Русский  English
ДонНТУ Портал магістрів

Реферат за темою: Агентно‑орієнтоване моделювання підготовки та працевлаштування молодих спеціалістів

Зміст:

1. Цілі і завдання дослідження

Метою даної роботи є побудова імітаційної моделі процесу підготовки молодих фахівців за допомогою агентно‑орієнтованого підходу.

Завдання дослідження:

  1. Аналіз процесу навчання студентів університету як системи з розподіленим інтелектом.
  2. Опис процедури передачі знань від викладача до студенту.
  3. Визначення зовнішніх і внутрішніх факторів, що впливають на успішність студентів і якість засвоювання знань і навичок.
  4. Розробка методики визначення ментальних і психофізіологічних особливостей викладачів і студентів.
  5. Розробка структури штучних агентів для викладачів і студентів на основі нейронних мереж.
  6. Розробка алгоритмів навчання штучних агентів.

2. Актуальність теми дослідження

Агентно‑орієнтований підхід до моделювання – це різновид подання імітаційних моделей як сукупності взаємодіючих штучних агентів, в яких основоположними концепціями є поняття агента та його ментальної поведінки, залежне від середовища, в якій він знаходиться.

Агентно‑орієнтовані моделі – це спеціальний клас імітаційних моделей, заснованих на індивідуальній поведінці безлічі агентів, створених для комп’ютерних симуляцій. Ці комп’ютерні симуляції тісно пов’язані з наступними поняттями: обчислювана економіка, складні розподілені системи, метод Монте – Карло, обчислювальна соціологія, системи з безліччю інтелектуальних агентів і еволюційне програмування.

Такі моделі дають можливість описувати процеси не тільки з математичної боку, але також враховувати інші фактори, такі як психологія, економіка, соціальні фактори. Це робить даний інструмент дуже популярним в сучасній науці.

Актуальність даного дослідження полягає в тому, що побудована модель дозволить аналізувати якість навчального процесу в вищому навчальному закладі та прогнозувати працевлаштування випускників вузу з урахуванням вимог роботодавців. Дана модель буде враховувати розподіленість та інтелектуальність системи навчання студентів вузу, а також фактори, що впливають на них.

3. Наукова новизна дослідження

Модель буде відрізнятися можливістю більш реалістично відображати трансформацію знань в навчальному процесі викладач – студент, тобто імітувати процес передачі професійних навичок і знань залежно від особистісних характеристик учасників процесу (викладачів і студентів).

В імітаційної моделі будуть використані методи штучних нейронних мереж, що робить дану роботу по‑своєму унікальною.

4. Заплановані практичні результати

  1. Агентно‑орієнтована модель підготовки молодих фахівців.
  2. Методика визначення особистісних характеристик викладачів і студентів.
  3. Структура алгоритму навчання штучних агентів.

5. Огляд досліджень і розробок по темі

Тема інтенсивно розвивається в Донецькому національному технічному університеті на кафедрі прикладної математики та інформатики під керівництвом доцента Федяєва О. І. Під його керівництвом захистили дипломні роботи наступні магістри:

  1. Стропалов А. С. Випускна робота: Нейромережеві моделі програмних агентів в соціально‑орієнтованих мультиагентних системах.
  2. Лукіна Ю. Ю. Випускна робота Агентно-орієнтовані програмні моделі поведінки людини в соціально‑економічному середовищі.
  3. Зудікова Ю. В. Випускна робота: Оцінка ефективності багатоагентного моделювання систем з розподіленим інтелектом.
  4. Грач Є. Г. Випускна робота: Модель підприємства як інтелектуальна штучна система для аналізу та управління на основі знаннь.
  5. Лямін Р. В. Випускна робота: Багатоагентна система навчання студентів на кафедральному рівні.
  6. Зайцев І. М. Випускна робота: Моделі колективної поведінки інтелектуальних агентів в многоагентних системах моделювання та управління підприємством.

Агентно‑орієнтованим моделюванням і програмуванням займаються вчені і програмісти всього світу, в тому числі і в провідних університетах планети. Існує великий сайт, на якому розміщені електронні наукові публікації.

Так само доказом актуальності цієї теми в світі може служити кількість відповідей на запит multi‑agent systems modeling в пошуковій системі Google – більше 12 мільйонів.

Мультиагентні системи застосовуються в різних областях людської діяльності, таких як освіта, медицина і економіка.

6. Теорія агентно‑орієнтованих систем

6.1. Інтелектуальний агент

Термін агент походить від латинського дієслова agere, що означає діяти, рухати, правити. У Вікіпедії агент – це деяка сутність (система), яка має властивості, крім властивостей об’єкта – існувати і об’єднувати, необхідними для взаємодії із зовнішнім середовищем.

Для роботи штучний агент повинен мати певні інтелектуальні здібності, а також можливість взаємодіяти із власником для отримання завдань та передачі результатів.

Загальноприйнятого визначення інтелектуального агента поки немає, але найбільш популярне з них наступне.

Інтелектуальним називається штучний агент, який здатний діяти автономно і гнучко (flexible) для досягнення поставлених перед ним цілей, при цьому під гнучкістю розуміють:

6.2. Мультиагентні системи

З окремих агентів можна будувати багатоагентні (мультиагентні) системи (МАС). Серед фахівців використовується наступне формальне визначення багатоагентної системи МАС:

MAС = (A, E, R, ORG, ACT, COM, EV ),

де: А – безліч агентів середовища Е, що знаходяться в певних відносинах R і взаємодіють один з одним, формують деяку організацію ORG, що володіє набором індивідуальних і сумісних дій ACT (стратегія поведінки і вчинків), включаючи можливі комунікативні дії COM і можливість еволюції EV.

Щоб зробити МАС готовими до промислового застосування, некомерційна асоціація під назвою FIPA запропонувала ряд норм і стандартів, які розробники мультиагентних систем повинні виконувати, щоб МАС були сумісними з іншими системами:

Недоліки МАС [4]:

7. Агентна система моделювання підготовки та працевлаштування фахівців на ринку праці

7.1. Система взаємодії агентів на ринку праці

У даній роботі розглядається імітаційна система, яка включає в себе три типи штучних агентів, які реалізують головні функції своїх реальних об’єктів і їх взаємодію в процесі, що моделюється. Для моделювання процесів підготовки і працевлаштування молодих фахівців необхідні наступні агенти:

Взаємодія цих агентів визначає сутність моделі підготовки молодих фахівців для ринку праці. У даній моделі передбачені три типи взаємодії.

  1. Взаємодія роботодавців та випускників.
  2. Взаємодія роботодавців та університетів.
  3. Взаємодія випускників та університету в процесі навчання.
Система підготовки та працевлаштування молодих фахівців

Рисунок 1. Система підготовки та працевлаштування молодих фахівців ( анімація: 7 кадрів, 10 циклів повторення, 86 кілобайт)

Для формалізації взаємодії даних об’єктів були використані наступні припущення та спрощення:

  1. Процес навчання відбувається безпосередньо між викладачем і студентом, під впливом зовнішнього фактора – плану навчання, а також внутрішніх факторів, які визначаються особистими характеристиками студентів і викладачів.
  2. В процесі навчання для кожного предмета, відповідно до його навчального плану, встановлено певний набір професійних знань у вигляді навичок і умінь, необхідних для засвоєння студентами;
  3. Реальний рівень засвоєння студентами знань з предмета не визначається екзаменаційної оцінкою, виставленою викладачем.
  4. Для кожного студента формується особистий (індивідуальний) набір знань і умінь, засвоєний в процесі вивчення даної дисципліни, який буде використовуватися при співбесіді з роботодавцем.
  5. Навчальна програм дисципліни розглядається як нормативна інформація.

7.2. Модель взаємодії університету та випускників (студентів)

На рисунку 2 показана запропонована нами модель навчання студента з одного предмета. На виході моделі формується вектор – список знань і умінь з однієї дисципліни, які студент опанував під час навчання. Варто зауважити, що деякі знання і вміння не присутні в кінцевому варіанті вектора, адже студент, через свої ментальні особливості, не засвоїв їх.

Процес навчання студента з одного предмету

Рисунок 2. Процес навчання студента з одного предмету

Пізніше цей вектор буде розглянуто роботодавцем, який і зробить висновок – чи зможе випускник з таким вектором знань і навичок справлятися з запропонованою посадою.

Як відомо, на успішність навчання студента впливає ряд факторів. Ці фактори були розділені на кілька категорій і по кожному з них планується аналіз і розробка методики оцінки його дії  на студента.

Фактори, що впливають на засвоєння матеріалу

Рисунок 3. Фактори, що впливають на засвоєння навчального матеріалу студентом

Якість засвоєння матеріалу студентами багато в чому визначається майстерністю викладача. Тому агент Викладач повинен бути наділений своєї власної ментальністю, рівнем професіоналізму і стилем підношення інформації.

У викладача так само є фактори, що впливають на його здатність правильно і зрозуміло пояснити предмет. Ці фактори в даній роботі розглядатися не будуть у зв’язку з їх схожістю з факторами, що впливають на студентів.

Модель взаємодії агентів наведена на рисунку 4.

Взаємодія агентів « Викладач »і«

Рисунок 4. Взаємодія агентів Викладач і Студент

Висновки

Таким чином, в даному дослідженні буде формалізовано процес навчання фахівців, який є частиною великої моделі підготовки та працевлаштування фахівців, що розглядається як динамічна система з розподіленим інтелектом. Ця робота може мати продовження у напрямку формалізації взаємин університетів і роботодавців для оптимізації навчальних планів, які в даному дослідженні задаються апріорі.

Планом даного дослідження передбачено отримання агентно‑орієнтованої моделі підготовки фахівців, яка дозволить проводити аналіз і прогнозування процесу навчання студентів в навчальному закладі.

Для побудови програмних агентів, які повинні реалізувати ролі учасників навчального процесу, будуть використані штучні нейронні мережі, надзвичайно популярні в наш час.

Використані джерела

  1. Лукина Ю. Ю., Федяев О. И. Технология создания мультиагентных систем в инструментальной среде MadKit [Електронний ресурс]. – Режим доступу: http://www.masters.donntu.ru.
  2. Бугайченко Д. Ю., Соловьев И. П. Абстрактная архитектура Интеллектуального агента и методы ее реализации [Електронний ресурс]. – Режим доступу: http://www.sysprog.info/2005/03.pdf.
  3. Тарасов В. Б. От многоагентных систем к интеллектуальным организациям [Електронний ресурс]. – Режим доступу: http://www.burnlib.com.
  4. Jacques Ferber, Olivier Gutknecht, Fabien Michel From Agents to Organizations: an Organizational View of Multi‑Agent Systems [Електронний ресурс]. – Режим доступу: http://www.lirmm.fr.
  5. Зудикова Ю. В. Оценка эффективности многоагентного моделирования систем с распределенным интеллектом [Електронний ресурс]. – Режим доступу: http://masters.donntu.ru.
  6. Клебанов Б. И., Москалев И. М., Бегунов Н. А., Крицкий А. В. Мультиагентная имитационная модель муниципального образования [Електронний ресурс]. – Режим доступу: http://window.edu.ru.
  7. Котенко И. В. Многоагентное моделирование для исследования механизмов защиты информации в сети Интернет – ИММОД 2009, с. 38–47 [Електронний ресурс]. – Режим доступу: http://www.spiiras.nw.ru.
  8. Лямин Р. В. Многоагентная система обучения студентов на кафедральном уровне [Електронний ресурс]. – Режим доступу: http://masters.donntu.ru.
  9. А. Н. Швецов. Агентно‑ориентированные системы: от формальных моделей к промышленным приложениям [Електронний ресурс]. – Режим доступу: http://window.edu.ru.
  10. Зайцев И. М., Федяев О. И. Агентно‑ориентированный подход к моделированию интеллектуальных распределённых систем: Сб. – Донецк: ДонНТУ, 2008. – С. 337–338.
  11. В. Б. Тарасов. Агенты, многоагентные системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте // Новости искусственного интеллекта: Сб. – 1998. – № 2.

Примітка

При написанні даного автореферату магістерська робота ще не завершена. Остаточне завершення – 1 грудня 2014.