Рассмотрим многоагентную систему, состоящую из простейших реактивных агентов, которые способны достигать поставленных целей, согласовывать индивидуальные цели с общей целью всего коллектива, осуществлять распределение функций и ресурсов. Кроме того, остановимся на способности коллектива к саморегулированию по численности: задача заключается в оптимизации численности коллектива таким образом, чтобы повысить «уровень жизни» каждого агента. Это достигается благодаря установлению эффективного соотношения между числом агентов и объемом ресурсов внешней среды.
Впервые подобные задачи решались примерно 40 лет назад М.Л. Цетлиным и его школой с использованием вероятностных обучающихся автоматов. Основы поведения обучающихся автоматов, способных адаптироваться к среде, можно представить следующим образом. Автомат может воспринимать два входных сигнала: поощрение (удовлетворительное состояние агента в среде) и наказание (неудовлетворительное состояние агента в среде). Состояние автомата соответствует некоторому решению, принимаемому им в процессе взаимодействия со средой (другими автоматами). В процессе адаптации на основе откликов внешней среды автомат переходит в состояние, соответствующее лучшему решению.
Концептуальная схема работы подобной многоагентной системы такова такова. Коллектив из некоторого числа автоматов взаимодействует со средой. Каждый из них делает это самостоятельно, ничего не зная не только о действиях других членов коллектива, но и об их существовании (фактически, это означает условие безразличия агентов друг к другу).
Для подобного агента остальные участники коллектива как бы растворяются в окружающей среде, выступая по отношению к данному автомату как ее часть. В то же время коллектив автоматов может пониматься как единое целое. Его удобно интерпретировать как многоклеточный организм, который, будучи составленным из большого числа клеток, казалось бы независимых друг от друга, все же выступает как единое целое, объединенное общими целями и задачами. При этом совместное функционирование простых автоматов в сложной среде способно обеспечить устойчивое существование всего коллектива, который можно рассматривать как организацию, формируемую взаимодействующими агентами.
Рассматривая взаимодействие автоматов как функционирование некоторой многоагентной системы, необходимо рассматривать среду как нестационарную. В каждый момент принятия автоматами решений их среда представляет собой как бы мгновенную картинку состояния динамической среды. Эти картинки, меняясь, воссоздают динамическую среду. С помощью генерируемой последовательности случайных чисел с нормальным распределением выбирается реакция среды в зависимости от того, будет ли выпавшее число больше или меньше границы, определяющей получение реакции «поощрение» или «наказание». Изменение положения границы определяет изменение вероятностей получения реакции «поощрение» или «наказание», а, следовательно, и наличие динамики среды. В свою очередь, положение границы зависит от успешности или неудачи принятия решений всем коллективом автоматов.
Как проявляется способность коллектива простейших автоматов к саморегулированию (достижению некоторого оптимума) по численности в динамической внешней среде? Чтобы исследовать это, М.Л. Цетлин вначале устанавливал некоторые параметры среды, а потом отслеживал поведение коллектива автоматов в данной среде, определяя их общую линию поведения, а также характер приближения к оптимальной численности в среде, задаваемой конкретными условиями. Затем характеристики среды изменялись, и коллективное поведение изучалось в новых условиях. Изменение характера среды в основном сводилось к изменению вероятностей получения простейшими автоматами реакции «наказание» и «поощрение». Именно эти вероятности служат для определения среды как «дружелюбной», «нейтральной» или «враждебной», что уже в свою очередь влияет на поведение автоматов, их способность к размножению, выбор главной линии поведения (действие и глубина) и, в конечном итоге, на численность коллектива.
Оптимум численности коллектива характеризуется некоторой величиной, называемой «уровнем жизни». Он определяется как отношение общего количества «поощрений», полученного коллективом на данном шаге моделирования, к общему количеству автоматов (агентов) в сообществе на данном шаге моделирования. Таким образом, эффективность (жизнеспособность) данного коллектива задается «уровнем жизни» коллектива, который складывается из «уровней жизни» отдельных его членов. Чем больше «поощрений» получает сообщество, тем, казалось бы, выше его «уровень жизни». Но это вовсе не значит, что «уровень жизни» отдельных агентов также достигает своего наиболее высокого значения. В целом, совершенство организационной структуры коллектива следует поставить в зависимость от «уровня жизни» каждого отдельного агента (определяемого долей от общего количества «поощрений», полученного коллективом выше).
Ключевыми характеристиками рассмотренной модели коллективного поведения являются понятия рандомизации, самоорганизации и распределенности. Эта модель представляется достаточно перспективной для задач, характеризующихся большим количеством взаимодействий агентов с относительно простыми функциями и неизвестными вероятностными характеристиками. Можно смело утверждать, что модели коллективного поведения М.Л. Цетлина были исторически первым толкованием идей искусственной жизни.
