Застосування генетичного алгоритму для агентного моделювання поведінки об’єктів при виході з палаючої кімнати

dc.contributor.authorДорогий, Ярослав Юрійович
dc.contributor.authorЦуркан, Василь Васильович
dc.contributor.authorДембіцький, А. С.
dc.date.accessioned2020-04-23T17:55:41Z
dc.date.available2020-04-23T17:55:41Z
dc.date.issued2017
dc.description.abstractenThe article deals with the implementation of the genetic algorithm for training and optimization of the neural network and its application to the tasks related to agent-based modelling of human behaviour. After the analysis of existing agent-based modelling programs, several drawbacks were noticed. The main problem of other systems for crowd modelling was the missing of information about the psychoemotional state of people, who are in crowd. According to the other sources, moods in crowd influence its behaviour the most; therefore, we decided to propose another method of creating more realistic crowd behaviour. The system that implements training of agents by selecting the most effective strategies of behaviour from the existing set of strategies using the genetic algorithm was proposed. In addition, this article highlights the detailed development of one agent behaviour module based on the neural network, which help the agent to navigate in the environment on condition of being trained enough. Due to created training method, it was mentioned, that training environment affects whole training process, and so several surveys were made at different environment configurations. As a base for the system, single-layer perceptron was chosen because of its simplicity and small number of connections. Final variant of agent casts seven rays into different vectors from his centre. If any other object interferes those rays, the distance to him comes as input to the neural network. Another two inputs take amount of distance to the exit and angle between agent and exit. Right rotate and left rotate forces of agent are used as outputs for neural network. Genetic algorithm was used for selecting the proper weights between the neurons. The most important indicator that some genome should be chosen for future generations is the fitness of that genome. The main purpose for the agent is finding the exit and in case of hitting the flame, it will fail. That is why agent will be rewarded for reaching the exit and get penalty for hitting the flame or staying in the room for too long. During the first launch, 30 initial genomes get involved with the values of weights generated at random. Each of them passes five iterations of training, after which the total gene is written to the database. By the results of current generation training, the five most adapted genomes that will create next generation will be selected. The following genomes remain in the population and form their modified copies by mitosis. Both genomes are divided on a specific point and exchange parts of the genetic code. That process forms two other genomes, which inherit parts of the parents. As for the training environment, there are four different exits from the room but only one of them opens randomly during the iteration. The implemented software system is used to research and train the agent model bypass the obstacles and get to the endpoint. The work of the neural system with a different structure was considered: one runs with the characteristics given above, in the other system configuration, the exit was only one and stayed in constant place, the agent had only four rays, and for staying in the room for more than five seconds he was rewarded. The development of the environment for such training is described and the results of training are presented for various environmental configurations. The main goal and mission of such approach implementation is using trained agents to develop a system for crowd behaviour modelling in the building, which was set on fire.en
dc.description.abstractruВ статье рассмотрен вопрос реализации генетического алгоритма для обучения и оптимизации нейронной сети и ее применения для задач агентного моделирования человеческого поведения. Предложена система, осуществляющая обучение агентов с помощью подбора эффективных стратегий поведения из имеющегося набора стратегий с применением генетического алгоритма. В работе освещена детальная разработка одного из таких модулей поведения агента на основе нейронной сети, который после длительного обучения помогает агенту ориентироваться в среде. Описано построение среды для такого обучения и представлены результаты обучения при различных конфигурациях среды. Главной целью и применением такого подхода является использование обученных агентов для разработки системы моделирования поведения толпы во время пожара.ru
dc.description.abstractukВ статті розглянуте питання реалізації генетичного алгоритму для навчання й оптимізації нейронної мережі та її застосування для задач агентного моделювання людської поведінки. Запропоновано систему, що здійснює навчання агентів за допомогою підбору найефективніших стратегій поведінки з наявного набору стратегій із застосуванням генетичного алгоритму. В роботі висвітлено детальну розробку одного з таких модулів поведінки агента на основі нейронної мережі, що, будучи навченим, достатньо допомагає агентові орієнтуватися в середовищі. Описано побудову середовища для такого навчання та представлено результати навчання при різних конфігураціях середовища. Головною метою та застосуванням такого підходу є використання навчених агентів для розробки системи моделювання поведінки натовпу під час пожежі.uk
dc.format.pagerangeС. 71-78uk
dc.identifier.citationДорогий, Я. Ю. Застосування генетичного алгоритму для агентного моделювання поведінки об’єктів при виході з палаючої кімнати / Дорогий Я. Ю., Цуркан В. В., Дембіцький А. С. // Мікросистеми, Електроніка та Акустика : науково-технічний журнал. – 2017. – Т. 22, № 6(101). – С. 71–78. – Бібліогр.: 11 назв.uk
dc.identifier.doihttps://doi.org/10.20535/2523-4455.2017.22.6.105199
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/33064
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/uk
dc.sourceМікросистеми, Електроніка та Акустика : науково-технічний журнал, 2017, Т. 22, № 6(101)uk
dc.subjectнейронні мережіuk
dc.subjectгенетичний алгоритмuk
dc.subjectнавчання без учителяuk
dc.subjectагентне моделюванняuk
dc.subjectагентне моделюванняuk
dc.subjectнавчання нейронних мережuk
dc.subjectгеномuk
dc.subjectсимуляція поведінки натовпуuk
dc.subjectneural networksen
dc.subjectneural networksen
dc.subjectgenetic algorithmen
dc.subjecttraining without a teacheren
dc.subjectagent-based modellingen
dc.subjectneural networks trainingen
dc.subjectgenomeen
dc.subjectcrowd simulationen
dc.subjectнейронные сетиru
dc.subjectгенетический алгоритмru
dc.subjectобучение без учителяru
dc.subjectагентное моделированиеru
dc.subjectобучение нейронных сетейru
dc.subjectсимуляция поведения толпыru
dc.titleЗастосування генетичного алгоритму для агентного моделювання поведінки об’єктів при виході з палаючої кімнатиuk
dc.title.alternativeApplication of the genetic algorithm for agent-based modeling of the object behavior while leaving the flaming roomen
dc.title.alternativeПрименение генетического алгоритма для агентного моделирования поведения объектов во время выхода из пылающей комнатыru
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз
Назва:
MEA2017_22-6_p71-78.pdf
Розмір:
420.79 KB
Формат:
Adobe Portable Document Format
Опис:
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.06 KB
Формат:
Item-specific license agreed upon to submission
Опис: