Модель поведения автономного сценария в задачах управления распределенными информационными ресурсами

Размещено на http://www.allbest.ru/

Модель поведения автономного сценария в задачах управления распределенными информационными ресурсами

В.А.Филатов, О.Ф. Козырь

Введение

Важную роль в повышении эффективности функционирования любого предприятия, интенсификации и развитии управленческих и инновационных процессов играет качество управления информационными ресурсами (УИР), под которыми будем понимать информацию и инструменты работы с нею.

В условиях постоянного развития информационных систем и технологий становится невозможно эффективно решать вручную множество сложных задач управления информационными ресурсами. Поэтому, учитывая все возрастающий спрос на программные средства, которые облегчают администрирование в распределенных системах и выполняют те или иные задачи информационной поддержки, разработчики предлагают все новые решения для управления информационными ресурсами, расширяют возможности существующих программных продуктов.

Однако в настоящее время не существует универсального класса систем УИР, которые отвечали бы потребностям предприятий различных масштабов и разного уровня автоматизации процессов управления. Поэтому поиск доступных, гибких и универсальных средств управления всем многообразием информационных ресурсов распределенных систем является одной из важнейших задач ИТ-индустрии.

Такие свойства программных сценариев, как автономность, целенаправленность, мобильность и адаптивность, а также независимость от сред и квалификации разработчика, способность решать и простые, и сложные задачи, как на сервере, так и на стороне клиента, позволяют рассматривать их как одно из перспективных направлений развития УИР.

Для системной проработки вопросов возможности и целесообразности применения автономных сценариев в автоматизации процессов УИР необходимы формализация и исследование их структуры и поведения при решении различных классов задач УИР.

1. Разработка концептуальной модели автономного сценария

автономный фреймовый сценарий автомат

Рассмотрим один из подходов к созданию модели универсального автономного сценария, ориентированного на решение задач управления информационными ресурсами вычислительных систем, на основе концепции фреймов [1,2]. В общем случае она может быть записана в виде:

, (1)

где FR - имя фрейма;

совокупность <R_i,С_i1,…,C_ij,…,C_im> - описание i-го слота фрейма;

R_i - имя i-го слота, C_ij - j-ое значение i-го слота.

На основании фрейма (1), может быть реализована модель программного сценария в терминах <объекты>, <условия>, <действия>, <результаты>. Фрейм выступает в виде универсального каркаса или типовой оболочки, в которую могут добавляться функциональные модули-слоты для решения конкретных задач управления информационными ресурсами.

Каждый слот фрейма связан с конкретным объектом информационного пространства и выполняет с ним заданное действие. Математическое описание слота имеет вид:

, (2)

где - множество имен атрибутов, - множество доменов, - отображение , - множество, определяющее начальные условия и признаки выполнения действий в структуре задания, - множество операций, при этом , где - операции над слотами-кортежами, - операции над состояниями кортежей, - операции над значениями типовых атрибутов. При этом , где - операции над данными одного типа, - межтиповые операции, - модель-кортеж i-го задания автономного сценария.

Кортеж в модели (2) может быть представлен в виде:

, (3)

где - множество состояний кортежа , - множество ограничений целостности, - множество операций, заданных на .

С учетом (2) и (3) логическую модель автономного сценария можно рассматривать как двумерный объект, имеющий реляционную структуру, слоты-кортежи которой описаны с помощью типового набора атрибутов [3,4]:

(4)

Где в качестве базовых представлены следующие типы:

OBG (object-объект)={база данных, файл, папка, сценарий, том, диск};

ACT(action-действие)={записать, копировать, читать, удалить, искать, наблюдать, защищать, ссылаться, выполнять};

CON(condition-условие)={ЕСЛИ <условие> ТО <предикат> };

FLAG(признак выполнения задания)={0; 1}.

Слот также может иметь ключевой атрибут - идентификатор ID (index-индекс) и атрибут PRI (priority - приоритет), значение которого определяется пользователем и используется для взаимодействия сценариев.

Модель слота автономного сценария показана на рис.1.

Рис.1. - Модель слота автономного сценария

Состояния-кортежи могут быть представлены, например, в виде реляционной таблицы, атрибутами которой являются .

2. Классификация автономных сценариев на основе фреймовой структуры

Так как во многих реальных ситуациях автономные сценарии должны решать возложенные на них задачи в условиях априорной неопределенности, то достижение ими заданной цели возможно лишь на основе применения адаптивного подхода. Суть такого подхода состоит в использовании текущей информации, получаемой в результате выбора конкретных действий, для обоснования выполнения последующих действий. В задачах адаптивного выбора вариантов такой текущей информацией являются значения потерь, получаемые в результате выбора конкретных вариантов. Это позволяет компенсировать недостаток информации и реализовать оптимальную на классе систем стратегию управления [5].

Рассмотрим общую постановку задачи адаптивного выбора вариантов, представленную на рисунке 2.

Смысл подхода состоит в следующем в каждый из последовательных моментов времени необходимо выбирать вариант из конечного множества возможных вариантов .

Рис.2. - Схема адаптивного выбора вариантов

Потери системы представляют собой функцию элементарного исхода (имеет бинарные значения «штраф» и «отсутствие штрафа») и зависят от выбранного варианта , а также, возможно, от состояния системы. Реализуемая при этом последовательность вариантов должна быть такой, чтобы достигалась заданная цель, формулируемая в терминах предельных значений текущих средних потерь.

Выбор очередного варианта производится на основе полученной к данному моменту времени совокупности потерь , которая соответствует реализованной последовательности вариантов . Это означает, что является функцией от , и, возможно, от момента времени и элементарного исхода . Эту функцию назовем правилом выбора варианта :

, , (5)

где в зависимости от задачи - либо скаляр, либо вектор.

Функция может быть как детерминированной, так и случайной (рандомизированной). Последовательность правил выбора определяет стратегию выбора вариантов или стратегию управления информационным пространством [6,7].

Неопределенность исхода приводит к необходимости использовать более сложные рандомизированные стратегии. Большинство из них реализуют рандомизированные правила выбора следующего вида:

, , (6)

где вектор-функция,

вектор условных вероятностей выбора вариантов в момент времени .

Выбору очередного варианта предшествует вычисление в соответствии с (6), вектора . Вариант представляет собой случайную дискретную величину, принимающую значения с условными вероятностями при фиксированной предыстории .

Рандомизированные правила выбора (7) включают и так называемые марковские правила, которые можно описать как:

, (7)

Рандомизированные стратегии, определяемые последовательностью правил вида (7) относятся к классу рекуррентных алгоритмов адаптивного выбора вариантов. Эти алгоритмы достаточно просто реализуются, поскольку они на каждом шаге используют минимальную информацию о предыстории процесса.

Применение рандомизированных стратегий позволит решать широкий класс задач адаптивного выбора вариантов, включая задачи с небинарными и с неограниченными потерями , более того, единообразно формировать алгоритм адаптивного выбора вариантов для всех рассматриваемых задач.

В условиях полной информации о системе оптимальная стратегия всегда принадлежит классу детерминированных стратегий:

, . (8)

С помощью детерминированных стратегий может быть решено большинство задач УИР, возникающих в распределенных информационных системах.

Более простая реализация детерминированных стратегий возможна с помощью детерминированных конечных автоматов [8], которые в основном ориентированы на задачи с бинарными потерями, хотя могут применяться и в других случаях. Кроме того, для них характерно обеспечение приемлемого поведения, близость которого к оптимальному возрастает с увеличением глубины памяти автомата. Однако это влечет за собой уменьшение скорости достижения цели и увеличивает сложность, а именно число состояний, соответствующего автомата. Это же свойственно и стохастическим автоматам с постоянной структурой [9], которые реализуют рандомизированные стратегии выбора. Сложным рандомизированным стратегиям (6) и (7) в теории поведения автоматов соответствуют стохастические автоматы с переменной структурой.

Анализ наиболее распространенных стратегий адаптивного выбора вариантов позволил сформировать общий подход к созданию модели поведения автономного сценария в информационном пространстве с использованием конечных автоматов [9]. В соответствии с этим была предложена классификация автономных сценариев на основе фреймовой структуры. Для каждого класса используется бинарная функция потерь и определены стратегия поведения, условия функционирования и тип конечного автомата (см. табл.1).

Таблица № 1

Классы автономных сценариев

Исследование выделенных классов позволяет формализовать их поведение в терминах теории конечных автоматов.

3. Модель поведения автономного сценария в терминах теории конечных автоматов

Конечный автомат рассматривается как некоторый объект [7 - 9], способный в каждый момент времени ,N воспринимать конечное число сигналов и изменять в зависимости от них свое внутреннее состояние. Автомат может производить конечное число действий , выбор действия определяется внутренним состоянием автомата. Автомат имеет конечное число m внутренних состояний , которое называется емкостью памяти автомата.

Предполагается, что автомат находится в некоторой среде и что действия автомата вызывают ответные реакции среды . Эти реакции, в свою очередь, являются для автомата входными сигналами, которые он использует для принятия решения о дальнейших действиях (рис. 3).

Рис.3 - Схема взаимодействия объекта с внешней средой

Рассмотрим простейший случай, когда все возможные реакции среды воспринимаются автоматом как относящиеся к одному из двух классов классу благоприятных реакций (выигрыш, ) и классу реакций неблагоприятных (проигрыш, ). Внутри каждого из этих классов реакции среды являются для автоматов неразличимыми. Целесообразность поведения автомата в некоторой среде заключается в увеличении числа благоприятных реакций и уменьшении числа реакций неблагоприятных.

Ограничим наше исследование рассмотрением детерминированных и стохастических автоматов.

Автомат задается уравнением , показывающим зависимость действия автомата в момент времени t от его состояния , и стохастической матрицей . При этом равно вероятности перехода состояния в состояние под воздействием входа . Для детерминированных автоматов матрицы состоят из нулей и единиц. Так как рассматриваются автоматы, воспринимающие лишь два сигнала и , то достаточно задать две такие матрицы и . Таким образом, детерминированный автомат может быть задан каноническими уравнениями:

 , (9)

. (10)

Уравнение (10) описывает зависимость действий автомата от его состояний, а уравнение (9) - изменения его состояний под воздействием входной переменной . Каждая строка матрицы состояний детерминированного автомата при любом фиксированном значении содержит один элемент, равный 1, а остальные элементы равны 0. Смена состояний детерминированного автомата осуществляются в соответствии с правилом: если в момент автомат находится в состоянии , то в момент он перейдет в такое состояние , для которого .

Стохастический автомат также имеет конечное число состояний и конечное число действий . Действия стохастического автомата однозначно определяются его состоянием: , а матрицы состояний , являются стохастическими. При этом имеет смысл вероятности перехода из i-го состояния в j-e при заданном значении входной переменной . Пусть в момент автомат находится в состоянии , , которому соответствует действие . Тогда вероятность перехода автомата из состояния в состояние определяется формулой:

. (11)

Очевидно, что матрица является стохастической.

С учетом общей модели поведения конечного автомата (10) и модели слота (2) и (3) представим автономный сценарий в терминах модели конечного автомата, тогда слотов соответствуют типам действий :

(12)

Каждый слот по аналогии с автоматом для i-го действия обладает конечным числом внутренних состояний :

(13)

где n количество слотов-заданий, m количество состояний i-го кортежа-задания.

Тогда логическая модель автономного сценария примет вид, представленный на рис.4.

При выполнении условия, заданного форматом атрибута [CON], для объекта [OBG] выполняется встроенная процедура [PROC] или действие, определенное спецификацией [ACT]. На каждое действие среда отвечает сигналом , значение которого {1,0} отображается в поле [FLAG]. Накопленные в течение определенного периода результаты выполнения заданий, сформулированных в слотах-кортежах, могут быть использованы для моделирования адаптивного поведения сценариев. Ориентация на реакцию среды, в которой функционирует автономный сценарий, позволяет ему достичь поставленной цели. Конфликтные ситуации между сценариями разрешаются на основе приоритетов, заданных в поле [PRI].

Рис.4. - Двумерная логическая модель автономного сценария

Таким образом, модель автономного сценария представляет собой сложную логическую структуру и как обязательный атрибут должна содержать имя фрейма-сценария, который включает слоты-задания (см. рис. 5).

Рис.5. - Структура фрейма автономного сценария

Поведение автономного сценария определяется матрицей переходов, которая имеет вид:

Алгоритм автономного сценария состоит в следующем: задание, сформулированное в первом слоте-кортеже, выполняется раз, после чего управление передается на второй слот-кортеж. Задача считается полностью выполненной тогда, когда действие слота-кортежа выполнится раз.

В качестве примера рассмотрим автономный сценарий класса А, состоящий из одного слота и имеющий три состояния [10]. Сценарий активируется при наступлении конкретной даты (21 сентября 2011 года) и времени (17.00 часов системного времени) и копирует содержимое папки d:\arhiv\### на диск е:\ в одноименную папку (см.рис.6). Сценарий трижды выполняется в системе 21, 22 и 23 сентября. Результаты копирования заносятся либо в соответствующую таблицу БД, либо в текстовый файл (журнал).

Рис.6.- Структура автономного сценария класса A

Если несколько изменить задание этого сценария, то есть не указать дату, а количество состояний задать равным 1, то копирование папки будет производиться ежедневно в 17.00 часов.

Выводы

Одним из перспективных направлений автоматизации процесса управления информационными ресурсами вычислительной системы является технология автономных сценариев, обеспечивающая решение широкого класса задач, таких как интеграция гетерогенных информационных структур и распределенных баз данных, мониторинг и автономный аудит информационных ресурсов. В статье предложена логическая модель автономных сценариев на основе фреймов, позволяющая формализовать как детерминированные, так и стохастические сценарии.

Для моделирования поведения автономных сценариев при взаимодействии с информационной средой предложено использовать аппарат конечных автоматов, позволяющий описать широкий спектр алгоритмов поведения, в том числе адаптивные и интеллектуальные. Разработанные модели повышают эффективность проектирования и сопровождения систем управления информационными ресурсами, являются основой для создания инструментального программного средства автоматизированного генерирования автономных сценариев.

Список литературы

1. Minsky, Marvin. A framework for representing knowledge. [Electronic resource] // MIT AI Laboratory Memo 306. June, 1974. -. Режим доступа: http://web.media.mit.edu/~minsky/papers/Frames/frames.html (доступ свободный) - Загл. с экрана. - Яз. англ.

2. Chaib-draa, B., Moulin, B., Mandiau, R. & Millot, P. Chapter 1 - Trends in Distributed Artificial Intelligence, Foundations of Distributed Artificial Intelligence [Text] // G. M. P. O'Hare and N. R. Jennings (eds.), John Wiley & Sonsmc, 1996. p. 3-55.

3. Аксенов К.А. Коалиционная модель мультиагентного процесса преобразования ресурсов [Электронный ресурс] // «Инженерный вестник Дона», 2012, №4 (часть 2). - Режим доступа: http://ivdon.ru/magazine/issue/106 (доступ свободный) - Загл. с экрана. - Яз. рус.

4. Филатов В.А. Модель поведения автономного агента на основе теории автоматов [Текст] // Вестник Херсонского государственного технического университета.- Херсон: ХГТУ, 2004. - № 1 (19) - с.108 - 111.

5. Трахтенброт Б.А., Барздинь Я.М. Конечные автоматы (поведение и синтез) [Текст] // Борис Трахтенброт, Ян Барздинь - М.: Мир, 1970. - с.400

6. Кудрявцев В.Б., Введение в теорию автоматов [Текст] // В.Б. Кудрявцев, С.В. Алешин, А.С. Подколзин - М.: Наука, 1985. - с.319

7. Назин А.В., Позняк А.С. Адаптивный выбор вариантов: рекуррентные алгоритмы [Текст] //А.В. Назин, С.В. Алешин - М.: Наука, Глав. ред. физико-математической лит-ры, 1986. - с.288, ил., 21 см.

8. Цетлин М. Л. Исследования по теории автоматов и моделированию биологических систем [Текст] // М.Л. Цетлин М.: "Наука", 1969 с.316

9. Филатов В.А., Козырь О.Ф. Мультиагентный подход к идентификации пользователей в системе дистанционного образования [Текст] // Сборник трудов региональной научной конференции,- Старый Оскол ООО "ТНТ", 2005. - т.1- c. 284-290.

10. Ананьев А.С., Бутенко Д.В., Попов К.В. Интеллектуальные технологии проектирования информационных систем. Методика проектирования программных продуктов в условиях наличия прототипа [Электронный ресурс] // «Инженерный вестник Дона», 2012, №2. - Режим доступа: http://ivdon.ru/magazine/issue/103 (доступ свободный) - Загл. с экрана. - Яз. рус.

Размещено на Allbest.ru