Многоагентные системы в промышленности и техническом образовании Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 681.3.06(075.8) Г.А. Сырецкий СГГА, Новосибирск

МНОГОАГЕНТНЫЕ СИСТЕМЫ В ПРОМЫШЛЕННОСТИ И ТЕХНИЧЕСКОМ ОБРАЗОВАНИИ

G.A. Syretsky

Siberian State Academy of Geodesy (SSGA) 10 Plakhotnogo St., Novosibirsk, 630108, Russian Federation

THE MULTIAGENT SYSTEMS IN INDUSTRY AND TECHNICAL EDUCATION

In the article to show principal conditions, which are formed multiagent- technologies and systems. Directions of development and use multiagent systems for the industrial purposes and preparation of the modern engineering staff are shown.

Интеграция различных результатов из области искусственного интеллекта, распределенных компьютерных систем и параллельных вычислений привносит ряд новых свойств и возможностей в информационные и промышленные технологии, ориентированные на решение сложнейших проблем.

В нынешних условиях на роль ведущей информационной технологии в широком круге приложений для производственной сферы [1, 2] и технического образования претендуют информационно -

телекоммуникационные технологии, базирующиеся на моделях агентов [3]: многоагентных (мультиагентных) систем и интеллектуальных мультиагентных систем (распределенных интеллектуальных систем).

В настоящее время под многоагентной системой подразумевают совокупность взаимодействующих друг с другом агентов (в форме программных роботов, аппаратных либо программно-аппаратных компонентов), которые, в общем случае, могут мигрировать по распределенной разнородной сети в поисках релевантной информации (данных, знаний, процедур) и кооперироваться в процессе выработки решений, удовлетворяющих информационные и вычислительные потребности конечных пользователей (человека, программы, технического устройства).

Под термином «агент» понимают сущность, наделенную полномочиями действовать в активной информационной среде от имени другой сущности. Причем в зависимости от обстоятельств агент может обладать способностью изменения своего состояния: быть активным, пассивным либо ликвидироваться.

Наделение агента информационного пространства интеллектуальными свойствами становится весьма полезным и нужным как в тренинге пользователя, так и при решении задач по его поручению, в сетевой навигации и процессах компьютерного мониторинга. Понятно, что подобное

дозволено лишь агенту, обучившемуся привычкам и предпочтениям пользователя.

Согласно современным представлениям под интеллектуальным агентом понимают относительно автономную систему, которая способна:

- Функционировать без постороннего вмешательства. Это означает, что агент может накапливать и использовать собственные ресурсы, контролировать собственное состояние и поведение, генерировать цели (автономность);

- Стремиться к некоторым целям, вытекающим из определенных потребно стей (целенаправленно сть);

- Воспринимать частично доступную ему информацию из внешнего мира и от других агентов (неопределенность обстановки);

- Строить на основе восприятия частичное представление внешней среды и поведения других агентов (собственное представление мира, убеждения);

- Реагировать своевременно на воспринятое изменение состояния среды функционирования и других агентов (реактивность);

- Действовать на объекты внешней среды, других агентов (действие);

- Изменять собственное состояние. Это значит, что известно значение любого параметра, характеризующее состояние агента, его критериальная и желательная оценки (желания). Требуемые состояния обычно полностью не достижимы из-за возникающих при стремлении к ним противоречий;

Взаимодействовать с другими агентами на общепринятом языке коммуникаций (соционическое поведение);

- Нести определенные (желаемые и нежелаемые) обязанности и предоставлять услуги. Они рассматриваются как набор алгоритмов, применение каждого из которых зависит от обстановки во внешней среде, информации, получаемой из нее, и достаточности агентских ресурсов (обязательства);

- Проявлять собственную инициативу (активность);

Обучаться и адаптироваться в среде и сообществе агентов (приспособляемо сть);

- Самоорганизовываться, саморазвиваться и самовоспроизводиться (эволюционирование).

Взаимодействие интеллектуальных агентов может происходить с учетом решения системой единой проблемы (объединенное взаимодействие) либо на основе консенсуса (состязательное взаимодействие), вытекающего из их собственных различных интересов. В ходе работы интеллектуальный агент оценивает надежность информации, приходящей из внешнего мира, агентов и совместно принимаемых решений.

Современные интеллектуальные агенты имеют сложную многоуровневую систему управления, которая обеспечивает их совместную работу и взаимодействие с человеком. Сложность поведения

таких агентов приводит к необходимости использования нетрадиционных путей построения их систем управления.

В настоящее время предлагается обратить внимание на использование в системах управления агентов принципов организации нервной системы человека, которые выявлены современной психологией и нейрофизиологией, а также когнитивных принципов и нейрологических компонент [4].

Особое значение для поддержки работоспособности агентов в изменяющихся условиях приобретает применение в них имитатора генетической системы, обеспечивающей своевременную самоорганизацию искусственных нейросетевых систем управления.

Также перспективно применение в системах управления агентами аналога иммунной системы живых существ, которая будет следить за нормальным функционированием всех компонент как агентов, так и мультиагентной среды в целом [5].

На взгляд автора, новые перспективы использования интеллектуальных агентов открываются для исследователей и разработчиков наноматериалов, нанотехнологий и наносистем различного назначения.

Ныне применение технологий многоагентных систем в области образования проявляется при построении интеллектуальных обучающих систем, поддерживающих организацию взаимодействия разных источников знаний (например, предметных, методических и педагогических) и тем самым повышающих эффективность деятельности как обучаемых так и обучающих. Примерами агентов подобной системы являются агенты интерфейса обучающего, интерфейса обучаемого, агенты отдельных объектов знания, агенты онтологий (персональные помощники преподавателей и обучаемых) и агенты-координаторы взаимодействий.

В докладе обсуждаются с различных точек зрения принципы построения, структуры и компоненты моделей различных агентов и современных многоагентных систем, ориентированных как на применение в промышленности, так и в техническом образовании. Кроме того, уделяется внимание программным инструментальным средствам, позволяющим разрабатывать мультиагентные системы различного назначения, в том числе работающие в виртуальных средах. Среди них обсуждается и демонстрируется инструментальная программная среда построения многоагентных систем MASDK, разработанная в Санкт-Петербургском институте информатики и автоматизации Российской академии наук.

На взгляд автора, в ближайшей перспективе в технических вузах и центрах переподготовки специалистов для промышленной сферы повышение эффективности деятельности преподавателей и обучаемых и накопления информации о них можно будет достичь при применении интеллектуальных мультиагентных систем электронного обучения и управления проектированием, организацией и мониторингом учебного процесса, интегрирующих инструменты и интерактивные технологии цифровых

производств, виртуальных разработок, виртуальной реальности, виртуальных миров, умного пространства и биологической обратной связи [6]. Указанные технологии, обсуждаемые в докладе, дают возможность сформировать у обучаемых в трехмерном интерактивном пространстве, создаваемом на мониторе компьютера и/или на панорамном устройстве визуализации [7], различные компетенции, ориентированные на профессиональную деятельность в промышленности (например, касающиеся проектирования изделий и технологических процессов, симуляции и оптимизации работы автоматизированного производства). Благодаря снаряжению виртуальной реальности (например использованию современных VR-очков и VR-перчаток с беспроводными каналами передачи информации) обучаемый может приобрести навыки и опыт для работы в производственной среде. Технология биологической обратной связи возможно позволит не только отслеживать, запоминать текущее психофизиологическое и эмоциональное состояние обучающих и обучаемых, но и приводить участников учебного процесса к наперед заданному состоянию.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Bussman, Stefan. Multiagent Systems for Manufacturing Control. A Design Methodology / Stefan Bussman, Nicholas R. Jennings, Michael Wooldridge. Springer-Verlag Berlin Heidelberg, 2004.

2. Weiss, G. (Ed). Multiagent Systems: A Modern Approach to Distributed Artificial Intelligence. — MIT Press, Cambridge, MA, USA, 2000.

3. Рассел, С. Искусственный интеллект. Современный подход, 2-е изд. / C. Рассел, П. Норвинг. — М.: Вильямс, 2006.

4. Станкевич, Л.А. Когнитивные нейрологические системы управления / Л.А.Станкевич // Проблемы нейрокибернетики (Материалы XII Международной конференции по нейрокибернетике), Ростов-на-Дону, октябрь 1999 ). — Ростов-на-Дону, 1999.

5. Искусственные иммунные системы / Под ред. Д. Дасгупты. — М.: Физматлит,

2006.

6. Сырецкий, Г.А. Информатика. Фундаментальный курс. Том. II. Информационные технологии и системы. Учеб. для вузов / Г.А. Сырецкий. — СПб.: БХВ-Петербург, 2007.

7. Termath, W.Virtuell-interaktives training für RWE / W. Termath, P. Mecking // IFFocus. — Magdeburg. 2007. — №2. — P.22-25.

© Г.А. Сырецкий, 2009