|
|
кр. Ю. Ю. Громов, О. Г. Иванова, В. В. Алексеев, М. П. Беляев, Д. П. Швец, аи. Елисеев интеллектуальные информационные системы и технологии
4.4. Технологии проектирования мультиагентных систем Программно реализованные агенты, в том числе и интеллектуальные, относятся к классу программного обеспечения, которое способно действовать самостоятельно от лица пользователя. Созданию программных агентов предшествовал опыт разработки так называемых открытых систем [8], результатом внедрения которых в практику явилось создание архитектуры «клиент–сервер». В настоящее время наибольшее распространение получили две модели такого взаимодействия толстый клиент–тонкий сервер и тонкий клиент–толстый сервер. Впервой модели серверная часть реализует доступ к ресурсам, а приложения находятся на компьютерах клиентов. Во второй модели клиентское приложение обеспечивает только реализацию интерфейса, а сервер объединяет все остальные части программного обеспечения. При создании MAC используются обе модели. При этом может применяться либо статический подход, при котором осуществляется передача только данных, либо динамический подход, обеспечивающий также передачу программного кода. Динамический подход опирается на парадигму мобильных агентов, которые в отличие от статических могут перемещаться посети. Они могут покидать клиентский компьютер и перемещаться на удалён- ный сервер для выполнения своих действий, после чего могут возвращаться обратно. Использование мобильных агентов имеет положительные и отрицательные последствия, поэтому их применение оправдано в тех случаях, когда они обеспечивают следующие возможности [3]: уменьшение времени и стоимости передачи данных расширение ограниченных локальных ресурсов облегчение координации выполнение асинхронных вычислений. При использовании мобильных агентов возникает ряд серьёзных проблем, в том числе легальность способов перемещения агентов посети верификация агентов (например, защита от вирусов соблюдение прав частной собственности сохранение конфиденциальности информации перенаселение сети агентами совместимость кода агента и программно-аппаратных средств сетевой машины. Для реализации мультиагентных систем, основанных как наста- тических, таки на динамических распределённых приложениях, наиболее перспективными на сегодняшний день являются следующие технологии [3, 18]: DCOM (Microsoft Distributed Component Object
Model), JawaRMI (Jawa Remote Method Invocation) и CORBA (Common
Object Request Broker Architecture). Главной особенностью объектно-ориентированной технологии
DCOM является возможность интеграции приложений, реализованных в разных системах программирования. В приложениях JawaRMI на сервере создаются объекты и методы их обработки, доступные для вызова удалёнными приложениями, которые размещаются на компьютерах-клиентах. Технология CORBA – одно из наиболее гибких средств реализации распределённых приложений. Её преимуществом по сравнению с
JawaRMI является наличие специального языка описания интерфейсов
IDL, унифицирующего средства коммуникации между приложениями и способы взаимодействия с другими приложениями.
116 Подробную информацию о программных продуктах, предназначенных для разработки мультиагентных систем, можно найти в Интернете по адресу http:// www.Reticular.com. Для поддержки процессов проектирования агентов и мультиа- гентных систем разработаны специальные инструментальные средства. Чтобы получить представление об их возможностях и о технологии создания MAC, рассмотрим в качестве примера систему Agent Builder. Инструментарий Agent Builder (Reticular Systems, Inc.) предназначен для разработки мультиагентных систем на основе программ, что позволяет исполнять их на любом компьютере, где установлена виртуальная машина (Java Virtua lMachine). Общая схема процесса проектирования и реализации приложений на основе Agent Builder
ToolKit представлена на рис. 4.4. Модель жизненного цикла создаваемых агентов включает следующие этапы обработку новых сообщений определение правил поведения выполнение действий обновление ментальной модели в соответствии с заданными правилами планирование действий. Ментальная модель включает описание намерений, желаний, обязательств и возможностей, а также правил поведения агентов. На основе этой модели осуществляется выбор тех или иных действий интеллектуального агента. Правила поведения в системе Agent Builder реализуются на специальном объектно-ориентированном языке RADL (Reticular Agent
Definition Language) в виде конструкции When–If–Then. Составные части этого правила выполняют следующие функции
When<...> содержит новые сообщения, полученные от других агентов
If<...> сравнивает текущую ментальную модель с условиями применимости правила
Then<...> определяет действия, соответствующие текущим событиям, состоянию ментальной модели и внешнего окружения. Правила поведения агентов записываются в формате
Name < Имя правила >
When < Message Conditions >
If < Mental Conditions >
Then < Private Actions; Mental Changes; Message Actions >
117 Рис. 4.4. Схема процесса проектирования приложений в системе Agent Builder ToolKit В языке RADL используются структуры данных, подобные фрей- мама правила представляют собой продукции специального вида. При проектировании приложений необходимо составить спецификации моделей поведения агентов, которые будут применяться совместно с классами и методами из библиотеки действий агентов и библиотеки интерфейсов. Являясь достаточно мощным средством для представления и обработки знаний, Agent Builder не предусматривает применения средств явного управления логическим выводом, которые могли бы существенно расширить возможности используемого языка.
118 Мультиагентные системы для поиска информации. В связи с быстрым развитием интернет-технологий возникла необходимость применения средств искусственного интеллекта для поиска и обработки интернет-ресурсов. Применение интеллектуальных MAC для решения задач сбора, поиска и анализа информации в глобальных сетях дат следующие существенные преимущества перед традиционными средствами обработки информации [3]: обеспечение доступа пользователя к сетевым протоколам все- ти Интернет параллельное решение нескольких задач выполнение поиска информации после отключения пользователя от сети увеличение скорости и точности поиска, а также уменьшение загрузки сети за счёт поиска информации непосредственно на сервере создание собственных баз информационных ресурсов, постоянно обновляемых и расширяемых
4.2. Анализ систем интеллектуального поиска и обработки информации Характеристика
Autonomy
WebCompass Категория пользователей, на которую ориентирована система Конечные пользователи Продвинутые пользователи Подход к описанию предметной области Технология нейронных сетей и специальные методы распознавания образов и обработки сигналов
Иерархиипонятий, связанных отношениями типа IS-A, PART-OF,
HAS-PART, IS-A KIND-
OF и т.д. Средства спецификации запросов Естественный язык Прямое использование сформированного пользователем описания предметной области Методы поиска релевантной информации
Нечёткая логика Поиск по списку ключевых слов одновременно на 35 машинах поиска Режим обучения поисковых агентов Есть Нет
119 реализация возможности сотрудничества между агентами, которая позволяет использовать накопленный опыт возможность автоматически корректировать и уточнять запросы, используя контекст и применяя модели пользователей. В таблице 4.2 приведены отличительные особенности известных в России коммерческих мультиагентных систем Autonomy [15] и Web
Compass [22], предназначенных для интеллектуального поиска и обработки информации в сети Интернет. Недостатком современных систем интеллектуального поиска и обработки информации является их слабая способность к обучению. Поэтому основные усилия по совершенствованию интеллектуальных систем информационного поискав сети Интернет направлены на развитие моделей представления знаний, механизмов вывода новых знаний, моделей рассуждения и способов обучения агентов [20]. Одним из успешных исследовательских проектов, выполненных в этом направлении, стал проект системы MARRI [21], которая была разработана для поиска страниц, релевантных запросам в опреде- лённой предметной области. Для решения поставленной задачи система использует знания, представленные в виде онтологии, под которой в данном случае понимается упорядоченное множество понятий предметной области. Архитектура системы MARRI показана на рис. 4.4. Рис. 4.4. Архитектура системы MARRI
120 Система MARRI включает следующие типы агентов интерфейсный агент (агент пользователя) обеспечивает интеллектуальное взаимодействие с пользователем. Он поддерживает процесс формулирования запросов и представляет результаты поискав виде списка URL или страниц
−
агенты-брокеры двух типов 1) брокер типа URL предназначен для формирования списков интернет-адресов, поставляемых браузером;
2) брокер типа HTML выполняет функции запоминания полученных границ и их распределения между агентами обработки текста агент сети (интернет-агент) обеспечивает считывание и анализ заданной страницы URL или страницы (URL – автономная Java программа с собственным сетевым адресом. Он должен уметь выполнять обработку исключительных ситуаций (например, когда страница недоступна, а также производить анализ текста насчитанной странице агент обработки текста сначала преобразует текст к представлению, с которым работают морфологический и синтаксический анализаторы, а затем проводит семантический анализ Web- страниц для проверки их релевантности запросу на основе соответствующей онтологии. Результат обработки текста представляется в виде синтаксического дерева, которое должно соответствовать какому- нибудь фрагменту используемой онтологии. Каждый из перечисленных типов агентов наделён специальными знаниями, которые используются для повышения эффективности поиска информации. Агенты способны взаимодействовать друг с другом обмениваться информацией, контактировать с Web-браузерами, анализаторами естественного языка и онтологическими базами данных. Отличительной чертой системы MARRI является представление агентов автономными программами, каждая из которых имеет собственный сетевой адрес (URL). Это обеспечивает мобильность агентов, но противоречит политике безопасности, не допускающей запуск подобных программ, если они не сертифицированы на данном сервере.
4.5. Перспективы мультиагентных технологий В работе [9] сформулированы проблемы, решение которых может существенно продвинуть вперёд технологию мультиагентных систем и исследования в области искусственной жизни.
1. Применение принципов гомеостатического управления. Предположение о том, что наилучшее взаимодействие агентов в MAC достигается при бесконфликтной кооперации, не всегда справедливо. Это утверждение можно аргументировать примерами биологических систем, в которых эффективной оказывается кооперация противоборствующих сторон (хищник–жертва, взаимодействие симпатической и парасимпатической нервных систем. Противодействующие структуры позволяют поддерживать системы с многокритериальным управлением в границах области «неулучшаемых» решений (область Парето). Поэтому одним из актуальных направлений развития теории MAC является применение принципов гомеостатического управления гомеостаз равновесие, основы которого были заложены в работе отечественной научной школы Ю.М. Горского.
2. Создание адекватных механизмов активизации знаний, требующихся при решении конкретных проблем. Опыт создания интеллектуальных систем показывает, что увеличение количества знаний приводит к эффекту государственной публичной библиотеки. Обладая огромным запасом знаний, библиотека не имеет каких-либо умений и навыков. Поэтому одной из существенных проблем интеллектуальных агентов является повышение их активности, которая связана нес накоплением знаний, ас умением активизировать нужные знания в процессе решения задач. Разработка процедур активизации знаний будет способствовать созданию действительно интеллектуальных агентов.
3. Перспективным направлением является использование идей рефлексивного управления в MAC. Эксперименты с агентами, надел нными способностью к рефлексивным рассуждениям, показали эффективность данного подхода.
4. Создание конструктивных моделей этических систем и моделей поступков в среде обитания агентов.
5. Исследование влияния внешних факторов на поведение коллектива искусственных агентов и личностных характеристик агентов психологические типы, оптимизм в оценках достижимости целей, азартность, упорство, конфликтность и т.п.).
4.6. Контрольные вопросы и задания
1. Расскажите о сущности мультиагентных технологий. Что подразумевается под агентом и как он может быть реализован
2. Какими свойствами обладают интеллектуальные агенты
3. Дайте характеристику архитектурам мультиагентных систем.
4. Сформулируйте основные проблемы, возникающие при моделировании коллективного поведения интеллектуальных агентов.
5. Охарактеризуйте основные модели координации поведения агентов в мультиагентных системах теоретико-игровые, модели коллективного поведения автоматов, модели планирования коллективного поведения, модели на основе BDI-архитектур, модели координации поведения на основе конкуренции.
122
6. Сформулируйте постановки задач координации поведения агентов на основе модели аукциона.
7. Проведите сравнительный анализ свойств мобильных и статических агентов.
8. Опишите технологию построения мультиагентных систем.
9. Перечислите основные преимущества интеллектуальных поисковых мультиагентных систем перед традиционными средствами поиска информации.
10. Для каких задач актуально применение мультиагентных технологий Приведите примеры.
11. Сформулируйте содержательный пример задачи кооперации и покажите возможный способе решения средствами мультиагентных технологий.
12. Приведите пример задачи координации коллективного поведения, для решения которой актуально применение мультиагентных технологий. Сформулируйте принцип координации и правила нормативного поведения агентов.
13. Спроектируйте виртуальный магазин. Опишите виды агентов, их функции и способы возможной реализации.
14. Спроектируйте структуру мультиагентной системы для реализации конкретного виртуального предприятия. Опишите виды агентов, их функции и способы возможной реализации. Охарактеризуйте механизм координации поведения агентов.
15. Спроектируйте интеллектуальную мультиагентную систему для решения прикладной задачи в области экономики и управления. Реализуйте спроектированную систему на ЭВМ.
16. Расскажите о процессе проектирования приложений в системах разработки мультиагентных систем.
17. Приведите примеры инструментальных средств проектирования мультиагентных систем.
18. Расскажите о возможностях агентного автоматизированного извлечения и обработки информации.
19. Расскажите о свойствах моделей координации поведения агентов.
20. Расскажите о мультиагентных системах для поиска информации.
21. Расскажите о проблемах развития агентных систем.
22. Расскажите о концепциях, применяемых при разработке MAC.
23. Назовите основные признаки естественных систем, которые необходимо учитывать при моделировании виртуальных сред.
24. Расскажите об основных идеях, используемых в моделях координации поведения агентов.
25. Расскажите о классификации множества возможных ситуаций выбора поведения пары агентов.
123
4.7. Список литературы
1. Варшавский, В.И. Оркестр играет без дирижера / В.И. Варшавский, ДА. Поспелов. – М. : Наука, 1984.
2. Гаазе-Раппопорт, МГ. От амебы до робота. Модели поведения МГ. Гаазе-Раппопорт, ДА. Поспелов. – М. : Наука, 1987.
3. Гаврилова, ТА. Базы знаний интеллектуальных систем / ТА. Гаврилова, В.Ф. Хорошевский. – СПб. : Питер, 2000.
4. Городецкий, В.И. Многоагентные системы основные свойства и модели координации поведения / В.И. Городецкий // Информационные технологии и вычислительные системы. – 1998. – № 1.
5. Кудрявцев, ЕМ. Исследование операций в задачах, алгоритмах и программах / ЕМ. Кудрявцев. – М. : Радио и связь, 1984.
6. Лефевр, В. Конфликтующие структуры / В. Лефевр. – М. : Советское радио, 1973.
7. Моделирование обучения и поведения. – М. : Наука, 1974.
8. Орлик, С. Многоуровневые модели в архитектуре клиент–
сервер / С. Орлик. – 1997. – http://www.citforam.ru/database/osbd/ glava_94.html.
9. Поспелов, ДА. Многоагентные системы – настоящее и будущее ДА. Поспелов // Информационные технологии и вычислительные системы. – 1998. – № 1.
10. Саати, Т.Л. Принятие решений. Метод анализа иерархий /
Т.Л. Саати. – М. : Радио и связь, 1989.
11. Смирнов, А.В. Многоагентные системы поддержки принятия решений для предприятий малого и среднего бизнеса / А.В. Смирнов,
М.П. Пашкин, ИО. Рахманова // Информационные технологии ивы- числительные системы. – 1988. – № 1.
12. Тарасов, В.Б. От многоагентных систем к интеллектуальным организациям философия, психология, информатика / В.Б. Тарасов. – М. : Эдиториал УРСС, 2002.
13. Трахтенгерц, Э.А. Взаимодействие агентов в многоагентных системах / Э.А. Трахтенгерц // Автоматика и телемеханика. – 1998. –
№ 9.
14. Цетлин, МЛ. Исследования по теории автоматов и моделированию биологических систем / МЛ. Цетлин. – М. : Наука, 1969.
15. Autonomy. Autonomy Technology Whitepaper. – 1998. – http:// www. autonomy.com/tech/wp .html
16. Brooks, R.A. Intelligence without Representation / R.A. Brooks //
Artificial Intelligence. – 1991. – No. 47.
124 17. Georgeff, M.P. Social plans: Preliminary report / M.P. Georgeff, S. Rao // Proceedings of 3rd European Workshop on Modeling Autonomous Agents and Multi–Agent Worlds, 1992, North Holland. 18. Gopalan, R.S. A Detailed Comparison of CORBA, DCOM and Java/RNI (with specific code examples) / R.S. Gopalan. – http:// www. execpc. com/gopalan/ index.html 19. Nwana, H.S. Software Agents: An Overview / H.S. Nwana // Knowledge Engineering Review. – 1996. – Vol. 11, No. 3, Cambridge Uni- versity Press. 20. Pagina, H. Intelligent Software Agent on the Internet / H. Pagina. – 1996. – http:// www.hermans.org/agents/index.html 21. Villemin, F.Y. Ontologies – based relevant information retrieval / F.Y. Villemin. – 1999. – http:// www.cnam.fr/f–gv 22. WebCompass. WebCompass Page. – 1999. – http:// www.syman– tec.com/techsupp/webcompass/kbase_webcompass.html 23. Wooldridge, M. Inntellidgent Agents: Theory and Practice / M. Wooldridge, N. Jennings // Knowledge Engineering Review. – 1994. – № 10(2). 24. Zlotkin, G. Mechanisms for Automated Negotiation in State Oriented Domain / G. Zlotkin, J.S. Rosenschein // Journal of Artificial Inteeligence Research. – 1996. – № 4. |
|
|
Скачать 2.03 Mb.