Статьи

В статье рассмотрены модели жизненного цикла мобильных приложений и программные средства поддержки их разработки. Описаны особенности создания мобильных приложений, доступных для людей с ограниченными интеллектуальными возможностями. Одним из способов повышения доступности приложений является их адаптируемость. Такая настройка может потребовать поддержки динамического контента приложения, поэтому данные возможности необходимо предусматривать уже на этапах проектирования и реализации. Предложена модель жизненного цикла мобильных приложений для людей с ограниченными интеллектуальными возможностями, обеспечивающая сквозную поддержку этапов проектирования, реализации и эксплуатации. Разработана технология проектирования мобильных приложений на основе многомодульной архитектуры, включающая применение готовых архитектурных шаблонов для генерации базового кода приложения и повторное использование успешных проектных решений. Представлена технология проектирования адаптируемого интерфейса мобильных приложений, включающая разработку шаблонов экранов приложения, разделение элементов шаблонов на обязательные и опциональные элементы, сопоставление каждому элементу предопределенного набора возможных визуальных представлений на экране и прикрепление всех элементов по месту. Разработана система управления мобильными приложениями на основе CALS-технологии сквозной поддержки этапов проектирования, реализации и эксплуатации адаптируемых мобильных приложений. Предложен способ адаптации интерфейса мобильного приложения с помощью конфигурационной панели, встраиваемой в систему управления. Описан пример применения предложенных моделей, технологий и средств к разработке мобильной игры для тренировки навыков совершения покупок для людей с ограниченными интеллектуальными возможностями. Показано, что применение разработанной системы управления мобильными приложениями позволяет существенно сократить временные затраты на разработку приложений. Возможность применения шаблонов архитектур и готовых решений расширяет круг пользователей системы и делает ее доступной разработчикам, профессиональная деятельность которых связана с поддержкой людей с ограниченными интеллектуальными возможностями.

В настоящей статье рассматриваются аспекты применения методов машинного обучения к существующим способам моделирования поведения интеллектуальных агентов для обеспечения возможности агентам повысить показатели своей эффективности в моделях конкуренции. Практическая значимость исследования представлена разработкой подхода к моделированию поведения интеллектуальных агентов, за счет которого можно повысить эффективность их функционирования в таких сферах деятельности, как компьютерные игры, разработка беспилотных летательных аппаратов и поисковых роботов, изучение городской и транспортной мобильности, а также в прочих сложных системах. Проведен обзор существующих методов машинного обучения (обучение с подкреплением, глубокое обучение, Q-обучение) и способов моделирования поведения агентов (модель на правилах, конечно-автоматная модель поведения, деревья поведения). Выбрана наиболее подходящая к задаче комбинация метода обучения и модели поведения: деревья поведения и обучение с подкреплением. Средствами Unity реализована тестовая платформа, разработаны модели поведения четырех основных архетипов агентов, которые должны соревноваться в задаче сбора ресурсов в условиях ограниченного времени. Реализован обученный агент с помощью средств Unity ML и TensorFlow. На базе тестовой платформы проведена серия экспериментов в различных условиях: ограниченность, изобилие, среднее количество ресурсов. В рамках эксперимента тестировалась способность разработанной модели поведения интеллектуального агента выигрывать в условиях конкуренции с агентами, снабженными различными вариантами традиционных моделей поведения на базе деревьев поведения. Оценены работоспособность и преимущества использования разработанной модели поведения. Проанализированы результаты эксперимента, сделаны выводы относительно потенциала выбранной комбинации методов.