МОДЕЛЬ АГЕНТОВ С ОБЩЕЙ ТОЧКОЙ ИНТЕРЕСА И ОГРАНИЧЕНИЕМ НА КОЛИЧЕСТВО ОДНОВРЕМЕННО ПРИСУТСТВУЮЩИХ АГЕНТОВ

  • Александр Владимирович Кузнецов Институт проблем управления им. В. А. Трапезникова https://orcid.org/0000-0002-0365-2077
  • Денис Николаевич Федянин Международная лаборатория логики, лингвистики и формальной философии, НИУ ВШЭ https://orcid.org/0000-0003-1032-5223
Ключевые слова: теория принятия решений, многоагентные системы, модель Лотка — Вольтерра, сегрегация, дескриптивная логика, имитационное моделирование, теория игр

Аннотация

Разработана модель для агентов, посещающих общую точку (или точки) интереса. Агенты делятся на тех, удовлетворение от посещения которых уменьшается при наличии других посетителей, и тех, удовлетворение которых растет в этом случае. Для агентов первого типа увеличение числа агентов выше определенного препятствует посещению этой точки агентами. Агенты имеют переменные параметры своего желания посещать точку и терпеть присутствие других агентов. Изменение параметров зависит от того, как давно было последнее посещение точек интереса. В данной статье предлагается объяснение феномена, почему люди могут долго терпеть, терпеть, а затем одновременно начинать стремиться к какой-то точке интереса. В работе кратко рассмотрена теоретико-игровая постановка задачи, а также проведено имитационное моделирование в среде Wolfram Mathematica. Исследовались закономерности и механизмы формирования представлений о нормативном принятии решений, включающие социальное влияние, и учитывающие неопределенность, возникающую из-за разных контекстов и опыта субъектов. Выявлено как возникновение близких к периодическим колебаний количества агентов, аналогично модели Лотка — Вольтерра, так полное разделение агентов по различным точ кам интереса в зависимости от начальных условий, аналогично модели Шеллинга. Данная нормативная модель, опирающаяся на реальные рассуждения агентов, может быть использована при планировании общественных пространств, в которых размещаются магазины, кафе и т.п. учреждения, чтобы снизить нагрузку на каждое из учреждений и исключить взаимное влияние агентов с разными интересами при посещении этих учреждений.

Скачивания

Данные скачивания пока не доступны.

Биографии авторов

Александр Владимирович Кузнецов, Институт проблем управления им. В. А. Трапезникова

д-р физ.-мат. наук, доц., заведующий лабораторией 90

Денис Николаевич Федянин, Международная лаборатория логики, лингвистики и формальной философии, НИУ ВШЭ

научный сотрудник Международная лаборатория логики, лингвистики и формальной философии

Литература

Haw D. Measuring and understanding segregation (Doctoral dissertation, Bristol Centre for Complexity Sciences). – 2016.

Haw D. J., Hogan J. A dynamical systems model of unorganized segregation // The Journal of Mathematical Sociology. – 2018. – Vol. 42, No 3. – P. 1–15. doi : 10.1080/0022250 X .2018 .1427091

Schelling T. C. Dynamic models of segregation // The Journal of Mathematical Sociology. – 1971. – Vol. 1, No 2. – P. 143–186. doi: 10.1080/0022250X.1971.9989794

Granovetter M. Threshold Models of Collective Behavior // American Journal of Sociology. – 1978. – Vol. 83, No 6. – P. 1420–1443. doi:10.1086/226707. JSTOR 2778111. S2CID 49314397.

Breer V. V., Novikov D. A., Rogatkin A. D. Micro- and macromodels of social networks. I. Theory fundamentals // Autom Remote Control. – 2016. – Vol. 77. – P. 313–320. https://doi. org/10.1134/S0005117916020077

Kuznetsov A. V. Game of Operation of a Telecommunication Network of Agents with Directional Antennas // Autom Remote Control. – 2021. – Vol. 82. – P. 687–705. https://doi. org/10.1134/S0005117921040068

Kuznetsov A. Segregation model for dynamic frequency allocation // Advances in Systems Science and Applications. – 2018. – Vol. 18, No 2. – P. 84–92. https://doi.org/10.25728/ assa.2018.18.2.542

Опубликован
2025-09-26
Как цитировать
Кузнецов, А. В., & Федянин, Д. Н. (2025). МОДЕЛЬ АГЕНТОВ С ОБЩЕЙ ТОЧКОЙ ИНТЕРЕСА И ОГРАНИЧЕНИЕМ НА КОЛИЧЕСТВО ОДНОВРЕМЕННО ПРИСУТСТВУЮЩИХ АГЕНТОВ. Вестник ВГУ. Серия: Системный анализ и информационные технологии, (3), 101-109. https://doi.org/10.17308/sait/1995-5499/2025/3/101-109
Раздел
Интеллектуальные системы, анализ данных и машинное обучение