CC BY
124
УДК 004.89 ао1:10.18287/2223-9537-2015-5-3-297-312
ИНТЕЛЛЕКТУАЛЬНАЯ ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ РЕСУРСАМИ СЛОЖНЫХ СИСТЕМ НА ОСНОВЕ МНОГОАГЕНТНОГО ПОДХОДА
1 2 Д.А. Ризванов , Н.И. Юсупова
Уфимский государственный авиационный технический университет, Уфа, Россия 1 г1ёт1@таИ ги, 2yussupova@ugatu. ас. ги
Аннотация
Поддержка принятия управленческих решений в сложных системах, функционирующих в условиях неопределённости и ресурсных ограничений, предназначена для повышения эффективности управленческой деятельности и качества принимаемых решений, которые зависят от используемых для поддержки решений технологий, методов, качества данных и знаний. В настоящей статье рассмотрена математическая модель задачи управления ресурсами сложных систем с учётом семантических ограничений. Для решения задачи управления ресурсами с учётом семантических ограничений предметной области предложен обобщённый алгоритм на основе многоагентного подхода. Сформулированы основные требования и принципы к системе поддержки принятия решений при управлении ресурсами сложных систем. Представлено основное содержание видов обеспечений системы поддержки принятия решений. Приведены описание разработанного прототипа и результаты оценки эффективности его применения на примере решения задачи управления ресурсами в условиях чрезвычайных ситуаций.
Ключевые слова: многоагентный подход, управление ресурсами, поддержка принятия решений, чрезвычайная ситуация.
Введение
Управление ресурсами сложной системы необходимо для обеспечения её эффективного функционирования. В условиях динамично изменяющихся внешних условий к модели сложной системы предъявляются требования адаптивности и возможности быстрого реагирования на изменения. При этом к системе поддержки принятия решений (СППР) необходимо предъявлять следующие требования:
■ при построении плана решения задачи необходимо учитывать индивидуальные свойства, присущие однородным ресурсам, которые используются для решения задач, поскольку это существенно влияет на эффективность принимаемых решений;
■ система должна быть готова к разным непредвиденным ситуациям, нарушающим построенный план, и при необходимости должна оперативно находить и предлагать лицу, принимающему решения, возможные варианты альтернативных решений, устраняющих эти последствия, с предварительной оценкой.
Задачи управления ресурсами как одного из разделов исследования операций исследованы в работах Р. Акоффа [1], Л. Берталанфи [2], С. Бира [3], Р. Беллмана [4] и др. [5, 6]. Проблемам оптимизации ресурсов в многоуровневых территориально-производственных системах посвящены работы А.Г. Гранберга [7].
Особый интерес представляют работы учёных самарской школы. Фундаментальные проблемы принятия решений в условиях агентного взаимодействия и распределения ресурсов на базе сетей потребностей и возможностей рассмотрены в цикле работ, выполненных под ру-
Интерфейс создан с целью демонстрации возможности программы. Чтобы приступить к работе, достаточно нажать кнопку «Старт». После этого произойдет загрузка данных и генерация агентов. Система запустится, и начнется распределение ресурсов между агентами. Результаты распределения можно наблюдать в режиме реального времени в правой части графического интерфейса прототипа.
Для увеличения мобильности приложения разработана клиентская версия для мобильной платформы, управляемой операционной системой Android. Мобильное приложение даёт следующие преимущества:
■ предоставление актуальной информации о пострадавших, а также информации о транспорте, который для них необходим;
■ организация обмена информацией между основным управляющим центром и всеми клиентами, что в свою очередь позволяет поддерживать актуальность данных.
Интерфейс разработанной версии приложения для мобильных платформ представлен на рисунке 5. При подключении к серверу на нём создается новый агент, отвечающий за связь устройства с многоагентной системой. После этого появляется возможность свободно обмениваться сообщениями с другими агентами. Далее созданный агент отправляет запрос на получение данных и в качестве ответа получает информацию о текущем состоянии агентов и выводит данные на форму. Актуальность информации поддерживается путём периодических запросов на её получение.
Для оценки эффективности алгоритма перераспределения ресурсов была проведена серия экспериментов. Полученные решения сравнивались с исходными значениями затрат, полученными в результате работы программы, используемой для решения этой задачи, подробное описание которой можно найти в [17].
Были проведены эксперименты с различным количеством пострадавших и ресурсов.
Первоначальная информация была сгенерирована на основе данных о количестве пациентов и имеющихся ресурсах. Информация о степени соответствия назначенного ресурса генерировалась случайным образом. В результате были созданы наборы тестовых данных. Анализ результатов показал, что суммарные затраты на транспортировку пострадавших уменьшаются в среднем на 15-55% по сравнению с первоначальным распределением.
№ 5554:ешИ
it В
| RescurceAnriroid
172,16,124,33
1099
Test
Connect Disconnect
Info agents
Patient2@>172.16.1 Patient 1@172.16.1 Patient3@172.16.1 Patient6@172.16.1 Patient4@172.16.1 Patienl7@172.16.1 Patient5@172.16.1 Patient8@>172.16.1 Patient9@>172.16.1 Patient 11 @172.16. Patient12@i72.16.
24.33:1099/jADE:Auto20 24.33:1099/JADE:Auto22 24.33:1099/JADE:AutOl 5 24.33:1099/JADE:Auto2 24.33:1099/JADE:Auto9 24.33:1099/JADE:Auto18 24.33:1099/JADE:Auto1 24.33:1099/JADE:Auto11 24.33:1099/JADE:Auto6 124.33:1099/jADE:Auto4 124.33:1099/]ADE:Auto26
Рисунок 5 - Интерфейс мобильного приложения СППР
Заключение
Предложена модель задачи управления ресурсами сложных систем с учётом семантических ограничений ПрО, которая положена в основу разработки математического обеспечения СППР. Определены принципы разработки и структура СППР. Результаты апробации разработанных моделей позволяют судить о работоспособности и эффективности предлагаемых алгоритмов в плане повышения оперативности управления ресурсами за счёт возможности учёта индивидуальных особенностей моделируемых сущностей реального мира и слабо формализуемых семантических ограничений ПрО.
Благодарности
Исследование частично поддержано грантами РФФИ 14-07-00811-а, 15-07-01565-а.
Список источников
[1] Акофф, Р. Планирование в больших экономических системах / Р. Акофф / М.: Мир, 1972. - 228 с.
[2] Берталанфи, фон Л. Общая теория систем: критический обзор /Л. Берталанфи // Исследования по общей теории систем. - М.: Прогресс, 1969.
[3] Бир, С. Мозг фирмы / С. Бир / М.: Радио и связь, 1994.
[4] Беллман, Р. Прикладные задачи динамического программирования / Р. Беллман, С. Дрейфус/ М.: Наука, 1965. - 460 с.
[5] Таха, Х.А. Введение в исследование операций / Х.А. Таха / М.: Вильямс, 2005. - 912 с.
[6] Полтерович, В.М. Теория оптимального распределения ресурсов Л. В. Канторовича в истории экономической мысли / В.М. Полтерович // Журнал Новой экономической ассоциации. 2012, № 1 (13). - С. 176-180.
[7] Гранберг, А.Г. Моделирование социалистической экономики / А.Г. Гранберг / М.: Экономика, 1988. - 488 с.
[8] Виттих, В.А. Принятие решений на основе консенсуса с применением мультиагентных технологий / В.А. Виттих, Т.В. Моисеева, П.О. Скобелев // Онтология проектирования. 2013. №2(8). - С. 20-25.
[9] Скобелев, П.О. Интеллектуальные системы управления ресурсами в реальном времени: принципы разработки, опыт промышленных внедрений и перспективы развития / П.О. Скобелев // Приложение к журналу «Информационные технологии». 2013. №1. - С. 1-32.
[10] Городецкий, В.И. Самоорганизация и многоагентные системы. Модели многоагентной самоорганизации / В.И. Городецкий // Известия РАН. Теория и системы управления. 2012. №2. - С. 92-120.
[11] Ризванов, Д.А. Алгоритмы управления ресурсами в сложных системах с применением многоагентных технологий / Д.А. Ризванов // Вестник УГАТУ. 2013. Т. 17, №5(58). - С. 117-123.
[12] Ризванов, Д.А. Многоагентная система составления расписания прохождения процедур отдыхающими в санаторно-курортном комплексе / Д.А. Ризванов, Г.В. Сенькина, Д.В. Попов, Д.Р. Богданова // Материалы 8-ой Международной конференции «Компьютерные науки и информационные технологии» (CSIT'2006). -Карлсруэ, Германия. 2006. Т.1. - С. 118-124.
[13] Wooldridge, M.J. Intelligent Agents: Theory and Practice / M.J. Wooldridge, N.R. Jennings // Knowledge Engineering Review. 1995. 10(2). -P. 115-152.
[14] Вдовин, В.М. Теория систем и системный анализ / В.М. Вдовин, Л.Е. Суркова, В.А. Валентинов. - М.: Из-дательско-торговая корпорация «Дашков и К», 2010.
[15] The collaborative project SpeedUp - http://www.speedup-projekt.de/en/SpeedUp-p-9.html (Актуально на 03.09.2015)
[16] Gabdulkhakova, A. Rational Resource Allocation in Mass Casualty Incidents - Adaptivity and Efficiency / A. Gabdulkhakova, B. Konig-Ries, D. Rizvanov // Proc of the 9th Int. ISCRAM Conference - Vancouver, Canada, April 2012.
[17] Kuester, U. DIANE - A Matchmaking-Centered Framework for Automated Service Discovery, Composition, Binding and Invocation on the Web / U. Kuester, B. Koenig-Ries, M. Klein, M. Stern // Special Issue of IJEC (International Journal of Electronic Commerce) on Semantic Matchmaking and Retrieval, 2007.
INTELLIGENT DECISION SUPPORT FOR RESOURCE MANAGEMENT OF COMPLEX SYSTEMS BASED ON MULTI-AGENT APPROACH
1 2 D.A. Rizvanov , N.I. Yusupova
Ufa State Aviation Technical University, Ufa, Russia 1 ridmi@yandex. ru, 2yussupova@ugatu. ac.ru
Abstract
Decision-making support in management of complex systems, operating in conditions of uncertainty and resource constraints, serves to improve management efficiency and the quality of decisions, which depend on the use of decision support technologies, methods, data and knowledge quality. This article reviews the mathematical model of the problem of resource management of complex systems based on semantic constraints. The general algorithm based on multiagent approach is proposed to solve the problem of resource management, taking into account the limitations of semantic domain. The basic requirements and principles of decision support system design for the resources management of complex systems are formulated. The main content of support types of decision support system design is presented. The prototype of solving the problem of resource management in emergency situations was developed. The results of evaluation of the effectiveness of using the prototype are given.
Key words: multi-agent approach, resource management, decision-making support.
Acknowledgment
The research was conducted with partial support from the RFBR grants 14-07-00811-a and 15-07-01565-a.
References
[1] Akoff, R. Planirovanie v bol'shih jekonomicheskih sistemah [Planning in big economic systems] / R. Akoff / M.: Mir, 1972. - 228 p. (In Russian).
[2] Bertalanfi, fon L. Obshhaja teorija sistem: kriticheskij obzor [Basic theory of systems: critical review]/L. Bertalan-fi // Issledovanija po obshhej teorii sistem. - M.: Progress, 1969. (In Russian).
[3] Bir, S. Mozg firmy [Enterprise brain] / S. Bir / M.: Radio i svjaz', 1994. (In Russian).
[4] Bellman, R. Prikladnye zadachi dinamicheskogo programmirovanija [Practical applications of dynamic programming] / R. Bellman, S. Drejfus/ M.: Nauka, 1965. - 460 p. (In Russian).
[5] Taha, H.A. Vvedenie v issledovanie operacij [Introduction into operations analysis] / H.A. Taha / M.: Vil'jams, 2005. - 912 p. (In Russian).
[6] Polterovich, V.M. Teorija optimal'nogo raspredelenija resursov [Theory of optiml resource distribution] / L. V. Kantorovicha v istorii jekonomicheskoj mysli / V.M. Polterovich // Zhurnal Novoj jekonomicheskoj associacii. 2012, № 1 (13). - Pp. 176-180.
[7] Granberg, A.G. Modelirovanie socialisticheskoj jekonomiki [Modeling of socialist economics] / A.G. Granberg / M.: Jekonomika, 1988. - 488 p.
[8] Vittikh, V.A. Prinjatie reshenij na osnove konsensusa s primeneniem mul'tiagentnych technology [Decision making on the basis of consensus using multi-agent technologies] / V.A. Vittikh, T.V. Moisseeva, P.O. Skobelev // On-tologija proektirovanija. 2013. No. 2(8). - P. 20-25. (In Russian).
[9] Skobelev, P.O. Intellektual'nye sistemy upravlenija resursami v real'nom vremeni: principy razrabotki, opyt pro-myshlennyh vnedrenij i perspektivy razvitija [Intellectual systems of real-time resource management: enterprise integration experience and evolution perspective]/ P.O. Skobelev // Prilozhenie k zhurnalu «Informacionnye tehnolo-gii». 2013. No. 1. - Pp. 1-32. (InRussian).
[10] Gorodeckij, V.I. Samoorganizacija i mnogoagentnye sistemy. Modeli mnogoagentnoj samoorganizacii [Self-organization and multi-agent systems. Models of multi-agent organization] / V.I. Gorodeckij // Izvestija RAN. Teorija i sistemy upravlenija. 2012. № 2. - P. 92-120. (In Russian).
[11] Rizvanov, D.A. Algoritmy upravlenija resursami v slozhnyh sistemah s primeneniem mnogoagentnyh tehnologij [Resource management algorithms in complex systems using multi-agent technologies] / D.A. Rizvanov // Vestnik UGATU. 2013. T. 17, No. 5(58). - P. 117-123. (In Russian).
[12] Rizvanov, D.A. Mnogoagentnaja sistema sostavlenija raspisanija prohozhdenija procedur otdyhajushhimi v sana-torno-kurortnom komplekse [Multi-agent system for automated medical procedures schedule creation for a therapeutic resort visitors] / D.A. Rizvanov, G.V. Senkina, D.V. Popov, D.R. Bogdanova // Materialy 8-j Mezhdunarod-noj konferencii «Komp'juternye nauki i informacionnye tehnologii» (CSIT'2006). - Karlsruje, Germanija. 2006. Vol. 1. - P. 118-124. (In Russian).
[13] Wooldridge, M.J. Intelligent Agents: Theory and Practice / M.J. Wooldridge, N.R. Jennings // Knowledge Engineering Review. 1995. 10(2). -P. 115-152.
[14] Vdovin, V.M. Teorija sistem i sistemnyj analiz: uchebnik [The theory of systems and system analysis] / V.M. Vdovin, L.E. Surkova, V.A. Valentinov. - Moscow: Izdatel'sko-torgovaja korporacija «Dashkov i K», 2010. (In Russian).
[15] The collaborative project SpeedUp - http://www.speedup-projekt.de/en/SpeedUp-p-9.html (Valid on03.09.2015)
[16] Gabdulkhakova, A. Rational Resource Allocation in Mass Casualty Incidents - Adaptivity and Efficiency / A. Gabdulkhakova, B. Konig-Ries, D. Rizvanov // Proc of the 9th Int. ISCRAM Conference - Vancouver, Canada, April 2012.
[17] Kuester, U. DIANE - A Matchmaking-Centered Framework for Automated Service Discovery, Composition, Binding and Invocation on the Web / U. Kuester, B. Koenig-Ries, M. Klein, M. Stern // Special Issue of IJEC (International Journal of Electronic Commerce) on Semantic Matchmaking and Retrieval, 2007.
Сведения об авторах
Ризванов Дмитрий Анварович, 1973 г. рождения. Окончил Уфимский государственный авиационный технический университет 1995 г., к.э.н. (2003). Доцент кафедры вычислительной математики и кибернетики Уфимского государственного авиационного технического университета. Область интересов - поддержка принятия решений в социально-экономических системах, разработка многоагентных систем.
Dmitriy Anvarovich Rizvanov (b.1973) graduated from the Ufa State Aviation Technical Univercity (USATU) in 1995, PhD (2003). He is Assoc. Prof. at Dept. of Computational Mathematics and Cybernetics of USATU. His area of scientific interest lies in social-economics system development and multi-agent systems.
Юсупова Нафиса Исламовна, 1953 г. рождения. Декан факультета информатики и робототехники, зав. кафедрой вычислительной математики и кибернетики Уфимского государственного авиационного технического университета. По образованию - радиофизик (Воронежский государственный университет, 1975). Доктор технических наук (УГАТУ, 1998). Научные интересы - ситуационное управление и информационные технологии.
Nafisa Islamovna Yusupova (b. 1953). Professor, Dr.-Eng. Dean of the Faculty of Computer Science and Robotics, Ufa State Aviation Technical University (USATU), Head of the Dept. of Computational Mathematics and Cybernetics. Diploma in radiophysics (Voronezh State University, 1975). Dr.-Eng. (USATU, 1998). Scientific interests - situational management and information technology.
