CC BY
232
УДК 681.3
ОТКРЫТЫЕ МУЛЬТИАГЕНТНЫЕ СИСТЕМЫ ДЛЯ ПОДДЕРЖКИ ПРОЦЕССОВ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ ПРЕДПРИЯТИЯМИ
© 2001 П.О. Скобелев
Институт проблем управления сложными системами РАН, г. Самара Маджента Девелопмент, г. Самара
В статье рассмотрены основные принципы построения открытых мультиагентных систем для поддержки процессов принятия решений, базирующиеся на механизмах самоорганизации и эволюции. Рассмотрены особенности применяемого холистического подхода к построению указанных систем, представлена структура разработанных инструментальных средств для их реализации, а также показаны примеры применения указанных систем в области управления предприятиями, логистики и электронной коммерции.
Введение
В последнее время задачи управления предприятиями становятся все сложнее и динамичнее, что отражает современные тенденции перехода от жесткого массового к гибкому индивидуальному производству, расширения производственной интеграции и кооперации, сокращения всего жизненного цикла разработки изделий и т.п. [1].
В этих условиях менеджерам и специалистам предприятий становится все труднее принимать качественные и эффективные решения, обеспечивающие предприятию успех на рынке [2]. И в первую очередь решений, связанных с оптимальным распределением имеющихся и, как правило, ограниченных ресурсов: финансовых, производственных, человеческих и т.д. На какой срок, в каком объеме и под какие проценты целесообразно взять кредит? Какова стоимость и сроки работ по данному проекту? Каков оптимальный объем заказа комплектующих изделий? Как распределить проекты по исполнителям и субподрядчикам? Какую цену установить на продукцию? Все эти решения, определяющие деятельность предприятия на значительный период времени, менеджерам приходится принимать в условиях постоянного изменяющегося окружения, действия множества "не"-факторов (неопределенности, неполноты знаний, недостоверности информации), на основе дополнительных сведений, получаемой от заказчиков и партнеров в ходе пе-
реговоров в процессе самого решения проблемы, при конкуренции и кооперации нескольких сторон с различными, и часто противоположными интересами и т.д.
При этом возможности применения традиционных подходов к принятию решений, базирующихся на методах системного анализа, имитационного моделирования, исследования операций, теории игр и ряда других, ставшими уже классическими методов, оказываются весьма ограничены [3]. Так в системном подходе любое сложное взаимодействие представляется через работу более простых и независимых подсистем, которые в случае рассмотрения организаций и людей часто оказываются взаимозависимыми друг от друга или, по крайней мере, существенно влияют друг на друга; в исследовании операций процесс принятия решений заключается в нахождении оптимальной стратегии поведения в заданных условиях, которые, однако, на самом деле все время меняются и пересматриваются; при имитационном моделировании формализованная модель объекта или процесса никак не может пополняться или уточняться "на ходу", любые изменения требуют останова процесса моделирования, ручного внесения изменений в модель и перезапуска этого процесса; в теории игр правила поведения игроков также заранее определены и известны для всех игроков, им известны все участники и т.д.
Для решения этой проблемы становятся
необходимы качественно новые интеллектуальные программные системы для поддержки процессов принятия решений. При этом кардинально новой методической основой для создания указанных систем могут стать подходы в области синергетики, базирующиеся на изучении явления самоорганизации [4]. В отличие от системного подхода, стремящегося механистически разделить объект или процесс на независимые составные компоненты, в синергетике предметом рассмотрения становятся динамические совместные или кооперативные взаимодействия автономных частей системы, которые приводят к возникновению устойчивых пространственно-временных структур и состояний равновесия (аттракторов). В рамках самоорганизующихся структур возникают эффекты поддержания устойчивости и живучести их компонент, что приводит к состоянию гомеостазиса всей системы в целом, равно как и различным эффектам нелинейности и нестационар-ности, явлениям хаоса и катастроф, после которых система имеет способность восстанавливаться и даже переходить в более устойчивые состояния.
Вместе с тем, как это ни странно, для сложных самоорганизующихся систем, функционирующих в изменчивом динамичном окружении, именно работа на границе хаоса оказывается наиболее эффективной [5].
Разработке и применению таких систем для поддержки процессов принятия решений (далее - принятия решений) и посвящена настоящая работа.
Мультиагентные системы для принятия решений
Один из возможных путей создания указанных систем связывается с мультиагентны-ми системами (МАС), получивших стремительное развитие в последнее десятилетие [68]. Ключевым элементом этих систем становится автономный программный агент, способный воспринимать ситуацию, принимать решения и коммуницировать с другими агентами. Эти возможности радикально отличают МАС от существующих "жестко" организованных программных систем, обеспечивая им такое принципиально важное новое свой-
ство, как способность к самоорганизации. При этом отдельные автономные "части" программы впервые получают возможность самостоятельно принимать решения и договариваться о том, как должна решаться задача, эти "части" приобретают собственную активность и могут вступать в различные отношения между собой, инициировать диалог с пользователем в заранее не предписанные моменты времени и т.д.
Вместе с тем, перечисленных возможностей МАС оказывается недостаточно для построения систем рассматриваемого класса [910]. Дело в том, что действительно сложные самоорганизующиеся программные системы поддержки принятия решений должны быть построены как открытые системы, способные самостоятельно приобретать новые знания и изменять свою структуру и функции, развиваясь и адаптируясь вместе с предприятием к изменению условий во внешней среде. Таким образом, открытость рассматриваемых систем предполагает наличие развитых механизмов самоорганизации и эволюции, базирующихся на приобретении и использовании знаний. Для этого такие системы должны постоянно "жить" на сервере предприятия, непрерывно осуществлять мониторинг ситуации и участвовать в решении задач, а не быть запускаемыми от случая к случаю, быть связанными с конечными результатами деятельности, конкурировать между собой для его достижения и выживать в ходе "интеллектуального" естественного отбора. Кроме того, рассматриваемые системы должны позволять пользователю "на ходу" вводить новые знания и компоненты без какого-либо ее останова и перезапуска, и самостоятельно инициировать приобретение новых знаний. Наконец, такие системы сами должны накапливать историю, извлекать из нее новые знания и на этой основе изменять свое поведение с течением времени.
Взаимодействуя между собой, самоорганизующиеся и эволюционирующие системы стремятся достичь повышения эффективности своего функционирования и для этого изменяются сами - в свою очередь, изменяя среду окружения для всех участников взаимодействия, что приводит к появлению про-
цессов ко-эволюции между системами и средой и раскрывает смысл функционирования "на границе хаоса". Как следствие, неопределенность оказывается непременным условием такого функционирования, поскольку невозможно предугадать заранее все изменения в таком динамичном окружении, что делает жизненно важным свободный обмен информацией между всеми участниками взаимодействия [5].
Следует заметить, что подобное понимание "открытости" выходит далеко за рамки классических представлений о работе современных систем поддержки принятия решений и оказывается тесно связанным с понятием эмерджентного интеллекта (возникающего самопроизвольно и спонтанно за счет динамического взаимодействия относительно простых составных частей), восходящим еще к работам М. Минского. Сходные идеи по созданию открытых самоорганизующихся систем, функционирование которых напоминает жизнь колоний пчел или муравьев, были выдвинуты биологом А.Кестлером, который ввел понятие "холона" - элемента, одновременно обладающего чертами и части, и целого, получившего в последствие применение в гибких производственных системах. В физике идеи самоорганизации в открытых системах, работающих на протоке энергии, оказались в фокусе работ И.Пригожина по исследованию механизмов возникновения порядка из хаоса. Очевидно, что такое понимание "открытости" полностью опровергает весьма распространенное мнение о том, что "все программные системы открыты" - только потому, что потенциально допускают изменение своего исходного текста разработчиком.
Вместе с тем, несмотря на всю привлекательность и перспективность подходов, связанных с созданием открытых МАС (ОМАС) с элементами самоорганизации и эволюции, их практическое применение на деле оказывается весьма сложной задачей. И не только потому, что даже простые МАС относятся к традиционно самым сложным сферам разработки программных систем, на стыке между системами искусственного интеллекта, параллельных вычислений, телекомму-
никаций, реального времени. Главная причина в том, что научные и методические основы разработки самоорганизующихся и эволюционирующих систем еще слишком мало исследованы и разработаны, и потому разработчики сталкиваются со значительными трудностями в подходах к проектированию как виртуальных сред для функционирования агентов и их сообществ, так и самих агентов в части разработки универсальных механизмов их памяти и мышления, языков представления знаний, сенсоров и исполняющих механизмов, способов и средств коммуникации и т.д. Как следствие, первые разработки МАС в настоящее время не являются открытыми в указанном смысле, ориентированы преимущественно на применения только в области относительно простых задач е-коммерции и поиска в Интернет, не учитывают принципы организации современных предприятий, не имеют развитых возможностей представления и использования соответствующих корпоративных знаний, сложны в разработке, не располагают необходимыми инструментальными системами, не обеспечивают большое число агентов и высокую скорость работы и т.д.
Перечисленные обстоятельства делают актуальной и практически значимой задачу разработки новых подходов, методов и средств создания ОМАС для поддержки процессов принятия решений. В будущем подобные системы могут быть использованы при принятии решений не только в управлении предприятиями, но и в задачах научных исследований, проектирования сложных технических объектов, моделирования коллективного поведения интеллектуальных роботов и многих других применениях.
Холистический подход к созданию ОМАС для принятия решений
Для создания ОМАС в работе [11] был предложен холистический подход, базирующийся на идеях холизма А.Кестлера. В соответствии с предлагаемым подходом агенты рассматриваются как некоторые автономные "целостности" (организмы), заботящиеся как о своем функционировании, так и развитии, а виртуальная организация агентов в МАС
представляется как виртуальный рынок, на котором взаимодействуют агенты, представляющие интересы и действующие от лица и по поручению не только людей (менеджеров и специалистов предприятия), но и любых других физических или абстрактных сущностей, от машин и механизмов, их узлов и деталей - до концепций и методов, формул и диаграмм, кластеров и других абстрактных объектов.
Простейшие варианты организации мультиагентного сообщества при решении задач по распределению ресурсов могут быть основы на взаимодействии агентов заказов и агентов ресурсов, выполняющих поиск соответствия (четкий или нечеткий матчинг) на рынке предприятия. Эти агенты, в обобщенном виде представляющие собой некоторые "возможности" и "потребности", ищут себе подходящие пары подобно тому, как делают это клетки мужских и женских особей или заряды разных знаков. При примерном совпадении, например, двух свойств из пяти устанавливается более мягкая связь, если же наблюдается более точное совпадение всех пяти свойств - устанавливается более жесткая связь. Установление и поддержание связи может требовать некоторых расходов, вследствие чего невостребованные связи могут с течением времени разрушаться и исчезать.
При этом агенты могут не только решать различные задачи и для этого обеспечивать свое функционирование, но и заботиться о своем развитии, т.е. изменении представляемых ими сущностей, будь-то указанные люди, машины или абстрактные поэятия, или установлении новых связей между ними. Конкурируя и кооперируясь между собой при заключении "сделок" для совместного решения возникающих задач (для чего агенты могут использовать развитые экономические механизмы, включая договора на взаимные услуги, долевое участие в прибыли, инвестиции, налоги, счета и т.д.), агенты могут обеспечить системе новые возможности в самооорганизации для постоянного приспособления к изменяющейся ситуации. Более того, в прямой зависимости от успеха своей деятельности, агенты могут накапливать и приумножать прибыль (как, например, аген-
ты хорошо продаваемых товаров), тем самым расширяя свои возможности и используя эти возможности для собственного развития (а с ними и развития всей системы), или, наоборот, постепенно терять прибыль, разоряться, погибать и исчезать из системы, обеспечивая таким образом естественную эволюцию системы.
Одним из наиболее эффективных механизмов функционирования ОМАС становится такая модель виртуального сообщества агентов, в которой прибыль предприятия от принятых решений распределяется пропорционально фиксированному или динамически определяемому вкладу каждого из агентов, что позволяет агентам постоянно иметь "обратную связь" по отношению к принимаемым решениям, видеть и оценивать свой вклад в общую прибыль и непрерывно искать пути для поиска новых решений, повышения эффективности своей работы и, как следствие, улучшения работы предприятия в целом [12].
Метод компенсаций для принятия и пересмотра решений
Развитие рассмотренного подхода привело к созданию метода компенсаций, позволяющего агентам заказов и ресурсов пересматривать установленные ранее отношения и за счет этого существенно усилить механизмы самоорганизации и эволюции в системе. Суть метода состоит в том, что каждый из агентов, располагающий прибылью, может использовать эту прибыль для пересмотра ситуации на рынке в случае, когда ему не удается подыскать подходящий свободный ресурс. В этом случае он может использовать свой резерв для перебронирования уже занятых ресурсов - но только в том случае, если с этим согласиться заказ, ранее забронировавший данный ресурс. Для этого ему предлагается некоторая компенсация, позволяющая покрыть затраты на первичное бронирование, забронировать для себя новый ресурс и еще получить компенсацию за "моральный ущерб", связанный с необходимостью искать новый ресурс, если конечно это оказывается возможно.
Рассмотрим применение метода на примере из электронной коммерции при прода-
Рис. 1. Сеть дилеров, наличие заказов и автомобилей на складах (большие кружочки -дилеры, маленькие кружочки - заказы, маленькие квадратики - автомобили разного цвета, имеющиеся на складах или в пути к клиентам)
же автомобилей через Интернет-портал.
Пусть имеется сеть международная сеть дилеров в Германии и Бразилии, обладающих собственными складами и транспортными средствами доставки автомобилей. Каждый заказ, дилер, склад, транспортное средство и автомобиль имеют своих агентов, способных коммуницировать между собой.
Пусть в данный момент в сети имеется и исполняется заказ 1, связанный с поставкой автомобиля марки Мерседес красного цвета, с открытым верхом по цене 50 000 у.е. в один из городов в Бразилии. В текущий момент времени данный автомобиль уже оплачен и находится на заключительной стадии поставки в перевозчике (транспортном средстве) в 300-х метрах от дома покупателя, который заказал данный автомобиль месяц назад.
Предположим теперь, что к одному из дилеров в Германии приходит покупатель, который собирается через 2 недели жениться, и который хотел бы к своей свадьбе иметь именно такой автомобиль - но таких автомобилей в текущий момент времени нет более ни у одного дилера в Германии.
В этой ситуации агенты заказов и ресурсов попытаются найти варианты, которые устроят все заинтересованные лица. Если заказ 2 не находит ни одного свободного автомобиля, подходящего клиенту 2, он обращается к автомобилям, находящимся в процессе доставки потребителям, сразу обнаруживая автомобиль в Бразилии. Тогда этот заказ обращается к данному автомобилю с просьбой рассмотреть возможность его об-
ратной поставки в Германию. Для этого автомобилю придется обратиться к своему заказу 1, а тому - к владельцу автомобиля с предложением рассмотреть варианты.
Но сначала заказ 1 пытается выяснить у своего дилера, когда возможна будет поставка нового автомобиля с аналогичными параметрами. Предположим, это станет возможно только через 1 месяц, т.е. для первого клиента срок ожидания увеличивается в два раза. По самой простейшей стратегии переговоров агент заказа 1 тогда может потребовать от заказа 2 скидку в 50% в порядке компенсации за такое двойное удлинение ожидания для своего клиента. Однако для такого решения нужно получить одобрение от самого владельца, который может и не согласиться на предлагаемые условия.
Пусть хозяин автомобиля соглашается подождать еще месяц в силу своих жизненных планов. Тогда заказ 1 немедленно разбронирует автомобиль 1, стоимость которого для заказа 2 становится равной его начальной стоимости и будущей компенсации первому заказу и старому владельцу: 50 000 + 25 000 = 75 000 у.е. Теперь заказу 2 остается только предварительно договориться с авиакомпанией о возможности привезти этот автомобиль назад в Германию в течение 2-х недель. Предположим, что такое согласие получено и стоимость доставки автомобиля назад в Германию с учетом компенсаций другим грузам оказалась равна еще 40 000 у.е., т.е. полная стоимость автомобиля теперь станет 50 000 + 25 000 + 40 000 = 115 000 у.е. Если дилерская наценка составляет 10% от стоимос-
ти заказа, то окончательная цена данного автомобиля для клиента составит 115 000 + 11 500 = 126 500 у.е.
Именно эта цена и предлагается теперь клиенту 2, который в порядке обоснования может увидеть всю цепочку принятых решений. В зависимости от его решения поставка автомобиля будет мгновенно остановлена, грузовик развернется и поедет обратно в аэропорт, либо новые договоренности будут отменены.
Инструментальные средства для создания ОМАС для принятия решений
Для реализации разработанного подхода и практического создания прикладных ОМАС были разработаны инструментальные средства на платформе Windows NT, существенно упрощающие и ускоряющие процесс их разработки и делающие возможным создание новых приложений не только для прикладных программистов, но и для рядовых пользователей.
В отличие от известных мультиагентных систем, реализуемых, как правило, на основе Java-классов, в данной разработке изначально был взят курс на создание собственной среды разработки и функционирования агентов, способной гарантировать системе высокую производительность и большое число агентов, необходимое для промышленных применений, а также полный контроль на этапе исполнения.
Первая система MADAE: Multi-Agent Engine for Desktop Applications специализирована для построения мультиагентных деск-топных ОМАС - приложений на базе локальных сетей. Эта система ориентирована на создание моделирующих систем, отличается возможностью низкоуровневого программирования простых агентов на уровне языка Object Pascal и обеспечивает высокую эффективность приложений. На основе этого инструмента были построены системы логистики, извлечения знаний, понимания текста.
Вторая система MA WAE: Multi-Agent Engine for Web-Based Applications, предназначена для построения ОМАС в сети Интернет. Эта система отличается высокой гибкостью
и возможностью работы в реальном времени и специализирована не только создания систем электронной коммерции, но и интегрированных Интернет-порталов, систем дистанционного обучения и других подобных мультипользовательских приложений. Эта система предоставляет пользователю интерактивные средства для создания онтологий и дает возможность создания библиотек расширений в С ++.
Для обеспечения возможностей пользователя по самостюятельному созданию прикладных мультиагентных систем, были также разработаны средства визуального конструирования и представления корпоративных баз знаний (онтологий), включающие конструктор и отладчик онтологий, а также интегратор знаний.
Результаты испытаний разработанных систем показали их высокую эффективность. Так в испытаниях десктопной версии инструмента на компьютере близкой к стандартной конфигурации под '^пёо,№8 КТ система показала возможность поддержки до 500 000 агентов с предельной скоростью до 40 000 сообщений в секунду. Это существенно превышает характеристики существующих систем с агентами, построенными на основе 1ауа-классов и, тем более, софтботов.
Первый опыт применения разработанных систем показал их широкие возможности и удобство использования даже для начинающих программистов. При этом полное освоение подхода и создание первых прототипов систем занимало всего лишь 1-2 месяца.
Примеры применения разработанного подхода
На основе разработанного подхода и инструментальных средств были созданы первые рабочие версии и действующие макеты-прототипы различных прикладных холистических ОМАС для поддержки принятия решений.
В системе для управления деятельностью предприятия [13] каждый сотрудник, все заказы, работы, продукты на складе, помещения, знания людей, материалы и все другие ресурсы имеют своих агентов. Все эти агенты принимают активное участие в перегово-
рах по планированию работ по проектам и их он-лайн перепланированию при изменениях ситуации, связанных с появлением нового проекта или отменой старого, появлением нового ресурса или выходом из строя какого-либо старого ресурса, задержкой при исполнении определенного вида работ, неподготовленностью ресурса и т.д.
Рассмотрим характер переговоров агентов работ при появлении новой работы. Пусть в первоначальный момент у некоторого сотрудника предприятия имелось три работы Р1, Р2 и Р3 с дедлайнами, представленными на рис.2. Предположим теперь, что появляется новая работа Р4, которая имеет дедлайн с самым ранним сроком, порождающим конфликт с работой Р1. Агент работы Р4 инициирует агента работы 1 и спрашивает его, может ли он уступить свою позицию в расписании человека? Агент работы Р1 проверяет свой дедлайн и обнаруживает, что имеет запас и потенциально мог бы переместиться, но образуется конфликт с работой Р2. Начинаются аналогичные переговоры между Р1 и Р2, если из онтологии известно, что эти работы независимые и результат Р1 не поступает на вход Р2. Как видно из рисунка, Р2 не имеет запаса по дедлайну и в данном случае не может быть сдвинута на более поздний срок, но зато может быть поставлена на более ранний срок, где имеется подходящее временное окно. В результате быстро находится вариант, который разрешает конфликт между работами Р4 и Р1, и Р4 обращается к пользователю с просьбой утвердить изменения в его расписании. Таким образом, сложившаяся на некоторый момент времени структура расписания при приходе новой работы частично (локально) разрушилась, после чего воссоз-
далась новая структура расписания, отражающая новый баланс интересов между всеми работами. При этом разрушение и восстановление данной структуры было осуществлено самими работами, в ходе переговоров и принятия решений на основе знаний о себе самих, включающих описания возможных последовательностей работ, их приоритетов, длительности и т.д.
Кроме того, агенты в настоящей системе могут заботиться о сохранности или развитии своего типа ресурса. Например, агент компьютера ищет ближайшее "окно" в работах своего хозяина и планирует работы по сохранению содержимого диска или его замене по истечению срока службы. Если же агент знаний обнаруживает, что его хозяин не смог в очередной раз получить работу по новому проекту по причине отсутствия необходимых умений в работе с некоторым пакетом программ, он находит первое свободное "окно" в его расписании и планирует работу по освоению этих знаний с целью поднять его конкурентоспособность на внутреннем рынке предприятия. Таким образом, рассмотренная система заставляет каждого сотрудника эволюционировать и, как следствие, эволюционирует и все предприятие в целом.
Аналогичные процессы самоорганизации и эволюции наблюдаются в разработанной системе автомобильной логистики [14], в которой сложившаяся сложная структура исполнения заказов неожиданно лавинообразно может начать разрушаться с приходом нового заказа, обладающего, казалось бы, небольшой прибылью (энергией) - после чего образовывалась структура совершенно новой конфигурации. При этом агент склада, наблюдая изменяющиеся потребности рынка, мог
Дедлайн Р2 Дедлайн Р1
Дедлайн Р3
У-4
Р3
Дедлайн Р4
Рис. 2. Перепланирование работ при пюявлении новой работы
закупать наиболее популярные детали или принимать решения по сокращению или увеличению складских помещений, тем самым осуществляя постоянную адаптацию и эволюцию фабрики. В этой системе имеется также интересная возможность удаления любой детали или целого подразделения фабрики, вследствие чего план производства отнюдь не нарушается полностью, поскольку система находит альтернативные варианты изготовления продукции, постепенно "затягивает рану" и демонстрирует высокую живучесть.
Еще один пример построения самоорганизующихся и эволюционирующих систем связан с применением настоящего подхода в области е-коммерции [15], когда некоторые товары самостоятельно объединяются в группы для обеспечения кросс-продаж, когда, например, продажа телевизоров дополняется тумбочкой-подставкой в тон и аудиоплейером, продажа авиабилетов - бронированием отеля или билетами на музыкальный концерт и т.д. В этом случае, товары, которые постоянно проигрывают в конкурентной борьбе, постепенно разоряются, теряют возможности и выводятся из системы.
Наконец, интересно отметить, что рассмотренный способ принятия решений, связанный с динамическим перераспределением ресурсов, оказался применимым и в совершенно других сферах, напрямую не связанных с материальными ресурсами. Оказалось, что так может быть построено агентство новостей (распределение новостей по наиболее заинтересованным потребителям), система извлечения знаний из данныгх (распределение записей по близким по какому-либо критерию кластерам) и даже система понимания текста (распределение смыслов по словам предложения в зависимости от существующего контекста).
В результате, на основе разработанных методов и средств по заказам предприятий был создан ряд практических мультиагентных приложений, внедрение которых позволило добиться большей обоснованности и согласованности в принятии решений, высокой про-активности и глубокой индивидуализации в работе с клиентами и, тем самым, существенно повысить эффективность деятель-
ности предприятий.
Заключение
В настоящей работе рассмотрен холистический подход к созданию открытых мультиагентных систем, предназначенных для поддержки процессов принятия решений для современных предприятий.
Показано, что основные преимущества подхода связаны с использованием экономических механизмов самоорганизации и эволюции, которые становятся мощным фактором повышения эффективности предприятия и обеспечивают его стабильное развитие и процветание.
Рассмотрены также инструментальные средства для создания ОМАС и примеры первых практических приложений.
СПИСОК ЛИТЕРАТУРЫ
1. Виттих В.А. Согласованная инженерная деятельность. Состояние, проблемы, перспективы // Проблемы машиностроения и надежности машин. №1. 1997.
2. Vittikh V.A., Skobelev P.O. Developing of Multi-Agent System for the Decision Making Process for Companies with Networking Organisation // Proceedings of XVI IMACS World Congress on Scientific Computation, Applied Mathematics and Simulations. Lausanne: August 21-25, 2000.
3. Таран Т.А. Моделирование и поддержка принятия решений в когнитивных конфликтах // Известия академии наук. Теория и системы управления. 2001. № 4.
4. Vittikh V.A., Skobelev P.O. Multi-Agent Systems for Modelling of Self-organisation and Co-operation Processes // Proc. of XIII Intern. Conference on the Application of Artificial Intelligence in Engineering. Ireland:Galway, 1998.
5. G.Rzevski. Business: From Order to the Edge of Chaos // Труды 3-ей Международной конференции по проблемам управления и моделирования в сложных системах. Самара: СНЦ РАН, 2001.
6. Тарасов В.Б. Агенты, многоагентные системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте // Новости ис-
кусственного интеллекта. 1998. №2.
7. Городецкий В.И., Грушинский М. С., Хаба-лов А.В. Многоагентные системы (обзор) // Новости искусственного интеллекта. 1998. №2.
8. Хорошевский В.Ф. Методы и средства проектирования и реализации мульти-агентных систем // Материалы семинара "Проблемы искусственного интеллекта" Самара: ИПУ РАН, 1999.
9. Виттих В.А. Управление открытыми системами на основе интеграции знаний // Автометрия. 1999. №3.
10. Виттих В.А. Эволюционное управление сложными системами // Известия Самарского научного центра РАН. Т.2. 2000. №1.
11. Скобелев П.О. Холистический подход к созданию открытых мультиагентных систем // Труды 3-ей Международной конференции по проблемам управления и моделирования в сложных системах. Самара: СНЦ РАН, 2001.
12. СкобелевП.О. Самоорганизация и эволю-
ция в открытых мультиагентных системах для холонических предприятий // Труды Международного конгресса "Искусственный интеллект в 21 веке". Т.1 М.: Физмат-лит, 2001.
13. Rzevski G.A., Skobelev P.O., Korablin M.A. Multi-Agent Models of Networked Organisations // Proc. of Intern. Workshop "New Models of Business: Managerial Aspects and Enabling Technology", School of Management of Saint Petersburg State University, Russia, June 28-29, 2001.
14. Ивкушкин K.B., Минаков И.А., Ржевский Г.А., Скобелев П.О. Мультиагентная система для решения задач логистики // Труды 7-ой Национальной конференции ИИ-2000. Т.2. М.: 2000.
15. Батищев С.В., Лахин О.И., МинаковИ.А., Ржевский Г.А., Скобелев П.О. Разработка инструментальной системы для создания мультиагентных приложений в сети Интернет // Известия Самарского научного центра РАН. Т.3. 2001. №1.
OPEN MULTI-AGENT SYSTEMS FOR SUPPORT OF DECISION-MAKING PROCESSES FOR COMPANY MANAGEMENT
© 2001 P.O. Skobelev
Institute for the Control of Complex Systems of Russian Academy of Sciences, Samara
Magenta Development Ltd, Samara
The article concerns the main principles of the development of open multi-agent systems for decisionmaking support, based on the mechanisms of self-organisation and evolution. Features of the holistic approach to the development of such systems are considered; the structure of the developed engines for their implementation is shown; examples of the application of these systems for project management, logistics and e-commerce are described.
