CC BY
375
УДК 519.72
ОСОБЕННОСТИ ПОСТРОЕНИЯ ИНФОРМАЦИОННЫХ СИСТЕМ С ИСПОЛЬЗОВАНИЕМ
МУЛЬТИАГЕНТНЫХ ТЕХНОЛОГИЙ
С.Е. Ландсберг, А.А. Хованских
В статье рассматриваются понятия агента, мультиагентной системы, рассмотрены основные виды агентных архитектур, а также обобщенный подход к построению распределенных интеллектуальных информационных систем с использованием мультиагентных технологий
Ключевые слова: агент, мультиагентная система, архитектура, технология
В настоящее время среди различных направлений искусственного интеллекта и информационных технологий одно из ведущих мест занимают исследования, называемые мультиагентными системами (МАС). Проблематика искусственных агентов и мультиагент-ных систем основывается на достижениях, полученных в рамках работ по распределенному искусственному интеллекту (DAI), распределенному решению задач (DPS) и параллельному искусственному интеллекту (PAI) [1].
В последнее время становится актуальной задача проектирования различных информационных социально-экономических систем при помощи мультиагентных технологий, которыми сейчас занимаются многие учреждения нашей страны и за рубежом.
Базовым понятием, лежащим в основе мультиагентных технологий, является понятие агента. Агент - сущность, которая может воспринимать окружающую среду посредством рецепторов и взаимодействовать с ней. Другими словами агент - сущность, способная к восприятию внешней среды посредством датчиков, и воздействию на внешнюю среду посредством исполнительных механизмов. Среди основных свойств агента можно выделить следующие:
- полуавтономность, т. е. способность агента действовать без прямого вмешательства людей и контролировать свои собственные действия и внутреннее состояние, и, в то же время, пользователю предоставляется возможность управления уровнями автономности агента;
- чувствительность, т.е. способность агента воспринимать через сенсоры свою среду и своевременно реагировать на изменения в ней;
Ландсберг Сергей Евгеньевич - ВГТУ, д-р техн. наук, профессор, e-mail: [email protected] Хованских Александр Анатольевич - ВГТУ, аспирант, e-mail: [email protected]
- активность, т.е. способность агента реагировать на воздействия своей среды, уметь предвидеть ситуации, действовать с упреждением и целеустремленно, брать на себя инициативу там, где это целесообразно;
- социальность, т.е. способность агента общаться с другими агентами и людьми-экспертами, чтобы решать свою задачу и помогать партнерам решать их задачи.
Как было отмечено выше, каждый агент имеет собственную цель. Группа агентов, которые имеют одинаковые цели, объединяется в общий класс агентов, называемый мультиа-гентной системой. Мультиагентные системы строятся из множества взаимодействующих агентов и интегрируют в себе достижения последних десятилетий в сфере искусственного интеллекта и параллельных вычислений.
МАС могут включать в себя различные типы агентов. Традиционно архитектуры искусственных агентов делятся на три группы: реактивные, делиберативные и гибридные агентные архитектуры.
Реактивные агентные архитектуры не используют внутренней модели внешнего мира, характеризующейся классическим искусственным интеллектом. Внутренняя структура реактивного агента представляет собой правила типа «ситуация-действие», каждое из которых выбирается исходя из текущей ситуации.
Делиберативные агентные архитектуры представляют собой классический подход к построению агентов. Архитектура данных агентов основывается на использовании принципов и методов систем искусственного интеллекта, основанных на знаниях.
Наконец, гибридные агентные архитектуры сочетают в себе возможности обоих вышеуказанных подходов.
В отличие от систем на основе реактивных агентов, системы, содержащие делибера-тивные и гибридные агенты, способны к самоорганизации. В таких синергетических системах управление является полицентрическим,
т.е. относительно автономные агенты упорядочиваются в динамическую сеть, и, в свою очередь, иерархия составных частей системы генерируется самой системой. При этом учитываются все альтернативные варианты решения поставленной перед агентами задачи, решение постоянно изменяется, что, в итоге, приводит к нахождению решения задачи. В самоорганизующихся системах, как правило, внешняя среда структурирует систему, а параметры системы генерируются самой системой, т.е. происходит самонастройка системы.
В настоящее время предметом исследований большинства современных разработчиков информационных систем являются методы и подходы к построению распределенных интеллектуальных информационных систем, предусматривающих возможности их адаптации к конкретной предметной области, и, в свою очередь, создание нового инструментария для исследований и разработки таких систем [2].
Следует отметить, что наряду с вышеизложенным актуальным является обеспечение возможности интеграции в рамках одной информационной системы различных информационных технологий и разнородных компонентов, например, базы данных и знаний, геоинформационные системы, системы математического, имитационного и ситуационного моделирования и т. д.
Для создания таких систем использование мультиагентных технологий является лучшим методом решения данного рода задач. Как было отмечено выше, основой агентного подхода является принцип разделения информационной системы на отдельные компоненты, являющиеся интеллектуальными агентами, автономно функционирующими и обладающими целенаправленным поведением.
Для представления знаний и обучения интеллектуальных агентов в интеллектуальных системах можно использовать онтологии. Обычно они описывают понятия предметной области, которые необходимы агентам для детализации параметров и переменных сценариев своих поведений. Обычно в процессе взаимодействия программных агентов в сети интернет, онтология представляет собой иерархию понятий предметной области и связей между ними, в соответствии с множеством гипертекстовых ссылок на web-документы, привязанные к этим понятиям [3]. Данная идея применяется при реализации работ, проводимых в рамках концепции Semantic Web. В онтологии должны выражаться смысловые аспекты взаимодействия агентов, поэтому ее обычно интерпрети-
руют как тезаурус с размеченными семантическими связями.
Формальная модель онтологии представляется в виде интегрированной упорядоченной совокупности конечных множеств:
O = {U, R, F}, где:
U - множество понятий предметной области;
R - множество нечетких отношений между понятиями предметной области;
F - множество функций интерпретации, заданных на понятиях и/или отношениях онтологии O .
Онтология предметной области обычно характеризует интеллектуальные свойства агентов, т.е. чем точнее и корректнее построена онтология с обозначенными связями между понятиями, тем полнее агент представляет предметную область, для которой он существует.
Для описания знаний агентов используются специализированные средства построения онтологий, а также применяются специальные стандартизированные языки онтологий, например RDF/OWL, которые сами по себе строятся на основе синтаксиса стандарта XML. Использование специализированных языков разметки в мультиагентных информационных системах позволяет решить ряд задач, таких как, например, реализация контекстного поиска информации в локальных и глобальных сетях, унификация передаваемой информации, обеспечение эффективного метода хранения данных и знаний и т. д.
Методика проектирования мультиагентых систем опирается на принцип распределения функций между всеми агентами системы. Такая система, по своей сути, представляет собой совокупность отдельных интеллектуальных систем, каждая из которых решает свою задачу в соответствии с принципом распределенного решения задач.
При решении сложных задач с помощью мультиагентного подхода часто существует необходимость в разбиении ее на подзадачи, которые поручаются отдельным агентам. Множество агентов системы могут интерпретировать задачу с различных точек зрения, и затем интегрировать полученные результаты. В частности, функциональное распределение прикладных программ позволяет устранить множество недостатков классических экспертных систем. В них централизация знаний в единой базе знаний порождает проблемы полноты и непротиворечивости. При этом добавление новых знаний часто приводит к нарушениям согласованности знаний. С точки зрения мультиагент-
ного подхода агент в распределенной интеллектуальной системе может рассматриваться без учета характеристик других агентов, и проблема непротиворечивости знаний уступает место задачам обеспечения кооперации и коммуникации агентов.
Двумя важнейшими аспектами распределенного искусственного интеллекта являются распределение задач между агентами и объединение результатов. Так на этапе декомпозиции задачи обычно выделяется агент, способный провести разбиение задачи на подзадачи, но, в свою очередь, не способный найти их решения ввиду ограничений предоставляемых ресурсов. После получения частных результатов, обычно перед данным агентом встает задача их согласования и интеграции.
Здесь основными критериями эффективности распределенного решения задачи являются время решения и соответствие подзадачи возможностям конкретного агента-исполнителя. При наличии некоторого несоответствия агент-исполнитель может провести дальнейшую декомпозицию задачи, обратиться за помощью к другим агентам-исполнителям и т.п.
При построении распределенной муль-тиагентной системы в качестве агентов-исполнителей при распределении задач можно использовать динамические (мобильные) агенты - вычислительные процессы, способные к перемещению по сети (интернет/интранет), взаимодействию с внешними хостами, сбору информации от имени пользователя и возвращению ее пользователю после выполнения назначенных им обязанностей. Мобильные агенты принадлежат к типу удаленно исполняемых программ.
В заключении следует отметить, что данная статья отражает общий подход к проектированию и реализации распределенных интеллектуальных информационных систем с использованием мультиагентных технологий. Основные преимущества от применения вышеуказанных подходов можно получить для различных предметных областей, таких как электронное обучение, электронная коммерция, ло-
гистика, а также в сферах общественного и ассоциативного обслуживания, где важным фактором является распараллеливание задач и взаимодействие агентов для достижения поставленных пользователем целей.
Литература
1. Городецкий В.И., Грушинский М.С, Хабалов А.В. Многоагентные системы // Новости искусственного интеллекта, 1998. - № 2. - С. 28-29.
2. Фартышев Д.А., Черноусова Е.С., Черноусов А.В. Подход к разработке мультиагентной распределенной интеллектуальной информационной системы для исследований энергетики / VIII Всероссийская конференция молодых ученых по математическому моделированию и информационным технологиям, Новосибирск, 2007.
3. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. - М.: Эдиториал УРСС, 2002.
4. Ландсберг С.Е. Некоторые аспекты проектирования мультиагентных систем с использованием языка UML [Текст] / С.Е. Ландсберг, А.А. Хованских // Вестник Воронежского государственного технического университета. - 2012. - Т. 8. - № 9. - С. 4-8.
5. Ландсберг С.Е., Хованских А.А. Основы агентов и многоагентных систем // Оптимизация и моделирование в автоматизированных системах: межвуз. сб. науч. тр. Воронеж: ГОУВПО ВГТУ, С. 151-156
6. Владимирская Е.Н. Особенности разработки мультиагентных систем на основе платформы Jade в рамках парадигмы Semantic Web / Сб. матер. Междунар. науч.-практ. конф. Минск, - Мн.: Институт математики НАН Беларуси, 2009. - 112 с
7. Основина О. Н. Мультиагентная система оценки и прогнозирования надежности АСУ // Труды II школы-семинара молодых ученых «Управление большими системами». Воронеж, 2007. - С. 168-176.
8. Леденева Т.М. Системы искусственного интеллекта и принятия решений: учеб. пособие / Т. М. Ледене-ва, С. Л. Подвальный, В. И. Васильев. Уфа, 2005
9. Подвальный, С.Л. Интеллектуальные системы моделирования: принципы разработки [Текст] / С.Л. Подвальный, Т.М. Леденева // Системы управления и информационные технологии. - 2013. - № 1(51). - С. 4-10
10. Барабанов В.Ф., Интерактивные средства моделирования сложных технологических процессов /В.Ф. Барабанов, С.Л. Подвальный. Воронеж, 2000.
11. Имитационное управление технологическими объектами с гибкой структурой / С.Л. Подвальный, В.Л. Бурковский. Воронеж, 1988.
Воронежский государственный технический университет
FEATURES OF CONSTRUCTION INFORMATION SYSTEMS BY USING MULTIAGENT TECHNOLOGIES
S.E. Landsberg, A.A. Khovanskikh
The article examines the concepts of agent, multi-agent system, the basic types of agent-based architectures, as well as a generalized approach to building distributed intelligent information systems using multi-agent technologies
Key words: agent, multi-agent system architecture, technology
