кр. Ю. Ю. Громов, О. Г. Иванова, В. В. Алексеев, М. П. Беляев, Д. П. Швец, аи. Елисеев интеллектуальные информационные системы и технологии
 Скачать 2.03 Mb.
|
|
96 кооперации их деятельности. В задачах второго класса агенты самостоятельно решают свои локальные задачи, используя общие, как правило, ограниченные ресурсы. 4.1. Основные понятия теории агентов Понятие агент соответствует аппаратно или программно реализованной сущности, которая способна действовать в интересах достижения целей, поставленных передней владельцем и/или пользователем [3, 12, 23]. В мультиагентных системах (MAC) множество автономных агентов действуют в интересах различных пользователей и взаимодействуют между собой в процессе решения определённых задач. Примерами таких задач являются управление информационными потоками и сетями, управление воздушным движением, поиск информации в сети Интернет, электронная коммерция, обучение, электронные библиотеки, коллективное принятие многокритериальных управленческих решений и другие. Идея мультиагентных систем появилась в конце х гг. в научной школе МЛ. Цетлина, которая занималась исследованиями коллективного поведения автоматов [14]. Агентами (маленькими животными) были названы искусственные существа, обладающие свойством реактивности, те. способные воспринимать и интерпретировать сигналы, поступающие из внешней среды, и формировать ответные сигналы. В роли маленьких животных выступали конечные автоматы, которые не имели априорных знаний о свойствах окружающей среды и о наличии в ней других существ. Единственным знанием, которым они обладали, была цель их деятельности и способность оценивать поступающие сигналы относительно достижения этой цели. Оказалось, что даже такие простые структуры, как конечные автоматы (см. главу 3), демонстрируют хорошие способности к адаптации в стационарных вероятностных средах. Одной из главных характеристик агентов– автоматов была рациональность, которая определялась как сумма положительных откликов среды, накопленных агентом за некоторый период его существования. В дальнейших исследованиях структура маленьких животных усложнялась. Сначала появились вероятностные автоматы с переменной структурой, адаптирующейся к характеристикам среды, затем появились агенты, способные изменять свои реакции на основании предыстории и анализа состояния окружения. Серьёз- ным шагом в развитии мультиагентных технологий стала реализация способности агентов к рассуждениям [7, 12]. Простейшие модели взаимодействия агентов предусматривали их общение через среду. При этом на каждом шаге функционирования агенты совершают выбор возможных для них действий. Множество действий всех агентов обусловливает распределение откликов среды для всех участников, которые могут его использовать либо не использовать при формировании своих ответных реакций. Новый шаг к современному пониманию агентов был сделан при переходе к коллективной работе в распределённых компьютерных системах. Этот шаг стал началом бурного развития мультиагентных технологий. К настоящему времени в данном направлении накоплен определённый опыт. Предложены разнообразные модели агентов и способы их реализации, решены практические задачи и созданы инструментальные средства для разработки мультиагентных систем, сформулированы различные принципы взаимодействия агентов и т.п. В этой главе мы остановимся на вопросах, связанных с построением и применением интеллектуальных MAC. Одна из возможных классификаций агентов [3, 19] приведена в табл. 4.1, из которой следует, что для интеллектуальных агентов характерно целесообразное поведение, которое предполагает наличие у агента целей функционирования и способностей использовать знания об окружающей среде, партнёрах и о своих возможностях. Интеллектуальным агентам присущи следующие основные свойства автономность – способность функционировать без вмешательства со стороны своего владельца и осуществлять контроль собственных действий и внутреннего состояния. Автономность предполагает относительную независимость агента от окружающей среды, те. наличие свободы воли, обусловливающей собственное поведение, которое должно быть обеспечено необходимыми ресурсами активность – способность к организации и реализации действий общительность – взаимодействие и коммуникация с другими агентами реактивность – адекватное восприятие состояния среды и реакция на его изменение целенаправленность, предполагающая наличие собственных источников мотивации наличие базовых знаний о себе, о других агентах и об окружающей среде убеждения – переменная часть базовых знаний, меняющихся во времени желания – стремление к определённым состояниям намерения – действия, которые планируются агентом для выполнения своих обязательств и/или желаний обязательства – задачи, которые выполняет один агент по просьбе и/или поручению других агентов. 98 4.1. Классификация агентов Признак Тип агента простой смыш- лёный ителлек- туальный действительно интеллектуальный Автономность + + + Взаимодействие с другими агентами и/или пользователями + + + + Реактивность + + + + Способность использования абстракции + + + Адаптивное поведение + + + Обучение на основе взаимодействия с окружением + + Толерантность к ошибками или неверным входным сигналам + Функционирование в режиме реального времени + Взаимодействие на естественном языке + Иногда к этому списку добавляются другие качества, в том числе правдивость – неспособность к подмене истинной информации заведомо ложной благожелательность – готовность к сотрудничеству с другими агентами в процессе решения собственных задач, что обычно предполагает отсутствие конфликтующих целей, поставленных перед агентами альтруизм – приоритетность общих целей по сравнению с личными мобильность – способность агента мигрировать посетив поисках необходимой информации. 99 В работе [12] для классификации агентных программ используются два основных признака 1) степень развития внутреннего представления о внешнем мире 2) способ поведения. По первому признаку выделяются интеллектуальные (когнитивные, рассуждающие) и реактивные агенты. Интеллектуальные агенты обладают хорошо развитой и пополняемой символьной моделью внешнего мира благодаря наличию у них БЗ, механизмов рассуждения и анализа действий. Реактивные агенты не имеют развитого представления о внешней среде. Они не используют рассуждений и могут не иметь собственных ресурсов. Их поведение определяется целью, в соответствии с которой формируются реакции на предъявляемые ситуации. В связи с этим реактивные агенты не имеют внутренних источников мотивации и неспособны планировать свои действия (реактивность в чистом виде – это обратная связь без прогноза. Интеллектуальная мультиагентная система представляет собой множество интеллектуальных агентов, распределённых в сети, которые мигрируют по ней в поисках релевантных данных, знаний, процедур и кооперируются для достижения поставленных передними целей. В зависимости от концепции, принятой при разработке MAC, возможны различные варианты её архитектуры, среди которых выделяют три базовых типа 1) архитектуры, основанные на методах работы со знаниями 2) архитектуры, в которых используются поведенческие модели «стимул–реакция»; 3) гибридные архитектуры. В архитектурах первого типа для представления и обработки знаний используются традиционные модели, методы и средства искусственного интеллекта, а принятие решений осуществляется на основе механизмов формальных рассуждений. В самых первых системах такого типа для представления и обработки знаний использовалась логика предикатов первого порядка. Развитие исследований в этой области привело к появлению специальных расширений логических исчисле- ний, ориентированных науч т таких свойств агентов, как убеждения, желания, намерения и обязательства [9, 12]. Основной недостаток ар- хитектур первого типа – сложность или принципиальная невозможность построения достаточно полных баз знаний, которые являются необходимой частью создаваемых систем. В частности, интеллектуальный агент может иметь архитектуру типичной продукционной системы, которая способна воспринимать информацию из внешней среды и осуществлять те или иные действия в результате обработки этой информации. Главные отличия агентной программы от обычной продукционной ЭС связаны с наличием механизма формирования целей и 100 модуля коммуникации, который обеспечивает взаимодействие с другими агентами. Агент с такой архитектурой способен к рассуждениям, ноне способен к обучению. Адаптивное поведение агента позволяет реализовать архитектура на основе классифицирующих систем Дж. Холланда. Важнейшими отличиями классифицирующих систем от продукционных являются 1) возможность формирования новых правил с применением генетического алгоритма 2) наличие механизма поощрений. В архитектурах второго типа, которые называют реактивными, не используются традиционные для ИИ символьные модели представления знаний [16]. Модели поведения агентов представлены либо наборами правил, которые позволяют выбрать действие, соответствующее ситуации, либо конечными автоматами, либо другими средствами, обеспечивающими формирование адекватных реакций агента навоз- никающие в системе стимулы. Системы этого типа, как правило, имеют высокую степень специализации и строгие ограничения на сложность решаемых задач. Наиболее перспективными считаются гибридные интеллектуальные мультиагентные системы, которые позволяют использовать возможности интеллектуальных и реактивных архитектур. Примером может служить архитектура с иерархической базой знаний, которая содержит структурированную БЗ, рабочую память, модуль управления коммуникацией и человеко-машинный интерфейс. Агент с подобной архитектурой обладает способностью к рассуждениями к реактивному поведению. Его БЗ содержит три уровня 1) знания предметной области) знания о взаимодействии, которые позволяют принимать решения в условиях неопределённости; 3) управляющие знания. Интеллектуальное поведение агента обеспечивается способностью принимать решения, а реактивное – системой контроля за содержимым рабочей памяти, которая функционирует по принципу глобальной доски объявлений. Агент взаимодействует с пользователем, используя человеко- машинный интерфейс. В общем случае гибридные архитектуры являются многоуровневыми и отличаются друг от друга структурой и содержанием уровней, которые могут соответствовать различным уровням управления, абстракции либо отдельным функциональным свойствам агента. Одно из новых направлений – применение нейронных сетей для реализации MAC. Коннекционистские архитектуры (на основе ИНС) позволяют создавать самообучающихся агентов, знания которых формируются в процессе решения практических задач. Хорошие перспективы для реализации самообучающихся агентов имеют сети собрат- ными связями и нечёткие ИНС [12]. 101 4.2. Коллективное поведение агентов Главная черта MAC, отличающая их от других интеллектуальных систем, – взаимодействие между агентами. Взаимодействие означает установление двусторонних и многосторонних динамических отношений между субъектами. Оно является не только следствием деятельности агентов, но и необходимым условием формирования виртуальных сообществ. Взаимодействие – непросто связь между сосуществующими агентами, но и предпосылка для взаимных превращений самих агентов и отношений между ними. Главными характеристиками любого взаимодействия являются направленность, избирательность, интенсивность и динамичность. В контексте MAC эти понятия можно интерпретировать следующим образом направленность – положительная или отрицательная кооперация или конкуренция сотрудничество или конфронтация координация или субординация и т.п.; избирательность – взаимодействие происходит между агентами, которые каким-либо образом соответствуют друг другу и поставленной задаче. При этом агенты могут быть связаны водном отношении и независимы – в другом интенсивность – взаимодействие между агентами не сводится к наличию или отсутствию, а характеризуется определённой силой динамичность – наличие, сила и направленность взаимодействий могут изменяться стечением времени. Общая проблема анализа взаимодействия между агентами включает следующие задачи [12]: 1) идентификацию ситуации взаимодействия агентов 2) выделение основных ролей и их распределение между агентами 3) определение числа и типов взаимодействующих агентов 4) построение формальной модели взаимодействия 5) определение набора возможных стратегий поведения агентов 6) формирование множества коммуникативных действий. К базовым видам взаимодействия между агентами относятся кооперация (сотрудничество конкуренция (конфронтация, конфликт компромисс (учёт интересов других агентов конформизм (отказ от своих интересов в пользу других уклонение от взаимодействия. Интеллектуальные агенты сотрудничают с другими агентами сознательно, преследуя при этом определённые цели. Кооперацию в 102 сообществе реактивных агентов можно назвать непреднамеренной, поскольку она базируется на естественных реакциях отдельных агентов, направленных на выживание вида. Показатели выживания отражают способность особи или группы сохранять свою целостность привоз- действиях факторов, которые могут её разрушить. Кооперация между агентами может возникать на принудительных началах (директивная кооперация) или на основе добровольных отношений (ситуативная кооперация. Эти два вида сотрудничества часто представлены так называемой контрактной формой кооперации, когда взаимодействие агентов регламентируется набором формальных или неформальных соглашений между ними. Взаимодействие агентов обусловлено целым рядом причин, важнейшими среди которых являются следующие. Совместимость целей (общая цель. Эта причина обычно порождает взаимодействие по типу кооперации или сотрудничества. При этом следует выяснить, не ведёт ли взаимодействие к снижению жизнеспособности отдельных агентов. Несовместимость целей или убеждений обычно порождает конфликты, позитивная роль которых заключается в стимулировании процессов развития. Известная модель хищник жертва представляет собой пример одновременного взаимодействия по двум типам кооперация–конфронтация. Отношение к ресурсам. Ресурсами будем называть любые средства, используемые для достижения агентами своих целей. Задачи распределения долей рынка, затрат и прибылей совместных предприятий можно рассматривать как примеры взаимодействия, обусловленного общими ресурсами. Ограниченность ресурсов, которые используются многими агентами, обычно порождает конфликты. Одним их самых простых и эффективных способов разрешения подобных конфликтов является право сильного – сильный агент отбирает ресурсы у слабых. Более тонкие способы разрешения конфликтов обеспечивают переговоры, направленные на достижение компромиссов, в которых учитываются интересы всех агентов. Необходимость привлечения недостающего опыта. Каждый агент обладает ограниченным набором знаний, необходимых ему для реализации собственных и общих целей. В связи с этим ему приходится взаимодействовать с другими агентами. При этом возможны различные ситуации а) агент способен выполнить задачу самостоятельно б) агент может обойтись без посторонней помощи, но кооперация позволит решить задачу более эффективным способом в) агент неспособен решить задачу в одиночку. В зависимости от ситуации агенты выбирают тип взаимодействия и могут проявлять разную степень заинтересованности в сотрудничестве. 103 Взаимные обязательства. Обязательства являются одним из инструментов, позволяющих упорядочить хаотические взаимодействия агентов. Они позволяют предвидеть поведение других агентов, прогнозировать будущее и планировать собственные действия. Можно выделить следующие группы обязательства) обязательства перед другими агентами б) обязательства агента перед группой в) обязательства группы перед агентом г) обязательства агента перед самим собой. Формальное представление целей, обязательств, желаний и намерений, а также всех остальных характеристик составляет основу ментальной модели интеллектуального агента, которая обеспечивает его мотивированное поведение в автономном режиме. Перечисленные причины в различных сочетаниях могут приводить к разным формам взаимодействия между агентами, например простое сотрудничество, которое предполагает интеграцию опыта отдельных агентов (распределение задач, обмен знаниями и т.п.) без специальных мер по координации их действий координируемое сотрудничество, когда агенты вынуждены согласовывать свои действия (иногда привлекая специального агента- координатора) для того, чтобы эффективно использовать ресурсы и собственный опыт непродуктивное сотрудничество, когда агенты совместно используют ресурсы или решают общую проблему, не обмениваясь опытом и мешая друг другу (как лебедь, раки щука в басне И.А. Крылова). Рассматривая проблему моделирования взаимодействия агентов друг с другом и с окружающей средой, ДА. Поспелов [2] выделил следующие основные признаки естественных систем, которые необходимо учитывать при моделировании виртуальных сред. 1. Конечность времени существования любого агента. Длительность жизни агента зависит от различных обстоятельств, в частности от поставленной передним задачи, от величины доступных ресурсов и т.п. 2. Использование механизма биологического отбора в моделях искусственной жизни. Естественный отбор эффективных агентов может осуществляться в адаптивных системах с использованием различных эволюционных механизмов (обучаемых нейронных сетей, генетических алгоритмов, автоматов с перестраиваемой структурой и т.д.). 3. Учёт уровня организации сообщества агентов. Если модель описывает взаимодействие сложных организмов, имеющих социальную организацию, то помимо реактивности, активности и когнитивно- сти (способность к рассуждениям) агенты приобретают ещё одно свойство – социальность. В таких моделях возникает необходимость учёта социального статуса и социальных отношений. Распределение 104 труда в обществе служит основой для выделения классов агентов, выполняющих специализированные функции, в том числе функции управления искусственной средой. Задача распределения функций приводит к необходимости реализации механизма социального отбора, который принципиально отличается от биологического принципа. Вопросы организации сообщества искусственных организмов по образу и подобию человеческого общества связывают теорию MAC с системным анализом, теорией организаций, теорией административного управления и т.п. Серьёзной и пока не решённой проблемой является морально-этическая основа организации мультиагентных систем, связанная сформированием понятий об основных ценностях и нормах, принятых в обществе. Ориентация на модели нормативного поведения агентов вызывает дискуссии, так как наряду с нормативным в реальном обществе имеет место и ненормативное поведение [9]. Коллективное поведение агентов в MAC предполагает кооперацию агентов при коллективном решении задач. В процессе работы мультиагентной системы агент может обращаться за помощью к другим агентам, если не в состоянии решить поставленную передним задачу самостоятельно. При этом агенты могут строить планы совместных действий, не только полагаясь на свои возможности, но анализируя планы и намерения других членов коллектива. Моделирование коллективного поведения необходимо также в случаях, когда агенты для решения своих задач используют общий ограниченный ресурс. Каждый агент вынужден учитывать наличие других агентов, а выбор стратегии действий одного агента обычно зависит от поведения остальных. Проблемы коллективного поведения рассматриваются в теории систем, в теории управления ив теории игр. Основной идеей системного анализа является применение декомпозиции исходной задачи на более простые, из решения которых может быть найдено решение задачи в целом. В мультиагентных системах идея декомпозиции воплотилась в принцип распределённого решения подзадач сих координацией для получения стратегии коллективного поведения. В процессе моделирования коллективной работы агентов возникает множество проблем [4]: распознавание необходимости кооперации выбор подходящих партнёров; возможность учёта интересов партнёров; организация переговоров о совместных действиях формирование планов совместных действий синхронизация совместных действий |