CC BY
37
УДК 528.2:528.4
ПРИМЕНЕНИЕ МУЛЬТИАГЕНТНОГО ПОДХОДА ДЛЯ ОПРЕДЕЛЕНИЯ ПРОСТРАНСТВЕННО-ВРЕМЕННОГО СОСТОЯНИЯ ТЕХНОГЕННЫХ СИСТЕМ
Татьяна Юрьевна Бугакова
Сибирский государственный университет геосистем и технологий, 630108, Россия, г. Новосибирск, ул. Плахотного, 10, кандидат технических наук, зав. кафедрой прикладной информатики и информационных систем, тел. (913)987-01-42, e-mail: [email protected]
Артем Андреевич Шарапов
Сибирский государственный университет геосистем и технологий, 630108, Россия, г. Новосибирск, ул. Плахотного, 10, аспирант, тел. (953)785-54-99, e-mail: [email protected]
В статье выполнен анализ современных технологий, используемых при мониторинге состояний техногенных систем (ТС). Рассмотрена возможность применения мультиагентного подхода для определения пространственно-временного состояния ТС. Приведен пример разработки интеллектуального агента мультиагентной системы для решения задачи выбора оптимального варианта изменения пространственно-временного состояния ТС.
Ключевые слова: пространственно-временное состояние объекта, мультиагентная система, интеллектуальные агенты.
APPLICATION OF MULTI-AGENT APPROACH FOR DETERMINING THE SPACE-TIME STATE TECHNOGENIC SYSTEMS
Tatiana Yu. Bugakova
Sibirian State University of Geosystems and Technology, 630108, Russia, Novosibirsk, 10 Plakhotnogo St., Ph. D., Associate Professor, Department of Applied Computer Science and Information Systems, tel. (913)987-01-42, e-mail: [email protected]
Artem A. Sharapov
Sibirian State University of Geosystems and Technology, 630108, Russia, Novosibirsk, 10 Plakhotnogo St., a graduate student, tel. (953)785-54-99, e-mail: [email protected]
This article gives an analysis of modern technologies used in the monitoring of the state of man-made systems (TS). The possibility of using multi-agent approach for the determination of the spacetime state of the vehicle. An example of the development of intelligent agent multi-agent systems to solve the problem of choosing the optimal variant changes the space-time state of the vehicle.
Key words: space-time state of the object, multi-agent system, intelligent agents.
Мониторинг пространственно-временного состояния объектов (участков земной поверхности, инженерных сооружений, технических систем) по геодезическим данным является одной из важнейших задач обеспечения безопасности их эксплуатации [1].
В настоящее время оценка состояния конструкций зданий, сооружений проводится специалистами строительного профиля, проектными организациями и техническими службами эксплуатации предприятий. При оценке состояния используется разнообразные методы и средства измерений, позволяющие оптимизировать процессы контроля в зависимости от достоверности, полноты, объема поступающей информации. Используются современные технологии, в том числе спутниковые технологии, основанные на применении радионавигационных систем GPS и ГЛОНАСС и технологии лазерного сканирования. Применение современных технологий для мониторинга техногенных объектов позволяет на высоком уровне обеспечить безопасность их эксплуатации. Процесс мониторинга индивидуален для каждого техногенного объекта, поэтому выбор конкретных методов и средств измерений осуществляется по определенным правилам. Существуют регламенты и инструкции по эксплуатации объектов, определяющие порядок, объём работ и периодичность геодезического мониторинга. Но недостатком такого подхода является отсутствие информации о состоянии объекта между периодами проведения мониторинга, что в предельном случае не позволяет отследить быстро-развивающиеся деформационные процессы. Для решения задач непрерывного определения пространственно-временного состояния объекта создаются автоматизированные системы мониторинга деформаций, позволяющие осуществлять контроль и проводить измерения геометрических размеров и положения объекта. Измерения поступают в систему от специального измерительного оборудования, приборов и специальных датчиков, установленных на объекте. Далее входящие данные обрабатываются при помощи специализированного программного обеспечения. Полученные измерения используются для последующего вычисления отклонений, анализа деформационных процессов, проверки на вхождения в допуск и генерирования оповещений о тревожных событиях. Но система, при появлении новых данных или при выходе из строя части имеющихся ресурсов, не способна принять своевременного управленческого решения, так как, в основе системы заложены методы и алгоритмы, реализуемые по четко спланированному сценарию (рис. 1). [3] [8]
Рис. 1. Традиционная схема построения автоматизированных систем
Каждая ячейка схемы представляется программным продуктом. Автоматизированные системы имеют иерархическую структуру и выполняют операции последовательно.
Возникает задача создания такой системы, которая бы работала в условиях неопределенности, принимала решения на основе имеющихся данных, умела перестраиваться под изменения в среде, обладала способностью самостоятельно принимать управленческие решения. Чем выше неопределенность, чем более распределенный характер имеют процессы принятия решения и чем чаще случаются незапланированные события, тем ниже эффективность существующих систем, не способных самостоятельно принимать решения и автоматически перестраиваться под изменения в среде. [2]
Данные проблемы позволяют решить мультиагентные технологии. Отличительной чертой применения мультиагентных технологий является то, что отдельные части системы, так называемые интеллектуальные агенты, обладают знаниями разных областей, но при этом взаимодействуют между собой, координируют свои действия. Интеллектуальные агенты способны самостоятельно решать поставленные задачи, автоматически приспосабливаться к неопределённым условиям в динамической среде, коллективно принимать решение (рис. 2). Мультиагентные технологии реализуются на основе мультиагентных систем, применяемых там, где протекает большой поток информации, при работе с большим объемом данных, разнородной природы.
Рис. 2. Схема построения мультиагентных систем
Каждая ячейка схемы представлена интеллектуальными агентами, способными выполнять параллельные операций, осуществлять переговоры, принимать распределенные решения.
Мультиагентные системы на сегодняшний день не реализованы в геодезическом производстве. Мультиагентная система - это система, состоящая из нескольких, взаимодействующих друг с другом агентов. Данная система, путём распределения между агентами, способна решать достаточно сложные задачи, с которыми
отдельный агент справиться не в состоянии. Примерами таких задач являются: обработка информации, поступающей со множества различного измерительного оборудования, приборов, датчиков и принятие управленческих решений на основе этой информации; мониторинг местности, превышающей возможности средств технического зрения отдельно взятого агента, и координация действий агентов, осуществляющих мониторинг различных частей этого объекта. [4]
Создание систем, основанных на мультиагентных технологиях повысит качество и эффективность определения пространственно-временного состояния техногенных объектов.
Так как мультиагентная система основана на взаимодействующих между собой, автономных агентах, то разработка данной системы будет основываться на разработке самостоятельных программ, которые в дальнейшем необходимо «обучить» совместно принимать управленческие решения. Определение пространственно-временного состояния индивидуально для каждого объекта поэтому необходимо применять новые и эффективные математические методы и алгоритмы. Так, например, при моделировании опасных техносферных процессов эффективно применить алгоритмы, имеющие ветвящуюся структуру и называемые деревом решений. Также применимы алгоритмы выбора оптимального варианта, позволяющие найти наиболее полезное решение, муравьиные алгоритмы, способствующие нахождению необходимых ресурсов в условиях неизвестной местности и др. Эти известные алгоритмы могут являться математической основой для разработки интеллектуальных агентов.
Приведем пример интеллектуального агента мультиагентной системы основанного на алгоритме выбора оптимального варианта изменения пространственно-временного состояния техногенных систем (ТС). Задачей данного алгоритма является определение всех вариантов перехода системы из одного состояния в другое, определение в каждом варианте числа шагов реализации и поиск наиболее полезного, оптимального варианта, обеспечивающего достижение цели, требующего для своей реализации минимальное количество ресурсов. Рассмотрим процедуру выбора наиболее оптимального варианта (Рисунок 3). Полезность выбора каждого варианта оценивается мерой его соответствия целям выбора. Функция, оценивающая полезность вариантов называется целевой функцией. Таким образом выбор оптимального пути решения сводится к нахождению целевой функции. При выборе наиболее оптимального варианта использовались два критерия: вероятность перехода объекта из состояния в состояние и ущерб для окружающей среды из-за перехода в другое состояние. [5] [6]
На рис. 3 показаны этапы перехода системы из начального в конечное состояние и стрелками возможные пути перехода от этапа к этапу. На дугах графа дробью вида a/b показаны: a - вероятность перехода по данной дуге, Ь - ресурсы необходимые для перехода в условных единицах. [7]
Рис. 3. Размеченный граф системы
В данном примере существует 3 возможных варианта исхода событий. Результаты оценки вариантов представлены в таблице.
Таблица
Результаты выбора наиболее оптимального исхода событий
Стратегия Математическое ожидание, X Среднеквадратическое отклонение, 5
1-2-3-6 8,2 4,2
1-5-3-6 16,3 12,4
1-4-5-6 5,6 3,5
Представим данные таблицы в графическом виде (рис. 4).
14
ю и*
Е 12
V
X
¡10
о
и о
о в _
о ■о
£ 6 р
-
те 4
К Й
1-5-3-6 •
1-4-5 1-^ -6 .-3-6 •
•
4 6 8 10 12 14
Математическое ожидание. ][
16
18
Рис. 4. Графическое представление оценки вариантов
Выбор наиболее полезного варианта выберем, основываясь на минимальных значениях критериев оценки.
По результатам можно сделать вывод, что наиболее оптимальный вариант исхода событий 1-4-5-6, так как он удовлетворяет заданным требованиям минимума принятых критериев оценки.
Приведенный алгоритм может являться одним из многочисленных вариантов математических методов применимых для разработки интеллектуальных агентов, включенных в мультиагентную систему контроля и оценки пространственно-временного состояния техногенных систем.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Бугакова Т. Ю. К вопросу оценки риска геотехнических систем по геодезическим данным // ГЕ0-Сибирь-2011. VII Междунар. науч. конгр. : сб. материалов в 6 т. (Новосибирск, 1929 апреля 2011 г.). - Новосибирск : СГГА, 2011. Т. 1, ч. 1. - С. 152-156.
2. Скобелев П. О. Открытые мультиагентные системы для оперативной обработки информации в процессах принятия решений // Автометрия. - 2002. - №6. - С. 45-61.
3. Белов П. Г. Системный анализ и моделирование опасных процессов в техносфере : учеб. пособие для студ. высш. учеб. Заведений. - М.: Академия, 2003. - 512 с.
4. Норсеев С. А. Багаев Д. В. Обзор алгоритмов группового управления робототехниче-скими комплексами // Электротехнические системы и комплексы - 2013 - № 21. - С. 137-145.
5. Вовк И. Г. К вопросу выбора оптимального варианта развития систем // ГЕО-Сибирь-2007. III Междунар. науч. конгр. : сб. материалов в 6 т. (Новосибирск, 25-27 апреля 2007 г.). -Новосибирск : СГГА, 2007. Т. 1, ч. 1. - С. 88-91.
6. Бугакова Т. Ю., Вовк И. Г. Математическое моделирование пространственно-временного состояния систем по геометрическим свойствам и оценка техногенного риска методом экспоненциального сглаживания // Вестник СГГА. - 2012. - Вып. 4. - С. 47-58.
7. Вовк И.Г. Моделирование в прикладной геоинформатике // Вестник СГГА. - 2011. -Вып. 1 (14). - С. 69-75.
8. Бугакова Т. Ю., Вовк И. Г. Математическое моделирование пространственно-временного состояния систем по геометрическим свойствам // Интерэкспо ГЕО-Сибирь-2012. VIII Междунар. науч. конгр. : Междунар. науч. конф. «Геодезия, геоинформатика, картография, маркшейдерия» : сб. материалов в 3 т. (Новосибирск, 10-20 апреля 2012 г.). - Новосибирск : СГГА, 2012. Т. 3. - С. 26-31.
© Т. Ю. Бугакова, А. А. Шарапов, 2016
