WIELOAGENTOWY SYSTEM DECYZYJNY Z DYNAMICZNIE GENEROWANYMI ROZŁĄCZNYMI KLASTRAMI

Transkrypt

1 STUDIA INFORMATICA 2013 Volume 34 Number 2A (111) Małgorzata PRZYBYŁA-KASPEREK Unwersytet Śląs, Instytut Informaty WIELOAGENTOWY SYSTEM DECYZYJNY Z DYNAMICZNIE GENEROWANYMI ROZŁĄCZNYMI KLASTRAMI Streszczene. Artyuł zawera zaganena zwązane z procesem poemowana ecyz globalnych na postawe wezy rozproszone, przechowywane w lu loalnych bazach wezy. W artyule zaproponowano nowe poeśce o organzac strutury systemu umożlwaącego poemowane ecyz na postawe wezy rozproszone. W prezentowanym poeścu rozpatrywany est system o ynamczne struturze. Bęzemy ążyć o wyznaczena grup loalnych baz wezy, na postawe tórych wyznaczane są zgone ecyze la obetu testowego. Następne w utworzonych grupach realzowany bęze proces elmnac nespónośc wezy. Decyze globalne poemowane są z wyorzystanem ene z meto analzy onfltu. Artyuł zawera efncę weloagentowego systemu ecyzynego o struturze ynamczne oraz efncę ynamczne generowanych lastrów. Przestawono ops procesu wyznaczana ecyz globalnych oraz wyn esperymentów przeprowazonych na anych z repozytorum UCI. Słowa luczowe: system ecyzyny, ecyza globalna, oalca, onflt DECISION-MAKING SYSTEM WITH DYNAMICALLY GENERATED DISJOINT CLUSTERS Summary. The paper nclues ssues relate to process of global ecson-mang on the bass of nowlege whch s store n several local nowlege bases. The paper proposes a new approach to organzaton of structure of mult-agent ecson-mang system, operatng on the bass of sperse nowlege. In the presente system, the local nowlege bases wll be combne nto groups n a ynamc way. We wll see to esgnate groups of local bases on whch the test obect s classfe to the ecson classes n a smlar manner. Then n the create groups a process of elmnaton nconsstences n the nowlege wll be mplemente. Global ecsons wll be mae by usng one of the methos of analyss of conflct. The paper nclues the efnton of mult-agent ecson-mang system wth ynamcally generate clusters an a escrpton of global ecson-mang process. In

2 276 M. Przybyła-Kaspere aton, the paper presents results of eperments carre out on ata from the UCI repostory. Keywors: ecson-mang system, global ecson, coalton, conflct 1. Wprowazene W nneszym artyule rozpatrywany est problem poemowana ecyz na postawe wezy rozproszone, przechowywane w welu loalnych bazach wezy. W baanym poeścu zostały przyęte barzo ogólne założena. Przyęto, że anych est la baz wezy zaweraących nformace na ten sam temat, ale o różnych zborach atrybutów. Zbory atrybutów warunowych zbory obetów loalnych baz wezy ne muszą być równe an rozłączne. Jeynym przyętym założenem est występowane tych samych atrybutów ecyzynych we wszystch rozważanych bazach wezy. W nneszym artyule zostało zaproponowane nowe poeśce o organzac strutury systemu, tóry wyorzystue wezę rozproszoną. We wcześneszych pracach [20, 24, 25, 26, 27, 28] rozważany był system, w tórym loalne bazy wezy o wspólnych atrybutach warunowych były łączone w grupę. Nowe poeśce opera sę na założenu, że ena grupa pownna zawerać bazy wezy, na postawe tórych oonywana est zgona lasyfaca la obetu testowego. W procese poemowana ecyz globalnych bazy wezy znauące sę w ene grupe polegaą agregac. W celu agregac wezy wyorzystywana est ena z meto elmnac nespónośc wezy, tóra została zaproponowana w pracach [25, 26]. Na postawe zagregowane wezy poemowane są ecyze loalne, w obrębe ene grupy. Poneważ wnosowane prowazone est w grupach baz wezy, stnee problem analzy onfltów. W artyule wyorzystywane są we metoy analzy onfltów, tóre zaproponowane zostały w pracach [24, 25, 28]. Głównym celem nneszego artyułu est zaproponowane systemu, w tórym bazy wezy są łączone w oalce w sposób ynamczny. Negocace oraz sposób tworzena oalc są ważną formą nterac społeczne przemotem baań różnych zezn nau społecznych oraz nformaty. Krót przeglą różnych moel negocac zaproponowanych w lteraturze można znaleźć w pracy [12]. Zeng Sycara [29] zaproponowal moel sewencynego poemowana ecyz o nazwe Bazar. Faratn n. [6] opsal moel wustronnych negocac, tóry efnue zbór strateg oraz trzy grupy taty. Lopes n. [11] omówl moel negocac formalzuący różne stratege rozwązywana problemów. Nguyen Jennngs [14] zaproponowal moel, w tórym upuący angażue sę w wele równoległych negocac wustronnych ze zborem sprzeawców. W pracach Pawlaa [15, 16, 18] opsane zostało poeśce o tworzena oalc. Opracowany moel opsue sytuacę onfltową, w tóre agenc postanowl rozwązać onflt

3 Weloagentowy system ecyzyny z ynamczne 277 rogą pooową. Zefnowane zostały relace onfltu, przyaźn neutralnośc. Ponato opsany został sposób formułowana oalc oraz przestawona została metoa oblczana natężena onfltu. W nneszym artyule wyorzystano netóre zaganena analzy onfltów tworzena oalc, tóre zostały zaprezentowane w moelu Zzsława Pawlaa. Analza onfltów ma swoe orzene w teor ger, w tóre eną z postawowych meto stosowanych o pomaru sły uczestnów głosowana est nes Shapleya-Shuba oraz nes Banzhafa. W pracy Polowsego Araszewcza [19] nes Shapleya-Shuba został zastosowany o analzy gry z nepełną nformacą. Ja wspomnano wcześne, een z moel analzy onfltów został zaproponowany przez Pawlaa [15, 18]. Inn autorzy równeż rozpatrywal zaganene analzy onfltów [4, 21]. Poemowane globalne ecyz na postawe ecyz loalnych est też rozważane w zaganenach otyczących poeśca welomoelowego [10]. Przyłay zastosowana tego poeśca można znaleźć w lteraturze [1, 23]. W nneszym artyule opsano omenne poeśce o poemowana ecyz globalnych. Główna różnca wyna z przyętego założena, że zbór loalnych baz wezy est zaany z góry. Natomast eynym warunem, a muszą spełnać bazy loalne, est występowane wspólnych atrybutów ecyzynych. W pracy Mchalsego Wotusaa [13] przestawono zaganene syntezy nformac. Autorzy rozważaą sytuacę, w tóre la obetów testowych ostępne są tylo wartośc atrybutów zagregowane w ramach pewne grupy obetów. W pracy Sowrona n. [22] zaproponowana została metoa onstruc szeregu moel, tóre tworzą struturę herarchczną. Powyższe metoy zostały opracowane w celu poprawy ołanośc lasyfac oonywane na postawe wezy zapsywane w ene baze wezy. Dlatego poeśca te różną sę o poeśca przestawonego w tym artyule, w tórym ecyze globalne poemowane są na postawe rozproszone wezy, przechowywane w zaanych z góry loalnych bazach wezy. W pracach [2, 3, 8, 9] można znaleźć nne (różne o tego, tóre est rozważane w nneszym artyule) poeśce o problemu lasyfac na postawe lu tablc ecyzynych. W metoach Dstrbute Data Mnng (DDM) załaa sę, że ane są gromazone przechowywane w lu tablcach ecyzynych, reprezentuących pozał horyzontalny lub wertyalny. Poeśce rozważane w nneszym artyule est szersze nż poeśce rozważane w DDM, poneważ załaa sę, że zarówno zbory atrybutów, a zbory obetów mogą być różne w różnych tablcach ecyzynych. W ruge częśc artyułu opsano nowe, ynamczne poeśce o tworzena strutury weloagentowego systemu ecyzynego. Poana została efnca weloagentowego systemu ecyzynego z ynamczne generowanym lastram. W rozzale trzecm wspomnano róto o metoze elmnac nespónośc wezy oraz o metoach analzy onfltów, tóre za-

4 278 M. Przybyła-Kaspere proponowano we wcześneszych pracach. Koleny rozzał zawera ops wyn esperymentów przeprowazonych na zborach anych z repozytorum UCI. 2. Dynamczna strutura systemu weloagentowego Ta a wspomnano wcześne, załaamy, że ostępny est zbór baz wezy, na postawe tórych chcemy wyznaczyć ecyze globalne. Przymuemy, że ażą loalną bazą wezy zarząza een agent. Dołane weza posaana przez agenta ograncza sę o ene loalne bazy wezy. Wyorzystywane w artyule poęce agenta zostało wprowazone przez Pawlaa w pracach [15, 16]. Zgone z tą efncą agent est stroną borącą uzał w onflce. Każy agent wyraża swoe zane na temat sprawy, czyl potraf samozelne poąć ecyzę la zaanego zboru przesłane. W przypau rozważanym w artyule agent poemue ecyze na postawe wezy zawarte w ene loalne baze wezy. Poęce to est omenne o lasycznego rozumena poęca agenta w systeme weloagentowym. Istneą tu ena pewne cechy wspólne. W pracy Franlna Graessera [7] uwzglęnono poęce agenta, tóre est zgone z tym wprowazonym przez Pawlaa. Zgone z tą efncą agent ma następuące własnośc. Perwszą est ego zolność o autonomczne pracy. Drugą własnoścą est zolność agenta o przeprowazana wnosowana w oreślone zezne. W artyule bęzemy wyorzystywać wa rozae agentów. Perwszym z nch est agent zasobów (ang. resource agent), tóry ma ostęp o własne, loalne bazy wezy, na postawe tóre może poąć ecyzę loalną w roze procesów wnosowana. Defnca 2.1. Nech bęze sończonym zborem agentów ag,, ag. Każy agent 1 n ag nazywany est agentem zasobów, gyż ma on ostęp o pewnych zasobów w postac tablcy ecyzyne D U A,, gze U ag est zborem zwanym unwersum, elementy zboru A ag est zborem atrybutów warunowych; ag ag, ag ag U ag nazywamy zaś obetam; ag nazywamy atrybutem ecyzynym. W tablcy ecyzyne ag weza posaana przez agenta ag. Każy agent zasobów D est zapsana ag na postawe wezy zawarte w tablcy ecyzyne potraf samozelne wyznaczyć wartość ecyz la pewnego obetu testowego, la tórego oreślone są wartośc na zborze atrybutów A ag. W zaproponowanym systeme bęzemy ążyć o wyznaczena enoronych, w pewnym sense, grup agentów zasobów. W grupy bęzemy łączyl tych agentów, tórzy są zgon co o lasyfac anego obetu testowego o las ecyzynych. W alsze częśc zefnuemy relacę przyaźn oraz onfltu agentów, a następne opszemy proces łączena agentów zasobów w lastry, czyl grupy agentów pozo- D ag

5 Weloagentowy system ecyzyny z ynamczne 279 staących w relac przyaźn. Defnce relac przyaźn oraz onfltu, a taże sposób oreślana natężena onfltu zostały zaczerpnęte z pracy Zzsława Pawlaa [15, 16]. Nech bęze obetem testowym, la tórego chcemy wyznaczyć ecyzę globalną. n Nech la obetu oreślone bęą wartośc na zborze atrybutów U 1 Aag. Z tablcy ecyzyne agenta zasobów 1 n D ag,,..., oraz z aże lasy ecyzyne X v, v V wyberamy namneszy zbór lczący co namne m 1 obetów, tórych wartośc na atrybutach warunowych realzuą nawęsze poobeństwo o obetu testowego. Parametr m 1 bęzemy oberać esperymentalne. W celu wyznaczena zboru obetów relewantnych oblczana est mara poobeństwa Gowera obetów, tóre efncę można znaleźć w pracy [28]. Zatem la ażego obetu z tablcy ecyzyne agenta zasobów D ag oblczamy marę poobeństwa Gowera o obetu. Następne z aże lasy ecyzyne X v wyberamy m 1 obetów, tóre realzuą nawęsze poobeństwo, przy czym eżel węce nż een obet z tablcy ecyzyne agenta zasobów lasy ecyzyne X v est ta samo poobny o obetu a m 1 -ty obet, to po uwagę berzemy obety blższe obetow nż m 1 -ty obet oraz wszyste obety ta samo poobne o obetu a m 1 -ty obet. Przez m 1 -ty rozumemy ta obet, tóry w cągu obetów należących o lasy ecyzyne X v, uporząowanych maleąco weług wartośc mary poobeństwa o obetu znaue sę na m 1 mescu. W przypau gy car U ag : v m1, to o zboru obetów relewantnych zalczamy wszyste obety z lasy ecyzyne X v. Następne la ażego agenta zasobów generowany est wetor wartośc oreślaący pozom pewnośc, z am poemue on aną ecyzę la obetu testowego. Każy z pozomów pewnośc oreślany est na postawe obetów wybranych wcześne z tablcy ecyzyne agenta zasobów. Zatem la ażego agenta zasobów 1,...,n generowany est c-wymarowy wetor, 1,...,, c, gze wartość, oznacza pewność, z aą obet lasyfowany est o lasy ecyzyne v V, 1,..., c, c carv przez agenta zasobów ag. Wartość wyrażena efnuemy c carv, agenta zasobów następuąco:, rel s(, y) yu X ag ag v, ( ), 1,..., n, 1,..., c, gze rel ag car U X ag rel U ag est zborem obetów relewantnych wybranych z tablcy ecyzyne ag, v ag X v est lasą ecyzyną tablcy ecyzyne agenta zasobów ag, s (, y) est marą poobeństwa obetów oraz y. Na postawe powyższego wetora wartośc oreślaącego pozom pewnośc, z am agent zasobów poemue aną ecyzę la obetu testowego, oreślany est wetor rang przyporząowanych poszczególnym wartoścom atrybutu ecyzynego. Wartośc ecyz,

6 280 M. Przybyła-Kaspere tóre poemowane są z masymalnym pozomem pewnośc, otrzymuą rangę 1. Wartoścom ecyz poemowanym z masymalnym pozomem pewnośc w zborze ecyz, tóre ne otrzymały rang 1, przyporząowana est ranga 2. Przy tam postępowanu la ażego agenta zasobów ag, 1,..., n wyznaczony zostane wetor rang r, 1,..., r, c. Przyła 2.1. Nech la -tego agenta zasobów any bęze wetor wartośc oreślaący pozom pewnośc, z am poemue on aną ecyzę la obetu testowego 0,24; 0,45; 0,21; 0,09., 1,...,, 4 Wówczas wetor rang przyporząowanych poszczególnym wartoścom atrybutu ecyzynego bęze mał następuącą postać: r r 2;1; 3; 4., 1,...,, 4 Przezemy teraz o poana efnc relac przyaźn oraz onfltu. Relace męzy agentam są zefnowane przez ch poglą na lasyfacę obetu testowego o las ecyzynych. Dla obetu testowego oraz aże wartośc ecyz v : 0,1, oreśloną następuąco: v V efnuemy funcę 0 gy r r,, ag, ag, (1) v 1 gy r, r, gze ag, ag. Defnca 2.2. enc ag, ag są w relac przyaźn wzglęem lasyfac obetu o lasy ecyzyne v V, co zapsuemy ag ag, v ag, ag 0. Rv, wtey tylo wtey, gy enc ag, ag są w relac onfltu wzglęem lasyfac obetu o lasy ecyzyne v V, co zapsuemy ag ag, v ag, ag 1. Rv, wtey tylo wtey, gy Następne oreślamy natężene onfltu pomęzy agentam za pomocą func oległo- śc agentów. Dla obetu testowego efnuemy oległość agentów : [0,1 ] w następuący sposób: ag ag Defnca 2.3. Mówmy, że agenc ag, ag są w relac przyaźn wzglęem lasyfac obetu, co zapsuemy ag ag, enc, v V v ag ag,, gze ag, ag. car V, R wtey tylo wtey, gy ag, ag 0,5. ag, ag są w relac onfltu wzglęem lasyfac obetu, co zapsuemy ag ag,, R wtey tylo wtey, gy ag, ag 0,5. Korzystaąc z powyższe efnc func oległośc agentów, wyznaczamy oległośc pomęzy ażą parą agentów zasobów. Następne rozpoczynamy proces generowana la-

7 Weloagentowy system ecyzyny z ynamczne 281 strów w następuący sposób. Początowo aży agent est tratowany ao ozelny laster. Ponższe wa ro wyonuemy opóty, opó ne zostane spełnony warune stopu zaany w perwszym rou. 1. Wyberamy parę różnych lastrów (w perwszym rou parę różnych agentów zasobów), la tórych funca oległośc przymue wartość mnmalną. Jeśl wybrana wartość func oległośc est mnesza nż 0,5, to łączymy agentów z wybrane pary lastrów w een nowy laster. W przecwnym wypau ończymy proces tworzena lastrów. 2. Po zefnowanu nowego lastera przelczamy ponowne wartość func oległośc pomęzy lastram. W tym celu rozszerzymy efncę func oległośc w następuący sposób: : 2 2 [0,1 ]. Nech D bęze lastrem powstałym z połączena wóch lastrów D D, 1 D, 2 oraz nech bęze any laster D, wówczas D,1, D D,2, D gy D,1, D 0,5 oraz D,2, D 2 D, D, D, D gy D, D 0,5 lub D, D 0,5 D, D ma,1,2,1,2 0,5 Proces tworzena lastrów est barzo poobny o herarchczne aglomeracyne metoy grupowana. Jena w powyższe metoze występue wyraźne oreślony warune stopu. Wyna on z założena, że een laster ne może zawerać wóch agentów zasobów, tórzy pozostaą w relac onfltu ze wzglęu na lasyfacę obetu. Po zaończenu procesu grupowana la ażego lastra zaweraącego co namne wóch agentów zasobów efnuemy agenta syntezy as (ang. synthess agent). ent syntezy ma ostęp o wezy bęące wynem procesu wnosowana przeprowazonego przez agentów zasobów należących o grupy emu porzęne. Defnca 2.4. Przez weloagentowy system ecyzyny o struturze ynamczne bęzemy yn rozumel czwórę, D : ag, As : est obetem testowym, : est obetem testowym, ag gze est sończonym zborem agentów zasobów, D ag : ag est zborem tablc ecyzynych agentów zasobów, As est sończonym zborem agentów syntezy zefnowanym la lastrów ynamczne generowanych wzglęem obetu testowego, : As 2 est różnowartoścową funcą przyporząowuącą ażemu agentow syntezy een laster ynamczne generowany wzglęem obetu testowego.

8 282 M. Przybyła-Kaspere 3. Metoy elmnac nespónośc wezy analzy onfltów Po zaończenu procesu grupowana realzowany est proces elmnac nespónośc wezy w obrębe lastrów. Do tego celu zastosowano zaproponowaną we wcześneszych pracach aprosymacyną metoę agregac tablc ecyzynych [20, 25, 27, 28]. Istotą te metoy est stworzene zboru nowych tablc ecyzynych na postawe tablc ecyzynych agentów zasobów. Lczba stworzonych tablc est równa lczbe lastrów zaweraących co namne wóch agentów zasobów, wyorębnonych w weloagentowym systeme ecyzynym. W metoze te aży agent syntezy ysponue zasobam poanym w forme tablcy ecyzyne, tóra powstała przez agregace obetów relewantnych wybranych z tablc ecyzynych agentów zasobów, należących o lastra porzęnego wobec anego agenta syntezy. Tablce zagregowane agentów syntezy są onstruowane ta, aby ne zawerały wezy nespóne. Obety tablcy zagregowane tworzone są przez połączene obetów wybranych wcześne z tablc agentów zasobów porzęnych, przy czym łączymy te obety, la tórych wartośc na atrybuce ecyzynym oraz wspólnych atrybutach warunowych są równe. Analza onfltów realzowana est po wyonanu procesu elmnac nespónośc wezy, gyż wówczas agenc syntezy maą ostęp o wezy, na postawe tóre mogą poąć ecyzę loalną o zasęgu enego lastra. Konfltem nazywamy sytuacę, w tóre agenc syntezy na postawe ostępne wezy poemuą sprzeczne ecyze la zaanego obetu testowego. W artyule zastosowano we metoy rozwązana problemu analzy onfltu: głosowane ważone oraz metoę algorytmu gęstoścowego. Metoy te zostały zaproponowane we wcześneszych pracach [20, 25, 27, 28]; umożlwaą one analzowane onfltów oraz generowane zboru ecyz globalnych. Po realzac procesu elmnac nespónośc wezy la ażego lastra generowany est wetor wartośc, 1,...,, c oreślaący pozom pewnośc, z aą poemowana est ana ecyza la zaanego obetu testowego. W metoze głosowana ważonego aży agent syntezy głosue na poszczególne wartośc ecyz z słą głosu równą wartośc współrzęne wetora opowaaące ane ecyz. Zbór ecyz globalnych poętych z zastosowanem metoy głosowana ważonego efnuemy przez wybrane ecyz, tóre są poemowane z masymalnym pozomem pewnośc. W metoze algorytmu gęstoścowego zastosowano znany z lteratury algorytm gęstoścowy DBSCAN [5] w celu wygenerowana grup ecyz, tóre są przez agentów poemowane z poobnym pozomem pewnośc. Algorytm ten polega na poszuwanu grup elementów gęsto ułożonych. Postawą załana tego algorytmu est efnowane grupy w sytuac, gy w sąseztwe anego elementu (o zaanym promenu ε) znaue sę co namne z góry zaana lczba elementów (MnPts). W ten sposób wyszuwane są elementy, tóre w zaanym sense (oreślonym przez parametry) są gęsto ułożone. W sytuac rozważane w nne-

9 Weloagentowy system ecyzyny z ynamczne 283 szym artyule zborem elementów polegaących grupowanu est zbór V, natomast oległość wóch wartośc ecyz est zależna o pozomu pewnośc, z aą ecyza est poemowana. Stosuąc algorytm DBSCAN z oległoścą eulesową, wyznaczamy grupy ecyz, tóre maą poobne poparce wśró agentów syntezy. Zborem poętych ecyz globalnych est grupa ecyz, o tóre należy wartość ecyz z nawęszym poparcem wszystch agentów syntezy. W pracy [27] przestawono porównane poprawnośc lasyfac oonywane przy zastosowanu różnych meto analzy onfltów, m.n. przy zastosowanu algorytmu gęstoścowego oraz algorytmu mrówowego. Na postawe otrzymanych wynów stwerzono, że nalepsze wyn są otrzymywane przy zastosowanu algorytmu gęstoścowego DBSCAN. 4. Wyn esperymentów oblczenowych Przestawmy teraz wyn esperymentów wyonanych na czterech różnych zborach anych, tóre ostępne są w repozytorum UCI repostory [ MLRepostory.html]. Wybrano następuące zbory: Soybean Data Set, Dermatology Database, Vehcle Slhouettes oraz Lansat Satellte. W celu oreślena efetywnośc wnosowana weloagentowego systemu ecyzynego w onesenu o analzowanych anych oonuemy pozału zborów anych na wa rozłączne pozbory: zbór uczący oraz zbór testowy. Charaterysty lczbowe wszystch zborów anych zostały zebrane w tabel 1. Charaterysty zborów anych Tabela 1 Zbór anych # Zbór uczący # Zbór testowy # Atrybuty warunowe # Decyze Soybean Dermatology Vehcle Satellte Weloagentowy system ecyzyny umożlwa poemowane ecyz globalnych na postawe wezy rozproszone. Aby w pełn zbaać możlwośc ocenć efetywność wnosowana systemu, wymagane est ostarczene wezy zapsane w forme zboru tablc ecyzynych. W celu wyonana esperymentów oonano pozału ażego zboru uczącego na zbór tablc ecyzynych, przy czym rozpatrywano pozały na różną lczbę tablc ecyzynych. Dla ażego z wyorzystywanych zborów anych rozważano weloagentowe systemy ecyzyne w wers z 3, 5, 7, 9 oraz 11 agentam zasobów. Pozał zboru uczącego na tablce ecyzyne agentów zasobów był realzowany w następuący sposób. W perwszym rou oreślono lczbę atrybutów warunowych w aże

10 284 M. Przybyła-Kaspere z tablc ecyzynych agentów zasobów oraz wsazano lczbę wspólnych atrybutów warunowych tablc. Następne w sposób losowy efnowano zbory atrybutów warunowych tablc ecyzynych, ta aby spełnone były zaane wcześne warun oraz aby aży atrybut warunowy występuący w zborze uczącym został uwzglęnony przynamne w enym z efnowanych zborów. Atrybut ecyzyny w tablcach ecyzynych est tożsamy z atrybutem ecyzynym w zborze uczącym. W ażym zborze unwersum tablc ecyzynych agentów zasobów uwzglęnono wszyste obety ze zboru uczącego. Maram oreślaącym aość lasyfac są: estymator atualnego pozomu błęu lasyfatora (e), gze za nepoprawne slasyfowany przyła uważamy obet, tórego lasa ecyzyna ne należy o zboru ecyz globalnych wygenerowanych przez algorytm; estymator atualnego pozomu błęu weloznacznośc lasyfatora (e ONE ), w tórym obet uważamy za poprawne slasyfowany, eśl tylo ena poprawna wartość ecyz została wygenerowana przez algorytm; śrena lczebność zborów ecyz globalnych wygenerowanych la obetów ze zboru testowego ( ). Esperymenty przeprowazono weług następuącego planu: 1. W perwszym rou wyberana była optymalna wartość parametru m 1, tóry wpływa na postać lastrów, oraz optymalna wartość parametru m 2 aprosymacyne metoy agregac tablc ecyzynych. Dla małych śrench zborów anych stosowano wartośc parametrów m 1, m 2 należące o zboru {1,,10}, natomast la użego zboru anych Lansat Satellte baano wartośc ze zboru {1,,5}. Dla ażego systemu wyberano eną, namneszą wartość parametru m 1 oraz parametru m 2 pozwalaącą osągnąć nanższą wartość estymatora atualnego pozomu błęu lasyfatora opartego na zborze testowym. 2. W rugm rou optymalzowane były wartośc parametrów ε oraz MnPts algorytmu gęstoścowego przy zastosowanu aprosymacyne metoy agregac tablc ecyzynych, oznaczone ao A(m 2 )G(ε; MnPts). Optymalna wartość parametru MnPts była ustalana na postawe esperymentów wstępnych. Następne la obrane wartośc parametru MnPts optymalzowano wartość parametru ε. Proces ten był realzowany przez wyonane welu esperymentów z zastosowanem wartośc parametru ε, tóre były zwęszane o 0 o wartośc progowe o zaaną stałą. Późne tworzono wyres, na tórym zaznaczano punty o współrzęnych, e, uporząowane rosnąco wzglęem wartośc parametru ε. Dale na wyrese wyznaczano punty, la tórych stwerzono nawęszą poprawę efetywnośc wnosowana. Punty te spełnaą następuący warune: na lewo o anego puntu można zauważyć wyraźny spae wartośc estymatora atualnego pozomu błęu lasyfatora, natomast na prawo o puntu następue uż neznaczny spae wartośc tego estymatora wraz ze wzrostem wartośc parametru ε.

11 Weloagentowy system ecyzyny z ynamczne 285 Esperymenty ze zborem anych Soybean W tabel 2 przestawono wyn esperymentów ze zborem anych Soybean, natomast w tabel 3 przytoczono wyn la tego zboru anych zameszczone w pracy [27], tóre otrzymano la weloagentowego systemu ecyzynego z lastram zefnowanym statyczne. W poeścu statycznym w lastry łączen są agenc zasobów, tórzy wnosuą na postawe wspólnych atrybutów warunowych. Tabela 2 Wyn esperymentów ze zborem anych Soybean ynamczne generowane rozłączne lastry System Algorytm e e ONE t 1 m 1 1 A(1)G(0,00645;2) 0,064 0,287 2,082 0,03 A(1)G(0,0072;2) 0,026 0,319 2,401 0,03 2 m 4 1 A(1)G(0,013;2) 0,043 0,285 1,545 0,05 A(1)G(0,01575;2) 0,019 0,311 2,059 0,05 3 m 6 1 A(1)G(0,0135;2) 0,019 0,279 1,598 0,07 A(1)G(0,01875;2) 0,016 0,306 2,008 0,07 m1 1 4 A(1)G(0,006;2) 0,043 0,261 1,529 0,06 m1 1 5 A(4)G(0,005;2) 0,037 0,327 1,838 4,22 Tabela 3 Wyn esperymentów ze zborem anych Soybean statyczne zefnowane lastry System Algorytm e e ONE t 1 A(1)G(0,0025;2) 0,027 0,295 2,005 0, A(1)G(0,00575;2) 0,035 0,327 1,968 0,02 A(1)G(0,0035;2) 0,093 0,242 1,335 0,02 A(1)G(0,00575;2) 0,008 0,306 1,968 0,03 A(1)G(0,00375;2) 0,024 0,274 1,559 0,03 4 A(1)G(0,0108;2) 0,058 0,319 1,755 0,03 5 A(1)G(0,0128;2) 0,029 0,309 1,755 0,03 A(1)G(0,0084;2) 0,090 0,253 1,298 0,03 W tabelach 2 oraz 3 poane są następuące nformace: nazwa weloagentowego systemu ecyzynego (System) oraz oznaczene algorytmu (Algorytm), w tórym perwsza część symbolzue metoę elmnac nespónośc wezy, a ruga metoę analzy onfltów. Przyęto następuące oznaczena: A(m 2 ) aprosymacyna metoa agregac tablc ecyzy-

12 286 M. Przybyła-Kaspere nych z parametrem m 2, W metoa głosowana ważonego, G(ε, MnPts) metoa algorytmu gęstoścowego z parametram ε oraz MnPts. Wartośc trzech omówonych wcześne mar: e, e ONE,, wyrażony w mnutach czas potrzebny o analzy zboru testowego t. Na postawe wynów esperymentów zameszczonych w tabelach 2 oraz 3 można wycągnąć następuące wnos: la weloagentowych systemów ecyzynych z 5 oraz 9 agentam zasobów w przypau gy lastry są generowane ynamczne otrzymuemy, 2 4 lepsze wyn nż la weloagentowego systemu ecyzynego ze statyczne zefnowanym lastram; la weloagentowego systemu ecyzynego z 3 agentam zasobów 1 w przypau gy lastry są generowane ynamczne uzysuemy tę samą wartość estymatora atualnego pozomu błęu lasyfatora (e) co la weloagentowego systemu ecyzynego ze statyczne zefnowanym lastram, ale przy węsze śrene lczebnośc zborów ecyz globalnych ; la weloagentowego systemu ecyzynego z 7 agentam zasobów 3 oraz la śrene lczebnośc zborów ecyz globalnych w przyblżenu równe 1,6 w przy- pau gy lastry są generowane ynamczne uzysuemy nższe wartośc estymatora atualnego pozomu błęu lasyfatora (e), natomast la śrene lczebnośc zborów ecyz globalnych w przyblżenu równe 2 w przypau gy lastry są gene- rowane ynamczne uzysuemy wyższe wartośc estymatora atualnego pozomu błęu lasyfatora (e); la weloagentowego systemu ecyzynego z 11 agentam zasobów 5 w przypau gy lastry są generowane ynamczne otrzymuemy gorsze wyn nż la weloagentowego systemu ecyzynego ze statyczne zefnowanym lastram. Esperymenty ze zborem anych Dermatology W tabel 4 przestawono wyn esperymentów ze zborem anych Dermatology, natomast w tabel 5 przytoczono wyn zameszczone w pracy [27], tóre otrzymano la weloagentowego systemu ecyzynego z lastram zefnowanym statyczne. Oznaczena występuące w tabelach 4 oraz 5 są tae same a w tabelach 2 oraz 3. Na postawe wynów esperymentów zameszczonych w tabelach 4 oraz 5 można stwerzć, że la wszystch rozważanych typów weloagentowych systemów ecyzynych zastosowane ynamczne generowanych lastrów wpłynęło na poprawę efetywnośc wnosowana po wzglęem wartośc estymatora atualnego pozomu błęu lasyfatora (e) lub śrene lczebnośc zborów ecyz globalnych ( ).

13 Weloagentowy system ecyzyny z ynamczne 287 Tabela 4 Wyn esperymentów ze zborem anych Dermatology ynamczne generowane rozłączne lastry System Algorytm e e ONE t 1 A(1)G(0,0048;2) 0 0,073 0,073 0,02 m 1 1 A(1)G(0,0021;2) 0,009 0,018 1,009 0,02 2 A(7)G(0,00705;2) 0 0,082 1,091 0,03 m 2 1 A(7)G(0,00165;2) 0,009 0,045 1,036 0,03 3 A(1)G(0,009;2) 0 0,073 1,082 0,02 m 5 1 A(1)G(0,00375;2) 0,009 0,073 1,064 0,02 4 A(1)G(0,01185;2) 0 0,073 1,073 0,03 m 5 1 A(1)G(0,01005;2) 0,009 0,073 1,064 0,03 5 A(1)G(0,02875;2) 0 0,173 1,236 0,03 m 5 1 A(1)G(0,00465;2) 0,009 0,055 1,045 0,03 Tabela 5 Wyn esperymentów ze zborem anych Dermatology statyczne zefnowane lastry System Algorytm e e ONE t A(1)G(0,0015;2) 0 0,091 1,100 0,01 A(1)G(0,0005;2) 0,009 0,018 1,009 0,01 A(1)G(0,00575;2) 0 0,273 1,427 0,01 A(1)G(0,0015;2) 0,055 0,155 1,100 0,01 A(1)G(0,0095;2) 0,009 0,255 1,318 0,01 A(1)G(0,006;2) 0,027 0,191 1,191 0,01 A(1)G(0,012;2) 0,009 0,200 1,291 0,01 A(1)G(0,00725;2) 0,018 0,155 1,145 0,01 A(1)G(0,00925;2) 0 0,136 1,191 0,01 A(1)G(0,00625;2) 0,009 0,118 1,118 0,01 Esperymenty ze zborem anych Vehcle Slhouettes W tabel 6 przestawono wyn esperymentów ze zborem anych Vehcle Slhouettes, natomast w tabel 7 przytoczono wyn zameszczone w pracy [27], tóre otrzymano la weloagentowego systemu ecyzynego z lastram zefnowanym statyczne. Oznaczena występuące w tych tabelach są tae same a we wcześneszych tabelach.

14 288 M. Przybyła-Kaspere Tabela 6 Wyn esperymentów ze zborem anych Vehcle Slhouettes ynamczne generowane rozłączne lastry System Algorytm e e ONE t 1 A(2)G(0,0051;2) 0,138 0,476 1,528 0,06 m 2 1 A(2)G(0,0018;2) 0,209 0,358 1,224 0,06 2 A(10)G(0,0069;2) 0,181 0,516 1,528 0,11 m 1 1 A(10)G(0,003;2) 0,244 0,421 1,236 0,11 3 A(10)G(0,0087;2) 0,130 0,492 1,500 0,24 m 6 1 A(10)G(0,00435;2) 0,205 0,398 1,260 0,24 4 A(4)G(0,00615;2) 0,177 0,528 1,516 0,10 m 1 1 A(4)G(0,0033;2) 0,260 0,429 1,244 0,10 5 A(5)G(0,00615;2) 0,138 0,516 1,512 0,22 m 4 1 A(5)G(0,003;2) 0,197 0,398 1,232 0,22 Tabela 7 Wyn esperymentów ze zborem anych Vehcle Slhouettes statyczne zefnowane lastry System Algorytm e e ONE t A(20)G(0,00225;2) 0,106 0,492 1,524 0,32 A(20)G(0,00125;2) 0,177 0,378 1,236 0,32 A(17)G(0,0035;2) 0,154 0,508 1,535 0,16 A(17)G(0,0015;2) 0,244 0,406 1,224 0,16 A(1)G(0,00525;2) 0,161 0,543 1,520 0,04 A(1)G(0,0025;2) 0,240 0,457 1,260 0,04 A(1)G(0,00375;2) 0,189 0,504 1,512 0,04 A(1)G(0,002;2) 0,272 0,453 1,248 0,04 A(1)G(0,00475;2) 0,146 0,500 1,512 0,04 A(1)G(0,0025;2) 0,213 0,406 1,256 0,04 Na postawe wynów esperymentów zameszczonych w tabelach 6 oraz 7 można wycągnąć następuące wnos: la weloagentowych systemów ecyzynych z 7, 9 oraz 11 agentam zasobów w przypau gy lastry są generowane ynamczne,, otrzymuemy znaczne lepsze wyn nż la weloagentowego systemu ecyzynego ze statyczne zefnowanym lastram;

15 ] Weloagentowy system ecyzyny z ynamczne 289 la weloagentowych systemów ecyzynych z 3 oraz 5 agentam zasobów w przypau gy lastry są generowane ynamczne otrzymuemy, 1 2 gorsze wyn nż la weloagentowego systemu ecyzynego ze statyczne zefnowanym lastram. Esperymenty ze zborem anych Lansat Satellte Tabela 8 Wyn esperymentów ze zborem anych Lansat Satellte ynamczne generowane rozłączne lastry System Algorytm e e ONE t m A(5)G(0,00225;2) 0,033 0,330 1,736 6,00 2 m 1 1 A(3)G(0,0022;2) 0,047 0,215 1,235 6,30 A(3)G(0,0053;2) 0,012 0,402 1,724 6,30 3 m 2 1 A(3)G(0,0029;2) 0,046 0,245 1,263 7,25 A(3)G(0,0057;2) 0,015 0,401 1,720 7,25 4 m 2 1 A(4)G(0,0032;2) 0,047 0,236 1,252 8,30 A(4)G(0,0064;2) 0,013 0,378 1,644 8,30 5 m 1 1 A(3)G(0,0042;2) 0,041 0,232 1,255 7,50 A(3)G(0,01;2) 0,011 0,425 1,764 7,50 Tabela 9 Wyn esperymentów ze zborem anych Lansat Satellte statyczne zefnowane lastry System Algorytm e e ONE t 1 A(10)G(0,0014;2) 0,042 0,401 1,757 4, A(1)G(0,0031;2) 0,012 0,396 1,744 3,08 A(1)G(0,0012;2) 0,047 0,221 1,23 3,08 A(7)G(0,0046;2) 0,012 0,381 1,716 4,55 A(7)G(0,0022;2) 0,047 0,232 1,255 4,55 A(10)G(0,0057;2) 0,02 0,348 1,698 6,32 A(10)G(0,00285;2) 0,052 0,216 1,229 6,32 A(1)G(0,00585;2) 0,01 0,4 1,733 3,25 A(1)G(0,00285;2) 0,048 0,23 1,259 3,25 W tabel 8 przestawono wyn esperymentów ze zborem anych Lansat Satellte, natomast w tabel 9 przytoczono wyn zameszczone w pracy [27], tóre otrzymano la

16 290 M. Przybyła-Kaspere weloagentowego systemu ecyzynego z lastram zefnowanym statyczne. Oznaczena występuące w tych tabelach są tae same a we wcześneszych tabelach. Na postawe wynów esperymentów zameszczonych w tabelach 8 oraz 9 można stwerzć, że la wszystch rozważanych typów weloagentowych systemów ecyzynych zastosowane ynamczne generowanych lastrów wpłynęło na poprawę efetywnośc wnosowana po wzglęem wartośc estymatora atualnego pozomu błęu lasyfatora (e) lub śrene lczebnośc zborów ecyz globalnych ( ). W nneszym artyule pracy przeprowazono wele testów metoą tran an test la weloagentowego systemu ecyzynego o ynamczne struturze z wyorzystanem rozproszonych zborów anych. Ta a wspomnano wcześne, w systeme rozpatrywanym w artyule przyęto barzo ogólne założena; zbory atrybutów warunowych oraz zbory obetów różnych loalnych baz wezy ne muszą być równe an też rozłączne. Ponato ne są przechowywane aeolwe entyfatory obetów znauących sę w różnych loalnych bazach wezy. Przyęce ta ogólnych założeń powoue, że ne ma możlwośc sprawzena, czy w różnych loalnych bazach wezy przechowywane są te same obety, oraz ewentualnego zentyfowana, tóre obety są enaowe, co z ole powoue, że zastosowane metoy -rotne walac rzyżowe stae sę nemożlwe przy enoczesnym zachowanu ogólnośc. Dołane wyna to z założena, że mamy wezę zapsaną w postac welu loalnych baz wezy (tóre są zaane z góry), natomast zbór testowy est zapsany w ene tablcy, w tóre zbór atrybutów warunowych est równy sume zborów atrybutów warunowych loalnych baz wezy. Przy zastosowanu metoy roswalac należałoby z aże tablcy ecyzyne wylosować pewną próbę testową. Przy przyętych założenach ne ma możlwośc zentyfowana, czy wylosowane zostały te same obety z poszczególnych loalnych baz wezy. Zatem ne ma możlwośc wygenerowana ene tablcy ecyzyne z wybranego zboru próbe testowych. Jena z uwag na ompletność testów poęto próbę zastosowana metoy -rotne walac rzyżowe. W tym celu oneczne było ostąpene o ogólnośc założeń. Po perwsze, we wszystch loalnych bazach wezy zostały uwzglęnone te same obety, po ruge, przyęto, że aży obet ma przypsany entyfator. Losowane próby testowe przebegało w następuący sposób. Wylosowano pewen zbór entyfatorów obetów, a następne z aże loalne bazy wezy wybrano ten sam zbór obetów o wylosowanych entyfatorach. Dzę temu możlwe było wygenerowane ene tablcy ecyzyne z wybranego zboru próbe testowych. Pozostałe, newylosowane obety loalne bazy wezy stanowły w anym rou -rotne walac rzyżowe zbór trenngowy. Wyn otrzymane metoą 10-rotne walac rzyżowe były barzo zblżone o wynów uzysanych metoą tran an test. W nneszym artyule ne przytoczono wynów otrzymanych metoą 10-rotne walac rzyżowe z uwag na ego ogranczoną ługość.

17 Weloagentowy system ecyzyny z ynamczne Posumowane W artyule zaproponowano nowe poeśce o tworzena strutury weloagentowego systemu ecyzynego. W poeścu tym zastosowano ynamczne generowane rozłączne lastry. W lastry łączen są agenc, tórzy są zgon co o lasyfac anego obetu testowego o las ecyzynych. Porównano wyn esperymentów uzysanych la systemu z ynamczne generowanym rozłącznym lastram z wynam otrzymanym przy zastosowanu statyczne zefnowanych lastrów. Zauważono, że la węszośc rozważanych typów weloagentowych systemów ecyzynych zastosowane ynamczne generowanych rozłącznych lastrów wpłynęło na poprawę efetywnośc wnosowana w porównanu ze statycznym poeścem o tworzena lastrów. Rys. 1. Porównane systemu z ynamczne generowanym rozłącznym lastram oraz systemu ze statyczne zefnowanym lastram Fg. 1. Comparson of system wth ynamcally generate sont clusters an system wth statcally efne clusters Dla potwerzena tego stwerzena opracowano wyres porównawczy rama wąsy la otrzymanych w czase esperymentów wartośc błęu lasyfatora (rysune 1). Na wyrese wyraźne wać, że śrena wartość błęu lasyfatora onotowana la systemu z ynamczne generowanym rozłącznym lastram est nższa nż śrena wartość błęu lasyfatora la systemu ze statyczne zefnowanym lastram.

18 292 M. Przybyła-Kaspere BIBLIOGRAFIA 1. Bazan J., Peters J., Sowron A., Nguyen H., Szczua M.: Rough set approach to pattern etracton from classfers. Electronc Notes n Theoretcal Computer Scence 82, Elsever Scence Publshers, Caragea D.: Learnng Classfers from Dstrbute, Semantcally Heterogeneous, Autonomous Data Sources. PhD thess, Iowa State Unversty, USA Chawla N., Eschrch S., Hall L.: Creatng Ensembles of Classfers. IEEE Internatonal Conference on Data Mnng, 2001, s Dea R.: Conflct Analyss, Rough Sets; New Developments, [n:] Polows L. (e.): Stues n Fuzzness an Soft Computng, Physcal-Verlag, Ester M., Kregel H., Saner J., Xu X.: A Densty-Base Algorthm for Dscoverng Clusters n Large Spatal Databases wth Nose. Proceengs of 2n Internatonal Conference on Knowlege Dscovery an Data Mnng, KDD, 1996, s Faratn P., Serra C., Jennngs N.: Usng Smlarty Crtera to mae ssue trae-offs n automate negotatons. Artfcal Intellegence Journal, Vol. 142, No. 2, 2002, s Franln, S., Graesser, A.: Is t an ent, or ust a Program A Taonomy for Autonomous ents. Proceengs of the Thr Internatonal Worshop on ent Theores, Archtectures, an Languages, Sprnger-Verlag, Berln 1996, s Jang W., Zhang X., Cohen A., Ras Z.: Multple Classfers for Dfferent Features n Tmbre Estmaton. Avances n Intellgent Informaton Systems, 2010, s Kargupta H., Par B., Johnson E., Sanseverno E., Slvestre L., Hershberger D.: Collectve DataMnng From Dstrbute Vertcally Parttone Feature Space. Worshop on strbute ata mnng. Internatonal Conference on Knowlege Dscovery an Data Mnng, Kuncheva L.: Combnng Pattern Classfers Methos an Algorthms. John Wley&Sons, Lopes F., Mamee N., Novas A.Q., Coelho H.: Negotaton Strateges for Autonomous Computatonal ents. ECAI 2004, IOS Press, Amsteram 2004, s Lopes F., Woolrge M., Novas A.Q.: Negotaton among autonomous computatonal agents: prncples, analyss an challenges. Artfcal Intellgence Revew, Vol. 29, No. 1, 2008, s Mchals R., Wotusa J.: The Dstrbuton Appromaton Approach to Learnng from gregate Data. Reports of the Machne Learnng an Inference Laboratory, MLI 08-2, George Mason Unversty, Farfa, VA, USA 2008.

19 Weloagentowy system ecyzyny z ynamczne Nguyen T., Jennngs N.: Coornatng multple concurrent negotatons. Proceengs of 3r Internatonal Jont Conference on Autonomous ents an Mult ent Systems, New Yor, USA 2004, s Pawla Z.: On Conflcts. Int. J. of Informaton an Computer Scence, Vol. 11, 1984, s Pawla Z.: O onfltach. Państwowe Wyawnctwo Nauowe, Warszawa Pawla Z.: Rough Sets: Theoretcal aspects of reasonng about ata. Kluwer Acaemc Publshers, Boston, USA Pawla Z.: An Inqury Anatomy of Conflcts. Journal of Informaton Scences, Vol. 109, 1998, s Polows L., Araszewcz B.: A rough set approach to estmatng the game value an the Shapley value from ata. Funamenta Informatcae 53, 2003, s Przybyła-Kaspere M., Waulcz-Dea A.: Applcaton of ecson rules, generate on the bass of local nowlege bases, n the process of global ecson-mang. 4th Internatonal Symposum on Intellgent Decson Technologes, IDT-2012, INVITED SES- SION Rough Sets an Granular Computng, Sowron, A., Dea, R.: On Some Conflct Moels an Conflct Resolutons. Romanan Journal of Informaton Scence an Technology 3(1-2), 2002, s Sowron A., Wang H., Wona A., Bazan J.: Multmoal Classfcaton: Case Stues. T. Rough Sets, 2006, s Śleza D., Wróblews J., Szczua M.: Neural networ archtecture for synthess of the probablstc rule base classfers. [n:] Electronc Notes n Theoretcal Computer Scence 82, Elsever Scence Publshers, Waulcz-Dea A., Przybyła-Kaspere M.: Herarchcal Mult-ent System. Recent Avances n Intellgent Informaton Systems, Acaemc Publshng House EXIT, 2009, s Waulcz-Dea A., Przybyła-Kaspere M.: Global ecsons Tang on the Bass of Mult-ent System wth a Herarchcal Structure an Densty-Base Algorthm. Concurrency Specfcaton an Programmng CS&P, Unwersytet Warszaws, Warszawa 2009, s Waulcz-Dea A., Przybyła-Kaspere M.: Mult-ent Decson Tang System. Funamenta Informatcae 101(1-2), 2010, s Waulcz-Dea A., Przybyła-Kaspere M.: Weloagentowy system ecyzyny porównane meto. Stua Informatca, Vol. 31, No. 2A (89), Glwce 2010, s Waulcz-Dea A., Przybyła-Kaspere M.: Applcaton of the metho of etng an conensng n the process of global ecson-mang. Funamenta Informatcae 106 (1), 2011, s

20 294 M. Przybyła-Kaspere 29. Zeng D., Sycara K.: Bayesan learnng n negotaton. Int. J. Hum. Comput. Stu. 48, 1998, s Wpłynęło o Reac 27 gruna 2012 r. Abstract In ths paper a new approach to organzaton of structure of mult-agent ecson-mang system, operatng on the bass of sperse nowlege, was propose. In ths approach ynamcally generate sont clusters are use. The new approach s base on the assumpton that one cluster shoul contan resource agents who agree on the classfcaton of test obect to the ecson classes. Ths compatblty of agents s etermne by certan relatonshps: a frenshp relaton an a conflct relaton of agents. Defntons of frenshp an conflct relatons as well as metho of etermnng the ntensty of conflct between agents were taen from the paper of Zzsław Pawla [16]. In the process of global ecson-mang, the nowlege of resource agents remanng n such a coalton, s aggregate. On the bass of aggregate nowlege, local ecsons, wthn clusters, are taen. In the last stage of global ecson-mang process a set of global ecsons, usng the metho of conflct analyss, s generate. In ths paper, the effcency of nference of the mult-agent ecson-mang system wth ynamcally generate sont clusters were compare wth the effcency of nference of the system wth statcally efne clusters. For the overwhelmng maorty of the consere types of mult-agent ecson-mang system applcaton of ynamcally generate clusters have mprove the effcency of nference. The best results were obtane for ata sets: Dermatology, Vehcle Slhouettes an Lansat Satellte, slghtly worse results were obtane for the Soybean Data Set. It shoul also be note that the greater the number of resource agents n mult-agent ecson-mang system, the greater the epecte mprovement n the effcency of nference, when apple ynamcally generate clusters. Ares Małgorzata PRZYBYŁA-KASPEREK: Unwersytet Śląs, Instytut Informaty, ul. Bęzńsa 29, Sosnowec, Polsa, malgorzata.przybyla-aspere@us.eu.pl.