Разработка методов генерации интеллектуальных мультиагентных систем

Тип работы:
Реферат
Предмет:
Общие и комплексные проблемы технических и прикладных наук и отраслей народного хозяйства


Узнать стоимость

Детальная информация о работе

Выдержка из работы

УДК 004. 4'-242
А. Д. Кравец
РАЗРАБОТКА МЕТОДОВ ГЕНЕРАЦИИ ИНТЕЛЛЕКТУАЛЬНЫХ МУЛЬТИАГЕНТНЫХ СИСТЕМ*
Волгоградский государственный технический университет
kad@gde. ru
В данной статье приведены результаты анализа современного состояния исследований и методов реализации проектов, связанных с мультиагентными системами. Выявлено наличие широкого интереса в проведении исследований мультиагентных систем среди российских и иностранных ученых. Проанализирован ряд крупных систем, функционал которых позволяет осуществлять проектирование мультиагентных систем, таким образом, являющихся аналогами разрабатываемому генератору интеллектуальных мультиагентных систем. В ходе проведенного анализа аналогов были выявлены недостатки существующего подхода к проектированию и разработке мультиагентных систем. В данной статье предложены методы решения данной проблемы путем создания новой методологии проектирования мультиагентных систем. В качестве демонстрации преимуществ данной методологии разработана платформа генерации интеллектуальных мультиа-гентных систем, основанная на компонентно-ориентированном подходе.
Ключевые слова: мультиагентные системы, генерация систем, интеллектуальные методы, визуальное программирование, компонентно-ориентированный подход.
Andrey D. Kravets
DEVELOPMENT OF METHODS OF INTELLECTUAL MULTI-AGENT SYSTEM GENERATION
Volgograd State Technical University
Following article contains results of an analysis of current state in a field of researching and development methods of multi-agent based projects. It is shown that the object of multi-agent system is of great interest of a number of Russian and foreign scientists. In addition, the article contains analysis of a set of major systems which functionality allows performing of multi-agent systems development, so these systems are similar to an intellectual multi-agent systems generator in development. During the analogue analysis, authors identified several common gaps in current approach to the process of development and design of multi-agent system. Also the article contains a proposal of new methodology of multi-agent system development. A platform of intellectual multi-agent systems generation is developed as a demonstration of the methodology usage benefits. The platform uses a component-oriented approach as main generation method.
Keywords: multi-agent systems, system code generation, intellectual methods, visual programming, component-based approach.
* Работа выполнялась при поддержке Министерства образования РФ (проект № 2. 1917. 2014К_2014).
Введение
Причиной изучения и создания мультиа-гентных систем обычно является потребность в организации работы набора программных или аппаратных агентов, таких как, например, программные агенты, осуществляющие свою деятельность в Интернете. В данном случае, Интернет можно рассматривать как основную платформу взаимодействия между распределенными вычислительными единицами, оснащенными механизмами мотивации и самообучения. На данный момент применение теоретического аппарата распространяется на информационные технологии, включая искусственный интеллект и распределенные системы, а также экономику, в основном, на микроэкономическом уровне, исследование операций, аналитическую философию, психологию и лингвистику. Одновременно с расширением теоретических познаний мультиагентных систем развивается и сфера практического применения этих знаний. Применение мультиагентного подхода является широкой и быстроразвивающейся областью программного обеспечения, особенно это развитие заметно в сочетании с технологией распределенных вычислений, которые охватывают примерно 80% всего применения мультиагент-ных технологий в программном обеспечении [1, 2]. На сегодняшний день мультиагентные информационные системы (МАС), широко применяются в технике, медицине, сельском хозяйстве и экономике.
При определении понятия «агент» удобно опираться на представления об объекте, развитом школой объектно-ориентированного программирования (ООП). При этом компонент-ориентированная парадигма программирования и проектирования открывает новые перспективы. Тогда искусственный агент может пониматься как метаобъект, наделенный некоторой долей субъектности, т. е. способный манипулировать другими объектами, создавать и уничтожать их, а также имеющий развитые средства взаимодействия со средой и себе подобными. Иными словами, это «активный объект» или «искусственный деятель», находящийся на заметно более высоком уровне сложности по отношению к традиционным объектам в ООП и использующий их для достижения своих целей путем управления, изменяющего их состояния. Соответственно минимальный набор базовых характеристик произвольного агента включает такие свойства, как: активность — спо-
собность к организации и реализации действий- автономность — относительная независимость от окружающей среды или наличие некоторой «свободы воли», связанное с хорошим ресурсным обеспечением его поведения- общительность — свойство вытекающее из необходимости решать свои задачи совместно с другими агентами и обеспечиваемая развитыми протоколами коммуникации- целенаправленность -свойство, предполагающее наличие собственных источников мотивации, а в более широком плане, специальных интенциональных характеристик. В настоящее время развиваются новые подходы к разработке алгоритмов поведения интеллектуальных агентов (ИА), основанные на визуальном программировании, которые оказываются более удобными и эффективными. Однако они пока недостаточно хорошо проработаны. Выбор многоагентной технологии в качестве базовой при проектировании распределенных систем доступа позволяет легко сочетать в единой системе как универсальные протоколы, так и любые другие частные средства работы с конкретными типами баз данных. Еще на этапе проектирования в такую систему закладывается гибкость, горизонтальная и вертикальная расширяемость, существенно упрощается решение задач распределения нагрузки между серверами. Использование интеллектуальных методов в структуре агента позволяет добиться наиболее адекватного, современного и оптимального результата действий агента.
Анализ платформ и библиотек для создания мультиагентных систем
В целях реализации концепта универсальной генерации агента была выработана модель генерации, основанная на двух основных блоках: банка интеллектуальных методов и генератора кода агентов. Банк интеллектуальных агентов состоит из предварительно разработанных интеллектуальных методов, которые могут применяться в структуре агентов. Банк включает в себя методы различных направлений, таких как поведенческие алгоритмы, распознавание образов, интеллектуальный анализ информации и другие. В распоряжении генератора агентов находится ряд структур агентов и систем их взаимодействия. Основываясь на выбранных интеллектуальных методах, а также ключевых выборках и настройках, отражающих представление эксперта о поведении мультиа-гентной системы в среде, генератор создает код
системы, реализуя поставленные перед системой задачи.
В ходе работы авторами был исследован ряд популярных платформ и библиотек для создания мультиагентных систем [3]. В их число вошли: мультиагентная программируемая среда NetLogo, библиотека мультиагентной разработки JADE, ядро мультиагентной библиотеки MASON. Эти системы могут быть использованы в целях создания мультиагентной
Критерии сравнения аналогов системы:
1) Способность к внедрению интеллектуальных методов-
2) Скорость внесения изменений в структуру агентов-
3) Скорость изменения структуры межагент-ного взаимодействия-
4) Потребность в степени квалификации пользователя как программиста-
5) Способность к расширению мультиагент-ной системы-
6) Наличие возможностей повторного использования созданных структур-
7) Возможность подключения стандартных протоколов обмена данными-
8) Независимость от наличия и работы сторонних программ-
9) Кроссплатформенность.
Таким образом основными недостатками проанализированных систем являются:
— Потребность системы в наличии квалифицированного разработчика. На данный момент процесс разработки проекта мультиагентной системы требует безостановочного взаимодействия разработчика и эксперта, хотя некоторые жизненно важные для всего проекта шаги могут выполняться без привлечения эксперта. Примером такого шага может являться шаг выбора средства разработки, который критически влияет на структуру будущей системы и на процесс проектирования в целом. К тому же, многие мультиагентные системы избегают ис-
системы с любой структурой агентов и их взаимодействия, однако, добавление новых или изменение существующих структур и алгоритмов, выполняемое в целях соответствия потребностям пользователей и сохранения адекватности по отношению к окружающей среде, вынуждает организацию, заинтересованную в данной мультиагентной системе (МАС), привлекать значительные ресурсы, начиная разработку практически с самого начала.
пользования сложной структуры агентов, использующей интеллектуальные методы и поведенческие алгоритмы, так как вопрос их использования решается разработчиком.
— Неспособность ряда систем к внедрению интеллектуальных методов. Несмотря на то, что некоторые системы преуспели в разработке поведенческих алгоритмов на своей платформе, ни одна из проанализированных систем не способна к реализации интеллектуальных методов, не связанных с управлением, таких как анализ данных, прогнозирование, распознавание об-разов.
Концепция универсальной платформы генерации МАС
На основе проведенного анализа был выработан ряд требований, позволяющих устранить выявленные недостатки при проектировании МАС, а именно [4]:
1) предоставить эксперту возможность выбора структуры агентов и системы их взаимодействия согласно его представлению о предметной области-
2) обеспечить возможность разработки агентов, основанных на интеллектуальных методах, что позволит системе адаптироваться к изменяющимся условиям функционирования-
3) выполнять генерацию агентов на основе подготовленного набора интеллектуальных методов при непосредственном участии эксперта.
Использование интеллектуальных методов позволит не только сделать систему более гиб-
Таблица 1
Сравнительный анализ аналогов системы
Наименование системы Критерии
1 2 3 4 5 6 7 8 9
AgentTool 3 2 4 1 2 1 4 5 2
Magenta Toolkit 1 4 5 1 3 1 4 1 2
The Multi-Agent Systems Lab 1 2 4 1 2 1 3 1 2
CogniTAO 5 4 1 3 5 3 3 4 5
кой, но также наиболее полно отразит идею передачи прав, что сделает систему генерации универсальной.
Данное исследование направлено на решение сложной научно-технической задачи: разработка методов и средств быстрого прототи-пирования интеллектуальных систем на основе мультиагентной технологии [5]. На сегодняшний день успешно применяется во множестве научных отраслей изначально разработанная для представления процессов взаимодействия набора объектов схожей структуры модель мультиагентной системы. Использование этой модели в сферах робототехники и интеллектуального анализа данных привело к выработке концепта агента, как объекта, наделенного правами пользователя и способного к совершению схожего спектра задач. Таким образом, агент является сложной системой, которая может быть основана на интеллектуальных методах, внутри системы мультиагентного взаимодействия. В то же время нарастающая сложность как самих агентов, так и мультиагентных систем требует разработки методики ускорения и оптимизации разработки мультиагентных систем. На данный момент процесс разработки проекта мультиагентной системы требует безостановочного взаимодействия разработчика и эксперта, хотя некоторые жизненно важные для всего проекта шаги могут выполняться без привлечения эксперта. Примером такого шага может являться шаг выбора средства разработки, который критически влияет на структуру будущей системы и на процесс проектирования в целом. К тому же, многие мультиагентные системы избегают использования сложной структуры агентов, использующей интеллектуальные методы и поведенческие алгоритмы, так как вопрос их использования решается разработчиком. Таким образом, предлагаемое решение включает следующие шаги [6]:
— разработка и тестирование моделей агентов, основанных на интеллектуальных методах-
— разработка набора структур взаимодействия агентов, адекватных различным задачам и сферам применения-
— разработка и тестирование метода универсальной генерации агентов мультиагентной системы.
Таким образом, задачей исследования является создание эффективной платформы разработки систем различной предметной и функциональной направленности, основанных на при-
менении компонент-ориентированного подхода и интеллектуальных мультиагентных технологий.
Проектирование универсальной платформы генерации МАС
Достижение поставленных целей осуществляется путем реализации в разрабатываемом генераторе следующих функций[7]:
— составление наборов агентов на основе данных об их типизации-
— генерация кода агентов на основе современных алгоритмов, позволяющих получить наиболее адекватную реакцию на окружающую среду в кратчайшие сроки-
— генерация структур мультиагентных систем на основе набора требований эксперта-
— возможность обучения создаваемых муль-тиагентных модулей, основанное на внесении пользователем ключевых шаблонов и образцов функционирования, отражающих экспертное представление о функционировании системы в окружающей среде.
Система состоит из двух основных блоков, реализующих данные функции и необходимых для создания мультиагентной системы: банка интеллектуальных методов и генератора кода агентов [8]. Взаимодействие пользователя с системой реализовано на основе методологии визуального программирования.
Банк интеллектуальных агентов состоит из предварительно разработанных интеллектуальных методов, которые могут применяться в структуре агентов. Банк включает в себя методы различных направлений, таких как поведенческие алгоритмы, распознавание образов, интеллектуальный анализ информации и другие. Таким образом реализуется компонент -ориентированная парадигма проектирования.
В распоряжении генератора агентов находятся наборы типов агентов, готовых к генерации, и типов связей для организации структуры агентного взаимодействия в генерируемой системе [9]. С точки зрения генератора каждый агент может быть представлен в виде кортежа:
А = {I, М, Б, в}, (1)
где I — множество входных параметров агента, М — примененный в агенте интеллектуальный метод, реализующий основную функцию агента, Б — множество частных настроек агента, позволяющих уточнить поведение и спектр работы агента, в — множество выходных параметров агента. Основываясь на выбранных интеллектуальных методах, а также ключевых вы-
борках и настройках, отражающих представление эксперта о поведении МАС в среде, генератор создает код системы, реализуя поставленные перед системой задачи.
Использование методов визуального программирования в сочетании с банком предварительно разработанных компонентов не только позволяет эксперту предметной области осуществлять проектирование МАС, но и реализует идею быстрого прототипирования системы на основе мультиа-гентной технологии. Такой подход позволит раз-
работчику МАС максимально быстро получать рабочий вариант системы для проверки ее функционирования в целевой окружающей среде. Получение прототипа генерируемой системы позволит выбрать наиболее адекватный предполагаемому функционированию агента интеллектуальный метод и произвести более точную настройку каждого агента, что положительно отразится на качестве работы МАС в целом. Потоки данных, возникающие между подсистемами в ходе создания МАС, показаны на рисунке.
Требования к системе
Декомпозиция цели и задач системы на элементарные блоки
Доработка банка
Список
J ементарны & lt-функций
Список эл

Не достающие типы агентов
Составление списка агентов

Новые типы агентов
База агентов
Знания о функционировании системы
Визуальное представление компонентов
Общий список
Список используемых агентов
Банк
интеллектуальных методов
Разработка структуры агентного ^взаимодействия
-Интеллектуальные методы
База
сгенерированных МАС
Агенты и Схема взаимодействия-
интерфейсы их взаимодействия
Мультиагентная система
Генерация МАС
агентов
Диаграмма потоков данных системы
Результаты опытного внедрения универсальной платформы генерации МАС
Основным результатом данной работы авторы считают разработку методов, позволяющих использовать наборы предварительно соз-
данных компонентов при проектировании муль-тиагентных систем, что позволяет повысить эффективность процесса разработки и уменьшить потери при выполнении и управлении процессов, основанных на использовании муль-тиагентной системы.
Для проверки предложенных моделей и методов имеется экспериментальная база разработанных мультиагентных систем в следующих предметных областях: складская логистика, маркетинг, туризм, прогнозирование опасности
Заключение
В ходе исследования была разработана методология проектирования МАС, позволяющая предоставить эксперту возможность выбора структуры агентов и системы их взаимодействия согласно его представлению о предметной области. Разработана система, благодаря использованию концепции визуального программирования, осуществляющая генерацию агентов и схемы их взаимодействия при непосредственном участии эксперта. Данная система также позволяет использовать в структуре агентов генерируемой МАС интеллектуальные методы и алгоритмы работы, что позволит улучшить взаимодействие с окружающей средой каждого агента и системы в целом. Таким образом в ходе исследования удалось достичь всех поставленных ранее задач, что позволит устранить имеющиеся недостатки процесса проектирования и существенно повысить качество разрабатываемых мультиагентных систем.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Кравец, А.Г. Corporate intellectual capital management: learning environment method / Кравец А. Г., Гуртяков А. С., Кравец А. Д. // Multi Conference on Computer Science and Information Systems 2013 (Prague, Czech Republic, July 23−2б, 2013): Proceedings of the IADIS International Conference ICT, Society and Human Beings 2013 and IADIS International Conference e-Commerce 2013 / IADIS (International Association for Development of the Information Society). -[Prague], 2013. — P. 3−10.
2. Kpавец А.Г., Шевченко C.B., Kpавец А. Д. Генератор агентов мультиагентной системы сбора данных о перспективных технологиях // Вюнж Нацюнального техшчного ушверситету «ХШ». Збiрник наукових праць. Тематичний випуск «Системний анатз, унравлшня та шформацшш технологи», 29'-2012, стр. 92−97.
3. Kpавец, А. Д. Проектирование генератора интеллектуальных мультиагентных систем / Кравец А. Д., Фомен-
химических веществ, техническое обслуживание и ремонт оборудования [10]. На табл. 1 представлены результаты использования муль-тиагентных систем, разработанных с использованием генератора.
ков С.А., Кравец А. Г. // Сборник научных трудов Sworld по материалам междунар. науч. -практ. конф. & quot-Современные проблемы и пути их решения в науке, транспорте, производстве и образовании '-2012& quot-. — 2012. — Т. 13, № 4. -C. 42−46.
4. Кравец, А.Г. Usage of multi-agent system generator in component-based automated system and modules development / Кравец А. Г., Кравец А. Д., Фоменков С. А. // Congress on Intelligent Systems and Information Technologies IS-IT'-14 (Divnomorskoe, Russia, 2014, September, 2−9): proceedings. In 4 vol. Vol. 4 / Russian Association of Artificial Intelligence, Southern Federal University. — Moscow, 2014. -C. 79. — Англ.
5. Кравец, А.Г. Component-Based Approach to MultiAgent System Generation / Кравец А. Г., Фоменков С. А., Кравец А. Д. // Knowledge-Based Software Engineering: Proceedings of 11th Joint Conference, JCKBSE 2014 (Volgograd, Russia, September 17−20, 2014): Springer International Publishing, 2014. — P. 483−490. — (Series: Communications in Computer and Information Science — Vol. 466).
6. Alla G. Kravets, Andrey D. Kravets, Sergey A. Fo-menkov, Valeriy A. Kamaev. Multi-agent systems component-based generator: development approach. IADIS Applied Computing 2013 conference, Forth Worth, Texas, USA. — 2013.
7. А. Д. Кравец Генерация интеллектуальных агентов / А. Д. Кравец, Д. А. Абрамичев // Конференция-конкурс научных, конструкторских и технологических работ студентов ВолгГТУ: тез. докл. / редкол.: В. И. Лысак (отв. ред.) [и др.] - ВолгГТУ. — Волгоград, 2012. — С. 45−48.
8. Кравец, А.Г. Intelligent Multi-Agent Systems Generation / Кравец А. Г., Кравец А. Д., Коротков А. А. // World Applied Sciences Journal (WASJ). — 2013. — Vol. 24, Spec. Issue 24: Information Technologies in Modern Industry, Education & amp- Society. — C. 98−104.
9. Кравец А. Д. Разработка модели генерации интеллектуальных агентов / А. Д. Кравец, С. А. Фоменков, А. Г. Кравец // Сборник научных трудов SWORLD. — 2012. — т.5 № 3. — С. 59−61.
10. Кизим, А. В. Генерация интеллектуальных агентов для задач поддержки технического обслуживания и ремонта / Кизим А. В., Кравец А. Д., Кравец А. Г. // Известия Томского политехнического университета [Тема выпуска & quot-Управление, вычислительная техника и информатика& quot-]. -2012. — Т. 321, № 5. — C. 131−134.
Таблица 2
Результаты внедрения генератора МАС
Название МАС Время разработки МАС в часах Использование клиентами (количество организаций) Затраты на управление в тыс. руб.
До После Уменьшение До После Увеличение До После Уменьшение
МАС сбора и анализа данных о нанотехнологиях 1б 10 38% 1S 21 17% 24.0 15. б 35%
МАС поддержки ремонта и содержания борудования 23 10 57% 5б б2 11% 115.0 9S.0 15%
МАС CRM-системы туристического предприятия 7 4.5 3б% 34 43 2б% 7б.0 5б.2 2б%

ПоказатьСвернуть
Заполнить форму текущей работой