Kotelnikov Institute of Radio Engineering and Electronics of RAS Русский Sign in Submit a paper
Journal of Radio Electronics Online scientific journal · eISSN 1684-1719
2026, № 6 · RADIO ELECTRONICS RELATED PROBLEMS

A method for synthesizing a multi-agent architecture for unmanned aerial systems based on modular procedural memory

I.A. Slepova1, A.L. Feder1

1 Mozhaisky Military Aerospace Academy, St. Petersburg, Russia
Full text DOI: 10.30898/1684-1719.2026.6.1 UDC 004.33 EDN AVMHKO

Abstract

The article presents a method for synthesizing the multi-agent architecture of unmanned aircraft systems based on modular procedural memory. The aim of the study is to develop a formalized mechanism for the dynamic layout of behavioral modules of swarm agents of unmanned aircraft systems without the use of neural network learning methods. An algebraic model of a multi-agent system is proposed. Each module of procedural memory is formalized as a set of four, including preconditions, postconditions, an executive unit, and a type of synchronization. Synthesis of architecture through a heuristic algorithm for purposefully selecting compatible procedures in the dependency graph. Simulation modeling was carried out on the scenario of a swarm of 50 agents. The scientific novelty lies in the application of procedural abstraction as the basis for the dynamic synthesis of the architecture of swarm control systems. The results obtained are applicable in the tasks of distributed monitoring, search and rescue operations and autonomous patrolling.

  • multi-agent systems
  • unmanned aerial systems
  • procedural memory
  • swarm algorithms
  • distributed planning
  • architecture synthesis
  • procedural abstraction
  • dynamic assembly
  • dependency graph
  • swarm control
Аннотация (на русском)

Метод синтеза мультиагентной архитектуры беспилотных авиационных систем на основе модульной процедурной памяти

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.

For citation

Slepova I.A., Feder A.L. A method for synthesizing a multi-agent architecture for unmanned aerial systems based on modular procedural memory // Journal of Radio Electronics. – 2026. – No. 6. https://doi.org/10.30898/1684-1719.2026.6.1

References

  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.