Skip to content

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

9 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

MAS-for-Queens

В данной мультиагентной системе каждый агент поддерживает взаимосвязь с каждым другим агентом. Перед тем как сделать свой ход, каждый агент ожидает ответа от каждого из остальных агентов.

Ограничения по ходам:

Каждый агент имеет определенные ограничения по выбору ходов. Он может совершать ходы только в пределах своего собственного столбца на игровом поле. Решение о выборе хода принимается на основе модели машинного обучения. Однако, в случае недопустимого ответа от системы или агентов, количество попыток хода уменьшается, и выбор хода повторяется. После каждой попытки хода модель обучается на основе собранных данных, включая объединенный ответ от всех агентов. Процесс продолжается до тех пор, пока агент не перестанет быть атакованным или пока его баллы не опустятся до нуля. В случае достижения этих условий ход передается следующему агенту в очереди, основанной на цифровом приоритете от 0 до 7.

Общение между агентами:

При каждой попытке хода каждый агент активно вступает во взаимодействие с остальными агентами в системе. Он отправляет сообщения, содержащие информацию о своих намерениях и планируемых действиях, ожидая обратной связи от других участников.

Получив ответы от других агентов, каждый агент анализирует полученные данные и объединяет их в единый ответ. Этот объединенный ответ содержит информацию о различных аспектах игровой ситуации, таких как возможные угрозы со стороны других агентов, стратегии противников и общие планы действий. Например, агент может получить информацию о том, что его планируемый ход может быть атакован другим агентом, и что определенная стратегия может быть более эффективной в данной ситуации.

Далее, на основе объединенного ответа, каждый агент принимает решение о своем следующем шаге. Он передает этот ответ алгоритму k-ближайших соседей или другому алгоритму машинного обучения, который анализирует текущее состояние игры и определяет оптимальное действие для достижения поставленной цели. Например, агент может решить изменить свой ход или стратегию на основе полученной информации о действиях противников и оценки вероятности успешного завершения задачи.

Внешний вид приложения

Шахматное поле 8х8, каждый агент имеет свой номер. Среди всех полей подсвечиваются те, куда он может наступить

image image

About

No description, website, or topics provided.

Resources

Stars

0 stars

Watchers

1 watching

Forks

Releases

Packages

Used by

Contributors

Languages