ДонНТУ   Портал магістрів

Реферат за темою випускної роботи

Зміст

Вступ

В науці «штучний інтелект» (ШІ) до недавнього часу домінували формальні (раціоналістичні) підходи, засновані на класичній логіці, символьної парадигмі і традиційних підходів в інженерії знань. Зараз у ШІ починають розвиватися нові напрямки: семіотичні і нейроінтеллектуальні моделі, «м'які обчислення» і «обчислювальний інтелект», багатоагентні системи (МАС) та штучні організації, які дозволяють створювати інтелектуальні системи нового покоління. Великі перспективи на цьому еволюційному шляху розвитку ШІ пов'язують з використанням ідей і принципів синергетики в ІІ, що означають спільна дія і співробітництво [5] . Принцип узгодження індивідуальних інтересів і різних точок зору, характерний для діяльності колективів та організацій, починає все більш активно використовуватися фахівцями ШІ. Його беруть за основу при проектуванні взаємодій штучних агентів, побудові МАС та інтелектуальних організацій.

Встановлена традиція раціоналізму в інформатиці і ШІ вперше була порушена Г. Саймоном. Ним був сформульований дуже важливий принцип обмеженої раціональності [4] . Згідно з цим принципом, існують межі раціональності осіб, що приймають рішення, обумовлені їх індивідуальними психофізіологічними обмеженнями (по швидкості переробки інформації, обсягом пам'яті і т.д.). Прийняття рішень в організаціях завжди відбувається в умовах невизначеності, ризику, тобто в умовах, коли керуючий принципово не може охопити всі альтернативи та оцінити всі наслідки прийнятих рішень. Таким чином, поведінка окремого, ізольованого агента принципово не може досягати абсолютного (або навіть високого) рівня раціональності. Число альтернатив, які слід розглядати, звичайно настільки велике, а інформація, необхідна для їх оцінки, настільки велика, що навіть наближення до абсолютної раціональності неможливо. Тому управлінські рішення у великій організації, що розуміється як мережа агентів, засновані не на повній інформації й оптимізації, а на задоволенні суперечливих критеріїв різних агентів (вузлів мережі) в умовах невизначеності.

У зв'язку з цим виникає актуальне завдання аналізу та вивчення методологічних рекомендацій, що випливають з теорії обмеженої раціональності, які допоможуть у розробці інтелектуальних організацій мультиагентної типу. Основне питання, яке розглядається в даній роботі - пошук способу для найкращого опису ситуації прийняття рішень і агента, на який покладається прийняття рішень.

1. Мета і задачі дослідження та заплановані результати

Метою випускної роботи є вивчення мультиагентних систем, програмних агентів і можливості їх застосування для вирішення поставленого завдання, а також створення програмного продукту з використанням багатоагентної системи MadKit.

Завдання дослідження:

  1. Огляд та освоєння інструментальних середовищ розробки багатоагентних систем.
  2. Розробка моделей та архітектури агентів розроблюваної системи.
  3. Вибір методів взаємодії агентів.
  4. Програмна реалізація багатоагентної системи.
  5. Аналіз результатів моделювання.

Об'єкт дослідження: моделювання мультиагентних систем.

Плановані результати полягають в наступному:

  1. Розвиток нового наукового напрямку багатоагентних систем
  2. Підвищення якості моделювання соціально-економічних процесів за рахунок використання програмних агентів.
  3. Проведення аналізу результатів моделювання, оцінка наближеності моделі до дійсності.

2. Актуальність теми

Багатоагентні системи - одна з нових парадигм в штучному інтелекті, яка використовується для вирішення таких проблем, які складно або неможливо вирішити за допомогою одного агента або монолітної системи. Прикладами таких задач є онлайн-торгівля, ліквідація надзвичайних ситуацій, і моделювання соціальних і економічних структур.

Багатоагентні системи вже застосовуються в нашому житті, наприклад, в графічних додатках, фільмах. Теорія МАС використовується в складених системах оборони, транспорті, логістиці та багатьох інших. Багатоагентні системи так само зарекомендували себе в сфері мережних і мобільних технологій.

Таким чином, багатоагентні системи є ефективним засобом вирішення складних проблем у великому спектрі предметних областей.

3. Наукова новизна

Як наукова новизна даної роботи виступає модель і алгоритми роботи розроблюваних програмних агентів, які можуть вивести моделювання соціально-економічних процесів на якісно новий рівень.

4. Огляд досліджень і розробок по темі

Темою багатоагентних систем зацікавлені в Донецькому національному технічному університеті, проводяться дослідження та розробки в цій галузі, і представлені роботами магістрів:

  1. Лукіна Ю.Ю., керівник Федяєв О.І. Випускна робота «Агентно-орієнтовані програмні моделі поведінки людини в соціально-економічному середовищі».
  2. Зудікова Ю.В., керівник Федяєв О.І. Випускна робота «Оцінка ефективності багатоагентного моделювання систем з розподіленим інтелектом».
  3. Грач Є.Г., керівник Федяєв О.І. Випускна робота «Модель підприємства як інтелектуальна штучна система для аналізу та управління на основі знань».
  4. Лямін Р.В., керівник Федяєв О.І. Випускна робота «багатоагентна система навчання студентів на кафедральному рівні».
  5. Зайцев І.М. керівник Федяєв О.І. Випускна робота «Моделі колективної поведінки інтелектуальних агентів в багатоагентних системах моделювання та управління підприємством».
  6. Терзі І.І., керівник Святний В.А. Випускна робота «Аналіз та розробка концепції механізмів координації та співпраці для агентно-орієнтованих систем».
  7. Гаврик С.С., керівник Телятников А.О. Випускна робота «Розробка системи управління командою роботів-футболістів».
  8. Євдокимов А.А., керівник Вороний С.М. Випускна робота «Розробка і дослідження програмних агентів для розподілених обчислень в Грід середовищі».

Проблематикою агентно-орієнтованого програмування активно займаються вчені та програмісти по всьому світу, доказом цього може слугувати один з найбільших інтернет-сайтів для розміщення електронних наукових публікацій http://dl.acm.org/ по запиту "multi-agent system" видає приблизно 29 тис. різних публікацій і статей. Подібні результати (20 тис. публікацій) видає інтернет-сайт http://www.springerlink.com/

Так само можна відзначити, що по всьому світу багатоагентні системи застосовуються в різних областях людської діяльності, таких як освіта, медицина та економіка.

5. Раціоналістична парадигма в інформатиці і ШІ

Ця парадигма до недавнього часу була основоположною не тільки в інформатиці і ШІ, а й в суміжних наукових дисциплінах: теорії управління, теорії прийняття рішення, когнітивної психології. Вірним супутником раціоналізму виступає принцип редукціонізму - відомості реального складного явища до сильно спрощеної моделі. Вважається, що рішення агента є раціональним, якщо варіанти його вибору здатні дати максимально вигідний результат з урахуванням всіх обмежень.

Передумовами раціональності рішення є [9] :
1) чіткість проблеми;
2) орієнтованість на досягнення мети;
3) знання всіх варіантів і їх наслідки відомі;
4) чіткість переваг, тобто переваги зрозумілі;
5) сталість переваг;
6) відсутність тимчасових або матеріальних обмежень;
7) максимальна віддача, тобто остаточний вибір максимізує переваги даного вибору.

Повністю раціональний агент (англ. rational agent) - це агент, діючий оптимальним чином для досягнення найкращого очікуваного результату. Цей термін є одним з фундаментальних в економіці, теорії прийняття рішень і ШІ [6] . Поняття «раціональний агент» прийшло в ІІ з економіки, і вчинила в ньому справжню революцію, об'єднавши розрізнені напрями досліджень.

Оскільки в реальному світі абсолютна (повна) раціональність практично недосяжна, очікується, що агент в ході прийняття рішення буде стримуватися за принципом обмеженої раціональності.

6. Основні принципи теорії обмеженої раціональності

Визнаним основоположником узагальненої моделі економічної поведінки, яка отримала назву теорії обмеженої раціональності (bounded rationality) вважається нобелівський лауреат, американський економіст, професор психології та інформатики Г.Саймон [5] .

Рисунок 1-Алгоритм роботи моделі, побудованої на концепції обмеженої раціональності

Рисунок 1 - Алгоритм роботи моделі, побудованої на концепції обмеженої раціональності

Його теорія виходила з таких спостережень:
1. Абсолютна раціональність вимагає повного знання всіх прийнятих рішень. У реальній дійсності це не досяжно.
2. Існують принципові обмеження по можливості прогнозування наслідків прийнятих рішень (як майбутніх подій).
3. Абсолютна раціональність вимагає вибору з усіх можливих варіантів поведінки. На практиці лише невелике число можливих варіантів може бути прийнято до уваги.


Г.Саймон зі своїми співробітниками провів ряд емпіричних досліджень того, як реально протікає процес прийняття рішень у фірмах і на їх основі розробив нормативні алгоритми прийняття «правильних» рішень [1] .

Для того щоб максимізувати корисність або прибуток, економічному суб'єкту просто не вистачає рахункових здібностей. Проблема суб'єкта полягає не стільки в тому, що у нього мало інформації, скільки в тому, що її надто багато щодо можливостей її обробки. Процес прийняття рішень в моделі Г.Саймон можна описати двома головними поняттями - пошуку і прийняття задовільного варіанта.

На думку Г.Саймон, не може бути всеосяжною функції корисності, яка дозволила б порівняти різнорідні альтернативи. Ця функція, на його думку, має всього два {0, 1} або три {-1, 0, 1} значення, де 1 означає задовільний варіант, -1 - незадовільний, а 0 - байдужий.

У результаті господарський суб'єкт здійснює пошук варіантів вирішення завдання до тих пір, поки не буде знайдено перше прийнятне рішення, тобто поступає так, як показано на рис.1.

Прийнятність або неприйнятність варіанта кожен визначає для себе сам. Г.Саймон характеризує цей процес за допомогою запозиченої з психологічної науки категорії «рівня зазіхань». Концепція рівня зазіхань припускає, що в кожен момент часу в людини є певне уявлення про те, на що він може (має право) розраховувати. Рівень зазіхань не є застиглим, планка весь час зсувається в залежності від результатів останнього кроку. Якщо він був успішним, рівень зазіхань піднімається вгору - людина ставить собі більш високу мету. У разі невдачі рівень зазіхань опускається, оскільки людина починає більш критично ставитися до своїх здібностей. Варіант вважається задовільним, якщо він дозволяє людині подолати планку - рівень зазіхань.

Можна зауважити, що вибір задовільного варіанта вимагає від економічного суб'єкта набагато меншої інформованості та рахункового мистецтва. Йому вже не треба мати точну інформацію про результат даного варіанту і порівнювати його з результатами альтернативних варіантів в рамках загальної функції корисності. Досить інтуїтивного уявлення про те, що даний варіант вище або нижче прийнятного рівня. При цьому порівнювати варіанти між собою взагалі немає необхідності [1] .

Концепція обмеженої раціональності є єдиною в економічній теорії формальної моделі людської поведінки, альтернативної максимізації корисності і прибутки, хоча її застосування на практиці потребує складних формул і обчислень. В даний час модель «обмеженої раціональності» успішно застосовується в нормативних рекомендаціях і в комп'ютерних програмах.

7. Використання теорії обмеженої раціональності в багатоагентних системах

Концепція обмеженої раціональності знайшла широке застосування в теорії багатоагентних систем. МАС складається з декількох взаємодіючих агентів, які можуть мати різну архітектуру. В залежності від типу агентів МАС можуть бути використані для вирішення багатьох проблем, які складно або неможливо вирішити за допомогою одного агента або монолітної системи. На рис. 2 показана одна з архітектур інтелектуального агента. Вона включає 4 компоненти. Найбільш істотна відмінність спостерігається між навчальним компонентом, який відповідає за внесення удосконалень, і продуктивним компонентом, який забезпечує вибір зовнішніх дій [7] .

Продуктивний компонент отримує сприйману із зовнішнього середовища інформацію та приймає рішення про відповідні дії. Навчальний компонент використовує інформацію зворотного зв'язку від критика з оцінкою того, як діє агент, і визначає, яким чином має бути модифікований продуктивний компонент для того, щоб він успішніше діяв в майбутньому.

Рисунок 2-Архітектура інтелектуального агента

Рисунок 2 - Архітектура інтелектуального агента

(анимация - разрешение: 450 x 337 px; объем: 24 kb; кадров: 9; задержка между кадрами: 0.5с; количество повторений: 5)

Критик повідомляє обучающему компоненту, наскільки добре діє агент з урахуванням встановленого стандарту продуктивності. Критик необхідний, оскільки самі результати сприйняття не дають ніяких вказівок на те, чи успішно діє агент.

Останнім компонентом агента є генератор проблем. Його завдання полягає в тому, щоб пропонувати дії, які повинні привести до отримання нового і інформативного досвіду [8] .

Висновки

На даному етапі наукових досліджень автори основну увагу приділили аналізу концепції обмеженої раціональності в поведінці людей, що розглядається через призму штучного інтелекту.

На думку фахівців у цій галузі класична теорія поведінки людини, заснована на принципі повної раціональності при прийнятті людиною рішень, далека від реальності. До факторів, що обмежують раціональність агентів, відносяться:
1) недостатня мотивація;
2) локальний характер розміщення інформації (обмеження на ресурси);
3) принципова неповнота і неточність інформації, одержуваних від інших агентів;
4) випадковий вплив середовища.

Якщо агент в організації завжди знаходиться у взаємодії з іншими агентами, веде переговори, намагається створити коаліції і т. п.; тому його сприйняття суб'єктивно і уривочне, а знання, необхідні для виконання завдання, нечіткі, неточні і обмежені [5] . Тому зараз в області МАС домінує теза про доцільність в таких умовах використовувати колективне вироблення рішень агентами в ході їх спільної діяльності. На основі цієї тези побудована нова поведінкова теорія організацій. Вона заснована на визнанні обмеженості чистого раціоналізму і притягнення ідей відносної раціональності в поведінці людей, інтелектуалізації та біологізації організацій. Тому, якщо МАС повинна працювати у складному, трансформованому, динамічному середовищі, що характеризується високим рівнем невизначеності, то її необхідно будувати на основі наступних нових принципах:
1) замість жорсткої «деревоподібної» ієрархії доцільно використовувати «плоскі» мережеві структури, в яких агенти розглядаються не як шестерінки, а як вузли мережі, усвідомлюють цілі МАС і реалізують спрямовані взаємодії з іншими вузлами [5] ;
2) надавати інтелектуальним агентам не вузьку, а більш широку спеціалізацію, що забезпечує рішення великих задач;
3) переходити до кооперації і координації дій.


Такий підхід до побудови багатоагентних моделей неоднорідних динамічних систем з розподіленим інтелектом дозволить більш реалістично змоделювати роботу всієї системи, а також різні аспекти поведінки людей-учасників таких систем.

Примітка

При написанні даного реферату магістерська робота ще не завершена. Остаточне завершення: грудень 2012 року. Повний текст роботи і матеріали по темі можуть бути отримані у автора або його керівника після зазначеної дати.

Перелік посилань

  1. Автономов В. История экономических учений/Под ред. О.Ананьина, Н. Макашева:Учеб. пособие. — М: ИНФРА-М, 2002. - 784 с. — (Серия «Высшее образование»).
  2. Адылова Ф.Т. Технология грид и мультиагентных систем: новая парадигма развития телемедицины [Электронный ресурс]. – Режим доступа: http://www.nbuv.gov.ua/portal/Chem_Biol/Ujtm/2008_2/2008_2_8.pdf
  3. Меркулова Т.В., Акулов Н.В. Мультиагентный подход к моделированию экономической системы в условиях нестационарной внешней среды [Электронный ресурс]. – Режим доступа: http://www.nbuv.gov.ua/Portal/Soc_Gum/Bi/2009_4/4(2)/117-119.pdf
  4. Саймон Г. Науки об искусственном: Пер. с англ. – М.: Мир, 1972.
  5. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям:философия, психология, информатика.- М.: Эдиториал УРСС, 2002. – 352 с.
  6. Рациональный агент. [Электронный ресурс]. – Режим доступа: http://ru.wikipedia.org/wiki/Рациональный_агент
  7. Многоагентная система. [Электронный ресурс]. – Режим доступа: http://ru.wikipedia.org/wiki/Многоагентная_система
  8. Интеллектуальные агенты. [Электронный ресурс]. – Режим доступа:http://www.itfru.ru/index.php/intellectual-agents
  9. Принятие решений. [Электронный ресурс]. – Режим доступа:http://club-energy.ru/8_2.php
  10. Лямин Р.В. Многоагентная система обучения студентов на кафедральном уровне [Электронный ресурс]. – Режим доступа: http://masters.donntu.ru/2008/fvti/lyamin/diss/index.htm