Аннотації

МОДЕЛІ РЕАКТИВНОЇ АДАПТАЦІЇ АГЕНТІВ ДО КОНТЕКСТІВ НЕВИЗНАЧЕНОСТІ ТА ЗМІНИ ПАРАМЕТРІВ НАВКОЛИШНЬОГО СЕРЕДОВИЩА

Автор(и):
Данілов С. Ю.
Автор(и) (англ)
Danilov S.
Дата публікації:

25.12.2025

Анотація (укр):

Досліджено моделі реактивної адаптації агентів у динамічних середовищах, де невизначеність та мінливість параметрів вимагають миттєвого прийняття рішень за відсутності централізованого управління. Такі моделі є критично актуальними для цифрових систем, у яких швидкість реагування визначає ефективність управління, стабільність процесів та здатність системи до саморегуляції. Реактивні агенти сприймають зовнішні зміни через сенсорні підсистеми, аналізують відхилення поточних станів середовища та ініціюють адаптивні дії, спрямовані на локальну стабілізацію. Це дозволяє системі зберігати працездатність навіть за умов дефіциту даних або високої динаміки зовнішніх чинників. Реактивна модель передбачає кілька рівнів відповіді: від прямої автоматичної реакції до когнітивно-рефлексивної, що враховує попередній досвід. Для кількісної оцінки ефективності таких реакцій введено коефіцієнт Λ, який описує співвідношення між швидкістю реакції агента та інтенсивністю змін середовища. Це дає змогу оцінювати межі адаптивності системи та визначати зони її стабільного функціонування. Структурна типологія реактивних агентів класифікує їх за типами сенсорних зв’язків, архітектурою взаємодії, логікою вибору дій та рівнем самонавчання. Кожен агент функціонує у межах замкненого циклу «сприйняття – дія – навчання», забезпечуючи обмін інформацією між локальними вузлами системи. Додатково розглянуто особливості інтеграції реактивних агентів у багаторівневі організаційно-технологічні системи, зокрема у сферах управління будівництвом, логістики та цифрового девелопменту. Доведено, що застосування реактивних механізмів сприяє розвитку адаптивного управління, підвищує рівень автономності систем та забезпечує їхню стійкість до непередбачених змін. Реактивна адаптація розглядається як основа для формування інтелектуальних мультиагентних структур, здатних до гнучкої самоорганізації, децентралізованого прийняття рішень і побудови прогнозних сценаріїв. Такий підхід відкриває можливості для створення нових когнітивних архітектур управління, що поєднують реактивність, адаптивність та інтелектуальну стійкість у складних цифрових середовищах.

Анотація (рус):

Анотація (англ):

The paper explores models of reactive adaptation of agents in dynamic environments, where uncertainty and fluctuations in parameters require immediate decision-making without centralized control. Such models are relevant for digital systems in which response speed determines management efficiency, process stability, and the system’s capacity for self-regulation. Reactive agents perceive external changes through sensory subsystems, analyze deviations in the current state of the environment, and initiate adaptive actions aimed at local stabilization. This allows the system to maintain functionality even under conditions of incomplete data or high variability of external factors.The reactive model incorporates several levels of response – from direct automatic reactions to cognitive-reflexive ones that take prior experience into account. To quantify the effectiveness of these reactions, the coefficient Λ is introduced, which describes the relationship between the agent’s reaction speed and the intensity of environmental changes. This makes it possible to evaluate the limits of the system’s adaptability and define zones of stable functioning. The structural typology of reactive agents classifies them by types of sensory connections, interaction architecture, decision-making logic, and level of self-learning. Each agent operates within a closed “perception–action–learning” loop, ensuring continuous information exchange between local nodes of the system.The study also examines the integration of reactive agents into multi-level organizational and technological systems – particularly in the fields of construction management, logistics, and digital development. It is shown that the application of reactive mechanisms contributes to the development of adaptive management, increases the level of system autonomy, and ensures resilience to unforeseen changes. Reactive adaptation is considered the foundation for forming intelligent multi-agent structures capable of flexible self-organization, decentralized decision-making, and scenario forecasting based on accumulated experience. This approach opens new opportunities for the creation of cognitive management architectures that combine reactivity, adaptability, and intellectual resilience in complex digital environments.

Література:

  1. Пінто, М. Б. Determinants of Cross-Functional Cooperation in the Project Implementation Process. Project Management Journal, 1990. 21 (2). С. 13–20. URL: https://www.wcu.edu/pmi/1996/J91JUN13.PDF.
  2. Маес, П. Modeling adaptive autonomous agents. Artificial Life IV: Proceedings of the Fourth International Workshop on the Synthesis and Simulation of Living Systems, 1994. С. 135–150. URL: https://dl.acm.org/doi/10.1145/280765.280886.
  3. Вулдрідж, М., & Дженнінгс, Н. Intelligent agents: theory and practice. The Knowledge Engineering Review, 1995. 10 (2). С. 115–152. URL: https://doi.org/10.1017/S0269888900008122.
  4. Jennings, N. R., & Wooldridge, M. Applications of intelligent agents. Agent Technology: Foundations, Applications, and Markets. Springer, 1995. С. 3–28. URL: https://www.jasss.org/2/3/sichman.html.
  5. Müller, J. P., Pischel, M., & Thiel, M. Modeling reactive behaviour in vertically layered agent architectures. Intelligent Agents: Theories, Architectures, and Languages. Springer-Verlag, 1995. С. 261–276. DOI: https://doi.org/10.1007/3-540-58855-8.
  6. Хоменко О. М., Петренко Г. С., Рижакова Г. М., Петруха Н. М., Чуприна Ю. А., Малихіна О. М., Кушнір О. К. Сучасні інструменти та програмні продукти адміністрування будівельними організаціями в умовах трансформації операційних систем менеджменту. Управління розвитком складних систем. Київ, 2022. № 52. С. 113 – 125, dx.doi.org\10.32347/2412-9933.2022.52.113-125.
  7. Войтович, В. А., Чуприна, Ю. А. Оптимізація та контроль програми робіт в підсистемі фінансового менеджменту будівельної організації. Шляхи підвищення ефективності будівництва, 2023. 1 (51). С. 129–142.
  8. Nezamoddini, N., & Gholami, A. A Survey of Adaptive Multi-Agent Networks and Their Applications in Smart Cities. Smart Cities, 2022. 5(1). С. 318–347. URL: https://doi.org/10.3390/smartcities5010019.
  9. Guessoum, Z. Adaptive Agents and Multiagent Systems. IEEE Distributed Systems Online, 2004. 5 (7). DOI: https://doi.org/10.1109/DSO.2004.1342261.

 

References:

  1. Mosaic Projects. (2024). Project Size and Categorisation – Guideline Updated. URL: https://mosaicprojects.wordpress.com/2024/07/01/project-size-and-categorization-guideline-updated/.
  2. Wideman, R. M. (2001). Total Project Management of Complex Projects: Improving Performance with Modern Techniques. AEW Services. URL: https://www.researchgate.net/publication/228467516_Total_Project_Management_of_Complex_Projects_Improving_Performance_with_Modern_Techniques.
  3. Pinto, M. B. (1990). Determinants of cross-functional cooperation in the project implementation process. Project Management Journal, 21(2), 13–20. URL: https://www.wcu.edu/pmi/1996/J91JUN13.PDF.
  4. Maes, P. (1994). Modeling adaptive autonomous agents. Artificial Life IV: Proceedings of the Fourth International Workshop on the Synthesis and Simulation of Living Systems, 135–150. URL: https://dl.acm.org/doi/10.1145/280765.280886.
  5. Wooldridge, M., & Jennings, N. (1995). Intelligent agents: theory and practice. The Knowledge Engineering Review, 10(2), 115–152. URL: https://doi.org/10.1017/S0269888900008122.
  6. Jennings, N. R., & Wooldridge, M. (1995). Applications of intelligent agents. Agent Technology: Foundations, Applications, and Markets, 3–28. URL: https://www.jasss.org/2/3/sichman.html.
  7. Müller, J. P., Pischel, M., & Thiel, M. (1995). Modeling reactive behaviour in vertically layered agent architectures. Intelligent Agents: Theories, Architectures, and Languages, 261–276. DOI: https://doi.org/10.1007/3-540-58855-8.
  8. Homenko, Oleksandr, Petrenko, Наnna, Ryzhakova, Galyna, Chupryna, Yuriі, Malykhina, Oksana, Petrukha, Nina & Kushnir, Olesii. (2022). Modern tools and software products for the administration of construction organizations in the conditions of transformation of operational management systems. Management of Development of Complex Systems, 52, 113–125, dx.doi.org\10.32347/2412-9933.2022.52.113-125.
  9. Voitovych, V. A., & Chupryna, Yu. A. (2023). Optimization and control of the work program in the subsystem of financial management of a construction organization. Ways to Improve Building Efficiency, 1 (51), 129–142.
  10. Nezamoddini, N., & Gholami, A. (2022). A survey of adaptive multi-agent networks and their applications in smart cities. Smart Cities, 5 (1), 318–347. URL: https://doi.org/10.3390/smartcities5010019.
  11. Guessoum, Z. (2004). Adaptive agents and multiagent systems. IEEE Distributed Systems Online, 5 (7). DOI: https://doi.org/10.1109/DSO.2004.1342261.