Cybernetics And Systems Analysis logo
Інформація редакції Аннотації статей Автори Архів
Кібернетика та Системний Аналіз
Міжнародний Науково-Теоретичний Журнал
-->


DOI 10.34229/KCA2522-9664.26.4.12
УДК 517.9:681.51:519.8

Д.І. СИМОНОВ
Інститут кібернетики ім. В.М. Глушкова НАН України, Київ, Україна,
denys.symonov@gmail.com


ІНТЕГРАЛЬНИЙ ЕНТРОПІЙНИЙ ІНДИКАТОР КЕРОВАНОСТІ
ЕВОЛЮЦІЇ СКЛАДНИХ СИСТЕМ

Анотація. Запропоновано формалізований підхід до аналізу керованості еволюції складних мультиагентних систем на основі інтегрального ентропійного індикатора ризику втрати керованості. Побудовано багаторівневу модель динаміки мультиагентної системи, що поєднує мікродинаміку агентів, мезоструктурну організацію мережі взаємодій та макрорівневі інваріанти еволюції системи. На макрорівні введено інтегральний індикатор, сформований як композиція бар’єрних компонент, які відображають варіативність макродинаміки, ризик порушення інваріантності допустимої множини станів та втрату спектральної стійкості режиму. Така конструкція дає змогу кількісно оцінювати наближення системної траєкторії до межі втрати керованості. Прогностичні властивості індикатора досліджено у серії чисельних експериментів із використанням сценаріїв стабільної та критичної еволюції мультиагентної системи. Результати Монте-Карло валідації демонструють здатність запропонованого підходу виявляти передкритичні режими системної динаміки і розрізняти стабільні та нестійкі режими еволюції складних мультиагентних систем.

Ключові слова: інтегральний індикатор керованості еволюції, ентропія, мультиагентні системи, еволюція складних систем, макродинаміка, бар’єрні функції, раннє виявлення критичних станів.


повний текст

СПИСОК ЛІТЕРАТУРИ

    1. Dahling S., Razik L., Monti A. Enabling scalable and fault-tolerant multi-agent systems by utilizing cloud-native computing. Autonomous Agents and Multi-Agent Systems. 2021. Vol. 35, N 10. https://doi.org/10.1007/s10458-020-09489-0.
    2. Zargayouna M. On the use of the multi-agent environment for mobility applications. Future Internet. 2022. Vol. 14, N 5. Article number 132. https://doi.org/10.3390/fi14050132.
    3. Xu L., Mak S., Schoepf S., Ostroumov M., Brintrup A. Multi-agent digital twinning for collaborative logistics: Framework and implementation. Journal of Industrial Information Integration. 2023. Vol. 45. Article number 100799. https://doi.org/10.1016/j.jii.2025.100799.
    4. Knopov P.S. Optimization and identification of stochastic systems. Cybernetics and Systems Analysis. 2023. Vol. 59, N 3. P. 375–384. https://doi.org/10.1007/s10559-023-00572-4.
    5. Chikrii A.A., Rappoport I.S. Strategies for quasi-parallel convergence and motion camouflage in game control problems with non-fixed time. Cybernetics and Systems Analysis. 2025. Vol. 61, N 5. P. 772–781. https://doi.org/10.1007/s10559-025-00810-x.
    6. Mehdizadeh M., Nordfjaern T., Klckner C. A systematic review of the agent-based modelling/simulation paradigm in mobility transition. Technological Forecasting and Social Change. 2022. Vol. 184. Article number 122011. https://doi.org/10.1016/j.techfore.2022.122011.
    7. Mazzetto S. Interdisciplinary perspectives on agent-based modeling in the architecture, engineering, and construction industry: A comprehensive review. Buildings. 2024. Vol. 14, N 11. Article number 3480. https://doi.org/10.3390/buildings14113480.
    8. Brugiere A., Nguyen-Ngoc D., Drogoul A. Handling multiple levels in agent-based models of complex socio-environmental systems: A comprehensive review. Frontiers in Applied Mathematics and Statistics. 2022. Vol. 8. Article number 1020353. https://doi.org/10.3389/fams.2022.1020353.
    9. Nawaz S., Saleem M., Kusmartsev F.V., Anjum D.H. Major role of multiscale entropy evolution in complex systems and data science. Entropy (Basel). 2024. Vol. 26, N 4. Article number 330. https://doi.org/10.3390/e26040330.
    10. Gupal A.M., Vagis O.A. Incompleteness theorem for computable problems. Cybernetics and Systems Analysis. 2024. Vol. 60, N 5. P. 696–699. https://doi.org/10.1007/s10559-024-00707-1.
    11. Albrecht S.V., Christianos F., Schfer L. Multi-agent reinforcement learning: Foundations and modern approaches. Cambridge, MA: MIT Press, 2024. 544 p.
    12. Palagin O.V., Symonov D.I. Formalized model of attitude formation as a tool for analyzing behavioral patterns. Cybernetics and Systems Analysis. 2025. Vol. 61, N 5. P. 705–713. https://doi.org/10.1007/s10559-025-00804-9.
    13. Palagin O., Symonov D., Symonova O. Agent behavior prediction based on a dynamic cognitive model. Cybernetics and Systems Analysis. 2026. Vol. 62, N 2. P. 181–195. https://doi.org/10.1007/s10559-026-00856-5.
    14. Zhang D., Yuan Q., Meng L. et al. Reinforcement learning for single-agent to multi-agent systems: From basic theory to industrial application progress, a survey. Artificial Intelligence Review. 2026. Vol. 59. Article number 46. https://doi.org/10.1007/s10462-025-11439-9.
    15. Sergienko I.V., Shylo V.P., Roshchyn V.O. Algorithm unions for solving discrete optimization problems. Cybernetics and Systems Analysis. 2023. Vol. 59, N 5. P. 753–762. https://doi.org/10.1007/s10559-023-00611-0.
    16. Allday J., Hands S. Introduction to entropy: The way of the world. Boca Raton: CRC Press, 2025. 358 p.
    17. Schaffler S. Mathematics of information. Theory and Applications of Shannon–Wiener Information. Berlin, Heidelberg: Springer, 2024. 150 p. https://doi.org/10.1007/978-3-662-69102-1.
    18. Campbell C., Hoeller T. Postdigital complexity science. Jandriс P. (Eds.). Encyclopedia of Postdigital Science and Education. Cham: Springer, 2025. P. 1–9. https://doi.org/10.1007/978-3-031-35469-4_94-1.
    19. Symonov D., Palagin O., Symonov Y., Zaika B. Optimisation of training samples with KLE and mutual information. Proceedings of the Eighth International Workshop on Computer Modeling and Intelligent Systems (CMIS 2025). CEUR Workshop Proceedings. 2025. Vol. 3988. P. 296–306. https://ceur-ws.org/Vol-3988/paper23.pdf.



© 2026 Kibernetika.org. All rights reserved.