CC BY
34
УДК 338.27:004.94
АНАЛИЗ СЕТЕЙ ИНФОРМАЦИОННОГО ВЗАИМОДЕЙСТВИЯ
В ИННОВАЦИОННОЙ СРЕДЕ НА ОСНОВЕ МЕТОДОВ АГЕНТНОГО МОДЕЛИРОВАНИЯ
А.Л. Машкова, О.А. Савина
Проведен анализ сетей информационного взаимодействия участников инновационной среды. Представлено формальное описание агентной модели на основе разработанного междисциплинарного подхода к исследованию социально-экономических процессов. Поведение агентов основано на когнитивной модели ТОТЕ. Описывается информационная структура агента, в том числе его сетевые взаимосвязи и нечеткие оценки социальной среды, а так же алгоритмы обмена информацией между агентами.
Ключевые слова: агент-ориентированная модель, правила принятия решений, сеть информационного взаимодействия.
Введение. Становление и развитие инновационной среды во многом определяется социально-политическими условиями и настроениями в обществе. В современном обществе люди подвергаются информационному воздействию с различных сторон. В общем случае можно выделить два типа воздействия: централизованное воздействие (реклама, новости и другие СМИ), и точечное воздействие в личных контактах. Если воздействие осуществляется некоторой заинтересованной стороной (например, коммерческой организацией или политической структурой), то она создает для этого специально организованные сетевые структуры. Данная работа посвящена исследованию сетевых структур, которые могут быть использованы для формирования инновационной среды. Несмотря на активное развитие технологий массового воздействия, сетевые воздействия сохраняют свою особую значимость, потому что в личных контактах гораздо выше уровень доверия к получаемой информации. Кроме того, построенные сети могут служить плацдармом для организованного воздействия.
Методология моделирования. Для исследования сетевых структур хорошо подходят методы агент-ориентированного моделирования (АМ). Основными объектами в них являются агенты, причем под этим термином могут подразумеваться как физические, так и юридические лица. АМ позволяет исследовать динамику глобальных систем как результат совместной деятельности объектов микроуровня [1-3]. Объектом изучения в модели сетевого информационного взаимодействия является переход агентов из нейтрального в активное состояние вследствие сетевого информационного взаимодействия между активными агентами-инноваторами и нейтральными агентами. Имитационная модель (ИМ) сетевого взаимодействия реализована как компьютерная программа и включает в себя набор информационных объектов, которые создаются на основе данных на начало периода,
а затем подвергаются изменениям в соответствии с алгоритмами программы и индивидуальными решениями агентов. Это позволяет проводить сценарные расчеты, задавая различные значения параметров внешней среды, которые являются неуправляемыми и заранее непредсказуемыми. После серии расчетов оцениваются последствия различных управляющих воздействий при реализации различных сценариев.
Серьезным недостатком существующих моделей социально-экономических процессов является недостаточно точное воспроизведение процесса принятия решений с помощью ограниченного набора правил [47]. Классические модели слабо отражают реальную социально-экономическую среду: агенты не имеют возраста, не сгруппированы в семьи, не задан их доход и личные предпочтения в структуре потребления. Эти недостатки ограничивают сферу применения имитационных моделей изучением самых общих теоретических закономерностей. Для преодоления этих ограничений разработан междисциплинарный подход, в котором сочетаются методы АМ, элементы искусственного интеллекта, когнитивной психологии, различных направлений экономики и социологии (рис. 1).
Рис. 1. Междисциплинарная схема исследования
Концепция агента расширяется за счет задания процедур принятия решений, учитывающих его ограниченную рациональность. Правила принятия решений и необходимая информация закладываются в когнитивную архитектуру агента, что позволяет создать простую вычислимую архитектуру агента, ориентированную на решение социально-экономических задач. Для оценки подверженности агента информационному воздействию необходимо также учитывать результаты исследований в области социальной психологии.
Перечисленные усовершенствования касаются внутренней структуры агента, также необходимо сделать боле адекватной внешнюю среду. Привлечение данных социологических исследований позволяет воспроизвести половозрастную и классовую структуру населения, уровень их доходов, наличие рабочих мест и т.п.
Структура модели. На программном уровне для выполнения перечисленных условий модель реализуется в виде отдельных модулей, каждый из которых отвечает за определенную составляющую общественной жизни, при этом действующими субъектами в различных процессах являются одни и те же агенты, созданные в блоке «Демография» [8] (рис.2). Агенты являются участниками различных форм экономических отношений, выступая в качестве рабочей силы, потребителей, налогоплательщиков, кредиторов и заемщиков. Образовательная система рассматривается исключительно с экономической точки зрения, как институт, превращающий неквалифицированную рабочую силу - учащихся, в квалифицированную - выпускников.
Рис. 2. Модульная структура модели информационного
взаимодействия
Ключевой структурой для моделирования информационных взаимодействий является сеть связей между агентами, которая задается в виде приведенной в таблице матрицы. Значения в ней нормированы в пределах от 0 до 1, где 0 - это полное отсутствие связи, а 1 - это связь агента с самим собой. Промежуточные значения устанавливаются в зависимости от тесноты контактов, например, коллеги имеют тесноту связи от 0,1 до 0,3
(коллегами считаются агенты, занимающие рабочие места, принадлежащие одному юридическому лицу). У родственников связь от 0,7 до 0,9; они определяются как агенты, принадлежащие одному домохозяйству или сохранившие связь с домохозяйством родителей.
Пример сети связей между агентами
№ агента 1 2 п
1 1 1 0.6 0.8 0 0.3 0.2
2 0.6 0.8 1 1
1 0 0 0.1 0.1
п 0.3 0.2 0.2 0.2 1 1
В сети также указан уровень доверия к источнику информации. Существующие прямые связи позволяют определить косвенные связи: теснота косвенной связи определяется как произведение тесноты образующих ее прямых связей. Для агента доступными будут те источники информации, прямая или косвенная связь с которыми и уровень доверия больше порогового значения. По сети передается некоторая информация. Агенты оценивают полученные сообщения со своих субъективных позиций. Они сравнивают ожидаемую оценку уровня жизни (ООУЖ) с текущей, причем оценивается ожидаемое изменение уровня. На рис.3 представлена градация оценок, полученная на основе аппарата нечеткой логики.
1
1
П 1 ^ / 1 ^ 1 Ж 1 ^ ■ ^ ■ Ж
■
рт рг х
Рис. 3. Функция принадлежности нечеткой оценки уровня жизни множеству приемлемых для агента значений
Принадлежность оценки уровня жизни отрезку от 0 до рт означает, что данный параметр находится в критической зоне, и агент будет активно настроен на изменения. Отрезок от рт до рг - это условно-приемлемая зона. Если значение параметра находится в ней, то агент будет достаточно инертным, и предпримет действия, только если ожидаемые изменения переведут его в зону комфорта. Агент будет еще более инертным, если его оценка уже находится в зоне комфорта.
Границы рт и рг устанавливаются различными для множества агентов и определяются в зависимости от прошлого опыта агента и текущей среды:
( ~ « \
W •
Pr-Prr
U>Pr
< pr (1)
где х - величина параметра уровня жизни агента, рт - величина критически низкого уровня параметра в заданной социальной среде, рг - величина параметра, которую агент считает приемлемой.
Нормирующий коэффициент и> определяется как
[0,х < рт
\}>Рт ~Х~Рг (2)
W =
Помимо экономических, необходимо учитывать также психологические аспекты социальной активности агента, в основе которых лежит его склонность к переменам, или, наоборот, природная инертность. По мере роста недовольства условиями жизни, у агента накапливается энергия, способная по достижении некоторого порога толкнуть его на решительные действия. Уровень недовольства агента зависит от разрыва между имеющимся и ожидаемым уровнем жизни (чем он больше, тем выше недовольство агента) и времени, в течение которого агент находится в неудовлетворительном состоянии. Порог накопления уровня недовольства является индивидуальным для каждого агента. По достижении накопленного недовольства порогового значения, агент из нейтрального состояния переходит в активное и готов к участию в инновационных преобразованиях. При распространении информационного воздействия через личные контакты важное значение приобретает убедительность источника и подверженность влиянию получателя.
Когнитивная архитектура агента. Архитектура агента в модели основана на когнитивной модели TOTE - Test-Operate-Test-Exit (Проба-Действие-Проба-Выход), которая описывает цикл достижения цели во взаимодействии со средой [9-11]. Основные понятия модели TOTE - План и Образ, где План - это набор действий, которые может совершить агент, а Образ - это доступная ему информация. Образом агента в модели является его информационная структура. В ней заложены описанные выше оценки:
оценка текущего уровня жизни (УЖ), получаемая из экономического блока; передающаяся по сети оценка ожидаемого уровня жизни (ООУЖ); текущее состояние (нейтральный или активный); набор индивидуальных психологических характеристик, определяемый принадлежностью агента к кластеру. На рис. 4 представлены алгоритмы, реализующие Планы агентов.
Рис. 4. План распространения информации активного агента
В процессе распространения информационных воздействий по сети активные агенты обрабатывают свои прямые связи и устанавливают новые прямые связи на основе косвенных.
Объектом информационного воздействия является оценка ожидаемого УЖ. В начале моделирования она устанавливается равной текущей оценке УЖ у нейтральных агентов и больше в к раз у активных агентов. При обработке прямых связей проверяется теснота и уровень доверия. Если при выполнении этих условий убедительность источника выше, чем подверженность влиянию получателя, то у последнего коэффициент к, определяющий ожидаемую ОУЖ становится равным коэффициенту к источника. После обработки всех прямых связей активные агенты расширяют сферу своего влияния через косвенные связи. Активные агенты могут
преобразовать свои косвенные связи в прямые, если их теснота превышает порог контакта.
На каждом такте моделирования у агентов проверяется соотношение текущих и ожидаемых оценок уровня жизни и достижение порогового уровня недовольства, после чего состояние агента становится активным или нейтральным. Представители всех кластеров агентов, кроме тех, которые исходно были активными (инноваторы), в любой момент могут вернуться из активного в нейтральное состояние, если их текущая оценка УЖ повысится. У инноваторов ожидаемая оценка уровня жизни всегда выше, чем текущая, поэтому они автоматически возвращаются в активное состояние.
Заключение. Разработанная модель позволяет исследовать процесс перехода агентов из нейтрального в активное состояние в инновационной среде. Получение количественных характеристик изменения инновационной среды представляет собой отдельное направление исследований. С точки зрения моделирования у агентов расширяется поле возможных действий. Социально-экономическая ситуация начинает меняться, и агенты могут оценивать, соответствуют ли изменения их ожиданиям, при этом увеличивается роль организаторов-инноваторов. Для проведения дальнейших исследований необходимо осуществить наполнение информационной базы, отражающей социально-экономическую структуру общества, а также отладить механизмы информационного взаимодействия.
Список литературы
1. Castelfranchi, C. The theory of social functions: Challenges for computational social science and multi-agent learning. Cognitive Systems Research (Special issue on multidisciplinary studies of multi-agent learning, R. Sun. Ed.), 2(1), 2001. P. 5-38.
2. Gilbert N. When Does Social Simulation Need Cognitive Models? In: Cognition and Multi-Agent Interaction From Cognitive Modeling to Social Simulation. Cambridge Univirsity Press, 2006. P. 428-432.
3. Moss S (1999) Relevance, realism and rigour: A third way for social and economic research. CPM Report No. 99-56. Center for Policy Analysis, Manchester Metropolitan University, Manchester, UK
4. Sun R. Prolegomena to Integrating Cognitive Modeling and Social Simulation. In: Cognition and Multi-Agent Interaction From Cognitive Modeling to Social Simulation. Cambridge Univirsity Press, 2006. P. 3-28.
5. Sun R. The CLARION Cognitive Architecture: Extending Cognitive Modeling to Social Simulation. In: Cognition and Multi-Agent Interaction From Cognitive Modeling to Social Simulation. Cambridge Univirsity Press, 2006. P. 79-102.
6. Schelling T. Micromotives and Macrobehavior, Norton, 1978.
7. Epstein J., Axtell R. Growing Artificial Societies: Social Science From the Bottom Up. MIT Press/Brookings Institution. 1996. 208 p.
8. Савина О.А., Машкова А.Л., Сарапкина С.В. Программная реализация и оценка адекватности модуля «Демография» вычислительной модели экспериментальной экономики // Информационные системы и технологии. 2015. № 6. С. 32-38.
9. Машкова А.Л. Интеллектуальный агент в социальной среде: нечеткие оценки и правила принятия решений // Известия ЮЗГУ. Серия «Управление, информатика, вычислительная техника». 2014. №3. С. 12-19.
10. Машкова А.Л. Когнитивная архитектура интеллектуального агента в имитационных моделях социально-экономических явлений // Ученые записки ОГУ. Серия «Гуманитарные и социальные науки». 2014. №5. С. 78-81.
11. Машкова А.Л., Кононов Н.С. Сравнительный анализ процессов принятия решений интеллектуальными агентами с различными когнитивными ограничениями // Сборник трудов XV Международной научной конференции "Интеллектуальный анализ информации ИАИ-2015" им. Таран Т.А. Киев: Просвета. 2015. С.138-145.
Машкова Александра Леонидовна, канд. техн. наук, доц., aleks.savina@gmail. com, Россия, Орел, Орловский государственный университет им. И.С. Тургенева,
Савина Ольга Александровна, д-р экон. наук, проф., зав. кафедрой, o. a. savina@gmail. com, Россия, Орел, Орловский государственный университет им. И.С. Тургенева
NETWORK ANALYSIS INFORMATION INTERACTIONS IN AN INNOVATIVE
ENVIRONMENT BASED ON METHODS OF AGENT-BASED MODELING
A.L. Mashkova, O.A.Savina
This article is devoted to the analysis of networks of information exchange participants of the innovation environment. Presented by the formal description of agent-based model developed by an interdisciplinary approach to the study of socio-economic processes. The behavior of agents based on the cognitive model TOTE. This article describes the information structure of the agent, including its network interconnections and fuzzy evaluation of the social environment, and the exchange of information between agents algorithms.
Key words: agent-based model, decision rules, information exchange network.
Mashkova Aleksandra Leonidovna, candidate of technical sciences, docent, [email protected], Russia, Orel, Orel State University of I.S Turgenev,
Savina Olga Aleksandrovna, doctor of economic sciences, professor, manager of ka-thedra, [email protected], Russia, Orel, Orel State University of I.S Turgenev
