CC BY
68
УДК 004.8:656.01
МЕТОДИЧЕСКИЕ ПРИНЦИПЫ ПОСТРОЕНИЯ И АРХИТЕКТУРА МНОГОАГЕНТНОЙ ИНТЕЛЛЕКТУАЛЬНОЙ ТРАНСПОРТНО-ЛОГИСТИЧЕСКОЙ СИСТЕМЫ
Л.В.Массель1, А.А.Лемперт2, А.Г.Массель3, Д.А.Фартышев4
1,3,4Институт систем энергетики им. Л.А. Мелентьева СО РАН, 664033, г. Иркутск, ул. Лермонтова, 130. 2Институт динамики систем и теории управления СО РАН, 664033, г. Иркутск, ул. Лермонтова, 134.
и3Национальный исследовательский Иркутский государственный технический университет, 664074, г. Иркутск, ул. Лермонтова, 83.
Определены особенности транспортно-логистической системы России в сравнении с зарубежными. Авторами предложены методические принципы построения и архитектура многоагентной интеллектуальной транспортно -логистической системы (МИТЛС) на основе методов событийного моделирования с учетом российской специфики. Разработаны методика построения МИТЛС и концептуальная модель многоагентной интеллектуальной системы, выделены как системные, так и предметно-ориентированные компоненты. Выделены уровни агентов и установлено их количество на каждом уровне. Описаны основные агенты и определены их функции. Ил. 3. Библиогр. 11 назв.
Ключевые слова: когнитивное моделирование; событийное моделирование; информационные технологии; математическая модель; транспортная логистика.
METHODICAL CONSTRUCTION PRINCIPLES AND THE ARCHITECTURE OF THE MULTI-AGENT INTELLIGENT
TRANSPORTATION AND LOGISTICS SYSTEM
L.V. Massel, A.A. Lempert, A.G. Massel, D. A. Fartyshev
Institute of Energy Systems named after L.A. Melentiev SB RAS,
130 Lemontov St., Irkutsk, 664033.
Institute of System Dynamics and Control Theory SB RAS,
134 Lemontov St., Irkutsk, 664033.
National Research Irkutsk State Technical University,
83 Lermontov St., Irkutsk, 664074.
The features of the Russian transportation and logistics system are determined in comparison with foreign ones. The authors propose methodical construction principles and the architecture of the multi-agent intelligent transportation and logistics system (MITLS) based on the methods of event simulation with regard to the Russian specificity. They develop the methodology of MITLS construction and a conceptual model of the multi-agent intelligent system; identify both system and object-oriented components; specify the levels of agents and their number at each level; describe the main agents and determine their functions. 3 figures. 11 sources.
Key words: cognitive modeling; event simulation; information technologies; mathematical model; transportation logistics.
Введение
В соответствии с «Транспортной стратегией Российской Федерации на период до 2020 года»5 основным направлением совершенствования транспортных технологий в сфере грузодвижения становится интеграция производственных и транспортных процессов на принципах транспортной логистики. С этой целью должны быть созданы мультимодальные логистиче-
ские центры и транспортные операторы, способствующие комплексной информатизации транспортного процесса. Одним из основных направлений развития конкуренции на рынке транспортных услуг является развитие транспортной логистики, а также современных информационных технологий в сфере транспорта. В связи с этим, разработка интеллектуальной системы, которая позволяет осуществлять поддержку при-
1Массель Людмила Васильевна, доктор технических наук, заведующая лабораторией информационных технологий в энергетике, тел.: (3952) 429619, e-mail: [email protected]
Massel Lyudmila, Doctor of technical sciences, Head of the Laboratory of Information Technologies in Power Engineering, tel.: (3952) 429619, e-mail: [email protected]
2Лемперт Анна Ананьевна, кандидат физико-математических наук, научный сотрудник, тел.: (3952) 453030, e-mail: [email protected]
Lempert Anna, Candidate of Physico-Mathematical sciences, Research worker, tel.: (3952) 453030, e-mail: [email protected]
3Массель Алексей Геннадьевич, кандидат технических наук, младший научный сотрудник, тел.: (3952) 500646 доб.408, e-mail: [email protected]
Massel Aleksei, Candidate of technical sciences, Junior researcher, tel.: (3952) 500646 dob.408, e-mail: [email protected]
4Фартышев Денис Александрович, кандидат технических наук, инженер, тел.: (3952) 500646 доб.408, e-mail: [email protected]
Fartyshev Denis, Candidate of technical sciences, Engineer, tel.: (3952) 500646 add.408, e-mail: [email protected]
5Утверждена Приказом Министерства транспорта РФ от 12 мая 2005 г, № 45.
нятия решений при управлении сложными современными транспортно-логистическими структурами, является весьма актуальной задачей, интересной как с научной, так и с практической точки зрения.
С учетом специфики российских транспортных систем, для создания программного обеспечения, отвечающего требованиям современных информационных технологий, авторам представляется наиболее подходящим применение многоагентного подхода к разработке программных систем. При создании системы производится интегрированное применение интеллектуальных информационных технологий и сложных аналитических (как динамических, так и стохастических) моделей [1,2].
В статье авторами предлагается архитектура мно-гоагентной интеллектуальной транспортно-логистической системы, приводится описание ее структуры, основных компонентов (агентов) и их назначения.
Особенности транспортно-логистической системы России
К началу XXI века в современных развитых странах произошло перемещение значительной доли грузопотоков с железнодорожного транспорта на автомобильный, причем в США и Канаде их доли практически сравнялись, а в странах Западной Европы 25% грузооборота приходится на железнодорожный транспорт, 40% - на автомобильный. Впрочем, в последнее время по причине большей экономичности и экологической безопасности железных дорог предпринимаются определенные попытки изменить сложившиеся тенденции.
В России традиционно и по сей день железнодорожный транспорт играет основополагающую роль в системе грузоперевозок. Так, с его помощью выполняется около 60% от общего объема грузовых перевозок транспортом общего пользования или более 80% общего грузооборота всех видов транспорта (без учета трубопроводного). Это обусловлено тем, что, во-первых, в нашей стране (особенно в ее восточной части) практически отсутствуют автомобильные дороги, удовлетворяющие современным требованиям; во-вторых, для России характерны очень большие расстояния, неоднородность населенности территорий и их природных условий. Указанные обстоятельства не позволяют механически перенести существующий зарубежный опыт в нашу страну, а также диктуют необходимость усиления конкуренции на железнодорожном транспорте (что в настоящее время осуществляется в рамках реформы ОАО РЖД, например, передача подвижного состава в частные руки), а также внедрение гибких интеллектуальных систем управления. Один из возможных подходов к созданию подобной системы предлагается ниже.
Методические принципы построения много-агентной интеллектуальной логистической системы
Для создания многоагентной интеллектуальной транспортно-логистической системы (МИТЛС), учитывающей указанные выше особенности российского транспорта, производится интеграция разнородных
компонентов (программных комплексов, ГИС, баз данных и знаний), а также объединение методов и технологий ситуационного анализа, математического моделирования, вычислительного эксперимента для моделирования транспортных потоков.
При разработке методических принципов построения многоагентной интеллектуальной логистической системы используются понятия ситуационного анализа и ситуационного управления [3]. Ключевым в теории ситуационного анализа является понятие «ситуация». Основываясь на анализе используемых в этой области понятий и определений, будем понимать под ситуацией совокупность обстоятельств, определяющих внутреннее состояние объекта или системы, и обстоятельств, определяющих состояние окружающей среды по отношению к данному объекту или системе. Первые описываются параметрами, характеризующими состояние системы, вторые - условиями окружающей среды или существенными факторами, влияющими на развитие системы.
Задачей ситуационного анализа является выявление параметров и существенных факторов, или «обстоятельств», определяющих ситуацию, взаимосвязей между факторами и степени их взаимовлияния.
При реализации ситуационного управления выделяют ряд этапов: оценка обстановки; определение целей; определение методов решения; оценка возможных методов решения; принятие решения; реализация решения.
При оценке обстановки выполняется ее идентификация, определение ряда факторов (ситуационных переменных), которые ее формируют, и ограничений, которые накладываются. После определения ситуации делается вывод о ее классе для определения метода решения. Анализ существующих подходов к формированию методов решения показывает, что главным признаком, определяющим суть подхода, является частота возможного появления проблемной ситуации [4]. Проблемной ситуацией называется ситуация, в которой фактическое значение одного или множества факторов отличается от эталонного или прогнозируемого.
При построении многоагентной интеллектуальной транспортно-логистической системы основными являются три вида обеспечения: математическое, информационное и программно-аналитическое.
Предметом особого внимания является программно-аналитическое обеспечение. На этот вид обеспечения возлагаются такие функции, как:
• анализ статистических данных;
• формирование причинно-следственных отношений с целью определения причин возникновения ситуации;
• выбор модели для исследования ситуации;
• прогнозирование транспортных потоков;
• определение и оценка альтернатив управленческих решений;
• обоснование принятого решения.
В зависимости от существующих данных и типа процессов (формализуемые или слабоформализуе-мые) должны быть выбраны модели, на которых будут
проводиться дальнейшие исследования. Реализуемая система предусматривает использование таких моделей для слабоформализуемых ситуаций, как онтологии, когнитивные карты и событийные модели, основанные на использовании одного из видов алгебраических сетей - Joiner-сетей.
Онтологии - базы знаний специального вида, включающие описание концептов-сущностей и отношений между ними, которые могут быть представлены как в графическом виде, так и в нотациях специализированных языков, например, XML. Когнитивная карта -это ориентированный граф, вершины которого соответствуют факторам, определяющим ситуацию, а ориентированные ребра - причинно-следственным связям между факторами. Различное обозначение факторов, ребер между ними и интерпретация связей порождают модификации когнитивных карт.
Событийные модели основаны на использовании теории Joiner-сетей, разработанной Л.Н.Столяровым и его учениками [5]. Joiner-сети являются расширением сетей Петри, отличающимся введением специального вида пусковых и флаговых функций, формируемых из произвольных булевых функций. Всякую алгебраическую сеть можно в общем виде представить как некоторую Joiner-сеть, имеющую два типа вершин (процессы и позиции) и связи между ними.
Joiner-сети позволяют описывать взаимодействие процессов в асинхронных системах. В событийных моделях ситуация описывается сетью, представляющей собой совокупность процессов изменения факторов и набора неких событий, сигнализирующих о характере этих изменений. Процессы связываются между собою с помощью входных и выходных событий. Выходные события одного процесса могут являться входными, иначе говоря - инициирующими запуск, событиями для другого [6].
При разработке МИТЛС выделяются как системные, так и предметно-ориентированные компоненты (ориентированные на прикладную область). Системные компоненты определяются методикой построения многоагентных программных комплексов, которая будет рассмотрена ниже.
Авторами выделены три основных типа предметно-ориентированных компонентов (рис. 1): компонент сбора данных; компоненты аналитической обработки; компонент представления информации.
Компонент сбора данных отвечает за сбор, хранение и поиск статистических данных, а также за хранение эталонных значений. Этот компонент рассматривается как ядро агента, к которому посредством определенных интерфейсов осуществляется доступ других агентов.
Компоненты аналитической обработки, в свою очередь, включают:
• Компонент анализа данных - предназначен для проверки данных на полноту, достаточность и непротиворечивость, а также выполнения сравнения текущих показателей с эталонными.
• Компонент выбора моделей - предназначен для хранения моделей, создания новых моделей (автоматически по существующим данным, создания но-
вой модели экспертом, создания новой модели на основе существующих), конфигурирования моделей (изменения их параметров), оценки адекватности моделей (автоматически по статистическим данным или экспертом).
• Компонент когнитивного моделирования -предназначен для экспресс-анализа ситуаций и быстрой выработки решения с помощью построения когнитивных карт. Данный метод, в частности, успешно апробирован в исследованиях направлений развития топливно-энергетического комплекса с учетом требований энергетической безопасности [7].
Рис. 1. Структура основных компонентов
• Компонент вероятностных моделей, компонент статических моделей, компонент динамических моделей - предназначены для непосредственных расчетов и более детального анализа транспортно-логистических задач. В зависимости от выбранной задачи определяется и компонент, направленный на решение этой задачи [8, 9].
• Компонент выработки решений - позволит найти, подготовить и провести обоснование таких управленческих решений, которые необходимы для достижения цели. Основными функциями агента являются хранение решений, выработка новых решений (как на основе модели, так и на основе знаний эксперта), оценка управленческих решений.
• Компонент представления и визуализации информации. Основной задачей данного компонента является подготовка документов для лица, принимающего решение. Предназначен для представления информации в эффективном виде, поэтому должен осуществлять преобразование данных, например, из текстового в графический вид, построение графиков, создание анимации или отображение с применением ГИС-технологий и 3й-геомоделирования. Также агент должен иметь возможности по представлению информации на нескольких экранах, сенсорных панелей и др.
Методика построения МИТЛС
На схеме (рис. 2) представлена методика построения и разработки МИТЛС. Из схемы видно, что после выполнения некоторых этапов методики возможен возврат на предыдущие этапы.
Количество агентов на каждом уровне ограничено ресурсами и конфигурацией системы.
Компоненты, указанные на рис.1, могут быть реализованы в виде агентов и отображены на концептуальную модель. В настоящее время авторы уже располагают прототипами, на основе которых можно разрабатывать соответствующие компоненты (агенты). Перечисленные выше компоненты (см. рис. 1) могут быть соотнесены со следующими уровнями:
• уровень взаимодействия с пользователем -компонент представления и визуализации информации;
• уровень поиска и сбора данных - компонент сбора данных;
• уровень классификации данных и уровень анализа и обработки данных - компоненты аналитической обработки.
Рис. 2. Методика построения и разработки МИТЛС
Предложенная методика, в частности, позволяет учитывать особенности российских транспортно-логистических систем за счет выбора архитектур агентов, выделения взаимосвязей между агентами и определения их действий.
Состав агентов и архитектура МИТЛС Предлагается концептуальная модель много-агентной интеллектуальной системы, в которой выделены репозитарий знаний и четыре уровня: взаимодействие с пользователем, поиск и сбор данных, классификация и первичное преобразование данных, а также непосредственный анализ данных (рис. 3) [10].
При реализации МИТЛС в качестве ключевой технологии предлагается сервис-ориентированная архитектура (БОЛ), которая, в частности, использовалась при создании ИТ-инфраструктуры исследований в энергетике [11]. Концепция создания программ, которые могут существовать автономно или взаимодействовать друг с другом в рамках как отдельно выделенной системы, так и с внешними информационными системами, прекрасно сочетается с техническими возможностями, которые предоставляет SOA.
В основе создания МИТЛС лежит распределение функций между отдельными агентами. Такая система,
Рис. 3. Концептуальная модель многоагентной интеллектуальной системы
по сути, представляет собой совокупность интеллектуальных и традиционных компонентов (агентов), каждый из которых решает свою задачу. Есть основания полагать, что реализация агентов в виде Web-сервисов на основе SOA может рассматриваться как основа современного и эффективного решения для построения МИТЛС.
Заключение
В статье авторами предложен концептуальный подход к построению многоагентной транспортно-логистической системы (МИТЛС) с учетом российской специфики, включающий использование технологий ситуационного анализа (на основе сетей Петри специ-
ального вида - ^тег-сетей), математического моделирования (как стохастического, так и детерминированного), вычислительного эксперимента для моделирования транспортных потоков. В рамках предложенного подхода выделены предметно-ориентированные компоненты МИТЛС, установлен состав агентов, определена их архитектура. Проведенное исследование развивает и дополняет результаты, полученные авторами ранее при исследовании проблем энергетической безопасности.
Работа выполнена при поддержке РФФИ, проекты №11-07-00245, 10-07-00264, 11-07-00192.
Библиографический список
1. Казаков А.Л., Петров М.Б., Маслов А.М. Особенности формирования грузо- и вагонопотоков в региональной транспортной системе в условиях многоагентной организации железнодорожного транспорта // Экономика региона. 2011. № 3. С. 184-193.
2. Рассел С., Норвиг П. Интеллектуальные агенты // Искусственный интеллект: современный подход. М.: Изд. Дом Вильямс, 2006. С. 75-108.
3. Поспелов Д.А. Ситуационное управление: теория и практика. М.: Наука, 1986. 288 с.
4. Федулов Ю.Г., Юсов А.Б. Социальная политика: формализация, измерение, прогнозирование. М.: Изд-во ООО «Агентство социальный проект», 2007. 384 с.
5. Столяров Л.Н., Новик К.В. Joiner-сеть для моделирования взаимодействующих параллельных процессов // Моделирование процессов управления: сб. научных трудов. Моск. физ.-тех.. ин-т. М., 2004. С. 81-97.
6. Массель Л.В., Копайгородский А.Н., Аршинский В.Л. Построение интеллектуальных систем для исследований энергетики на основе алгебраических сетей и онтологий: подход и реализация // Вычислительные технологии. 2008. Т.13. Спецвыпуск 1. С. 50-58.
7. Массель А.Г. Когнитивное моделирование угроз энергетической безопасности // Горный информационно-
аналитический бюллетень (научно-технический журнал), отдельный выпуск №17. М.: Изд-во «Горная книга», 2010. С. 194-199.
8. Казаков А.Л., Маслов А.М. Построение модели неравномерного транспортного потока на примере железнодорожной грузовой станции // Современные технологии. Системный анализ. Моделирование. Иркутск, 2009. №3. С. 27-32.
9. Казаков А.Л. , Лемперт А.А. , Бухаров Д.С. Об одном численном методе решения некоторых задач оптимизации, возникающих в транспортной логистике // Вестник ИрГТУ. 2011. №6 (53). С. 6-12.
10. Фартышев Д.А., Черноусова Е.С., Черноусов А.В. Подход к разработке многоагентной распределенной интеллектуальной информационной системы для исследований в энергетике // Вычислительные технологии. Т. 13: Специальный выпуск №1: мат. XII Байкальской всеросс. конф. с меж-дунар. участием «Информационные и математические технологии в науке и управлении» (02.11.2008). Иркутск, 2007. С. 108-115.
11. Массель Л.В. Сервис-ориентированная архитектура (SOA) как основа создания ИТ-инфраструктуры системных исследований в энергетике // Винеровские чтения: мат. научн.-практ. конф. Иркутск: Изд-во ИрГТУ, 2005. С. 27-33.
