فهرست مقالات Multi agent system

• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  1 - On the Applications and Techniques of Vehicular Ad-Hoc Networks
  mohsen Norouzi ali arshaghi navid Razmjooy Mohsen ashourian
  10.30486/mjtd.2022.695922
  Vehicular Ad-Hoc Networks (VANET) models are derived from Mobile Ad-Hoc Networks that possess an impressive role in the intelligent transportation system today and also in the future. So scientists are always looking for the best theories in hope of grasping the fastest چکیده کامل

  Vehicular Ad-Hoc Networks (VANET) models are derived from Mobile Ad-Hoc Networks that possess an impressive role in the intelligent transportation system today and also in the future. So scientists are always looking for the best theories in hope of grasping the fastest and safest connections between vehicles, to provide traffic and accident news in real time. The high number of nodes is one of the significant features of this network that results in an increase of the number of transmitted packets in the network. Distributed system and high mobility of the nodes are the other most important attributes of Vehicular Ad-Hoc networks. In this paper, we aim to review the studies and improvements of vehicular Ad-Hoc network in the fields of safety and traffic management. In addition, we introduce the most common challenges of this network and gather latest methods for resolving those problems. Multi agent systems will be one of the newest and suitable tools in this system. The main purpose is arranging safe connection between agents. Fixing agreements and removing the disputes are not detachable from functional system. It is like group associations and societies which require human collaborations and cooperation. Development of science resulted in utilization of these systems in various aspects like VANET. Nowadays scientists and researchers are interested to make use of these methods for improving the role of vehicle networks in the field of traffic management, safety and entertainment, we will review them in the following paragraphs. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  2 - توسعه یک سیستم توصیه‌کننده چند عاملی برای دستیاران خرید هوشمند
  رمضان تیموری یانسری مجتبی آجودانی
  با توجه به حجم فزاینده اطلاعات و خدمات موجود در وب، ارائه ابزارهایی مانند سیستم‌های توصیه‌کننده به وب‌سایت‌ها و برنامه‌های کاربردی که می‌توانند به کاربران در دستیابی به اطلاعات و خدمات متناسب با علایقشان کمک کنند، ضروری است. به همین دلیل، ارائه راهنمایی و پیشنهاد مناسب چکیده کامل

  با توجه به حجم فزاینده اطلاعات و خدمات موجود در وب، ارائه ابزارهایی مانند سیستم‌های توصیه‌کننده به وب‌سایت‌ها و برنامه‌های کاربردی که می‌توانند به کاربران در دستیابی به اطلاعات و خدمات متناسب با علایقشان کمک کنند، ضروری است. به همین دلیل، ارائه راهنمایی و پیشنهاد مناسب به کاربران در انتخاب‌های مختلف، مطابق با اولویت‌های کاربر در حوزه‌های مختلف جایگاه خاصی پیدا کرده است. سامانه‌های توصیه‌ کننده سیستم‌های اطلاعاتی هستند که با مدل‌سازی رفتار کاربران در محیط‌های عملیاتی در رتبه‌بندی، مقایسه، انتخاب و ترجیحات اقلام کاربران، با محدود کردن فضای جستجوی از طریق توصیه‌های با دقت و کیفیت بالا، در فرآیند تصمیم‌گیری کمک می‌کنند. در این پژوهش سیستم‌ توصیه کننده چند عاملی پیشنهاد شد که بتواند به عنوان دستیار خرید در فرآیند خرید توصیه-های مناسبی ارائه دهد. برای تحلیل مدل پیشنهادی مجموعه داده فروش یک فروشگاه مستقر در بریتانیا شامل 1067371 رکورد از داده-های فروش آنلاین، مورد استفاده قرار گرفته است. با شبیه سازی مدل پیشنهادی نتایج حاصل از به کارگیری مدل بر روی داده‌های مربوط به مشتریان مورد تجزیه و تحلیل قرار گرفت. نتایج به کارگیری مدل پیشنهادی نشان داد، مدل پیشنهادی در ارزیابی پارامترهای مورد استفاده در مقایسه با روش‌های رایج در این حوزه دارایی کارایی مناسبی می‌باشد. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  3 - طرح هماهنگ حفاظت هوشمند مبتنی بر MAS برای شبکه‏ ی توزیع در حضور منابع تولید پراکنده
  محمود حجتی مجید طاوسی محمدرضا یوسفی غضنفر شاهقلیان علیرضا سیفی
  10.30486/teeges.2022.1960240.1018
  رشد سریع تولیدات پراکنده متصل به شبکه (DG)، تغییر ویژگی های بهره برداری شبکه های توزیع (DNs) را به دنبال دارد. برای پیاده سازی DNها با DGها، باید با چالش هایی مواجه شد؛ به ویژه در مورد مسائل حفاظتی که ممکن است طرح های حفاظتی مرسوم را ناکارآمد کند. تکنیک‌های MAS شبکه برق چکیده کامل

  رشد سریع تولیدات پراکنده متصل به شبکه (DG)، تغییر ویژگی های بهره برداری شبکه های توزیع (DNs) را به دنبال دارد. برای پیاده سازی DNها با DGها، باید با چالش هایی مواجه شد؛ به ویژه در مورد مسائل حفاظتی که ممکن است طرح های حفاظتی مرسوم را ناکارآمد کند. تکنیک‌های MAS شبکه برق را قادر می‌سازد تا هوشمندتر، قابل اعتمادتر، خود ترمیم شونده و قوی‌تر باشد. ماهیت غیرمتمرکز و استحکام عملیاتی، برنامه MAS را به یک فناوری پیشرو تبدیل کرده است. علیرغم عملکرد سریع، قابل اعتماد و چند منظوره طرح‌های حفاظتی مبتنی بر MAS، تأخیر یا خرابی ذاتی سیستم ارتباطی نباید بر نقش حیاتی پاک کردن عیب تأثیر بگذارد؛ به عبارتی افزایش روزافزون DGها در DNها و همچنین افزایش اندازه شبکه، منجر به یک بار ارتباطی سنگین شده است که منجر به تاخیر یا حتی شکست در ارتباطات می شود. در این مقاله، یک الگوریتم حفاظتی هوشمند ارائه شده است که با استفاده از ارتباط نقطه به نقطه بین عوامل رله در اولین لایه MAS، شبکه را در هنگام قطع ارتباط بین عامل ها محافظت می کند. کاهش عوامل مصرفی و عدم نیاز به اتصال به لایه های بالاتر MAS، از مزایای این روش می باشد. برای شبیه سازی از DN نمونه 16 باس استفاده شده است که نتایج، کارآیی مدل پیشنهادی را برای هماهنگی حفاظت شبکه، تایید می کند. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  4 - Utilizing Generalized Learning Automata for Finding Optimal Policies in MMDPs
  Samaneh Assar Behrooz Masoumi
  Multi agent Markov decision processes (MMDPs), as the generalization of Markov decision processes to the multi agent case, have long been used for modeling multi agent system and are used as a suitable framework for Multi agent Reinforcement Learning. In this paper, a g چکیده کامل

  Multi agent Markov decision processes (MMDPs), as the generalization of Markov decision processes to the multi agent case, have long been used for modeling multi agent system and are used as a suitable framework for Multi agent Reinforcement Learning. In this paper, a generalized learning automata based algorithm for finding optimal policies in MMDP is proposed. In the proposed algorithm, MMDP problem is described as a directed graph in which the nodes are the states of the problem, and the directed edges represent the actions that result in transition from one state to another. Each state of the environment is equipped with a generalized learning automaton whose actions are moving to different adjacent states of that state. Each agent moves from one state to another and tries to reach the goal state. In each state, the agent chooses its next transition with help of the generalized learning automaton in that state. The experimental results have shown that the proposed algorithm have better learning performance in terms of the speed of reaching the optimal policy as compared to existing learning algorithms. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  5 - Improving Agent Performance for Multi-Resource Negotiation Using Learning Automata and Case-Based Reasoning
  Monireh Haghighatjoo Behrooz Masoumi Mohamad Reza Meybodi
  In electronic commerce markets, agents often should acquire multiple resources to fulfil a high-level task. In order to attain such resources they need to compete with each other. In multi-agent environments, in which competition is involved, negotiation would be an int چکیده کامل

  In electronic commerce markets, agents often should acquire multiple resources to fulfil a high-level task. In order to attain such resources they need to compete with each other. In multi-agent environments, in which competition is involved, negotiation would be an interaction between agents in order to reach an agreement on resource allocation and to be coordinated with each other.In recent years, negotiation has been employed to allocate resources in multi-agent systems. Yet, in most of the conventional methods, negotiation is done without considering past experiments. In this paper, in order to use experiments of agents, a hybrid method is used which employed case-based reasoning andlearning automata in negotiation. In the proposed method, the buyer agent would determine its seller and its offered price based on the passed experiments and then an offer would be made. Afterwards, the seller would choose one of the allowed actions using learning automata. Results of the experiments indicated that the proposed algorithm has caused an improvement in some performance measures such as success rate. پرونده مقاله
• دسترسی آزاد مقاله
  • صفحه چکیده
  • متن کامل
  
  6 - طراحی کنترل‌کننده جبران‌ساز عیب برای سیستم‌های چند‌عاملی دارای نا‌معینی
  شهره شریفیان مهناز هاشمی
  در این مقاله، طراحی کنترل‌کننده جبران‌ساز عیب برای سیستم‌های چند ‌عاملی غیر‌خطی مورد بررسی قرار گرفته است. دینامیک هر یک از عوامل، دارای نا‌معینی می‌باشد. در ضمن تبادل اطلاعات بین عوامل، تحت گراف جهت‌دار و ثابت صورت گرفته است. در این طراحی، از روش کنترل غیر‌خطی پسگام به چکیده کامل

  در این مقاله، طراحی کنترل‌کننده جبران‌ساز عیب برای سیستم‌های چند ‌عاملی غیر‌خطی مورد بررسی قرار گرفته است. دینامیک هر یک از عوامل، دارای نا‌معینی می‌باشد. در ضمن تبادل اطلاعات بین عوامل، تحت گراف جهت‌دار و ثابت صورت گرفته است. در این طراحی، از روش کنترل غیر‌خطی پسگام به منظور طراحی کنترل‌کننده غیر‌خطی استفاده شده است. با استفاده از روش کنترل تطبیقی، نا‌معینی‌های سیستم مورد بررسی بر‌اساس قوانین تطبیق تخمین زده شده است. برای غلبه بر اثرات نا‌مطلوب وقوع عیب در عملگر‌های سیستم، بدون اطلاع از زمان وقوع عیب ، نوع عیب و ساختار عیب، از روش جبران‌سازی تطبیقی عیب استفاده شده است. در نهایت با معرفی توابع لیاپانوف جدید و با استفاده از تئوری گراف، پایداری سیستم حلقه بسته به اثبات رسیده است. با ارائه مثال شبیه‌سازی شده، کارائی دیدگاه کنترلی ارائه شده برای سیستم‌های چند‌عاملی غیر-خطی دارای نا‌معینی وبا وجود عیب در عملگر‌ها و اغتشاشات خارجی نشان داده شده است. پرونده مقاله