В работе рассмотрена модификация алгоритмов динамического программирования(АДП), называемых графическими алгоритмами (ГА). Для задачи РАНЕЦ показано, что временная сложность ГА ниже, чем у стандартных АДП. Средняя продолжительность работы ГА также зачастую существенно меньше. ГА также могут решать примеры большой размерности и примеры с нецелочисленными параметрами. Кроме того, для некоторых задач ГА обладают полиномиальной временной сложностью, в то время как АДП обладают псевдополиноминальной сложностью. В работе рассмотрен параллельный АДП для задачи РАНЕЦ, основанный на блочной декомпозиции, а также предложен быстрый алгоритм решения задачи и представлены результаты моделирования, подтверждающие эффективность алгоритма.

Рассмотрены три вида манипулирования в механизмах определения приоритетов: стратегическое манипулирование со стороны агентов, манипулирование агендой и информационное манипулирование со стороны центра. Охарактеризованы равновесия в рамках стратегического манипулирования. Показано, что равновесные приоритеты критериев зависят от того, какой критерий выбран в качестве базового. Определено множество приоритетов, которые могут быть реализованы как «равновесные» в рамках информационного манипулирования. Доказано, что при решении задач информационного манипулирования в механизмах определения приоритетов достаточно ограничиться первым рангом рефлексии агентов.

Рассмотрены модели итеративного научения, осуществляемого в процессе деятельности. Сформулирована и решена задача об оптимальном обучении коллектива агентов – выбора выполняемых ими в те или иные промежутки времени объемов работ.

Рассмотрены модели адаптации команд – процесса изменения действий, выбираемых членами команды, на основании текущей информации в изменяющихся внешних условиях.