Принятие технических решений с помощью многоагентных систем

Бондаренко Игорь Борисович кандидат технических наук доцент, кафедра Информационных управляющих систем, Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А.Бонч-Бруевича 193232, Россия, г. Санкт-Петербург, пр. Большевиков, 22 корп. 1 Bondarenko Igor' Borisovich PhD in Technical Science Associate Professor, St. Petersburg National Research University of Information Technologies, Mechanics and Optics 193232, Russia, g. Saint Petersburg, pr. Bol'shevikov, 22 korp. 1 igorlitmo@rambler.ru Коробейников Анатолий Григорьевич доктор технических наук профессор, кафедра Проектирования компьютерных систем, Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики 197101, г. Санкт-Петербург, Кронверкский проспект, д.49 Korobeinikov Anatolii Grigor'evich Doctor of Technical Science 197101, g. Saint Petersburg, Kronverkskii prospekt, d.49 Korobeynikov_A_G@mail.ru Прохожев Николай Николаевич аспирант, , Санкт-Петербургский государственный университет ин-формационных технологий, механики и оптики 197101, г. Санкт-Петербург, Кронверкский проспект, д.49 Prokhozhev Nikolai Nikolaevich 197101, g. Saint Petersburg, Kronverkskii prospekt, d.49 karaja2@yandex.ru

Михайличенко Ольга Викторовна старший преподаватель, Санкт-Петербургский государственный университет ин-формационных технологий, механики и оптики 197101, г. Санкт-Петербург, Кронверкский проспект, д.49 Mikhailichenko Ol'ga Viktorovna 197101, g. Saint Petersburg, Kronverkskii prospekt, d.49 19791109@list.ru

Многоагентные системы (МАС) являются результатом пересечения теорий систем с системами распределенного искусственного интеллекта (ИИ). В качестве агентов выступают некоторые сущности (в нашем случае программные модули), находящиеся в некоторой среде и способные интерпретировать и исполнять команды, поступающие от управляющих модулей, а также воздействовать на среду ^[1]. В общем случае агент может содержать как программные, так и аппаратные средства.

МАС подразделяют на кооперативные, конкурирующие и смешанные. В кооперативных МАС решение принимается в результате совместной работы, а в конкурирующих – отдельных действий агентов. Поэтому только у корпоративных структур МАС имеется свойство самоорганизации, так как только в этом случае происходит взаимодействие агентов между собой. При этом учитываются все альтернативные варианты, решение постоянно изменяется, что, в итоге, приводит к нахождению решения задачи.

Построение МАС на принципах ИИ представляет наибольшую сложность, так как: необходимо организовывать агентов между собой и с координационным центром, создавать среду, управлять изменением структуры и т.д. К тому же задача проектирования МАС с интеллектуальными агентами является ресурсоемкой задачей, а сложность ее зависит от варианта взаимодействия агентов ^[2,3].

Для получения результата, лучшего, чем суммарный вклад всех агентов, входящих в МАС, необходима организация взаимодействия агентов между собой; к тому же агенты должны обладать интеллектуальными свойствами. То есть в нашем случае не подходят простые и смарт-агенты.

Под задачей принятия решения будем понимать задачу выбора наилучшего варианта из многих, осуществляемую в условиях нехватки информации, то есть в условиях неопределенности. Для таких задач характерно: наличие элементов нечетких множеств, отсутствие точного определения целевых функций (ЦФ), невозможность составить четкого алгоритма решения, ограниченность ресурсов.

Для создания сообщества агентов необходимо разработать :

- структуру МАС;

- стратегии поиска решения;

- структуру представления информации.

В разрабатываемой системе (рис. 1) каждый интеллектуальный агент имеет доступ к базе знаний (БЗ) и может обмениваться этими знаниями с другими агентами. Агенты являются разнородными и соответствуют множеству методов решения задачи.

Рис. 1. Структура МАС

Поведение агента опишем с помощью функции:

`Z(M,U)` ,

которая отображает входную информацию (в том числе и от датчиков) с помощью метода `M` и содержит случайную компоненту `U` для выбора действия агента. Действия агента и определяет его тип, то есть последний зависит от функции `Z(M,U)` , или заложенного в него алгоритма работы (рис. 2). Причем алгоритм работы предполагает генерацию действий с определенной вероятностью. Действия агента должны максимизировать успех, или выгоду от его работы.

Рис. 2. Структура агента

В функции поведения агента выделяются три части: первая закладывается проектировщиком агента, вторая вычисляется в результате работы агента по выработке действий, и третья – формируется в результате обучения агента по мере накопления опыта. Если в агенте будет превалировать первая часть, то такой агент не будет автономным, а если третья часть, то процессу самообучения не на что будет опираться и, поэтому, знания не смогут накапливаться.

Как видно из рисунка 2, работа агента определяется не только заложенными в него алгоритмами, но и типом внешней среды. Она может характеризоваться следующими свойствами ^[4]:

- полностью наблюдаемая или частично наблюдаемая;

- детерминированная или стохастическая;

- эпизодическая или последовательная;

- статическая или динамическая;

- дискретная или непрерывная;

- одноагентная или мультиагентная.

К наиболее сложному случаю относится работа агента в частично наблюдаемой, стохастической, последовательной, динамической, непрерывной и мультиагентной среде.

Возвращаясь к схеме рис. 1, организуем работу МАС следующим образом. Пусть агенты способны решать однотипные задачи, но с помощью разных методов. Тогда в качестве действия агенты выдают результаты решения поставленной задачи в виде альтернативных вариантов (по одному или по несколько вариантов в зависимости от метода).

Для обмена информацией между агентами служит агент-координатор. Он преобразует условия решаемой задачи в понятный для интеллектуальных агентов вид, а также через интерфейс пользователя обменивается данными с человеком-оператором. Через этого агента осуществляется доступ пользователя к БЗ.

В случае распараллеливания работы методов, в функции агента-координатора входит и синхронизация поступающей информации о решениях.

Не смотря на то, что агенты используются давно: при поиске информации в БД и сети Интернет, при работе операционных систем и т.д., – использование МАС, а тем более с интеллектуальными компонентами сильно затруднено. Описанный в статье подход не претендует на полноту и законченный вид, а является только началом исследования различных вариантов МАС, пригодных для принятия решений в условиях роста неопределенности выбора оптимального варианта из множества альтернатив.