Механизмы интеллектуальных обратных связей, обработки знаний и самообучения в системах управления автономными роботами и мультиагентными робототехническими группировками

Обоснован перечень задач самообучения интеллектуальных систем управления автономными роботами и мультиагентными робототехническими группировками. Обсуждаются основные проблемы создания интеллектуальных самообучающихся систем управления. Показано, что один из наиболее перспективных подходов к реализации процессов самообучения в интеллектуальных системах управления автономными роботами и многоагентными робототехническими группировками связан с использованием метода автоматического построения деревьев классификации. Приводятся результаты комплексного моделирования.

автономный робот, мультиагентная робототехническая группировка, интеллектуальная система управления, интеллектуальная обратная связь, самообучение, деревья классификации, autonomous robot, multi-agent robotic system, intelligent control system, intelligent feedback, self-learning, classification trees

1. Макаров И. М., Лохин В. М., Манько С. В., Романов М. П., Крюченков Е. Н., Кучерский Р. В., Диане С. А. К. Мультиагентные робототехнические системы: примеры и перспективы применения // Мехатроника, автоматизация, управление. 2012. № 2. С. 22-32.

2. Макаров И. М., Лохин В. М., Манько С. В., Романов М. П. Принципы построения и проблемы разработки мультиагентных робототехнических систем // Мехатроника, автоматизация, управление, 2012. № 3. С. 11-16.

3. Макаров И. М., Лохин В. М., Манько С. В., Романов М. П., Крюченков Е. Н., Кучерский Р. В., Худак Ю. И. Модели и алгоритмы планирования действий и распределения заданий в мультиагентных робототехнических системах // Мехатроника, автоматизация, управление. 2012. № 5. С. 44-50.

4. Лохин В. М., Манько С. В., Романов М. П., Диане С. А. К. Способы представления знаний и особенности функционирования мультиагентных робототехнических систем // Мехатроника, автоматизация, управление. 2014. № 1. С. 36-39.

5. Лохин В. М., Манько С. В., Романов М. П., Диане С. А. К., Трипольский П. Э., Карпов С. А. Модели и алгоритмы оценки численности состава мультиагентных робототехнических систем // Мехатроника, автоматизация, управление. 2014. № 3. С. 20-23.

6. Манько С. В., Александрова Р. И., Диане С. А. К. Человеко-машинный интерфейс для мультиагентных робототехнических систем // Известия ЮФУ. Технические науки. 2014. № 3. С. 183-193.

7. Автоматизация синтеза и обучение интеллектуальных систем автоматического управления / Под ред. И. М. Макарова, В. М. Лохина. М.: Наука, 2009. 228 с.

8. Николенко С. И., Тулупьев А. Л. Самообучающиеся системы. М.: МЦНМО, 2009. 288 с.

9. Sutton R., Barto A. Reinforcement Learning: An Introduction. Cambridge: MIT Press, 1998. 432 p.

10. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польск. И. Д. Рудинского. М.: Горячая линия - Телеком, 2006. 452 c.

11. Люгер Дж. Ф. Искусственный интеллект: стратегии и методы решения сложных проблем: Пер. с англ. М.: Издательский дом Вильямс, 2003. 864 с.

12. Рассел С., Норвиг П. Искусственный интеллект: современный подход / Пер. с англ. и ред. К. А. Птицына. 2-е изд. М.: Издательский дом Вильямс, 2007. 1408 с.

13. DARPA LAGR Program. URL: http://en.wikipedia.org/wiki/DARPA_LAGR_Program

14. Probabilistic Programming for Advancing Machine Learning (PPAML). URL: http://www.fbo.gov/utils/view?id = 1728bcabdd35609b662d0284e2665f76

15. Probabilistic Programming for Advancing Machine Learning (PPAML). URL: http://www.fbo.gov/utils/view?id = a7bdf07d124ac2b1dda079de6de2eb78

16. SOINN robot. URL: http://haselab.info/research-e.html

17. Bongard J., Zykov V., Lipson H. Resilient Machines Through Continuous Self-Modeling // Science. 2006. Vol. 314, N 5802. P. 1118-1121

18. Макаров И. М., Лохин В. М., Манько С. В., Романов М. П., Кадочников М. В. Многозвенные мехатронно-модульные роботы с адаптивной кинематической структурой // Мехатроника, автоматизация, управление. 2006. № 11. С. 2-11.

19. Макаров И. М., Лохин В. М., Манько С. В., Кадочников М. В., Ситников М. С. Использование генетических алгоритмов для автоматического формирования базы знаний интеллектуальной системы управления автономным мобильным роботом // Мехатроника, автоматизация, управление. 2008. № 6. С. 18-22.

20. Макаров И. М., Лохин В. М., Манько С. В., Кадочников М. В., Востриков Г. С. Использование генетических алгоритмов в задачах автоматического обучения и самоорганизации интеллектуальных робототехнических систем // Мехатроника, автоматизация, управление. Приложение. 2008. № 9. С. 2-10.

21. Макаров И. М., Лохин В. М., Манько С. В., Романов М. П., Кадочников М. В. Технологии обработки знаний в задачах управления автономными мехатронно-модульными реконфигурируемыми роботами // Информационные технологии. Приложение. 2010. № 8. 32 c.

22. Lior Rokach, Oded Maimon. Data mining with decision trees: theory and applications. World Scientific Pub Co Inc., 2008, 244 p.

23. Xindong Wu., Vipin Kumar, J. Ross Quinlan, Joydeep Ghosh, Qiang Yang, Hiroshi Motoda, Geoffrey J. McLachlan, Angus Ng, Bing Liu, Philip S. Yu., Zhi-Hua Zhou, Michael Steinbach, David J. Hand, Dan Steinberg. Top 10 algorithms in data mining // Knowl. Inf. Syst. 2008. 14 (1). P. 1-37.

24. Quinlan J. R. Induction of Decision Trees // Machine Learning. Kluwer Academic Publishers, 1986. P. 81-106.

25. Shannon C. E. A Mathematical Theory of Communication // Bell System Technical Journal. 1948. July & October, 27. P. 379-423, 623-656.

26. Mitchell T. M. Machine Learning. The Mc-Graw-Hill Companies, Inc. 1997, 414 p.

27. Rayi Chang, Chia-Yen Lo, Wen-De Su, Jen-Chieh Wang. Query-Based Learning Decision Tree and its Applications in Data Mining // Proceedings of the 2006 Joint Conference on Information Sciences, JCIS 2006, Kaohsiung, Taiwan, ROC, October 8-11, 2006. doi:10.2991/jcis.2006.49

28. Kokol P., Mernik M., Zavrsnik J., Kancler K., Malcic I. Decision trees based on automatic learning and their use in cardiology // Journal of Medical Systems. Vol. 18, Iss. 4. P. 201-206.

29. Dash M., Liu H. Feature Selection for Classification // Intelligent Data Analysis - An International Journal. Elsevier. 1997. Vol. 1, N. 3. P. 131-156.

30. Stentz A. Optimal and Efficient Path Planning for Partially-Known Environments // Proc. of the International Conference on Robotics and Automation. 1994, May. P. 3310-3317.

31. Stentz A. The Focussed D* Agorithm for Real-Time Replanning // Proceedings of the International Joint Conference on Artificial Intelligence. August 1995. P. 1652-1659.