CC BY
45
4
Научно-технические ведомости СПбГПУ. Наука и образование. Устойчивое развитие и энергетика -►
В. П. Шкодырев
ИННОВАЦИОННЫЕ ТЕХНОЛОГИИ В ЗАДАЧАХ УПРАВЛЕНИЯ БОЛЬШИМИ РАСПРЕДЕЛЕННЫМИ СИСТЕМАМИ
Важным фактором, определяющим устойчивое развитие общества, в значительной степени является высокоэффективное промышленное производство, основанное на внедрении новых инновационных решений в области высоких технологий. Одним из наглядных примеров подобных технологий является новое поколение систем управления — распределенные интеллектуальные управляющие компьютерные сети, ориентированные на задачи децентрализованного (гибридного) управления большими распределенными технологическими комплексами и производственными процессами. Управляющие компьютерные сети относятся к новому классу распределенных интеллектуальных систем (РИС), представляющих большой класс систем искусственного интеллекта в приложении к задачам промышленного применения [1].
Современная теория искусственного интеллекта рассматривает РИС как множество отдельных подсистем, подчиненных определенным законам внутреннего взаимодействия и развития, переводящих их на новый, более высокий уровень функциональных возможностей [1, 2]. Новые принципы и модели обработки информации, предлагаемые теорией искусственного интеллекта и, в частности, распределенных интеллектуальных систем, в практическом аспекте ориентированы на формирование глобальной информационно-управляющей среды нового поколения в форме управляющих компьютерных сетей с различными архитектурами, уровнями иерархии и организацией. Применение подобных сетей может быть ориентировано на решение широкого класса как фундаментальных научно-исследовательских, так и прикладных задач, одной из которых является задача ситуационно-
го управления, включающая оценивание, прогнозирование и управление ситуациями [2].
Задача ситуационного анализа является основной во многих системах управления и безопасности. В большинстве случаев она связана с выявлением последовательности критических событий и принятии мер для предотвращения или недопущения развития нежелательных ситуаций, а также устранения их последствий. Управление ситуациями тесно связано с управлением сложными или трудно формализуемыми объектами и явлениями, к которым относятся опасное развитие нештатных предаварийных и предотвращение аварийных ситуаций на промышленных предприятиях и технологических комплексах, развитие неисправностей в сложных технических системах, управление действиями автономных мобильных транспортных системам или боевых роботов в непредсказуемых условиях ведения боя, управление чрезвычайными ситуациями во время техногенных катастроф. Используемые в подобных случаях принципы управления требуют принятия сложных оперативных решений на основе оценивания большого числа параметров в условиях недостаточной информации или ограниченных условий. Наиболее общим подходом к представлению моделей ситуационного анализа и управления является язык онтологий, позволяющий подойти к формальному описанию объектов и явлений окружающего мира через язык категорий [1, 2]. Использование языка онтологий позволяет создать онтологию ситуационного исчисления, описывающей модели ситуационного управления на языке строгого логического вывода, как результат последовательности действий в терминах результатов этих действий. Использование языка он-
тологий позволяет строить конструктивные алгоритмы логических выводов, которые формализуют последовательность действий. В то же время подобный язык не позволяет эффективно формировать целевые критерии качества результатов. Перспективным подходом к совершенствованию теории является применение многообещающей концепции ситуационно-целевого управления, ориентированной на более полное описание конструктивных алгоритмов с возможностью комплексных оценок их эффективности [3, 5].
Сформулируем задачу ситуационно-целевого управления в распределенной интеллектуальной системе, представленной группой взаимодействующих интеллектуальных роботов, решающих задачу группового взаимодействия в непредсказуемых условиях изменяющейся среды. С этой целью зададим группу Я = [Л;, ..., Лй], состоящую из й агентов-роботов Я- ( ( = ё) , функционирующих в изменяющейся среде Е, состояние которой определим вектор-функцией Е^ (7) = (е1,е2,...,е^ , описывающей множество событий е1,е2,...,ет , возникающих как результат взаимодействия роботов со средой и которые могут оцениваться роботами. Введем понятие ситуации, определяемой как результат такого взаимодействия, задаваемого множеством состояний объекта «робот — среда» в виде вектор-функции
8§ () = (.X!,...,Хп,В) = (^,...,т) .
Ситуация также может быть интерпретирована как действительность или реальный факт того, что определенная комбинация событий реальна или нереальна для определенного момента времени и в определенных обстоятельствах.
Целью функционирования РИС в среде является целенаправленное изменение ситуации, т. е. преобразование текущей ситуации в нужном направлении. Конструктивной моделью ситуационного управления является формирование каждым роботом-агентом соответствующих действий Аj(7) = (а.\-,...ан^ ., позволяющих целенаправленно изменять текущую ситуацию в нужном направлении. Результатом групповых действий роботов является новая ситуация
8, что можно определить как совокупность новых событий в.■ л—в, . Мы связываем с
1 J
^ () = {^,..., ^т) множество отдельных событий,
каждое из которых связано со своей спецификой. События могут группироваться в классы, где БС1 = , образующих множество
классов ситуаций. Под классом ситуаций следует понимать группирование ситуаций в семантически эквивалентные группы, описывающие динамику ситуационного управления. К примеру, класс ситуаций Б. может быть определен как
Б1 = в л (е- V -1весли е- нерелевантно любому действию, которое может случиться в этом классе ситуаций.
Принципиальной особенностью функционально-целевого управления является использование нового принципа интеллектуального управления — через целеполагание. Оно основано на построении рекуррентной модели достижения поставленной цели посредством процесса рекуррентной декомпозиции исходной задачи на более простые подзадачи (подцели). Исходным этапом построения формальных алгоритмов управления через целеполагание является введение понятия «классов эквивалентности целей», т. е. множества целей, эквивалентных в смысле предметной направленности, а также отношения эквивалентности, которые задаются в каждом классе и разбивают каждый класс на подклассы. Организация процесса достижения главной (стратегической) цели отождествляется с рекуррентным использованием отношения эквивалентности, моделирующим процесс декомпозиции комплексной задачи (целевой функции) на подзадачи и ее последующего решения путем организации достижения совокупной цели из известных «атомарных» целей, достижение которых реализуется «атомарными» действиями. При этом содержательная информация предметной области (описание ситуаций) представляется в виде формальных высказываний.
Для формирования желаемого сценария изменения ситуаций ставится задача планирования последовательности действий, позволяющих группе роботов достигнуть желаемого эффекта в изменении ситуации. Изменение ситуации является реакцией среды на действие роботов, что в ситуационном исчислении может быть описано через логические термы, опреде-
4
Научно-технические ведомости СПбГПУ. Наука и образование. Устойчивое развитие и энергетика -►
ляющие результат применения некоторого действия в некоторой ситуации. В планировании групповых действий каждый член команды должен иметь адекватное множество планов Р , включающих определенные планы р для каждого возможного класса ситуаций Si. План Р± , ассоциированный с ситуацией класса S1, представляет по умолчанию ситуацию, в которой команда не предпринимает никаких действий. К примеру, S1 может представлять ситуацию, при которой нет никакой цели (жертвы) для роботов. При функционально-целевом планировании планы организуются по иерархическому принципу. На самом верхнем уровне — наиболее общая ситуация, в то время, когда на нижних уровнях — наиболее специфические.
Для получения количественных оценок эффективности конструктивных алгоритмов ситуационного управления через групповые действия вводится функция и: РхД^ ^Я , определяющая полезность (поощрение или цену) исполнения плана для данного класса ситуаций. Поскольку класс ситуаций для каждого места уникальный и не зависит от других мест, мы можем сконцентрироваться только на одном месте (событии). Для упрощения описания рассматриваем одну конкретную ситуацию как я. Через функцию полезности и могут устанавливаться приоритеты командного поведения, которые формализуются (задаются) через правила выполнения следующих условий:
5 е Д апй 5 е апй Si с SJ ^ и (р Д )> и (р Д), 5 г Д апй 5 е SJ апй Si с SJ ^ и (р Д )<и (р Д),
и (Р±Д) = 0.
В данной системе первое условие требует, чтобы более высокая цена (поощрение) устанавливалась для того, чтобы более специфический план был исполнен в более соответствующей (подходящей) ситуации. Второе условие задает требование, что лучше выполнять более общие планы, чем неподходящие, но более специфические. Третье условие просто требует, что не надо давать поощрение, когда система не производит действий.
Построение формальной рекуррентной модели предметной области, используемой для достижения глобальной цели, основано на про-
цедуре рекуррентного применения отношения эквивалентности, моделирующее процесс декомпозиции поиска глобальной (стратегической) цели путем разбиения 2^к
}
классов эквивалентности. Это позволяет представить модель поиска алгоритма достижения цели древовидным графом иерархии классов эквивалентности целей. Подобный граф описывает дерево целей, в котором вершины указывают на имена классов, ребра соответствуют отношениям включения, корень — базовой цели на комплексной предметной области, а листья — примитивам.
Определим множество формируемых подцелей через систему отношений эквивалентно-\К
со следующими свойствами:
)к=1
К')! К V
-к+1.
V Г' 'Ух, у: Я+1 у ^ хЯ'к у,
} J
зА-
-к -к+1 V J ЗJ :
х^у ^ хЯк+ 1 у,
* ^ ^ * /с
VJ VI ,1 ф J : хк:ку ^^хк:ку, J }
где — отношение эквивалентности, разби-
}
вающее класс 2' (имя класса на к—м уровне
}
декомпозиции с вектор-индексом } ) на множество классов эквивалентности {2Ак+11, где
х, у е 2кк.
}
Применение приведенных операторов позволяет строить дерево целей через процедуру декомпозиции, порождающую модель дерева целей в виде древовидного графа иерархии подцелей, получаемых в результате декомпозиции базовой цели на множество классов эквивалентности к' ) . Представленная модель показы-
I ■> )к=1
вает, что в общем случае построения алгоритма поиска промежуточных целей можно использовать процедуру формирования классов эквивалентности К 2 "к) , описываемых как
{2к ) ,
К'') : 2'к = М 2'+1 ^ к + 1, I )к+1 ■> У, ■>
ук+1
z/k ^ кп гк ^ к=-р ^ к 1 =-'
и связанных условиями непротиворечивости [6]. Это позволяет показать, что оцениваемые ситуации в большинстве случаев определяются как действительность или реальный факт того, что определенная комбинация событий реальна или нереальна для определенного момента времени и в определенных обстоятельствах.
Формирование целевой функции ситуационного управления может быть решено формированием развернутого дерева иерархической системы ситуаций или промежуточных целей путем развертывания стратегической цели СУ в иерархическую систему целей. С этой целью применим к онтологии ситуационного исчисления (строгого логического вывода) рекуррентную модель формирования системы целей и механизмов синтеза структур, обеспечивающих достижение этих целей, «развертывающую» стратегическую цель в иерархический граф классов эквивалентности целей. Рекуррентная модель «развертывания» стратегической цели в набор целевых ситуаций осуществляется на основе поискового графа классов эквивалентности.
Рассмотренная в работе концепция ситуационно-целевого планирования для построения конструктивных алгоритмов ситуационного управления в распределенных интеллектуальных системах ставит целью нахождение эффективного алгоритма последовательности действий, позволяющих достигнуть желаемого эффекта в целенаправленном изменении ситуации путем
поиска конечной последовательности действий, переводящих систему робот— среда (агенты — среда) из начального класса состояний Б0 в одно из состояний Бв , которое соответствует поставленной цели. Предлагаемый метод построения конструктивных алгоритмов ситуационного управления связан с комбинированием языка онтологий для описания предметной области и функционально-целевого подхода для формирования законов управления в распределенной интеллектуальной среде на основе декомпозиции главной (стратегической) цели на подцели, логично отражающих структуру процесса решения комплексных задач.
Предлагаемая стратегия разработана на основе применения принципа поиска цели через формирование дерева решений на конечном множестве промежуточных целевых состояний (подцелей) и распределение их как отдельных подзадач между отдельными членами команды. Такая стратегия весьма эффективна при построении конструктивных алгоритмов группового ситуационного управления методом развертывания текущего состояния, т. е. применением функции определения приемника к текущему состоянию для формирования конечного множества промежуточных целевых состояний (подцелей) и распределение их как отдельных подзадач между отдельными членами команды. Данный подход позволяет строить модели и конструктивные алгоритмы решения большого класса практических задач прогнозирования и управления ситуациями с применением интеллектуальных управляющих компьютерных сетей с элементами искусственного интеллекта.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Рассел С., Норвиг П. Искусственный интеллект: современный подход. 2-е изд.: [пер. с англ.] / С. Рассел., П. Норвиг. — М.: Изд. дом «Вильямс», 2006.
2. Шкодырев В. П. Распределенные интеллектуальные системы: синергетический подход к самоорганизации и управлению / В. П. Шкодырев // Фундаментальные исследования и инновации в технических университетах: Сб. трудов XIII Всерос. конф. по проблемам науки и высшей школы. — СПб., 2009.
3. Арсеньев Д. Г. Интеллектуальные компьютерные сети — применение в задачах децентрализованного управления распределенными объектами и технологическими комплексами / Д. Г. Арсеньев, В. П. Шкодырев // Сб. трудов Межд. Научно-техн. конф. «Актуальные проблемы информационно-компьютерных технологий, мехатрони-
ки и робототехники», (ИКТМР-2009). — М., 2009.
4. Арсеньев Д.Г. Мношагентный подход к построению систем адаптивного управления распределенных мехатронных объектов / Д. Г. Арсеньев, В. П. Станкевич, В. П. Шкодырев // Экстремальная робототехника: Сб. трудов НТК. — СПб.: ЦНИИРТК, 2008.
5. Шкодырев В. П. Информационная теория самоорганизации в искусственных нейронных сетях / В. П. Шкодырев. Фундаментальные исследования в технических университетах: Сб. Трудов межвуз. конф. СПбГПУ. — СПб., 2008.
6. Shkodyrev V. Intelligent Control Networking — Agent-Based Approach to Decentralized Control of Distributed Objects // In Proc. Ofthe Distributed Intelligent Systems and Technologies Workshop. — SPb, 2008.
