Ігрова модель онтологічної підтримки проектів

Abstract

UK: Актуальність. У сучасному інформаційному суспільстві із розвиненими засобами телекомунікації за допомогою мобільних пристроїв та комп’ютерних мереж актуальним є формування різноманітних віртуальних організацій та спільнот. Такі віртуальні об’єднання людей за професійними або іншими інтересами призначені для оперативного розв’язування різноманітних задач: для виконання проектних завдань, створення стартапів з метою залучення інвесторів, організації мережного маркетингу, організації дистанційного навчання, вирішення складних питань в науці, економіці та державному управлінні, побудови різноманітних Інтернет-сервісів, обговорення політичних і соціальних процесів тощо. Метою дослідження є розроблення адаптивного марковського рекурентного методу на основі стохастичної апроксимації модифікованої умови доповняльної нежорсткості, справедливої у точках рівноваги за Нешем для розв’язування задачі ігрового покриття проектів. Метод. У цій роботі розроблена багатоагентна ігрова модель для формування віртуальних команд виконавців проектів на основі бібліотек предметних онтологій. Необхідні для виконання проектів компетенції та здібності агентів задаються наборами онтологій. Інтелектуальні агенти випадково, одночасно і незалежно вибирають один із проектів у дискретні моменти часу. Агенти, що обрали один і той же проект, визначають поточний склад команди його виконавців. Для команд агентів обчислюється поточний штраф за недостатнє покриття компетенцій об’єднаними здібностями агентів. Цей штраф використовується для адаптивного перерахунку змішаних стратегій гравців. Збільшуються імовірності вибору тих команд, поточний склад яких призвів до зменшення штрафу за непокриття онтологій. У ході повторювальної стохастичної гри агенти сформують вектори змішаних стратегій, які забезпечать мінімізацію усереднених штрафів за непокриття проектів. Результати. Для розв’язування задачі ігрового покриття проектів розроблено адаптивний марковський рекурентний метод на основі стохастичної апроксимації модифікованої умови доповняльної нежорсткості, справедливої у точках рівноваги за Нешем. Висновки. Комп’ютерне моделювання підтвердило можливість застосування моделі стохастичної гри для формування команд виконавців проектів з необхідною онтологічною підтримкою в умовах невизначеності. Збіжність ігрового методу забезпечується дотриманням фундаментальних умов та обмежень стохастичної оптимізації. Достовірність експериментальних досліджень підтверджується повторювальністю отриманих результатів для різних послідовностей випадкових величин. EN: Context. In today’s information society with advanced telecommunications through mobile devices and computer networks, it is important to form a variety of virtual organizations and communities. Such virtual associations of people by professional or other interests are designed to quickly solve various tasks: to perform project tasks, create startups to attract investors, network marketing, distance learning, solving complex problems in science, economics and public administration , construction of various Internet services, discussion of political and social processes, etc. Objective of the study is to develop an adaptive Markov recurrent method based on the stochastic approximation of the modified condition of complementary non-rigidity, valid at Nash equilibrium points for solving the problem of game coverage of projects. Method. In this work the multiagent game model for formation of virtual teams of executors of projects on the basis of libraries of subject ontologies is developed. The competencies and abilities of agents required to carry out projects are specified by sets of ontologies. Intelligent agents randomly, simultaneously and independently choose one of the projects at discrete times. Agents who have chosen the same project determine the current composition of the team of its executors. For agents’ teams, a current penalty is calculated for insufficient coverage of competencies by the combined capabilities of agents. This penalty is used to adaptively recalculate mixed player strategies. The probabilities of selecting those teams whose current composition has led to a reduction in the fine for non-coverage of ontologies are increasing. During the repetitive stochastic game, agents will form vectors of mixed strategies that will minimize average penalties for non-coverage of projects. Results. For solve the problem of game coverage of projects, an adaptive Markov recurrent method based on the stochastic approximation of the modified condition of complementary non-rigidity, valid at Nash equilibrium points, was developed. Conclusions. Computer simulation confirmed the possibility of using the stochastic game model to form teams of project executors with the necessary ontological support in conditions of uncertainty. The convergence of the game method is ensured by compliance with the fundamental conditions and limitations of stochastic optimization. The reliability of experimental studies is confirmed by the repeatability of the results obtained for different sequences of random variables.