CC BY
49
УДК 004.89
М.Д. Сеченов, Ю.А. Киселев РОЛЬ ИНСТРУМЕНТА В МНОГОАГЕНТНОЙ СИСТЕМЕ
Создание искусственного интеллекта и искусственной жизни возможно на основе использования идей и методов современного естествознания и междисциплинарного симбиоза. В качестве одного из подходов при создании самоорганизующихся систем можно рассматривать теорию многоагентных систем (МАС). Основными составляющими МАС являются агент и среда его обитания. Среда -это совокупность условий обитания ее “организмов”. Для определения агента введем понятие объекта. Объектом является программный набор переменных и связанных с ним методов. Данные объекты моделируют объекты реального мира и могут находится в некотором состоянии и обладать произвольным характером действий. Агент - это метаобъект, способный манипулировать другими объектами, а, в более широком смысле, формировать собственные программы действий, которые вызваны некоторыми потребностями и направлены на достижение определенных целей [1].
Выделяются два типа агентов: собственно агент (А) и агент-среда (АС). С , “ ”, , -стью к эволюционному процессу и активным действиям
На этапах разработки агентов определяются их свойства, набор методов обработки информации и среда, в которой они существуют, что накладывает статический отпечаток на динамику эволюционного процесса (изменение параметров , , ). интеллектуальных систем подобные методы построения пригодны только к зара-
( ).
иметь возможность развиваться только в заданных пределах. Вся функциональная свобода агента на сегодняшний день зависит лишь от очередности выполнения им ( ), . -шину создавать свои собственные блоки обработки информации, генерируемые
, .
При построении саморазвивающихся и самоорганизующихся систем большое внимание нужно уделять созданию инструмента. В данной статье под словом инструмент будем подразумевать набор элементарных функций, подобъектов, составляющих проектируемые объекты, и правил манипуляции ими, используя которые система самостоятельно сможет создавать новые блоки и, тем самым, улучшать свои интеллектуальный и структурный уровни. Инструмент является центральным блоком всей системы и именно от него зависит общее ее состояние. Корректировка системы со стороны человека должна происходить на уровне инст-, , данный аппарат для своей регенерации. Рассмотрим его роль в многоагентных системах. Инструмент так же, как и агент, может подвергаться эволюционному процессу. Начало такого процесса определяет объект, использующий данный инструмент. Обычно это происходит в непосредственной близости от гомеостатической границы системы [2], либо когда дальнейшее улучшение параметров невозможно при данном наборе инструментов.
Можно выделить, по крайней мере, три типа инструментов эволюции объектов: инструмент среды; инструмент агента; инструмент эволюции инструмента.
Общая структурная схема МАС с использованием инструментов представлена на рис.1.
Рис.1. Общая структурная схема МАС
В обязанности блока “Инструмент эволюции” входят:
1. : определение численности популяции, контроль над эффективным использованием ресурсов, т.е. при недостаточности машинного ресурса уничтожаются или деактивируются те агенты, которые не заняты в решении активной задачи или жизне-; ,
.
2. :
; (
неудачных генетических операций возможен возврат системы к предыдущему со).
3. Управление экологическими нишами: структурирование системы, расположение агентов непосредственно в своей экологической нише (каждый набор аген-( ) ); (
( ),
заполняется агентами более подготовленными к решению этих проблем и в данной ситуации таким агентам может быть дан ряд свойств и очерчен круг методов для
).
Когда инструмент не может удовлетворить требования запрашивающего аген-, -мента. При таком подходе важно отметить, что область знания, обязанности агентов и даже структура системы являются динамическими объектами и могут изменяться на протяжении жизни системы. Для того, чтобы четче пояснить роль инструмента эволюции в МАС, дадим описание одного из самых важных свойств сис-.
Генеуаиия новых свойств и методов объекта.
При создании системы с динамическим изменением наборов методов обработки информации и свойств агентов должен быть разработан ее конструктор, который из имеющегося ряда функций сможет создавать эти наборы. На рис.2 изображена общая структурная схема генерации методов. При разработке каждой последующей функции необходимо придерживаться определенного для данного инструмента формата данных, либо должны быть созданы дополнительные функции согласования. Возможно использование промежуточных функций, которые информационно общаются на своем собственном внутреннем “языке”, но входные и выходные данные должны иметь общий формат инструмента.
Рис. 2. Структурная схема генерации методов
( ), -зуются. Данный список постоянно обновляется в зависимости от решаемой задачи. Агент ведет журнал использования методов, где фиксируется частота их применения. Чем она выше, тем меньше времени ему необходимо на активацию метода обработки информации. Помимо этого, существует начальный набор, который не изменяется на протяжении жизни агента и нужен для его жизнеобеспечения.
В библиотеку методов, помимо собственно методов, входят элементарные ( ), , -. :
; ( системы задачи); выдача сигналов системе.
Каждая функция имеет обязательный числовой параметр, необходимый для . . агентом сложных задач осуществляется на основе упорядоченного решения эле, , , , -ются из рассмотренных функций. Можно сказать, что:
п
х - 2Х,
п=1
где - X задача, а У; элементарные задачи, из которых состоит X. Если X -элементарная задача, то ^Y. является методом, который по тому же принципу
делится на составляющие его функции.
Теперь рассмотрим данный аспект на конкретном небольшом примере запроса SQL к базе данных.
Пусть необходимо произвести выборку из таблицы а2 столбца а1, где значение записи столбца а3 больше значения а4.
Функция х1 - прием задачи от пользователя.
Функция х2 - SELECT х FROM х1, где х = а1 и х1 = а2; а1 и а2 - входные параметры.
Функция х5 - WHERE х2, где х2 - критерий отбора, в нашем случае a3 > a4; a3 и а4 - входные параметры.
Блок - SELECT a1 FROM a2 WHERE a3 > a4.
Функция x4 - возврат результата.
Контрольная сумма метода допустима.
Блок: SELECT a1 FROM a2 WHERE a3 > a4; x1 + x2 + x5 + x4 = = контрольная сумма метода. Блок: SELECT a1 FROM a2; x1 + x2 + x4 = = контрольная сумма метода.
Контрольная сумма метода недопустима .
Блок: WHERE a3 > a4;
x1 + x5 + x4 ! = контрольная сумма метода.
Здесь блок - это метод, состоящий из одной или более промежуточных функ, .
Проверку правильности формирования блока желательно производить с помощью обработки исключительных ситуаций. Когда блок сформирован, он проверяется на наличие ошибок. Если блок не сгенерировал ошибку, то он считается .
.
Теперь рассмотрим отношения между инструментом и целевыми функциями агентов. Продолжительность жизни агента равна:
T = t1 + t2,
где t1 - время активных и (или) пассивных действий агента; t2 - время, затрачиваемое агентом на анализ ситуации.
Целевая функция агента-среды f(AC) прямо пропорциональна той же функции агента f(A), если их инструменты имеют положительные связи, т.е. использование свойств и методов инструмента агента ведет к увеличению целевой функции агента-среды f(AC). В противном случае f(AC) и f(A) находятся в обратной пропорциональной зависимости и эволюционируют на основе конкурентной борьбы. Если развитие агента при данном наборе методов в реестре положительно и удовлетворяет его потребностям, то интенсивность генерации новых качеств агента блоком инструмента будет уменьшаться и, наоборот, при уменьшении темпов развития скорость генерации увеличивается.
Выводы. В данной статье была сделана попытка рассмотрения некоторых направлений развития многоагентных систем, которые позволяют расширить круг
решаемых ими задач и быстро адаптироваться к кардинальным изменениям внеш. , так и среда МАС оказывает такое же влияние на агентов системы. Увеличение до разумных пределов связей между агентом-средой и собственно самим агентом может качественно улучшить свойства системы и поднять ее на новый уровень развития. От качества подобных связей зависит адаптация агента к новой среде. Помимо этого агент должен обладать возможностью “глубокой” мутации, что даст ему возможность действий в неограниченном наборе сред.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям. М.: Эдито-риал УРСС, 2002.
2. Курейчик В.М., Курейчик В.В. Эволюционные, синергетические и гомеостатические стратегии в искусственном интеллекте // Новости искусственного интеллекта. 2000. №3. С.39-65.
УДК 004.89
С.А. Бутенков
ОБОБЩЕННЫЕ ГЕОМЕТРИЧЕСКИЕ МОДЕЛИ И МНОГОУРОВНЕВЫЙ АНАЛИЗ ИЗОБРАЖЕНИЙ В ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ
1. Введение. Анализ изображений является о дним из старейших разделов Искусственного интеллекта однако, содержит большое количество не решенных до настоящего времени задач. В условиях искусственной среды (лаборатория, заво-)
мобильных роботов и промышленного контроля качества [1,2]. В дальнейшем носители систем технического зрения вышли из искусственной среды в естественную, которая характеризуется значительным разнообразием форм, текстур и взаимных положений объектов. Пример сложного для автоматического анализа естественного изображения, легко воспринимаемого человеком, приведен на рис.1.
Рис.1. Изображение естественного объекта сложной формы на естественном фоне и его контурное представление
Общим свойством сложных изображений является то, что к ним нельзя применять методы, основанные на выделении краев участков разной яркости (двумерном дифференцировании). Из рисунка (см. рис.1) видно, что после выделения краев исходная информация о форме объекта полностью теряется.
