CC BY
283
3. Закон г. Санкт-Петербурга от 25.12.2006 N 627-100;
4. Закон Республики Дагестан от 01.02.2008 N 5;
5. Закона Республики Алтай от 05.03.2008 N 15-РЗ;
6. Стратегия экономического и социального развития Республики Коми на 2006 - 2010 гг. и на период до 2015 г., одобренная Постановлением Правительства Республики Коми от 27.03.2006 N 45;
7. Правила формирования и использования бюджетных ассигнований инвестиционного фонда Российской Федерации (в редакции Постановления Правительства РФ от 23.08.2010 №647);
8. Варнавский В.Г., Клименко А.В., Королев В.А. и др. Государственно-частное партнерство: теория и практика. Москва : Издательский дом Государственного универиситета - Высшей школы экономики, 2010 - 287стр.;
9. А.А. Алпатов, А.В. Пушкин, Р.М. Джапаридзе. Государственно-частное партнерство: Механизмы реализации. Москва : Альпина Паблишерз, 2010 - 196с.;
10. В.В. Максимов. Государственно-частное партнерство в транспортной инфраструктуре: критерии оценки концессионных конкурсов. Москва : Альпина Паблишерз, 2010 - 178с.;
11. «Основы управления проектами». Материалы базового курса. Ассоциация Управления Проектами. Москва, 2009 год;
12. «Управление проектами». Полковников А.В., Дубовик М.Ф.
- М.: Эксмо, 2011. - 528с. - (Полный курс MBA);
13. «Руководство к своду знаний по управлению проектами (Руководство PMBOK) - Четвертое издание, 2008г. Project Management Institute, Inc.
ИНФОРМАЦИОННЫЕ МУЛЬТИАГЕНТНЫЕ ТЕХНОЛОГИИ В ЭКОНОМИКЕ
Гимаров В.В., к.э.н., доцент, Филиал ФГБОУ ВПО «Национальный исследовательский университет «МЭИ» в г. Смоленске Гимаров В.А., д.т.н., профессор, Филиал ФГБОУ ВПО «Национальный исследовательский университет «МЭИ» в г. Смоленске Иванова И.В., аспирант, Филиал ФГБОУ ВПО «Национальный исследовательский университет «МЭИ» в г. Смоленске
В статье проанализированы основные особенности экономических систем, показана актуальность и применимость мультиагент-ных технологий для решения приоритетных социально-экономических задач. Показана необходимость разработки адаптивных систем и предложен вариант создания адаптивных мультиагентных систем за счет использования многокомпонентного подхода.
Ключевые слова: экономическая система; динамика изменения рыночной конъюнктуры; мультиагентные технологии; адаптивные системы.
INFORMATION MULTI-AGENT TECHNOLOGY IN ECONOMICS
Gimarov V., Ph.D., Associate Professor, Branch FGBOU VPO «National Research University» MEI in Smolensk Gimarov V., Professor, Branch FGBOU VPO «National Research University» MEI in Smolensk Ivanova I., The post-graduate student, Branch FGBOU VPO «National Research University» MEI in Smolensk
The paper analyzes the main features of economic systems, the urgency and the applicability of multi-agent technology to address priority social and economic problems. The necessity of development of adaptive systems and to suggest the creation of adaptive multi-agent systems through the use of multi-component approach.
Keywords: economic system; changes in market conditions; multi-agent technology; adaptive systems.
В настоящее в условиях увеличения сложности и изменчивости систем возрастает роль процессов принятия грамотных управленческих решений, основанных на использовании различного программно-алгоритмического обеспечения, как способа повышения эффективности выбора решений за счет проведения многокритериального анализа исходной информации.
Реальный окружающий нас мир является сложным и сочетает в себе многообразие состояний, характеризующих порядок и хаос, организацию и дезорганизацию, равновесие и расхождения. При этом рассмотрение его с точки зрения возможностей отдельного объекта представляет мир в виде локальных, фрагментарных, неточных моделей. В соответствии с этим, принцип согласования и координации интересов и точек зрения, присущий для функционирования современных организаций, ложится в основу множества методов и средств искусственного интеллекта, в том числе при проектировании взаимодействий искусственных агентов, построении многоагентных систем и интеллектуальных организаций [2, 3].
Актуальность применения мультиагентных систем, во многом, обуславливается сложностью систем и организаций, снижением эффективности централизованного управления из-за наличия большого количества разнонаправленных потоков информации, неоднородностью и распределенностью решаемых задач, необходимостью обеспечения адаптивности управляющих систем, а также тенденциями развития современной вычислительной техники и программного обеспечения.
Мультиагентная технология - это новая программная технология, которая для решения сложной задачи или проблемы использует системы, состоящие из множества взаимодействующих агентов.
Исследования по мультиагентным системам и интеллектуальным агентам проводятся уже более сорока лет, однако в последние годы они были выделены в самостоятельный обширный раздел искусственного интеллекта. История теории агентов неразрывно связана с общим контекстом становления кибернетики, теории автоматов, искусственного интеллекта как научных дисциплин, моделирующих поведение искусственных и биологических сущностей
в условиях некоторой внешней среды и основана на результатах исследований по направлениям «распределенный искусственный интеллект» (DAI - Distributed Artificial Intelligence), «параллельный искусственный интеллект» (PAI - Parallel Artificial Intelligence), «распределенные системы поддержки принятия решений» (DPS -Distributed Problem Solver) [8].
Зарождение основ концепции связывается с появлением формулировки термина «агента», как некоторого интеллектуального посредника, необходимость возникновения которого объясняется желанием упростить стиль общения пользователя с программой через интерфейс. В настоящее время это общение ограничивается явным запуском пользователем выбранной им задачи и контролем её решения. Другими словами, появление агента послужило попыткой увеличить интеллектуальность пользовательского интерфейса [1]. С его помощью осуществляется замещение взаимодействия, задаваемого пользователем в виде команд и прямых манипуляций, на вовлечение его в процесс решения.
Развитие идей интеллектуальных агентов на основании применения методов и алгоритмов искусственного интеллекта, распределенных баз данных и вычислений дало возможность увеличить границы их практической реализации далеко за пределы пользовательского интерфейса и привело к тому, что агенты интегрируются в системы, совместно решающие сложные задачи. Данный переход обозначил появление новой концепции распределенных систем искусственного интеллекта - мультиагентных систем [5].
В настоящее время мультиагентная система является некоторой совокупностью интеллектуальных агентов, локализованных в отдельных звеньях в сети, перетекающих по ней в процессе поиска актуальной информации, знаний и процедур и координирующих свои действия в процессе выработки решений.
С учетом принятия некоторых допущений в рамках мультиаген-тных систем на сегодняшний день выделяются следующие основные направления [6]:
- теория агентов. Рассматривает формализмы и математические методы для описания рассуждений об агентах и для выражения
желаемых свойств агентов;
- методы кооперации агентов - организации кооперативного поведения в процессе совместного решения задач или при каких-либо других вариантах взаимодействия;
- архитектура агентов и многоагентных систем;
- языки программирования агентов;
- методы, языки и средства коммуникации агентов;
- методы и программные средства поддержки мобильности агентов (миграции агентов по сети).
Единого признанного определения термина «агент» до настоящего времени не существует. Это связано с тем, что до сих пор ученые не могут придти к общему мнению относительно набора свойств, которыми должен обладать агент, среди которых в соответствии с различными трактовками выделяются: интеллект, инициативность и реактивность, ориентация в пространстве, способность обучаться, общаться и т.д. [7].
Среди существующих на сегодняшний день мультиагентных систем с точки зрения возможностей взаимодействия агентов можно выделить такие виды, как кооперативные (не имеющие общих ресурсов), конкурирующие (борющиеся за пользование ресурсами) и смешанные [6]. В кооперативных системах агенты представляют собой лишь часть единой системы, которая способна решать отдельные подзадачи. При этом агент не работает за пределами рассматриваемой системы и не выполняет индивидуальные задачи. Конкурирующие агенты представляют собой самостоятельные системы, которые могут объединяться для достижения общих целей. Смешанные агенты являются, по сути, конкурирующими, однако их подсистемы также разрабатываются в соответствии с агентной технологией. Помимо организации общения между отдельными агентами в рамках таких мультиагентных систем реализовывается также и способность общения агентов с пользователями.
Одни из первых западных практических разработок мультиагет-ных систем относятся к 70-м годам прошлого века и, прежде всего, связываются с именами В.Лессера и Д.Лената. Их работы способствовали разработке структуры «доски объявлений» и послужили основой для многих последующих исследований в области возможностей организации процессов коммуникации между агентами. В 1980-х годах Р. Смит [9] представил свою модель системы распределенного решения, которая получила название «протокол контрактной сети». Система основана на применении теории переговоров между автономными интеллектуальными агентами и протоколе рыночных торгов.
Период развития и расширения процессов разработки и применения мультиагентных систем начинается с создания системы класса DVMT(Distributed Vehicle Monitoring Test), которая была предназначена для распознавания ситуаций дорожного движения. В этой системе агенты нацелены на выработку единого согласованного решения в рамках конкретной дорожной ситуации за счет определения положения автомобилей на основе данных, получаемых с датчиков.
В настоящее время агентно-ориентированные технологии все чаще находят свое применение для решения практических задач различных сфер. В первую очередь, речь идет о таких областях, как распределенное решение задач, распараллеленное проектирование изделий и разработка программных комплексов, интеллектуальный анализ данных, семантический поиск, реинжиниринг бизнес-процессов предприятий и построение виртуальных организаций, имитационное моделирование интегрированных производственных систем и электронная торговля, организация работы коллективов роботов, поддержка логистических сетей большой размерности, адаптивное планирование. Мультиагентные технологии также могут использоваться в качестве центрального аппарата, ориентированного на развитие средств управления информацией и знаниями, что расширит их сферу применения до разработки и внедрения новейших телекоммуникационных систем, в том числе и на базе глобальной сети Интернет.
В тоже время высокая динамика и изменчивость рыночных процессов приводят к необходимости обеспечения адаптационных возможностей разрабатываемых систем. Так, предположим, что в результате колебаний рыночной конъюнктуры происходят следующие виды изменений:
1) сокращение или увеличение числа агентов, действующих на рынке,
2) изменение численности внутри каждой группы агентов за счет, например, перехода потребителей из одного сегмента в другой,
3) формирование новой линии поведения агентов в ответ на изменение условий их функционирования.
Учет данных изменений при построении мультиагентных моделей позволит значительно увеличить эффективность принятия управленческих решений в результате прогнозирования и анализа рыночных взаимодействий.
Осуществлять данный учет можно с использованием нестационарных многокомпонентных мультиагентных систем. Данный термин показывает, что в результате изменений состояния рыночной среды система адаптируется и, учитывая данные изменения, осуществляется её перестройка. В соответствии с учетом различных изменений можно предложить следующую классификацию муль-тиагентных систем:
1. Стационарная мультиагентная система. Она не разделяется на отдельные компоненты ввиду отсутствия необходимости внесения изменений в состояние и поведение её агентов.
2. Монотонная мультиагентная система. Данный вид мульти-агентной модели строится в случае, когда происходят колебания числа агентов. Например, в результате колебаний экономической конъюнктуры изменяется состав участников рынка (с рынка уходят малые предприятия). Мультиагентная система адаптируется за счет включения нового компонента, учитывающего отсутствие одного из агентов.
3. Вариационная мультиагентная система. Она строится в случае формирования для существующих агентов новых программ и стандартов поведения. Так, в случае, появления нового закона, регламентирующего деятельность предприятий отрасли, поведение всех агентов должно быть скорректировано в соответствии с ним.
4. Динамическая мультиагентная система. Используется в случае возникновения изменений всех описанных видов.
В целом, можно сказать, что использование многокомпонентных мультиагентных систем позволит осуществлять принятие эффективных управленческих решений за счет реализации возможности адаптации структуры системы к условиям высокой динамики и изменчивости внешней среды.
Литература:
1. P.Maes. Agent that Reduce Work and Information Overload. In: Communication of the ACM, v.37, No.7, July 1994, pp. 30-40.
2. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология информатика. - М.: Эдито-риалУРСС, 2002.
3. Дли М.И., Какатунова Т.В. Нечеткие когнитивные модели региональных инновационных систем // Интеграл - 2011 - №2(58)
- С.16-18
4. Андреев В.В., Минаков И.А., Пшеничников В.В., Симонова Е.В., Скобелев П.О. Основы построения мультиагентных систем. -Самара: Поволжская государственная академия телекоммуникаций и информатики. 2007.
5. Тарасов В.Б. Агенты, многоагентные системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте. // Новости искусственного интеллекта. - 1998.
- №2. - с.5-63.
6. В.И.Городецкий, М.С.Грушинский, А.В.Хабалов. Многоагентные системы (обзор). // Новости искусственного интеллекта. - 1998.
- №2. - с. 64-116.
7. Schieritz, Nadine, and Milling, Peter. 2003. Modeling the Forest or Modeling Comparison of System Dynamics and Agent-Based Simulation. The 21st International Conference of the System Dynamics Society, New York, USA.
8. Distributed artificial intelligence: theory and praxis / Ed. by N. M. Avouris and L. Gasser. - Dordrecht; Boston: Kluwer Academic, 1992.
- 235 p.
9. APICS - The Educational Society for Resource Management [Electronic re-sourse] / [USA]: [S.l], 2003. - Electronic data. - Mode of access: http://www.apics.org.
