77538

МУЛЬТИ-АГЕНТНЫЕ ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ

Лекция

Информатика, кибернетика и программирование

Системы группового управления должны обеспечить возможность быстрой перестройки производства к изменению типа и объёма выпускаемой продукции в изменяющейся среде. Первоначально были разработаны принципы централизованного и децентрализованного группового управления сложными робототехническими системами. При децентрализованном управлении использовались распределённая группа микропроцессоров встроенных в локальные системы управления гибко программирующие поведение роботов и оборудования в соответствии с заданной в реальном времени...

Русский

2015-02-02

96.5 KB

15 чел.

Лекция

МУЛЬТИ-АГЕНТНЫЕ ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ

Потребности комплексной и гибкой автоматизации технологических процессов привели к необходимости группового управления роботами, технологическими машинами и оборудованием. Системы группового управления должны обеспечить возможность быстрой перестройки производства к изменению типа и объёма выпускаемой продукции в изменяющейся среде.

Первоначально были разработаны принципы централизованного и децентрализованного группового управления  сложными робототехническими системами . При централизованном управлении использовалась иерархическая обработка информации из единого центра, осуществляемая достаточно мощным центральным компьютером.  При децентрализованном управлении использовались распределённая группа микропроцессоров, встроенных в локальные системы управления, гибко программирующие поведение роботов и оборудования  в соответствии с заданной в реальном времени последовательностью технологических операций. Эти принципы нашли применение в системах группового управления промышленными роботами и технологическим оборудованием с числовым программным управлением.

Развитие средств адаптации, систем телекоммуникации и элементов искуственного интеллекта привели в последние годы к созданию интеллектуальных систем управления роботов, машин и оборудования, связанных между собой компьютерными каналами связи для обмена информацией. Благодаря этому появилась возможность рассматривать такое оборудование с интеллектуальным управлением и коммуникационным взаимодействием как агентов сложных робототехнических систем, которые должны коллективно решать общую задачу в изменяющейся производственной среде.

 Мультиагентная система (МАС) – это система, образованная несколькими  взаимодействующими интеллектуальными агентами. МАС могут использоваться для решения таких проблем, которые сложно решить с помощью одного агента или монолитной системы. Примерами таких систем являются онлайн-торговля, ликвидация чрезвычайных ситуаций, моделирование социальных структур, компьютерные игры, транспорт, логистика, сетевые технологии и др. Обычно в МАС исследуются программные агенты, тем неменее, составляющими МАС могут быть также роботы, люди или команды людей. МАС могут содержать и смешанные команды. В МАС может проявляться самоорганизация и сложное поведение даже, если стратегия поведения каждого агента достаточно проста. Это лежит в основе так называемого роевого интеллекта. Другой часто используемой парадигмой в МАС является «феромон», где компоненты «оставляют» информацию для следующих в очереди или ближайших компонентов. Такие «могут строиться как «феромоны» могут испаряться со временем, т.е. их значения могут изменяться со временем. МАС могут строиться как объединение отдельных интеллектуальных систем, основанных на знаниях, и как системы коллективного  поведения, возникающего в результате локальных взаимодействий простых реактивных агентов. МАС состоят из  следующих основных компонентов:

- Множество системных единиц, в котором выделяются подмножество активных единиц – агентов, манипулирующих подмножеством пассивных единиц – объектов.

- cреда, т. е. некоторое пространство, в котором существуют агенты и объекты.

- множество задач (функций, ролей),которые поручаются агентам.

- множество отношений (взаимодействий) между агентами.

- множество действий агентов (например, различных операций над объектами или коммуникативных актов).

К настоящему времени для понятия «агент» не принято единого определения. Различные источники определяют множество типов агентов, например: персональные агенты, автономные агенты, интеллектуальные агенты, мобильные агенты, персональные ассистенты, социальные агенты и т.д. Общим в понимании можно считать, что агент или искусственный агент – это активный объект, наделенный некоторой долей субъектности и имеющий развитые средства взаимодействия со средой и себе подобными для достижения своих целей путем управления.

Агент - активный объект, который находится в некоторой среде, воспринимает ее посредством сенсоров, получая данные, которые отражают события, происходящие в среде, интерпретирует эти данные и действует на среду посредством эффекторов. Таким образом, здесь вычленяются четыре исходных агентообразующих фактора:

объект

 среда

 восприятие

 интерпретация

действие.

Иначе говоря, понятие агент можно представить множеством из пяти элементов -

Агент = <Объект, Среда, Восприятие, Интерпретация, Действие>,

где     Объект  –  имеется в виду активный объект как программный или аппаратный элемент или любая физическая или виртуальная единица, представляющего абстракцию множества экземпляров предметов реального мира, имеющих одни и те же свойства и правила поведения;

 Среда или проблемная среда, по сути представляющая собой "проблему", в которой  агент функционирует. Примером может быть среда вождения, в которой действует такси или тренажер, имитирующий крупный пассажирский самолет, проблемная область функционирования робота и пр.;  

Восприятие – термин, используемый для обозначения полученных агентом  сенсорных данных в любой конкретный момент времени;

Интерпретация— (информатика) процесс покомандного выполнения программы без предварительной компиляции, «на лету»; интеллектуальное управление деятельностью агента на основе программы, реализующей функцию агента. Агент должен выбирать в реальном времени наиболее целесообразные целенаправленные решения из широкого диапазона возможных выполняемых действий. Таким образом восприятия отображаются на действия;

Действие – воздействие агента на среду с помощью исполнительных механизмов.

Под агентом понимается объект, обладающий интеллектом, т. е. способный рассуждать и принимать на основании этих рассуждений решения, автономно функционирующий и выполняющий поставленные перед ним цели. Можно в общем случае выделит два типа агентов:

- интеллектуальные программные агенты, реализующие функции поиска, обзора и преобразования информации преимущественно в сетевой среде;  

Мультиагентные программные системы используются для сбора, поиска и анализа  информации. В состав  данной системы входят следующие группы агентов:

агент-пользователь -  может выполнять функции агента-заказчика или агента-исполнителя.

канальный агент – служит для координации  процесса передачи заявок и ответов, обеспечивая функции маршрутизации пакетов различного рода.

сервисный агент – оказывает услуги другим агентам, осуществляя отправку, перемещение и хранение ресурсов в сети.

интерфейсный агент – обеспечивает взаимодействие агентов, входящих в состав системы, с внешней средой.

агент – субординатор – (супервизор) – выполняет функции координации действий агентов, а также выявления и разрешения конфликтных ситуаций в системе.

агент процесса обеспечения ресурса – инициирует и координирует процесс обеспечения ресурса, требующего ряда действий..

классовый агент – содержит знания о компонентах и параметрах класса ресурса или услуги.

экземплярный агент – является экземпляром класса ресурса, полученным в результате конкретизации его параметров, непосредственно инициирует те или иные действия в системе.

- робототехнические интеллектуальные агенты – роботы, способные автономно функционировать в реальной среде, решая задачи выживания, перемещения, навигации и т. п. с целью регистрации состояния окружающего мира, передачи полученной информации потребителю и осуществления спланированных действий.

Интеллектуальный робототехнический агент воспринимает среду с помощью датчиков и воздействует на нее посредством исполнительных органов. Воздействие агента на среду называется реакцией, а ощущение агентом среды – восприятием. Поведение интеллектуальных агентов состоит в переработке восприятий в реакции. Эта переработка осуществляется интеллектуальным агентом с помощью решателя, работающего на основании заложенных в него знаний.

В зависимости от сложности решаемых задач выделяют четыре типа интеллектуальных агентов:

- комбинационные;

- последовательностные;

- целенаправленные;

- целевыбирающие.

Комбинационный агент в определенный момент времени получает с датчиков восприятие, характеризующее состояние среды. На основании только этого восприятия и неизменяемых в процессе всего существования агента знаний, хранящихся в его памяти, он в этот же момент с помощью исполнительных органов формирует реакцию. Комбинационный агент не порождает новых знаний.

Поведение последовательностного агента также зависит от восприятий, полученных в предыдущие моменты времени.

Целенаправленный агент,  прежде чем принять решение на основании известной ему цели заранее планирует свои реакции. Таким образом, решатель целенаправленного агента использует не раз и навсегда данное ему множество правил, предписывающих какие реакции выдавать в ответ на восприятие, и всякий раз для достижения новой цели порождает план достижения именно этой цели. Исходными данными для работы агента также могут быть не только реакции на конкретное восприятие, а также общие законы его поведения в среде,  законы поведения самой среды, законы порождения планов достижения целей.

Целевыбирающий агент,  способен при наличии одной цели выбрать из множества конкурирующих планов достижения цели наилучший. На основании предыдущего опыта он способен обучаться и корректировать или пополнять свои знания.

От свойств конкретной среды зависит выбор типа агентов и всего, что им необходимо для успешного функционирования.

способы разрешения конфликтов ПРИ КоллективноМ движениИ агентов-РОБОТОВ.

Возможность возникновения конфликтов в МАС является неизбежным следствием децентрализованности таких систем. Локальные убеждения одного агента могут, например, противоречить убеждениям других агентов. Агент может сформировать цель, которая будет конфликтовать с целями других агентов. Основными типами конфликтов в многоагентных системах являются:

_ Конфликты в системе убеждений агентов, которые могут возникать при получении агентом ложной информации.

_ Конфликты, обусловленные неполнотой имеющейся у агента модели окружающего мира и моделей других агентов.

_ Конфликты связанные с конкуренцией за совместные ресурсы или конфликты, связанные с наличием противоречивости целей.

Например, будем считать, что каждый  агент-робот может двигаться  по своему маршруту, удовлетворяющему граничным условиям, причём  скорость и ускорение его движения    задаются агентом-координатором на супервизорном уровне  управления МАРС. Целью агента-координатора и локальных систем управления агентов-роботов является скорейшее прохождение всех маршрутов  без столкновений для выполнения общего задания.

Для предотвращения столкновений (конфликтов) агент-координатор может  передавать по каналaм связи команды o временной остановке роботов или об изменении скорости и ускорения их движения в зависимости от сложившейся ситуации. Эта ситуация оценивается координатором на основе запросов  о текущем состоянии каждого робота, которая характеризуется его  координатами  и скоростью. Для прогнозирования возможных конфликтов агент-координатор должен знать  маршруты  и скорости движения роботов на заданное время вперёд или на всём интервале движения. В этом случае он может заранее расcчитать время и место возможных столкновений роботов. Стратегия упреждающего разрешения конфликтов заключается в заблаговременном  изменении агентом-координатором скорости движения роботов по спланированным маршрутам.

Однако в действительности агент-координатор обычно использует информацию только о текущем положении и скорости роботов, что ограничивает его возможности  по прогнозированию и разрешению конфликтов.  В зоне возможного столкновения роботов он может изменить скорость их движения (например, затормозить или остановить робот на какое-то время) с помощью команд, передаваемых по каналам прямой связи в локальные системы управления. Однако такая стратегия разрешения конфликтов может оказаться неэффективной или нереализуемой.  

Другие способы разрешения конфликтов относятся к  тактическому уровню. Они основываются на обмене информацией  о маршруте и скорости движения между автономными системами управления роботов через прямые каналы связи (например, радиоканалы) или через агента-коммуникатора с  памятью (например, в виде "доски объявлений"),  играющего роль посредника для адресной связи и быстрой передачи данных между агентами-роботами. При этом подходе каждая локальная система управления берёт на себя дополнительные функции агента-координатора. Она использует описанные выше стратегии разрешения конфликтов для автономного принятия каждым роботом индивидуальных решений, адекватных глобальной ситуации. Это значительно усложняет интеллектуальную систему управления каждого робота и делает невозможным управление МАРС в реальном времени. Для упрощения систем управления роботов в рамках такого подхода можно использовать сенсорную информацию о близости робота-агента по отношению к другим роботам и препятствиям, получаемую, например, с помощью дальномеров.

Значительный интерес для мульти-агентного управления представляют также способы разрешения конфликтов на тактическом уровне, основанные на  использовании мульти-агентных экспертных правил “дорожного движения” и нейросетевых алгоритмов  распознавания  дорожных ситуаций .Эти правила  должны быть обязательными для автономных систем интеллектуального управления роботов как агентов. Для локального управления движением роботов с учётом их нелинейной динамики можно использовать алгоритмы программного и адаптивного управления, описанные в [1,4-8], а также нейросетевые алгоритмы, обеспечивающие обучаемость и высокий параллелизм при обработке информации.

ФУНКЦИИ МУЛЬТИ-АГЕНТНОГО УПРАВЛЕНИЯ

.Основными функциями МАС  управления являются:

- декомпозиция общей задачи на  множество локальных подзадач для агентов;

- формирование коллектива агентов с различными функциональными возможностями;

- планирование распределения или перераспределения этих локальных подзадач между агентами;

- распределение материальных и интеллектуальных ресурсов между агентами;

- координация совместной работы агентов с автоматическим разрешением возникающих конфликтов;

- моделирование среды с препятствиями и поведения МАРС в изменяющейся среде;

- локальное интеллектуальное управление агентами с использованием сенсорной и коммуникационной информации, поступающей по каналам прямой и обратной связи.

Системы мульти-агентного управления обладают следующими достоинствами:

- параллельное решение агентами своих подзадач в реальном времени;

- взаимозаменяемость агентов или их подсистем (например, локальных сенсорных систем или систем интеллектуального управления);

- инвариантность архитектуры (структуры и функций) систем мультиагентного управления при изменении в широких пределах решаемых задач, используемых технологий и ресурсов;

- высокая надёжность за счёт простоты резервирования функциональных модулей, их диагностики и ремонта без остановки работы агентов и МАРС в целом;

- мультипроцессорная реализация основных функций мульти-агентной обработки информации, навигации и управления;

- возможность унификации и стандартизации основных функций и модулей МАРС.

Стратегические функции мульти-агентного управления такие, как декомпозиция общей задачи, распределение подзадач и ресурсов между агентами и т.п., обеспечивают  координацию и организацию правильной работы МАС. Поэтому целесообразно возложить эти функции на верхний уровень группового управления, называемый стратегическим или супервизорным управлением. Для реализации этого уровня управления можно ввести специального агента-координатора. Тактические функции интеллектуального управления технологическими агентами параллельно осуществляются на нижнем уровне локального (одно-агентного) управления. При этом базы данных и базы знаний локальных систем интеллектуального управления рассматриваются как “интеллектуальный капитал” (знания, опыт, навыки, мотивация и т.п.) и особый вид вычислительных ресурсов агентов. Агенты МАРС способны кооперироваться и конкурировать между собой при коллективном решении общей задачи.

ИНТЕЛЛЕКТУАЛЬНЫЙ РОБОТ КАК АГЕНТ 

        Будем рассматривать робототехническую систему как коллектив интеллектуальных агентов, связанных  компьютерными  каналами  связи  для достижения общей цели. Каждый агент  способен  самостоятельно  решать  некоторые локальные задачи и имеет возможность кооперироваться с другими агентами в  процессе  совместного  решения общей  задачи. Робот как агент робототехнической мульти-агентной системы представляет собой  автономную интеллектуальную  систему, состоящую из следующих компонент:

     1.двигательная система ("тело"),

     2.сенсорная система ("органы чувств"),

     3.системы управления ("мозг"),

     4.система коммуникации ("языки и каналы связи”).

        Основными особенностями интеллектуального агента являются:

    - коллегиальность , т.е. способность к коллективному     согласованному     поведению в интересах решения общей задачи;

- автономность, т.е. способность самостоятельно решать локальные задачи;

- адаптивность, т.е. способность автоматически приспосабливаться

 к  неопределённым и изменяющимся условиям в динамической среде;

- активность, т.е. способность к активным действиям ради достижения общих и

 локальных целей;

- информационная и двигательная мобильность,  т.е. способность активно перемещаться и целенаправленно искать и находить  информацию и объекты, необходимые для кооперативного решения общей задачи.

Сочетание описанных  способностей позволяет автономным агентам достигать своих целей, разрешать конфликты и согласовывать  свои  действия при коллективном решении общей задачи в изменяющейся среде с препятствиями.

ПРИНЦИП ДЕЙСТВИЯ СИСТЕМ МУЛЬТИ-АГЕНТНОГО УПРАВЛЕНИЯ

РОБОТАМИ

        Интеллектуальное управление МАРС позволяет координировать целенаправленную деятельность автономных агентов, планировать их поведение и взаимодействие, адаптироваться  к изменяющейся среде и разрешать конфликты между агентами на стратегическом (супервизорном) уровне  управления и  обмена информацией по компьютерным каналам связи. Системы управления, реализующие такой принцип интеллектуального управления с диалоговым интерфейсом между агентами, будем называть мульти-агентными.

       Для проектирования систем  мульти-агентного управления  могут  использоваться  методы коллективного  поведения автоматов,  теория игр, способы кооперативного решения проблем на базе распределённого искуственного интеллекта, теория расписаний, методы оптимального планирования и адаптивного управления. При мультиагентном управлении робототехническими системами каждый робот  можно рассматривать как интеллектуальный автомат с собственной базой данных и знаний,  способный адаптироваться к заранее неизвестным или изменяющимся условиям функционирования  в среде с препятствиями. Поэтому важное значение  в теории мультиагентного управления имеют методы обучения и адаптации как отдельных роботов-агентов на тактическом (локальном) уровне управления, так и МАРС в целом на стратегическом  (супервизорном) уровне управления. Некоторые из этих методов подробно описаны в специальной литературе. Сегодня эти методы и их  модификации позволяют решить следующие задачи интеллектуального управления робототехническими системами:

- оптимальное  или  адаптивное планирование маршрута движения роботов-агентов  в среде с препятствиями с использованием локальной (сенсорной) или  глобальной (супервизорной) информации;

- моделирование в базе знаний агента окружающей среды и поведения других роботов;

- распознавание ситуаций и принятие оптимальных решений;

- программирование (интерполяция) и адаптивная коррекция движений  роботов-агентов по спланированным маршрутам;

    - адаптивное управление движением роботов-агентов.

 Cтолкновение роботов рассматривается как конфликт, который может  возникнуть при  коллективном решении общей задачи. Для разрешения подобных конфликтов роботы-агенты должны обмениваться между собой информацией посредством “переговоров” по компьютерным каналам связи.

ЗАДАЧИ ЛОКАЛЬНОГО И МУЛЬТИ-АГЕНТНОГО УПРАВЛЕНИЯ

Принцип действия системы мульти-агентного управления основывается  на разделении общей задачи, которую должна выполнить МАРС, на целый ряд взаимосвязанных локальных задач, решение которых возлагается на системы управления отдельных агентов. В результате такой декомпозиции решение общей задачи распределяется между специализированными автономными агентами, образующими при необходимости рабочие бригады. Система интеллектуального управления каждого агента может решить только свою локальную задачу. Однако она не обладает достаточными ресурсами и знаниями для решения глобальной задачи. Поэтому интеллектуальные агенты могут решить общую задачу только сообща.

Каждую из этих задач может выполнить один или несколько агентов. Для выполнения всех задач системе мульти-агентного управления нужно синтезировать расписание деятельности агентов, гарантирующее выполнение общей задачи. При этом должны учитываться ограничения на количество и типы агентов и на их взаимозаменяемость при выполнении конкретных задач.

 План распределения задач  между агентами будем называть оптимальным, если он гарантирует выполнение МАРС общей задачи за минимальное время. Такой план обеспечивает максимальную производительность МАРС.

Для решения задачи оптимального распределения задач  между агентами целесообразно использовать приближённые алгоритмы и эвристические процедуры. Эти алгоритмы основываются на методе ветвей и границ, позволяющем за конечное число шагов построить бинарное дерево вариантов распределения задач. Чтобы уменьшить число шагов алгоритма и минимизировать сложность дерева вариантов, можно использовать различные критерии локальной оптимальности и экспертные правила, описывающие знания о задаче, доступные системе мульти-агентного управления. Для распараллеливания вычислений синтезированное дерево решений можно представить в виде  нейронной сети с синаптическими весами, равными 0, -1, или +1.

Архитектура СИСТЕМ мульти-агентного управления С КООРДИНАТОРОМ

При проектировании систем  мультиагентного управления необходимо решить на тактическом и стратегическом уровнях следующие задачи:

        1)синтезировать локальные системы интеллектуального управления автономными агентами, использующую локальную информацию;

2)синтезировать мультиагентную систему планирования, навигации  и управления взаимодействием (коллективным поведением) интеллектуальных агентов в МАРС.

Первая задача относится к тактическому уровню локального управления  агентами, а вторая - к стратегическому уровню  группового управления МАРС.

Архитектура систем планирования, навигации и управления взаимодействием роботов  в МАРС при решении  общей задачи имеет  распределённый (мульти-агентный) характер и иерархическую организацию. Она основана на выделении на верхнем (супервизорном) уровне специального агента-координатора, связанного компьютерными каналами  прямой  и  обратной связи со всеми локальными системами  интеллектуального управления  агентов.

Агент-координатор осуществляет иерархическую декомпозицию общей задачи на локальные задачи, их оптимальное распределение между агентами, организацию коллективного поведения и разрешение конфликтов при решении МАРС общей задачи.

При проектировании систем мульти-агентного управления также могут использоваться нейросетевые архитектуры. Например, в качестве маршрутизатора в компьютерной сети,  связывающей локальные системы управления  агентов, можно использовать нейронные сети Хопфилда.  Эти сети  обеспечивают  кратчайшие  маршруты "переговоров" между агентами и параллельную обработку информации при мульти-агентном управлении.

способы разрешения конфликтов ПРИ КоллективноМ движениИ агентов-РОБОТОВ.

Основными типами конфликтов в МАС являются:

- Конфликты в системе убеждений агентов, которые могут возникать при получении агентом ложной информации.

- Конфликты, обусловленные неполнотой имеющейся у агента модели окружающего мира и моделей других агентов.

- Конфликты, связанные с конкуренцией за совместные ресурсы или конфликты, связанные с наличием противоречивости целей.

Будем считать, что каждый  агент-робот может двигаться  по своему маршруту, удовлетворяющему граничным условиям, причём  скорость и ускоренного движения    задаются агентом-координатором на супервизорном уровне  управления МАРС. Целью агента-координатора и локальных систем управления агентов-роботов является скорейшее прохождение всех маршрутов  без столкновений для выполнения общего задания.

Для предотвращения столкновений (конфликтов) агент-координатор может  передавать по каналaм связи команды o временной остановке роботов или об изменении скорости и ускорения их движения в зависимости от сложившейся ситуации. Эта ситуация оценивается координатором на основе запросов  о текущем состоянии каждого робота, которая характеризуется его  координатами  и скоростью. Для прогнозирования возможных конфликтов агент-координатор должен знать  маршруты  и скорости движения роботов на заданное время вперёд или на всём интервале движения. В этом случае он может заранее рассчитать время и место возможных столкновений роботов. Стратегия упреждающего разрешения конфликтов заключается в заблаговременном  изменении агентом-координатором скорости движения роботов по спланированным маршрутам.

Однако в действительности агент-координатор обычно использует информацию только о текущем положении и скорости роботов, что ограничивает его возможности  по прогнозированию и разрешению конфликтов.  В зоне возможного столкновения роботов он может изменить скорость их движения (например, затормозить или остановить робот на какое-то время) с помощью команд, передаваемых по каналам прямой связи в локальные системы управления. Однако такая стратегия разрешения конфликтов может оказаться неэффективной или нереализуемой.  

Другие способы разрешения конфликтов относятся к  тактическому уровню. Они основываются на обмене информацией  о маршруте и скорости движения между автономными системами управления роботов через прямые каналы связи (например, радиоканалы) или через агента-коммуникатора с  памятью (например, в виде "доски объявлений"),  играющего роль посредника для адресной связи и быстрой передачи данных между агентами-роботами. При этом подходе каждая локальная система управления берёт на себя дополнительные функции агента-координатора. Она использует описанные выше стратегии разрешения конфликтов для автономного принятия каждым роботом индивидуальных решений, адекватных глобальной ситуации. Это значительно усложняет интеллектуальную систему управления каждого робота и делает невозможным управление МАРС в реальном времени. Для упрощения систем управления роботов в рамках такого подхода можно использовать сенсорную информацию о близости робота-агента по отношению к другим роботам и препятствиям, получаемую, например, с помощью дальномеров.

Значительный интерес для мультиагентного управления представляют также способы разрешения конфликтов на тактическом уровне, основанные на  использовании мульти-агентных экспертных правил “дорожного движения” и нейросетевых алгоритмов  распознавания  дорожных ситуаций. Эти правила  должны быть обязательными для автономных систем интеллектуального управления роботов как агентов. Для локального управления движением роботов с учётом их нелинейной динамики можно использовать алгоритмы программного и адаптивного управления, а также нейросетевые алгоритмы, обеспечивающие обучаемость и высокий параллелизм при обработке информации.

 Этапы построения МАС.

Технология разработки систем ИИ включает ряд крупных этапов, типичными из которых являются следующие:

- выбор архитектуры системы (числа и типа агентов, локальных целей, стоящих перед каждым из них, принципов взаимодействия и выработки глобальных решений);

- изучение свойств и поведения среды, с которой  придется иметь дело агентам. Этот этап называется извлечением знаний о среде;

- представление на формальном языке глобальных (доступных всем агентам) и локальных знаний, полученных ранее;

- выбор механизма вывода для каждого из агентов, на основе использования которого агент будет достигать поставленной цели;

- разработка программы и аппаратуры, реализующей мультиагентную систему.

 Требования к языкам программирования агентов

Чтобы обеспечить мобильность агента, язык должен поддерживать механизм посылки, передачи, получения и выполнения кодов, содержащих агентов. Имеются два различных подхода, которые решают проблему мобильности. Первый — это передача агента в текстовой форме, как специального сценария (script) с последующей интерпретацией этого сценария на принимающей машине. Второй — передача агента в форме машинно-независимого байт-кода. Этот байт-код генерируется транслятором на этапе создания агентской системы, посылается по сети и выполняется интерпретатором байт-кодов на принимающем компьютере. Оба из этих методов имеют свои преимущества и недостатки.

Это требование непосредственно вытекает из предыдущего. Интеллектуальные агенты должны работать в гетерогенной компьютерной среде. Любой компьютер, получающий агента, должен быть способен принять его и обеспечить действия агента.

Свойство агентов участвовать в переговорах и многие другие характеристики агентов опираются на доступ к удаленным ресурсам. Поддержка сетевых услуг может включать семейства соответствующих программных интерфейсов таких как: sockets, интерфейсы к базам данных, интерфейсы взаимодействия объектов (CORBA, OLE, ActiveX и т.д.), специальные механизмы, встроенные в язык (типа Remote Method Invocation в языке Java), специальные примитивы языка для осуществления переговоров агента и т.д.

В рамках современных взглядов агент должен активно использовать достижения и методы ИИ. Поэтому необходимо иметь поддержку символьных вычислений и, возможно, логического программирования, встроенную в язык (подобно PROLOG- или LISP-системам), а также иметь встроенный механизм вывода, включающий различные стратегии поиска решения. Автоматическое управление памятью и сборка мусора — стандартные средства для таких языков.

Подчас агент должен выполнять некоторые действия одновременно. Тем самым, язык программирования агентов должен включать поддержку параллельного выполнения различных функций агента (типа “threads”) и различных примитивов синхронизации (семафоры, мониторы, критические секции, и т.д.). Кроме того, параллельное выполнение действий агентов можно осуществить с помощью отдельной виртуальной машины с реализованным режимом вытесняющей многозадачности и собственной стратегией разделения времени.

Наличие системы защиты от несанкционированного доступа и “плохих кодов”. Это важно по многим причинам. Мобильные агенты, которые приходят из сети, могут таить в себе множество опасностей для принимающей машины, так как они работают в ее адресном пространстве. Для обеспечения

безопасности необходимо выполнить процесс авторизации агента, т. е. проверить, зарегистрирован ли он и имеет ли соответствующие полномочия (привилегии), чтобы выполнить то или иное действие или обратиться к некоторым ресурсам. Система безопасности должна предотвращать любые несанкционированные действия агента.

Язык программирования агентов должен иметь механизмы наследования, рассматривать вызовы процедур как сообщения, передаваемые от одних объектов к другим, включать возможности синхронного и асинхронного взаимодействия объектов, а также допускать параллельность внутри объекта.

Следует иметь поддержку специфических для агента свойств, встроенную в язык на уровне синтаксических конструкций, так, чтобы, например, свойства типа “beliefs-desires-intentions” (BDI), инструкции для переговоров и обеспечения мобильности, места встречи и т.д. могли бы быть выражены с помощью соответствующих примитивов языка.

Проблемы МАС.

Как формулировать, описывать. анализировать. распределять проблемы и синтезировать результаты между интеллектуальными агентами?

Как агенты взаимодействуют между собой?

Как гарантировать, что агенты действуют адекватно в принятии решенийф или мер?

Как распознавать и согласовывать точки зрения и противоречивые наменрения между агентами, пытающимися координировать свои действия?

Как проектировать и управлять на практике иМАС?

Как избегать  или смягчать вредное поведение системы 9напримр. хаотическое или колебательное поведение)?


 

А также другие работы, которые могут Вас заинтересовать

27007. Логическое проектирование базы данных 41 KB
  Логическое проектирование базы данных. Цель работы: приобретение практических навыков создания логической модели базы данных. Решение этой задачи существенно зависит от модели данных поддерживаемой выбранной СУБД. Будем рассматривать логическое проектирование БД для реляционной модели данных так как современные СУБД реляционные.
27008. Физическое проектирование базы данных 28 KB
  Физическое проектирование базы данных. Цель работы: приобретение практических навыков создания физической модели базы данных. Создание физической модели базы данных: внутренняя схема это этап на котором на основании логической модели базы данных создается физическая структура базы данных зависимая от ее реализации. На этом этапе выполняется преобразование отношений логической модели реляционной базы данных в команды создания объектов физической базы данных в результате чего создается так называемая внутренняя схема базы данных.
27009. Создание базы данных в СУБД SQL Server 61.5 KB
  Servic Manager. Для каждой логической базы даниых SQL Server создает две файла: один для объектов, а другой для журнала транзакций (операций). Создание новой базы данных. Новую базу данных можно создать с помощью команды New Database из контекстного меню папки Databases. Также можно воспользоваться мастером Create Database Wizard (Tools\Wizards\Database\).
27010. Реляционные языки 95.5 KB
  Например составьте список все студентов со средним баллом превышающим 4 σSRBAL 4STUDENT Проекция операция над одним отношением. Например создать список среднего балла студентов с указанием атрибутов FIO NGR SRBAL ПFIONGRSRBALSTUDENT.Получить список номеров читателей которые в срок не сдали книги 6.Получить список книг которые ни разу не брали читатели 8.
27011. Построение запросов с использованием обобщающих функций 86 KB
  Таблица 3: onum номер заявки amt сумма заявкиodate дата cnum номер покупателя snun номер продавца Чтобы найти сумму на которую сделаны заявки: SELECT SUMamt FROM Orders; Подсчитать число продавцов имеющих заказы: SELECT COUNTDISTINCT snum FROM Orders; Результат: 5. Подсчитать количество читателей имеющих отчество Иванович Подсчитать количество книг которое числится за каждым читателем Отыскать читателя который взял максимальное число книг. Подсчитать общее число экземпляров книг издательства Мир Подсчитать...
27012. Создание и использование представлений 77 KB
  Введение в представления. В отличии от них представления это таблицы которые содержат данные других таблиц. В действительности представления это запросы выполняемые всякий раз когда представление является объектом команды. Например: CREATE VIEW СотрудникиМН AS SELECT FROM СОтрудники WHERE №отд = ‘О2; В результате создается представление СотрудникиМН с этим представлением можно выполнять любые операции то есть формировать запросы удалять вставлять соединять с другими таблицами и представлениями.
27013. Учет расчетов с подотчетными лицами 14.51 KB
  В бухгалтерском учете операции с подотчетными лицами отражаются следующими проводками: 1 выдан аванс на командировочные расходы: Дебет счета 71 Расчеты с подотчетными лицами Кредит счета 50 Касса; 2 отражены расходы по найму жилого помещения без учета НДС: Дебет счета 44 Расходы на продажу Кредит счета 71 Расчеты с подотчетными лицами; 3 учтена сумма НДС уплаченная за найм жилого помещения: Дебет счета 19 Налог на добавленную стоимость по приобретенным ценностям Кредит счета 71 Расчеты с подотчетными лицами; 4 возврат...
27014. Учет вложений в нефинансовые активы 15.97 KB
  Учет операций по вложениям в объекты основных средств нематериальных непроизведенных активов при их приобретении в том числе в сумме затрат связанных с выполнением научноисследовательских опытноконструкторских технологических работ отражается по дебету соответствующих счетов аналитического учета счета 010600000 Вложения в нефинансовые активы 010611310 010613330 010631310 010632320 с кредитом соответствующих счетов аналитического учета счета 010700000 Нефинансовые активы в пути 010711310 010731310 в случае приобретения объектов...
27015. Документальное оформление, оценка и учет отгрузки (отпуска) и продажи продукции, работ и услуг покупателям и заказчикам. Аналитический и синтетический учет отгрузки и реализации продукции 22.19 KB
  Аналитический и синтетический учет отгрузки и реализации продукции.Учет готовой продукции осуществляется в количественных и стоимостных показателях. Оценка готовой продукции ГП учитывается по фактическим затратам связанным с ее изготовлением по фактической производственной себестоимости включающей затраты связанные с использованием в процессе производства ос сырья материалов топлива энергии трудовых ресурсов и других затрат на производство продукции.