ЖУРНАЛ РАДИОЭЛЕКТРОНИКИ. eISSN 1684-1719. 2026. №6

УДК: 004.33

МЕТОД СИНТЕЗА МУЛЬТИАГЕНТНОЙ АРХИТЕКТУРЫ

БЕСПИЛОТНЫХ АВИАЦИОННЫХ СИСТЕМ НА ОСНОВЕ

МОДУЛЬНОЙ ПРОЦЕДУРНОЙ ПАМЯТИ

И.А. Слепова, А.Л. Федер

Военно-космическая академия имени А.Ф. Можайского,

197198, Санкт-Петербург, ул. Ждановская, 13

Статья поступила в редакцию 3 мая 2026 г.

Аннотация. В статье представлен метод синтеза мультиагентной архитектуры беспилотных авиационных систем на основе модульной процедурной памяти. Целью исследования является разработка формализованного механизма динамической компоновки поведенческих модулей агентов роя беспилотных авиационных систем без применения нейросетевых методов обучения. Предложена алгебраическая модель мультиагентной системы. Каждый модуль процедурной памяти формализован как четверка, включающая предусловия, постусловия, исполнительный блок и тип синхронизации. Синтез архитектуры через эвристический алгоритм целенаправленного выбора совместимых процедур в графе зависимостей. Проведено имитационное моделирование на сценарии роя из 50 агентов. Научная новизна заключается в применении процедурной абстракции как основы динамического синтеза архитектуры роевых систем управления. Полученные результаты применимы в задачах распределенного мониторинга, поисково-спасательных операций и автономного патрулирования.

Ключевые слова: мультиагентные системы, беспилотные авиационные системы, процедурная память, роевые алгоритмы, распределенное планирование, синтез архитектуры, процедурная абстракция, динамическая компоновка, граф зависимостей, управление роем.

Автор для переписки: Федер Александр Львович, article_feder@mail.ru

Литература

1. Dorri A. et al. Multi-agent systems: A survey // Ieee Access. – 2018. – Т. 6. – С. 28573-28593. https://doi.org/10.1109/ACCESS.2018.2831228.

2. Леонов А.В., Чаплышкин В.А. Роевой интеллект для управления БПЛА в FANET // Молодой ученый. – 2016. – №. 12. – С. 314-317.

3. Цвийович А., Быковцев Ю., Манько С. Гибридный алгоритм исследования неизвестной среды мобильными роботами на основе алгоритмов ABC, PSO и Boids с механизмами памяти и межстайного обмена // Системная инженерия и инфокоммуникации. – 2026. – №. 2. – С. 11-18.

4. Тихонов М.К. Сравнительный анализ алгоритмов глубокого обучения с подкреплением DDPG, PPO и sac для управления беспилотным автомобилем в симуляторе CARLA // Научный результат. Информационные технологии. – 2024. – Т. 9. – №. 2. – С. 69-74. https://doi.org/10.18413/2518-1092-2024-9-2-0-8.

5. Скобелев П.О. и др. Применение онтологии в интеллектуальной системе распределенного управления группировкой малоразмерных космических аппаратов // Известия Самарского научного центра Российской академии наук. – 2015. – Т. 17. – №. 2-5. – С. 1119-1130.

6. Демидов Р.А., Зегжда П.Д. Унифицированная модель многоуровневых угроз нарушения информационной безопасности в сетях с динамической топологией // Интеллектуальные технологии на транспорте. – 2019. – №. 2 (18). – С. 10-14.

7. Ермилов А.С., Салтыкова О.А. Мультиагентные системы управления группой беспилотных летательных аппаратов // Наукоемкие технологии в космических исследованиях Земли. – 2025. – Т. 17. – №. 1. – С. 4-10. https://doi.org/10.36724/2409-5419-2025-17-1-4-10.

8. Van Dyke Parunak H., Brueckner S. Entropy and self-organization in multi-agent systems // Proceedings of the fifth international conference on Autonomous agents. – 2001. – С. 124-130.

9. Wooldridge M. An introduction to multiagent systems. – John wiley & sons, 2009.

10. Захаров Н.С., Харисов А.Р. Численное моделирование алгоритмов роевого управления для автономных групп беспилотных летательных аппаратов // Вестник науки. – 2025. – Т. 3. – №. 6 (87). – С. 1935-1945.

11. Петренко В.И. и др. Распределение задач в кластеризированном поле целей для гомогенных и гетерогенных групп БПЛА // Робототехника и техническая кибернетика. – 2023. – Т. 11. – №. 2. – С. 99-109. https://doi.org/10.31776/RTCJ.11203.

12. Bellemare M.G., Dabney W., Munos R.A distributional perspective on reinforcement learning // International conference on machine learning. – Pmlr, 2017. – С. 449-458.

13. Alonso-Mora J. et al. Collision avoidance for aerial vehicles in multi-agent scenarios // Autonomous Robots. – 2015. – Т. 39. – №. 1. – С. 101-121.

Для цитирования:

Слепова И.А., Федер А.Л. Метод синтеза мультиагентной архитектуры беспилотных авиационных систем на основе модульной процедурной памяти // Журнал радиоэлектроники. – 2026. – №. 6. https://doi.org/10.30898/1684-1719.2026.6.1