Мультиагентное моделирование активных систем в условиях конфликта тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Щербаков, Антон Викторович

• Щербаков, Антон Викторович
• кандидат технических наук
• 2006

Оглавление диссертации кандидат технических наук Щербаков, Антон Викторович

Введение.

Глава 1. Системный анализ и формализация конфликтных ситуаций.

§1.1. Концепция конфликта интересов, его идентификации и прогнозирования

§ 1.2. Формализованная модель предварительных переговоров.

1.2.1. Определение проблемы переговоров.

1.2.2. Оценка результата.

1.2.3. Определение ограничений переговоров.

1.2.4. Выбор стратегии переговоров.

Глава 2. Математическое моделирование конфликтных отношений.

§ 2.1. Структурно - параметрическая модель интеллектуального агента.

§ 2.2. Ситуационное описание конфликта в структурно-параметрической модели мультиагентной системы.

§ 2.3. Формализованное описание конфликта интересов на примере маркетинговой среды.

Глава 3. Модели и алгоритмы стратегий интеллектуальных агентов в мультиагентной конфликтной среде.

§ 3.1. Общий алгоритм переговоров.

§ 3.2. Переговорные стратегии активных элементов в конфликтной маркетинговой среде.

§ 3.3. Ситуационные стратегии в неявном конфликте.

Глава 4. Мультиагентное моделирование активных систем в имитационной среде Simplex 3.

§ 4.1. Среда экспериментирования и описание моделей в универсальной имитационной системе Simplex 3.

§ 4.2. Имитационное моделирование ситуационных стратегий агентов в конфликтных ситуациях олигопольного рынка.

§ 4.3. MDL-описание мультиагентной модели с переговорной стратегией конфликтующих агентов в системе Simplex 3.

Глава 5. Мультиагентное моделирование интеллектуальных стратегий разрешения конфликтов в имитационной системе Simplex 3.

§ 5.1. Создание интерфейса пользователя с помощью языка описания эксперимента Simplex -EDL и внешних процедур.

§ 5.2. Описание эксперимента с эластичной стратегией агентов.

§ 5.3. Описание эксперимента со стратегией симплексного планирования в маркетинговой ситуации продовольственного рынка.

§ 5.4. Интерфейс пользователя в стратегии симплексного планирования в имитационной системе Simplex 3.

Введение диссертации (часть автореферата) на тему «Мультиагентное моделирование активных систем в условиях конфликта»

Исследование и идентификация конфликтных ситуаций в активных системах [3,29] любой природы - производственной, биологической, социальной и др. с целью их стабилизации и своевременного устранения, являются чрезвычайно важной и социально значимой проблемой для принятия эффективных управленческих решений. Исследование природы и механизмов конфликта [14,30,37,61 и др.] позволяет определить направление наиболее выгодного использования ресурсов и стратегии воздействия на нестабильную конфликтующую среду.

Большое внимание при исследовании различных антагонистических процессов привлекают проблемы, связанные с прогнозированием их развития. Наличие разнообразных случайных факторов, неизбежно сопутствующих любому явлению экономики, делает степень неопределенности весьма существенной, и полностью устранить ее невозможно. Особенности конфликтных процессов и ситуаций как объекта исследования, обладающего сложной и динамичной структурой связей, также в значительной степени затрудняют проведение их анализа и прогнозирования существующими аналитическими методами.

В связи с этим эффективные методы идентификации и прогнозирования при изучении больших систем различной физической природы в большей степени связаны с их имитационным моделированием [20,21,36,46]. Внедрение аппарата имитационного моделирования непосредственно содействует решению широкого круга прикладных задач, связанных с выбором и оптимизацией стратегии и тактики поведения противодействующих сторон в различных производственных, социальных и маркетинговых сферах.

Использование имитационных моделей позволяет лучше учитывать фактор неопределенности в функционировании и развитии конфликта и, соответственно, минимизировать степень его воздействия на стабильность системы в целом. Все это делает возможным оперативный анализ практически любых гипотетических ситуаций в условиях конфликта или каких - либо отдельных антагонистических процессов.

В существующей литературе [7-11, 43, 54, 75 и др.] описывается обширный круг проблем, изучаемых с помощью имитационных моделей, анализируются различные алгоритмы решения и т.д. Но до сих пор существует очень мало конструктивных имитационных моделей конфликта. Поэтому цель данной работы состоит в создании универсальной имитационной модели конфликтной ситуации. Трудности связаны главным образом со сложностью структуры конфликта, одновременностью совершения многих действий, их разнообразием и непрерывностью. Отсюда следует объективная необходимость аппроксимации в модельных построениях, выделения наиболее важных событий и отношений, учитываемых имитационными моделями, замена одновременности последовательностью и дискретизации событий и т.п.

Анализ деятельности антагонистических сторон определяет главных действующих лиц в среде конфликта, их слабые и сильные стороны, накапливает информацию о состоянии партнеров и конкурентов, особенностях их стратегий и целей.

Так, например, для принятия оптимальных управленческих решений на продовольственном рынке [25] в условиях жесткой конкурентной борьбы фирма-продавец должна располагать огромными объемами коммерческой информации, позволяющей выявить потребности и покупательную способность покупателя и прогнозировать конкретный спрос на данный товар или услугу с установлением долговременных связей покупателей с продавцом (производителем) товара.

Сложность идентификации и управления конфликтом в этом случае усугубляется динамично развивающейся производственно-организационной системой с многоуровневой иерархической структурой, функционирующей в условиях информационной неопределенности, определяемой жесткой конкуренцией между фирмами-производителями и сбытовиками.

Принятие решений на каждом уровне в своих функциональных сферах сводится к разрешению конфликта и стабилизации системы при различных экономических и социальных возмущениях, выбору оптимальных стратегий поведения активных элементов и балансированию ситуации в текущих условиях. Однако большая динамическая социально-экономическая система, объединяет огромное количество взаимодействующих звеньев с множеством состояний и форм взаимодействия; многообразием факторов, влияющих на их поведение и цели в конкретный период. Поэтому принятие решений в конфликтных ситуациях, имеющих большие социально-политические последствия, требует переработки больших объемов статистических данных и компьютерной поддержки в прогнозировании нестабильных ситуаций и выборе стратегий их стабилизации на основе формализованных знаний.

Динамика большой активной системы в условиях конфликта в большинстве случаев непредсказуема и конечное ее состояние с разрешением или разрастанием конфликта не может быть прогнозируемо из начального состояния аналитически или путем логического анализа, так как оно является результатом многошагового взаимодействия многих активных элементов системы и окружающей среды. Аналитические методы и теория игр рассматривают статические состояния элементов противостоящих сторон без учета динамики поведения каждого активного элемента и его прямого влияния на состояние других элементов. В связи с этим для идентификации и прогнозирования конфликтных ситуаций предлагаются модели и алгоритмы агептпо-ориептировшшой имитации [5,19,28,33,45, 56,78,81-84] взаимодействия конфликтующих элементов-интеллектуальных агентов (ИА), изменяющих свои свойства и поведение в зависимости от состояния других элементов и среды.

Целеустремленные агенты - это автономные вычислительные процессы с внутренней структурой (интеллектуальным состоянием) знаний об окруэ/сающей среде и о других агентах; целях, которые должны быть достигнуты; формализованных процедурах их достижения и намерениях (стратегиях поведения по достижению желаемых состояний или тактических планов действия).

Использование агентно-ориентированных технологий в исследовании производственных и социальных систем в условиях неопределенности и противодействия становится все более популярным из-за их понятной логической семантики, достаточно разработанных теоретических основ [29, 80, 81] и положительных результатов имитации реальных активных систем [17, 18, 47].

Модели ИА, описывающие индивидуальные характеристики состояния и поведения каждого участника конфликта на каждом шаге взаимодействия, объединяются в мультиагентную имитационную модель большой активной системы, воспроизводящие динамическое взаимодействие интеллектуальных агентов с возможностью идентификации их состояния и прогнозирования оптимальных стратегий достижения цели.

Несмотря на многообразие конфликтных ситуаций различной социальной и физической природы, стратегии разрешения конфликта сводятся [14] либо к прямому переговорному процессу, либо к ситуационным стратегиям скрытой борьбы с противодействующей стороной, либо к интеллектуальным стратегиям достижения цели в условиях неопределенности и риска. При этом реализация стратегий в конкретной среде достигается последовательностью действий, связанных с индивидуальной оценкой и изменением параметров состояния каждого конфликтующего агента.

Характерным примером является конфликтная ситуация на потребительском рынке [1,52,54,56] с конкурирующими фирмами, борющимися за максимальную прибыль и долю рынка. В этом случае оценка и выбор стратегии ценообразования в зависимости от непредсказуемого состояния и стратегии всех участников рынка возможны лишь с помощью имитационного моделирования поведения каждого активного элемента. Поэтому разработка мультиагентных имитационных моделей, для поддержки ответственных решений в конфликтных ситуациях является социально значимой и актуальной проблемой.

Цель диссертационной работы заключалась в разработке моделей и алгоритмов разрешения конфликтных ситуаций путем агентно-ориентированной имитации взаимодействия активных конфликтующих элементов системы - интеллектуальных агентов, меняющих свои стратегии принятия решения в зависимости от поведения противодействующих агентов и среды.

Для достижения поставленной цели решались следующие задачи:

- анализ и формализация конфликтных ситуаций с параметрическим описанием состояния и целей противодействующих активных элементов;

- составление структурно-параметрической модели конфликтных ситуаций, формализующей накопленные знания о взаимодействующих классах агентов, среде и целях, а также множестве известных характеристик влияния и взаимосвязей между агентами;

- разработка моделей и алгоритмов идентификации состояния и прогнозирования поведения интеллектуальных агентов в зависимости от параметров состояния противодействующих агентов и среды;

- разработка мультиагентной имитационной модели конфликтной ситуации;

- создание банка моделей универсальной мультиагентной системы имитационного моделирования конфликтных ситуаций.

Научная новизна. Предложена общая параметрическая концептуальная модель конфликта интересов, как несовместимость планов и намерений активных элементов с определением целей, ограничений и стратегий переговорного процесса.

Предложен метод агентно-ориентированного моделирования переговорного процесса в виде многошагового обмена информацией и принятия решений интеллектуальными агентами в мультиагентной имитационного системе в условиях конфликта.

Разработана структурно-параметрическая модель конфликтной ситуации, описывающая в пространстве контролируемых факторов переменные состоянии конфликтующих агентов, их взаимосвязи между собой и факторами внешней среды.

Разработаны математические модели и алгоритмы переговорной, ситуационной и интеллектуальной стратегий поведения агентов в конфликтных ситуациях.

Предложен общий алгоритм мультиагентной имитации конфликтной ситуации, включающей последовательные фазы ситуационной и интеллектуальной стратегий агентов и переговорного процесса в разрешении конфликта.

Практическая значимость работы. Разработана информационная технология прогнозирования и разрешения конфликта на основе мультиагентного имитационного моделирования конфликтных ситуаций в олигопольной рыночной среде.

Разработано объектно-ориентированное программное обеспечение мультиагентной системы имитации конфликтов в рыночной среде с MDL-описанием компонентов на языке Model Description Language (Simplex-MDL) с внешними процедурами и ZsDL-описанием экспериментов {Experiment Description Language) в среде экспериментирования Simplex3.

Сформирован банк моделей и программ мультиагентной имитации конфликтных ситуаций в рыночной среде для переговорной, ситуационной и интеллектуальной стратегий агентов.

Разработанные мультиагентные имитационные модели и программное обеспечение использовались для оценки ценовой политики и влияния рекламного фактора фирмы Samsung на рынке компьютерной техники.

Апробация работы. Результаты работы были представлены на: 3-й Всероссийской научно-технической конференции «Теория конфликта и ее приложения». Воронеж, 2004 г.; Международной научной конференции "Математические методы в технике и технологиях", Казань, 2005 г.; Международной научно-практической конференции «Теория активных систем», ИПУ РАН, Москва, 2005 г.; Европейской конференции по моделированию и имитации ESMS 2005, RTU, Riga, Latvia , June 1-4, 2005.

Публикации. По материалам диссертации опубликовано 5 печатных работ в статьях и материалах международных конференций.

Структура и объем диссертации. Диссертация состоит из введения, пяти глав, заключения и приложений и содержит 120 страниц основного текста, 27 рисунков, 13 таблиц и листингов, список литературы из 84 наименований.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Щербаков, Антон Викторович

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. Поведен анализ и формализация конфликтных ситуаций с параметрическим описанием состояния и целей противодействующих активных элементов;

2. Формализована концепция конфликта интересов, как несовместимость планов и намерений с определением проблемы, ограничений и стратегий переговорного процесса;

3. Предложен метод агентно-ориентированного имитационного моделирования динамического взаимодействия активных элементов в условиях конфликта в большой системе.

4. Составлена структурно-параметрическая модель конфликтной ситуации в большой активной системе, формализующая накопленные знания об агентах, среде и множество характеристик взаимосвязей между агентами;

5. Разработан общий алгоритм переговорного процесса разрешения конфликта между агентами в мультиагентной системе.

6. Разработаны модели и алгоритмы версий переговорных и ситуационных стратегий поведения агентов в зависимости от ситуации и параметров состояния других агентов и среды;

7. Разработаны модели агентов с интеллектуальными стратегиями принятия решения на языке описания эксперимента Simplex-EDL с внешними процедурами.

8. Сформирован банк моделей и программ мультиагентной имитации конфликтных ситуаций в универсальной имитационной системе Simplex3 для переговорной, ситуационной и интеллектуальной стратегий агентов в рыночной среде.

9. Разработана информационная технология прогнозирования и разрешения конфликта на основе мультиагентного имитационного моделирования конфликтных ситуаций в олигопольной рыночной среде.

Список литературы диссертационного исследования кандидат технических наук Щербаков, Антон Викторович, 2006 год

1. Аржакова Н.В., Новосельцев В.И., Редкозубое С.А. Управление динамикой рынка: системный подход. - Воронеж: Из-во Воронеж. Гос. унта, 2004.- 192 с.

2. Башмаков А.И., Башмаков И.А. Интеллектуальные информационные технологии: Учебное пособие.-М.:Изд-во МГТУ им Н.Э.Баумана, 2005.304 с.

3. Бурков В.Н., Новиков Д.А. Введение в теорию активных систем. М.: ИПУ РАН, 1996.-125 с.

4. Бочаров Е.П., Колдина А.И. Интегрированные корпоративные информационные системы. М.: Финансы и статистика, 2005. - 288 с.

5. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем.- СПб.: Питер, 2000.-384 с.

6. Герасименко В.В. Ценовая политика фирмы М.: Финстатинформ,

7. Городецкий В.И. Информационные технологии и многоагентные системы//Проблемы информатизации.-1998.-Вып.1, с.3-14

8. Дегтярев Ю.И. Системный анализ и исследование операций. М.: Высшая школа.,1996.-335 с.

9. Дерканосова Н.М., Корчагин В.И., Новосельцев В.И., Сербулов Ю.С. Математическое моделирование динамики биологических систем: Учебное пособие. Под ред В.И.Новосельцева.- Воронеж, Изд-во кварта, 2003.-150 с.

10. Ивашкин 10.А. Структурно-параметрическое моделирование и идентификация аномальных ситуаций в сложных технологических системах// Проблемы управления .-№ 3, 2004, стр 39-43.

11. Ивашкин Ю.А. Системный анализ и исследование операций в прикладной биотехнологии. Учебное пособие.- М.: МГУПБ, 2005.-196 с.

12. Ивашкин Ю.А. Агентные технологии идентификации и прогнозирования антогонистического конфликта // Материалы международной конференции. ИПУ РАН, Москва , 2003.- с.

13. Ивашкин Ю.А., Ивашкин А.Ю., Щербаков А.В. «Алгоритмизация и моделирование стратегий конкурентной борьбы». Материалы 3-й Всероссийской научно технической конференции «Теория конфликта и ее приложения». Воронеж, 2004г., с 31-39.

14. Ивашкин Ю.А., Щербаков А.В. Структурно-параметрическое моделирование конфликтных маркетинговых ситуаций. XVIII-я Международная научная конференция «Математические методы в технике и технологиях», Сборник трудов, т.7, Казань, 2005 г., с 68-70.

15. Ivashkin Yu. A., Shcerbakov A.V., Rogozhkina Е. A. Multi-agent simulation of disputed marketing situations. 19-th European Conference on Modelling and Simulation. ECMS 2005, Riga, Latvia, 2005, p. 501-508.

16. Кобелев Н.Б. Основы имитационного моделирования сложных экономических систем: Учебное пособие. М.: Дело, 2003. -336 с.

17. Карпов Ю.Г. Имитационное моделирование систем. Введение в моделированиес AnyLogic 5.- СПб.: БХВ-Петербург, 2005.- 400 с.

18. Куликов JI.M. Основы экономических знаний М: Финансы и статистика, 1998.

19. Ларичев О.И., Мошкович Е.М. Качественные методы принятия решения. М.: Наука, 1996.

20. Ларичев О.И. Теория и методы принятия решений, а также хроника событий в волшебных странах: Учебник.- М.: Логос, 2000.-296 с.

21. Магомедов М.Д., Миносянц A.M. Повышение конкурентноспособности предприятий мясной промышленности.-М., 2001. -164с.

22. Мешалкин В.П. Логистика и электронная экономика в условиях перехода к устойчивому развитию.- Москва-Генуя, 2004.- 408 с.

23. Назаров А.В., Лоскутов А.И. Нейросетевые алгоритмы прогнозирования и оптимизации систем. СПб:Наука и Техника, 2003.-384с.

24. Новиков Д.А., Чхартишвили А.Г. Рефлексивные игры.- М.: СИНТЕГ, 2003.- 160 с.

25. Новиков Д.А., Петраков С.Н. Курс теории активных систем.-М.: СИНТЕГ, 1999.-108 с.

26. Новосельцев. В.И. Системная конфликтология.- Воронеж.: Изд-во «Кварта», 2001.-176 с.

27. Новосельцев. В.И. Системный анализ: современные концепции.-Воронеж.: Изд-во «Кварта», 2003.-360 с.

28. Пащенко Ф.Ф., Чернышев К.Р. Методы и системы управления и идентификации на основе знаний. Автоматика и телемеханика, 2000 г., №4, с.3-25.

29. Поспелов Д.А. От коллектива автоматов к мультиагентным системам // Proc. Of the International Workshop "Distributed Atrifical Intelligence und Multi-Agent Systems", DIAMAS' 97, St. Peterburg, 1997, p.319-325.

30. Рутковская Д., Пилиньский М., Рутковский JL Нейронные сети, генетические алгоритмы и нечеткие системы.- Пер. с польского И.Д. Рудинского.- М.: Горячая линия-Телеком, 2004.-452 с.

31. Скоморохов Г.И. Модели структурного и параметрического синтеза силовых автоколебательных систем с прогнозируемыми свойствами отношений конфликта. Автореферат диссертации на соискание ученой степени доктора технических наук.- Воронеж, 2002

32. Советов Б.Я., Яковлев С.А. Моделирование систем. Учебник для вузов.- М.: Высшая школа, 1998.

33. Сысоев В.В. Конфликт. Сотрудничество. Независимость. Системное взаимодействие в структурно параметрическом представлении. Изд-во Московской академии экономики и права. М., 1999.-151 с.

34. Трахтенгерц Э.Л. Компьютерная поддержка принятия решений.-М.: СИНТЕГ, 1998.-376 с.

35. Трахтенгерц Э.Л. Компьютерные системы поддержки принятия управленческих решений. Проблемы управления № 1, 2003, с. 13-28.

36. Уткин Э.А. Цены. Ценообразование. Ценовая политика: Учебник / Ассоциация авторов и издателей "ТАНДЕМ". М.: ЭКМОС, 1997.

37. Хайман Д.Н. Современная микроэкономика: анализ и применение:- М.: Финансы и статистика, 1992. -т.2.

38. Шатихин Л.Г. Структурные матрицы и их применение дляисследования систем. -М.; Машиностроение, 1991.

39. Шелобаев С.И. Математические методы и модели. Экономика.

40. Финансы. Бизнес.- М.: ЮНИТИ-ДАНА, 2000.-376 с.

41. Шерер Ф.М., Росс Д. Структура отраслевых рынков / Моск. Ун-т им. М.В. Ломоносова. Экон. фак. М.: ИНФРА-М, 1997.

42. Швецов А.Н., Яковлев А. С Распределенные интеллектуальные информационные системы.- СПб.: Изд-во СПб ГЭТУ «ЛЭТИ», 2003.-318 с.

43. Шмидт Б. Искусство моделирования и имитации. Введение в имитационную систему Simplex3.- Пер. с немецкого Ю.А.Ивашкина и B.J1.Конюха.- SCS-Европа BVBA, Москва 2003.- 480с.

44. Щербаков А.В. Мультиагентное имитационное моделирование активной маркетинговой системы. Труды международной научно-практической конференции «Теория активных систем». ИПУ РАН, 16-18 ноября 2005 г., Москва, с 164-168.

45. Adamatti D.F., Bazzan A.L.C. AFRODITE A Framework for Simulation of Agents with Emotions // 4-nd Workshop on Agent-Based Simulation. Montpellier 2003.

46. Bauer R, Schwingenschlogl A., Vetschera R. Corporate Strategy in an Atrificial Economy // 3-nd Workshop on Agent-Based Simulation., SCS-Europe BVBA, Ghent, Belgium. 2002.

47. Beillie P., Toleman M. Creating an Emotional Cpace for Artificial Beings. // 2-nd Workshop on Agent-Based Simulation., SCS-Europe BVBA, Ghent, Belgium. 2001, p.13-17.

48. Beillie P. An Agent With a Passion for Decision Making // 3-nd Workshop on Agent-Based Simulation., SCS-Europe BVBA, Ghent, Belgium. 2002.

49. Caldas, J. C.; Coelho, H.: Strategic Interaction in Oligopolistic Markets in: Castelfranchi, C.; Werner, E. (Hrsg.): Artificial Social Systems, Springer-Verlag 1992, Seite 147-163

50. Faratin, P.; C. Sierra; N. Jennings; 1998. "Negotiation Decision Functions for Autonomous Agents." Journal of Robotics and Autonomous Systems 24, n°3-4: 159-182.

51. Friedman, J. W.: Oligopoly and the Theory of Games; North Holland Publishing Company 1977.

52. Gallegati M. , Chiarella С., Leombruni R., Palestrini A. Asset Priceщ

53. Dynamics Among Heterogeneous Interakting Agents // 3-nd Workshop on• Agent-Based Simulation., SCS-Europe BVBA, Ghent, Belgium. 2002.

54. Gorni Ch. Ein Referenzmodell fur die Simulation intelligenter Agenten.Simulation in Passau. Heft 2, 1996, Universitaet Passau, Germany.

55. Haddadi, A. and K. Sundermeyer. 1996. "Belief-Desire-Intention Agent Architectures". In Foundations of Distributed Arctificial Intelligence, G. О'Hare and N. Jennings (Eds.). John Wiley, New York, 211-229.

56. Hoggatt, A. C.; Friedman, J. W.; Gill, S.: Experimental Economics. Price Signaling in Experimental Oligopoly; The American Economic Review,ф Vol.66 1976.

57. Kersten G.; W. Michalowski; S. Szpakowicz; and Z. Koperczak. 1991. "Restruturable Representations of Negotiation." Management Science 37, n°10:1269-1290.

58. Laasri, В.; H. Laasri; S. Lander; and V. Lesser. 1992. "A Generic Model for Intelligent Negotiation Agents." Int. J. Intell. Coop. Inf. Syst. 1, n°l: 291-318.

59. Negotiation Model for Intentional Agents." In Proceedings of the IFAC Workshop on Multi-Agent Systems in Production (Vienna, Austria). Elsevier Science, Amsterdam, 211-216. m 63. Lopes, F.; N. Mamede; A. Q. Novais, and H. Coelho. 2000. "Towards a

60. Generic Negotiation Model for Intentional Agents." In Proceedings of the IEEE Workshop on Agent-Based Information Systems (London, UK). IEEE Computer Society Press, CA, 433-439.

61. Muller J. 1996. The Design of Intelligent Agents, Springer-Verlag, Berlin (LNAI 1177).• 65. Modellbeschreibungs-sprache Simplex-MDL. Version 2.6. Universitaet Passau. 1996.-156 s.

62. Mosler H.-Jo. Multiagent Simulations of Social Psychlogical Theories: Method, Results and Applications // 3-nd Workshop on Agent-Based Simulation. SCS-Europe BVBA, Ghent, Belgium. 2002.

63. O'Hare, G.; and N. Jennings. 1996. Foundations of Distributed Artificial Intelligence, John Wiley, New York.

64. Pruitt, D. 1981. Negotiation Behavior. Academic Press, London.• 69. Pruitt, D. and J. Rubin. 1986. Social Conflict: Escalation, Stalemate and Settlement. McGraw-Hill, New York, USA.

65. Raiffa, H. 1982. The Art and Science of Negotiation, Harvard ^ University Press, Cambridge.

66. Rao, A. and M. Georgeff. 1998. "Decision Procedures of BDI Logics". Journal of Logic and Computation 8, n°3, 293-344.

67. Reineke M., Schmidt B. The reflective Control of Cognition and Emotion // 4-nd Workshop on Agent-Based Simulation. SCS-Europe BVBA, Ghent, Belgium. 2003.

68. Rosenschein J. and G. Zlotkin. 1994. 1994. Rules of Encounter, The• MIT Press, Cambridge, USA.

69. Sycara K. 1991. "Problem Restructuring in Negotiation." Manage. Sci. 37, n°10: 1248-1268.

70. Shapiro, C.; Schmalensee, R.; Dwillig: Theory of Oligopoly Behaviour in:Handbook of Industrial Organization, Vol.1; Elsevier Science Publisher, 1989.Щ

71. Sundermeyer, K.: Modellierung von Agentensystemen; in: Muller, J. Hrsg.): Verteilte ktinstliche Intelligenz; BI Wisseneschaftsverlag 1993.

72. Schmidt B. The Art of Modelling and Simulation. Introduction to the ^ Simulation System Simplex3, Ghent, Belgium, 2001

73. Schmidt В. Die Modellierung menschlichen Verhaltens. SCS-Europe

74. BVBA, Ghent, Belgium, 2000,- 105 s.

75. Schmidt B. How to give Agents a Personality // 3-nd Workshop on Agent-Based Simulation, SCS-Europe BVBA, Ghent, Belgium. 2002.

76. Schmidt B. Human Factors in Complex Systems. The Modelling of Human Behaviour. 19-th European Conference on Modelling and Simulation. ECMS 2005, Riga, Latvia, 2005, p. 5-15.

77. Wooldridge M., Jennings N. Intelligent Agent: Theory and Practica // Knowledge Engineering Review.- 1995, № 10 (2) , p. 115-152.

78. Urban, Ch.: PECS: An Approach to a Reference Model for the Simulation of Multi-Agent Systems; Lehrstuhl fur Operations Research und Systemtheorie, Universitat Passau 1997.

79. Wang F., Turner St., Wang L. Integrating Agents into HLA-Based Distributed Virtual Environments // 4th Workshop on Agent-Based Simulation. Montpellier 2003.

80. Weppner H.: Individuenbasierte Simulation eines oligopolistischen Markets auf Basis des Referenzmodells PECS; Lehrstuhl fur Operations Research und Systemtheorie, Universitat Passau 1998.