CC BY
22
С. В. Иванов,
кандидат технических наук, доцент, Краснодарское высшее военное училище имени генерала армии С. М. Штеменко
Е. М. Хорольский,
кандидат технических наук, доцент, Краснодарское высшее военное училище имени генерала армии С. М. Штеменко
ОБРАБОТКА ИНФОРМАЦИОННЫХ ПОТОКОВ В МУЛЬТИАГЕНТНЫХ РОБОТОТЕХНИЧЕСКИХ КОМПЛЕКСАХ В УСЛОВИЯХ РЕШЕНИЯ РАЗНОПЛАНОВЫХ ЗАДАЧ
PROCESSING OF INFORMATION FLOWS IN MULTI-AGENT ROBOTIC SYSTEMS IN TERMS OF SOLVING DIVERSE TASKS
Анализ сетецентрических войн показал, что в настоящее время важнейшим компонентом средств активного ведения боевых действий является использование ро-бототехнических комплексов с беспилотными летательными аппаратами (РТК с БЛА). Особенностью функционирования таких комплексов является выполнение различных крупномасштабных задач в условиях быстроменяющейся динамической внешней среды, что требует качественного возрастания их интеллекта. Для решения этих задач необходимо сформировать алгоритмы, позволяющие на борту каждого БЛА осуществлять расчеты оптимальных траекторий движения, анализ текущей обстановки в реальном масштабе времени, прогнозировать дальнейшие действия исходя из сложившейся обстановки, принимать рациональные решения и осуществлять всестороннюю оценку информации, циркулирующей в канале управления РТК.
В статье представлена математическая модель, позволяющая определить эффективность системы обработки информации с фиксированными характеристиками входного потока. Построенная математическая зависимость позволила вычислить значение плотности потока заявок, при которой потребуется задействование резервных каналов, что обеспечивает возможность оперативного реагирования на возникающие отказы в МКСПД при управлении группой БЛА.
The analysis of network-centric wars has shown that currently the most important component of active warfare is the use of robotic complexes with unmanned aerial vehicles (RTC with UAVS). A feature of the functioning of such complexes is the performance of various large-scale tasks in a rapidly changing dynamic environment, which requires a qualitative increase in their
intelligence. To solve these problems, it is necessary to create algorithms that allow each UAV to calculate optimal flight paths, analyze the current situation in real time, predict further actions based on the current situation, make rational decisions and carry out a comprehensive assessment of the information circulating in the RTC control channel.
The paper presents a mathematical model that allows us to determine the efficiency of an information processing system with fixed input flow characteristics[2]. The constructed mathematical dependence allowed us to calculate the value of the application flow density, which requires the use of backup channels, which makes it possible to quickly respond to emerging failures in the ICSPD when managing a group of UA VS.
The research has confirmed the effectiveness of the developed approach to processing a large amount of information in real time on modern computers.
Введение. Автоматизированные системы и робототехнические комплексы с БЛА напрямую связаны между собой входящими в них вычислительными и физическими элементами. Сегодня представители таких систем могут быть найдены в самых разнообразных областях — космос, автомобильная, химическая технология, гражданская инфраструктура, энергетика, здравоохранение, производство, транспорт и потребительские устройства. Такой класс систем рассматривается как киберфизические системы[1].
С одной стороны, киберфизические системы с помощью распределенной сети датчиков и блоков управления позволяют решить многие практические задачи, позволяющие сэкономить время и уменьшить человеческие потери за счет выполнения опасных заданий робототехническими комплексами.
С другой стороны, в связи с использованием открытых радиоканалов и протоколов киберфизические системы подвержены воздействию компьютерных атак, которые в лучшем случае могут привести к нарушению работоспособности сети, а в худшем — к перехвату управления [2].
При исследовании реальных или проектируемых систем обработки информации и управления применяют методы математического моделирования.
С учетом того, что системы обработки и управления информационными потоками в мультиагентных робототехнических системах в настоящее время в основном имеют многомашинную (многопроцессорную) структуру, целесообразно использовать модели многоканальной системы массового обслуживания. При этом в системах процессоры отождествляются с каналами обслуживания, а задачи — с заявками. Появление систем, адаптируемых к задачам, т.е. меняющих конфигурацию в зависимости от заявок, обусловило необходимость создания адекватных математических моделей систем с перестраиваемой структурой.
В качестве объекта рассматривается робототехнический комплекс с БЛА, функционирующий в условиях неопределенности внешней среды. Применение комплекса должно отвечать динамически меняющимся требованиям к его эксплуатации. Ввиду сложности и крупномасштабности решаемых задач, РТК необходимо строить на децентрализуемом принципе обмена информацией.
Основу такой модели обработки информации представляет собой сетевая модель мультиагентного РТК, который способен одновременно решать различные задачи управления, навигации и обработки информации при помощи нескольких агентов, объединенных в группы [3]. Ввиду того что масштабность существующих на сегодняшний день задач, стоящих перед роботами мультиагентной системы, накладывает серьезные ограничения, связанные с вопросами обеспечения оперативной передачи и обработки информации, стоит задача построения модели рационального и оперативного перерас-
пределения информационных ресурсов в системе, состоящей из большого количества агентов в составе группы (рис. 1) [4, 5].
Формализация задачи. В статье рассматривается модель системы обработки разнородных информационных ресурсов в условиях поступления большого потока разноплановых задач для обработки. Поток поступающих задач представляется большим, в том случае когда его ранг больше N/2, где N — число агентов (процессоров) в системе. В качестве процессоров используются спецвычислители, расположенные на борту БЛА. В работе полагаем, что разнородная система обработки информации состоит из N агентов, на которую поступает пуассоновский поток больших задач с интенсивностью X.
Обработка информации (задач) системой производится последовательно в зависимости от ее поступления, при этом учитывается тот факт, что необходимо обслужить каждый поток индивидуально в зависимости от его ранга.
- криптомаршрутизатор,
- межсетевой экран,
""Ч! - система обнаружения вторжений, £ - система разграничения доступа, — - антивирусная система,
Рис. 1. Информационно-телекоммуникационная сеть управления мультиагентной робототехнической системой (группой БЛА)
Для поиска вероятности — перехода системы из одного (текущего) состояния в
новое (требуемое) за время I при том, что она находится в состоянии], а г задач находится в очереди, используется следующее выражение [6]:
" ^ ,( ^ ^Л.-а^ К)
Gij(t) = Ъп>м/2Лф - eb^e^i^dH^tJ,
Gij(t) = 2
n>N/2
at-
MJ
] ■
dHyiti),
(1)
Gu(t)
= 1*1
-at.
( atJ
}-i=l
■dHyiti),
n>N/2 0
где Hv(ti), v > N/2 — функция распределения времени решения задач v-го ранга системой.
Необходимо получить условия, при которых период занятости системы будет иметь конечную длительность — с учетом того, что под периодом занятости понимается разность между tk — моментом времени, когда система переходит из занятого состояния в свободное, и t' k — наибольшим, не превосходящим его моментом времени перехода из свободного состояния в занятое.
Предположим, что в системе могут одновременно существовать подсистемы обработки информации всех рангов — от 1 до Я, т.е^ > к(к+11п. Выделим в системе множество из N Е Е (Е = {0,1,...,Щ) элементарных агентов и реструктуризируем ее на подсистемы. Обозначим Iчисло подсистем ранга п, образованных в момент времени
' /'(О
t посредством реструктуризации, а — число р-программ ранга п, находящихся в очереди длиной Б в момент
В результате осуществляется расчет вероятностей того, что в очереди находится некоторое количество обрабатываемой в данный момент времени информации (задач, стоящих в очереди). Объем поступающей информации регулируется путем изменения числа агентов (процессоров) системы, что в свою очередь позволяет регулировать длину очереди и время обработки в необходимых пределах. Однако при обработке большого потока сложных (разноплановых) задач, когда число агентов N велико и объем памяти вычислителя заранее задан и ограничен, время обслуживания программ описывается экспоненциальным законом [6].
Рассмотрим, как воздействует на систему случайный процесс
г) = { I ^ЕЕ.п^Тй.Б = 0,™} (2)
при условии, что он марковский.
Пусть — вероятность того, что в момент Ь, N1(^^=1 п1^п(Ь)) агентов за-
нято обслуживанием р-программ и в очереди занято N — Nl(Z1n=1пlщп(t)) мест, при том, что в системе к ветвей.
Требуется вычислить: Р^ — вероятность того, что в системе находится ровно к ветвей.
Решение задачи. Среднее число занятых агентов определяется в соответствии с выражением
ЛГ _
к
Коэффициент занятости системы определяется как
Ncp=ïLikPk+N^=iPN+s. (3)
КЭ(Ю=^, (4)
где Pk Z Plk.....lR = Z lim Plk.....lR и суммирование ведется по всем возможным разбиениям
на подсистемы в предположении, что выполняется условие нормирования Zkc=0Pk = 1.
Пусть KkR — число способов, с помощью которых можно разбить N агентов р-программами, максимальный ранг которых равен R. Тогда, просуммировав NkR и ряд
P^.....lR, получим искомое значение Pk.
Значение NkR определяется [7] по рекуррентной формуле
NklR = ZUZLNk-j.u (5)
при начальных условиях: Nk1 = 1,Nk,k = 1,Nkj = 0,к < j.
Вероятности P^",1r того, что в системе ровно к ветвей, при определенном разбиении ln, l'n, п = 1,R, находятся как решение системы линейных уравнений, составленной с использованием методов теории массового обслуживания [6, 8].
Вероятность занятости агентов системы в момент времени t + Дt определяется как сумма вероятностей трех несовместных событий:
1) в момент t N машин соответствующих агентов производят операцию разбиения массива данных I на некоторые участки, и при этом за время Дt ни одна подсистема не заканчивает обслуживания вспомогательных подпрограмм;
n
2) в момент t занято (М - N1) агентов, но за время Дt поступила программа ранга
п,п = 1, Р;
3) в момент I занято (М - Ы1) агентов, но за время Дt закончилось обслуживание р-программы ранга п,п = 1, Р (рис. 2).
РМ
р(1,1) Р(1,1.5)0 Р(1,2)
P(t,2.5)
" ' " 0 ра, з)
ра, з.5)
р^,4) 0.4 P(t,4.5) Ра, 5)
Р102 ,1) Р1(»2 ,1.5)0 Р1(С, 2)
Р1(С, 2.5)
" ' " 0 Р102, 3)
Р1(С, 3.5)
Р1(С,4) 0.4
Р102, 4.5)
Р1(С, 5)
0
1 1 N
V- ' \ \\ \ 4 \
• ..........................
! \ . 1 ^^^ ■ ■. * *»^' * ........ ------
0 1 1 а) 0 20 ч t
к
1 ■» ■ 4 С\ \ \ ■ ч \ \
Л * Л л- 1 \ V V \ -
! \ 4 4 •• 1 \ . \ Ч -1 \ ■ > ч \ 1 \ 4 1 \ . Ч *.
1 \ .. 1 '' 1 ■...... * * » ■ ^ 1 * • « ■ т
0 1 б)
12
0
20
12
Рис. 2. Зависимость вероятности занятости агентов системы от времени: а — в условиях выполнения однородных задач; б — в условиях выполнения разнородных задач
Переходя к пределу при Дt ^ 0, а затем при Дt ^ от, получаем систему линейных алгебраических уравнений относительно вероятностей .
Решая эту систему уравнений, определяем Рк суммированием р£'",1к по различным комбинациям 1,...,1К. С помощью вероятностей Рк ,(к = 0, от) определяются следующие характеристики системы:
- вероятность отказа в обслуживании;
- вероятность того, что все машины агентов свободны;
- среднее число занятых агентов.
Разработка модели обработки больших информационных потоков. Для разработки модели многоканальной системы массового обслуживания предлагается учитывать следующие положения.
1. Каждый узел обработки информации представляет собой комплекс взаимосвязанных средств обработки и передачи информации, при этом в системе может быть произвольное, но фиксированное число агентов мультиагентной системы каждого типа.
2. В любой момент времени обработка осуществляется одной из нескольких машин и имеет фиксированные требования на ресурсы. Множество состояний обработки (информации) задачи напрямую зависит от их принадлежности к определенному классу и заранее определяется требованиями по ресурсообеспечению.
3. При распределении ресурсов в мультиагентной информационной системе используются следующие формы ее представления:
- распределение ресурсов осуществляется без разделения на элементарные группы, т.е. все типы ресурсов обрабатываются в одном потоке;
- распределение ресурсов осуществляется с разделением на элементарные группы, т.е. каждый тип ресурсов обрабатывается индивидуально;
- стандартное мультиплексирование, позволяющее одновременно по параллельным каналам осуществлять обработку информационных потоков различных типов.
4. Источник формирования заявок представляет собой ограниченную последовательность, в которой определена средняя интенсивность поступления заявок с различными начальными состояниями обработки.
5. Способ распределения ресурсов влияет как на скорость обработки, так и на степень параллельности обработки задач системой [6].
Для завершения обработки информации система проходит через последовательность состояний, а завершение процесса обработки эквивалентно переходу ее в заключительное состояние «0», обозначаемое . Время обслуживания требуемой заявки, перешедшей в состояние — это время, в течение которого заявка использует ресурсы до перехода в очередное (требуемое) состояние.
Пусть Т — среднее время обслуживания, требуемое задачей в состоянии
= 1.Ь. Оказавшись в состоянии , заявка остается в нем до истечения времени обслуживания. Следующее состояние определяется дискретным марковским процессом, соответствующим матрице Р; Р = (I + 1) X (I + 1) — стохастической матрице переходных вероятностей. Заявки поступают в систему из одного или нескольких неограниченных источников, и интенсивность их поступления в начальном состоянии Б1 есть Л1 — общая интенсивность Л = ^л^М. Зная Л, можно определить вероятность нахождения заявки в начальном состоянии. Распределение начальных состояний заявок определяется
вектором F = \f-i_, [2, ■■■,[ь], используя вектор ^и матрицу Р, можно определить С = [дъ 9г.-. дь], где дь — среднее число прерываний обработки в состоянии S1.
Состояние обработки задачи определяется парой (] . к). что означает: обработка принадлежит классу ] (интенсивность нагрузки, обрабатываемой в сети) и требует множество вариантов маршрутов, вырабатываемых Ук (вектор требований по обработке маршрутов системой). Для удобства обозначений синтезируем изоморфное отображение множества пар . к)} на множество {1} простых индексов; Ь = ] X К — число
состояний обработки задач, 3 — число элементов сети, Б[ — состояние I обработки задач, 1 < I < Ь.М — число различных векторов требований обработки системой допустимых маршрутов.
В многоканальной системе обработки информации (МСОИ) предполагается существование постоянных распределений времени обслуживания и интенсивности поступления для каждого класса заявок. Для этого определяется Р0 (Л) — вероятность того, что система свободна, Р0 (Л) - это вероятность того, что обслуживается комбинация т. т = 1. М. Если пара — (91.1). I = 1. Ь, постоянна, распределение времени обслуживания также является константой и общая интенсивность входного потока не меняется, то анализируемая система имеет фиксированные характеристики потока заявок. Для данного алгоритма распределений заданий и фиксированных характеристик потока заявок мощность системы определяется как интенсивность входного потока.
Граница мощности Лтах для МСОИ рассчитывается как инфимум интенсивности входных потоков, при которых гарантируется насыщенное, независимое от используемого алгоритма распределение заявок.
Для определения границы мощности МСОИ предполагается следующий алгоритм [7].
Предположим, что 91 (среднее число пребывания заявок в состоянии ), К (среднее число обслуживания заявок в состоянии ) и Т (среднее число пребывания заявок в состоянии ) — ограниченные и положительные для каждого из состояний обработки заданий Лтах константы.
Граница мощности является решением задачи линейного программирования:
Лтах = тахР(Х) 2т=1^тРт(Л) . (6)
Здесь Рт(Л) >0;Ит = дТ^т = 1/М; I = 1.1-1. где К1.т — число заявок из комбинации т в состоянии Ут.1 — средняя скорость обработки информации из комбинации т в состоянии
Отметим, что техника определения границы эффективности «желательных» и «нежелательных» комбинаций, информацию о которых полезно использовать при распределении заявок, на практике может применяться только при исследовании систем с числом процессоров до 16, для которых число возможных комбинаций весьма невелико. Поэтому для достижения условия предпочтительности «желательным» комбинациям требуется достижение в условиях эксплуатации максимальной мощности процессора.
Вывод. Полученная аналитическая модель позволяет определить эффективность системы обработки информации мультиагентного робототехнического комплекса с фиксированными характеристиками входного потока. Так как задача линейного программирования содержит Ь ограничений, то не более Ь переменных (Рт(Л)) должно быть ненулевыми. (Рт(Л) > 0 определяет временной промежуток, в течение которого система должна обрабатывать комбинацию т, чтобы достичь границы М эффективности. Единственность решения не гарантируется. Если есть несколько экстремальных точек, то любая выпуклая их комбинация также будет экстремальной. Зная набор {( Рт(Л)}, на котором достигается экстремум, можно определить «нежелательные» комбинации (Рт(Л) = 0 и «желательные».
ЛИТЕРАТУРА
1. Лаута О. А., Бибарсова Г. Ш, Смирнов А. А. Гибридные войны в теории общих войн // Сборник материалов второй международной научно-практической конференции
Санкт-Петербургского университета государственной противопожарной службы МЧС.
— СПб., 2018. — С. 214—221.
2. Математическая модель оценки вероятности безотказной работы системы обработки информации мультиагентного робототехнического комплекса в условиях неопределенности / О. В. Петрова [и др.] // Вестник Воронежского. гос. техн. ун-та. — 2019. — Т. 15. — № 3. — С.7—15.
3. Каляев И. А., Гайдук А. Р., Капустян С. Г. Модели и алгоритмы коллективного управления в группах роботов. — М. : Физматлит, 2009. — 280 с.
4. Киберфизические системы и способы воздействия на них / М. А. Гудков [и др.] // Актуальные проблемы инфотелекоммуникаций в науке и образовании (АПИНО 2018). VII Международная научно-техническая и научно-методическая конференция : сборник научных статей : в 4 т. / под ред. С. В. Бачевского. — Белгород, 2018. — С. 270—275.
5. Модели интеллектуальных воздействий / Нечепуренко А. П. [и др.] // Региональная информатика и информационная безопасность. — 2017. — С. 144—145.
6. Защита канала управления роботизированных систем / В. В. Баранов [и др.] // Актуальные проблемы обеспечения информационной безопасности: труды межвузовской научно-практической конференции. — 2017. — С. 32—37.
7. Моржов С. В., Хорошко В. А., Бенасер Карим. Обработка информационных потоков в многомашинных системах // Проблемы управления и информатики. — 2000.
— № 2. — С.116—120.
8. Аналитическая модель определения эффективности системы обработки информации с фиксированными характеристиками входного потока / С. В. Иванов [и др.] // Приоритеты инновационно-технологического развития в условиях глобализации : сборник научных трудов. АПНИ. — Белгород, 2019. — С.79—82.
REFERENCES
1. Lauta O. A.. Bibarsova G. Sh. Smirnov A. A. Gibridnyye voyny v teorii obshchikh voyn // Sbornik materialov vtoroy mezhdunarodnoy nauchno-prakticheskoy konferentsii Sankt-Peterburgskogo universiteta gosudarstvennoy protivopozharnoy sluzhby MChS. — SPb., 2018. — S. 214—221.
2. Matematicheskaya model otsenki veroyatnosti bezotkaznoy raboty sistemy ob-rabotki informatsii multiagentnogo robototekhnicheskogo kompleksa v usloviyakh neopre-delennosti / O. V. Petrova [i dr.] // Vestnik Voronezhskogo. gos. tekhn. un-ta. — 2019. — T. 15. — № 3. — S.7—15.
3. Kalyayev I. A., Gayduk A. R., Kapustyan S. G. Modeli i algoritmy kollektivnogo upravleniya v gruppakh robotov. — M. : Fizmatlit. 2009. — 280 s.
4. Kiberfizicheskiye sistemy i sposoby vozdeystviya na nikh / M. A. Gudkov [i dr.] // Aktualnyye problemy infotelekommunikatsiy v nauke i obrazovanii (APINO 2018). VII Mezhdunarodnaya nauchno-tekhnicheskaya i nauchno-metodicheskaya konferentsiya : sbornik nauchnykh statey : v 4 t. / pod red. S. V. Bachevskogo. — 2018. — S. 270—275.
5. Modeli intellektualnykh vozdeystviy / A. P. Nechepurenko [i dr.] // Regionalnaya informatika i informatsionnaya bezopasnost. — 2017. — S. 144—145.
6. Zashchita kanala upravleniya robotizirovannykh sistem / V. V. Baranov [i dr.] // Aktualnyye problemy obespecheniya informatsionnoy bezopasnosti: trudy mezhvuzovskoy nauchno-prakticheskoy konferentsii. — 2017. — S. 32—37.
7. Morzhov S. V., Khoroshko V. A., Benaser Karim. Obrabotka informatsionnykh potokov v mnogomashinnykh sistemakh // Problemy upravleniya i informatiki. — 2000. — №2. S.116—120.
8. Analiticheskaya model opredeleniya effektivnosti sistemy obrabotki in-formatsii s fiksirovannymi kharakteristikami vkhodnogo potoka / S. V. Ivanov [i dr.] // Prioritety inno-vatsionno-tekhnologicheskogo razvitiya v usloviyakh globalizatsii : sbornik nauchnykh tru-dov. APNI. — Belgorod. 2019. — S.79—82.
СВЕДЕНИЯ ОБ АВТОРАХ
Иванов Станислав Валерьевич. Старший преподаватель. Кандидат технических наук, доцент.
Краснодарское высшее военное училище имени генерала армии С. М. Штеменко.
E-mail: sta399@yandex.ru
Россия, 350063, г. Краснодар, ул. Красина, 4. Тел. (918) 942-07-50.
Хорольский Евгений Михайлович. Заместитель начальника кафедры. Кандидат технических
наук.
Краснодарское высшее военное училище имени генерала армии С. М. Штеменко.
E-mail: horolskii@mail.ru
Work address: Россия, 350063, г. Краснодар, ул. Красина, 4. Тел. (928) 412-77-19.
Ivanov Stanislav Valeryevich. Senior lecturer. Candidate of Technical Sciences, Associate Professor.
Krasnodar Higher Military School named after Army General S. M. Shtemenko.
Email: sta399@yandex.ru
Work address: Russia, 350063, Krasnodar, Krasina Str., 4. Tel. (918) 942-07-50.
Khorolskiy Yevgeniy Mikhayovich. Deputy chief of the chair. Candidate of Technical Sciences
Krasnodar Higher Military School named after Army General S. M. Shtemenko.
Email: horolskii@mail.ru
Work address: Russia, 350063, Krasnodar, Krasina Str., 4. Tel. (928)-412-77-19.
Ключевые слова: большой поток информации; робототехнический комплекс; беспилотный летательный аппарат; разнородные информационные ресурсы; многоканальная система обработки информации; пуассоновский поток больших задач; киберфизические системы.
Key words: large flow of information; robotic complex; unmanned aerial vehicle; heterogeneous information resources; multi-channel information processing system; poisson flow of large tasks; cyberphisical systems.
УДК 681.5
