Suchergebnisse

Context. In today's information society with advanced telecommunications through mobile devices and computer networks, it is important to form a variety of virtual organizations and communities. Such virtual associations of people by professional or other interests are designed to quickly solve various tasks: to perform project tasks, create startups to attract investors, network marketing, distance learning, solving complex problems in science, economics and public administration , construction of various Internet services, discussion of political and social processes, etc. Objective of the study is to develop an adaptive Markov recurrent method based on the stochastic approximation of the modified condition of complementary non-rigidity, valid at Nash equilibrium points for solving the problem of game coverage of projects. Method. In this work the multiagent game model for formation of virtual teams of executors of projects on the basis of libraries of subject ontologies is developed. The competencies and abilities of agents required to carry out projects are specified by sets of ontologies. Intelligent agents randomly, simultaneously and independently choose one of the projects at discrete times. Agents who have chosen the same project determine the current composition of the team of its executors. For agents' teams, a current penalty is calculated for insufficient coverage of competencies by the combined capabilities of agents. This penalty is used to adaptively recalculate mixed player strategies. The probabilities of selecting those teams whose current composition has led to a reduction in the fine for non-coverage of ontologies are increasing. During the repetitive stochastic game, agents will form vectors of mixed strategies that will minimize average penalties for non-coverage of projects. Results. For solve the problem of game coverage of projects, an adaptive Markov recurrent method based on the stochastic approximation of the modified condition of complementary non-rigidity, valid at Nash equilibrium points, was developed. Conclusions. Computer simulation confirmed the possibility of using the stochastic game model to form teams of project executors with the necessary ontological support in conditions of uncertainty. The convergence of the game method is ensured by compliance with the fundamental conditions and limitations of stochastic optimization. The reliability of experimental studies is confirmed by the repeatability of the results obtained for different sequences of random variables. ; Актуальность. В современном информационном обществе с развитыми средствами телекоммуникации с помощью мобильных устройств и компьютерных сетей актуальным является формирование различных виртуальных организаций и сообществ. Такие виртуальные объединения людей по профессиональным или другими интересами предназначены для оперативного решения различных задач: для выполнения проектных заданий, создания стартапов с целью привлечения инвесторов, организации сетевого маркетинга, организации дистанционного обучения, решения сложных вопросов в науке, экономике и государственном управлении, построения различных Интернет-сервисов, обсуждения политических и социальных процессов и тому подобное. Целью исследования является разработка адаптивного марковского рекуррентного метода на основе стохастической аппроксимации модифицированного условия дополняющей нежесткости, справедливого в точках равновесия по Нэшу для решения задачи игрового покрытия проектов. Метод. В этой работе разработана многоагентная игровая модель для формирования виртуальных команд исполнителей проектов на основе библиотек предметных онтологий. Необходимые для выполнения проектов компетенции и способности агентов задаются наборами онтологий. Интеллектуальные агенты случайно, одновременно и независимо выбирают один из проектов в дискретные моменты времени. Агенты, которые выбрали один и тот же проект, определяют текущий состав команды его исполнителей. Для команд агентов исчисляется текущий штраф за недостаточное покрытие компетенций объединенными способностями агентов. Этот штраф используется для адаптивного пересчета смешанных стратегий игроков. Увеличиваются вероятности выбора тех команд, текущий состав которых привел к уменьшению штрафа за непокрытие онтологий. В ходе повторяющейся стохастической игры агенты сформируют векторы смешанных стратегий, которые обеспечат минимизацию усредненных штрафов за непокрытия проектов. Результаты. Для решения задачи игрового покрытия проектов разработан адаптивный марковский рекуррентный метод на основе стохастической аппроксимации модифицированного условия доповняющей нежесткости, справедливого в точках равновесия по Нэшу. Выводы. Компьютерное моделирование подтвердило возможность применения модели стохастической игры для формирования команд исполнителей проектов с необходимой онтологической поддержкой в условиях неопределенности. Сходимость игрового метода обеспечивается соблюдением фундаментальных условий и ограничений стохастической оптимизации. Достоверность экспериментальных исследований подтверждается повторяемость полученных результатов для различных последовательностей случайных величин. ; Актуальність. У сучасному інформаційному суспільстві із розвиненими засобами телекомунікації за допомогою мобільних пристроїв та комп'ютерних мереж актуальним є формування різноманітних віртуальних організацій та спільнот. Такі віртуальні об'єднання людей за професійними або іншими інтересами призначені для оперативного розв'язування різноманітних задач: для виконання проектних завдань, створення стартапів з метою залучення інвесторів, організації мережного маркетингу, організації дистанційного навчання, вирішення складних питань в науці, економіці та державному управлінні, побудови різноманітних Інтернет-сервісів, обговорення політичних і соціальних процесів тощо. Метою дослідження є розроблення адаптивного марковського рекурентного методу на основі стохастичної апроксимації модифікованої умови доповняльної нежорсткості, справедливої у точках рівноваги за Нешем для розв'язування задачі ігрового покриття проектів. Метод. У цій роботі розроблена багатоагентна ігрова модель для формування віртуальних команд виконавців проектів на основі бібліотек предметних онтологій. Необхідні для виконання проектів компетенції та здібності агентів задаються наборами онтологій. Інтелектуальні агенти випадково, одночасно і незалежно вибирають один із проектів у дискретні моменти часу. Агенти, що обрали один і той же проект, визначають поточний склад команди його виконавців. Для команд агентів обчислюється поточний штраф за недостатнє покриття компетенцій об'єднаними здібностями агентів. Цей штраф використовується для адаптивного перерахунку змішаних стратегій гравців. Збільшуються імовірності вибору тих команд, поточний склад яких призвів до зменшення штрафу за непокриття онтологій. У ході повторювальної стохастичної гри агенти сформують вектори змішаних стратегій, які забезпечать мінімізацію усереднених штрафів за непокриття проектів. Результати. Для розв'язування задачі ігрового покриття проектів розроблено адаптивний марковський рекурентний метод на основі стохастичної апроксимації модифікованої умови доповняльної нежорсткості, справедливої у точках рівноваги за Нешем. Висновки. Комп'ютерне моделювання підтвердило можливість застосування моделі стохастичної гри для формування команд виконавців проектів з необхідною онтологічною підтримкою в умовах невизначеності. Збіжність ігрового методу забезпечується дотриманням фундаментальних умов та обмежень стохастичної оптимізації. Достовірність експериментальних досліджень підтверджується повторювальністю отриманих результатів для різних послідовностей випадкових величин.

Context. In today's information society with advanced telecommunications through mobile devices and computer networks, it is important to form a variety of virtual organizations and communities. Such virtual associations of people by professional or other interests are designed to quickly solve various tasks: to perform project tasks, create startups to attract investors, network marketing, distance learning, solving complex problems in science, economics and public administration , construction of various Internet services, discussion of political and social processes, etc. Objective of the study is to develop an adaptive Markov recurrent method based on the stochastic approximation of the modified condition of complementary non-rigidity, valid at Nash equilibrium points for solving the problem of game coverage of projects. Method. In this work the multiagent game model for formation of virtual teams of executors of projects on the basis of libraries of subject ontologies is developed. The competencies and abilities of agents required to carry out projects are specified by sets of ontologies. Intelligent agents randomly, simultaneously and independently choose one of the projects at discrete times. Agents who have chosen the same project determine the current composition of the team of its executors. For agents' teams, a current penalty is calculated for insufficient coverage of competencies by the combined capabilities of agents. This penalty is used to adaptively recalculate mixed player strategies. The probabilities of selecting those teams whose current composition has led to a reduction in the fine for non-coverage of ontologies are increasing. During the repetitive stochastic game, agents will form vectors of mixed strategies that will minimize average penalties for non-coverage of projects. Results. For solve the problem of game coverage of projects, an adaptive Markov recurrent method based on the stochastic approximation of the modified condition of complementary non-rigidity, valid at Nash equilibrium points, was developed. Conclusions. Computer simulation confirmed the possibility of using the stochastic game model to form teams of project executors with the necessary ontological support in conditions of uncertainty. The convergence of the game method is ensured by compliance with the fundamental conditions and limitations of stochastic optimization. The reliability of experimental studies is confirmed by the repeatability of the results obtained for different sequences of random variables. ; Актуальность. В современном информационном обществе с развитыми средствами телекоммуникации с помощью мобильных устройств и компьютерных сетей актуальным является формирование различных виртуальных организаций и сообществ. Такие виртуальные объединения людей по профессиональным или другими интересами предназначены для оперативного решения различных задач: для выполнения проектных заданий, создания стартапов с целью привлечения инвесторов, организации сетевого маркетинга, организации дистанционного обучения, решения сложных вопросов в науке, экономике и государственном управлении, построения различных Интернет-сервисов, обсуждения политических и социальных процессов и тому подобное. Целью исследования является разработка адаптивного марковского рекуррентного метода на основе стохастической аппроксимации модифицированного условия дополняющей нежесткости, справедливого в точках равновесия по Нэшу для решения задачи игрового покрытия проектов. Метод. В этой работе разработана многоагентная игровая модель для формирования виртуальных команд исполнителей проектов на основе библиотек предметных онтологий. Необходимые для выполнения проектов компетенции и способности агентов задаются наборами онтологий. Интеллектуальные агенты случайно, одновременно и независимо выбирают один из проектов в дискретные моменты времени. Агенты, которые выбрали один и тот же проект, определяют текущий состав команды его исполнителей. Для команд агентов исчисляется текущий штраф за недостаточное покрытие компетенций объединенными способностями агентов. Этот штраф используется для адаптивного пересчета смешанных стратегий игроков. Увеличиваются вероятности выбора тех команд, текущий состав которых привел к уменьшению штрафа за непокрытие онтологий. В ходе повторяющейся стохастической игры агенты сформируют векторы смешанных стратегий, которые обеспечат минимизацию усредненных штрафов за непокрытия проектов. Результаты. Для решения задачи игрового покрытия проектов разработан адаптивный марковский рекуррентный метод на основе стохастической аппроксимации модифицированного условия доповняющей нежесткости, справедливого в точках равновесия по Нэшу. Выводы. Компьютерное моделирование подтвердило возможность применения модели стохастической игры для формирования команд исполнителей проектов с необходимой онтологической поддержкой в условиях неопределенности. Сходимость игрового метода обеспечивается соблюдением фундаментальных условий и ограничений стохастической оптимизации. Достоверность экспериментальных исследований подтверждается повторяемость полученных результатов для различных последовательностей случайных величин. ; Актуальність. У сучасному інформаційному суспільстві із розвиненими засобами телекомунікації за допомогою мобільних пристроїв та комп'ютерних мереж актуальним є формування різноманітних віртуальних організацій та спільнот. Такі віртуальні об'єднання людей за професійними або іншими інтересами призначені для оперативного розв'язування різноманітних задач: для виконання проектних завдань, створення стартапів з метою залучення інвесторів, організації мережного маркетингу, організації дистанційного навчання, вирішення складних питань в науці, економіці та державному управлінні, побудови різноманітних Інтернет-сервісів, обговорення політичних і соціальних процесів тощо. Метою дослідження є розроблення адаптивного марковського рекурентного методу на основі стохастичної апроксимації модифікованої умови доповняльної нежорсткості, справедливої у точках рівноваги за Нешем для розв'язування задачі ігрового покриття проектів. Метод. У цій роботі розроблена багатоагентна ігрова модель для формування віртуальних команд виконавців проектів на основі бібліотек предметних онтологій. Необхідні для виконання проектів компетенції та здібності агентів задаються наборами онтологій. Інтелектуальні агенти випадково, одночасно і незалежно вибирають один із проектів у дискретні моменти часу. Агенти, що обрали один і той же проект, визначають поточний склад команди його виконавців. Для команд агентів обчислюється поточний штраф за недостатнє покриття компетенцій об'єднаними здібностями агентів. Цей штраф використовується для адаптивного перерахунку змішаних стратегій гравців. Збільшуються імовірності вибору тих команд, поточний склад яких призвів до зменшення штрафу за непокриття онтологій. У ході повторювальної стохастичної гри агенти сформують вектори змішаних стратегій, які забезпечать мінімізацію усереднених штрафів за непокриття проектів. Результати. Для розв'язування задачі ігрового покриття проектів розроблено адаптивний марковський рекурентний метод на основі стохастичної апроксимації модифікованої умови доповняльної нежорсткості, справедливої у точках рівноваги за Нешем. Висновки. Комп'ютерне моделювання підтвердило можливість застосування моделі стохастичної гри для формування команд виконавців проектів з необхідною онтологічною підтримкою в умовах невизначеності. Збіжність ігрового методу забезпечується дотриманням фундаментальних умов та обмежень стохастичної оптимізації. Достовірність експериментальних досліджень підтверджується повторювальністю отриманих результатів для різних послідовностей випадкових величин.

An algorithm for solving a stochastic game for decision making in hierarchical systems under uncertainty is developed. An analysis of the results of computer modeling of a stochastic game for autocratic, anarchic and democratic hierarchical decision making systems with the binary tree structure is performed. It has been established that autocratic-centric hierarchical systems have the smallest training time for achieving a close-to-consensus solution. The influence of parameters on the convergence of the game method in the process of finding a consensus or a majoritarian collective solution is studied. ; Разработан алгоритм решения стохастической игры для принятия решений в иерархических системах в условиях неопределенности. Выполнен анализ результатов компьютерного моделирования стохастической игры для автократической, анархической и демократической иерархических систем принятия решений со структурой бинарного дерева. Установлено, что наименьший период обучения для достижения близкого к консенсусному решению имеют автократически-центричные иерархические системы. Изучено влияние параметров на сходимость игрового метода в процессе поиска консенсусного или мажоритарного коллективного решения. ; Розроблено алгоритм розв'язування стохастичної гри для прийняття рішень в ієрархічних системах в умовах невизначеності. Виконано аналіз результатів комп'ютерного моделювання стохастичної гри для автократичної, анархічної та демократичної систем прийняття рішень зі структурою бінарного дерева. Установлено, що найменший період навчання для досягнення близького до консенсусного рішення мають автократично-центричні ієрархічні системи. Вивчено вплив параметрів на збіжність ігрового методу у процесі пошуку консенсусного або мажоритарного колективного рішення.

An algorithm for solving a stochastic game for decision making in hierarchical systems under uncertainty is developed. An analysis of the results of computer modeling of a stochastic game for autocratic, anarchic and democratic hierarchical decision making systems with the binary tree structure is performed. It has been established that autocratic-centric hierarchical systems have the smallest training time for achieving a close-to-consensus solution. The influence of parameters on the convergence of the game method in the process of finding a consensus or a majoritarian collective solution is studied. ; Разработан алгоритм решения стохастической игры для принятия решений в иерархических системах в условиях неопределенности. Выполнен анализ результатов компьютерного моделирования стохастической игры для автократической, анархической и демократической иерархических систем принятия решений со структурой бинарного дерева. Установлено, что наименьший период обучения для достижения близкого к консенсусному решению имеют автократически-центричные иерархические системы. Изучено влияние параметров на сходимость игрового метода в процессе поиска консенсусного или мажоритарного коллективного решения. ; Розроблено алгоритм розв'язування стохастичної гри для прийняття рішень в ієрархічних системах в умовах невизначеності. Виконано аналіз результатів комп'ютерного моделювання стохастичної гри для автократичної, анархічної та демократичної систем прийняття рішень зі структурою бінарного дерева. Установлено, що найменший період навчання для досягнення близького до консенсусного рішення мають автократично-центричні ієрархічні системи. Вивчено вплив параметрів на збіжність ігрового методу у процесі пошуку консенсусного або мажоритарного колективного рішення.

An algorithm for solving a stochastic game for decision making in hierarchical systems under uncertainty is developed. An analysis of the results of computer modeling of a stochastic game for autocratic, anarchic and democratic hierarchical decision making systems with the binary tree structure is performed. It has been established that autocratic-centric hierarchical systems have the smallest training time for achieving a close-to-consensus solution. The influence of parameters on the convergence of the game method in the process of finding a consensus or a majoritarian collective solution is studied. ; Разработан алгоритм решения стохастической игры для принятия решений в иерархических системах в условиях неопределенности. Выполнен анализ результатов компьютерного моделирования стохастической игры для автократической, анархической и демократической иерархических систем принятия решений со структурой бинарного дерева. Установлено, что наименьший период обучения для достижения близкого к консенсусному решению имеют автократически-центричные иерархические системы. Изучено влияние параметров на сходимость игрового метода в процессе поиска консенсусного или мажоритарного коллективного решения. ; Розроблено алгоритм розв'язування стохастичної гри для прийняття рішень в ієрархічних системах в умовах невизначеності. Виконано аналіз результатів комп'ютерного моделювання стохастичної гри для автократичної, анархічної та демократичної систем прийняття рішень зі структурою бінарного дерева. Установлено, що найменший період навчання для досягнення близького до консенсусного рішення мають автократично-центричні ієрархічні системи. Вивчено вплив параметрів на збіжність ігрового методу у процесі пошуку консенсусного або мажоритарного колективного рішення.

A mathematical model of a stochastic game for decision making in hierarchical systems under uncertainty conditions is developed. The essence of the game consists in aligning the players' pure strategies to achieve a consensus or a majoritarian collective solution. The parameterization of the game model for the separation of the autocratic, anarchic, and democratic hierarchical structures of decision-making systems is carried out. A Markov recurrent method for solving a stochastic game based on a stochastic approximation of the complementary slackness condition has been developed. ; Разработана математическая модель стохастической игры для принятия решений в иерархических системах в условиях неопределенности. Суть игры состоит в выравнивании чистых стратегий игроков для достижения консенсусного или мажоритарного коллективного решения. Выполнена параметризация игровой модели для обособления автократической, анархической и демократической иерархических структур систем принятия решений. Разработан марковский рекуррентный метод решения стохастической игры на основе стохастической аппроксимации условия дополняющей нежесткости. ; Розроблено математичну модель стохастичної гри для прийняття рішень в ієрархічних системах в умовах невизначеності. Суть гри полягає у вирівнюванні чистих стратегій гравців для досягнення консенсусного або мажоритарного колективного рішення. Виконано параметризацію ігрової моделі для відокремлення автократичної, анархічної та демократичної ієрархічних структур систем прийняття рішень. Розроблено марковський рекурентний метод розв'язування стохастичної гри на основі стохастичної апроксимації умови доповняльної нежорсткості.