- Timestamp:
- 02/04/12 00:54:24 (13 years ago)
- Files:
-
- 1 modified
Legend:
- Unmodified
- Added
- Removed
-
applications/doprava/texty/novotny_vyzk_LQ/MathematicalMethods/MathematicalMethods.tex
r1428 r1434 4 4 5 5 Multiagentní systém je druh distribuované umělé inteligence, jehož základem je 6 agent - výpočetní prvek schopný autonomní reakce, komunikace a koordinace.6 agent - výpočetní prvek schopný autonomní akce, komunikace a koordinace. 7 7 Každý agent je schopen vyhodnotit optimální chování v dané situaci, 8 které závisí i na ak ociostatních agentů. Ke sploupráci jednotlivých8 které závisí i na akcích ostatních agentů. Ke sploupráci jednotlivých 9 9 agentů slouží různe metody vejednávání a predikce chování. 10 10 11 \subsection{Historie}12 13 Multiagentní systémy jsou na poli počítačové vědy relativní novinkou. Studium tohoto14 tématu probíhá od začátku osmdesátých let dvacátého století. Větší pozornosti15 se jim dostalo v polovině let devadesátých s rozvojem internetu.16 11 17 12 \subsection{Agent} … … 28 23 \subsection{Druhy prostředí} 29 24 30 Způsob práce agentů se liší podle druhu prostředí, ve kterém pracují. Podle \cite{wooldridge} se25 Způsob práce agentů se liší podle druhu prostředí, ve kterém operjií. Podle \cite{wooldridge} se 31 26 prostředí dají klasifikovat následovně: 32 27 … … 38 33 Deterministické prostředí je takové, ve kterém má každá jednotlivá akce předem daný efekt. 39 34 Prostředí je dostupné, pokud agent může zjistit jeho úplný stav v kteroukoliv dobu. 40 Statické prostředí se na rozdíl od dynamického mění pouze vlivem akcí vyvolaný miagenty.35 Statické prostředí se na rozdíl od dynamického mění pouze vlivem akcí vyvolaných agenty. 41 36 V diskrétním prostředí existuje pevné konečné číslo možných vjemů a akcí. 42 37 % \\ … … 54 49 Mějme pro jednoduchost 2 agenty. Označme si je $i$ a $j$. 55 50 Předpokládejme, že máme množinu $$\Omega = \{\omega_1, \omega_2, ...\}$$ obsahující všechny možné stavy 56 prostředí, v kterém agenti operují. Aby byl agent schopen efektivně ovlivňovat prostření, musí být schopen51 prostředí, v kterém agenti operují. Aby byl agent schopen efektivně ovlivňovat prostření, musí umět 57 52 ohodnotit, jak je pro něj daný stav příznivý. Hodnocení daného stavu agenta $i$ a $j$ formálně definujeme jako funkce 58 53 $$u_i : \Omega \rightarrow \mathbb{R}, $$ … … 87 82 různí agenti různou oblast působnosti. Množina 88 83 $$ A = \{ a_1, a_2, ... \} $$ 89 znázorňuje množinu všech akcí, které jsou agenti schopni prové zt.84 znázorňuje množinu všech akcí, které jsou agenti schopni provést. 90 85 Na tyto akce reaguje prostředí přechodem do nějakého stavu $\omega \in \Omega$. 91 86 Formálně můžeme tento přechod zapsat jako funkci … … 133 128 \begin{definition}[Nashova rovnost]\label{de:nash_equlibrium} 134 129 Dvě strategie, $a_1$ a $a_2$ jsou v Nashově rovnosti, pokud za předpokladu že agent 135 $i$ zvolí strategii $a_1$, je nejvýhodnější strategií pro agenta $j$ jestrategie $a_2$ a zároveň130 $i$ zvolí strategii $a_1$, je nejvýhodnější strategií pro agenta $j$ strategie $a_2$ a zároveň 136 131 pokud agent $j$ zvolí strategii $a_2$, je pro agenta i nejvýhodnější strategií $a_1$. 137 132 \end{definition}
