communications Systems ” Third International ICST Conference, Autonomics 2009, Limassol, Cyprus

aerian și capacitatea diferitelor aeroporturi, agenții de învățare ale companiilor aeriene și pasageri
pot fi re -rulate de s ute sau mii de ori pentru a găsi orarul de zbor și maximizarea structurii tarifare
ale companiilor aeriene "profituri fără a se depăși aeroporturile" capacității de sosire și de plecare.
O alta formă de model utilizează modele normative de performanță, de exemplu, modele
bazate pe procesele prescrise pe care agenții ar trebui să urmeze, astfel cum a fost gândit de
proiectantul sistemului sau alte entități externe. Agentul poate fi modelat sa își urmeze procesele
exact, urmând unele variații (de exemplu, cu reacție stocastica la timpii de ajustare observați la
comportamentul uman), sau în maniere mai complexe, cum ar fi selectarea proceselor în
formarea intențiilor care vor întâlni obiectivele lor. Aceste procese pot fi codificate într -un agent
model de baze de regula și sistem expert. Chiar și astfel de modele agent urmăresc standardele
normative exacte și deterministe, simularea agentului -bazat oferă două perspective interesante.
În primul rând, atunci când mediul este așa cum era de așteptat, de executare a simulării,
va dezvălui dacă este creat un comportament satisfăcător de sistem emergent de către toți agenții
care se comporta exact conform procedurii. În al doilea rând, mediul în care operează agenții pot
fi perturbat pentru a examina impactul probabil sau potențiale eșecuri datorate comportamentelor
normative, astfel identificând condiții care necesită discreția agenților pentru încălcarea normei
pentru a satisface alte obiective.
Cele mai avansate modele pot include elemente ale fiecăreia dintre acest e modele de
formulare. De exemplu, Air MIDAS, dezvoltat de NASA Ames Research Center (ARC) și
Universitatea de Stat din San Jose (SJSU) în primul rând pentru aplicații legate de aviație, conține
mai multe funcții în cadrul modelului său de performanță uman a. Modele mecaniciste de esența
psihologică și fenomenelor fiziologice, cum ar fi viziune, atenție, memorie de lucru și abilitățile
motorii capta aspecte bine înțelese ale comportamentului uman. Cunoștințe de domeniu servesc
ca cunoștințe prestabilite desp re sarcina, adesea reprezentat ca proceduri și obiective ale
regulilor de baza și procese pentru sarcini de bază. O actualizabilă reprezentare a lumii de
asemenea, dobândește și menține cunoștințe despre starea actuală a mediului. În acest cadru,
un model de operator simbolic susține șirul de sarcini care aștepta să apară, și schimba sarcinile
între ele în funcție de cunoștințe și scopuri.

Modele de mediu
Inclusiv un model mediu într -o simulare de bazată pe agent necesită o concepție ușor
diferită a "mediu lui", decât de obicei, utilizate în ingineria sistemelor. Mai degrabă decât sa
vizualizeze ca tot din exteriorul zonei de sistem, în simularea pe bază de agent cuprinde toate
elementele pasive ale sistemului care situează funcționarea agenților pro -activi . Prin definiție,
agenții de mediu pot avea un impact dramatic asupra comportamentului lor individual și, ca
urmare, asupra performanței sistemului emergent; elementele sale (inclusiv spațiul fizic, noi
tehnologii, și a procedurilor și reglementărilor) sun t adesea mijloacele prin care schimbarea la
nivel de sistem este efectuată.
In modelarea bazata pe agent mediul este văzut cu respect fata de obiective și
cartografierea cognitiva a agenților. Reprezentarea obiectivă a mediului este conținută în cadrul
modelului de mediu în timpul simulării, în timp ce agenții mențin reprezentări subiective ale
mediului pentru a guverna acțiunile lor.
Există două elemente la tipul de modele de mediu. Primele modele mediul fizic. Cele mai
comune modele ale structurii mediulu i fizic ale agenților redate prin diferite reprezentări spațiale

(de exemplu, hărți topologice pentru navigare robotului50). În simulările controlului traficului aerian,
locațiile mijloacelor de navigație, aeroporturi etc. sunt descrise folosind adesea sist eme înțelese
de coordonate.51
Al doilea specifică aspecte particulare ale domeniului de lucru. Multe dintre aceste aspecte
structura nu doar ca obiecte în mediul dar de asemenea ca și sarcini relațiile lor. Fiecare astfel
de structură surprinde o dimensiune a mediului; o combinație de structuri poate crea un model de
mediu multi -dimensional pentru agenții de referință.
Pot fi utilizate diferite structuri:
– Analiza domeniului de lucru introduce relațiile structurale prin mijloace -finale.52 Aceste relații
structurale sunt ierarhice, adică, elemente ale mediului sunt aranjate în funcție de nivelurile de
abstractizare legate de relațiile mijloace -finale: Un element într -un strat este un scop care poate
fi atins prin utilizarea elementelor din stratul de mai jos, și un mijloc de a obține capetele
elementelor din stratul anterior. Acest model poate fi utilizat în selecția strategiilor în angajarea
resurselor disponibile.
– Structurile de dependență de lucru organizează sarcinile în grafice acicl ice numite grupuri
de lucru.53 Nodul principal identifică sarcina principală pentru a fi realizata, iar sub -nivelurile
identifica sub -sarcinile și metodele care pot fi executate pentru a realiza sarcina principala.
Această ierarhie este îmbogățită în contin uare prin relații de dependență între obiective, sub
activități și metode, cum ar fi permite, facilitează, dezactivează, și întârzieri.
– Structuri de context -proces definesc contextul unui agent ca având două părți: de stat
mondială și intenția agentului .54 55. Această structură completează modele cognitive care pot
alege între procese în contextul situațional.56 57 .
Fiecare dintre structurile discutate mai sus descrie și exemplifica un aspect obiectiv al
mediului. Multe alte structuri sunt plauzibile, cum ar fi structurile de sarcină -resurse (privind
resursele de sarcini) și structuri de activitate -calificare (referitoare la sarcini competențelor
necesare). Același element de mediu poate fi reprezentat într -un număr de aceste structuri și
preocupările orică rui agent ar putea reduce mai multe dintre ele, după cum se potrivesc scopului
analizei.

50 Fernández -Madrigal, Juan -Antonio, (2012 ), “Simultaneous Localization and Mapping for Mobile Robots:
Introduction and Methods: Introduction and Methods ”, IGI Global
51 Mohammad S. Obaidat, Georgios I. Papadimitriou, (2012 ), “Applied System Simulation: Methodologies and
Applications ”, Springer Science & Business Media
52 Daniel P. Jenkins, Neville A. Stanton, Guy H. Walker (2017 ), “Cognitive Work Analysis: Coping with Complexity ”,
CRC Press
53 Thomas L. Seamster, Richard E. Redding, (2017 ), “Applied Cognit ive Task Analysis în Aviation ”, Routledge
54 Marko Cepin, Radim Bris (2017 ), “Safety and Reliability. Theory and Applications ”, CRC Press,
55 Kirlik, A., (2006 ), “Adaptive Perspectives on Human -Technology Interaction: Methods and Models for Cognitive
Enginee ring and Human -Computer Interaction ”, Oxford University Press, USA,
56 Shah, A.P. and A.R. Pritchett, (2004 ), “Work Environment Analysis: Environment centric multi -agent simulation for
design of socio -technical systems , în Joint Workshop on Multi -Agent and Multi -Agent Based Simulation ” Third
International Joint Conference on Autonomous Agents and Multi -Agent Systems, New York
57 Pritchett, A.R. and A.P. Shah, (2004 ), “Designing the work environment of socio -technical systems through agent –
based modeling and simulation ”, IFAC/IFIP/IFORS/IEA Symposium on the Analysis, Design and Evaluation of
Human Machine Systems, Atlanta

Arhitectura simulării
Simulare pe baza de agent are nevoie de încă doi pași adiționali de evoluție dincolo de
conceptul specificat al agentului și al modelului mediu :
(1) Codificând aceste modele conceptuale cu suficienta precizie care pot fi implementate ca
obiecte software de caucul;
(2) Punând aceste obiecte de software într -o arhitectura mai mare care creează și menține
corecta interacțiunea lor.
Făcând asta, o im portanta dualitate intelectuală exista intre forma modelului conceptual și
arhitectura soft -ului. Metodele inginerești de programare, precum programarea orientata pe
obiect poate aduce mult doritele beneficii înțelegătoare, ușor modificate, ușor de refolos it
software. Totuși, aceste beneficii pot fi în deplin realizate doar daca arhitectura soft -ului este
proiectata precis încă de la început. Aceasta schima trebuie sa mimice și sa suporte forma
modelului conceptual în așa modalitate încât translatarea dint re modelul conceptual și
implementarea software sa fie fluida și conformată – pentru a face asta, modelul conceptual
trebuie sa fie specific și bine definit.
Precum maparea conformată intre modelul conceptual și implementarea software sa aibă
câteva benefi cii. In primul rând, multe sisteme cunoscute au adoptat metode eficiente de operație;
simularea software mimica aceste operații și are o șansa mai buna de a fi mai eficiente
computațional, fără calcule străine. In al doilea rând, când se descompune simular ea spațiala sau
temporară pentru a se focusa pe aspecte specifice ale simulării, o decompoziție naturala a
strategiei se poate sesiza ca nu afectează advers funcționarea simulării. In al treilea rând,
comportamentul software -lui poate fi verificat cu ușuri nța comparativ cu conceptul așteptat fără
modificarea intre sau ajustarea diferitelor modele de introducere, ieșire și comportamente.
Pregătind o asemenea arhitectura de simulare trebuie luate în considerare trei mari aspecte:
interfața standard pentru obiectele software, metoda de avansare simulata în timp (și având
interacțiunea agenților la timpul specificat), și metodele de interacțiune cu un proces de analiza
mărit. Cele trei aspecte vor fi discutate detaliat.

Interfața standard a soft -ului
Interfa ța standard a soft -ului specifica funcțiile intre componentele software și metodele lor de
pasare a datelor, prin definirea a câtorva aspecte al unui agent pe baza de arhitectura simulare.
Primul aspect se adresează funcțiilor generale care ar trebui sa fi e interne pentru un modelele
agent. Acestea, în general, ar trebui sa fie doar cele care definesc acțiuni autonome ale agenților,
și fiecare din funcționarea interna în timpul interacțiuni cu mediul și ceilalți agenți. Al doilea aspect,
funcțiile interne c are corespund mediului model trebuise definite. Al treilea aspect, standardele
trebuie sa specifice care funcții trebuie executate de arhitectura simulării (și, corespunzător, nu
executate de agenți și de mediul model); acestea se refera în general la acel e funcții care provin
din simulare și procesul de analiza, incluzând virtualizarea, înregistrarea datelor și timpul alocat.
Al patrulea aspect se preocupa de pasarea datelor cerute de fiecare componenta din
simulare, inclusiv datele care sunt publicate căt re restul mediului de simulare, și specificațiile
oricărei componente care trimite informații către ele însăși sau primesc. Când, în sistemul real,
transferul de informații este clar inițializat de o singura entitate și primita de cealaltă, atunci exista
un concept bazat clar pentru standard. Din nefericire, nu toate mecanismele de transfer de
informații sunt bine definite în sistemele social -tehnice la nivelul de detalii cerut pentru emulațiile

agent model. De exemplu, în realitate un controlor de trafic aerian nu are nevoie sa supravegheze
toate aeronavele din lume ca sa identifice pe cele din sectorul lui de control; oricum, fără un model
special de radar, un controlor de trafic aerian, care sa ceara informații din simulare toate pozițiile
aeronavelor sa identifice cele care sunt sub controlul lui, sau oricare informație despre o anumita
aeronava trebuie trimisa către ceilalți controlori. Distingând aceste mecanisme este general un
efort conceptual în modelarea reala a procesului de transfer de informații ca și sarcina în
dezvoltarea softului.

Timpul alocat și interacțiunile agentului
Inima fiecărei simulări este un mecanism de sincronizare care avansează timpul simulării și
selectează obiectul care urmează sa fie executat. Timpul constituie o componenta importanta în
comportamentul agenților și a interacțiuni acestora; precum și, mecanismele de sincronizare sunt
o fata a sistemului dinamic de modelare58. In modelarea și simularea bazata pe agent,
mecanismele de sincronizare trebuie sa manipuleze corespunză tor modelele eterogen ale
agentului, care poate avea o rata considerabil diferită a actualizării pentru dinamica interna.
Secund, agenții trebuie sa fie actualizați în timp pentru corecta interacțiune cu ceilalți agenți.
Mecanismele de sincronizare pot fi definite ca mecanisme sincron și asincron. In timp ce
metodele de sincronizare sincron necesita toți agenții din simulare sa se actualizeze în același
timp, metoda de sincronizare asincron permite fiecărui agent sa se actualizeze independent.
Pentru o sca ra mai larga sau repetări ale simulării, metodele de sincronizare sincron este de
obicei computațional ineficienta în timp ce metoda de sincronizare necesita tuturor agenților sa
se actualizeze la fiecare pas de timp, indiferent daca este nevoie sau nu. Me toda de sincronizare
sincron cu resincronizare59 permite agenților sa se actualizeze asincron urmând pașii lor de
actualizare, dar în același timp estimează când interacțiunile pot apărea în viitor, și cere agenților
implicați sa se sincronizeze la momentul interacțiuni. Pentru a opera într -o arhitectura de simulare
folosind acest mecanism, fiecare agent trebuie sa fie capabil sa -și reamintească timpul ultimei
actualizări, sa raporteze când va fi necesara următoarea actualizare pentru un comportament
autonom , și sa actualizeze când este comandata de mecanismul central de sincronizare.
Fiecare agent poate fi înzestrat cu abilitatea de a monitoriza și prezice interacțiunile sale cu
ceilalți agenți. Totuși, poate fi foarte greu și costisitor sa incastrați agenți i cu mai multa acuratețe
și putere predictiva complexa într -o simulare, în special când simularea conține elemente
statistice sau când interacțiunea se investi în urma unui comportament de urgenta și astfel nu
ușor de prezis60. In loc sa înzestram fiecare a gent cu capabilitatea de a prezice exact
interacțiunea cu alți agenți, pentru multe aplicații este mult mai natural și mai eficient sa dezvolte
un obiect care poate monitoriza și prezice interacțiunea intre agenți. Acest obiect poate fi
conceptualizat ca f urnizarea comportamentului monitorizat și relațiile fizice într -un sistem care
acționa interacțiunile intre agenții.

58 Dipti Srinivasan, Lakhmi C. Jain, (2010 ), “Innovations în Multi -Agent Systems and Application – 1”, Spr inger
Science & Business Media
59 Athanasios V. Vasilakos, Roberto Beraldi, Roy Friedman, Marco Mamei, (2010 ), “Autonomic Computing and
Communications Systems ”, Third International ICST Conference, Autonomics 2009, Limassol, Cyprus,
60 Koen H. van Dam, Igor Nikolic, Zofia Lukszo (2012 ), “Agent -Based Modelling of Socio -Technical Systems ”,
Springer Science & Business Media