<<
>>

7.2. МНОГОАГЕНТНЫЕ СИСТЕМЫ И МНОГОАГЕНТНЫЙ ПОДХОД

За последние десять лет развитие телекоммуникационных технологий привело к возникновению концепций кросс-плат- форменных, распределенных и интеллектуальных программных систем. Такие системы могут быть реализованы разными способами, но именно многоагентные системы концентрируют все необходимые для таких технологий свойства с наибольшей выразительностью и полнотой.

Одним из основных понятий теории многоагентных систем (MAC) является понятие агента. Агент — это аппаратная или программная сущность, способная действовать в интересах достижения целей, поставленных пользователем. Агенты описываются рядом свойств, которые характеризуют понятие агента8: •

реактивность (reactivity) — свойство агента адекватно реагировать на изменения окружающей среды; •

автономность (autonomy) — агент работает как самостоятельная программа, независимо от владельца выполняя действия для достижения целей; •

адаптивность (adaptivity) — агент обладает способностью обучаться и развивать свои знания; •

коллаборативность (collaborative behavior) — агент может взаимодействовать с другими агентами несколькими способами, например, играя роль поставщика и/или потребителя информации; •

активность {pro-activity) — способность генерировать цели и выполнять действия для достижения целей; •

коммуникативность (communication ability или «Knowledge- Level» communication ability) — способность агентов общаться друг с другом, причем на языке, более напоминающем человеческие «разговорные акты», чем символьные программные протоколы; •

способность к рассуждениям (inferential capability) — агенты могут обладать частичными знаниями или механизмами вывода, например, знаниями, как приводить данные из различных источников к одному виду. Агенты могут специализироваться на конкретной предметной области.

В соответствии со своими свойствами отдельные агенты могут характеризоваться своими целями (goals), убеждениями (beliefs), желаниями (desires), обязательствами (commitments) и намерениями (intentions) перед другими агентами.

Термин «многоагентные системы» (MAC) используется для обозначения систем, состоящих из множества автономных агентов, которые взаимодействуют друг с другом. В таких системах взаимодействие агентов реализуется платформой, обеспечивающей их асинхронную работу. Принято выделять три основных класса архитектур: •

делиберативную (deliberative); •

реактивную (reactive); •

гибридную (hybrid).

Архитектуру или агентов, которые используют только точное представление картины мира в символьной форме, а решения (например, о действиях) принимают на основе формальных рассуждений и использования методов сравнения по образцу, принято определять как делиберативные. Примерами реализации подобного подхода являются системы Integrated Planning, Execution and Monitoring (IPEM), PHEONIX, HOMER, Grate и др.

Принципы реактивной архитектуры возникли как альтернативный подход к делиберативной архитектуре. Идея реактивных агентов впервые возникла в работах Брукса (Brooks). Брукс выдвинул идею, что интеллектуальное поведение может быть реализовано без символьного представления, принятого в классическом искусственном интеллекте. Реактивные агенты не имеют какой-либо символьной внутренней модели мира, они работают по правилам типа «ситуация — действие», выбирая из них наиболее подходящие действия к конкретной ситуации. При этом под ситуацией понимается потенциально сложная комбинация внутренних и внешних состояний. Классическим примером реактивной архитектуры является архитектура Брукса («subsumption architecture»).

Многие исследователи считают, что ни классический, ни другие подходы не дают оптимального результата при разработке агентов и MAC.

Попытки соединить классический делиберативный и реактивный подходы привели к появлению разнообразных гибридных архитектур. На принципах гибридной архитектуры реализованы следующие системы: TOURINGMACHINE, INTRRAP, PRS, OASIS, CIRCA и др.

Организация MAC по принципу делиберативной архитектуры имеет преимущество с точки зрения удобства символьного представления знаний.

Но в то же время создание точной и полной модели представления мира, процессов и механизмов рассуждения в нем представляют здесь определенные трудности. Реактивный подход позволяет наилучшим образом использовать множество образцов поведения для реакции агента на опреде-

ленные стимулы для конкретной предметной области. Применение этого подхода ограничивается необходимостью полного ситуационного определения всех возможных активностей агентов. Реактивные агенты довольно просты и взаимодействуют с другими агентами несложным образом. Недостатком гибридных архитектур является их специфичность для приложений, под которые они разрабатывались, однако гибкость комбинирования делиберативных и реактивных архитектур позволяет считать их перспективными.

Под многоагентным подходом можно понимать такой подход при построении ИС, при котором все функции системы распределяются между взаимодействующими интеллектуальными агентами, целью которых является качественное выполнение возложенных функций. Можно отметить следующие преимущества систем, построенных на основе многоагентного подхода9: •

распределение вычислительной нагрузки между множеством агентов; •

гибкость и масштабируемость за счет децентрализованности; •

повышение качества выполнения функций за счет поиска оптимальных вариантов при переговорах агентов; •

применение знаний и вывода на знаниях.

Недостатком является невозможность описания алгоритма

работы системы в целом, что рождает некоторую неопределенность. При решении задач интеллектуализации агентов важнейшим вопросом является вопрос представления знаний, а также вопросы, связанные с выводом на знаниях.

7.3. ОБЛАСТИ ПРИМЕНЕНИЯ МНОГОАГЕНТНЫХ СИСТЕМ

На данный момент индустрия агентных систем находится в зачаточном состоянии. Существующие системы изолированы от других систем, однако наблюдается существенное повышение внимания к таким системам, применение которых возможно во многих областях. Агенты в таких системах могут иметь различное назначение: •

агенты управления системами и сетями выполняют такие задачи, как баланс нагрузки, предупреждение сбоев, анализ существующих проблем и синтез информации; •

агенты поддержки принятия решений используются для синтеза информации и принятия решений; системы, построенные на основе таких агентов, могут предупреждать лицо, принимающее решение (ЛПР), о возможной проблеме и выдавать вариант ее комплексного решения.

Такие системы часто используются в логистике; •

агенты-помощники (user assistance agents) действуют на уровне пользовательского интерфейса и помогают пользователям более эффективно добиваться своих целей. Ярким примером таких агентов являются анимированные характеры в Microsoft Office; •

агенты, используемые для поиска информации, применяются, например, в поисковых системах интернета.

Миниатюрность и автономность реактивных агентов можно использовать при реализации функций контроля процессов, что увеличит его эффективность по сравнению с централизованным контролем. Особое значение агентные системы могут иметь в производстве.

Можно рассмотреть модель системы производства, основанную на агентном подходе и предложенную Д. Гринштейном (David Greenstein). Эта система призвана решать проблемы современного производства, она носит название AMIS (Agile Manufacturing Information System — подвижная информационная система производства). Система построена на основе агентов и учитывает быстро меняющуюся обстановку рынка, делая производство эффективным и конкурентоспособным.

Традиционные системы производства основаны на жестких низкоуровневых структурах, AMIS же использует свободную интеграцию программных агентов для представления сущностей производственного процесса. Например, агенты ресурсов (resource agents) представляют возможности и емкости различных доступных ресурсов — технику, людей, компьютеры. Все работы выполняются посредством рабочих агентов (job agents). В малых системах взаимодействие агентов ресурсов и рабочих агентов определяется процессом производства. В системах, выполняющих большое число работ, взаимодействие должно осуществляться посредством ИС. Здесь ресурсные агенты группируются в ячейки (cells). Каждая такая ячейка (рис. 7.2) является производственным бизнес-модулем, причем каждая из них дол- Resource Agent

Resource Agent

Resource Agent Process Manager p. I] Dispatcher ~B Capacity Manager |S J'.j Maintenance If 1 Manager | Capability Manager Bjjj M Monitor H Cost Manager 9j Alarm Manager \A Configuration [fc Manager fj: II Account Manager I Performance fj Manager jffi |] Security Manager | Tracker f?f II Report Manager Diagnostic Manager Hj At Advisor Bulletin Board Resource Agent

Resource Agent

Resource Agent

CELL

Рис.

7.2. Ячейка агентной архитектуры для системы производства

жна получать прибыль (доход); в случае если она неприбыльная, ячейка распадается и освобождает занятые ресурсы. Каждая ячейка представляет набор физических ресурсов, людей, машин. Ячейка работает в целях обеспечения своей прибыльности и конкурентоспособности на рынке.

Обычные функциональные агенты (common function agents), взаимодействуя с агентами ресурсов и с другими агентами, предлагают набор функций, необходимых для работы ячейки как независимого модуля. Некоторые из них содержат информацию о ресурсах внутри ячейки, такую, как возможности ресурсов, другие предлагают интерфейс для персонала, работающего с ячейкой, планировщиков процесса и операторов ЭВМ.

Планировщик процесса (process planner) определяет, сможет ли ячейка в зависимости от своих возможностей принять заказ, если да, то планировщик процесса генерирует спецификацию процесса работ, которая будет использована для выполнения заказа. Менеджер возможностей (характеристик) (capability manager) проверяет по данной спецификации, сможет ли конкретная ячейка выполнить задание. Проверка основана на сопоставлении информации, содержащейся в спецификации потока работ — времени, качества и стоимости выполнения работы, — и информации о возможностях рабочих агентов в ячейке. Если ни одна из ячеек не обладает такими возможностями, то задание возвращается планировщику процесса на корректировку.

Агенты переговоров (negotiate agents) реализуют интерфейс между внешним миром и ячейкой, их задача — общение с брокерами, пересылка предложений на спрос и т.д.

Агенты ресурсов (resource agents) представляют физические ресурсы, описывают их возможности и координируют использование ресурса производственной ячейкой. В процессе ресурсы содержат список прикрепленных к ним работ, которые ресурс «выиграл». Каждая работа описывается ее типом, временными рамками и стоимостью. Главная стратегия агентных ресурсов — увеличить прибыль посредством использования своих ресурсов в максимальном количестве работ.

Если ресурс долгое время не приносит прибыль, то ячейка может продать его другой ячейке.

Рабочие агенты (job agents) представляют заказчика посредством заказа, помещенного в систему. Рабочий агент определяет процессы, необходимые для изготовления готового продукта в соответствии с заказом. Каждое звено в потоке работ является «подработой» (subjob) и управляется агентом, каждая «подрабо- та» характеризуется информацией о специфике процесса, времени настройки, выполнения и стоимости. Рабочий агент контролирует выполнение «подработ» и в случае отклонений генерирует предупреждения оператору.

Еще одним типом агентов в такой системе являются агенты брокеры (broker agent), которые помогают заказчикам найти службы сервисов и продукты. В системе AMIS каждая служба регистрирует своего брокера, специфицируя свои сервисы и предлагаемые продукты. Так, например, покупатели автомобилей не обращаются непосредственно к каждому производителю автомобилей, а посылают атрибуты необходимого автомобиля (цвет, цена, доставка) брокеру. Брокер в свою очередь опрашивает все производственные ячейки, которые зарегистрированы брокером. Заказчик определяет дату, по достижении которой все ячейки должны предоставить свои предложения. Брокер собирает все предложения и отсылает их заказчику, который выбирает лучшее и сообщает об этом брокеру. «Проигравшие» ячейки могут видеть атрибуты выигравшего предложения, чтобы улучшить свои условия в будущем. По своей географии агенты-брокеры могут быть локальными (в пределах ячейки), региональными и глобальными. Следует отметить, что в системе AMIS большое внимание уделяется адаптации, обучению и эволюции агентов.

Система использует семиступенчатый процесс от формулировки предложений до формирования готового продукта: 1.

Запрос предложений {Requestfor Quotes — RFQ) заказчиком; 2.

Получение предложений (Receive Quotes) заказчиком; 3.

Выбор победителя (Select Winner) заказчиком; 4.

Подтверждение предложения (Winner Confirms) ячейкой; 5.

Оформление заказа (Issue Purchase Order) заказчиком; 6.

Изготовление продукта (Generating Product) ячейкой; 7.

Расплата (Make Payment) заказчиком.

Основные преимущества использования системы AMIS по сравнению со стандартными решениями: •

улучшение качества использования ресурсов путем лучшего распределения нагрузок; •

увеличение производительности путем изготовления лучших продуктов за нужное время; •

уменьшение числа просроченных работ посредством лучшего планирования и мониторинга; •

система имеет гибкую и динамичную архитектуру, которая своевременно отвечает на быстро изменяющийся рынок; •

возможность использования оценки стоимости, основанной на процессах (activity-based costing — ABC).

Помимо систем производства агентные системы используются в службах контроля за воздушным трафиком (Air-traffic control). Одна из таких систем (OASIS) работает в Сиднейском аэропорту.

MAC начинают занимать свою нишу в приложениях электронной коммерции, особенно в 525-приложениях, приложениях, основанных на распределенных вычислениях, а также в приложениях менеджмента бизнес-процессов.

Внедрение технологий многоагентных систем в различные области деятельности человека неслучайно и обусловлено тем, что системы на базе агентов обладают гибкостью, динамичностью и адаптивностью к изменениям внешнего окружения.

<< | >>
Источник: Д.В. Александров, А.В. Костров, Р.И. Макаров, Е.Р. Хорошева. Методы и модели информационного менеджмента: учеб. пособие. — М.: Финансы и статистика. — 336 с.: ил.. 2007

Еще по теме 7.2. МНОГОАГЕНТНЫЕ СИСТЕМЫ И МНОГОАГЕНТНЫЙ ПОДХОД:

  1. ДРЕВНИЕ ХОЛИСТИЧЕСКИЕ СИСТЕМЫ
  2. 12.1. Понятие, предмет информационной безопасности и ее место в системе обеспечения национальной безопасности
  3. 73. СИСТЕМА УПРАВЛЕНИЯ: ФУНКЦИОНАЛЬНЫЙ И СТРУКТУРНЫЙ ПОДХОДЫ
  4. Гибкая организация: худшие и лучшие подходы
  5. 24.1. СИСТЕМНЫЙ ПОДХОД
  6. 7.2.5. Реализация стратегии с помощью сбалансированной системы показателей
  7. 7.1. ИНТЕГРАЦИЯ РАСПРЕДЕЛЕННЫХ СИСТЕМ УПРАВЛЕНИЯ БИЗНЕС-ПРОЦЕССАМИ ПРЕДПРИЯТИЙ
  8. 7.2. МНОГОАГЕНТНЫЕ СИСТЕМЫ И МНОГОАГЕНТНЫЙ ПОДХОД
  9. 7.4.4. Сравнение архитектур OMG MASIF и FIPA 2000
  10. 1.2. ключевые особенности современной системы взглядов на менеджмент