Застосування генетичного алгоритму для агентного моделювання поведінки об’єктів при виході з палаючої кімнати

Бічна панель сторінки статті

PDF
Опубліковано: гру 29, 2017
DOI: https://doi.org/10.20535/2523-4455.2017.22.6.105199
Ключові слова:
нейронні мережі, генетичний алгоритм, навчання без учителя, агентне моделювання, навчання нейронних мереж, геном

Основний зміст сторінки статті

Yaroslaw Yuriiovychych Dorogyy
Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського"
https://orcid.org/0000-0003-3848-9852
Vasyl V Tsurkan
Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського"
https://orcid.org/0000-0003-1352-042X
Anton S Dembitskyi
Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського"
https://orcid.org/0000-0002-5971-576X

Анотація

В статті розглянуте питання реалізації генетичного алгоритму для навчання й оптимізації нейронної мережі та її застосування для задач агентного моделювання людської поведінки. Запропоновано систему, що здійснює навчання агентів за допомогою підбору найефективніших стратегій поведінки з наявного набору стратегій із застосуванням генетичного алгоритму. В роботі висвітлено детальну розробку одного з таких модулів поведінки агента на основі нейронної мережі, що, будучи навченим, достатньо допомагає агентові орієнтуватися в середовищі. Описано побудову середовища для такого навчання та представлено результати навчання при різних конфігураціях середовища. Головною метою та застосуванням такого підходу є використання навчених агентів для розробки системи моделювання поведінки натовпу під час пожежі.

Бібл. 11, рис. 6, табл. 4.

Блок інформації про статтю

Як цитувати
[1]
Y. Y. Dorogyy, V. V. Tsurkan, і A. S. Dembitskyi, «Застосування генетичного алгоритму для агентного моделювання поведінки об’єктів при виході з палаючої кімнати», Мікросист., Електрон. та Акуст., т. 22, вип. 6, с. 71–78, Груд 2017.
Номер
Том 22 № 6 (2017)
Розділ
Телекомунікації та захист інформації
Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:

  1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
  2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
  3. Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
Біографії авторів

Yaroslaw Yuriiovychych Dorogyy, Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського"

Доцент кафедри АУТС НТУУ "КПІ імені Ігоря Сікорського"

Vasyl V Tsurkan, Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського"

Доцент кафедри ПСКЗ НТУУ "КПІ імені Ігоря Сікорського"

Anton S Dembitskyi, Національний технічний університет України "Київський політехнічний інститут імені Ігоря Сікорського"

Магістр кафедри АУТС НТУУ "КПІ імені Ігоря Сікорського"

Посилання

J. Tu and R. Honsales, Printsipyi raspoznavaniya obrazov [Principles of recognition of patterns]. Moskow: Mir, 1978.

I. S. Svetunkov and S. H. Svetunkov, Metodyi sotsialno-ekonomicheskogo prognozirovaniya: Uchebnik dlya vuzov., t. I [Methods of socio-economic prognostication : Textbook for institutions of higher learning., vol. I]. St. Peterburg: StPbGUEF, 2009.

S. A. Aivazian, V. M. Bukhshtaber, I. S. Eniukov, and L. D. Meshalkin, Prikladnaya statistika: Klassifikatsii i snizhenie razmernosti [Applied statistics: Classifications and decline of dimension]. Moskow: Finansy i statistika, 1989.

P. Dynamics, “Airports,” INCONTROL Simulation Solutions. [Online]. Available: http://www.pedestrian-dynamics.com/crowd-management/airport-crowd-simulation.html.

M. Gardner, “The fantastic combinations of John Conway’s new solitaire game ‘life,’” Sci. Am., vol. 223, no. 4, pp. 120–123, 1970.

Y. Lahodiuk, “Evolyutsiya agentov upravlyaemyih neyronnoy setyu [Evolution of agents guided by a neural network],” Habrahabr, 2013. [Online]. Available: https://habrahabr.ru/post/168067/.

foo52ru, Iskusstvennaya zhizn. Geneticheskiy algoritm v2.0. Pervyie probyi [Artificial life. Genetic algorithm of v2.0. First tests]. 2016. Available: https://www.youtube.com/watch?v=nlDsMYIbqMM

“EXODUS Demo software,” FIRE SAFETY ENGINEERING GROUP. [Online]. Available: http://fseg.gre.ac.uk/exodus/exodus_registered_visitors.html.

Ya. Yu. Dorohyi, O. O. Doroha-Ivaniuk, and D. A. Ferens, “Realizatsiia alhorytmu strukturnoii optimizatsii neironnoi merezhi [Implementation of neural network structural optimization algorithm],” Visnyk NTUU KPI Informatics, Oper. Comput. Sci., no. 63, pp. 101–106, 2015.

R. L. Haupt and S. E. Haupt, Practical Genetic Algorithms, 2nd ed. Wiley-Interscience, 2004. ISBN: 978-0471455653

M. Obitko, “XI. Crossover and Mutation,” Introduction to Genetic Algorithms, 1998. [Online]. Available: http://www.obitko.com/tutorials/genetic-algorithms/crossover-mutation.php.