Мультиагентное моделирование в имитационной системе Simplex3

У Ч Е Б Н И К   Д Л Я   В Ы С Ш Е Й   Ш К О Л Ы
Ю. А. ИВАШКИН
МУЛЬТИАГЕНТНОЕ 
МОДЕЛИРОВАНИЕ
В  ИМИТАЦИОННОЙ  СИСТЕМЕ  SIMPLEX3
3-е издание, электронное 
Допущено Учебно-методическим объединением вузов  
по университетскому политехническому образованию  
в качестве учебного пособия для бакалавров и магистров  
высших учебных заведений, обучающихся по направлению 
230100 «Информатика и вычислительная техника»
Москва
Лаборатория знаний
2024

УДК 519.47.07(075)
ББК 72; 32; 81я73
И24
С е р и я
о с н о в а н а
в
2009 г.
Р е ц е н з е н т ы:
Доктор физ.-мат. наук, профессор,
зав. кафедрой «Интеллектуальные технологии и системы»
Московского государственного технического
университета МИРЭА В. В. Нечаев
Доктор техн. наук, профессор,
зав. лабораторией «Интеллектуальные системы»
Института проблем управления РАН Ф. Ф. Пащенко
Ивашкин Ю. А.
И24
Мультиагентное
моделирование
в
имитационной
системе Simplex3 : учебное пособие / Ю. А. Ивашкин. —
3-е изд., электрон. — М. : Лаборатория знаний, 2024. —
361 с. — (Учебник для высшей школы). — Систем. требования: Adobe Reader XI ; экран 10". — Загл. с титул.
экрана. — Текст : электронный.
ISBN 978-5-93208-761-9
В
учебном
пособии
рассматриваются
теоретические
и
практические
основы
мультиагентного
имитационного
моделирования динамических систем различной физической
и
социальной
природы.
Излагается
концепция
интеллектуального
агента
как
имитационной
модели
поведения
активного
элемента
в
сложных
ситуациях
и
стратегиях
взаимодействия с другими активными элементами и средой
для достижения цели. Описываются алгоритмы поведения
агентов
в
различных
условиях,
агентные
технологии
идентификации и прогнозирования состояния мультиагентных
систем,
а
также
программная
реализация
моделей
в универсальной имитационной системе Simplex3.
Пособие предназначено для подготовки бакалавров и магистров по направлению 230100 «Информатика и вычислительная техника» по профилю «Автоматизированные системы
обработки информации и управления», а также может быть
рекомендовано для системных аналитиков и разработчиков
компьютерных систем поддержки принятия решения.
УДК 519.47.07(075)
ББК 72; 32; 81я73
Деривативное издание на основе печатного аналога: Мультиагентное моделирование в имитационной системе Simplex3 :
учебное пособие / Ю. А. Ивашкин. — М. : Лаборатория знаний,
2016. — 350 с.
:
ил.,
[8] с.
цв.
вкл. — (Учебник
для
высшей школы). — ISBN 978-5-906828-72-9.
В
соответствии
со
ст. 1299
и
1301
ГК
РФ
при
устранении
ограничений, установленных техническими средствами защиты
авторских
прав,
правообладатель
вправе
требовать
от
нарушителя возмещения убытков или выплаты компенсации
ISBN 978-5-93208-761-9
© Лаборатория знаний, 2016

ПРЕДИСЛОВИЕ
Данное учебное пособие по изучению агентных технологий 
моделирования больших активных систем различной физической и социальной природы подготовлено в результате 
многолетнего сотрудничества автора с кафедрой «Исследование операций и теория систем» университета Пассау 
(Германия), возглавляемой проф. Б. Шмидтом, а также чтения лекций по курсам «Системный анализ», «Теория принятия решения» и «Моделирование систем» в Московском 
государственном университете прикладной биотехнологии 
(МГУПБ) и специализированных дисциплин «Агентные 
технологии» и «Мультиагентное моделирование систем» в 
Московском физико-техническом институте (государственном университете). 
В общей концепции интеллектуального агента и агентных технологий имитации взаимодействия динамических 
объектов в направлении достижения цели предлагается 
метод структурно-параметрического моделирования интеллектуальных агентов и мультиагентных систем с алгоритмами идентификации и прогнозирования состояния 
агентов, а также программная реализация мультиагентных 
имитационных моделей производственных, социальных и 
маркетинговых систем. 
Для программного описания агентов и реализации 
мультиагентных моделей c обработкой и представлением 
результатов в различных формах предлагается универсальная имитационная система Simplex3 с объектно-ориентированным языком описания моделей Simplex-MDL, представленным в книге Б. Шмидта «The Art of Modelling and 

Предисловие
Simulation». SCS-Europe BVBA, Chent, Belgium 2001, переведенной автором в 2003 г. на русский язык с научным редактированием в соавторстве с проф. В. Л. Конюхом (Новосибирский государственный университет).
Некоммерческая имитационная система Simplex3, разработанная содружеством университетов Германии в середине 90-х гг. XX столетия для учебного процесса и научных 
исследований, позволяет простыми языковыми средствами 
осуществить построение агентно-ориентированных моделей 
больших и сложных систем в различных сферах деятельности с индивидуальной возможностью реализации их в 
предоставляемой среде экспериментирования, организации 
эксперимента и обработки результатов.
В связи с этим особое внимание уделено разработке и 
реализации мультиагентных моделей активных логистических производственных и маркетинговых систем, стратегий кооперативного и антагонистического взаимодействия 
агентов в социальных средах, а также агентно-ориентированному моделированию живых биологических систем в 
универсальной имитационной системе Simplex3.
Раздел 8.3.2. «Мультиагентная иерархическая модель 
био 
логической клетки» написан в соавторстве с кандидатом 
технических наук Ю. Л. Гордеевой.
Автор 
выражает 
благодарность 
кандидатам 
наук 
А. Ю. Ивашкину, Е. А. Назойкину, Л. А. Овчинниковой, 
А. В. Щербакову, а также выпускникам кафедры компьютерных технологий и систем МГУПБ, системным аналитикам А. А. Данилиной, С. С. Лобачевой, Е. А. Рогожкиной, 
Е. А. Торсуковой, Е. А. Ярковой, Л. О. Яковлевой и другим 
за совместную работу и творческое участие в разработке и 
реализации мультиагентных моделей в универсальной имитационной системе Simplex3. 

ВВЕДЕНИЕ
Агентные технологии связаны с понятием интеллектуального агента, как некоторого интеллектуального робота (активного элемента), целенаправленно взаимодействующего с 
другими подобными элементами и внешней средой в заданных условиях.
По определению под интеллектуальным агентом 
понимается имитационная модель активного элемента, состояние и поведение которого в различных ситуациях достижения цели изменяются в зависимости от состояния и 
поведения других агентов и среды по аналогии с интеллектуальным поведением живого организма (в том числе человека) в подобных условиях. 
Таким образом, агентные технологии связаны с имитацией взаимодействия интеллектуальных агентов – активных элементов динамических систем любой физической, 
биологической и социальной природы. Поведение и изменение состояния таких систем являются результатом пошагового взаимодействия множества ее активных элементов, 
характером отношений и связей между ними, условиями 
достижения локальной и глобальной целей и т. п. В этом 
случае формализация и моделирование процессов поведения и взаимодействия агентов позволяют имитировать и 
прогнозировать возникновение качественно новых состояний системы и оценить возможности достижения цели при 
разных альтернативах, а также обосновать принятие решений в сложных ситуациях риска, неопределенности и конфликта.

Введение
Решение подобной задачи аналитически или методами 
математического программирования с пошаговым изменением целевых функций и ограничений для каждого агента в зависимости от изменения ситуации и приближения к 
цели в большинстве случаев невозможно. Это обусловлено 
неполной, нечеткой или ошибочной информацией о состоянии и поведении активных элементов системы. Агентноориентированная имитация открывает новые возможности 
идентификации и прогнозирования состояния и поведения 
активной системы любой физической, социальной и биологической природы, являющейся результатом многошагового взаимодействия многих активных элементов системы и 
окружающей среды.
Множество взаимосвязанных агентов с индивидуальными характеристиками и поведением в какой-либо активной 
среде образует некоторую мультиагентную систему, 
воспроизводящую динамику взаимодействия и состояния 
агентов в процессе достижения общей и частных целей. 
Мультиагентное имитационное моделирование активных систем — это новая концепция интеллектуальных 
информационных технологий. Она ориентирована на совместное использование моделей и методов естественного и 
искусственного интеллекта для виртуального исследования, идентификации и прогнозирования состояния и поведения активных систем в заданной среде. 
Принципиальным отличием новой концепции моделирования является введение и формализация сенсорных связей 
(переменных) между взаимодействующими активными элементами динамической системы. Эти связи определяют изменение состояния и поведения взаимодействующих агентов и 
системы в целом в направлении «выживания» и достижения 
целей в сложных ситуациях согласия и противодействия, начальной неопределенности, риска и конфликта, неполной и 
нечеткой информации о степени достижения цели. 
Вопросы теории интеллектуальных агентов и агентноориентированной имитации в различных областях разрабатываются с начала 90-х гг. прошлого столетия и нашли отражение в работах отечественных ученых: В. Н. Буркова [3], 

Введение 
7
В. А. Виттиха [1, 6], Г. П. Виноградова [5], В. И. Городецкого [7–9],  Ю. А Ивашкина [10–18], И. В. Котенко [8,22], 
Д. А. Новикова [3, 24],  Д. А. Поспелова [25], П. О. Скобелева [31], Б. В. Соколова [26], В. Б. Тарасова [34], а также в 
работах зарубежных авторов: P. Baillie [41], A. J. Fougeres 
[44], F. Lopes [48], B. Schmidt [51–53], M. Toleman [41], 
Cr. Urban [54], H. Weppner [55] и др. 
Однако практическая разработка мультиагентных систем является сложной задачей из-за трудностей в создании 
виртуальных сред функционирования агентов и собственно 
самих агентов. Поэтому многие работы по агентно-ориентированному моделированию имеют описательный характер и 
в конечном итоге сводятся к решению совокупности отдельных задач оптимизации, логистики и исследования операций без учета факторов динамического взаимодействия автономных агентов. 
В данной книге предлагаются определенные возможности преодоления указанных трудностей с помощью универсальной имитационной системы Simplex3 с объектноориентированным языком моделирования Simplex-MDL, 
средой эксперимента и обработки результатов.
Система Simplex3, разработанная в университетах 
Нюрн 
берг–Эрланген, Пассау и Магдебург (Германия) под 
руководством проф. Б. Шмидта, является некоммерческим 
программным продуктом объектно-ориентированного моделирования. Она в полной степени может быть использована 
для создания моделей интеллектуальных агентов с описанием их состояния, поведения и взаимодействия в реализации 
агентных технологий идентификации и прогнозирования 
достижения общей и частных целей функционирования 
больших и сложных систем на основе алгоритмов принятия 
решений и искусственного интеллекта.
Модели агентов, описываемые на языке Simplex-MDL, 
содержат естественное декларирование параметров состояния агента и сенсорных, транзитивных и случайных переменных, а также описание динамики поведения агентов 
с процедурами принятия решения и выбором стратегий на 
очередном шаге взаимодействия. 

Введение
Простота синтаксических конструкций непрерывного и дискретно-событийного описания поведения агентов с 
внутренними и внешними процедурами и их объединения 
в мультиагентную модель делает универсальную имитационную систему Simplex3 эффективным инструментарием индивидуального обучения искусству моделирования и 
имитации сложных ситуаций в научных исследованиях и 
образовательном процессе подготовки системных аналитиков.

Глава 1
ОБЩАЯ КОНЦЕПЦИЯ 
ИНТЕЛЛЕКТУАЛЬНОГО АГЕНТА И 
МУЛЬТИАГЕНТНОЙ СИСТЕМЫ
1.1. Понятие и виды интеллектуальных агентов
«Агент» как развитие известного понятия «объект» является, по определению Международной ассоциации по лингвистике FIRA, «сущностью, которая находится в 
некоторой среде, интерпретирует ее и исполняет 
команды, воздействующие на среду» (октябрь 1996 г., 
Токио). Агент — это программный модуль, способный выполнять заданные ему функции некоторого живого или кибернетического организма в зависимости от функций другого агента и воздействий активной среды.
В соответствии с уровнем искусственного интеллекта и 
способом поведения агенты могут быть классифицированы 
на следующие основные типы:
1)  
рефлексивные агенты — характеризуются физическим и социальным состояниями; имеют простое поведение в виде реакций на текущие изменения среды и 
информацию от других агентов по продукционным правилам «условие — действие»;
2)  
знание-ориентированные агенты — имеют физическое, социальное и когнитивное состояния; их поведение основано на априорных знаниях окружающей 
среды, идентификации ситуации и принятии решения 
для достижения цели; 
3)  
целенаправленные обучаемые интеллектуальные агенты — располагают заданной базой знаний и 
иерархией целей, банком моделей поведения и стратегий достижения цели в условиях  неопределенности, риска и противодействия;

Г
лава 1. Общая концепция интеллектуального агента
4)  
самообучающиеся целеустремленные агенты — 
способны накапливать знания на основе большого объема данных и онтологии событий в процессе взаимодействия с другими агентами и окружающей средой, 
адаптироваться к ситуации, выбирать стратегию достижения выбранной цели и оценивать степень ее достижения;
5)  
эмоционально-мотивированные агенты — обладают, наряду с вышеописанными «способностями» 
предшествующих классов, эмоциональным состоянием 
и психотипом в моделях поведения человека.
Критерием интеллектуальности агента является степень полноты и глубины априорной базы знаний, стратегий и алгоритмов целеустремленного поведения в условиях неопределенности, риска и конфликта. Общий алгоритм 
поведения интеллектуального агента в динамической ситуации, требующей принятия решения, показан на рис. 1.1.
Поведение агента описывается, как некоторая итерационная процедура переработки данных о состоянии других 
агентов и среды с выбором стратегии целенаправленных 
действий, и представляется последовательностью операций 
в дискретные временны^е периоды — временные события. 
Каждой операции соответствует свой алгоритмический 
и свой программный модули, обеспечивающие:
1) восприятие информации и накопление знаний об окружающей среде и среде взаимодействия или конфликта 
(сенсорный модуль);
2) механизм взаимодействия и обработки данных от контрагентов;
3) анализ собственного состояния и состояния контрагентов с выбором или коррекцией целевых функций (интеллектуальный модуль);
4) принятие автономных решений и выбор стратегий.
Поведение агента можно представить некоторой рекурсивной формой, которая описывает нахождение и выбор на 
очередном шаге функции перехода от исходного состояния к 
новому состоянию в направлении улучшения целевой функ