CC BY
70
baum) and the degree of local loading at which fulfilled the criteria for determining the parameters of fracture. The paper shows the results of simulation of fracture of single-crystal silicon by dynamic micro and nanoindentation. With the use of different types of indenters modeled the behavior of the material in different types of local mechanical interaction. Set intervals of critical loads and indentation depth at which each type of indenter qualify for the correct
calculation of fracture parameters, defines numerical values of the quantities that characterize the fracture toughness of the material. It is shown that within the identified intervals of values of the coefficients of fracture toughness test of single-crystal silicon remains constant (Kc = 0,95 ± 0,05 MPa m1/2) and does not depend on the type of indenter.
Key words: fracture toughness, cracking, indentation, the loading.
УДК 004.855.5
ПРИМЕНЕНИЕ МНОГОАГЕНТНЫХ ТЕХНОЛОГИЙ ПРИ ПОСТРОЕНИИ ИНТЕЛЛЕКТУАЛЬНЫХ КОМПЬЮТЕРНЫХ ОБУЧАЮЩИХ СИСТЕМ
Д.А. Фролов
Функционирование интеллектуальных компьютерных обучающих систем основано на изучении темы учебного материала, контроля усвоения знаний по этому материалу, фиксации ответов обучаемого, диагностике ошибок, выдаче рекомендаций по изучению недостаточно освоенного материала. Многоагентная интеллектуальная компьютерная обучающая система представляет собой совокупность агентов, каждый из которых преследует собственные цели, взаимодействует с другими агентами путем передачи сообщений друг другу. Это позволяет обеспечить активизацию учебного процесса за счет перевода обучаемого в режим самоуправления своим обучением, повысить ответственность обучаемого за результаты обучения, реализовать адаптивность учебного курса в аспекте многоуровнево-сти и ориентации на конкретного обучаемого. Кроме этого МИКОС позволяет осуществлять визуальное представление производства работ на изучаемом оборудовании, обучение персонала по индивидуальной образовательной траектории, актуализацию учебной, нормативно-технической документации.
Ключевые слова: агенты, многоагентные системы, индивидуальная траектория обучения.
Современное состояние энергетики требует специалистов высокого класса, которые могут свободно ориентироваться в огромном потоке постоянно обновляемой профессиональной информации. Сотрудники таких предприятий должны уметь решать сложные производственные задачи и принимать решения в экстремальных ситуациях. Подготовка и переподготовка персонала осуществляется в учебно-тренировочных центрах (УТЦ) под руководством высоквалифициро-ванных инструкторов-преподавателей по современным образовательным программам. Но для достижения более качественных результатов обучения необходимо, чтобы обучаемые осознавали важность конкурентоспособности на кадровом рынке и необходимость постоянного стремления к повышению уровня своих знаний. Для этого в учебном процессе УТЦ используют компьютерные обучающие системы (КОС), которые выступают не только в роли вспомогательного инструмента инструктора УТЦ, но и позволяют организовать самостоятельную работу обучаемых.
Обзор современных КОС, используемых в учебном процессе УТЦ, показывает, что эти системы в основном используются для визуализации работы оборудования, изучения нормативно-справочной документации и проведения контроля по изучаемому материалу. Поэтому наиболее перспективным для повышения эффективности учебного процесса УТЦ является разработка интеллектуальных компьютерных обучающих систем (ИКОС). Функционирование ИКОС основано на изучении темы учебного материала, контроля усвоения знаний по этому материалу, фиксации ответов обучаемого, диагностике ошибок, выдаче рекомендаций по изучению недостаточно освоенного материала. Блок обучения в ИКОС строится по формированию умений и навыков производства работ с учетом техники безопасности и правил технической эксплуатации.
На сегодняшний день актуальным направлением в области разработки ИКОС является использование многоагентной технологии. Анализ научных работ по применению многоагентной технологии показал, что
4. Развитие математических теорий и методов для компьютерных приложений
понятие агента трактуется по-разному в зависимости от особенностей разрабатываемых интеллектуальных систем. Так, например, С. Рассел и П. Норвиг рассматривают агент как «любую сущность, которая находится в некоторой среде, воспринимает ее посредством сенсоров, получая данные, которые отражают события, происходящие в среде, интерпретирует эти данные и действует на среду посредством эффекторов» [1].
В.Б. Тарасов предлагает классификацию агентов по степени развития внутреннего представления внешнего мира и способу поведения [2]. По первому признаку, выделяются интеллектуальные и реактивные агенты. Интеллектуальные агенты обладают богатым представлением внешней среды, имеют свою собственную базу знаний и механизм решений задач в зависимости от различных факторов. Такие агенты способны к самообучению и побуждению действий в других агентах системы. В реактивных агентах представление внешней среды может отсутствовать полностью, тем самым блокируя прогнозирование дальнейших действий. По второму признаку, интеллектуальные агенты можно разделить на интенциональ-
ные и рефлекторные. Интенциональные агенты обладают собственными источниками мотивации, а у рефлекторных агентов механизм мотивации отсутствует, т.е. они способны выполнять только простейшие действия. Реактивные агенты можно разделить на побуждаемые и трофические. Побуждаемые агенты могут реагировать на входные данные из внешней среды, а трофические агенты лишь поддерживать минимальный набор правил дальнейших действий.
На основе проведенного классификационного анализа при построении структуры ИКОС были выбраны интеллектуальные -рефлекторные и реактивные - трофические агенты. Соответственно структура много-агентной ИКОС (МИКОС) представлена на рисунке 1, причем было проведено агрегирование трофических агентов по функциональному признаку. Агрегированные агенты «ОМППО», «ООС», «ОКО» обеспечивают организацию всего дидактического цикла процесса обучения. Рефлекторный агрегированный агент «Адм» осуществляет администрирование процесса обучения, обеспечивая построение индивидуальной траектории каждого обучаемого.
микос
*
Рис. 1. Структура МИКОС
Таким образом, предложенная структура МИКОС, разработанная на основе много-агентной технологии представляет собой совокупность агентов, каждый из которых пре-
следует собственные цели, взаимодействует с другими агентами путем передачи сообщений друг другу. Что позволяет обеспечить активизацию учебного процесса за счет пе-
ревода обучаемого в режим самоуправления своим обучением, повысить ответственность обучаемого за результаты обучения, реализовать адаптивность учебного курса в аспекте многоуровневости и ориентации на конкретного обучаемого. Кроме этого, МИКОС позволяет осуществлять визуальное представление производства работ на изучаемом оборудовании, обучение персонала по индивидуальной образовательной траектории, актуализацию учебной, нормативно-технической документации.
Литература
1. Рассел С., Норвиг П. Искусственный интеллект: современный подход / пер. с англ. 2-е изд. М.: Издательский дом «Вильямс», 2006.
2. Тарасов В.Б. Агенты, многоагентные системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте // Новости искусственного интеллекта. 1998. № 2.
References
1. Rassel S., Norvig P. Iskusstvennyy intellekt: so-vremennyy podkhod / per. s angl. 2-e izd. M.: Iz-datel'skiy dom «Vil'yams», 2006.
2. Tarasov V.B. Agenty, mnogoagentnye sistemy, virtual'nye soobshchestva: strategicheskoe naprav-lenie v informatike i iskusstvennom intellekte // Novosti iskusstvennogo intellekta. 1998. № 2.
MULTI-AGENT TECHNOLOGY FOR CONSTRUCTION OF INTELLIGENT COMPUTER TUTORING SYSTEMS
D.A. Frolov
The functioning of intelligent computer tutoring systems based on the study of topics of educational material, monitoring of learning about this story, fixing the student responses, error diagnosis, making recommendations on the study not mastered the material. Multi-agent intelligent computer teaching system is a set of agents, each of which is pursuing its own goals, interacts with other agents by sending messages to each other. This allows the activation of the learning process by transferring the student in their learning self-management mode, increase the responsibility of the student learning outcomes, to implement the adaptability of the course in the multilevel aspect and focus on a particular student. In addition MIKOS allows a visual representation of the production of works in the target hardware, staff training on individual learning paths, the actualization of educational, regulatory and technical documentation.
Key words: agents, multi-agent systems, individual learning paths.
