Полная версия

Главная arrow Информатика arrow ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ СИСТЕМ

  • Увеличить шрифт
  • Уменьшить шрифт


<<   СОДЕРЖАНИЕ ПОСМОТРЕТЬ ОРИГИНАЛ   >>

Мультиагентные системы

Под мультиагентными технологиями в настоящее время часто понимают как технологии разработки инструментальных средств мультиа- гентных систем (MAC), так и технологии использования их для создания мультиагентных моделей различного применения.

Наблюдается некоторая аналогия с разработкой оболочек экспертных систем и их наполнением знаниями эксперта. Разработать MAC, как и оболочку экспертной системы, могут только коллективы различных специалистов. Настоящее учебное пособие предназначено не для разработчиков MAC, а для потенциальных пользователей их инструментальными средствами. Поэтому приведем задачи, которые встречаются на пути создателей MAC (рис. 6.4). Знание этих задач, а также возможных методов и технологий решения (рис. 6.5) непременно будет оказывать помощь пользователям в разработке их собственных мультиагентных моделей.

Задачи, решаемые при создании MAC

Рис. 6.4. Задачи, решаемые при создании MAC

Методы и технологии возможных решений создания агентных моделей

Рис. 6.5. Методы и технологии возможных решений создания агентных моделей

Обратим внимание на методы онтологии.

В информационных технологиях и компьютерных науках под онтологией подразумевается эксплицитная, т.е. явная, спецификация концептуализации, где в качестве концептуализации выступает описание множества объектов и связей между ними.

Формально онтология состоит из понятий терминов, организованных в таксономию, их описаний и правил вывода.

Таксономия — учение о принципах и практике классификации и систематизации. Термин «таксономия» впервые был предложен в 1813 г. Огюстеном Декандолем, занимавшимся классификацией растений.

Можно выделить следующие типы онтологий:

  • метаонтологии — описывают наиболее общие понятия, которые не зависят от предметных областей;
  • онтология предметной области — формальное описание предметной области, обычно применяется для того, чтобы уточнить понятия, определенные в метаонтологии (если используется), и (или) определить общую терминологическую базу предметной области;
  • онтология конкретной задачи — онтология, определяющая общую терминологическую базу, относящуюся к задаче или проблеме;
  • сетевые онтологии — часто используются для описания конечных результатов действий, выполняемых объектами предметной области или задачи.

Развитие информационных и коммуникационных технологий за последние десятилетия определило применение междисциплинарных подходов к построению и организации работы информационных систем. В связи с этим возникла проблема обеспечения когнитивной прозрачности при сохранении точности формальной семантики в отображении все более сложного и гетерогенного информационного поля. Решением этой проблемы может быть онтология, общая теория типов объектов и отношений, составляющих конкретные предметные области, иначе — концептуальная модель, позволяющая сфокусироваться на смысле информации, без привязки к конкретным форматам и языкам представления данных.

Агент должен получать, хранить и обрабатывать информацию о текущем состоянии предметной области. Представление агента об окружающем мире, о других агентах и о себе самом может быть специфицировано в форме онтологии. Определение и построение онтологии включает анализ предметной области, выделение базовых онтологических элементов (объектов, их атрибутов, отношений и процессов), проведение операций над этими онтологическими элементами. Если агенты будут оперировать одними и теми же понятиями, то это поможет при решении многих проблем — от методов коммуникации между агентами до способов адаптации к новым условиям.

Использование онтологий осложняется тем, что MAC инвариантна относительно предметной области. Поэтому онтология (по крайней мере предметной области) будет изменяться.

На сегодняшний день не существует общего мнения о том, какие базовые концепты должны составлять онтологию, однако большинство исследователей сходятся во мнении, что онтология должна состоять из классов сущностей предметной области, свойств этих классов, связей между этими классами и утверждений, построенных из этих классов, их свойств и связей между ними.

Большинство работ предлагают интегрирование различных форм решений (см. рис. 6.5) проблем агентного моделирования. Действительно, агентный подход явно указывает, что моделирование процессов системы суммируется из составных ее элементов. Это порождает множество подзадач, для многих из которых уже существуют решения. Осталось лишь объединить эти решения в одну общую архитектуру. Но вопрос, каким образом это сделать, до сих пор остается открытым. Кроме того, известные решения могут отличаться по степени:

  • • эффективности (например, генетические алгоритмы могут найти хорошее решение, но не всегда);
  • • применимости (методы могут работать, но лишь в ограниченных условиях);
  • • адекватности (разные методы могут давать разные решения — существует проблема выбора с точки зрения задачи).

По мнению автора работы [22], хорошо проработаны лишь те проблемы (табл. 6.1), которые характерны для ИМ вообще: продвижение модельного времени, сбор статистики и ее обработка, отладка.

Таблица 6.1

Применимость существующих решений к задаче агентного моделирования

Имеются решения, в той или иной мере применимые для агентного моделирования

Имеются решения, но их использование и сопровождение может представить затруднения

Решения, возможно, и существуют, но они могут быть неадекватны, неполны, неэффективны либо работать лишь в частных случаях

Методы решения экстремальных задач. Механизм продвижения времени.

Условия моделирования.

Механизмы сбора статистики.

Методы отладки моделирования

Среда моделирования. Способ взаимодействия с окружающей средой. Способ взаимодействия агентов.

Механизм принятия решений.

Способ задания модели (язык).

Методы распараллеливания имитационного процесса

Способ задания агента. Способ задания поведения агента.

Способ изменения поведения агента.

Механизм вывода в условиях неопределенности. Механизм пополнения знаний.

Использование метазнаний. Средства адаптации. Определение общей архитектуры приложения

Общие вопросы определения модели, методов коммуникации, механизма принятия решений и т.п. занимают промежуточное положение — имеются готовые решения, однако они не всегда применимы, и при разработке архитектуры системы могут возникнуть трудности. Вопросы адекватного представления поведения агента, методов адаптации, вывода в условиях неопределенности и т.д. можно считать открытыми.

Мы рассмотрели понятие «агент», возможные задачи на пути разработки MAC, методы и технологии их решения. После этого приведем два из многих толкований понятия MAC:

  • 1) мультиагентная система — совокупность взаимосвязанных агентов, способных взаимодействовать друг с другом и окружающей средой, обладающих определенными интеллектуальными способностями и возможностью индивидуальных и совместных действий;
  • 2) мультиагентная система (кросс-платформенные распределенные интеллектуальные системы) представляют собой совокупность интеллектуальных агентов.

MAC присущи следующие характеристики:

  • • у каждого конкретного агента недостаточно информации или способностей для решения проблемы, и, таким образом, он не имеет полного видения глобальной задачи, которая должна быть выполнена;
  • • в системе нет глобального контроля, т.е. нет агентов, управляющих всей системой;
  • • нет централизованного хранения данных;
  • • агенты, хотя бы частично, независимы;
  • • ограниченность представления, т.е. ни у одного из агентов нет представления о всей системе или система слишком сложна, чтобы знание о ней имело практическое применение для агента;
  • • вычисления происходят асинхронно.

Обычно в мультиагентных системах исследуются программные агенты. Тем не менее составляющими MAC могут также быть роботы, люди или команды людей. Также MAC могут содержать и смешанные команды.

В MAC могут проявляться самоорганизация и сложное поведение, даже если стратегия поведения каждого агента достаточно проста. Это лежит в основе так называемых муравьиных алгоритмов.

Встречается также расширенное понятие.

Агентно-ориентированные системы (АОС) — гибридные системы, содержащие MAC и другие информационные системы (экспертные, обучающие, тестирующие, системы поддержки принятия решений (СППР), распределенные объектные приложения и др.).

Идеи программных агентов вообще и интеллектуальных агентов в частности привлекательны, так как позволяют людям, как уже отмечалось, делегировать свои полномочия. Однако разработка MAC и действительно интеллектуальных агентов требует специальных знаний и является сложной ресурсоемкой задачей. Ведь программные агенты — это новый вид программного обеспечения, которое действует от лица пользователя. Они являются мощной абстракцией для визуализации и структурирования сложного в реальном мире.

Поэтому для создания агентной модели обычному пользователю нужно иметь инструментальные средства MAC, т.е. нечто подобное оболочке ЭС. В приведенных ранее толкованиях понятия MAC отмечается, что это совокупность взаимосвязанных агентов. Говоря же об инструментальных средствах MAC, подразумевается, что «наших агентов» еще нет, но есть средства, которыми мы можем создать «наших агентов».

Таким образом, в основу разработки MAC для решения практических задач ложится обычная или интеллектуальная мультиагентная платформа, в которой уже реализованы основные функции: управление жизненным циклом агентов, категорирование агентов (поиск по характеристикам), коммуникации и языки общения, поддержка представлений знаний (в случае интеллектуальной платформы).

В настоящее время в рамках мультиагентных технологий разработаны различные типы агентов с конкретной моделью поведения и свойствами, а также семейства архитектур и библиотек компонентов, которым свойственны распределенность и автономность.

Существует несколько международных подходов к созданию MAC, наиболее известные их них:

  • OMG MASIF, созданный Object Management Group, в основе которого лежит понятие «мобильный агент»;
  • • спецификации FIPA (foundations for intelligent physical agents), основанные на предположении об интеллектуальности агента;
  • • стандарты, разработанные исследовательским подразделением Пентагона — Агентством передовых оборонных научных исследований (Defense Advanced Research Projects Agency, DARPAj, в частности Control of agent based systems.

Относительно мобильности и интеллектуальности агентов большинство специалистов сходятся на том, что мобильность — центральная характеристика агента, интеллектуальность — желаемая, но не всегда строго требуемая.

К мультиагентным платформам можно отнести системы JADE, А-globe, IBM ABLE, JaCK, AgentBuilder и Repast, различающиеся:

  • • по поддержке стандарта FIPA;
  • • скорости доставки сообщений между агентами;
  • • поддержке разработчика;
  • • особенности реализации (языки программирования, инструменты, платформы);
  • • масштабированию (возможность роста среды жизни агентов путем добавления новых серверов и контейнеров);
  • • интеграции (возможность связи платформы с другими системами);
  • • документированности (качество сопроводительной документации);
  • • наличию примеров проектов MAC, выполненных на этой платформе.

Таким образом, разработка агентных моделей возможна, так как появляются программные продукты, которые позволяют это сделать, поскольку функции системы агентного моделирования, может быть не всегда нас полностью удовлетворяющие, там имеются. В качестве примера такой системы может служить AnyLogic, которая поддерживает реактивных агентов. Для формализации поведения агентов в системе AnyLogic используются диаграммы состояний (StateChart) расширения UML-RT. Для создания моделей в основном используется графический редактор, где пользователь визуально описывает все составные элементы будущей модели. Для задания логики поведения отдельных элементов созданной модели применяется объектно-ориентированный язык программирования Java.

 
<<   СОДЕРЖАНИЕ ПОСМОТРЕТЬ ОРИГИНАЛ   >>