Logo GenDocs.ru

Поиск по сайту:  

Загрузка...

Курсовая работа - Многоагентные системы в имитационном моделировании - файл 1.doc


Курсовая работа - Многоагентные системы в имитационном моделировании
скачать (173.5 kb.)

Доступные файлы (1):

1.doc174kb.16.12.2011 08:27скачать

содержание

1.doc

Негосударственное частное образовательное учреждение

Высшего профессионального образования

Южный институт менеджмента
Кафедра Прикладная информатика в экономике

Курсовая работа

По дисциплине: имитационное моделирование

экономических процессов

Тема: «Многоагентные системы в имитационном моделировании»

Выполнил:

студент 4 курса

группы 04ПИ

Якушев Д.О.

Допущен к защите

Руководитель проекта:

Тарасов Б.Н.

Защищена_________

Оценка____________

Краснодар 2008

^ 1. ПОНЯТИЕ МНОГОАГЕНТНОЙ СИСТЕМЫ

Направление “многоагентной системы” распределенного искусственного интеллекта рассматривает решение одной задачи несколькими интеллектуальными подсистемами. При этом задача разбивается на несколько подзадач, которые распределяются между агентами. Еще одной областью применения МАС есть обеспечение взаимодействия между агентами, когда один агент может выработать запрос к другому агенту на передачу некоторых данных или выполнение определенных действий. Также в МАС есть возможность передавать знания. Построение программных систем по принципу МАС может быть обусловлено следующими факторами: так, некоторые предметные области применяют МАС в тех случаях, когда логично будет каждого из участников процесса представить в виде агента.

Например, социальные процессы, в которых каждый из участников играет свою роль; параллельным выполнением задач, т.е. если предметная область легко представляется в виде совокупности агентов, то независимые задачи могут выполняться различными агентами; устойчивостью работы системы: когда контроль и ответственность за выполняемые действия распределены между несколькими агентами. При отказе одного агента система не перестает функционировать. Таким образом, логично поместить агентов на различных компьютерах; модульностью МАС, что позволяет легко наращивать и видоизменять систему, т.е. легче добавить агента, чем изменить свойства единой программы. Системы, которые изменяют свои параметры со временем могут быть представлены совокупностью агентов. Модульность обуславливает легкость программирования МАС.

Мультиагентные системы подразделяются на кооперативные, конкурирующие и смешанные. Агенты в кооперативных системах являются частями единой системы и решают подзадачи одной общей задачи. Понятно, что при этом агент не может работать вне системы и выполнять самостоятельные задачи. Конкурирующие агенты являются самостоятельными системами, хотя для достижения определенных целей они могут объединять свои усилия, принимать цели и команды от других агентов, но при этом поддержка связи с другими агентами не обязательна. Под смешанными агентами понимаются конкурирующие агенты, подсистемы которых также реализуются по агентной технологии. Кроме общения с другими агентами должна быть реализована возможность общения с пользователем.

^ 2. ОПРЕДЕЛЕНИЕ АГЕНТА

Общепринятого определения “агента” еще не существует. Рассматриваемый в какой-либо системе мультиагент – это аппаратная или программная сущность, способная действовать в интересах достижения целей, поставленных перед ним владельцем и (или) пользователем. Таким образом, в рамках мультиагентных систем мы рассматриваем агенты, как автономные компоненты, действующие по определенному сценарию. Классифицируются агенты на четыре основных типа: простые, умные (smart), интеллектуальные (intelligent) и действительно интеллектуальные (truly intelligent).

Интерес для построения МАС в задачах инженерии знаний представляют в большей степени интеллектуальные и действительно интеллектуальные агенты, которые отличаются тем, что поддерживают помимо автономного выполнения, взаимодействия с другими агентами и слежения за окружением – способность использовать абстракции, адаптивность поведения, обучение на прецедентах и

толерантность к ошибкам.

Проблемы в создании МАС на принципах искусственного интеллекта состоит в том, что при проектировании точной и полной модели представления мира, процессов и механизмов рассуждения в нем – очень тяжело создать адекватную и полную картину мира. Несмотря на явные трудности, идея использовать агентов для решения разноплановых задач очень популярна в последнее время. Однако задача проектирования МАС и действительно интеллектуальных агентов требует специальных знаний и является ресурсоемкой задачей.

Программные интеллектуальные агенты – это новый класс систем программного обеспечения, которое действует либо от лица пользователя, либо от лица системы делегировавшей агенту полномочия на выполнение тех или иных действий. Они являются, по сути, новым уровнем абстракции, отличным от привычных абстракций типа – классов, методов и функций. Но при этом, разработка МАС позволяет создавать системы обладающие расширяемостью (масштабируемостью), мобильностью(переносимостью), интероперабельностью, что несомненно очень важно при разработке систем, основанных на знаниях.
^ 3. СВОЙСТВО АГЕНТА

Какими же свойствами должен обладать “агент”?

- Автономность: агенты функционируют без прямого вмешательства людей или кого-либо другого и владеют определенной способностью контролировать свои действия и внутреннее состояние.

- Методы (способы) общения: агенты взаимодействуют с другими агентами средствами некоторого коммуникационного языка.

- Реактивность: агенты способны воспринимать окружающую среду (которая может быть физическим миром, пользователем, взаимодействующим через графический интерфейс, коллекцией других агентов, Іnternet-ом, или, возможно, всем вместе взятым) и адекватно реагировать в определенных временных рамках на изменения, которые происходят.

- Активность: агенты не просто реагируют на изменения среды, но и обладают целенаправленным поведением и способностью проявлять инициативу.

- Индивидуальная картина мира: каждый агент имеет собственную модель окружающего его мира (среды), которая описывает то, как агент видит мир. Агент строит свою модель мира на основе информации, которую получает из внешней среды.

- Коммуникабельность и коперативность: агенты могут обмениваться информацией с окружающей их средой и другими агентами. Возможность коммуникаций означает, что агент должен получать информацию об его окружающей среде, что дает ему возможность строить собственную модель мира. Более того, возможность коммуникаций с другими агентами является обязательным условием совместных действий для достижения целей.
- Интеллектуальное поведение: поведение агента включает способность к обучению, логичной дедукции или конструированию модели окружающей среды для того, чтобы находить оптимальные способы поведения.

Следовательно, каждый агент - это процесс, который владеет

(располагает) определенной частью знаний об объекте и возможностью

обмениваться этими знаниями с другими агентами. Классификацию агентов можно провести в двух направлениях - по их инструментальной реализации (языку программирования агентов) и по основным приметам, которыми они владеют. Следует отметить, что на сегодня не существует языка программирования или инструментальной системы разработки, которая бы полностью соответствовала требованиям построения агентов. С точки зрения принципов распределенного объектно-ориентированного программирования (ООП) необходимость передачи методов может быть существенно сокращена в том случае, если может быть обеспечен удаленный доступ к общим методам посредством передачи ссылок на удаленные объекты, данных экземпляров этих объектов и их состояний. Однако в дополнение к концепции ООП, каждый агент имеет возможность создания копий самого себя с полной или ограниченной функциональностью, обеспечивая возможность настройки на среду путем исключения неэффективных методов и замены их новыми. Традиционная для ООП схема класс/объект нарушается, т.к. агент имеет возможность постоянного изменения сценария поведения без его изменения в родительском классе. Многозначное наследование позволяет создавать экземпляры агентов, смешивая сценарии поведения, схемы наследования и атрибуты, определенные в родительских классах. Следовательно, система разработки, которая бы полностью соответствовала требованиям построения агентов, должна была бы соответствовать таким требованиям: обеспечение перенесения кода на различные платформы, доступность на многих платформах, поддержка сетевого взаимодействия, многопотоковая обработка и некоторые другие. Чаще всего в агентных технологиях используются: универсальные языки программирования (Java); языки, “ориентированы на знания”, такие, как языки представления знаний (KIF), языки переговоров и обмена знаниями (KQML, AgentSpeak, April), языки

спецификаций агентов; специализированные языки программирования агентов (TeleScript); языки сценариев и scripting languages (Tcl/Tk); символьные языки и языки логического программирования (Oz).

Одно из самых главных свойств агента – это интеллектуальность. Интеллектуальный агент владеет определенными знаниями о себе и об окружающей среде, и на основе этих знаний он способен определять свое поведение. Интеллектуальные агенты являются основной областью интересов агентной технологии. Важна также среда существования агента: это может быть как реальный мир, так и виртуальный (компьютерный), что является важным в связи со всеобщим распространением сети Internet. От агентов требуют способности к обучению и даже самообучению. Поскольку обучение обуславливает наличие знаний у обучаемого, то обучаемым или самообучаемым может быть только интеллектуальный агент. Свойство умения планировать подразделяет агентов на регулирующие и планирующие. Если умение планировать не предусмотрено (регулирующий тип), то агент будет постоянно переоценивать ситуацию и заново вырабатывать свои действия на окружающую среду. Планирующий агент имеет возможность запланировать несколько действий на различные промежутки времени. При этом агент имеет возможность моделировать развитие ситуации, что дает возможность более адекватно реагировать на текущие ситуации. При этом агент должен учитывать не только свои действия и реакцию на них, но и сохранять модели объектов и агентов окружающей среды для предсказания их возможных действий и реакций.

Агент может иметь доступ к локальным и глобальным ресурсам. При этом агентов, которые имеют доступ к локальным ресурсам (ресурсы, к которым имеет доступ пользователь, в том числе и сетевые), называют персональными помощниками, они автоматизируют работу текущего пользователя, помогая ему в выполнении некоторых операций. Соответственно сетевой агент самостоятельно получает доступ к информации, не доступной пользователю напрямую либо доступ к которой не был предусмотрен. Важным свойством классификации есть мобильность - возможность менять свое местонахождение в окружающей среде. Для программного агента под мобильностью понимается возможность передвигаться по сети от компьютера к компьютеру. Переходя от одного компьютера к другому, такой агент может обрабатывать данные и передавать по сети только результаты своей работы. Система, в которой несколько агентов могут общаться друг с другим, передавать друг другу некоторую информацию, взаимодействовать между собой, называется многоагентной (МАС).
^ 4. ПРИПЕРЫ ПРИМЕНЕНИЯ МНОГОГАГЕНТНОЙ СИСТЕМЫ

В настоящее время выполняется несколько проектов по разработке многоагентной системы моделирования процессов кооперации и самоорганизации. В этих проектах участвуют следующие компании:

- Компания по разработке мультимедиа компакт-дисков со смежным производством печатной и видео продукции.

- Крупная коммерческая компания, занимающаяся экспортом и импортом продуктов питания, а также инвестициями в производство агропродукции.

- Холдинговая компания, владеющая крупным магазином бытовой электроники, рестораном и сервис-центром.

Главная задача этих систем – организация деятельности круглых столов с привлечением специалистов из различных подразделений компании и поддержка процесса переговоров между ними. Ниже приведены примеры взаимодействия между системами, создаваемыми для различных компаний и их работниками.

Пример 1

Менеджер по маркетингу обнаруживает, что на рынке вот - вот появится компакт – диск, аналогичный недавно запущенному в производство в компании. Ввод этой информации в систему, актуализирует весь ряд подразделений компании, связанных с расчетом прибыльности проекта, его реализацией, рекламой продукта и т.п. Система ведет список подразделений, согласовывающих решение и состояние этого вопроса. По мере движения вопроса по подразделениям, система пересматривает важность других дел сотрудников в соответствии с их должностными инструкциями, отдавая приоритет решению данного вопроса. В результате проводимых обсуждений данный проект может быть остановлен вовсе, либо, наоборот, завершен в ускоренные сроки с привлечением дополнительных внешних специалистов и концентрацией других ресурсов, что в свою очередь вносит существенные коррективы в деятельность всех подразделений. Организованные системой рабочие группы представлены на рисунке 1 (см. приложение).

Пример 2

Менеджеры, ежедневно заключающие контракты на оптово-розничную продажу продуктов питания, открывая систему, видят все множество заключенных контрактов с состоянием каждого из них, а также складывающуюся общую ситуацию на рынке и в компании. Цель каждого из них - максимизировать прибыль по своей сделке (от сумм которых они получают комиссионные). Однако, в ряде случаев, максимизация прибыли по одной из сделок, может принести убытки компании в целом. Во избежании этой ситуации каждый из менеджеров должен промоделировать свою сделку на фоне общей деятельности, задавая планируемый сценарий по шагам. Результаты моделирования каждого шага показывают, насколько соотносится сделка с имеющимися в распоряжении менеджера кредитными ресурсами, складскими помещениями, холодильниками, транспортом и т.д. В случае возникновения противоречий, сделки ранжируются и заново пересогласовываются с другими менеджерами и ответственными за соответствующие ресурсы, а далее утверждаются и окончательно упорядочиваются по времени. Рабочие группы ("круглые столы"), организованные системой в процессе решения этой проблемы представлена на рисунке 2.
^

5. ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ СИСТЕМ

Многоагентное моделирование


Многоагентное моделирование является мощным инструментом исследования процессов эволюции сложных социальных систем. Многоагентные системы состоят из следующих основных компонентов:

множество системных единиц, в котором выделяются подмножество активных единиц — агентов, манипулирующих подмножеством пассивных единиц — объектов:

среда, т. е. некоторое пространство, в котором существуют агенты и объекты;

множество задач (функций, ролей), которые поручаются агентам;

множество отношений (взаимодействий) между агентами;

множество организационных структур (конфигураций), формируемых агентами;

множество действий агентов (например, различных операций над объектами или коммуникативных актов).

Взаимодействие агентов означает установление двусторонних и многосторонних динамических отношений между агентами. Взаимодействия между агентами имеют определенную направленность — положительную или отрицательную, т. е. носят характер содействия или противодействия, притяжения или отталкивания, кооперации или конкуренции, сотрудничества или конфликта, координации или субординации, и т. п.

Взаимосвязи и взаимозависимости между агентами характеризуются некоторой силой (интенсивностью). Взаимодействия между агентами динамичны.

Многоагентный подход позволяет исследовать задачи коллективного взаимодействия, эффективно решать задачи прогнозирования.  Многоагентные системы позволяют исследовать процессы самоорганизации, дают возможность естественного описания сложных систем, обладают высокой гибкостью. В настоящее время выполняется несколько проектов по разработке многоагентной системы моделирования процессов кооперации и самоорганизации.
^

Модель индустриальной динамики Форрестера


Для анализа сложных систем с нелинейными обратными связями используется принцип системной динамики. Системная динамика, как метод имитационного моделирования, включает в себя структуризацию объекта; построение системной диаграммы объекта, где указываются связи между элементами; определение переменных для каждого элемента и темпов их роста; принятие гипотез о зависимости каждого темпа роста от переменных и формальное описание этих гипотез; процесс оценки введенных параметров с помощью имеющейся статистики. Для построения и исследования моделей с помощью метода системной динамики разработан специальный язык программирования DYNAMO.

Модель Форрестера включает следующие элементы:

уровни (ресурсы):

потоки, перемещающие содержимое одного уровня к другому;

функции решений, которые регулируют темпы потока между уров­нями;

каналы информации, соединяющие функции решений с уров­нями.

Уровни характеризуют возникающие накопления внутри систе­мы. Это могут быть заготовки, комплектующие и готовая продукция, страхо­вые межоперационные запасы, производственные площади, числен­ность работающих, финансовые ресурсы и т. п. Каждый уровень описывается его переменной величиной, зависящей от разности вхо­дящих и исходящих потоков. Темпы определяют существующие мгновенные потоки между уровнями в системе и отражают рабо­ту, в то время как уровни измеряют состояние, которого система до­стигает в результате выполнения некоторой работы.

Функции решений (или уравнения темпов) представляют собой формулировку правила поведения, определя­ющую, каким образом имеющаяся информация об уровнях приво­дит к выбору решений, связанных с величинами текущих темпов.

Базовая структура модели Форрестера, представленная на рисунке 3 (см. приложение), показывает только одну сеть с элементарной схемой информа­ционных связей между уровнями и темпами. Чтобы отразить дея­тельность всего промышленного предприятия, необходимы несколь­ко взаимосвязанных сетей. Выделяют шесть типов сетей, представ­ляющих существенно различные типы переменных: заказы, материалы, денежные средства, рабочую силу и оборудование, со­единенных воедино с помощью сети информации. Любая из этих сетей может быть разбита еще на несколько отдельных частей.

Информационная сеть служит для остальных сетей со­единительной тканью. Она переносит информацию от уровня к точ­кам решений, а также информацию о темпах в двух сетях к уров­ням в сети информации. В самой сети информации тоже существуют уровни и темпы. Например, информация о фактическом текущем темпе в потоке материалов усредняется для определения уровня среднего темпа потока материалов. Этот уровень относится к сети информации.

Базовая структура модели дополняется систе­мой уравнений, которые связывают характеристики уровней этой структуры. В основном эта система состоит из уравнений двух ти­пов: уравнения уровней и уравнения темпов.

При построении уравнений временная ось разбивается на интер­валы времени между i-м и j-м моментами времени.

Новые значения уровней рассчитываются на конец интервала, и по ним определяются новые темпы (решения) для следующего интервала .

Уравнения уровня имеют вид:

, (1.4)

где ; х - множество уровней, связанных с i-м уровнем;

- значение i-го уровня в j-й момент времени;

— величина интервала от момента времени k до момента време­ни j; - темпы потоков, входящих в i-й уровень в интервале между моментами k и j;

— темпы потоков, выходящих из i-гo уровня в интервале между моментами времени k и j.

Пример уравнения темпа:

,

где - величина уровня, отражающего запаздывание в момент вре­мени ;

- константа (среднее время), необходимое для преодо­ления запаздывания.

Этапы построения мо­дели Форрестера:

  1. Построение базовой структуры модели в виде специализированного графа;

  2. Параметризация гра­фа и построение соответствующей системы уравнений;

  3. Описание полученной модели на языке DYNAMO и проведение экспериментов.

К числу достоинств модели относятся: возможность отражать практически любую причинно-следственную связь; простая математическая форма; использование терминоло­гии, синонимичной языку экономики и производства. Для основных фазовых переменных (так называемых системных уровней) используются дифференциальные уравнения одного вида:

  , (1.5)

  где – положительный темп скорости переменной y, включающий в себя все факторы, вызывающие рост переменной y;

– отрицательный темп скорости, включающий в себя все факторы, вызывающие убывание переменной y.

Предполагается, что эти темпы выражаются через произведение функций, зависящих только от так называемых "факторов" — вспомогательных переменных, являющихся комбинациями основных переменных:

, (1.6)

где

— факторы, причем , т.е. факторов меньше, чем переменных, что позволяет упростить задачу и рассматривать только функции одного переменного.

Модель применяется для прогнозирования экологии, демографии, финансового анализа, экономики и социологии.

Программные средства, реализующие модель Форрестера: AnyLogic, VenSim, PowerSim, Stella, ModelMaker и др. Для построения моделей в них используются графическое представление зависимостей переменных в виде так называемых «stock and flow diagrams».
^ 6. ПРОБЛЕМНЫЕ ВОПРОСЫ СОЗДАНИЯ МНОГОГАГЕНТНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ

Отдельные проблемные вопросы были выявлены в процессе анализа публикаций по данной тематике и экспериментального моделирования на макете подобной системы в Институте автоматизации проектирования РАН. Созданный макет (прикладной программный комплекс) обеспечивает сбор необходимых данных, их интеграцию, оценку, прогнозирование, выработку и поддержку решений в ограниченном объеме, что вызвало необходимость его существенной доработки.

В то же время макет был создан как изолированная система искусственного интеллекта, обладающая всеобъемлющей информацией о ситуации и принимающая решение по ней. Однако в обработке входной информации по управлению рисками участвует коллектив исполнителей, формирующий коллективное решение. Эта особенность удачно реализуется средствами интеллектуальных агентов МАС. Это привело к пересмотру концептуальной модели макета переходу, как сказано выше, от индивидуальных систем к распределенной обработке информации.

В современных условиях перехода к информационному обществу, рыночной экономики, сокращения объемов финансирования работоспособность любого проекта (изделия), может быть достигнута лишь в условиях конкурентоспособности. Это значит, что любой проект должен разрабатываться на основе концепции открытых систем, с использованием установленных стандартов и интерфейса для профиля систем управления (стандарты ISO) и обеспечения необходимого качества и надежности программного обеспечения.

Сущность технологии открытых систем, определяющих эффективность информационно–вычислительных систем всех уровней, состоит в обеспечении:

унифицированного обмена данных между различными компьютерами;

переносимости прикладных программ между различными платформами (интероперабельности);

мобильности исполнителей.

Задача открытых систем – обеспечение согласованности их компонент, организация их интероперабельности и устранение несоответствия внутреннего представления данных в каждом компоненте системы (подсистемы).

Указанные требования к открытым системам это, по существу, проблемные вопросы. Ниже рассматриваются пути их разрешения.

Одной из основных проблем при создании распределенных информационных систем является организация взаимодействия с источниками информации, т.е. интеграция приложений. Она обусловлена тем, что источники информации создавались в различное время, на различных платформах, архитектурах и технологиях с соответствующими протоколами и интерфейсами. Физическая распределенность и логическая несовместимость подсистем являются препятствиями для обеспечения их совместимости в работе.

На сегодняшний день сформировались три подхо­да обеспечения взаимодействия подсистем.

Первый подход - полная замена старых разработок и замена новыми, связанная с поте­рей сделанных разработок. Подход очень дорогой, он может быть реализован простым соединением, но при наличии точных знаний информации о партнере.

Второй подход обеспечивает доступ к ранее разработанным системам с использованием новых интерфейсов и написанием новых программ. Подход сохраняет существующие сис­темы, но реализует уже достаточно устаревшие сценарии взаимодействия между системами. Он обеспечивается применением различных адаптеров, их настройкой на конкретную среду.

Наиболее предпочтительным является взаимодействие систем через различные сцена­рии, упорядочивающие последовательность сложных процессов передачи данных и управ­ление с обеспечением реакции на различные типы событий. Сценарий такого взаимодейст­вия можно варьировать от довольно простого до весьма сложного. Интегрированное реше­ние должно так же отслеживать сложную логику взаимодействия систем и использовать оп­ределенные исполнительные и контролирующие правила. Цен­тральным узлом интеграционной среды является интеграционный сервер или брокер, к кото­рому обращаются интегрируемые системы и через который направляются потоки данных с этих подсистем и который перераспределяет, обрабатывает и направляет эти потоки. Цен­трализованное исполнение функций обработки информации и данных обеспечивается ис­пользованием общего репозитария. Правила из общего репозитария обозримы и прозрачны и могут легко дополняться и изменяться при изменении процессов и состава вычислительной среды, что позволяет эффективно соединять и динамически управлять интеграционным ре­шением. Эффективное соединение и динамическое управление интеграционным процессом достигается с использованием перспективной технологии интеграции – системы очередей сообщений.

Система очередей поддерживает асинхронное взаимодействие распределенных приложений и позволяет гибко интегрировать разнообразные прикладные системы, не меняя внутренней логики их работы. Система очередей реализуется агентами МАС – агентами менеджеров очереди. Для обеспечения функционирования интеграционного сервера необходимы разнообразные инструментальные средства, начиная со средств разработки новых форматов и процедур обработки до средств администрирования, мониторинга и диагностики. В настоящее время осуществляется их разработка с использованием стандартов SQL.

Технология MAC реализуется сообществом агентов, в котором помимо интеллекту­альных агентов имеются простые агенты – механизмы, задача которых собирать и передавать информацию; агенты поиска, которые суммируют пакеты информации и сортируют их по нужным адресам (функция почтамта) и т.д. В случае интеграционных решений агенты выполняют функции людей-пользователей (интеллектуальные агенты) и приложений – автоматов-серверов, контроллеров, термина­лов и маршрутизаторов и т.д. Для функционирования сообщества агентов формируется ар­хитектура их взаимодействия, а их функции реализуются программным путем. Таким обра­зом, агенты рассматриваются как механизмы, обеспечивающие выработку решения в усло­виях ограниченных ресурсов и процессорных мощностей.

Важным фактором обеспечения взаимодействия всех систем является наличие разработанной онтологии данной предметной области.
Онтология – это философская категория, существующая множество столетий и озна­чающая учение о бытии. В рамках этого направления в последние годы развивается фор­мальная онтология – учение, изучающее сущность с точки зрения их формальных свойств. Онтология – это формальная спецификация концепций предметной области, выраженная средствами языка представления знаний. Онтологический уровень, ранее не рассматривав­шийся в классификации знаний, в настоящее время выполняет связующие функции между верхними и нижними уровнями представления знаний и представляет собой форма­лизмы и примитивы, позволяющие явно специфицировать формальную структуру концепту­альных единиц и их взаимосвязи.

7. ^ КЛАССИФИКАЦИЯ УРОВНЕЙ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ

Включение концепции онтологии обусловлено необходимостью обеспечить управле­ние рисками чрезвычайных ситуаций в создаваемой системе. В ее различных подсистемах фигурируют различные объекты (факторы, противоречия, причины): техногенные (ава­рии, катастрофы); природные явления (землетрясения, наводнения, ураганы); военные дей­ствия, терроризм и т.д. Идентификация используемых понятий в подсистемах и согласован­ность их как части целого во имя достижения общей цели достигается на основе онтологии.

Несмотря на довольно абстрактное содержание онтологии, ее ценность заключается в том, что она упрощает проведение анализа слабоструктурированных задач. В них с трудом отыскивается подходящая схема организации знаний. Использование онтологии исключает появление в процессе разработки некоторых пропусков ("белых пятен") и противоречий. В данном случае онтология включает онтологию предметной области - системы управления, онтологию решаемой задачи – интеллектуальные системы под­держки принятия решений, онтологию приложения – интеллектуальная система поддержки принятия решения по разрешению критической (опасной, чрезвычайной) ситуации.

Главными инструментами анализа сущностей в рамках онтологии является теория идентичности, целостности; теория части и целого; теория зависимости.

Для обеспечения семантической интероперабельности компонент в прототипе системы используется формальная модель прикладной онтологии М = <С, К, Ф, А>, (1)

где С - множество понятий предметной области;

R - множество отношений между понятиями;

Ф - механизм интерпретации понятий и отношений онтологии;

А - используемые аксиомы.

Указанная модель позволяет описать отношения между объектами (понятиями) и осу­ществить интерпретацию для каждого конкретного случая. В базе данных хранятся концеп­ции онтологии различных сценариев из предметной области критических ситуаций и их взаимосвязь. Прикладная онтология является основой для организации семантической интероперабельности компонент комплекса моделирования.

Семантическая модель, основанная на формализованном представлении предметной области, позволяет автоматизировать формирование моделей принятия решений. Реализация прикладной онтологии и интегрированных решений позволяет осуществить создание системы как открытой информационной системой, способной самостоятельно при­обретать новые знания и изменять свою структуру и функции, развиваясь и адаптируясь к изменениям во внешней среде.

Не менее важным является выбор необходимых математических моделей в системе. В данной работе реализуется аппарат распределенного искусственного интеллекта, когда отдельный агент может иметь лишь частичное представление о задаче и способен решать лишь некоторую ее подзадачу. Поэтому для решения сложной проблемы требуется взаимодействие агентов, ко­торое определяет коллективное согласованное решение. Взаимодействие агентов определяет организацию МАС.

Концептуальная модель предметной области задается набором:

M = <P, 0, Hp, H0, In, Qut, S>, (2)

где P = {Pi} – множество процессов обработки информации;

O = {Oi} – множество информационный объектов;

Нр  Р  В(Р) – отношение иерархии процессов;

Н0  О  В(О) – отношение иерархии информационных объектов;

In  В(О)  Р – отношение, определяющее входные информационные объекты процес­сов;

Qut  Р  В(О)– отношение, определяющее выходные информационные объекты процессов;

S  О  В(Р) – частичное отношение, задающее последовательность выполнения про­цессов.

Данный набор представляет множество формальных и логико-лингвистических моде­лей, реализующих определенные процессы обработки информации.

Модель поиска решений в MAC предусмотрена как адаптированная для множества состояний проблемной области 2. Она определяется набором

М = А, Р, ST, P, ST, R1, R2, R3, F , (3)

где Аконечный алфавит, используемый для описания состояний или множества состоя­ний проблемной области;

Рначальное или текущее множество продукционных правил, используемых для преобразования состояния проблемной области (управляемого объекта);

STначальное множество стратегий поиска решения;

P', ST' множества, используемые для пополнения Р и ST;

R1правила выбора стратегии поиска решений из ST;

R2, R3 – правила выбора пополнения множеств Р и ST;

Fправила модификации модели (расширение алфавита, модификации множеств Р' и ST', правил выбора и пополнения).

При данной постановке модель представления знаний и поиска решений должна быть адекватной проблемной области, или семантически корректной, если любое состояние из множества допустимых начальных состояний переводится в состояние из множества конеч­ных (целевых) состояний и процесс преобразования состояний конечен.

При организации моделирования MAC реализована концепция интеллектуального агента, предусматривающая динамическую систему как множество интеллектуальных аген­тов, функционирующих в определенной среде и взаимодействующих друг с другом и с внешней средой.

Интеллектуальный агент описывается следующей моделью

M = <AA, PA, STA, RA, Fвх>, (4)

где АА модель проблемной области, используемой ИА при принятии решений;

РА механизм выбора агентом управляющих решений;

STAмножество целей агента;

RA множество возможных правил поиска решения агентом;

Fвхмножество возможных воздействий со стороны внешней среды и других ИА.

Названные величины выбираются из модели поиска решений (3) в МАС.

В процессе моделирования процесса опасной ситуации интеллектуальный агент соби­рает детальную информацию от различных источников в реальном масштабе времени, обобщает и интерпретирует эти данные, участвует в подготовке коллективного решения и контролирует его выполнение. Основой для функционирования интеллектуальных агентов при обработке информации является алгоритм функционирования многоагентной системы формирования описания угроз локальной безопасности субъектов РФ [7]. Деятельность агента в этом случае связано со следующими функциями:

сбор информации от различных источников;

формирование базы данных по сложившейся ситуации;

активизация и моделирование системы прогнозирования;

подготовка проекта решения в части обработанной информации;

информация других агентов;

участие в кооперативном (совместном) решении;

мониторинг течения ситуации и выработка новых знаний;

контроль выполнения решения и выработки управляющих воздействий по разрешению ситуации.

Как сказано выше, конкурентоспособность проекта определяется требованиями по обеспечению качества и надежности программного обеспечения. При реализации открытых систем огромная роль принадлежит технологиям создания программного обеспечения. Эти технологии имеют тенденцию снижения сложности и повышения производительности процессов разработки.

Эволюция программирования сопровождается повышением уровня абстракции написания программ – от машинных кодов к ассемблеру, от ассемблера к высокоуровневым языкам. Все чаще возникает потребность в интеграции и обеспечении взаимодействия систем, основанные на разных технологиях, а также в модернизации существующих программ и их переработке в соответствии с новой технологической основой. В настоящее время альтернативными технологиями являются объектно-ориентированное программирование и технология искусственного интеллекта. Наряду с ними происходит разработка инструментальных средств для реализации модельно-ориентированной технологии (MDA – Model Driven Architecture) предложенной консорциумом OMG [6]. Модельно-ориентированный подход облегчает интеграцию как разнородных, основанных на различных технологиях, распределенных систем, так и организацию взаимодействия между системами, основанными на одной технологии, но использующих разные интерфейсы, стандарты. В основе MDA лежит понятие платформно - независимой модели (platform independent model, PIM), представляющая детально - исполняемую модель на языке действий с пред- и постусловиями на языке UML, независимым от платформ и технологии. Фактически PIM-модель представляет собой каркас, основу системы, описанную независящим от технологий реализации образом (язык программирования, распределенные технологии, доступ к базам данных и т.д.). Эта модель воспроизводит логику, основные задачи и принципы функционирования приложения.

PIM-модель это модель тестирования и отладки, позволяющая затем вносить необходимые уточнения в интересах конкретной платформы. Построенная PIM-модель преобразуется в платформно – зависимую модель (platform-specific model, PSM). Это преобразование производится с помощью стандартных отображений, разных для каждой платформы промежуточного слоя – CORBA, Java, Net, Web-службы и другие. Благодаря тому, что преобразование от PIM к PSM стандартизировано, создаются анализаторы и генераторы описания моделей, существенно упрощающие это преобразование. В настоящее время коллектив разработчиков осваивает MDA-технологию.


8. ^ МОДЕЛИРОВАНИЕ ПРОЦЕССА ВЫРАБОТКИ РЕШЕНИЯ

Центральным вопросом при реализации концепции MAC является разработка путей координации поведения агентов. В работе технология MAC реализована под метафорой "пункт управления", отражающей схему взаимодействия между исполнителями в данной ситуации.

Интеллектуальные агенты имитируют работу физических агентов – коллективы испол­нителей (должностных лиц) на пункте управления. Работа технических средств системы обеспечивается агентами других классов – связи, управления, транспортировки и т.д.

Используется концептуальная модель MAC формирования угроз [7]. Используется сочетание принципов планирования процессов сбора и обработки данных в "пространстве задач" и в пространстве состояний.

При описании процесса использована семиотическая модель, отражающая когнитив­ный подход к моделированию познавательной деятельности человека. В работе синтезирован алгоритм координации поведения агентов в системе. Он реализует две основные фазы управления: планирования процесса решения и реализации плана. Для их описания использован сценар­ный подход, определяющий последовательность действий агентов при планировании про­цессов сбора данных и их обработки.

Руководитель коллектива (ЛПР) анализирует состояние отдельных агентов, выявляет конфликтующие ситуации (критические области) и принимает по ним решения. В основу за­ложена схема коммутации технологии сбора информации и ее анализа, с одной стороны, и методов использования этих результатов при принятии решений. Осуществляется интеграция знаний со сведениями об изменениях в исследуемых объектах, учет вновь поступающей информации для семантического моделирования динамического процесса.

Учитываются знания, извлекаемые из географической информационной системы, полученные как в текстовом, так и в графическом виде. При планировании действий производится имитационное моделирова­ние различных сценариев.

Управление интеллектуальными агентами осуществляется динамической экспертной системой. Она обеспечивает адаптивный и детерминированный переход состояния системы из одного состояния в другое, используя модели внешней среды, процессов деятельности системы и модели взаимосвязи. Модель деятельности это, по своей сути, сценарий, содер­жащий такие элементы как: основные этапы процесса деятельности, функции и взаимодей­ствие агентов, ситуации, события, описание событий и временные рамки. Координация и взаимодействие агентов осуществляется с реализацией таких событий, как получение ин­формации о состоянии внешней среды и о собственном состоянии и участию в формирова­ние решений по разрешению ситуации 4.

ЗАКЛЮЧЕНИЕ

В этой статье представлен мультиагентный подход к моделированию процессов самоорганизации и кооперации в современных компаниях.

Особенности подхода связаны с конструированием виртуальных миров деятельности специалистов и созданием интеллектуальных агентов для этих специалистов. Первый опыт экспериментальной разработки позволяет надеяться на успешную реализацию предлагаемого подхода для решения актуальных задач развития компаний.

Рассмотренные в статье подходы к созданию многоагентной системы поддержки при­нятия решений по разрешению критических ситуаций и экспериментальное моделирование на первоначальном варианте ее прото­типа позволяют сделать вывод о возможности их полной практической реализации. В настоящее время осуществляется программная реализация указанных подходов при совершенствовании прототипа ИСППР в рамках технологии многоагентных интеллектуальных систем.
^ СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

1. Стратегические риски чрезвычайных ситуаций: оценка и прогноз. Материалы VIII Всероссийской научно-практической конференции по проблемам защиты населения и территории от чрезвычайных ситуаций. Москва, 2003 г.

2. В.Н. Вагин, А.П. Еремеев. Некоторые базовые принципы построения интеллектуальной системы поддержки принятия решений реального времени /Известия Академии наук. Теория и системы управления. 2001. №6. С.114-226.

3. В.В. Андреев, С.В. Батищев, В.А. Виттих и др. Методы и средства создания открытых мультиагентных систем для поддержки процессов принятия реше­ний /Известия Академии наук. Теория и системы управления. 2003. №1. С.126-137.

4. Г.П. Чекинов, С.Г. Чекинов. Ситуационное управление: состояние и перспекти­вы. Приложение к журналу "Информационные технологии". 2004 г. №2.

5. Н. Игнатович. Брокер интеграции приложений /Открытые системы. 2003. №9. С.8-14.

6. М. Кузнецов MDA – новая концепция интеграции приложений. Открытые системы. Открытые системы 2003, № 9, стр. 48-51

7. А.В. Потапов, А.Т. Миргалеев, С.П Ющенко Алгоритм функционирования многоагентной системы формирования описания угроз локальной безопасности субъектов РФ. Материалы международной конференции и Российской научной школы, Секция № 8. М.: Радио и связь, 2003 г.

8. Г. Николис, И. Пригожин. Познание сложного. – М.: Мир, 1990.

9. Джордж Ф. Люггер. Искусственный интеллект. Стратегии и методы решения сложных задач. Москва - Санкт-Петербург - Киев, 2003 г.







Скачать файл (173.5 kb.)

Поиск по сайту:  

© gendocs.ru
При копировании укажите ссылку.
обратиться к администрации