«Образование – это не подготовка к жизни, это и есть жизнь» (Дж. Девей)

Сложность и распределенность современных организаций, процессов, компьютерных систем, компонентами которых являются люди и/или трудно формализуемые объекты, приводят к тому, что традиционные формальные способы описания таких объектов автоматизации не обеспечивают адекватность создаваемых моделей.

Теория многоагентных систем – это новая парадигма информационной технологии, ориентированной на совместное использование научных и технических достижений и преимуществ, которые дают идеи и методы искусственного интеллекта, современные локальные и глобальные компьютерные сети, распределенные базы данных и распределенные вычисления.

Теория многоагентных систем строит качественно новые модели сложных объектов в виде интеллектуальных организаций, представленных автономными искусственными агентами. При этом важна оценка как агентной методологии, так и качества создаваемых моделей.

Целью работы является многоагентное моделирование сложной распределенной системы на примере процесса производства промышленных смесей.

В процессе работы необходимо решить следующие задачи:

1. Обзор методологий и инструментальных средств анализа и проектирования многоагентных систем.
2. Описание синтаксиса и семантики агентных моделей.
3. Построение агентно-ориентированных моделей на примере формализации процесса производства промышленных смесей.
4. Выбор архитектуры программных агентов.
5. Выбор инструментального средства.
6. Программная реализация многоагентной системы процесса производства промышленных смесей.
7. Анализ результатов моделирования.

Заключаются в:

• развитии нового агентно-ориентированного способа представления программ;
• повышении качества моделирования за счет интеллектуализации поведения и взаимодействия искусственных агентов многоагентной системы;
• создании гибкой системы для анализа, управления, реинжиниринга процесса производства промышленных смесей.

В Донецком национальном техническом университете исследования и разработки в области теории многоагентных систем представлены трудами преподавателей и их школы:

1. Магистр Грач Е.Г., руководитель Федяев О.И. Выпускная работа «Модель предприятия как интеллектуальная искусственная система для анализа и управления на основе знаний».
2. Магистр Лямин Р.В., руководитель Федяев О.И. Выпускная работа «Многоагентная система обучения студентов на кафедральном уровне».
3. Магистр Зайцев И.М. руководитель Федяев О.И. Выпускная работа «Модели коллективного поведения интеллектуальных агентов в многоагентных системах моделирования и управления предприятием».
4. Аспирант Жабская Т.Е., руководитель Федяев О.И.
5. Магистр Терзи И.И., руководитель Святный В.А. Выпускная работа «Анализ и разработка концепции механизмов координации и сотрудничества для агентно-ориентированных систем».
6. Магистр Гаврик С.С., руководитель Телятников А.О. Выпускная работа «Разработка системы управления командой роботов-футболистов».
7. Магистр Евдокимов А.А., руководитель Вороной С.М. Выпускная работа «Разработка и исследование программных агентов для распределённых вычислений в Грид среде».

Помимо ДонНТУ исследованиями в области многоагентных систем занимаются в Донецком государственном университете информатики и искусственного интеллекта.

Теория многоагентных систем для Украины в целом является развивающимся направлением научной деятельности, в отличие от России, где исследованиям многоагентной проблематики посвящено множество работ Городецкого В.И., Поспелова Д.А., Тарасова В.Б. и их школ. В качестве обзора направлений применения многоагентных систем можно указать результаты поиска по ключевым фразам по сайту http://www.lib.ua-ru.net – электронном каталоге российских и украинских диссертаций.

В мировой практике активно проводятся исследования и разработки в области применения многоагентных систем для решения различных промышленных задач. В качестве обзора можно указать результаты поиска по ключевой фразе "multi-agent industry" на следующих сайтах-каталогах научных публикаций:

• http://portal.acm.org
• http://www.springerlink.com
• http://iospress.metapress.com
• http://www.computer.org

На сегодняшний день не выработано общепринятое определение понятия агента.

Согласно спецификации FIPA (Foundation for Intelligent Physical Agents – международная организация, выполняющая работы по стандартизации агентных систем и технологий), искусственный агент – это сущность, помещенная в некоторую среду, от которой она получает данные, отражающие события, происходящие в среде, интерпретирует их и исполняет команды, воздействующие на среду. Агент может содержать программные и аппаратные компоненты [7].

Т.е. под искусственным агентом понимается высокоуровневая абстракция для формализации и структурирования сложных сущностей предметной области в виде программно-аппаратного средства, способного автономно действовать в интересах достижения заложенных в него целей [3].

Под интеллектуальным агентом в информатике и искусственном интеллекте понимается любая физическая или виртуальная единица [5]:

• способная действовать на объекты в некоторой среде, на других агентов и на саму себя;
• способная общаться с другими агентами;
• исходящая из некоторых потребностей и способная к целеобразованию; обладающая набором интенциональных характеристик (убеждения, желания, намерения и пр.);
• несущая определенные обязанности и предоставляющая ряд услуг;
• обладающая собственными ресурсами, обеспечивающими ее автономию;
• способная к восприятию среды;
• способная строить частичное представление этой среды на основе ее восприятия, т.е. перцептивных навыков и умений;
• способная к обучению, эволюции и адаптации;
• способная к самоорганизации и самовоспроизведению.

Таким образом, под интеллектуальным агентом понимается активная, автономная, коммуникабельная, мотивированная сущность, действующая в сложных, динамических и, чаще всего, виртуальных средах в рамках наделенных полномочий в интересах достижения заложенных в нее целей [3].

К настоящему времени сформировался довольно большой список свойств, которыми должны обладать интеллектуальные агенты [1]:

• автономность (autonomy, autonomous functioning) – способность к самостоятельному формированию целей и функционированию с самоконтролем своих действий и внутреннего состояния;
• общественное поведение (social ability, social behavior) – способность согласовать свое поведение с поведением других агентов в условиях определенной среды и правил поведения путем обмена сообщениями на языке коммуникации;
• реактивность (reactivity) – способность адаптированно воспринимать состояние внешней среды (среды функционирования и множества других агентов) и своевременно реагировать на происходящие изменения;
• активность (pro-activity) – способность проявлять инициативу, т.е. самостоятельно генерировать цели и действовать рационально для их достижения, а не только пассивно реагировать на внешние события;
• базовые знания (basic knowledge) – постоянная часть знаний агента о себе, о среде, а также постоянные знания о других агентах, которые не изменяются в рамках жизненного цикла агента;
• убеждения (beliefs) – переменная часть знаний агента о среде и других агентах, которая может изменяться во времени, но агент может об этом не знать и продолжать использовать их для своих целей;
• желания (desires) – состояния и/или ситуации, достижение которых является желательным и важным для агента, однако которые могут быть противоречивыми и не все будут достигнуты;
• цели (goals) – совокупность состояний, на достижение которых направлено текущее поведение агента;
• намерения (intentions) – это то, что агент обязан сделать в силу своих обязательств, или то, что вытекает из его желаний;
• обязательства (commitments) – задачи, которые берет на себя агент по просьбе и/или поручению других агентов.

Многоагентную систему можно определить как совокупность взаимосвязанных программных и/или аппаратных агентов, способных взаимодействовать друг с другом и с окружающей средой, обладающих определенными интеллектуальными способностями и возможностью индивидуальных и совместных действий.

Можно дать формализованное определение многоагентной системы [5]:

MAS = (A, E, R, ORG, ACT, COM, EV),

где MAS – многоагентная система, А – множество агентов, Е – множество сред, находящихся в определенных отношениях R и взаимодействующих друг с другом, формирующие некоторую организацию ORG, обладающих набором индивидуальных и совместимых действий ACT (стратегия поведения и поступков), включая возможные коммуникативные действия COM и возможность эволюции EV.

В многоагентной системе задачи распределены между агентами системы. Идея многоагентности предполагает кооперацию агентов при коллективном решении задач.

В зависимости от концепции, выбранной для организации многоагентной системы, обычно выделяются три базовых класса архитектур:

• делиберативные (интеллектуальные) архитектуры и модели (deliberative architectures) – архитектуры, которые базируются на принципах и методах работы со знаниями;
• реактивные архитектуры и модели (reactive architectures) – архитектуры, основанные на поведенческих моделях типа «стимул-реакция»;
• гибридные архитектуры и модели (hybrid architecture).

Архитектуры многоагентных систем и их характеристики, широко используемые в настоящее время, представлены в табл. 1 [6].

Таблица 1 – Архитектуры многоагентных систем и их характеристики

Методологии агентно-ориентированного анализа применяются на стадиях анализа и проектирования многоагентных систем. Путем абстрагирования создаются концептуальные модели и методы многоагентных систем.

Методологии проектирования многоагентных систем можно разделить на четыре основных класса:

• базирующиеся на объектно-ориентированных методах и технологиях с использованием соответствующих расширений (AUML);
• использующие традиционные методы инженерии знаний (MAS-CommonKADS);
• основанные на организационно-ориентированных представлениях (Gaia [3, 10]);
• комбинирующие в различной степени методы трех первых классов.

Инструментальные среды используются на стадиях реализации и тестирования многоагентных систем. Они используют свои модели, соответствующие этому уровню детализации системы. Можно выделить два основных класса инструментальных сред: фреймворки (JADE [9], Agent Development Kit [2]) и среды разработки (Zeus [8], Agent Builder).

Комплекс современных требований к инструментальным средам можно разделить на два класса – общесистемные и инструментально-технологические требования.

К первому классу следует отнести:

• сквозную поддержку всех фаз жизненного цикла многоагентной системы;
• наличие единой интегрированной среды разработки всех компонентов многоагентной системы;
• поддержку различных категорий пользователей;
• обеспечение средств визуального проектирования;
• автоматическое создание исполняемых программных кодов агентов;
• поддержку коллективной работы над проектом системы и автоматизированного документирования всех фаз процесса разработки.

Ко второму классу относятся такие составляющие:

• обеспечение построения распределенных баз знаний и механизмов логического вывода;
• поддержка процесса формирования логических моделей распределенной системы (формирования онтологий описываемых областей и распределения знаний по интеллектуальным компонентам многоагентной системы);
• обеспечение способов построения моделей поведения агентов;
• реализация механизмов параллельного функционирования, коммуникации и координации агентов;
• поддержка модифицируемости и расширяемости моделей агентов в процессе реального функционирования и другие.

Объектом многоагентного моделирования в работе выступает реальный технологический процесс производства промышленных смесей [3], описываемый структурной схемой на рис. 1.

Рисунок 1 – Схема технологического процесса производства промышленных смесей

Объекты (устройства) и субъекты (персонал) распределены территориально, обладают сложным поведением.

Разрабатываемая модель, представленная в виде многоагентной системы, должна обеспечивать необходимую адекватность реальному технологическому процессу производства.

Участники процесса производства (устройства и персонал) моделируются автономными программными агентами соответствующей архитектуры. Каждый из агентов наделяется полномочиями того субъекта производственного процесса, которого он представляет, и обладает поведением, определяемым этими полномочиями. Взаимодействуя с другими агентами и оценивая текущее состояние процесса производства, каждый агент самостоятельно принимает решение о своих дальнейших действиях.

Успешное решение задачи многоагентного моделирования процесса производства промышленных смесей позволит:

• моделировать процесс производства при заданном плане приготовления смесей и графике поставок сырья, количестве конвейерных линий и единиц оборудования при нормальных условиях работы;
• оценивать и реорганизовывать процесс производства при сбоях в работе оборудования и нарушении поставок сырья;
• делать вывод об эффективности используемой или проектируемой структуры производства.

Представление участников процесса производства в виде программных агентов позволяет создать гибкую модель системы, в которой легко, путем добавления или исключения агентов, можно проводить реинжиниринг структуры производства и оценивать ее жизнеспособность.

На начальном этапе разработки многоагентной системы проведен агентно-ориентированный анализ предметной области. Результатами такого анализа стали абстракции и концептуальные модели многоагентной системы, которые используются для дальнейшей конкретизации на уровне инструментальной среды.

В качестве методологии агентно-ориентированного анализа выбрана организационно-ориентированная методология Gaia. В качестве инструментальной среды – среда разработки Zeus.

В рамках организационно-ориентированной методологии Gaia многоагентная система проектируется в терминах поведений и структур человеческих организаций и представляет собой совокупность взаимодействующих ролей. Gaia предусматривает создание следующих моделей: ролей, взаимодействий, агентов, услуг и связей (рис. 2).

Рисунок 2 - Взаимосвязь моделей методологии Gaia и инструментальной среды Zeus

В многоагентной системе процесса производства промышленных смесей выделены такие роли: Технолог, Кладовщик, Расфасовщик, Кран-балка, Бункер, Грохот, Дробилка, Сепаратор, Дозатор, Смеситель, Винтовой конвейер, Накопительная емкость. Некоторые из ролей (Расфасовщик, Кран-балка, Дозатор) объединяют в себе функции устройства (таких как, Тележки с готовой смесью, Кран-балки, Дозатора) и управляющего им работника.

Инструментальная среда Zeus оперирует такими базовыми концептами, как агент, факт, цель и задача. На их основе она строит следующие модели: онтологии, программных агентов, задач, координации и организации (рис. 2).

Разработана методика трансформации моделей методологии Gaia в концепты инструментария Zeus, представляемые в структурной и алгебраической форме [4].

На данный момент рассмотрено взаимодействие двух агентов разрабатываемой многоагентной системы [4]. Агент Кладовщик выдает порцию сырья со склада, а агент Кран-балка принимает и транспортирует сырье к месту назначения (бункеру) (рис. 3).

Рисунок 3 - Иллюстрация и временная диаграмма взаимодействия агентов Кладовщик и Кран-балка разрабатываемой многоагентной системы
(анимация - разрешение: 701 x 434 px; объем: 28.1 kb; кадров: 7; задержка между кадрами: 1.5с; количество повторений: 5)

Выполнено:

• созданы схемы описания ролей Кладовщика и Кран-балки (как часть модели ролей Gaia);
• описаны протоколы выдачи сырья со склада и приемки сырья на склад (как часть модели взаимодействия Gaia);
• создана часть модели агентов Gaia на основе выделенных ролей;
• составлена часть модели услуг Gaia в рамках рассматриваемого взаимодействия;
• создана часть модели связей Gaia на основе выделенных агентных типов;
• разработанные модели Gaia преобразованы в концепты инструментария Zeus, получены описания онтологии и агентов;
• в инструментальной среде Zeus сформирован программный код на языке Java рассматриваемого взаимодействия агентов.

Планируется:

• дальнейшее исследование возможностей многоагентного моделирования поставленной задачи;
• дальнейшее изучение возможностей выбранной инструментальной среды разработки многоагентной системы;
• разработка программного прототипа многоагентной системы процесса производства промышленных смесей;
• анализ результатов моделирования: оценка эффективности применения агентной методологии для решения поставленной задачи, оценка качества создаваемых моделей.

При написании данного автореферата выпускная работа еще не завершена. Окончательное завершение: декабрь 2010г. Полный текст работы и материалы по теме могут быть получены у автора или его руководителя после указанной даты.

1. Городецкий В.И., Грушинский М.С., Хабалов А.В. Многоагентные системы (обзор) [Электронный ресурс] / В.И. Городецкий, М.С. Грушинский, А.В. Хабалов. – Режим доступа: http://www.raai.org/library/ainews/1998/2/GGKHMAS.ZIP
2. Зудикова Ю.В., Федяев О.И. Разработка программных агентов в инструментальной среде Agent Development Kit / Ю.В. Зудикова, О.И. Федяев // Комп’ютерний моніторинг та інформаційні технології – 2009 / Матеріали V науково-технічної конференції студентів, аспірантів та молодих науковців. – Донецьк, ДонНТУ. – 2009. – с. 272-274.
3. Зудикова Ю.В., Федяев О.И. Разработка многоагентной модели процесса производства промышленных смесей / Ю.В. Зудикова, О.И. Федяев // Інформатика та комп’ютерні технології / Матеріали V міжнародної науково-технічної конференції студентів, аспірантів та молодих науковців – 24-26 листопада 2009р. – Донецьк, ДонНТУ. – 2009. – с. 261-264.
4. Зудикова Ю.В., Федяев О.И. Трансформация моделей методологии Gaia в концепты инструментальной среды Zeus при многоагентном моделировании процесса производства промышленных смесей / Ю.В. Зудикова, О.И. Федяев // Інформаційні управляючі системи та комп’ютерний моніторинг (ІУС та КМ-2010) / Материіали I всеукраїнської науково-технічної конференції студентів, аспірантів та молодих вчених – 19-21 травня 2010р., Донецьк, ДонНТУ. – 2010. – с. 196-200.
5. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям [Электронный ресурс] / В.Б. Тарасов. – Режим доступа: http://www.yugzone.ru/x/tarasov-v-b-ot-mnogoagentnykh-sistem-k-intellektual-nym-organizacsiyam/
6. Чекинов Г.П., Чекинов С.Г. Применение технологии многоагентных систем для интеллектуальной поддержки принятия решения [Электронный ресурс] / Г.П. Чекинов, С.Г. Чекинов // Сетевой электронный научный журнал «СИСТЕМОТЕХНИКА». – 2003. – № 1. – Режим доступа: http://systech.miem.edu.ru/2003/n1/Chekinov.htm
7. Швецов А.Н. Агентно-ориентированные системы: от формальных моделей к промышленным приложениям [Электронный ресурс] / А.Н. Швецов. – Режим доступа: http://www.ict.edu.ru/lib/index.php?id_res=5656
8. Hyacinth S. Nwana, Divine T. Ndumu, Lyndon C. Lee. ZEUS: An Advanced Tool-Kit for Engineering Distributed Multi-Agent Systems [Электронный ресурс] / Hyacinth S. Nwana, Divine T. Ndumu, Lyndon C. Lee. – Режим доступа: http://www.agent.ai/doc/upload/200302/nwan98.pdf
9. Giovanni Caire (перевод с английского Зайцев И.М.). Руководство для начала работы с JADE [Электронный ресурс] / Giovanni Caire (перевод с английского Зайцев И.М.). – Режим доступа: http://www.masters.donntu.ru/2009/fvti/zaytsev/library/book1/
10. M.Wooldridge, N.Jennings, D.Kinny. The Gaia methodology for agent-oriented analysis and design [Электронный ресурс] / M.Wooldridge, N.Jennings, D.Kinny. – Режим доступа: http://www.csc.liv.ac.uk/~mjw/pubs/jaamas2000b.pdf