Проектирование коллективного агента для синтеза адаптивных систем принятия решений Текст научной статьи по специальности «Компьютерные и информационные науки»

TECHNICAL SCIENCES

DESIGNING A COLLECTIVE AGENT FOR SYNTHESIS OF ADAPTIVE DECISION-MAKING SYSTEMS

Ababii V.

Technical University of Moldova, Republic of Moldova

Sudacevschi V.

Technical University of Moldova, Republic of Moldova

Safonov G.

Technical University of Moldova, Republic of Moldova

ПРОЕКТИРОВАНИЕ КОЛЛЕКТИВНОГО АГЕНТА ДЛЯ СИНТЕЗА АДАПТИВНЫХ СИСТЕМ ПРИНЯТИЯ РЕШЕНИЙ

Абабий В.

Технический Университет Молдовы, Республика Молдова

Судачевски В.

Технический Университет Молдовы, Республика Молдова

Сафонов Г.

Технический Университет Молдовы, Республика Молдова

ABSTRACT

In this paper, are presented the results of a collective agent for the syntheses of adaptive decision-making systems designing. In the design process have been developed functional model of the agent and a process for converting data, information and knowledge in order to achieve the optimum value of the environment. The adaptability of the decision-making system is achieved through the calculation of a new model of knowledge as a result of an analysis of the state of the environment and the old model.

АННОТАЦИЯ

В данной работе представлены результаты проектирования коллективного агента для синтеза адаптивных систем принятия решений. В процессе проектирования были разработаны функциональная модель агента и последовательность операций для преобразования данных, информации и знаний для достижения оптимального значения состояния окружающей среды. Адаптивность системы принятия решений достигается за счет вычисления новой модели знаний в результате анализа состояния окружающей среды и старой модели знаний.

Keywords: multi-agent systems, collective agents, knowledge model, decision making, adaptive systems, adaptive agent model.

Ключевые слова: много-агентные системы, коллективные агенты, модель знаний, принятие решений, адаптивные системы, модель адаптивного агента.

Введение реактивностью, активностью, базовыми знаниями,

Много-агентная система представляют собой убеждениями, целями, желаниями,

множество однородных или неоднородных взаимо- обязательствами, намерениями, рациональностью,

действующих интеллектуальных агентов. Такие си- правдивостью, благожелательностью и

стемы использоваться для решения сложных задач, мобильностью.

которые трудно или невозможно решить отдель- Как отмечается в работе [4] современные

ному агенту или централизованной системой. Много-агентные системы формируют единую вы-

Много-агентные системы - это класс открытых си- числительную архитектуру с динамической топо-

стем, с динамически развивающейся топологией логией. Результатом взаимодействия агентов явля-

сети, внутренней архитектурой и интеллектуаль- ется не просто сумма их составляющих техниче-

ными способностями. Требования, предъявляемые ских и программных средств, это единая система с

к Много-агентным системам, рассмотрены в рабо- прогрессирующими знаниями. Сегодня Много-

тах [1, 2, 3], где изложены основные теоретические, агентные системы рассматриваются уже не только

алгоритмические и технические особенности. как принципиально новая информационная техно-

Независимо от области применения и класса логия, сформированная на базе слияния информа-

выполняемых задач, интеллектуальные агенты ционных и телекоммуникационных технологий, но

должны обладать следующими свойствами [4]: и как новая парадигма проектирования программ-

автономностью, социальным поведением, ных и технических средств.

Коллективное поведение и коллективное принятие решений является основным условием функционирования Много-агентных систем. Один из способов коллективного принятия решений является обмен данными или знаниями между агентами [5, 7]. Другой способ заключается в использовании мобильного программного кода, который перемещается с одного агента на другой, решая часть глобальной задачи на базе технических средств данного агента [6, 7]. Оба варианта имеют свои преимущества и недостатки, которые могут быть скомпенсированы добавлением специальных технических или программных средств.

Постановка задачи

Предположим, что в N - мерном пространстве Environment (Рисунок 1) задана система коллективного принятия решений CA, состоящая из N агентов. Пространство Environment генерирует вектор

X = |х., V/ = 1, N | состояния окружающей среды.

Целью данной работы является проектирование коллективного агента, для синтеза адаптивных систем принятия решений, которые реализуют следующее условие:

X

X ^min/max

(1)

где: X - вектор состояния окружающей среды; у = |y., vi = 1, Nj - вектор воздействия на

окружающую среду; CA - Много-агентная система, обладающая начальными знаниями для восприятия, обработке и воздействия на окружающую среду, и вычисления новых знаний; X ^ min/ max - цель, достигаемая при воздействии на окружающую среду.

Environme

Рисунок 1. Взаимодействие системы коллективных агентов с окружающей средой.

Функциональная модель коллективного агента

Функциональная модель коллективного агента представлена на Рисунке 2, где: X - входной сигнал состояния окружающей среды; ADC - аналого-цифровой преобразователь; RgD - регистр входных данных состояния окружающей среды; RAM Inf - оперативная память содержащая информацию о состоянии окружающей среды; WiFi - радиочастотный модуль для обмена данными с другими агентами; An - антенна радиочастотного модуля; Pr - блок цифровой обработки данных

(процессор); ROM Instr - постоянная память программного кода; RAM Knowledge - оперативная память моделей знаний; Rg Act - регистр для хранения кода для воздействия на окружающую среду; y - выходной сигнал для воздействия на окружающую среду; D - потоки данных; I - потоки информации; C - потоки сигналов синхронизации; P -поток программного кода; K[T -1] - модели знаний используемые для преобразования данных и информации; K[T] - новые модели знаний, полученные в результате анализа информации и старых моделей знаний.

Рисунок 2. Функциональная модель коллективного агента.

Процесс преобразования агентом данных, информации и адаптации модели знаний к окружающей среде представлен на Рисунке 3, где: X - состояние окружающей среды; S - датчик; S / D -процесс преобразования аналогового сигнала в цифровой код; Data - цифровой код (Данные); D /1 - процесс преобразования данных в информацию описывающую состояние окружающей среды; Information - информация описывающая

Рисунок 3. Процесс преобразования агентом данных и информации.

Процесс взаимодействия агентов

Процесс взаимодействия агентов представлен в виде диаграммы последовательности на Рисунке 4.

состояние окружающей среды; I / К - процесс преобразования информации в знания; I / Б - процесс преобразования информации в решения; Вве1иоп -принятые решения; Л - воздействие на окружающую среду; Кпою1ейце\Т -1] - модели знаний используемые для преобразования данных и информации; Кпою1ейце\Г] - новые модели знаний, полученные в результате анализа информации и старых моделей знаний; АT - время запаздывания новых моделей знаний.

Рисунок 4. Процесс взаимодействия агентов.

Диаграмма последовательности содержит множество параллельно функционирующих и взаимодействующих между собой агентов

Agent i, Vi = 1, N, каждый из них выполняет последовательность операций: i. 1 : [$ / D] - аналого-цифровое преобразование входного сигнала X ; i.2: [D /1] - преобразование данных в информацию; i.3 : [I / D] - принятие решения; i.4 : [A] -воздействие на окружающую среду; 5 : [TxD / RxD(I)] - обмен информацией между

агентами; i.6 : [I / K] - вычисление новой модели знаний для следующего цикла вычислений.

Пример реализации адаптивной системы принятия решений

Для функционального тестирования Много-

агентной адаптивной системы принятия решений был выбран модуль NodeMCU [8] реализованный на базе устройства ESP8266-12Е [9], которое обеспечивает следующие технические

характеристики: 32-bit RISC CPU (Tensilica Xtensa LX106 running at 80 MHz); 64 KB of instruction RAM (IRAM); 96 KB of data RAM (DRAM); IEEE 802.11 b/g/n Wi-Fi; Integrated TCP/IP protocol stack; 16 GPIO pins; и 10-bit ADC.

На Рисунке 5 представлена структура Много-агентной адаптивной системы принятия решений, которая состоит из N агентов (Agent i, Vi = 1, N), формирующие между собой сеть Mesh ( MeshNW). Каждый агент содержит: MCU -

модуль NodeMCU; S - датчик восприятия окружающей среды; Actuator - устройство для воздействия на среду.

Рисунок 5. Пример реализации Много-агентной системы.

Выбор NodeMCU (ESP8266-12E) модулей [8, 9] для функционального тестирования Много-агентной адаптивной системы принятия решений обоснован тремя условиями: минимальная масса и потребляемая мощность, технические

характеристики соответствующие функциональной модели коллективного агента (Рисунок 2) и поддержка обмена данными в сети Wi-Fi.

Выводы и предложения

В результате проектирования коллективного агента для синтеза адаптивных систем принятия решений были разработаны функциональная модель агента и процесс преобразования данных, информации и знания для достижения оптимального значения состояния окружающей среды. Новая модель знаний вычисляется в результате анализа состояния окружающей среды и старой модели знаний. Процесс взаимодействия агентов представлен в виде диаграммы последовательности. Для функционального тестирования взаимодействия коллективных агентов была реализована вычислительная сеть с топологией Mesh на базе NodeMCU (ESP8266-12E) модулей.

Дальнейшие исследования предусматривают моделирование поведения Много-агентной системы для выявления конфликтов при параллельной обработке данных и реализация модели коллективного агента на базе ПЛИС.

Список использованной литературы:

1. Lorena Rodriguez, Emilio Insfran and Luca Cernuzzi (2011). Requirements Modeling for MultiAgent Systems, Multi-Agent Systems - Modeling, Control, Programming, Simulations and Applications, Dr. Faisal Alkhateeb (Ed.), InTech, DOI:

10.5772/14776. (Доступен на:

https://www.intechopen.com/books/multi-agent-

systems-modeling-control-programming-simulations-

and-applications/requirements-modeling-for-multi-

agent-svstems).

2. María Guijarro, Rubén Fuentes-Fernández and Gonzalo Pajares (2011). A Multi-Agent System Architecture for Sensor Networks, Multi-Agent Svstems - Modeling, Control, Programming, Simulations and Applications, Dr. Faisal Alkhateeb (Ed.), InTech, DOI: 10.5772/14309. (Доступен на: https://www.intechopen.com/books/multi-agent-systems-modeling-control-programming-simulations-and-applications/a-multi-agent-svstem-architecture-for-sensor-networks).

3. Yoav, Shoham; Kevin, Leyton-Brown. Multiagent systems. Algorithmic, Game-Theoretic, and Logiacal Foundations. Published by Cambridge University Press. Revision 1.1, 2010. 532 p. (Доступен на: http ://www. masfoundations.org).

4. Чекинов, Г.П.; Чекинов, С.Г. Применение технологии многоагентных систем для интеллектуальной поддержки принятия решения. Сетевой электронный научный журнал "СИСТЕМОТЕХНИКА", № 1, 2003 г. (Доступен на: http://systech.miem.edu.ru/2003/n1/Chekinov.htmg).

5. ПОДУБНЫЙ, М.; САФОНОВ Г.; НЕГАРЭ, Е.; МОРОШАН И.; БОРДИАН Д.; АБАБИЙ В. Система коллективного принятия решений для управления мобильными роботами. // Ежемесячный научный журнал "Евразийский Союз Ученых (ЕСУ)", 2016, № 6-2 (27), ISSN 2411-6467, С. 5-8.

6. АБАБИЙ, В. В., СУДАЧЕВСКИ, В.М., САФОНОВ Г.И., ПОДУБНЫЙ, М.В. Многоагентная вычислительная система на базе

мобильного программного кода вычислительного процесса. Альманах современной науки и образования, г. Тамбов: Грамота, 2016, № 9 (111), ISSN 1993-5552, pp. 10-14.

7. SAFONOV Gh., ABABII V., SUDACEVSCHI V. Analysis of distributed computing architectures for

synthesis of multi-agent systems. European Applied Sciences Journal, № 9 2016 (September), ISSN 21952183, pp. 34-37.

8. http://nodemcu.com/index en.html.

9. ESP8266 Datasheet. (Доступен на: http://espressif.com/sites/default/files/).

SYNTHESIS OF PARALLEL DATA ACQUISITION SYSTEM FOR ANALYSING OF MULTIDIMENSIONAL SIGNALS

Ababii V.

Technical University of Moldova, Republic of Moldova

Sudacevschi V.

Technical University of Moldova, Republic of Moldova

Calugari D.

Technical University of Moldova, Republic of Moldova

СИНТЕЗ СИСТЕМЫ ПАРАЛЛЕЛЬНОГО СБОРА ДАННЫХ ДЛЯ АНАЛИЗА МНОГОМЕРНЫХ СИГНАЛОВ

Абабий В.

Технический Университет Молдовы, Республика Молдова

Судачевски В.

Технический Университет Молдовы, Республика Молдова

Калугарь Д.

Технический Университет Молдовы, Республика Молдова

ABSTRACT

In this paper, we present the results of the synthesis of a system for parallel data acquisition for the analysis of multidimensional signals. As a result of the design, a structural and functional diagram was obtained, a time diagram containing a sequence of signal conversion and synchronization.

АННОТАЦИЯ

В данной работе представлены результаты синтеза системы параллельного сбора данных для анализа многомерных сигналов. В результате проектирования были получены структурная и функциональная схема, и временная диаграмма содержащая последовательность преобразования сигналов и синхронизации.

Keywords: multidimensional processes, multidimensional signals, data acquisition, temporal synchronization, temporal interpolation.

Ключевые слова: многомерные процессы, многомерные сигналы, сбор данных, временная синхронизация, временная интерполяция.

Введение фильтрации, дискретное Фурье и z - преобразова-

Окружающий нас мир можно представить в ние, двумерные рекурсивные и не-рекурсивные

виде многомерного процесса, где любое измерение дискретные фильтры.

рассматривается в многомерной системе координат Также, основные методы предварительной обили многосвязных параметров (сигналов). работке, мультиплексирование аналоговых сигна-Наиболее распространенные области науки, в лов, методы измерения электрических и неэлектри-которых исследуются многомерные процессы или ческих параметров, методы изоляции и согласова-многосвязные параметры (сигналы), это биология, ния сигналов, и аналого-цифровое преобразование экономика и социология. Классическим примером многомерных сигналов рассмотрены в работе [4]. исследования многомерных сигналов представляет Основной задачей при вводе и обработке процесс ввода, обработки и хранения сигналов многомерных сигналов является пространственная головного мозга [1, 2], где рассматриваются и временная синхронизация. Данные задачи многоканальный способ параллельного ввода и рассмотрены в работах [2, 5, 6], где авторы обработки многомерных сигналов. концентрируются на обработку сигналов ЭЭГ

В работе [3] изложены необходимость, основ- человека, которые могут служить в качестве

ные методы и модели цифровой обработке много- прототипа для исследования других многомерных мерных сигналов, такие как: теория цифровой процессов.