Разработка архитектуры программного комплекса агентного моделирования интеллектуальных агроинженерных систем

М. И. Анчёков

---

Аннотация. В статье представлена архитектура программного комплекса агентного моделирования для интеллектуальных сельскохозяйственных систем, ориентированная на моделирование взаимодействия роботов, растений и инфраструктуры в яблоневом саду. Система интегрирует физическую, сенсорную, эффекторную, энергетическую и вычислительную модели в единую дискретную трехмерную среду и поддерживает децентрализованное федеративное обучение без централизованного сервера. Особое внимание уделено автономности агентов, асинхронному выполнению симуляций и возможности интеграции с реальными датчиками и роботами.

Цель исследования – разработка архитектуры программного комплекса агентного моделирования, предназначенного для имитационного моделирования интеллектуальных интегрированных информационно-управляющих систем в условиях реальной, физически корректной, динамической и частично наблюдаемой среды.

Методы исследования. Основным методом исследования является агентное (мультиагентное) моделирование, которое позволяет имитировать взаимодействие автономных агентов в неопределенной
и динамической среде. Для структурирования архитектуры и декомпозиции задач применяется объектно-ориентированное проектирование с использованием UML-нотации.

Результаты. Предложена архитектура программного комплекса, в которой учтены такие сущности, как моделируемый мир (World), агент (Agent), сущность (Entity), доска объявлений (Billboard) и вычислитель (Computer).

Выводы. Предложенная платформа обеспечит воспроизводимость экспериментов, масштабируемость и послужит основой для тестирования алгоритмов коллективного поведения в условиях неоднородной и ресурсоограниченной агросреды.

Ключевые слова: точное земледелие, имитационное моделирование, коллективная робототехника, федеративное обучение

Для цитирования. Анчёков М. И. Разработка архитектуры программного комплекса агентного моделирования интеллектуальных агроинженерных систем // Известия Кабардино-Балкарского научного центра РАН. 2025. Т. 27. № 6. С. 135–141. DOI: 10.35330/1991-6639-2025-27-6-135-141

Список литературы

1. Анчёков М. И., Лешкенов А. М. Система виртуального моделирования робототехнических систем сельскохозяйственного назначения // Известия Кабардино-Балкарского научного центра РАН. 2023. No. 6(116). С. 125–131. DOI: 10.35330/1991-6639-2023-6-116-125-131
2. Osorio-Antonia J., Rivas-Tovar L.A., Juárez-Pérez F. Simulation of corn production in chicontepec veracruz with agent-based modeling. Computación y Sistemas. 2025. Vol. 29. No. 1. Pp. 529–544. DOI: 10.13053/CyS-29-1-5293
3. Luke S., Cioffi-Revilla C., Panait L. et al. Mason: a multiagent simulation environment. Simulation. 2005. Vol. 81. No. 7. Pp. 517–527. DOI: 10.1177/0037549705058073
4. Lopez-Jimenez J., Quijano N., Vande Wouwer A. An agent-based crop model framework for heterogeneous soils. Agronomy. 2021. Vol. 11. No. 1. P. 85. DOI: 10.3390/agronomy11010085
5. North M.J., Collier N.T., Vos J.R. Experiences creating three implementations of the repast agent modeling toolkit. ACM Transactions on Modeling and Computer Simulation (TOMACS). Vol. 16. No. 1. Pp. 1–25. DOI: 10.1145/1122012.112201
6. Konkina V., Martynushkin A. Forecasting the size of the dairy market in AnyLogic environment. E3S Web of Conferences. EDP Sciences, 2021. Vol. 282. P. 01002. DOI: 10.1051/e3sconf/202128201002
7. Ltaief H., Karaduman B., Boussaid et al. Agent based implementation of a robot arm and smart production line using jade framework. 2022 11th Mediterranean Conference on Embedded Computing (MECO). IEEE, 2022. Pp. 1–12. DOI: 10.1109/MECO55406.2022.9797162
8. Yu X., Queralta J.P., Westerlund T. Towards lifelong federated learning in autonomous mobile robots with continuous sim-to-real transfer. Procedia Computer Science. 2022. Vol. 210. Pp. 86–93. DOI: 10.1016/j.procs.2022.10.123
9. Na S., Rouček T., Ulrich J. et al. Federated reinforcement learning for collective navigation of robotic swarms. IEEE Transactions on cognitive and developmental systems. 2023. Vol. 15. No. 4. Pp. 2122–2131. DOI: 10.1109/TCDS.2023.3239815

Информация об авторе

Анчёков Мурат Инусович, заведующий лабораторией «Имитационное моделирование феногенетических процессов» НИЦ «Интеллектуальные генетические системы», КабардиноБалкарский научный центр Российской академии наук;
360010, Россия, г. Нальчик, ул. Балкарова, 2;
murat.antchok@gmail.com, ORCID: https://orcid.org/0000-0002-8977-797X, SPIN-код: 3299-0927