CC BY
69
УДК 519.816, 007.5, 004.89
МОДЕЛИРОВАНИЕ ИНТЕЛЛЕКТУАЛЬНОЙ МНОГОАГЕНТНОЙ СИСТЕМЫ ДЛЯ ПРОВЕДЕНИЯ АУДИТА КАЧЕСТВА ОБРАЗОВАНИЯ ВТУЗА
А.П. Раговский
Доклад посвящен решению задачи моделирования интеллектуальной многоагентной системы, обеспечивающей проведение аудита качества образования во втузах. Обсуждаются архитектура и принципы функционирования интеллектуальной многоагентной системы. Представленная архитектура интеллектуальной многоагентной системы основана на моделировании основных компонент с помощью агентно-ориентированного подхода. Используемая модель интеллектуальных агентов построена на принципах сетевой расширенной организации, где отношение коммуникации играет центральную роль. Механизм опосредованной коммуникации агентов, а также предложенная модель агентов позволяют разделить основной процесс поиска на непосредственно процессы решений и управления. В виду того что вводимая в базу знаний модель прикладной предметной области может быть подвержена как структурным, так и качественным изменениям, поддерживается настройка системы на предметную область и типы решаемых задач.
Ключевые слова: интеллектуальные прикладные системы, многоагентные системы, инженерия знаний, качество образования.
В связи с реформированием системы образования актуальной задачей является проведение аудита качества образования. Управление процессами обеспечения качества подготовки выпускников во многих втузах основывается на системе менеджмента качества, охватывающей образовательную деятельность в сфере высшего профессионального технического и послевузовского образования, а также научно-исследовательскую деятельность [1].
Модель системы менеджмента качества образования может быть основана на процессном подходе, который учитывает требования ГОСТ Р ИСО 9001-2008 и ^ 9001:2008, а также требования «Стандартов и директив ENQA (1.1-1.7)».
Проведение аудита качества образования многократно повторяющаяся задача, которую можно автоматизировать с целью более оперативного анализа и принятия решений. Решением задачи автоматизации аудита качества образования является использование интеллектуальной многоагентной системы, позволяющей принимать правильные и обоснованные решения.
Проблемно-ориентированная интеллектуальная многоагентная система, предназначенная для проведения аудита и выработки эффективных решений по обеспечению качества образования, выполняет следующие задачи:
- анализирует и распознает управленческие ситуации, сложившиеся на объекте
управления (втуз, кафедра и т.д.), и выявляет потенциал повышения качества учебного процесса;
- идентифицирует поступающие запросы от лиц, принимающих решения (ЛПР), и предлагает ответы;
- вырабатывает список рекомендаций по управлению качеством образования;
- обеспечивает ведение непротиворечивой базы знаний системы.
Для реализации данных функций интеллектуальная система состоит из следующих основных компонент: информационной компоненты (база знаний, база данных, словарь, база задач), управляющей компоненты, исполнительной компоненты (решателя) и интерфейса (рис. 1).
Информационная компонента представляет собой информационно-поисковую систему, в которой представлены знания о структуре и состоянии технологической инфраструктуры объекта управления, технические регламенты, нормативно-правовые документы и различное предметное наполнение объектов базы знаний.
База знаний интеллектуальной системы содержит знания о рассматриваемой предметной области, представленные концептуальной моделью системы [2]. Знания, описываемые в концептуальной модели системы, разделяются на части, обусловленные как различной внутренней структурой знаний, так и потребностью в различных частях знаний на разных этапах их дальнейшей обработки [3].
Интерфейс
Лицо, принимающее решение
Объект
управления
ж ж
Интерфейс пользователя
ж ж
Модуль графи- Модуль
ческого интер- текстового
фейса интерфейса
н
Интерфейс эксперта ♦
Модуль ведения Базы Знаний
Редактор Базы Знаний Редактор Базы данных
Конфигуратор задач системы
Подсистема генерации объяснений
Информационная подсистема______
База знаний
Словарь
К-сеть
Семантическая сеть К и Р объектов формальной модели
С-сеть
База Данных
База задач
База модулей задач
Экран
Граф решений (М-сеть -семантическая сеть К и Р объектов)
Схема общей задачи (£-сеть - семантическая сеть К и Р объектов)
К агенті
К агенте
Подсистема меж-агентного взаимодействия (Экранный ком-муника-тор)
Решатель
Подсистема логического вывода Подсистема поиска и обработки данных
Процедура дедуктивного вывода
Блок эвристической оценки множества связей К-объектов
Процедура унификации
Рис. 1. Архитектура интеллектуальной многоагентной системы
На первом уровне концептуальной модели задается структурная модель предметной области. Знания, описываемые в структурной модели, представляются К-сетью и таблицами данных. К-сеть содержит конкретные факты, события или состояния, а также взаимосвязи между этими единицами, которые присутствуют в виде отношений между конкретными объектами в моделируемой предметной области. Значения, характеризующие объекты К-сети, хранятся в базе данных.
Для того чтобы модель представления знаний позволяла алгоритмам поиска решать сложные задачи, в ее описание включены две наиболее значимые категории знаний: предметные (декларативные и экстенсиональные, процедурные и интенсиональные, глубинные и поверхностные) и управляющие. Эти знания моделируются с помощью объектноориентированного и агентно-ориентированного подхода.
В качестве информационных единиц модели представления знаний используются два типа концептуальных объекта, описывающих триаду «объект-свойство-отноше-ние»: К-объект - основной объект модели, Р-объект - свойство объекта модели, а составное свойство объекта - отношение [2].
На втором уровне концептуальной модели задается формальная модель рассматриваемой предметной области, которая представлена множеством дизъюнктов. Так как множество дизъюнктов является объектом работы процедуры дедуктивного вывода, то выбор способа их представления является крайне важным для создания эффективной и производительной процедуры дедуктивного вывода. В качестве метода представления данных в логике предикатов первого порядка используется процедура дедуктивного вывода на семантической сети концептуальных объектов [2].
Взаимодействие с системой происходит посредством интерфейса, который разделен на отдельные составляющие: интерфейс
пользователя и интерфейс эксперта. Интерфейс пользователя ориентирован на лиц, принимающих решения (консультации с системой, обработка поступающих запросов, ввод данных объекта управления, составление сводок и т.д.). Интерфейс эксперта предназначен для инженеров по знаниям, экспертов по данной предметной области (передача системе знаний, в основном эмпирических, ведение научных исследований с целью получения новых знаний и т.д.) и программи-
стов, обслуживающих интеллектуальную систему. Для каждой категории пользователей предусмотрен отдельный набор функций, доступ к которым контролируется с помощью подсистемы прав доступа.
Взаимодействие с пользователем происходит посредством текстового интерфейса, графического интерфейса с поддержкой иерархической системы меню и сценариев взаимодействия, содержащихся в базе знаний системы. В любой момент может быть вызвана система подсказок, которая дает подробное объяснение возможных действий.
Для того чтобы облегчить пользователю работу с интеллектуальной системой текстовый интерфейс поддерживает концептуальный язык запросов. Язык запросов, реализованный в отдельном программном модуле, позволяет пользователю вводить запросы не на языке представления знаний, а на ограниченном естественном языке. Для этого язык запросов основывается на шаблонах, которые позволяют представить основное количество запросов. При этом пользователь не заботится о том, какой язык представления и обработки знаний используется и вводит текст запроса на естественном языке.
В качестве основного механизма обработки знаний в интеллектуальной системе используется логический дедуктивный вывод. Механизм логического дедуктивного вывода производит вывод на семантической сети концептуальных объектов [2].
Процедура дедуктивного вывода используется для подзадач, обладающих исключительно сложной логикой при явном задании вариантов. Оставшиеся вычислительные части задачи передаются вычислительным модулям, разработанным на основе агентноориентированной методологии [4].
Интеллектуальная многоагентная система используется для решения сложных задач в прикладной предметной области, характеризуемой некоторым уровнем неопределенности, и для более эффективной организации основных ее компонент (решателя и управляющей компоненты) применяются сетевые посттейлоровские организации смешанного вертикально-горизонтального типа [4, 5].
Модель интеллектуальных агентов построена на принципах сетевой расширенной организации и имеет открытую, неоднород-
ную и переменную структуру. Центральным узлом модели является интеллектуальный К-агент, в котором сосредоточены важнейшие стратегические ресурсы, знания и процессы решения задач. Остальные процессы и рутинные работы, составляющие тактические ресурсы, которые обеспечивают реализацию стратегий и выполнение действий, доверены интеллектуальным Р-агентам [4].
Относительная простота периферийных агентов и «высокая интеллектуальность» центрального агента определяют архитектурные и функциональные различия между блоками управления и обработки данных интеллектуальных К- и Р-агентов. В Р-агент заложен метод рассуждений, основанный на принципе продукционной системы. Поскольку интеллектуальный К-агент является базовым типом агентов, то логический вывод, исполняемый блоком рассуждений К-агента, реализуется за счет применения механизма наследования свойств и обеспечивает правильное разрешение семантических конфликтов, возникающих вследствие множественности наследования и наличия исключений. Знания, представленные в базе знаний интеллектуальных агентов, описываются в виде концептуальных К- и Р-объектов концептуальной модели интеллектуальной системы [2].
Сетевая организация модели многоагентной системы позволяет создать гибкую организацию системы агентов с переменной, настраиваемой под конкретную предметную область структурой, состоящей из множества интеллектуальных агентов, число и свойство которых зависит от решаемых задач. Вдобавок сетевая организация позволяет перейти от единоначалия к кооперации и координации агентов.
Все взаимодействия интеллектуальных агентов осуществляются через специальный механизм опосредованной централизованной коммуникации, реализуемой на принципах «доски объявлений». Основой механизма опосредованной коммуникации агентов, именуемым экраном, являются семантические сети концептуальных объектов, а в качестве модели кооперации агентов используется модель контрактных сетей [4, 5].
Основной цикл работы интеллектуальной многоагентной системы состоит в последовательном выполнении заданий, посту-
пающих от интерфейса. Интерфейс анализирует описание поступающей на вход системы задачи, представляет ее в формате, заданном информационной подсистемой, и передает ее управляющей компоненте. Формируется начальное множество интеллектуальных К-агентов управляющей компоненты. К-агенты управляющей компоненты строят граф решений (М-Сеть), каждая вершина которого представляет некоторое информационное окружение, включающее множество задач, подзадач и коммуникаций агентов. Все действия подсистемы решения (логического вывода, поиска решений подзадач и т.п.), на каждом из многочисленных этапов, совершаются в рамках определенного окружения М-Сети.
На основании состояния экрана (т.е. процесса исполнения и управления общей задачи) и поступающей входной информации формируются задачи для К-агентов решателя. К-агенты решателя во время работы используют S-сеть, в рамках которой порождают, обновляют и оценивают различные варианты решений и коммуникаций. При этом описание задач, которые формируются К-агентами управляющей компоненты К-аген-там решателя, находится в базе задач.
После того как все задачи, поступившие на вход управляющей компоненты, решены, исполнительные компоненты прекращают свою работу и переходят в состояние ожидания новых задач. Информация о решении общей задачи поступает на вход интерфейса, где она подготавливается (переводится в формат, понятный ЛПР) и выводится на экран дисплея.
Представленная архитектура интеллектуальной многоагентной системы основана на моделировании основных компонент с помощью агентно-ориентированного подхода. Используемая модель интеллектуальных агентов построена на принципах сетевой расширенной организации, где отношение коммуникации играет центральную роль. Механизм опосредованной коммуникации агентов, а также предложенная модель агентов позволяют разделить основной процесс поиска на непосредственно процессы решений и управления.
В виду того что вводимая в базу знаний модель прикладной предметной области может быть подвержена как структурным, так и
качественным изменениям, поддерживается настройка системы на предметную область и типы решаемых задач. Таким образом, в рамках данной системы удалось достичь достаточно естественной интеграции различных по своему назначению и возможностям средств и методов моделирования с целью эффективного решения задач в области аудита качества образования.
Литература
1. Немонтов В.А., Хорошева Е.Р., Белякова Е.А. Система менеджмента качества вуза как основа сертификации инженерных образовательных программ II Материалы МНПК «Международные стандарты, аккредитация и сертификация технического образования и инженерной профессии». М.: Изд. Дом «МИСиС»,
2010. С. 139-144.
2. Раговский А.П. Метод дедуктивного вывода на семантических сетях концептуальных объектов // Программные продукты и системы.
2011. № 2. C. 19-25.
3. Рассел С., Норвиг П. Искусственный интеллект: современный подход I пер. с англ. 2-е изд. М.: Вильямс, 2006.
4. Раговский А.П. Интеллектуальная многоагентная система дедуктивного вывода на основе сетевой организации // Искусственный интеллект и принятие решений. 2011. № 2. C. 73-86.
5. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия,
психология, информатика. М.: Эдиториал
УРСС, 2002.
References
1. Nemontov V.A., Khorosheva E.R., Belyakova E.A. Sistema menedzhmenta kachestva vuza kak osno-va sertifikatsii inzhenernykh obrazovatel'nykh programm II Materialy MNPK «Mezhdunarodnye standarty, akkreditatsiya i sertifikatsiya tekhni-cheskogo obrazovaniya i inzhenernoy professii». M.: Izd. Dom «MISiS», 2010. S. 139-144.
2. Ragovskiy A.P. Metod deduktivnogo vyvoda na semanticheskikh setyakh kontseptual'nykh ob"ek-tov II Programmnye produkty i sistemy. 2011. № 2. C. 19-25.
3. Rassel S., Norvig P. Iskusstvennyy intellekt: so-vremennyy podkhod I per. s angl. 2-e izd. M.: Vil'yams, 200б.
4. Ragovskiy A.P. Intellektual'naya mnogoagentnaya sistema deduktivnogo vyvoda na osnove setevoy organizatsii II Iskusstvennyy intellekt i prinyatie resheniy. 2011. № 2. C. 73-86.
5. Tarasov V.B. Ot mnogoagentnykh sistem k intel-lektual'nym organizatsiyam: filosofiya, psikholo-giya, informatika. M.: Editorial URSS, 2002.
INTELLIGENT MULTI-AGENT SYSTEMS MODELING FOR AUDITING QUALITY EDUCATION TECHNICAL UNIVERSITY
A.P. Ragovsky
The report focuses on solving the problem of modeling intelligent multi-agent system to ensure audit quality education in technical colleges. The article discusses the architecture and principles of intellectual multi-agent system. Architecture of an intelligent multi-agent system is based on the modeling of the main component with the
agent-oriented approach. Model of intelligent agents is built on the principles of the organization of the extended network, where the ratio of communication plays a central role. Mechanism mediated communication agents, as well as the proposed model allows agents to share the basic process of searching for directly making and management processes. Since it entered into the knowledge base model of the application domain can be subject to both structural and qualitative changes, support setting up a system for the subject area and the types of tasks.
Key words: intelligent application systems, multiagent systems, knowledge engineering, quality education.
УДК 519.240
ИНТЕЛЛЕКТУАЛИЗАЦИЯ ОБРАБОТКИ ИНФОРМАЦИИ ПРИ ИСПОЛЬЗОВАНИИ ДИСКРЕТНЫХ МЕТОДОВ ИССЛЕДОВАНИЯ
ДИНАМИЧЕСКИХ СИСТЕМ
И.Н. Статников, Г.И. Фирсов
Рассматривается применение для решения задач многокритериального синтеза динамических систем метода ПЛП-поиска, который не только позволяет на основе проведения имитационных модельных экспериментов осуществить просмотр пространства параметров в заданных диапазонах их изменения, но и в результате специального рандомизированного характера планирования этих экспериментов применить количественные статистические оценки влияния изменения варьируемых параметров и их парных сочетаний на анализируемые свойства рассматриваемой динамической системы. Можно утверждать, что если принято решение исследовать сначала сформулированную задачу дискретным способом (что полезно даже в том случае, когда удается получить аналитические зависимости, но очень сложные), то ПЛП-поиск представляется весьма эффективным методом компьютерных технологий. Кроме того, все алгоритмы ПЛП-поиска легко программируются, допускают диалоговый режим работы.
Ключевые слова: планирование вычислительных экспериментов, ЛП-сетки, имитационное моделирование.
Среди новых подходов к исследованию сложных систем такой вид информационных технологий как эволюционное моделирование выделяется своим синтетическим аспектом, поскольку объединяет эвристические методы, развиваемые в науках об управлении и оптимизации, и эволюционные алгоритмы, характерные для живой природы. Однако при вероятностном и статистическом подходе к решению задачи проектирования возникает важная проблема: обилие информации требует умения ее преобразовывать в характеристики, зависящих и определяющих одновременно свойства проектируемого объекта, а не только отыскивать экстремумы заданных критериев качества. Одним из путей решения проблемы может стать применение различных эвристических приемов сокращения пространства параметров, в котором происходит поиск наилучших решений. Здесь целесообразно опираться на когнитивное пра-
вило, выведенное Полем Фитсом [1, 2]: время достижения цели обратно пропорционально ее размеру и дистанции до нее. Если объем исходной области поиска обозначить через Б, а объем области, содержащей предпочтительные решения, как S, то число вычислительных экспериментов может быть определено по формуле: N = а + Ъ1оя2[СО/£) +1], где а и Ь - некоторые константы. Перефразируя известное выражение, можно сказать, что как могущество человека прирастает могуществом создаваемой им техники, так и эффективность используемой техники определяется во многом интеллектуальными возможностями человека, т.е. мыслительными способностями человека освоить получаемую информацию (т-1е11с1;ш - разум; мыслительные способности). Это положение полностью подтверждается историей развития вычислительной техники. Как только появились ЭВМ (пусть еще и не-
