CC BY
96
Systems (ICUMT-2010), October 18-20, 2010, Moscow, Russia [Электронный ресурс] (CD-ROM). Paper № 1569337294. 9. Fridman A. Combining Neural Networks and Incremental Techniques for Coordination in System of Systems / Alexander Fridman, Olga Fridman.// Cybernetics and Systems 2012: Proceedings of Twentieth European Meeting on Cybernetics and Systems Research (EMCSR 2012), 2012, Vienna, Austria. Р. 203-207. 10. Фридман О.В. Применение нейронных сетей для детектирования источника возмущений в сетевых структурах / О.В. Фридман,
А.Я. Фридман // IX Всероссийская школа-семинар "Прикладные проблемы управления макросистемами", г. Апатиты, 26-30 марта 2012 г. Материалы докладов. Апатиты: Изд. КНЦ РАН, 2012. С. 72-73.
Сведения об авторах:
Фридман Ольга Владимировна - к.т.н., старший научный сотрудник; e-mail: [email protected]
Фридман Александр Яковлевич - д.т.н., профессор, зав. лаб.; e-mail: [email protected]
УДК 004.89, 004.9 УПРАВЛЕНИЕ ОГРАНИЧЕНИЯМИ ПРИ КОНЦЕПТУАЛЬНОМ МОДЕЛИРОВАНИИ СЛОЖНЫХ ОРГАНИЗАЦИОННО-ТЕХНИЧЕСКИХ СИСТЕМ: КОНТЕКСТНЫЙ ПОДХОД А.А. Зуенко, А.Я. Фридман
Институт информатики и математического моделирования технологических процессов КНЦ РАН
Аннотация
Предлагается интеллектуальная технология моделирования сложных организационнотехнических систем, использующая контекстно-ориентированный подход к управлению ограничениями, которые характеризуют объект исследования. Технология позволяет решать с единых позиций задачи стратегического планирования, оперативного управления, а также автоматизации контроля корректности процесса моделирования. Ключевые слова:
концептуальное моделирование организационно-технических систем, контекстноориентированный подход, интеллектуальные базы данных.
Введение
Вопрос обоснованного выбора в пользу того или иного управленческого решения (альтернативы) актуален в
различных организационно-технических системах (промышленных предприятиях, группах предприятий и т.д.). К выбору следует подходить особенно ответственно, если он может повлечь необратимые изменения самой системы и/или окружающей среды (экономические,
экологические катастрофы и т.п.). Поэтому целесообразно автоматизировать процедуры поддержки принятия управленческих решений.
Принципиальная неполнота знаний о сложных системах как объектах исследования существенно ограничивает применимость классических аналитических моделей и требует использования интеллектуальных технологий и методов имитационного моделирования.
Ситуация усложняется, если объект характеризуется структурной динамикой, в частности, допускается взаимозаменяемость отдельных подобъектов. Структурная динамика может быть обусловлена как внутренними, так и внешними возмущающими воздействиями, при этом ставится задача обеспечения устойчивого функционирования (минимальной деградации) системы под действием возмущений различной природы.
Современные системы моделирования, как правило, ориентированы на пользователя-
непрограммиста, который может выступать в роли аналитика предметной области,
определяющего структуру и состав модели предметной области, а также в роли конечного
пользователя, проводящего моделирование и оценивающего результаты. С целью исключения ошибок, обусловленных человеческим фактором, целесообразно возложить контроль корректности процесса моделирования на саму систему моделирования.
В статье рассматриваются системы концептуального имитационного моделирования сложных организационно-технических объектов, ориентированные на комплексное решение обозначенных проблем. В основе технологии лежит иерархическая концептуальная модель (ИКМ) пространственных динамических объектов (в частности, промышленно'-природных комплексов (ППК), предназначенная для декларативного задания и обработки различных альтернатив управленческих решений. Особенностью ИКМ ППК является ориентация на максимальное применение современных геоинформационных технологий и экспертных знаний, что позволяет успешно моделировать пространственно-распределенные объекты.
При наличии подобной модели самостоятельную проблему составляет автоматизация контроля корректности процесса моделирования с учетом контекстных ограничений (например, на доступные ресурсы, их значения, на структуру модели, временные ограничения, экологические требования и т.п.), которые характеризуют предметную область, выбранные управленческие альтернативы, текущий шаг имитации и т.д.
Кроме того, управление сложными организационно-техническими объектами связано с анализом большого объема информации о значениях параметров этих объектов и требует использования интеллектуальных методов снижения трудоемкости такого анализа.
В статье представлен контекстно-ориентированный подход к управлению ограничениями в системах на основе ИКМ. Применение подхода позволяет оперативно активировать требуемые в текущий момент ограничения и, соответственно, значительно сократить перебор при анализе параметров ИКМ, а также дает возможность организовать контроль корректности всего процесса моделирования в рамках парадигмы “программирование в ограничениях”.
Концептуальное моделирование сложных объектов
Тематике концептуального моделирования объектов различной природы посвящено много публикаций (см., например, [1-3]). Системы концептуального моделирования изначально использовались для проектирования программных комплексов, затем область их применения пополнилась исследованиями организационно-технических объектов, в частности природнопромышленных комплексов и социально-экономических систем. Основная цель создания подобных программных систем состоит в автоматизации всех этапов работы с ИКМ. ИКМ представляет собой обобщенную вычислительную модель. Кратко поясним отличие ИКМ от простых вычислительных моделей.
Простая вычислительная модель [3] определяется как совокупность переменных и частичных отношений между ними. Для представления отношений используются функциональные отображения (операторы).
Простые вычислительные модели позволяют эффективно синтезировать вычислительные процессы на основе заданных отношений лишь для простых ациклических последовательностей обработки.
Для синтеза более сложных вычислений используются расширенные вычислительные модели, содержащие дополнительные механизмы управления (операторы цикла, условного перехода и т.п.). К числу современных вариантов реализации таких моделей можно отнести модели PowerSim.
При построении информационных моделей сложных объектов эффективно использование различных приемов декомпозиции (см., например, [4, 5]), с помощью которых задача моделирования сводится к совокупности более простых для формализации и решения подзадач. Одним из самых существенных недостатков простых вычислительных моделей и их расширений является то, что они описывают только способы преобразования данных и не позволяют производить структурную декомпозицию данных и процессов их обработки, поэтапно уточняя процесс преобразований. Далее рассмотрим обобщенные вычислительные модели (ОВМ) [6], а именно ИКМ, как средство преодоления этого недостатка.
ОВМ представляют собой надстройку над простой или расширенной вычислительной сетью в том смысле, что на множествах процессов (функций) и потоков данных (переменных) 80
дополнительно устанавливаются иерархические отношения “часть-целое”. Это дает возможность, с одной стороны, поэтапно уточнять описание предметной области, а с другой стороны, - автоматически контролировать согласованность описаний исследуемого процесса на различных уровнях декомпозиции, анализируя различного рода структурные ограничения. На уровне интерпретации ОВМ обычно представляется двудольным ориентированным графом (ОВМ-сетью), в котором выделены два типа вершин: объекты (данные) и функции (процессы обработки данных). Дуги связывают объектные и функциональные вершины. Входящие в вершину-функцию дуги соотносят с ней объекты, которые выступают в качестве входных аргументов для функции, исходящие - указывают на объекты, в которые должна производиться запись вырабатываемых функцией результатов. Каждой объектной вершине сопоставляются тип и значение. С каждой функциональной вершиной связаны целое число, играющее роль приоритета, и тип.
В рамках систем концептуального моделирования на основе типизации элементов ИКМ исследуемого процесса разработаны процедуры проверки ее корректности (полнота, связность, разрешимость и т.д.). В результате, у пользователя имеется возможность оперативно (по мере уточнения знаний) вносить изменения в ИКМ или создавать модели различных объектов, а затем автоматически проверять их корректность.
Однако в существовавших ранее системах концептуального моделирования все проверки корректности модели были жестко "зашиты" в специализированных программных процедурах, поэтому возникало несоответствие между “открытым” декларативным представлением ИКМ, допускающим оперативную модификацию ее структуры и подключение новых элементов из вычислительной среды, и процедурным вводом ограничений в систему. В частности, при переходе от одной предметной области к другой отсутствовала возможность “наращивать” набор ограничений для проверки корректности модели. Другими словами, основной недостаток рассматриваемого класса программных систем - “жесткая фиксация” ограничений в коде программы.
Особенно остро этот недостаток систем концептуального моделирования стал ощущаться при переходе от задач синтеза компьютерных программ к задачам моделирования сложных организационно-технических систем, характеризующихся структурной динамикой, где появилась необходимость контроля корректности процесса имитации и выработки координирующих управляющих воздействий при детектировании возмущений.
Далее кратко описывается подход к управлению ограничениями, который позволил преодолеть эти трудности. Реализация подхода проиллюстрирована на примере системы ситуационного концептуального моделирования (ССКМ) ППК.
Контекстный подход к управлению ограничениями
Понятие "контекст" используется в лингвистике, теории перевода, системном программном обеспечении (контекст задачи/процесса, контекст запроса), при изучении формальных языков и грамматик (контекстно-свободные и контекстно-зависимые языки), а также при разработке систем поддержки принятия решений (см., например, [7]).
В рамках информационных технологий контекст определяется как информация, конкретизирующая описание ситуации, в которой находится в данный момент исследуемый объект. В общем случае контекст используется для определения, какая информация релевантна той или иной ситуации (для той или иной задачи). Учитывая направленность на интеллектуализацию технологий, контекст включает в себя не только информацию, но и знания, релевантные текущей задаче.
В ССКМ постановка задачи моделирования происходит поэтапно и начинается с описания исследуемой модели и интересующей ситуации с помощью концептов, принятых в системе моделирования. На уровне интерпретации ситуация - это фрагмент дерева ИКМ, дополненный значениями переменных модели. Исходной ситуацией называется конечный список фактов, вводимый пользователем при постановке задачи моделирования. На основе анализа исходной ситуации встроенная в ССКМ экспертная система (задавая при необходимости дополнительные вопросы пользователю) доопределяет исходную ситуацию до полной ситуации, которой соответствует связный фрагмент модели, возможно, включающий некоторые альтернативы.
Достаточная ситуация получается из соответствующей ей полной ситуации путем выбора альтернатив, предпочтительных по результатам классификации ситуаций. Достаточные ситуации должны быть предварительно классифицированы по структурам реализации исследуемой системы и упорядочены внутри каждого класса по критерию доминирования вклада одного из скалярных критериев качества объекта, на котором находится лицо, принимающее решение (ЛПР), в обобщенный критерий качества этого объекта.
Контекстно-ориентированный подход к управлению ограничениями в ССКМ основывается на следующей классификации ограничений: 1) ограничения, которые описывают конструкции, допустимые в системе моделирования - ограничения системы моделирования; 2) ограничения, характерные для элементов (типов элементов) модели, которые используются в исследуемой предметной области - ограничения предметной области; 3) ограничения, присущие элементам (типам элементов), которые входят в данный фрагмент модели (ситуацию) - ограничения фрагмента модели; 4) ограничения на значения переменных, формируемые в процессе имитации в рамках заранее выбранного фрагмента модели - ограничения этапа имитации.
Программно контекстно-ориентированное управление ограничениями осуществляется на уровне семантического интерфейса реляционных баз данных (БД) ССКМ. Разработанный семантический интерфейс реляционной БД обеспечивает возможность декларативного ввода в систему ограничений, контролирует корректность взаимодействия блоков модели, обеспечивая возможность отслеживать действия блоков модели над общими данными на основе анализа гибко модифицируемых и оперативно подгружаемых предметно-ориентированных ограничений. Применение реляционных баз данных обусловливается необходимостью сопровождать открытую модель предметной области и обеспечивать точность реализации запросов, как в фактографических информационных системах. Эти аспекты работы подробно освещены в [8].
Перечислим некоторые достоинства контекстно-ориентированного управления ограничениями в системах концептуального моделирования:
• возможность активировать только те контекстные ограничения, которые актуальны для исследуемой в текущий момент модели предметной области. Это позволяет гибко перенастраивать и оперативно анализировать как ограничения, общие для всего класса допустимых моделей, так и специфичные для конкретной предметной области (фрагмента модели, шага имитации), способствуя уменьшению трудоемкости задач, решаемых в рамках предлагаемого подхода;
• на основе анализа контекстов на этапе построения модели обеспечивается более детальный контроль корректности ее структуры, состава и правильности подключения расчетных модулей;
• на этапе имитации путем сопоставления незапланированных запросов и контекстных ограничений отслеживаются некорректные обращения к БД системы моделирования.
Трансляция контекстных ограничений в запросы к БД системы моделирования обеспечивает возможность контролировать корректность данных моделирования путем оценки результатов запросов. Реляционная БД системы моделирования - это конечное множество таблиц. Таблица состоит из схемы и конкретных данных, где схема - конечный набор атрибутов, причем каждому атрибуту соответствует множество значений, называемое доменом. Задача оценки запроса (точнее, конъюнктивного запроса) над БД соответствует конкретному примеру задачи удовлетворения ограничений [9], что достигается простой заменой терминов: “атрибуты” заменяются на “переменные”, “таблицы” и “запросы” - на “ограничения”, “домены” - на “области возможных значений переменных”.
С целью ускорения исполнения запросов к БД происходит их предварительное преобразование, обеспечивающее сужение области поиска за счет анализа внутренней структуры запроса. Такой анализ также сводится к решению задачи удовлетворения ограничений.
Применение контекстно-ориентированного подхода к обработке ограничений позволило объединить преимущества таких направлений, как ситуационное концептуальное моделирование и программирование в ограничениях (constraints programming), а также реализовать эти преимущества при автоматизации контроля корректности процесса моделирования.
Далее более подробно обсудим особенности интеллектуальной технологии моделирования сложных нестационарных объектов с иерархической структурой, которая основана на 82
применении методов контекстно-ориентированного управления ограничениями в ситуационном концептуальном моделировании организационно-технических систем. Технология ориентирована на решение с единых позиций задач стратегического планирования, оперативного управления, а также автоматизации контроля корректности процесса моделирования.
Интеллектуальная технология моделирования сложных организационно-технических объектов
Основные отличия методов контекстно-ориентированного управления при решении задач поддержки принятия решений в ССКМ от проблематики работ [1, 7] таковы:
■ в ходе классификации ситуаций необходимо подтвердить или опровергнуть гипотезу о соответствии поведения моделируемой системы и ее текущей модели. Если выявлено несоответствие, то необходимо принять решение о выборе новой текущей модели из заданного набора моделей, отображающих различные возможные варианты изменения структуры моделируемой системы. Изменения могут быть вызваны как штатными, так и нештатными воздействиями на систему, в последнем случае требуется дополнительно определить меры по минимизации ущерба, что может быть реализовано на основе известных методов [2];
■ после выбора текущей модели требуется выявить предпочтения ЛПР по тенденции будущего поведения системы и предложить ему вариант(ы) изменения существующей структуры системы, в максимальной степени реализующие эти предпочтения, а также при необходимости провести имитацию предложенных вариантов.
Другими словами, система моделирования должна обладать средствами оперативной (в процессе имитации) реконфигурации структуры модели для обеспечения ее катастрофоустойчивости [6].
Процедура инкрементного ситуационного моделирования с применением представленного контекстного подхода состоит из перечисленных ниже этапов [2].
1. Мониторинг ситуации на моделируемой системе по обобщенному критерию качества [2] объекта, на котором находится ЛПР.
2. Детектирование изменений с учетом контекстных ограничений в целях выявления подобъекта, являющего первопричиной проблемы.
3. Классификация ситуации на проблемном объекте.
4. Выявление класса желательных ситуаций на этом объекте с точки зрения ЛПР.
5. Анализ чувствительности с целью поиска точек воздействия.
6. Выработка управляющих решений (с учетом контекстов).
7. Корректировка контекстов для поддержания их релевантности по отношению к текущей ситуации.
При невозможности выбора единственной структуры на этапе выработки управляющих решений, имеющиеся альтернативы могут исследоваться в имитационном режиме согласно сценариям, представляющим собой последовательность достаточных ситуаций и определяющим конкретный вариант расчета.
Описанные этапы моделирования обеспечивают решение задач стратегического и оперативного планирования. При стратегическом планировании в данном случае вырабатывается последовательность переключений между альтернативными вариантами структуры исследуемого объекта в зависимости от складывающейся на данном объекте обстановки. Задача же оперативного управления сводится к формированию управляющих воздействий внутри выбранной структуры при возникновении возмущений.
В настоящее время для решения задач стратегического планирования в рамках ССКМ предпринимаются попытки интеграции предложенной технологии ситуационного управления и технологии управления структурной динамикой полимодельных комплексов, описанной в [6].
Для детектирования возмущающих воздействий (возмущенного узла системы) при решении задачи оперативного управления применяются нейросетевые технологии и разработан градиентный метод координации децентрализованного управления иерархическими и сетевыми структурами [10]. Применение контекстно-ориентированного подхода при решении этой задачи обусловлено необходимостью учитывать нелинейность исследуемых объектов, ввиду чего координирующие воздействия для группы возмущенных узлов не равны сумме координирующих воздействий, подаваемых на отдельные узлы системы, а зависят от окружения этих узлов.
Представленная интеллектуальная технология позволяет производить поиск аналогий при не полностью определенных ситуациях, исследовать вопросы координации управления с учетом организационной структуры объекта, автоматизировать генерацию моделей для решения новых задач управления объектом на основе частных моделей, созданных экспертами для составных частей объекта.
Заключение
Совместное использование контекстно-ориентированного подхода, представленного в настоящей работе и реализующего концепцию программирования в ограничениях (constraints programming), а также методов концептуального моделирования сложных объектов, дало возможность значительно повысить эффективность и оперативность принятия решений по управлению гибкими дискретными системами в условиях меняющейся обстановки и, в конечном счете, обеспечить их катастрофоустойчивость. Оперативный анализ контекстов позволил унифицировать контроль ошибок при описании пользователем структуры иерархической модели, подключении расчетных модулей, некорректном обращении к данным, а также упростить детектирование возмущений и сократить перебор в ходе моделирования.
Исследования проводились при поддержке
(проекты №№ 13-07-00318-а, 12-07-00689-a, 12-07-000550-a, 12-07-00302-а, 11-08-00641-а), Президиума РАН (проект 4.3 Программы № 15), ОНИТ РАН (проект 2.3 в рамках текущей Программы фундаментальных научных исследований).
ЛИТЕРАТУРА
1. Бржезовский А.В. Синтез моделей вычислительного эксперимента / А.В. Бржезовский и др. СПб.: Наука, 1992. 231 с. 2. Фридман, А.Я. Ситуационное моделирование природно-технических комплексов / А.Я. Фридман, О.В. Фридман, А.А. Зуенко. СПб.: Изд. Политехнического ун-та, 2010. 436 с. 3. Тыугу Э.Х. Концептуальное программирование. М.: Наука, 1984. 255 с. 4. Бусленко Н.П. Лекции по теории сложных систем / Н.П. Бусленко,
В.В. Калашников, И.Н. Коваленко. М.: Сов. радио, 1993. 439 с. 5. Месарович М. Теория иерархических многоуровневых систем / М. Месарович, Д. Мако, И. Такахара. М.: Мир, 1993. 344 с. 6. Охтилев М.Ю. Интеллектуальные технологии мониторинга и управления структурной динамикой сложных технических объектов / М.Ю. Охтилев, Б.В. Соколов, Р.М. Юсупов. М.: Наука, 2006. 410 с. 7. Smirnov A. Context-Driven Decision Support for Megadisaster Relief / A. Smirnov, T. Levashova , N. Shilov // Journal of Emergency Management. Prime National Publishing Corporation, September / October, 2006. Vol. 4-5. P. 51-56. 8. Зуенко А.А. Контекстный подход в системах сопровождения открытых моделей предметной области / А.А. Зуенко, А.Я. Фридман // Искусственный интеллект и принятие решений. 2008. № 3. С. 41-51. 9. Рассел С. Искусственный интеллект: современный подход, 2-е изд.: пер. с англ. / С. Рассел, П. Норвиг. М.: Издательский дом "Вильямс", 2006. 1408 с. 10. Фридман А. Координация иерархических организационных систем: игровой и градиентный подходы / А. Фридман, О. Фридман, В. Зеленцов // Проблемы теории и практики управления. 2011. № 6. С. 14-22.
Сведения об авторах
Зуенко Александр Анатольевич - к.т.н., н.с.; e-mail: [email protected]
Фридман Александр Яковлевич - д.т.н., профессор, зав. лаб.; e-mail: [email protected]
