5.5.4. Организация взаимодействия агентов с помощью ГА

Роль генетического алгоритма в системе сводится к нахождению оптимального распределения грузов между мобильными агентами. Его использование обусловлено тем, что невозможно найти вид зависимости общесистемной цели от принятия решений и действий отдельных агентов. Генетический алгоритм выполняет как бы роль некоторого вышестоящего координатора, случайным образом накладывающего ограничения на деятельность всей популяции агентов. Анализ результата наложения этих ограничений позволяет накапливать в популяции положительные свойства из поколения в поколение и, тем самым, привести агентов к деятельности с согласованными планами.

В генетическом алгоритме основной проблемой является выбор способа кодирования решения оптимизационной задачи. Примем, что особь в популяции представляет собой набор генов, номер каждого из которых в строке соответствует номеру груза в портфеле заказов. Тогда численное значение гена соответствует номеру мобильного агента, которому данный груз назначается на обслуживание (транспортировку). Длина гена в хромосоме выбирается исходя из необходимости кодирования всех агентов в MAC (считаем, что оно постоянно), а число генов соответствует числу заказов в портфеле. Так, если в системе всего два транспортных устройства, то для их кодирования достаточно одного бита: 0 означает первое транспортное устройство, а 1 — второе, и в этом случае длина бинарной строки-хромосомы равна числу грузов в портфеле заказов.

После того, как генетический алгоритм «распределил» грузы по агентам, каждый из них решает оптимизационную задачу развоза грузов при минимизации собственного пути (рис. 5.28). Функция пригодности особи представляет собой сумму путей, пройденных каждым из мобильных агентов. Для ее оценки с учетом динамики протекающих в транспортной системе процессов используется имитационная модель, т. е. вся система создается как гибридная и разрабатывается в интегрированной многофункциональной имитационной среде РДО.

Таким образом, система строится как гибридная, в которой присутствуют разнородные подсистемы — оптимизации маршрутов, генетический алгоритм, имитационная модель для определения пройденного пути. Для ее

реализации используется, как было сказано выше, среда РДО.

РДО-имитатор, в отличие от большинства систем и языков имитационного моделирования, для принятия оптимальных решений имеет встроенный механизм точек принятия решений.

Был рассмотрен склад, на котором имелось 87 стеллажей, два

мобильных агента, пункт поступления грузов. Данный склад предназначен для хранения 7 типов грузов, причем для каждого типа груза предна-

значен определенный стеллаж. Каждый тип груза поступает с различной интенсивностью. Мобильные агенты имели грузоподъемность 3 груза. Результаты моделирования приведены на графике (рис. 5.29). На графике 1 представлены результаты моделирования без оптимизации. На графике 2 представлена система управления, в которой используется ПГА для оптимизации распределения грузов между агентами и поиск на графе состояний при оптимизации каждым мобильным агентом своего оптимального пути.