Метод доверенной оркестрации роботизированных агентов в децентрализованных средах на основе глубокого обучения с подкреплением
Systems Engineering and Information Technologies · 31.03.2026 · 8 (1(25)) · 75-87
DOI: 10.54708/siit-2026-no1-p75 ↗Kurz gefasst
Fachartikel in der Zeitschrift Systems Engineering and Information Technologies, 2026. Verfasst von Вячеслав Иванович ПЕТРЕНКО und 2 weiteren Autor:innen.
Abstract (Originalsprache)
В работе предложен новый метод Trust-MADDPG Orchestration (TMO), интегрирующий архитектуру централизованного обучения с децентрализованным исполнением на основе алгоритма глубокого обучения с подкреплением. Ключевым элементом метода является динамический механизм оценки доверия, который использует экспоненциальную функцию. Данный механизм обеспечивает быструю адаптацию системы к расхождениям между ожидаемым и фактическим вознаграждением. Разработанный был протестирован в реалистичной симуляционной среде MultiDroneSim на задаче совместного исследования территории с помехами и сбойными агентами. Эксперименты продемонстрировали превосходство TMO над базовыми методами: успешность выполнения миссии увеличена на 22,5%, а устойчивость к внедрению сбойных агентов повышена более чем в 4 раза (снижение эффективности всего на 5% по сравнению с 22% у базового метода). Эти результаты подтверждают, что интеграция механизма динамического доверия является ключевым фактором для обеспечения надежной оркестрации в децентрализованных мультиагентных системах.
Zitieren
APA
ПЕТРЕНКО, В. И., ТЕБУЕВА, Ф. Б., & СОБОЛЕВА, П. А. (2026). Метод доверенной оркестрации роботизированных агентов в децентрализованных средах на основе глубокого обучения с подкреплением. Systems Engineering and Information Technologies, 8(1(25)), 75-87. https://doi.org/10.54708/siit-2026-no1-p75
Vancouver
ПЕТРЕНКО ВИ, ТЕБУЕВА ФБ, СОБОЛЕВА ПА. Метод доверенной оркестрации роботизированных агентов в децентрализованных средах на основе глубокого обучения с подкреплением. Systems Engineering and Information Technologies. 2026;8(1(25)):75-87. doi:10.54708/siit-2026-no1-p75
BibTeX
@article{2026,
author = {ПЕТРЕНКО, Вячеслав Иванович and ТЕБУЕВА, Фариза Биляловна and СОБОЛЕВА, Полина Александровна},
title = {Метод доверенной оркестрации роботизированных агентов в децентрализованных средах на основе глубокого обучения с подкреплением},
journal = {Systems Engineering and Information Technologies},
year = {2026},
volume = {8},
number = {1(25)},
pages = {75--87},
doi = {10.54708/siit-2026-no1-p75}
}
EUVIMED