Принцип работы архитектур агентов

Наконец, третий уровень  содержит знания и убеждения агента о других агентах, информацию о совместных планах, целях и намерениях, т.е. то, что связано с «общественным  контекстом». Внутри базы знаний, как  уже отмечалось, возможен доступ с  верхних уровней к нижним. Например, компонента, ответственная за поведение, не имеет доступа к знаниям  о ментальной модели и к знаниям  о кооперативном поведении.

Общее управление поведением осуществляется путем коммуникаций между уровнями. При некотором  входном событии агент пытается распознать ситуацию во внешнем мире и управление постепенно сдвигается снизу вверх до тех пор, пока не достигнет уровня, способного справиться с возникшей ситуацией.

Очевидно, существует три  варианта реакции агента на внешние  события:

• реакция с использованием только поведенческого уровня, когда этот уровень находит фрагмент поведения, адекватный ситуации, без явного привлечения локального планирования;
• реакция с использованием локального планирования, когда задача перемещается с нижнего уровня на уровень локального планирования, где и конструируется план;
• реакция с использованием уровня кооперативного планирования, когда поиск плана с уровня локального планирования перемещается дальше на уровень планирования кооперативного поведения

Рассмотрим гибридную  систему, разработанную специально для системы здравоохранения. Она  включает в себя многоуровневую структуру  знаний, рабочую память, менеджера  коммуникаций и человеко-машинный интерфейс.

Поскольку данная архитектура  должна быть релевантной медицинским  приложениям, агент должен обладать обоими типами поведения, как поведением на основе знаний (например, для выбора планов, декомпозиции задач, размещения задач), так и поведением на основе быстрой реакции на события (например, для формирования ответов в реальном времени на поступающие новые  данные, изменение имеющихся данных, на изменение текущих соглашений с другими агентами).

В этой архитектуре интеллектуальное поведение поддерживается совместной работой таких компонент, как  блок решающих правил для вычисления плана, блок правил для управления задачами, их декомпозицией и размещением, а также блок правил для поддержки  соглашений с другими агентами при  кооперативном решении задач. Реактивное поведение реализуется с помощью  управляющего уровня, который реагирует  на изменение состояния рабочей  памяти (например, при поступлении  новых результатов решения задачи, целей или сообщений, а также  при изменении имеющихся данных, целей, между агентных соглашений или  состояний задач).

Ключевым моментом данной архитектуры является трехуровневая  организация знаний, при этом выделяются следующие уровни:

• Уровень специфических предметных знаний, в котором содержатся медицинские знания о болезнях, знания о планах управления лечением болезней («протоколы»), база данных о пациентах (истории болезней) и база данных о доступных ресурсах. Однако предметные знания не содержат какой-либо информации о том, как их следует использовать, здесь представлены только свойства предметной области.
• Уровень знаний о процедурах вывода; он содержит декларативные правила вывода, которые должны применяться к предметным знаниям о конкретном пациенте, чтобы вывести новые данные. Этот уровень — основной в архитектуре. В свою очередь он подразделяется на компоненты принятия решений в условиях неопределенности, управления задачами и управления кооперацией агентов. Например, модуль управления задачами содержит декларативную схему вывода для управления переходами состояний задачи. Особенности системы вывода решений состоят в том, что она не использует понятия ментального состояния агента (убеждения, желания, намерения) и не использует какой-либо логический язык для вывода, для этого она использует стратегии аргументации в условиях неопределенности. Менеджер задач ответственен за декомпозицию задач на подзадачи и их распределение по соответствующим агентам, а также за управления переходами состояний задач. Управление кооперацией агентов использует механизм, основанный на взаимных обязательствах агентов («любой агент согласен предпринимать схему действий, которая имеет целью исполнить задачу за подходящее время»), и соглашениях о том, при каких условиях агент вправе отказаться от своих обязательств и как он должен себя вести по отношению к другим агентам, когда такие обстоятельства возникнут.
• Уровень управляющих знаний, который применяет знания о процессе вывода к предметным знаниям, чтобы генерировать схему вывода, если в рабочую память добавляются новые знания. Авторы убеждены, что такое функциональное разделение знаний на предметные знания, знания о процедурах вывода и управляющие знания существенно упрощает их представление, повторное использование и эксплуатацию, поскольку эти компоненты могут создаваться и поддерживаться независимо. Кроме того, эта архитектура позволяет просто встраивать программы извлечения знаний,каждая из компонент которых может получаться и модифицироваться независимо друг от друга.

Другие три компоненты рассматриваемой архитектуры — это рабочая память, менеджер коммуникаций и человеко-машинный интерфейс.

Рабочая память служит для запоминания текущих данных, генерируемых уровнем управления, пользователя и менеджера коммуникаций. Типы информации, которая хранится в рабочей памяти, таковы: цели, которые должны быть достигнуты; состояния задач, которые находятся в текущем состоянии процесса выполнения соглашений с другими агентами. Фактически, в привычной нам терминологии, рабочая память есть ни что иное, как доска объявлений.

Менеджер коммуникаций содержит в себе сообщения, которые должны быть посланы другим агентам, представленные на языке коммуникаций с примитивами типа примитивов языка KQML: обратиться с просьбой, принять, отвергнуть, изменить, предложить, проинформировать, запросить данные, отказаться и подтвердить.

Человеко-машинный интерфейс определяет схему взаимодействия между системой и пользователем, поскольку данная многоагентная система не является автономной, что связано с личной ответственностью пользователя за здоровье пациента.

Чрезвычайно интересным примером гибридного агента действующего в условиях быстро меняющейся среды в составе  многоагентного коллектива является виртуальный  «робот-футболист» (или «футбольный  агент»).

Футбольный агент имеет  многоуровневую поведенческую организацию, которая, по мнению авторов, в какой-то мере соответствующую структуре  поведенческих функций футболиста-человека. Используя подход с позиций когнитивной  психологии, авторы выделяют ряд поведенческих  функций футболиста, связанных с  мыслительными способностями. Такими функциями являются: оценка позиций  партнеров и противников, принятие решений в атаке или защите в положении с мячом или без мяча; обучение при тренинге или в игре путем пополнения знаний о решениях в различных ситуациях игры и др. Эти функции определяют командную стратегию и тактику при противоборстве с противником.

Всех агентов на поле можно  разделить на группы. Число групп  и их состав определяется текущей  стратегией игры. Текущее поведение  агента определяется: текущей ситуацией  на поле; группой, в которую он входит; текущими стратегическими (тренерскими) установками. Сначала по анализу текущей информации об игровой ситуации определяется категория поведения (атакующее или защитное, активное или пассивное).

Информация об игровой  ситуации может быть как визуальной, так и вербальной. После выбора категории поведения, дальнейший выбор  осуществляют с помощью оценочных  функций или деревьев решений  каждой из категории. Некоторые параметры  функций задаются текущей стратегией. Кроме того, часть параметров являются адаптивными и меняются

в течение игры при неизменности стратегии. Сами функции могут содержать  обучаемые модули, которые настраиваются (тренируются) в учебных ситуациях.

Коммуникации между агентами команды. Задачи коммуникации между  распределенными объектами при  ограниченной полосе пропускания канала конкретизируются в зависимости  от вида информации, которая должна передаваться по коммуникационным каналам  и частоты передачи того или иного  вида информации. Используется информация о положениях игроков на поле, которая  бы дополняла бы информацию каждого  игрока и. информация о смене стратегии, как команды, так и группы, в которую входят игроки, так как все игроки команды должны знать о смене стратегии. Лидер внутри группы корректирует действия своей группы. Например, при выборе в качестве поведения пас партнеру сообщается об области, в которую будет сделан пас.

Как видно агенты этой системы  способны

• к планированию своих действий;
• к учёту изменений происходящих во внешней среде;
• к целенаправленному воздействию на среду;
• к взаимодействию с другими агентами, с целью решения более сложной (по сравнению с собственной) задачи, поставленной перед коллективом агентов в целом;

Итак, гибридные архитектуры  образуются за счёт комбинирования реагирующего и консультативного подходов. Это позволяет, с одной стороны, избавится от недостатков, присущих этим подходам, с другой, сочетать присущие им достоинства. Однако рассмотренное выше взаимодействие реагирующих и консультативных компонент приводит, в зависимости от реализации, к доминированию одного из этих компонентов в общем поведении агента.

 

 

 

 

 

 

 

 

 

 

 

ЗАКЛЮЧЕНИЕ

 

Всемирная экономика характеризуется частой сменой спроса на ресурсы, что оказывает определенное давление на производителей, которые поставляют свои товары в разные части света. Закупка мест в грузовом самолете, наем автотранспорта, аренда складских помещений, мониторинг потоков запчастей и оборудования и своевременная доставка — деловые операции, еще более трудно осуществимые теперь, чем когда-либо. Даже изнутри процесса, в рамках предприятия, логистика становится кошмаром из-за того, что покупатели часто пользуются своим правом передумать насчет параметров и характеристик своих покупок.

Современные системы логистики  централизованы и оптимизированы под  поставку товаров «на поток», в  стабильной ситуации, следовательно, слишком  негибки чтобы справиться со сложными, постоянно меняющимися внешним  и внутренним потоками материалов. Производители в настоящее время ежегодно теряют миллионы долларов из-за негибкости своих централизованных систем материально-технического снабжения.

Рассмотренные в курсовой работе мультиагентные системы представляют собой значительный шаг вперёд по сравнению с существовавшими  ранее методами и способами работы логистов. Применение данных систем способно значительно сократить время  обработки заказов и издержки компаний на транспортировку и складирование.

 

 

 

 

 

 

 

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

 

1. Тугенгольд А.К., Рубанчик В.Б. Искусственный интеллект в машиностроительных технологических системах/ Тугенгольд А.К., Рубанчик В.Б. —  Ростов-на-Дону, Изд. центр ДГТУ, 2006. – 140 с.
2. Т.А. Гаврилова, В.Ф. Хорошевский. Базы знаний интеллектуальных систем/    Т.А. Гаврилова, В.Ф. Хорошевский – СПб. Питер, 2008. – 384 с.
3. Бауэрсокс Д.Д., Клосс Д.Д. Логистика: интегрированная цепь поставок. М.: ЗАО «Олимп-бизнес», 2005 – 257 с .
4. Интегрированная логистика накопительно-распределительных комплексов (склады, транспортные узлы, терминалы) / Под общ. ред. Л.Б.Миротина. М.: Издательство «Экзамен», 2003 – 329 с.
5. Шапиро Д. Моделирование цепи поставок. М.: Питер, 2006 – 216 с.
6. Граничин О.Н., Кияев В. И.  Информационные технологии в управлении/   Граничин О.Н., Кияев В. И.— М.: Интернет-Университет Информационных Технологий; БИНОМ. Лаборатория знаний, 2008. – 336с.

7    Цибульский, Г.М. Мультиагентный подход к анализу изображений /

      Г.М. Цибульский  — Новосибирск: Изд. СО РАН. 2005 – 309 с.

8    Гаврилов,  А.В.  Системы Искусственного  Интеллекта / А.В.

       Гаврилов  — Новосибирск: изд. НГТУ, 2001 – 285 с.

9    Джексон, П. Введение в экспертные системы. Третье издание / П.

      Джексон.  — М: Издательский дом Вильямс, 2001 – 278 с.