CC BY
40
3. Солдатов С.А. Гибридная интеллектуальная система поддержки принятия оперативных плановых решений для машиностроительных предприятий с мелкосерийным заказным производством. Инновации в науке и образовании-2007: докл. V Междунар. науч. конф. в номинации «Участник молодежного
научно-инновационного конкурса УМ.Н.И.К.». Калининград: КГТУ, 2007. С. 58-61.
4. Колесников А.В., Кириков И.А. Методология и технология решения сложных задач методами функциональных гибридных систем. М.: ИПИ РАН, 2007. 387 с.
УДК 004.9
МНОГОАГЕНТНЫЙ ПОДХОД В СИСТЕМАХ ИНФОРМАЦИОННОЙ ПОДДЕРЖКИ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ
Н.М. Козъминых; А.А. Голованов, к.т.н.
(Вятский государственный университет, г. Киров, kzmnhn@yahoo.com, kzmnhn@gmail.com)
Изложен подход к созданию приложения информационной поддержки управленческих решений, основа которого представлена модулем многоагентной системы. Определены общая модель многоагентной системы и общие модели ее агентов, выделены основные типы агентов, участвующих в принятии решения.
Ключевые слова: агент, модель агента, многоагентный подход, информационная поддержка управленческих решений.
Многоагентный подход широко используется в создании программных модулей интеллектуальных информационных систем - от выполнения задач поиска информации и распознавания образов до принятия решений, в том числе управленческих. Исследования в области применения много-агентного подхода ведутся довольно давно, но задача построения универсального модуля многоагентной системы (МАС) в полной мере так и не решена. Причиной этого является узкая направленность исследуемых предметных областей применения.
В настоящей статье обсуждается обобщенная структура модуля МАС, предназначенного для информационной поддержки управленческих решений и обеспечивающая выполнение следующих функциональных возможностей:
- извлечение и объединение информации для дальнейшей ее обработки из разрозненных источников данных для получения достоверной и объективной информации;
- сохранение шаблонов пользовательских запросов, необходимых для получения часто используемых данных;
- использование настраиваемых помощников для отслеживания конкретных ситуаций;
- расширение функциональных возможностей системы путем увеличения способов анализа и интерпретации данных, то есть возможность дополнения определений отдельных показателей и их взаимосвязей, а также увеличения их количества в процессе эксплуатации системы;
- проведение автоматизированных исследований статистических данных, не требующих от пользователей специальных знаний, что также минимизирует число ошибок, обусловленных человеческим фактором;
- реализация универсального средства для решения схожих задач, то есть проведение аналитических исследований количественных показателей при помощи математико-статистического аппарата, что позволяет использовать одни и те же агенты вычислений для решения схожих задач в разных предметных областях.
Модуль рассматриваемой МАС состоит из автономных агентов, способных воспринимать ситуацию, принимать решения и взаимодействовать с себе подобными. Знания, необходимые для такой системы, отделены от ее программного кода и хранятся в онтологии, представляющей собой сеть понятий и отношений предметной области. Функционирование агентов осуществляется в рамках агентной платформы - среды, в которой могут существовать и взаимодействовать агенты [1, 2].
Модуль МАС обладает следующими свойствами:
- структура сообщества агентов является динамической относительно типов и количества членов сообщества;
- сообщество агентов основывается на принципах кооперации;
- структура сообщества агентов подразумевает распределенность (размещение агентов на различных компьютерах), что позволяет эффективно организовать доступ к распределенным источникам данных;
- агенты используют определенную предметную область для решения поставленных задач;
- агенты обеспечивают работу в асинхронном режиме;
- появление новых членов сообщества агентов или изменение функций некоторых агентов не требует перезагрузки всей информационной системы;
- структура сообщества базируется на требованиях FIPA (Federation of Intelligent Physical Agents) [3].
Модуль МАС представлен сообществом агентов, разработанных в соответствии с рекомендациями FIPA. В состав модуля МАС входят семь типов агентов (см. рис.), которые разделены на три группы в зависимости от основного назначения.
Первая группа агентов взаимодействует с внешней средой и представлена координатором, помощником, а также агентом доступа к данным.
Вторая группа занимается декомпозицией поставленной задачи и включает экспертов предметной области. Агент-эксперт вводится в систему для решения различных специфичных задач.
Третья группа занимается непосредственно вычислениями и объединяет агента расчета агрегированных показателей, агентов корреляционного и регрессионного анализа.
В качестве теоретической основы для построения модели МАС была использована абстрактная модель FIPA: MAS=(Agent, Interaction), где Agent -множество всех классов агентов; Interaction -множество всех взаимодействий между классами агентов.
Класс агента представляет общую структуру агента или коллекцию всех агентов с одними и теми же характеристиками внутренних состояний. Модель класса агента определена следующим образом: Agent=(LAb CM, BM, O), где LAi - множество информационных атрибутов (идентификатор, имя, местоположение и т.д.); CM - коммуникационная модель (язык и методы для общения); BM -поведенческая модель (способы обработки сообщений); O - множество онтологий.
Согласованное взаимодействие двух или более агентов - это ядро многоагентной технологии. Агенты взаимодействуют друг с другом для достижения общей цели. Класс взаимодействий определен следующим образом: Шегасйоп=<ЪА2, СА, ТА), где LA2 - множество фактических атрибутов, например, тип взаимодействия (кооперация, сотрудничество, конкуренция и т.д.); СА - множест-
во характеристик соединения, таких как формат обмена, речевой акт, протокол взаимодействия, знания, язык и т.д.; TA - множество транспортных характеристик, таких как подход (клиент-серверный, точка-точка и т.д.), режим (синхронный, асинхронный) и др.
Для разрабатываемой системы модель МАС и модель класса взаимодействий оставим без изменения, модель класса агента адаптируем к структуре сообщества МАС и к кругу решаемых задач. Модель класса агента определим следующим образом: Agent=<LAb CM, BM, O, AD, SA), где CM=(Z, W) (Z={Z¡}, i=1^I - множество входящих сообщений; W={Ws, Wa}, s=1^S, a=1^A - множество синхронных Ws и асинхронных Wa (информационных, управляющих и координационных) выходных сообщений); BM={BMj}, j=1^J - множество поведений агента, соответствующих ситуациям, которые зависят от состояний других агентов и их взаимодействий; O=(Cl, Atr, Val, Lim), где Cl={Clk}, k=1^K - множество классов - типовых множеств реальных сущностей, обладающих общими признаками; сущность определяется совокупностью значений свойств класса, которому она принадлежит; Atr={Atru}, u=1^U - множество атрибутов классов, представляющих качественные характеристики и отличительные особенности
Сообщество агентов модуля MAC
объектов; Val={Valu}, и=1^и - множество областей допустимых значений атрибутов; Lim={Limb}, Ь=1^Б - множество ограничений, описывающих принадлежность атрибутов классам, принадлежность допустимых значений атрибутам, совместимость классов, функциональные ограничения, заданные над значениями атрибутов; ЛС={ЛСП}, п=1^Ы - множество дополнительных функций, необходимых для выполнения поставленных задач и/или формирования ответных сообщений; SA -множество внутренних структур агента, описывающих его функциональное устройство в зависимости от его основного назначения.
Множество внутренних структур агента включает в себя: SA=<SAe, SAt, SAd>, где SAe - множество агентов, взаимодействующих с внешней средой; SAt - множество агентов-экспертов определенной предметной области; SAd - множество агентов, занимающихся непосредственными вычислениями.
Модель агента, взаимодействующего с внешней средой: SAe=<MO, ER>, где М0={М02}, z=1^Z - множество моделей окружения; ER={ERg}, g=1^G - множество действий, допустимых для агента.
Агенты, взаимодействующие с внешней средой, представлены координатором, помощником, а также агентом доступа к данным. Координатор и помощник являются инициаторами всех взаимодействий в сообществе агентов, поскольку именно они реагируют на все воздействия со стороны клиентской части системы (вход пользователя в систему, ввод запроса и т.д.).
Модель агента - эксперта определенной предметной области: SAt=(TQ, TR, ТР, Р1ап>, где
TQ={TQm}, m=1^M - множество целей агента; TR=(TRg}, g=1^G - множество действий, допустимых для агента; TP={TPz}, z=1^Z - множество вариантов декомпозиции задач (библиотека частичных планов); Plan(TQm, TPz)=TRg - функция формирования плана действий агента (формирует упорядоченную последовательность действий агента из множества его допустимых действий TRg), исходя из его текущей цели TQm и варианта декомпозиции задачи TPz.
Модель агента, занимающегося непосредственными вычислениями: SAd=(Task, Par, DR), где Task={Taskm}, m=1^M - множество решаемых задач; Par={Parz}, z=1^Z - множество параметров; DR={DRg}, g=1^G - множество действий для выполнения конкретных задач.
Таким образом, описанная обобщенная структура модуля МАС позволяет использовать разрозненные источники данных, проводить автоматизированные исследования, не требующие специальной квалификации пользователя, и предоставлять единый аналитический аппарат обработки информации.
Разработанный прототип модуля МАС может составить основу при создании систем информационной поддержки управленческих решений для сбора, извлечения и анализа данных в узкоспециализированных областях применения.
Литература
1. Wooldridge M. An Introduction to MultiAgent Systems. Wiley, 2009.
2. Shamma Jeff. Cooperative Control of Distributed MultiAgent Systems. John Wiley & Sons, 2008.
3. Bordini R.H., Dastani M., Dix J., Seghrouchni A. MultiAgent Programming: Languages, Tools and Applications. Springer, 2009.
УДК 519.876.5
РЕШЕНИЕ ЗАДАЧ ПЛАНИРОВАНИЯ В КОАЛИЦИОННОЙ МОДЕЛИ
A.С. Зраенко (ФГУП «Уралгеоинформ», г. Екатеринбург, zraenko@yandex.ru);
B.П. Федотов, д.т.н. (Институт машиноведения УрО РАН, г. Екатеринбург,
fedoto v@mach.. u ran. ru);
К.А. Аксенов, к.т.н. (Радиотехнический институт Уральского государственного технического университета им. первого Президента России Б.Н. Ельцина, г. Екатеринбург, wiper99@mail.ru)
Рассмотрены метод теории составления расписаний и его применение для решения задачи планирования в коалиционной модели мультиагентного процесса преобразования ресурсов. На примере практической задачи разработан алгоритм составления планов выполнения работ.
Ключевые слова: агент, мультиагентные системы, теория составления расписаний, процесс преобразования ресурсов, метод случайного поиска.
В мультиагентных моделях [1] одним из типов актуальных задач является составление планов выполнения работ агентами и коалициями. Под
планом выполнения работ будем понимать перечень намеченных к выполнению работ или мероприятий с определенными последовательностью,
