Научная электронная библиотека

Монографии, изданные в издательстве Российской Академии Естествознания

ГИБРИДНОЕ МОДЕЛИРОВАНИЕ МУЛЬТИАГЕНТНЫХ ПРОЦЕССОВ ПРЕОБРАЗОВАНИЯ РЕСУРСОВ

Аксенов К. А., Гончарова Н. В.,

1.4.4. Мультиагентный подход

Для решения задачи построения моделей ЛПР на разных уровнях сложной системы (см. раздел 1.2), целесообразно использовать теорию мультиагентных систем, новое направление развития искусственного интеллекта, информационно-телекоммуникационных технологий и имитационного моделирования. Ниже приводится краткий обзор результатов данного направления.

Агентно-ориентированный подход уже нашел применение в таких областях, как распределенное решение сложных задач, реинжиниринг предприятий, телекоммуникации, электронный бизнес [92], проектирование [93] и т. п. Важной областью применения мультиагентных технологий является моделирование. В этой области Д.А. Поспелов [94] выделяет два класса задач:

1) задачи распределенного управления и задачи планирования достижения целей, где усилия разных агентов направлены на решение общей проблемы и необходимое обеспечение эффективного способа кооперации их деятельности;

2) задачи, где агенты самостоятельно решают свои локальные задачи, используя общие, как правило, ограниченные ресурсы [92].

Термин «агент» происходит от латинского глагола agere, что означает «действовать», «двигать», «править», «управлять» [95]. Понятие агент соответствует аппаратно или программно реализованной сущности, которая способна действовать в интересах достижения целей, поставленных перед ней владельцем и/или пользователем, и которая обладает определенными интеллектуальными способностями [21, 92]. В дальнейшем будем придерживаться данного определения.

Две базовые характеристики – автономность и целенаправленность – позволяют отличать интеллектуального агента (ИА) от других программных и аппаратных объектов (модулей, подпрограмм, процедур и т. п.).

Наиболее известными исследовательскими центрами в области агентных систем и технологий являются университет Карнеги Мэллон (Carnegi Mallon University), Массачусетский университет (University of Massachusetts at Amherst), университет г. Болоньи (Univrsita di Bologna), ряд университетов и колледжей Великобритании (Stanford University, Manchester Metropolitan University). Занимаются этими проблемами и крупные корпорации (IBM, Microsoft, DEC, Apple, Toshiba, HewlettPackard и др.). В нашей стране исследования по данной тематике проводятся в Исследовательском центре искусственного интеллекта Института программных систем РАН (г. Переславль-Залесский), в Институте проблем управления РАН, в Санкт-Петербургском институте информатики и автоматизации РАН, в Санкт-Петербургском государственном электротехническом университете, в Санкт-Петербургском техническом университете, в Институте проблем управления сложными системами РАН (г. Самара), в Уфимском государственном авиационно-техническом университете, в Таганрогском радиотехническом университете [21].

Интеллектуальная мультиагентная система представляет собой множество интеллектуальных агентов, распределенных в сети, которые мигрируют по ней в поисках релевантных данных, знаний, процедур и кооперируются для достижения поставленных перед ними целей [92].

Основными направлениями научного поиска являются [21] теории агентов, которые рассматривают математические методы и формализмы абстрактного представления структуры и свойств агентов и способы построения рассуждений в таких системах; методы коллективного поведения агентов; архитектуры агентов и MAC; методы, языки и средства коммуникации агентов; языки программирования агентов; методы и средства автоматизированного проектирования MAC; методы и средства обеспечения мобильности агентов. Известные подходы проектирования агентно-ориентированных систем можно разделить на две группы [21]:

– базирующиеся на объектно-ориентированных методах и технологиях с использованием соответствующих расширений;

– использующие традиционные методы инженерии знаний.

В методологиях первой группы разрабатываются расширения объектно-ориентированных методов и технологий для проектирования агентно-ориентированных систем. Существует ряд CASE-средств [96–104], поддерживающих объектно-ориентированные методы разработки ИС, среди которых наиболее известными являются AllFusion [97–99, 101–102] фирмы Computer Associate и Rational Rose фирмы IBM [5, 99–100, 102–104], процесс проектирования в которых основывается на языке объектно-ориентированного проектирования UML [100, 102–105]. Современное средство ИМ AnyLogic, поддерживающее агентный подход, использует расширение языка UML-RT [1, 7, 77, 106–108]; подробнее данный инструментарий рассматривается в разделе 1.5.

Вторая группа методологий строится на расширении традиционных методов инженерии знаний [21]. Эти методологии обеспечивают формальные и композиционные языки моделирования для верификации структуры системы и функций. Эти подходы хорошо применимы к моделированию знаний и информационно-ориентированных агентов.

Заканчивая обзор методов моделирования, необходимо отметить то, что специально разработанных СДМС в предметной области процессов преобразования ресурсов не существует, поэтому актуальным является разработка СДМС, поддерживающая следующие функциональные возможности:

– описание ситуационной модели в виде дискретной ситуационной сети, как наиболее соответствующей процессам преобразования ресурсов;

– декомпозицию ситуационной модели;

– представление информации и моделей с использованием когнитивной графики;

– описание моделей ЛПР в виде интеллектуальных агентов, обрабатывающих информацию, диагностирующих ситуации, вырабатывающих решения (работающих со знаниями), действующих в соответствии с найденным решением и своей моделью поведения (обладающих моделью поведения), участвующих в обмене сообщениями с другими агентами;

– вывод на знаниях;

– имитационное дискретно-событийное моделирование.

В рамках данной работы ставится и решается задача интеграции следующих математических аппаратов: имитационного моделирования (дискретных процессов преобразования ресурсов), экспертных систем, ситуационного и мультиагентного моделирования.