CC BY
30
объектов; Val={Valu}, и=1^и - множество областей допустимых значений атрибутов; Lim={Limb}, Ь=1^Б - множество ограничений, описывающих принадлежность атрибутов классам, принадлежность допустимых значений атрибутам, совместимость классов, функциональные ограничения, заданные над значениями атрибутов; ЛС={ЛСП}, п=1^Ы - множество дополнительных функций, необходимых для выполнения поставленных задач и/или формирования ответных сообщений; SA -множество внутренних структур агента, описывающих его функциональное устройство в зависимости от его основного назначения.
Множество внутренних структур агента включает в себя: SA=<SAe, SAt, SAd>, где SAe - множество агентов, взаимодействующих с внешней средой; SAt - множество агентов-экспертов определенной предметной области; SAd - множество агентов, занимающихся непосредственными вычислениями.
Модель агента, взаимодействующего с внешней средой: SAe=<MO, ER>, где М0={М02}, z=1^Z - множество моделей окружения; ER={ERg}, g=1^G - множество действий, допустимых для агента.
Агенты, взаимодействующие с внешней средой, представлены координатором, помощником, а также агентом доступа к данным. Координатор и помощник являются инициаторами всех взаимодействий в сообществе агентов, поскольку именно они реагируют на все воздействия со стороны клиентской части системы (вход пользователя в систему, ввод запроса и т.д.).
Модель агента - эксперта определенной предметной области: SAt=(TQ, TR, ТР, Р1ап>, где
TQ={TQm}, m=1^M - множество целей агента; TR=(TRg}, g=1^G - множество действий, допустимых для агента; TP={TPz}, z=1^Z - множество вариантов декомпозиции задач (библиотека частичных планов); Plan(TQm, TPz)=TRg - функция формирования плана действий агента (формирует упорядоченную последовательность действий агента из множества его допустимых действий TRg), исходя из его текущей цели TQm и варианта декомпозиции задачи TPz.
Модель агента, занимающегося непосредственными вычислениями: SAd=(Task, Par, DR), где Task={Taskm}, m=1^M - множество решаемых задач; Par={Parz}, z=1^Z - множество параметров; DR={DRg}, g=1^G - множество действий для выполнения конкретных задач.
Таким образом, описанная обобщенная структура модуля МАС позволяет использовать разрозненные источники данных, проводить автоматизированные исследования, не требующие специальной квалификации пользователя, и предоставлять единый аналитический аппарат обработки информации.
Разработанный прототип модуля МАС может составить основу при создании систем информационной поддержки управленческих решений для сбора, извлечения и анализа данных в узкоспециализированных областях применения.
Литература
1. Wooldridge M. An Introduction to MultiAgent Systems. Wiley, 2009.
2. Shamma Jeff. Cooperative Control of Distributed MultiAgent Systems. John Wiley & Sons, 2008.
3. Bordini R.H., Dastani M., Dix J., Seghrouchni A. MultiAgent Programming: Languages, Tools and Applications. Springer, 2009.
УДК 519.876.5
РЕШЕНИЕ ЗАДАЧ ПЛАНИРОВАНИЯ В КОАЛИЦИОННОЙ МОДЕЛИ
A.С. Зраенко (ФГУП «Уралгеоинформ», г. Екатеринбург, [email protected]);
B.П. Федотов, д.т.н. (Институт машиноведения УрО РАН, г. Екатеринбург,
fedoto v@mach. u ran. ru);
К.А. Аксенов, к.т.н. (Радиотехнический институт Уральского государственного технического университета им. первого Президента России Б.Н. Ельцина, г. Екатеринбург, [email protected])
Рассмотрены метод теории составления расписаний и его применение для решения задачи планирования в коалиционной модели мультиагентного процесса преобразования ресурсов. На примере практической задачи разработан алгоритм составления планов выполнения работ.
Ключевые слова: агент, мультиагентные системы, теория составления расписаний, процесс преобразования ресурсов, метод случайного поиска.
В мультиагентных моделях [1] одним из типов актуальных задач является составление планов выполнения работ агентами и коалициями. Под
планом выполнения работ будем понимать перечень намеченных к выполнению работ или мероприятий с определенными последовательностью,
объемами и сроками выполнения [2]. Поскольку все факторы, влияющие на планы выполнения работ, практически невозможно учесть, а интересы агентов часто различны, задача составления планов является многокритериальной, с нечетким множеством факторов. Решаются такие задачи, как правило, с помощью теории составления расписаний (ТСР) в два этапа [3]: получение плана путем использования определенного метода на основе исходных условий выполнения работ и формализуемых ограничений и его последующая доработка с целью максимального учета неформализуемых ограничений. Для разработки алгоритма составления планов выполнения работ необходимо формальное описание планов действий агентов и коалиций в коалиционной модели мультиагентного процесса преобразования ресурсов (МППР) [1].
При составлении плана выполнения работ нужно определить условия их выполнения, учитывая формализуемые (четкие), а также неформали-зуемые (нечеткие) ограничения. Для учета только формализуемых ограничений задачу составления плана выполнения работ можно решать как задачу целочисленного программирования. Однако при реальных объемах поступающих заказов данная задача не может быть решена за реальное время. Вследствие этого для задач такого типа будем считать необходимым использование методов ТСР по поиску приближенных решений.
В качестве основы алгоритма решения задачи составления планов выполнения работ агентами можно использовать следующие основные эвристические методы ТСР [3]: метод ветвей и границ, алгоритм Литтла, метод случайного поиска. Вследствие ориентации на последующее использование выбранного метода ТСР для решения задач в мультиагентной системе поддержки принятия решений (МСППР) одним из важных критериев метода должна быть его алгоритмическая простота. Среди наиболее простых эвристических методов ТСР, дающих достаточно точные решения, можно выделить метод случайного поиска.
Общее описание прикладной задачи планирования
Из прикладных задач составления планов выполнения работ выбран тип, связанный с ликвидацией лесных пожаров. Для ее решения необходимо создание мультиагентной модели для превентивной оценки количества ресурсов (люди, техника) для устранения пожаров с целью установления равновесия между финансовыми затратами и скоростью ликвидации пожаров. Ключевым моментом в данном случае является динамичность системы - лесные пожары возникают в произвольные моменты времени. В связи с этим нужно оставлять часть ресурсов и средств в резерве и при необходимости отзывать какие-либо из них. Опишем ал-
горитм работы коалиционной модели МППР для этой задачи.
1. Инициация работ - выявление пожара. Происходят определение агента Ai - координатора работ и выделение ресурсов {Resb ..., Resn} и средств {Mechi, ..., Mechm} из общего резерва (Pool) под его координацию. Агент Ai планирует использование собственных ресурсов и средств по определенному алгоритму. Каждый агент А, должен выделять ресурсы {Resi, ..., Resn} и средства {Mechi, ..., Mechm} на устранение лесного пожара путем проведения моделирования, исходя из следующих целей:
- наискорейшая ликвидация лесного пожара: t (Wi)^min;
- минимизация финансовых затрат (то есть максимизация прибыли агента): S^max;
- необходимость резервирования максимального количества ресурсов и средств в связи с ненулевой вероятностью возникновения другого пожара: N^max.
2. Выявление нового пожара. В процессе устранения первого пожара существует вероятность выявления второго в другом месте. При этом в МСППР происходит определение агента A2, который планирует возможность выполнения работы W2 в указанный срок t2 и с имеющимися резервными ресурсами {ResAi1, ..., ResAit} и средствами {MechAi1, ..., MechAiv}. При отсутствии необходимых ресурсов или средств агенту А2 необходимо организовать взаимодействие с другими агентами { А n, ., А m} в МАС, в результате которого возможно создание коалиции Kp для совместного выполнения работы W2. При этом прибыль SAj агента Aj определяется соразмерно количеству его ресурсов {Resj ..., ResAj}, участвующих в выполнении работы W, коалицией Kp. Далее возможно возникновение третьего пожара и т.д.
3. Возникновение конфликтов. В случае нехватки ресурсов или средств возникает необходимость переговоров (в приведенном примере -агента A2с агентом Ai) на основе выбранных ими стратегий взаимодействий {StrAi, StrA2}. При этом в зависимости от стратегий может потребоваться проведение аукциона (основанного на величине последствий от пожара, Pos). При малой величине последствий часто целесообразно оставить ресурсы и средства в резерве, при большой возможно привлечение дополнительных ресурсов.
Формализация задачи планирования выполнения работ
Для последующего использования параметров задачи составления планов выполнения работ в качестве исходных данных алгоритма планирования необходима их формализация.
1. Формирование списков: агентов {Ab ..., Am}; работ {Wi, ..., Wf}; типов ресурсов {1, ..., t};
ресурсов (Res1!, ..., Re/,}; типов средств {1, ..., v}; средств (Mech!b ..., Mechvj}.
2. Определение условий выполнения работ (W1, ..., Wf}. Взаимосвязи списков из п. 1 определяют следующие условия выполнения работ:
- агент A, может управлять выполнением только одной работы W,;
- агенты (Аь ..., Ат} могут использовать ресурсы любого типа (1, ..., t} и средства любого типа (1, ..., v} для выполнения работы W,;
- агенты (Аь ..., Ат} не могут использовать средство Mechk без ресурса Resk для выполнения работы W,;
- ресурсы типа k могут выполнять работу W, только с использованием средств типа k;
- в зависимости от типа (1, ..., t} ресурсы могут быть привязаны только к одной работе Wi до ее окончания либо переходить с одной работы W, на другую W;
- средства всех типов (1, ..., v} могут переходить с одной работы W, на другую Wj.
Условия выполнения работ, не определяющие взаимосвязи списков из п. 1:
- минимальный шаг выполнения работы W, -1 день;
- ресурсы (Res1, ..., Rest} и средства (Mechb
Mecht} не могут быть захвачены агентом Aj во
время их использования другим агентом A, (нет агентов, имеющих абсолютный приоритет по захвату ресурсов и средств);
- для выполнения работы Wi захват средств (Mechb ..., Mecht} не является необходимым;
- весовой коэффициент V, необходимости выполнения i-го формализуемого ограничения R, плана выполнения работ PW, может принимать следующие значения: V,=(1, 2, ..., 100};
- весовой коэффициент Q, необходимости выполнения i-го неформализуемого ограничения L, плана выполнения работ PW, может принимать следующие значения: Q,=(1, 2, ..., 10}.
Начальное значение суммарного коэффициента несоответствий i-го плана выполнения работ K, принимается равным сумме всех коэффициентов несоответствия формализуемых ограничений ( V1 , ..., V„} и неформализуемых ограничений (Q1, ...,
Qm}:
N M
K,= ZV, + £ Qm , (1)
n=1 m=1
где N - число формализуемых ограничений, а M -неформализуемых.
3. Определение формализуемых (R1, ..., R„} и неформализуемых (L1, ..., Lm} ограничений; их сообразных весовых коэффициентов несоответствия (V1, ..., V„} и (Q1, ..., Qm} (для определения важности).
К формализуемым ограничениям (R1, ..., R„} относятся следующие:
- (^,= 100): каждая работа должна быть выполнена вовремя (фактическое время выполнения работы T не может быть больше расчетного максимального времени Т0, Т<Т0);
- (^¡=10): не должно быть окон в работе ресурсов (окна в работе средств допустимы); число окон в работе ресурсов определяется как сумма свободных ресурсов по всем рабочим дням и рассчитывается по следующей формуле:
D
Я2= X * Ке5, (2)
1=1
где D - количество дней, на которые составляется план выполнения работ РЖ, (текущий день, й?е(1, D)); w¡ - параметр незанятости ресурса, ^,={1, 0}.
К неформализуемым (или сложноформализуе-мым ограничениям) {¿ь ..., ¿т} относятся следующие:
- (01=4): загрузка ресурсов одного типа должна быть равномерной с учетом коэффициентов скорости работы, зависящих от дня недели, личных событий, настроения и т.д.;
- (<22=1): необходимо техническое обучение ресурсов всех типов, направленное на повышение скорости выполнения работ (с периодичностью и продолжительностью, связанными с типом ресурса, его квалификацией, временем работы, текущей загруженностью и т. д.);
- (<23=2): необходимо техническое обслуживание средств (с периодичностью и продолжительностью, связанными с типом средства, его сроком службы, временем эксплуатации и т.д.).
4. Загрузка исходных данных по работам {Жь ..., Ж,}:
- дата возникновения пожара, Db;
- крайняя дата завершения работ, De;
- требуемый состав действий, ..., Ds}.
Пример загрузки исходных данных представлен в таблице 1.
Таблица 1
Исходные данные по работам
Наименование работы Дата возникновения пожара Дата завершения работ Требуемые действия
W1 13.05.10 26.05.10 <Di, D2, D3>
W2 21.05.10 21.06.10 <D1, D3>
W3 18.06.10 10.09.10 <Di, D2, D3, D4, D5>
5. Формирование параметров работ {Ж1, ..., Ж,}:
- количество ресурсов типа 1, ЛДа51;
- параметр привязанности ресурсов типа 1 только к одной работе до ее окончания,
={1, 0};
- количество ресурсов типа 2, ЛДай;
- параметр привязанности ресурсов типа 2 только к одной работе до ее окончания, Рде^2=
={1, 0};
- количество ресурсов типа п, ЛДа5И;
( Начало )
Генерация случайного плана Р\Л/к выполнения работ ..., й7;} в виде таблицы используемых ресурсов {Ае^ь и средств {МесЬ\, ...,Мескт}
К\ = а
Оценка несоответствия неформализуемым ограничениям Ш
Вычисление суммарного коэффициента несоответствий К1
^ Конец ^
Алгоритм составления планов выполнения работ для мультиагентной системы поддержки принятия решений
- параметр привязанности ресурсов типа п только к одной работе до ее окончания, Р^з= ={1, 0};
- количество средств типа 1,
- количество средств типа 2, ^еск2;
- количество средств типа т, ^ескт;
- расчетное максимальное время выполнения работы в днях, Т0.
Так как каждая работа Щ,- состоит из действий {А, •••, А}, состав и очередность которых определены в базе знаний мультиагентной системы ^КВ): Ж]=В1+В2+.+Вп, то для расчета максимального времени выполнения работы (см. табл. 2) используется формула
То=и+12+..Мп, (3)
где - среднее время выполнения действия А, (из GKB).
Таблица 2
Пример расчета параметров работ
Алгоритм составления планов выполнения работ
В рамках создания мультиагентной системы поддержки принятия решений необходима разработка алгоритма составления планов выполнения работ. Данный алгоритм основан на методе случайного поиска и представлен на рисунке.
Описание алгоритма.
1. Генерация случайного плана PWi выполнения работ {Ш\, ..., Ж,} (с использованием данных п. 2 и п. 3 данного алгоритма в случае не первого прогона) в виде таблицы используемых ресурсов {Яеь1, ..., Яе^} и средств {Мес..., Mecht}, в столбцах которой указываются дни проведения работ, а в строках - сами работы. Необходим ежедневный подсчет свободных ресурсов и средств.
Пример плана выполнения работ РЖ, представлен в таблице 3. В примере принято, что агенты-координаторы {Аь А2, А3, А4} управляют работами {Ж1, Ж2, Ж3, Ж4} соответственно. Все агенты могут координировать действия собственных ресурсов и средств; всего имеется: 4Яеь1 (сотрудники МЧС), 2Яеь2 (пожарные), 1Яеь3 (лесники), 1Ме^1 (спецтехника МЧС), 1Мес^ (пожарные
Работа Параметр
РКея2 NRes3 -Рйей NMech1 То
Ж1 2 1 1 0 1 0 0 0 3
Ж2 4 1 1 0 1 0 1 1 5
ж3 1 1 1 0 1 0 0 1 3
ж4 1 1 2 0 1 0 0 1 4
вертолеты). Каждая работа должна начинаться с Res-i и заканчиваться Res3; Res-i может использовать Mechi, а Res2 -Mech2.
Таблица 3
Пример плана распределения ресурсов и средств по работам
Работа Дни
1-й 2-й 3-й 4-й 5-й
W¡ 2Res¡, Res2 2Res¡, Res2 «простой» Res2, Res3
W2 Res¡, Mech¡ 2Res¡, Mech¡ Res2, Mech2 4Res¡, Res2 Res3
W3 Res¡ , Res2 Res2, Mech2, Res3 Res1, Res3
W4 Res1, Res2 Простой Res¡ , 2Res2, Mech2
Свободные ресурсы и средства Res3, Mech2 - 2Res1, Mech1 Mech¡, Mech2 3Res¡, Mech¡
В данной таблице выполнение работ Ж1, Ж2, Ж3 начинается в 1-й день, работы Ж4 - в 3-й день. Крайний срок выполнения работы Ж1 - 4-й день, работы Ж2 - далее 5-го дня, работ Ж3 и Ж4 - 5-й день. Из таблицы видно, что работу Ж4 агент А4 не может выполнить с помощью своих ресурсов и средств.
2. Оценка несоответствия неформализуемым ограничениям (Я1у ..., Яп}. Расчет суммарного коэффициента несоответствия формализуемым ограничениям 0х производится по следующей фор-
муле: Gx= £*Vt,
(4)
где х - текущий вариант плана выполнения работ; п - количество формализуемых ограничений; /, -число невыполнений г-го формализуемого ограничения; V, - весовой коэффициент необходимости выполнения формализуемого ограничения Я, плана выполнения работ РЖ,.
Пример вычисления суммарного коэффициента несоответствия формализуемым ограничениям Ох (на основе данных из таблицы 3): 01=1*100+6*10= = 160.
Оценка несоответствия неформализуемым ограничениям (Ьь ..., Ьт} проводится при наличии экспертной подсистемы (ЭС), содержащей информацию по накопленному опыту работы и/или наиболее успешные примеры принятия решений в определенных ситуациях из других регионов РФ. Наличие и полнота данной ЭС не являются обязательными для работы алгоритма, ее цель - получение наилучшего решения путем максимально полного учета неформализуемых ограничений. При отсутствии ЭС - переход к п. 5; определяем Кх=0х.
Экспертная подсистема должна иметь структуру, включающую исходные данные и экспертную информацию.
Пример структуры ЭС.
Тип неформализуемого ограничения: Ь1 (загрузка ресурсов одного типа должна быть равномерной с учетом коэффициентов производительности (скорости работы), зависящей от дня недели, личных событий, настроения и т.д).
Исходные данные: 1) стаж работы Яes21 - 23 года, Яes22 - 1 год, Яes23 -7 лет; 2) возраст Яes21 - 53 года, Яes22 - 19 лет, Яes23 - 39 лет; 3) сегодняшняя дата - 21.05.10; 4) завтра день рождения у Яes23.
Информация для поддержки принятия решения: 1) наибольший коэффициент производительности у людей со стажем работы более 5 лет и в возрасте до 45 лет; 2) для послепраздничных дней необходимо учитывать снижение средней производительности ресурсов.
Результирующая интерпретация неформали-зуемого ограничения: на 22.05.10 (второй день в таблице 3) необходимо Яes23 оставить в резерве.
С использованием результирующих интерпретаций неформализуемых ограничений рассчитаем суммарный коэффициент несоответствия нефор-мализуемым ограничениям Нх по следующей фор-
муле: Hx= X di * Q¡ ■
(5)
где х - текущий вариант плана выполнения работ; т - количество неформализуемых ограничений; di - число невыполнений г-го неформализуемого ограничения; 2, - весовой коэффициент необходимости выполнения г-го неформализуемого ограничения Ь, плана выполнения работ.
Пример вычисления суммарного коэффициента несоответствия неформализуемым ограничениям Нх (на основе данных из таблицы 3): Н1=1*4=4.
3. Вычисление суммарного коэффициента несоответствий Кх путем сложения суммарного коэффициента несоответствия формализуемым ограничениям 0х и суммарного коэффициента несоответствия неформализуемым ограничениям Нх по следующей формуле: Кх=0х+Нх. (6)
Пример: Кх=160+4=164.
4. Выбор лучшего плана выполнения работ. Если суммарный коэффициент несоответствий х-го плана выполнения работ Кх меньше соответствующего коэффициента несоответствий _у-го плана выполнения работ Ку, ранее выбранного как лучший, Кх<Ку, то запоминаем х-й план выполнения работ как лучший. Иначе оставляем лучшим у-й план выполнения работ.
Пример: К1=170, К2=164, К2<К1, поэтому запоминаем план выполнения работ РЖ2 как лучший.
5. Проверка истечения заранее определенного времени работы алгоритма ТЕсли текущее время ^Тапереходим к п. 1. Иначе - конец алгоритма.
i=1
i=1
Итак, можно отметить, что для решения рассмотренной прикладной задачи планирования, связанной с ликвидацией лесных пожаров, создана МСППР, использующая алгоритм составления планов выполнения работ.
Алгоритм основан на методе случайного поиска теории составления расписаний. Он позволяет планировать использование ресурсов и средств агентами и коалициями при устранении пожаров с целью установления равновесия между финансовыми затратами и скоростью ликвидации пожаров.
Литература
1. Зраенко А.С., Аксенов К.А., Ван Кай. Коалиционная модель мультиагентного процесса преобразования ресурсов // Науч.-технич. ведомости СПбГУ. СПб: Изд-во политехн. ун-та, 2009. № 5. С. 156-161.
2. Чепасов В.И., Кулов С.К., Раимов Ф.Ф. Алгоритмическая и программная реализация задачи о расписании: учеб. пособие. Оренбург: Оренбург. гос. ун-т, 1999. 192 с.
3. Шахбазян К.В., Тушкина Т.А. Обзор методов составления расписаний для многопроцессорных систем. Л.: Наука, 1975. С. 229-258.
4. Береговых Ю.В., Васильев Б.А., Володин Н.А. Алгоритм составления расписания занятий // Искусств. интел. 2009. № 2. С. 50-56.
УДК 004.4
СОЧЕТАЕМОСТНЫЕ ОГРАНИЧЕНИЯ В СИСТЕМЕ АВТОМАТИЧЕСКОГО СИНТАКСИЧЕСКОГО АНАЛИЗА
М.Г. Мальковский, д.ф.-м.н.; Н.В. Арефьев
(Московский государственный университет им. М.В. Ломоносова, [email protected])
Предложена структура компьютерного словаря сочетаемости, содержащего описания различных типов ограничений на сочетаемость слов. Описан метод, позволяющий использовать словарь сочетаемости для улучшения качества автоматического синтаксического анализа.
Ключевые слова: автоматический синтаксический анализ, компьютерный словарь, ограничения на сочетаемость слов.
Задача автоматического анализа текстов на естественном языке возникает в самых различных приложениях: машинный перевод, информационный поиск, извлечение фактов из текстов, автоматическое реферирование и др. Для большинства приложений выполнения поверхностного анализа, основанного, например, на поиске ключевых слов, недостаточно - требуется учитывать различные лингвистические явления, в том числе синтаксические отношения. В данной работе рассматривается проблема учета ограничений на сочетаемость слов в процессе автоматического выделения синтаксических отношений в тексте (синтаксического анализа). Описанный в статье подход к решению этой проблемы реализован в системе автоматического синтаксического анализа Тгеейп, создаваемой на факультете ВМК МГУ [1].
Алгоритм синтаксического анализа, реализованный в Тгеейп, базируется на идее эвристического перебора, на каждом шаге которого строятся новые синтаксические связи между словами или словосочетаниями анализируемого предложения. С помощью эвристической функции оцениваются как окончательные структуры, покрывающие анализируемое предложение целиком, так и промежуточные, порождаемые на каждом шаге анализа. Отметим, что эвристическая функция в Тгеейп также называется штрафной, а ее значение - штрафом синтаксической структуры, поскольку это
значение тем больше, чем серьезнее нарушение языковых норм структурой. Использование штрафной функции позволяет отбрасывать заведомо ошибочные гипотезы на ранних этапах перебора, а также упорядочивать результаты работы анализатора. В работе [1] предлагалась штрафная функция, учитывающая только топологические свойства оцениваемых структур (штрафовались пересечение стрелок синтаксических связей, большое количество выходящих из одной вершины стрелок и т.п.), при этом не принималось во внимание конкретное лексическое наполнение структур. Как показала практика, такая штрафная функция часто не отличает правильные структуры от неправильных. Например, предложная группа может быть связана как с глаголом, так и с существительным, поэтому для каждой из фраз съесть пи^ог с черникой, съесть пи^ог с удовольствием анализатор построит как правильную структуру (пи^ог^с^че/>никой, съесть^с^удовольстви-ем), так и неправильную (съесть^с^че/>никой и яи^ог^с^удовольствием) и, оценивая только топологические свойства, не сможет выбрать нужную.
Авторами предлагается новая штрафная функция, учитывающая сочетаемость слов, описанную в специальном компьютерном словаре сочетаемости. В процессе синтаксического анализа при построении новой связи г от слова к слову по-
