Принцип организации мотивационного поведения и автоматического целеполагания автономных интеллектуальных мобильных систем

Обоснована целесообразность организации мотивационного поведения автономных интеллектуальных мобильных систем, ориентированных на решение различных сложных задач в нестабильных априори неописанных проблемных средах. Такая необходимость обусловлена тем, что данный вид целенаправленного поведения позволяет различным по назначению интеллектуальным системам обеспечить безопасную и результативную целенаправленную деятельность в нестабильных условиях функционирования.
Предложена модель представления знаний автономных интеллектуальных мобильных систем безотносительно к конкретной предметной области, построенная на основе активных нечетких семантических сетей. Вершины в таких сетях помечаются слотами, обладающими множеством характеристик, которые позволяют в процессе целенаправленной деятельности осуществлять пометку активных вершин объектами и происходящими в проблемной среде событиями, удовлетворяющими их требованиям. Ребра в таких сетях помечаются обобщенными нечетко заданными значениями отношений, которые должны выполняться в проблемной среде между автономной интеллектуальной мобильной системой, различными объектами и происходящими в среде событиями. Данная модель формализованного представления различных ситуаций и подситуаций проблемной среды позволяет интеллектуальным системам адаптироваться к априори неописанным условиям функционирования и на этой основе автоматически планировать целенаправленную деятельность в условиях неопределенности.
Для подсистемы самоорганизации и управления мотивационным поведением автономных интеллектуальных мобильных систем разработаны инструментальные средства идентификации возникающих в проблемной среде угроз безопасной и результативной деятельности. Построена оригинальная по содержанию обобщенная модель представления знаний продукционного типа безотносительно к конкретной предметной области, позволяющая интеллектуальным системам оперативно реагировать на возникающие в проблемной среде различного вида угрозы безопасности и сохранить на этой основе работоспособность в процессе выполнения сложных заданий в реальных проблемных средах.
В заключении обозначен один из эффективных путей дальнейшего развития предложенного принципа организации безопасной и результативной деятельности автономных интеллектуальных мобильных систем, связанный с управлением их коллективной деятельностью в процессе выполнения сложного задания при спонтанно происходящих в проблемной среде изменениях, сопровождающихся возникновением в ней различного вида угроз, препятствующих их эффективному совместному функционированию.

1. Каляев А. В., Чернухин Ю. В., Носков В. Н., Каля- ев И. А. Однородные управляющие структуры адаптивных роботов. М.: Наука, 1990. 152 с.

2. Мелехин В. Б., Хачумов М. В. Инструментальные средства управления целесообразным поведением самоорганизующихся автономных интеллектуальных агентов // Мехатроника, автоматизация, управление. 2021. Т. 22, № 4. С. 171—180.

3. Russell S., Norvig P. Artificial Intelligence: A Modern Approach. 4 ed. Pearson, 2020. 1216 p.

4. Kelly A. Mobile Robotics: Mathematics, Models, and Methods. Cambridge: Cambridge University Press, 2013. 808 p.

5. Мелехин В. Б., Хачумов М. В. Планирование поведения интеллектуального беспилотного летательного аппарата в недоопределенной проблемной среде. Часть 2. Структура и применение фреймов действий // Искусственный интеллект и принятие решения. 2018. № 2. С. 46—56.

6. Melekhin V. B., Khachumov M. V. Fuzzy semantic networks as an adaptive model of knowledge representation of autonomous intelligent systems // Scientific and Technical Information Processing. 2021. Vol. 48, No. 5. P. 333—341.

7. Поспелов Д. А. Ситуационное управление: теория и практика. М.: Наука, 1986. 284 с.

8. Zaden L. A. The concept of a linguistic variable and its application to approximate reasoning, Part I: Information Sciences. 1975. Vol. 8. P. 199—249; Part II: Information Sciences. 1975. Vol. 8. P. 301—357; Part III: Information Sciences. 1975. Vol. 9. P. 43—80.

9. Passino K. M., Yurkovich S. Fuzzy Control. Boston (USA): Addison Wesley Longman, 1998. 522 p.

10. Мелехин В. Б., Хачумов М. В. Планирование поведения автономных интеллектуальных мобильных систем в условиях неопределенности / Под ред. проф. Хачумова В. М. СПб.: Политехника, 2022. 276 с.

11. Martens-Atyushev D. S. Experimental study of a reconfigurable system with hardware task manager and a distributed queue // Journal of Computational and Theoretical Nanoscience. 2019. No. 16(7). Р. 3040—3045.

12. Alfa A. S. Matrix-geometric solution of discrete time MAP/PH/1 priority queue // Naval Research Logistics. 1998. Vol. 45, No. 1. P. 23—50.

13. Мелехин В. Б., Хачумов В. М. Элементы понятийного мышления в планировании поведения автономных интеллектуальных агентов // Мехатроника, автоматизация, управление. 2021. Т. 22, № 8. С. 411—419.

14. Мелехин В. Б., Хачумов М. В. Планирование маршрута целенаправленного полета автономного летательного аппарата на низкой высоте в условиях неопределенности // Авиакосмическое приборостроение. 2018. № 1. С. 18—27.

15. Филимонов А. Б., Филимонов Н. Б. Ситуационный подход в задачах автоматизированного управления техническими объектами // Мехатроника, автоматизация, управление. 2018. Т. 19, № 9. С. 562—578.