интересно
Предыдущая | Содержание | Следующая

Архитектура системы.

Архитектура разрабатываемой системы включает следующие основные компоненты: исполняющая подсистема (Run Time), библиотеки расширений, виртуальный рынок агентов кластеров и записей, блок онтологий, интерфейсная подсистема. Отдельными компонентами являются конструктор и отладчик онтологий и генетическая лаборатория.

Исполняющая подсистема содержит универсальные компоненты, необходимые для реализации прикладных мультиагентных систем в различных областях . Функции этой подсистемы включают параллельную машину для исполнения большого числа агентов, средства их коммуникации и поддержки доступа к онтологиям, интерфейсные модули и сервисные компоненты.

Библиотека расширений содержит в себе средства для взаимодействия с базами данных, средства двух- и трехмерной графики для отображения зависимостей, построения всевозможных отчетов и т.д. здесь же находятся необходимые компоненты для поддержки различных моделей микроэкономики.

Виртуальный рынок содержит в себе пространство для жизни агентов, в котором располагаются временные иерархии кластеров. Здесь кластеры создаются и уничтожаются, ведут переговоры с записями и другими кластерами, расширяются и т.д.

Конструктор онтологий является ключевым элементом системы, позволяющим пользователю самостоятельно создавать и редактировать базы знаний понятий и правил рассуждения агентов (включая формульные соотношения плотности или других признаков). Сценарии действий и рассуждений агентов строятся из простых правил, подобных тем, что задаются в почтовом клиенте для работы с корреспонденцией. В набор базовых действий входят операции доступа, навигации и поиска понятий по онтологии (найти верхний класс объекта, получить список всех отношений объекта и т.д.), формирования и ведения таблицы вариантов решений (в одном случае решение может применяться только по плотности, а в другом – по некоторому набору параметров общественной значимости, богатства или срока жизни), поиска вариантов, входа и выхода в кластер, создания и удаления кластеров, синхронизации процессов (например, реакции на события создания и удаления кластеров) и т.д. Пользователь может не только добавить или отредактировать сценарии некоторых агентов, но и ввести новые типы агентов – например, для анализа временных рядов или распознавания образов. Взаимодействие между такими агентами открывает совершенно новые возможности интеграции различных алгоритмов в рамках разрабатываемой системы.

Генетическая лаборатория накапливает сведения о результатах работы кластеров и записей и позволяет управлять выбором стратегий агентов в автоматическом режиме, обеспечивая эволюцию колонии агентов кластеров и записей. В частности, генетическая

Лаборатория позволяет постепенно рождать больше агентов с теми стратегиями, которые были более успешны на рынке, тем самым, изменяя общие характеристики популяции агентов в зависимости от ситуации или задачи пользователя. Архитектура прикладной холистической мас. Архитектура прикладной холистической мас включает онтологию предметной области, исполняющую систему и библиотеки расширений, виртуальные и абстрактные миры предприятия, интерфейсную компоненту, а также конструктор онтологий, интегратор знаний, систему понимания текста и генетическую лабораторию.

Разработанная архитектура является двухуровневой и дает возможность для любых подсистем business intelligence (е-коммерции, логистики и др.) создавать как простых агентов (не использующих онтологии), так и интеллектуальных агентов любой степени сложности, использующих онтологии. Основой предлагаемой системы становится онтология корпоративной деятельности предприятия, представляющая собой набор пополняемых баз знаний определенной структуры. Онтология предприятия строится как семантическая сеть, описывающая виртуальные и абстрактные миры предметной области, каждый из которых содержит как декларативную, так и процедурную компоненту. В целом, любой мир представляет собой модель фрагмента реальной среды предприятия. В известных МАС среда (агентство) является крайне упрощенной и содержит только самих агентов, которые общаются через пересылку

сообщений. В предлагаемой архитектуре мир всегда предполагает наличие пространства сцены, в котором помимо агентов могут быть объекты, обладающие некоторыми свойствами или функциями. Агенты могут выполнять действия над объектами, которые часто служат их инструментами. Выделяются виртуальные и абстрактные миры, построенные соответственно из моделей физических и абстрактных сущностей. В любом из миров организации можно создать пространственную сцену, выполнять действия с объектами и наблюдать их ответные реакции в соответствии с законами мира. При этом, например для агента заказа в онтологии логистики описано, из каких частей состоит заказ, кто может производить или поставлять эти части и как можно их заказать и получить. Таким образом, вся предметно-содержательная часть системы оказывается не прошитой в код системы, а вынесенной в отдельные текстовые файлы, которые легко редактировать. При этом для ситуаций, когда требуется высокая производительность системы, всегда есть возможность использования простых агентов. Загружая выбранные миры, пользователь может конструировать на экране компьютера различные начальные сцены мира, используя интерфейсную компоненту.

Для реализации всех этих возможностей исполняющая система включает в себя виртуальную параллельную машину для поддержки функционирования миров и одновременной работы агентов, подсистему обеспечения коммуникаций, модули поддержки онтологий, интерфейсную подсистему и подсистему сервисных функций.

Для работы с онтологиями пользователю предоставляется визуальный конструктор, позволяющий строить новые понятия и отношения в заданной предметной области. При этом с каждым понятием или отношением также связывается собственный агент и эти агенты способны обнаруживать противоречия в создаваемых концептах, автоматически порождать новые понятия, устанавливать между собой новые отношения по типу генерализации, агрегации, ассоциации и т.д. Особенно важно это становится для обеспечения возможности одновременной работы с онтологией многих пользователей, находящихся в географически разных местах. В этом случае становится необходимой постоянная интеграция знаний и данных, обеспечивающая их проверку, систематизацию и согласование. Очевидно, что все непрерывно поступающие в систему знания и данные могут быть разнородными, они могут дополнять друг друга или взаимно противоречить, обновляться и устаревать, иметь разные форматы и т.д. Эти функции реализует интегратор знаний и данных, который как и все предыдущие системы создается как ОМАС, в которой обеспечивается самоорганизация и эволюция знаний. Получаемые знания имеют огромную важность для предприятия, поэтому в ближайшем будущем агенты получат еще и возможность пополнять онтологии своим опытом и новыми бизнес-правилами, получаемыми из системы извлечения знаний.

Для упрощения процесса обработки знаний, представленных в текстовых документах, а также обеспечения гибкого и удобного взаимодействия с пользователем в архитектуру прикладной ОМАС включена система понимания текстов на естественном языке, которая может использоваться и независимо как самостоятельный продукт. В этой системе пользователь в дополнение к существующей онтологии, задающей семантику, вводит морфологические, синтаксические и прагматические правила манипуляций со словами (фактически, соответствующие онтологии) и получает возможность задавать системе вопросы и получать ответы, характеризующие текущее состояние предприятия, его прошлое или будущее. Генетическая лаборатория позволяет автоматически управлять рождением простых агентов и обеспечивать эволюцию системы в случае, когда система целиком строится на первом этаже (простые агенты не умеют самостоятельно выбирать себе стратегии). Однако в дальнейшем генетическая лаборатория будет предназначена для конструирования и оснащения самих агентов различными органами чувств, исполняющими механизмами, блоками памяти и т.д. Пользователи также могут устанавливать определенные стратегии своим агентам вручную, а могут полагаться на систему, которая накапливает сведения об эффективности использования стратегий. Тогда при создании нового агента система сама может решать, какая стратегия наиболее значима на рынке по успеху для пользователя предыдущих особей агентов.

При этом основные механизмы холизма сосредоточены всего лишь в одной из базовых онтологий системы (содержащей соответствующие понятия и бизнес-правила) и соответствующей библиотеке расширений исполняющей системы (с инструментами типа финансовый счет и др.). Вместе с тем, указанная онтология

И библиотека используются всеми другими прикладными системами. Интерфейс системы. Для решения своих задач пользователь может загрузить в систему несколько различных баз данных и скомпоновать из них нужные ему массивы информации. Для этого он должен создать новую структуру компонуемых полей и путем задания фильтров описать условия слияния интересующих его баз данных. При этом он может заменять, исключать или объединять выбранные поля, вставлять или удалять некоторые фрагменты данных, менять типы полей и редактировать их значения и т.д.

После этого пользователь может настроить метод кластеризации, задав некоторые параметры (варианты организации сообщества агентов, модель микроэкономики и т.д.), и определить параметры процесса отображения результатов. В дальнейшем пользователь здесь же сможет отредактировать онтологии агентов, добавить или изменить понятия и правила принятия решений.

Результаты процесса кластеризации могут быть показаны в нескольких режимах. Пользователь может получать результаты как в виде исторического отчета о создании и удалении кластеров во времени, так и в форме таблицы текущего состояния временной иерархической структуры кластеров, напоминающей табло прилетов самолетов в аэропорту (по этой таблице видно, как кластеры набирают или теряют очки по выбранному критерию, соответственно перемещаясь в табели о рангах).

Итоговые результаты могут быть представлены в форме отчета о структуре кластеров, доступной для навигации (для кластера показываются его параметры, вышестоящие кластеры и вошедшие в него кластеры и записи, а для записи – в какие кластеры она входит), в виде графической спиральной галактики (кластеры и записи упорядочены по выбранному критерию, например, богатству), 3Д-схемы, где пользователь может назначить полям записей и кластеров оси XYZ или простой дендограммы. Инструментальные средства для создания холистических МАС. Практическое создание МАС сталкивается с множеством серьезных трудностей, поскольку в настоящее время отсутствуют универсальные методологические принципы и инструменты построения указанных систем, нет единых взглядов на устройство и принципы функционирования таких агентов, структуру их онтологий, организацию памяти и механизмов мышления, способов взаимодействия и т.д.

Предлагается строить интеллектуальных агентов как многоуровневые комбинации физических и ментальных тел, что несколько напоминает IDS-архитектуру. Предполагается, что в виртуальном мире физическое тело агента может обладать переменным набором сенсоров и исполняющих механизмов, что позволяет заменить коммуникации через посылку сообщений прямым видением ситуации (агент может также слышать, чувствовать некоторые изменения среды, ощущать касание и т.д.) и резко снизить накладные затраты на восприятие сцены. Физическое тело может быть озабочено правильным воспроизведением сцены мира и исполнением запланированных действий, а также некоторыми реактивными действиями. Ментальное тело подхватывает полученную сцену виртуального мира и строит ее отображение в абстрактных мирах, планирует сценарий действий и осуществляет анализ результатов. Такой подход позволяет создавать более мощных и гибких агентов, использующих все возможные механизмы взаимодействия и коммуникации.

При этом используемый принцип построения целого как результата динамического взаимодействия частей открывает совершенно поразительные возможности в создании сложных агентов. В этом случае каждый агент может быть в свою очередь построен как целый мир со своими законами самоорганизации и эволюции, где на любом уровне любой простой агент может быть всегда легко заменен интеллектуальным и наоборот. Очевидно, что рассмотренная выше двухуровневая конструкция интеллектуального агента также построена на динамическом взаимодействии агентов физического и ментального тела, каждый из которых в свою очередь состоит из более простых агентов. С другой стороны, легко представить себе онтологию агентов, которая вовсе не есть застывшая пассивная сумма знаний, а является целым миром взаимодействующих агентов понятий и отношений, способных вступать во взаимодействия и порождать новые понятия (например, путем их генерализации), устанавливать ассоциации между ними и т.д. При этом ничто не мешает любому интеллектуальному агенту, имеющему онтологию, получить в свое распоряжение и систему распознавания текста и начать взаимодействовать на естественном языке…

Все эти методологические возможности вносят в арсенал проектировщика МАС совершенно новые возможности по интеграции систем через организацию их динамического взаимодействия, что, видимо, является на сегодня единственным способом создания действительно сложных систем. Однако следует отметить, что трудоемкость создания даже обычных МАС крайне велика и требует решения задач управления параллельными процессами с внутренней активностью, представления и обработки знаний, работы в реальном времени и т.д. При этом можно утверждать, что разработка даже простой МАС по своей трудоемкости вполне сопоставима с созданием небольшой операционной системы,

а реализация MAC даже с простыми элементами самоорганизации и эволюции, в которых все от начала до конца построено на еще более динамичных, множественных и длинных цепочках взаимодействий и переговоров, существенно более сложная задача. Наконец, разрабатываемые системы должны быть построены на базе основных компьютерных платформ и быть сетевыми и распределенными, открытыми для пользователя, гибко и легко модернизируемыми и пополняемыми на лету, работающими с большим числом агентов и т.д.

Первый опыт применения разработанных систем показал их широкие возможности и удобство использования даже для неподготовленных пользователей, имеющих начальные знания в области программирования. При этом полное освоение подхода и создание первых действующих прототипов систем занимало всего лишь 1-2 месяца. Кроме того, на практике была доказана высокая эффективность разработанных систем. В частности, получены результаты испытаний десктопной версии, когда в произведенных измерениях на компьютере близкая к стандартной конфигурации под Windows NT система показала возможность поддержки до 500 000 агентов с предельной скоростью до 40 000 сообщений в секунду. При этом на стандартных механизмах нитей в этих же экспериментах удавалось получить только до 5000 агентов.