CC BY
43
6. Гусятников В.Н., Митрофанов А.Ю., Дьякова Т.В., Носова Е.Г. Модели для анализа качества образовательного процесса по результатам тестирования // Вестник Саратовского государственного социально-экономического университета. 2010. № 5.
7. Большаков А.А., Вешнева И.В., Мельников Л. А., Перова Л.Г. Метод оценки профессиональных компетенций, основанный на лингвистическом подходе для системы управления вузом // Системы управления и информационные технологии. 2013. Т. 52. № 2.1.
8. Гусятников В.Н., Соколова О.Ю., Соколова Т.Н., Каюкова И.В. Построение моделей для анализа качества образовательного процесса на основе технологий компьютерного тестирования // Вестник Саратовского государственного социально-экономического университета. 2009. № 4.
9. Гусятников В.Н., Соколова Т.Н. Технологии компьютерного тестирования как элемент системы поддержки принятия решений в образовательной деятельности // Интеграция образования. 2008. № 4.
10. Гусятников В.Н., Безруков А.И. Государственные образовательные стандарты и Федеральный закон «О техническом регулировании» // Стандарты и качество. 2009. № 9.
6. Gusyatnikov V.N., Mitrofanov A. Yu., Dyakova T.V., Nosova Ye.G. Models for analyzing the quality of the educational process by testing // Bulletin of the Saratov state socio-economic university. 2010. № 5.
7. Bolshakov A.A., Veshneva I.V., Melnikov L.A., Perova L.G. Method of assessing professional competence using linguistic approach for university management system / / Control systems and information technology. 2013. T. 52. № 2.1.
8. Gusyatnikov V.N., Sokolova O.Yu., Sokolova T.N., Kayukova I.V. Designing models of computer technology based testing for analyzing the quality of the educational process // Bulletin of the Saratov state socio-economic university. 2009. № 4.
9. Gusyatnikov V.N., Sokolova T.N.
Technologies of computer-based testing as an element of decision-making support systems in education // Integration of education. 2008. № 4.
10. Gusyatnikov V.N., Bezrukov A.I. The state educational standards and the Federal Law «On technical regulation» // Standards and quality. 2009. № 9.
УДК 004.77
МУЛЬТИАГЕНТНЫЕ ТЕХНОЛОГИИ КАК ИНСТРУМЕНТ РЕШЕНИЯ ЭКОНОМИЧЕСКИХ ПРОБЛЕМ
MULTIAGENT TECHNOLOGIES AS A TOOL OF THE SOLUTION OF ECONOMIC PROBLEMS
© Сыксин Виктор Викторович
Victor V. Syksin
аспирант кафедры информационных систем в экономике, Саратовский социально-экономический институт (филиал) ФГБОУ ВПО «РЭУ им. Г. В. Плеханова»
postgraduate student of the department of information systems in economics, Saratov socio-economic institute (branch) of Plekhanov Russian University of Economics
В статье рассмотрены формальные модели и инструментальные средства мультиагентны/х систем. Проанализированы тенденции развития экономической среды в контексте развития информационных технологий. Установлено, что в современных условиях важную роль играют распределенные системы. Проведен исторический анализ возникновения и развития аппарата и инструментария мультиагентны/х систем.
e-mail: [email protected]
The paper describes the formal models and tools of multiagent systems, analyzes the development trends of the economic environment in the context of information technology growth, and argues that in modern conditions an important role is played by the distributed systems. The author gives historical analysis of the emergence and evolution of the toolkit of multiagent systems.
Ключевые слова: агент, мультиагентная система, распределенная система управления, инструментальные системы разработки муль-тиагентнъх систем, конечный автомат.
Keywords: agent, multi-agent system, distributed control system, instrumentation system for designing multi-agent systems, finite automation.
В современных условиях формируется постиндустриальное общество [1]. В таком обществе географическое расстояние перестает иметь принципиальное значение в формировании связей между хозяйствующими субъектами. Теперь компания не привязана к конкретной территории, а имеет возможность осуществлять поиск партнеров и рынков по всему миру. Особое значение это приобретает в производстве цифровых товаров. Для интенсивного развития предприятия ему необходимо коммуницировать как можно с большим числом предприятий внешней среды и находить оптимальных партнеров для увеличения собственной эффективности. С целью обеспечения конкурентоспособности предприятиям нужно обладать ноу-хау в области логистики, уметь быстро разрабатывать и запускать в производство новые продукты, знать, как обеспечить послепродажное обслуживание и эффективный обмен информацией как внутри компании, так и с многочисленными поставщиками и покупателями.
Современный бизнес приобретает все больше модульный характер, когда менеджеры, обладая широким набором инструментов, конструируют бизнес из готовых блоков. Это позволяет бизнесу реформировать свою структуру в режиме реального времени. Такая архитектура дает возможность компании переходить от последовательного выполнения операций к параллельному, наращивать сложность общей структуры, упрощать при этом составные части системы, переходить от массового к индивидуальному производству, сокращать жизненный цикл изделий, осуществлять инновации, сокращать издержки, расширять бизнес и минимизировать риски. Принятие решений в этих условиях характеризуется высокой неопределенностью и требованием работы в реальном времени, наличием множества взаимно противоречивых критериев, необходимостью учитывать знания и опыт специалистов, которые не только плохо формализуются, но и постоянно меняются, и рядом других новых требований. Изменились способы взаимодействия бизнес-среды и информационных технологий. Изменения в бизнес-структурах, а именно активное использование сервис-ориентированных архитектур, приводят к изменениям в используемых информационных системах. Наблюдается тенденция отказа от интегрированных систем в пользу
компонентных, основанных на открытых стандартах информационного обмена компонент независимых разработчиков и развитой способности интеграции. Это позволяет решить проблему статичности и трудностей адаптации под изменения внешней среды, присущих интегрированным системам.
Изменения в бизнес-среде связаны с развитием информационных технологий как крупных массивов данных (big data), облачных технологий (cloud computing), сервис-ориентированных систем (service-oriented architecture), интеллектуального анализа данных и обнаружения знаний (data mining and knowledge discovery). Разнообразие и сложность крупных массивов информации, потребность в их быстрой обработке требуют пересмотра традиционных подходов к работе с данными в пределах предприятия. Во многих случаях концепция единого корпоративного хранилища данных оказывается неэффективной. Ей на смену приходят многоуровневые системы формирования логических корпоративных хранилищ данных, они охватывают физические системы хранения, контент-менеджмент, специализированные файловые системы, объединенные с сервисами данных и метаданными. Появление облачной модели знаменует собой изменение парадигмы в отношении экономии средств, гибкости, масштабируемости и глобальных бизнес-возможностей. Облачные технологии позволяют предоставлять клиенту максимальную гибкость по выбору способа размещения и потребления ИТ-услуг в полном соответствии с требованиями его организации. Предприятия и организации постепенно осознают явную избыточность имеющихся на рынке приложений и отдают предпочтение намного более «аскетическим» облачным вариантам, функционал которых, хотя и заметно уступает «классическим» приложениям, содержит все самое необходимое для большинства пользователей, при этом обходится гораздо дешевле и в приобретении, и в последующем владении. Такое «облако» будет определять порядок использования набора сервисов, вычислительной и коммуникационной активности, объединит веб и разнообразные персональные аппараты. Большое влияние на современный бизнес оказывает развитие мобильных устройств и технологий удаленной работы. Многие сотрудники выполняют свою работу дистанционно. Обеспечивая поддерж-
Информационная безопасность регионов. 2014. № 2(15)
ку всех сотрудников и предоставляя им доступ к лучшим и самым современным технологиям, ИТ-подразделения помогают компаниям повышать производительность, снижать затраты и сохранять конкурентоспособность. Появляются такие экосистемы, которые представляют собой интеграцию аппаратного, программного обеспечения и сервисов. Это проще, безопаснее и дешевле для конечного пользователя и предприятия. Наиболее явно этот тренд просматривается в мобильном сегменте, где крупнейшие компании Apple, Google и Microsoft занимаются развитием собственных экосистем, в которых возможности пользователя значительно расширяются за счет приложений сторонних вендоров. Все эти тенденции связаны с использованием распределенных информационных систем. Такие системы отличаются сложной структурой, что затрудняет возможности использования стандартных методов централизованного управления и применение жесткой структуры. Это ставит новые задачи построения внутренней архитектуры ИТ-систем.
Необходимость обработки больших объемов данных, их структурирование привело к необходимости систем анализа и извлечения данных, основанных на интеллектуальном анализе данных и обнаружении знаний в базах данных (Data Mining & Knowledge Discovery) [2]. Такое направление представляет собой процесс извлечения зависимостей из больших баз данных. При этом применяются методы деревьев решений, нейросетей, нечеткой логики, генетических алгоритмов. Системы анализа и извлечения данных на практике оказываются слишком закрытыми, сложными и жестко устроенными программами, имеющими узкую специализацию.
Стратегической задачей России на данном историческом этапе является полномасштабное вхождение в информационное общество в качестве его полноправного участника - при сохранении политической независимости, национальной самобытности и культурных традиций [3]. Это находит отражение в федеральной целевой программе «Электронная Россия» (2002-2010 гг.) и государственной программе «Информационное общество» (2011-2020 гг.). В 2009 г. внедрена система электронного документооборота «Электронное правительство».
Возросшая гибкость и модульность бизнеса, а также высокая динамика внешней среды стали возможны с развитием более мощных и гибких интеллектуальных программных систем, способных непрерывно приобретать новые знания и изменять свою структуру и функции, развиваясь и адаптируясь к решаемым
задачам и условиям внешней среды. Централизованное управление в таких сложных системах невозможно из-за наличия огромных потоков информации, приводящих к потере времени и использованию ресурсов сверх нормы, что ведет к необходимости развития и внедрения распределенных систем. Одной из моделей подобных систем является модель муль-тиагентной системы (МАС), позволяющая объединить множество различных систем в гибкую структуру без жесткой организации и центрального управления, в которой будут реализованы все современные тенденции ИТ.
Теоретические основы мультиагентных систем были заложены Д. Нейманом в труде о самовоспроизводящихся автоматах, Дж. Хол-ландом по генетическим алгоритмам, А.Н. Колмогоровым по теории сложности; У. Форстером в теории самоорганизации, Г. Уолтером в работе о реактивных роботах, У. Эшби по гомеостазису. В работах М.Л. Цет-лина о коллективном поведении автоматов впервые был поднят вопрос о возможностях моделирования целенаправленного поведения в стационарной среде при изучении сообщества агентов минимальной сложности [4, с. 1345-1354; 5]. Последующее развитие этого направления связано с исследованиями локально организованных систем [6, с. 33-45]-
Первые практические разработки по муль-тиагентным системам, которые в основном были посвящены проблемам распределенного искусственного интеллекта и интеллектуальных агентов, относят к 70-м гг. и связывают с именами К. Хьюитта, Д. Лената, В. Лессера [7; 8; 9; 10]. Работы В. Лессера, Ф. Хэйес-Рота, Л. Эрмана привели к появлению архитектуры, называемой «доска объявлений». Полученные результаты легли в основу работ по вопросам организации межагентной коммуникации. Метафора «доска объявлений» основана на идеи, что для решения любой задачи требуются заранее не запланированные сообщения между агентами, когда структура управления процессами коммуникации изначально не задана. Деятельность агентов заключается в доставке, модификации и извлечении информации с доски объявлений, т.е. из среды совместной работы, где предметная область задана через совокупность гипотез и решений. Конфликты доступа к доске объявлений, возникающие между агентами, разрешает специальное управляющее устройство, которое неявным образом организует их совместную работу.
В начале 90-х гг. одно из центральных положений занимает работа И. Шоэма «Агент-но-ориентированное программирование» [11, р. 51-92]. Агент в ней задан как «прозрачный
ящик», у которого присутствуют «внутренние переменные», такие как цели, убеждения, обязательства, мотивы, способности к принятию решений. Решения агента основываются на мотивах, а убеждения представляют собой логические ограничения на них. Общение агентов происходит через протоколы коммуникации.
Агентно-ориентированный подход расширяет рамки объектно-ориентированного подхода за счет описания изменения состояний агентов с помощью понятий, убеждений, желаний, решений и пр. Базовыми компонентами для агентно-ориентированной инструментальной системы являются: ограниченный формальный язык, обладающий соответствующим синтаксисом и семантикой, через который описывается внутреннее состояние агента, определяемое следующими параметрами: убеждения, желания, намерения и обязательства; язык программирования, используемый для описания поведения агентов.
МАС стали широко распространяться в 90-х гг., появились специальные средства построения агентов. Были разработаны языки коммуникации агентов К^МЬ и [12, р. 777788]. Однако эти языки не были достаточно стандартизованы, что создавало разработчикам агентов большие сложности. Это привело
к необходимости создания стандартов взаимодействия и спецификации агентов. В результате в l994 г. была создана организация Foundation for Intelligent Physical Agents (FIPA) по стандартизации агентов [l3], которая занимается разработкой стандартов для межагент-ных коммуникаций.
Повсеместное развитие сетевых технологий, в частности сети интернет, привело к развитию агентных технологий и появлению множества агентных платформ. Большая часть таких платформ, например Jade, Coguaar, Aglobe, Jason, Able, базируется на технологии Java. Все эти решения бесплатны для некоммерческого использования, постоянно обновляются, имеют развитую систему поддержки пользователей.
Для разработки и создания распределенных систем используются такие системы, как Jade, Coguaar, Aglobe. Для работы с масштабируемыми системами и системами с интенсивной обработкой данных обычно используют Coguaar и Aglobe. Для моделирования искусственной жизни и построения трехмерных моделей МАС применяют Breve. Для создания же самих агентов и их обучения разработаны системы Able и Jade. Результаты анализа агент-ных платформ приведены в таблице:
Область применения Технологии Расширяемость Интеграция / наличие плагинов Инструментарий разработчика Ли-цен-зия
Jade Web, логистика, планирование, исследования технологии агентов, мобильные сети, распределенные приложения, собранные из автономных сущностей Java SE, Java, поддерживает стандарты FIPA Возможность расширения на всех уровнях Java EE (JMS, Web), CORBA / большое количество Поддерживаются основные этапы разработки (LGPL)
Coguaar Web, военное применение, промышленное применение, мобильные сети, огромные масштабируемые распределенные системы и системы с интенсивной обработкой данных Java SE, Java ME Возможность расширения на всех уровнях Java EE (JMS, Web), CORBA / большое количество Поддерживаются основные этапы разработки (OSL BSD-based)
Aglobe Промышленное применение, моделирование инженерных систем, масштабируемые распределенные системы и системы с интенсивной обработкой данных Java SE Нет Отсутствует / отсутствуют Минимальный (CPL)
Jason Исследовательские проекты Java SE Есть Saci, Jade / есть Поддерживаются основные этапы разработки (LGPL)
Breve Виртуальные миры, искусственная жизнь, построение трехмерных моделей многоагент-ных систем Steve Есть Отсутствует / отсутствуют Минимальный (OSL)
Информационная безопасность регионов. 2014. № 2(15)
Область применения Технологии Расширяемость Интеграция / наличие плагинов Инструментарий разработчика Лицензия
ABLE Построение интеллектуальных агентов, машинное обучение и принятие решений, промышленное применение, военное применение Java 2 JVM Есть Java EE / есть Поддерживаются основные этапы разработки (OSL)
Свойства агентов позволяют активно использовать МАС в открытых системах, структура которых может изменяться в процессе их функционирования, в сложных распределенных системах, интерактивных системах. В настоящее время МАС используются для решения множества задач. Технология применяется в составных системах обороны. Широко распространены МАС в логистике, графике, геоинформационных системах. Концепции агентов используются в сложных распределенных интеллектуальных системах, в том
числе облачных технологиях. Широко зарекомендовали себя агентные технологии в сферах сетевых и мобильных технологий, в том числе в сетях с интенсивной обработкой данных, где они используются для обеспечения автоматического динамического баланса загруженности сети и способности к самовосстановлению. Одним из перспективных направлений развития является использование агентных технологий для создания мобильных рабочих мест.
Материалы поступили в редакцию 16.05.2014 г.
Библиографический список (References)
1. Кастельс М. Информационная эпоха: экономика, общество и культура / пер. с англ. под науч. ред. О.И. Шкаратана. М.: ГУ ВШЭ, 2000.
2. Han J., Kamber M. Data mining: Concepts and Techniques. Morgan Kaufmann Publishers. 2001.
3. Концепция развития отрасли информационных технологий РФ / Министерство информационных технологий и связи РФ 01 октября 2004 г.
4. Цетлин М.Л. О поведении конечных автоматов в случайных средах // Автоматика и телемеханика. 1961. Т. 22. № 10.
5. Нейман Дж.Фон. Теория самовоспроизводящихся автоматов. М., 1971.
6. Стефанюк В.Л. Анализ целесообразности локально организованных систем методом потоков вероятностей // Модели систем обработки данных. М.: Наука, 1989.
7. Лефевр В.А. Конфликтующие структуры. М.: Сов.Радио, 1973.
8. Поспелов Д.А., Пушкин В.Н. Мышление и автоматы. М.: Сов. Радио, 1972.
9. Поспелов Д.А., Шустер В.А. Нормативное поведение в мире людей и машин. Кишинев: Шти-инца, 1990.
10. Minsky M. The Society of Mind. NewYork : Simon and Shuster, 1986.
11. Shoham Y. Agent Oriented Programming // Artificial Intelligence. 1993. Vol. 60. № 1. .
12. Patil R.S. et al. The DARPA knowledge sharing effort: progress report. In Proceedings of Knowledge Representation and Reasoning (KR&R-92) (eds C. Rich, W. Swartout and B. Nebel).
13. FIPA. The foundation for intelligent physical agents. URL.: http://www.fipa.org/.
1. Castells M. The Information Age: Economy, Society and Culture / transl. by O.I. Shkaratan. M.: GU VSHE, 2000.
2. Han J., Kamber M. Data mining: Concepts and Techniques. Morgan Kaufmann Publishers. 2001.
3. Roadmap of the information technology industry development in the Russian Federation / Ministry of information technologies and communications of the Russian Federation October 1, 2004
4. Tsetlin M.L. On the behavior of finite automata in random media // Automation and remote control. 1961. V. 22. № 10.
5. Neumann J. Theory of Self-Reproducing Automata. M., 1971.
6. Stefanyuk V.L. Feasibility analysis of locally organized systems using flow of probabilities // Models of data processing systems. Moscow: Nauka, 1989.
7. Lefevre V.A. Conflicting structures. M. Sov.Ra-dio, 1973.
8. Pospelov D.A., Pushkin V.N. Thinking and machines. M.: Sov.Radio, 1972.
9. Pospelov D.A., Schuster V.A. Normative behavior in the world of men and machines. Kishinev: Shtiintsa, 1990.
10. Minsky M. The Society of Mind. NewYork: Simon and Shuster, 1986.
11. Shoham Y. Agent Oriented Programming // Artificial Intelligence. 1993. Vol. 60. № 1.
12. Patil R.S. et al. The DARPA knowledge sharing effort: progress report. In Proceedings of Knowledge Representation and Reasoning (KR & R-92) (eds C. Rich, W. Swartout and B. Nebel).
13. FIPA. The foundation for intelligent physical agents. URL.: Http://www.fipa.org/.
