Россия
Россия
Аннотация. В условиях стремительного развития науки и технологий традиционные методы перестают быть эффективными, что требует более интеллектуальных и адаптивных решений для управления и обработки информации. В статье исследуются и анализируются многоагентные системы (МАС), их роль и значимость в сфере инновационной деятельности. Цель: систематизация технологических решений, применяемых при разработке многоагентных систем в инновационной деятельности, а также оценка их воздействия на эффективность инновационных процессов. Результат и новизна: проведен анализ архитектурных и алгоритмических подходов к разработке МАС, изучены современные программные и аппаратные решения, включая интернет вещей (IoT) и облачные платформы. Освещаются новаторские аспекты в интеграции МАС с физическими устройствами, что расширяет их функциональные возможности. Практическая значимость: рассмотренные технологические решения поддерживают практическое применение МАС в различных областях — от управления проектами до оптимизации научно-исследовательских процессов. Реализация МАС способствует улучшению координации и распределению ресурсов, что особенно актуально в условиях высокой динамики и неопределенности инновационной среды. Обсуждение: подчеркивается, что разработка МАС сталкивается с проблемами сложной архитектуры и вычислительных затрат. Выделяется важность выбора подходящей платформы разработки (например, JADE, SPADE, NetLog1o) в зависимости от нужд проекта. Акцентируется роль облачных технологий и IoT в будущем развитии многоагентных систем.
многоагентные системы, распределенные системы, интеллектуальные агенты, облачные технологии, интернет вещей, машинное обучение, визуализация, автоматизация, искусственный интеллект
1. Bellifemine F., Caire G., Greenwood D. Developing Multi-Agent Systems with JADE. Chichester: Wiley, 2007. 304 p.
2. Russell S. J., Norvig P. Artificial Intelligence: A Modern Approach. 4th ed. Hoboken (NJ): Pearson, 2020. 1136 p.
3. Wooldridge M. J. An Introduction to MultiAgent Systems. 2nd ed. Chichester: Wiley, 2009. 488 p.
4. Bordini R. H., Hübner J. F., Wooldridge M. Programming Multi-Agent Systems in AgentSpeak Using Jason. Chichester: Wiley, 2007. 304 p.
5. Абрамов В. И., Евдокимов Д. С. Разработка комплекса агент-ориентированных моделей системы государственных закупок стран Евразийского континента // Проблемы теории и практики управления. 2019. № 1. С. 15–23.
6. Диагностика неустойчивых когнитивных состояний активных агентов / П. П. Дьячук [и др.] // Нейроинформатика-2016: сборник трудов XVIII Всероссийской научно-технической конференции (Москва, 25–29 апреля 2016 г.): в 3 ч. Ч. 1. М.: НИЯУ МИФИ, 2016. С. 259–270.
7. Компьютерное ситуационное моделирование в управлении экономикой / В. Л. Макаров [и др.] // Государственный аудит. Право. Экономика. 2017. № 3–4. С. 31–40.
8. R&D Subsidization Effect and Network Centralization: Evidence from an Agent-Based Micro-Policy Simulation / P. Angelini [et al.] // Journal of Artificial Societies and Social Simulation. 2017. Vol. 20, iss. 4. Art. No. 4. 22 p. DOI:https://doi.org/10.18564/jasss.3494
9. Гладков Л. А., Гладкова Н. В. Возможности управления знаниями на основе гибридных интеллектуальных методов // Открытое образование. 2013. № 6(101). C. 60–64.
10. The Peer Review Game: An Agent-Based Model of Scientists Facing Resource Constraints and Institutional Pressures / F. Bianchi [et al.]. 2018. Vol. 116, iss. 3. P. 1401–1420. DOI:https://doi.org/10.1007/s11192-018-2825-4
11. Использование мультиагентных технологий для прогнозирования и идентификации процесса обучения / Е. А. Назойкин [и др.] // Пищевая промышленность. 2015. № 6. С. 36–39.
12. Neves F., Campos P., Silva S. Innovation and Employment: An Agent-Based Approach // Journal of Artificial Societies and Social Simulation. 2019. Vol. 22, iss. 1. Art. No. 8. 32 p. DOI:https://doi.org/10.18564/jasss.3933
