Making technical descisions by means of multi-agent systems

Bondarenko Igor' Borisovich PhD in Technical Science Associate Professor, St. Petersburg National Research University of Information Technologies, Mechanics and Optics 193232, Russia, g. Saint Petersburg, pr. Bol'shevikov, 22 korp. 1 igorlitmo@rambler.ru Korobeinikov Anatolii Grigor'evich Doctor of Technical Science 197101, g. Saint Petersburg, Kronverkskii prospekt, d.49 Korobeynikov_A_G@mail.ru Prokhozhev Nikolai Nikolaevich 197101, g. Saint Petersburg, Kronverkskii prospekt, d.49 karaja2@yandex.ru

Mikhailichenko Ol'ga Viktorovna 197101, g. Saint Petersburg, Kronverkskii prospekt, d.49 19791109@list.ru

Многоагентные системы (МАС) являются результатом пересечения теорий систем с системами распределенного искусственного интеллекта (ИИ). В качестве агентов выступают некоторые сущности (в нашем случае программные модули), находящиеся в некоторой среде и способные интерпретировать и исполнять команды, поступающие от управляющих модулей, а также воздействовать на среду ^[1]. В общем случае агент может содержать как программные, так и аппаратные средства.

МАС подразделяют на кооперативные, конкурирующие и смешанные. В кооперативных МАС решение принимается в результате совместной работы, а в конкурирующих – отдельных действий агентов. Поэтому только у корпоративных структур МАС имеется свойство самоорганизации, так как только в этом случае происходит взаимодействие агентов между собой. При этом учитываются все альтернативные варианты, решение постоянно изменяется, что, в итоге, приводит к нахождению решения задачи.

Построение МАС на принципах ИИ представляет наибольшую сложность, так как: необходимо организовывать агентов между собой и с координационным центром, создавать среду, управлять изменением структуры и т.д. К тому же задача проектирования МАС с интеллектуальными агентами является ресурсоемкой задачей, а сложность ее зависит от варианта взаимодействия агентов ^[2,3].

Для получения результата, лучшего, чем суммарный вклад всех агентов, входящих в МАС, необходима организация взаимодействия агентов между собой; к тому же агенты должны обладать интеллектуальными свойствами. То есть в нашем случае не подходят простые и смарт-агенты.

Под задачей принятия решения будем понимать задачу выбора наилучшего варианта из многих, осуществляемую в условиях нехватки информации, то есть в условиях неопределенности. Для таких задач характерно: наличие элементов нечетких множеств, отсутствие точного определения целевых функций (ЦФ), невозможность составить четкого алгоритма решения, ограниченность ресурсов.

Для создания сообщества агентов необходимо разработать :

- структуру МАС;

- стратегии поиска решения;

- структуру представления информации.

В разрабатываемой системе (рис. 1) каждый интеллектуальный агент имеет доступ к базе знаний (БЗ) и может обмениваться этими знаниями с другими агентами. Агенты являются разнородными и соответствуют множеству методов решения задачи.

Рис. 1. Структура МАС

Поведение агента опишем с помощью функции:

`Z(M,U)` ,

которая отображает входную информацию (в том числе и от датчиков) с помощью метода `M` и содержит случайную компоненту `U` для выбора действия агента. Действия агента и определяет его тип, то есть последний зависит от функции `Z(M,U)` , или заложенного в него алгоритма работы (рис. 2). Причем алгоритм работы предполагает генерацию действий с определенной вероятностью. Действия агента должны максимизировать успех, или выгоду от его работы.

Рис. 2. Структура агента

В функции поведения агента выделяются три части: первая закладывается проектировщиком агента, вторая вычисляется в результате работы агента по выработке действий, и третья – формируется в результате обучения агента по мере накопления опыта. Если в агенте будет превалировать первая часть, то такой агент не будет автономным, а если третья часть, то процессу самообучения не на что будет опираться и, поэтому, знания не смогут накапливаться.

Как видно из рисунка 2, работа агента определяется не только заложенными в него алгоритмами, но и типом внешней среды. Она может характеризоваться следующими свойствами ^[4]:

- полностью наблюдаемая или частично наблюдаемая;

- детерминированная или стохастическая;

- эпизодическая или последовательная;

- статическая или динамическая;

- дискретная или непрерывная;

- одноагентная или мультиагентная.

К наиболее сложному случаю относится работа агента в частично наблюдаемой, стохастической, последовательной, динамической, непрерывной и мультиагентной среде.

Возвращаясь к схеме рис. 1, организуем работу МАС следующим образом. Пусть агенты способны решать однотипные задачи, но с помощью разных методов. Тогда в качестве действия агенты выдают результаты решения поставленной задачи в виде альтернативных вариантов (по одному или по несколько вариантов в зависимости от метода).

Для обмена информацией между агентами служит агент-координатор. Он преобразует условия решаемой задачи в понятный для интеллектуальных агентов вид, а также через интерфейс пользователя обменивается данными с человеком-оператором. Через этого агента осуществляется доступ пользователя к БЗ.

В случае распараллеливания работы методов, в функции агента-координатора входит и синхронизация поступающей информации о решениях.

Не смотря на то, что агенты используются давно: при поиске информации в БД и сети Интернет, при работе операционных систем и т.д., – использование МАС, а тем более с интеллектуальными компонентами сильно затруднено. Описанный в статье подход не претендует на полноту и законченный вид, а является только началом исследования различных вариантов МАС, пригодных для принятия решений в условиях роста неопределенности выбора оптимального варианта из множества альтернатив.