Агенты, многоагентные системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте

Уточнение состава агентов и распределение функций между агентами. Выбор архитектур агентов

Выделение базовых взаимосвязей (отношений) между агентами в МАС

Определение возможных действий (операций) агентов

Построение базовой архитектуры (функционально-структурной единицы) МАС, анализ ее возможных состояний (нормальное, вырожденное, критическое и пр.).

Анализ реальных текущих или предполагаемых изменений внешней среды (условий функционирования) или внутренних противоречий МАС

Определение соответствующих изменений функций агентов и формулирование стратегии эволюции МАС

Построение общей архитектуры МАС, инвариантной к рассмотренной области изменений среды (или самовоспроизведение функционально-структурной единицы МАС)

Техническое задание (спецификация) на проектирование МАС должно наряду с ее назначением содержать описание типа среды, в которой будет функционировать МАС. Следуя Д.А.Поспелову [16], можно выделить замкнутые и открытые, детерминированные и стохастические, нетрансформируемые и трансформируемые среды. Затем необходимо определить главные функции, возложенные на агентов. При этом организация может рассматриваться как система ролей, где каждая роль определяет множество функций агента в МАС. Роли могут быть сосредоточены или, наоборот, широко распределены между агентами.

Функции МАС могут рассматриваться в различных измерениях, соответствующих точкам зрения наблюдателей.

Для любой открытой системы легко выделить следующие важнейшие функции.

1. Функция отражения или представления внешнего мира (связь от среды к системе) охватывает совокупность функций моделирования среды и других систем, а также представление событий, которые могут повлиять на жизнедеятельность системы.

2. Функция регуляции деятельности системы (связь от системы к среде) обычно характеризует результаты работы системы, производимые ею продукты или услуги. Иными словами, она часто сводится к продуктивной, операционной или исполнительной функции, которая включает множество действий и операций, необходимых для решения задачи или выполнения заказа.

3. Для установления и поддержания указанных связей между системой и средой служит специальная коммуникативная функция. Она обеспечивает функционирование всех входов и выходов, а также интерфейсы системы. Этой функции соответствует интерфейсный агент.

4. Функция самоуправления в системе определяет источники, границы и выбор видов ее деятельности. Соответственно, в МАС вычленяются три подфункции:а) интенциональная функция (функция мотивации), характеризующая формирование целей, исходя из потребностей и интересов системы; б) законодательная функция, т.е. функция выработки ограничений (норм, принципов, запретов) на поведение агентов в МАС; в) решающая функция, связанная с оценкой степени достижения цели и выбором задач.

5. Ресурсная или консервативная функция отвечает за сохранение структуры системы и агентов, приобретение и обслуживание ресурсов, - словом, за все, что нужно для поддержания и воспроизведения системы.

Роли характеризуют функции агентов независимо от их внутренней структуры. По ролевому признаку можно вычленить следующие основные виды агентов в МАС [30]

1. Агент-заказчик, рассылающий заявки на выполнение некоторого задания другим агентам

2. Агент-координатор (посредник), который принимает заказы и распределяет их между другими (компетентными) агентами.

3. Агент-исполнитель

4. Агент-субординатор (супервизор), который организует и контролирует работу вышеуказанных трех агентов и наделен правом экстренного вмешательства и перераспределения ресурсов в критических (нештатных) ситуациях.

Эти роли соответствуют минимальному набору функций, необходимых для функционирования организации как целенаправленной системы, т.е. достижения целей в условиях адаптации к изменениям среды. Роли не обязательно являются жестко фиксированными и могут изменяться с развитием организации. Например, исполнитель в результате эволюции организации может стать посредником или клиентом. Точно так же, агент-заказчик в одних случаях может рассматриваться как поставщик в других. Таким образом, каждый агент играет ряд ролей, характеризующих различные услуги, которые он может оказать в данной организации.

Конечно, можно указать и другие варианты специализации агентов. Так применительно к задачам децентрализованного управления производственными системами в [10] выделяются Агент-пользователь, Канальный агент, обеспечивающий обмен информацией в системе, Сервисный агент, принимающий заявки на транспортировку, выдачу или хранение ресурсов, Интерфейсный агент, служащий для связи с внешней средой, Координатор, ответственный за организацию взаимодействия вышеуказанных агентов и разрешение конфликтов.

В случае мигрирующих сетевых агентов и динамических организаций на базе Интернет могут также выделяться другие роли сервисных агентов, например, агент-регистратор, агент-архиватор, агент-хранитель узла и т.п.

Понятие роли нередко определяется с помощью трёх атрибутов: ответственности, разрешения, и протоколов. Здесь ключевым атрибутом является ответственность, которая тесно связана с функциональными характеристиками. Реализация ответственности неотделима от множества разрешений, которые определяют «права», связанные с ролью, а, следовательно, и набор располагаемых ресурсов для реализации ответственности. Наконец, роль описывается с помощью набора протоколов, которые определяют способ взаимодействия с другими ролями в системе.

При проектировании организацию можно рассматривать как набор ролей, находящихся между собой в определенном отношении, и взаимодействующих друг с другом. Исходя из этого, организационная модель дальше распадается на две части: модель ролей и модель взаимодействий (рис.5) [137]. На стадии анализа происходит предварительная идентификация ролей, затем определяются и документируются соответствующие протоколы и,наконец, строится окончательная модель ролей. Собственно в процессе проектирования создается модель агента, т.е. роли агрегируются в типы агентов, формируется иерархия типов и документируются примеры каждого типа. Далее разрабатываются модель услуг и модель наиболее тесных контактов.

Итак, методология восходящего проектирования МАС требует предварительного задания исходных функций (ролей агентов), определения круга их обязательств по отношению друг к другу, формирования исходных и развивающихся структур на основе выделенных функций и исследования адекватности этих структур характеру решаемых задач в данных проблемных областях. В отличие от этого, главная идея нисходящего проектирования состоит в определении общих социальных характеристик МАС по некоторому набору критериев, построении базовых типов их организаций с последующим определением требований к архитектуре агентов.

В качестве примеров параметров конкретизации, определяющих переход от некоторого класса МАС к конкретному экземпляру, рассмотрим пару параметров, задаваемых на полярных шкалах: а) «специализация - универсальность»; б) «достаточность - избыточность». Степень специализации s (пригодности) агента a для решения проблемы P есть показатель его компетентности, который характеризует наличие и объем специальных знаний по отношению к требуемому объему знаний для решения задачи. Когда s = 0, агент универсален (всеведущ), а когда s = 1, агент предельно специализирован. В свою очередь, степень избыточности r характеризует число агентов, обладающих одними и теми же знаниями. Когда r = 0, имеется только один агент, способный выполнить данную задачу. Например, в МАС, основанной на кооперации специалистов, когда агенты не являются взаимозаменяемыми, s 1, а r 0.

Можно выделить четыре граничных варианта организации МАС в зависимости от двух рассмотренных параметров [72].

1) Гиперспециализированная неизбыточная организация (s = 1, r = 0): каждый агент специализируется в решении только одной задачи, и более того, каждая задача может быть выполнена только одним из агентов. Этот тип организации отражает чисто функциональный подход (тейлоровскую организацию), когда каждая функция представлена в виде агента; для него характерна минимальная надежность и отказоустойчивость.

2) Специализированная избыточная организация (s = 1, r = 1). Каждый агент способен выполнять только одну задачу, которую могут выполнить и все другие агенты. Здесь речь идет о крайнем случае, когда все агенты имеют одни и те же знания. Иногда этот тип классической, функционально однородной организации используется локально для увеличения надежности системы.

3) Универсальная избыточная организация (s = 0, r = 1). Каждый агент может выполнять множество различных задач, и каждая задача выполняется большим числом агентов. Когда же

Рис. 5. Связь между моделями в методологии разработки МАС

избыточность равна числу задач, каждый агент является универсалом. Здесь основная проблема состоит в распределении задач между агентами.

4)Универсальная неизбыточная организация(s = 0, r = 0). Здесь каждый агент может выполнять несколько задач, но каждая задача выполняется лишь одним агентом.

Для формального определения МАС в русле восходящего подхода можно взять за основу понятие алгебраической системы по А.И.Мальцеву, которая выражается в виде тройки

S = (X, П, ),

где X-непустое множество, называемое носителем или основой системы,П-множество предикатов, - множество операций. Очевидно, что система может быть многоосновной, и в этом случае X = (X,…,Xn.). Многоагентная система обычно включает как множество агентов, так и множество манипулируемых ими объектов, что может быть записано в виде X = AO.

В случае, когда X=A, эволюционная многоагентная система определяется шестеркой [30]:

MAS = (X, E, R, AC, P, ST, EV),

где X = A = {1,..., n} - множество неоднородных агентов; E - множество сред, в которых может функционировать данная МАС; R - семейство базовых отношений между агентами, причем это семейство отношений включает по крайней мере три типа отношений и может быть представлено разбиением

R = R1 R2 R3 ,

R1-множество горизонтальных (симметричных) отношений, R2-множество асимметричных отношений, направленных «сверху вниз», R3-множество нечетких асимметричных отношений, направленных «снизу вверх»; AC-множество действий агентов; P-множество коммуникативных актов, образующих протокол коммуникации в МАС; ST-множество состояний МАС; EV- множество эволюционных стратегий. Общий вид базовой структуры такой МАС представлен на рис.6.

Итак, эволюционный синтез МАС предполагает анализ потребностей системы и определение факторов адаптации к динамической среде. Это обычно приводит к усложнению МАС или ее переходу в более упорядоченное состояние. Усложнение МАС обычно начинается с усложнения (расширения спектра) функций ее агентов, а также может выражаться в периодической замене («перетасовке») агентов ради поддержания требуемой эффективности системы. Основными видами изменений функций агентов в процессе эволюции МАС являются: интенсификация и ослабление, мобилизация и иммобилизация, расширение или уменьшение числа функций, замещение или компенсация функций.

Рис.6. Представление базовой структуры (единицы) многоагентной системы

Изменения функций агентов и соответствующих отношений в МАС приводят к структурным преобразованиям. Например, делегирование функций управления приводит к вертикальному росту базовой структуры МАС, а расширение числа ролей агентов - к переходу от иерархических к гетерархическим структурам.

В свою очередь, социальный (коллективный) агент определяется в [125] пятеркой

SA = (ST, L, AC, SL, T),

где ST - множество состояний; L - множество языков; AC- множество действий; SL - множество социальных законов, причем ограничение задается парой (ac,), а социальный закон sl есть множество ограничений (aci,i), aciAC, L, st= ; T-обобщенная функция переходов, T: ST AC SL 2ST, удовлетворяющая следующим условиям: а) для любых stST, acAC, slSL, если состояние st удовлетворяет ограничению , st= , и пара (ac,)sl, то T(st,ac,sl)= ; б) для любых stST, acAC, sl1SL, sl2SL, если sl1 sl2, то T(st, ac, sl1)T(st, ac, sl2). Тогда виртуальная организация определяется как МАС, состоящая из социальных агентов, подчиняющихся множеству социальных законов и имеющих общие состояния, единый язык для описания состояний, согласованное множество действий и функцию переходов.

Другой возможный вариант описания агентов и МАС предложен в работе [52]. Он опирается на идею трехступенчатого определения основных понятий, например, a - агент, A - множество (конфигурация) агентов, aA, - множество всех конфигураций агентов, A. Далее вводятся g - тип агентов, G - множество возможных типов агентов, gG, E - пространство системы, - множество всех пространств МАС, E. Затем исходная МАС задается парой MAS = (,), а соответствующая среда-тройкой W=(E,A,C), где С - взаимосвязь между агентами A и пространством E. При этом еще рассматриваются понятия ресурса МАС r, множества (конфигурации) ресурсов R и множества всех возможных конфигураций ресурсов в МАС , а также топологии жизненного пространства T (множества мест tT, где агенты могут жить и работать) и множества всех возможных топологий .

Тогда общая структура жизненного пространства агентов E характеризуется парой E=(R,T). В результате агент a типа g определяется девяткой

a = (M, Q, STR, I, X,L, m,q,str),

где m-модель среды агента; M-множество моделей среды, mM; q-цель агента, определенная как отображение q: MM, -множество действительных чисел; Q-множество (конфигурация) целей агента, qQ; str-стратегия агента, str: MM; STR-множество (конфигурация) стратегий, strSTR; I-наблюдения агента; X-операция выполнения стратегии агента; L-операция адаптации (обучения) агента.

Наконец, в [1] понятие искусственного роя (swarm) [42,62] как МАС, построенной из мобильных, реактивных агентов, способных локально взаимодействовать друг с другом и коллективно решать различные задачи, действуя параллельно, определяется набором

= (A, ST, V, X, u, f, g, ),

где: A - множество агентов; ST - множество состояний агентов; V- множество векторов скорости перемещения агентов; XZd; f - переходная функция состояний агента, f: STk Vk ST; g - функция векторов скорости, g: STk Vk V; - функция перемещения, : X V X; u - функция соседства, u: A Ak ; A= m, ST= q, V= k, X= n.

7.2 Организационное проектирование: нисходящий подход

Когда речь идет о «выращивании» искусственных социальных систем и сообществ [68,79,125], на первый план выдвигается нисходящий подход к организационному проектированию. В русле концепции нисходящего проектирования, индивидуальные свойства и поведение агентов в МАС определяются на основе типа социальной организации и множества соответствующих взаимоотношений между агентами. Здесь проектирование предполагает движение от целого к частям, когда свойства агентов в МАС определяются свойствами сообщества МАС. Здесь удачный выбор исходного набора организационных критериев (системного базиса полярных шкал) и использование признака «централизация-децентрализация»позволяют социально структурировать МАС.

Общую идею нисходящего проектирования МАС можно выразить в виде следующей цепочки: «выбор социальных критериев для характеризации сообщества МАС - определение типа искусственного сообщества - синтез структуры МАС - выбор типов агентов - проектирование архитектуры агента».

Более детально, методика нисходящего проектирования МАС включает следующие шаги.

1. Выбор представительного набора критериев для определения социального типа искусственного сообщества. В качестве подобных критериев могут выступать: тип внешней среды (статическая или динамическая, стабильная или быстро меняющаяся), взаимодействия искусственного сообщества со средой (эпизодические или периодические), морфология искусственного сообщества (монолитное замкнутое или распределенное сетевое сообщество), взаимоотношения внутри искусственного сообщества (преобладание субординационных или координационных отношений), характер связей в сообществе (постоянные или гибкие переменные), структура искусственного сообщества (иерархия или гетерархия), стратегии организационного развития сообщества (жесткое планирование или самореорганизация), стратегии адаптации к среде (телогенез или арогенез), и т.д.

Здесь задание на проектирование может быть связано с указанием эталонного набора значений критериев, определяющих желаемый тип искусственного сообщества.

2. Конструирование полярных шкал критериев и определение допустимых типов оценок по критериям. Эта процедура может быть описана в виде

= (M; D, , &, , ),

где: М - непустое множество (область значений оценок); DМ - выделенное значение области оценок (эталон); - одноместная операция на М, &, , - двухместные (а в общем случае, n-местные) операции над оценками. При этом возможны различные сценарии проведения экспертизы по выбранным критериям на полярных шкалах: а) назначение пар точечных полярных оценок (область оценок - двухточечное множество M2 ={-1, +1}); б) учет срединных значений (допущение противоречивых оценок) на «серых» (по терминологии Д.А.Поспелова) шкалах, когда положительная оценка по критерию равна отрицательной: a =а, т.е. здесь область оценок есть трехточечное множество M3 ={-1, 0, +1}; в) учет возможного явления несовместимости оценки со шкалой, когда нет ни a, ни а (точка разрыва полярной шкалы ?, характеризующая переход к «черно-белым» шкалам; в этом случае получаем четырех- элементное множество оценок M4={-1, 0, ?, +1}, соответствующее круговой шкале; г) допущение промежуточных оценок по шкалам типа «скорее a, чема» или «скорее а, чем a», выражаемых значениями +0.5 и -0.5 соответственно; тогда получаем множество оценок M6 ={-1, -0.5, 0, ?, +0.5, +1}. Таким образом, в рассмотренных выше случаях усложнение сценариев экспертного оценивания выражается в переходе от двузначной логики оценок к многозначной (см. например логику аргументации В.К.Финна в приложении к МАС в работе [25]).

В более общем случае, когда допустимы интервальные и лингвистические оценки по критериям, описываемые нечеткими переменными, приходим к интервалу возможных оценок M = [-1,+1]. Здесь экспертные оценки по критериям могут задаваться попарно пересекающимися треугольными функциями принадлежности, характеризующими совместимость взятых лингвистических меток с отмеченными (для «серой» шкалы) семью числовыми значениями {-1, -0.75, -0.5, -0.25, 0, +0.25, +0.5, +0.75, +1}. Соответствующие лингвистические метки могут иметь вид: NB - «большое отрицательное значение по критерию», NM - «среднее отрицательное значение», NS - «малое отрицательное значение», ZO - «приблизительно нулевое значение», PS - «малое положительное значение»», PM - «среднее положительное значение», PB - «большое положительное значение по критерию». Например, у общего для различных рассматриваемых проектных критериев признака «централизация-децентрализация» можно выделить следующий набор лингвистических значений, образующих линейно упорядоченное множество: полная централизация, сильная централизация, преимущественная (слабая) централизация, равномерная централизация-децентрализация, преимущественная (слабая) децентрализация, сильная децентрализация, полная децентрализация}.

3. Заполнение таблицы, состоящей из оценок по различным выбранным критериям, и определение типа искусственного сообщества. Здесь возможны два случая: а) определение профиля сообщества через совокупность оценок по шкалам и построение меры различия (расстояния) между эталонным и текущим профилями; б) установление связи между шкалами, например с помощью таких операций как прямая (сохраняющая порядок) и обратная (инвертирующая порядок) проекции, свертывание оценок по различным шкалам на основе конъюнктивной и дизъюнктивной проекций, а также их комбинаций. Так в простейшем случае при использовании трех организационных критериев для искусственных сообществ, например, триады Ресурс - Структура - Отношения со Средой (другими сообществами) и области оценок M2, получаем восемь лингвистических меток на обобщенной шкале типов искусственного сообщества «Диктаторские -Демократические» (по аналогии с табл.2).

4. Синтез структуры МАС, соответствующей установленному типу сообщества. Например, построение гетерархической структуры виртуальной организации для демократического искусственного сообщества.

5. Последние шаги в процедуре нисходящего проектирования искусственных сообществ состоит в подборе типов виртуальных агентов, соответствующих построенной искусственной организации, и синтезе их архитектуры. Например, в случае МАС с гетерархической структурой приоритет следует отдать автономным, когнитивным, интенциональным агентам с многоуровневой архитектурой.

7.3 Логическая школа моделирования агентов: некоторые исходные идеи

Работы этого направления связаны в основном с проблемами формализации автономных агентов. Истоки его восходят к работам П.Коэна и А.Левека [54], которые впервые формализовали намерения и взгляды агентов на базе модальных логик. Значительный вклад в развитие логической школы РИИ внесли М.Джорджеф и А.Рао [83], И.Шоэм [124], М.Вулдридж и Н.Дженнингс [136-138]; К.Кастельфранши и Р.Контэ [55], Б.Шаиб-Дра [103] и др.

Главной идеей логического подхода в МАС является представление характеристик агента в виде логической теории. При этом основные работы логической школы моделирования агентов можно подразделить на два класса: а) расширение классической и многосортной логик с помощью предикатов высокого порядка (см.например [2]); б) обобщение модальных логик, история которых в первую очередь связана с именами К.Льюиса, С.Крипке и И.Хинтикки.

Модальные логики, в которых для описания агентов наряду с обычными высказываниями (предикатами) допускаются модальности типа «возможно» и «необходимо» (алетическая логика), «известно» и «неизвестно» (эпистемическая логика), «обязательно» и «разрешено» (деонтическая логика), «всегда» и «иногда» (временная логика), «верит и не верит» (доксастическая логика), «желает» и «не желает» (оптитативная логика) и т.д., представляют собой расширения классической логики высказываний. Они могут интерпретироваться в различных мирах, тогда как классическая логика интерпретируема в одном-единственном мире. Тогда в русле модели возможных миров, убеждения агента можно представить как совокупность миров, в которых распределены его предпочтения. Пусть агент a работает с множеством возможных миров W. Рассматривая знания и предпочтения агента, из W можно выделить подмножество W0, на котором агент концентрирует свое внимание. Это подмножество W0 содержит миры, совместимые с тем, что агент знает (в чем он убежден) в мире w. Тогда соотнесение подмножества W0, агента a и мира wW означает введение некоторого отношения R. Здесь миры из W0 - это такие миры, с которыми w находится в отношении R.

Механизм возможных миров описывается алгебраически с помощью моделей Крипке (W,R,f), где W - множество возможных миров, R - отношение достижимости, а f: W х L {0, 1} - соответствие, устанавливаемое между миром wW, пропозициональной константой lL и значением истинности из двухэлементного множества {0,1}. Здесь различные свойства отношения R индуцируют различные схемы аксиом модальной логики. Эти свойства могут определяться с помощью специальных встраиваемых предикатов multiWorldsSystem и сanSeeWorlds, предназначенных для выбора наиболее подходящих систем модальной логики и отношений достижимости между мирами. Иными словами, для определения того, какой из миров достижим (т.е. может рассматриваться агентом) необходимо выбрать наиболее удобную систему аксиом модальной логики из T, B, S4 или S5 в соответствии со свойствами рефлексивности и/или симметричности и/или транзитивности отношения достижимости (табл.4).

Для установления определенных отношений между мирами могут служить системы поддержки истинности ATMS, в том числе системы, основанные на модальной логики MTMS (Modal logic based Truth Maintenance System). В таких системах для представления спецификаций агента используется понятие возможных миров в модальной логике (например, система аксиом S4), а понятие достижимости между мирами применяется для описания монотонных переходов. Соответственно, MTMS автоматически порождает граф достижимости (формирует древовидную структуру возможных миров), а также генерирует мир, соответствующий удовлетворяемому в текущий момент подмножеству спецификаций.

Логический язык у П.Коэна и А.Левека, помимо обычных операторов логики первого порядка, включает четыре базовых модальных оператора: Happens, Done, Bel и Goal. Подобные операторы позволяют связать убеждения с действиями и целями во времени. Семантика задается через множество возможных миров, где мир определяется как дискретная последовательность событий, расширяемая в прошлое и в будущее. Два базовых временных оператора Happens и Done определяют последовательность событий, которые произойдут в будущем и последовательность уже произошедших событий. Во временной логике возможные миры представляют состояния некоторого мира в различные моменты его эволюции. Сложные действия строятся с помощью операторов динамической логики. Используются также временные операторы (всегда), ?, Later, Before. Семантика операторов Bel и Goal задается отношениями достижимости (по убеждениям и целям) на множестве возможных миров. Принимается допущение о том, что отношение достижимости по целям является подмножеством отношения достижимости по убеждениям.

Таблица 4. Сводка основных систем модальных логик в зависимости от свойств отношения достижимости

Известно немало различных вариантов построения модальных логик для описания интенциональных характеристик агентов [70,83,103,136 и др.].

Так в [103] развивается подход на основе двух модальных операторов Bel и Agree для формализации ментальных характеристик - убеждения (believe) и согласия (agree) - и двух модальных операторов для описания действий Happens (действие произойдет) и Done (действие уже произошло). Предполагается, что мир w в любой момент времени описывается множеством пропозиций, представленных в модальной логике. Задаются также следующие типы действий - предварительные условия, тело действий и последствия. В свою очередь, в [70] строится ситуативная модальная логика на основе четырех модальностей, связанных с убежденностью агента a в своих знаниях: Know (a, p, s), Believes (a, p, s), Kwhether (a, p, s), Doubts (a, p, s), где Оператор (a, p, s) читается как: агент a убежден с некоторым уровнем определенности (знает, уверен, сомневается), что в ситуации s имеет место p. Берутся также три модальности, характеризующие целенаправленное поведение: Want (a, p, s), Indif (a, p, s) и Wantstock (a, p, s).

В свою очередь, для моделирования слабых допущений об агентах, т.е. допущений, которые впоследствии могут изменяться (отбрасываться), естественно использовать немонотонные логики. В немонотонных логиках вводится новый символ А, который означает уверенность в некотором факте при отсутствии противоположного факта. Например, p Aq гласит, что «если высказывание p истинно, то Ар означает, что p согласуется с теорией. Высказывание p называется согласованным, если из него не следует отрицания. Предложение Ap выполняется тогда и только тогда, когда нельзя найти p. Так цели агентов считаются несовместимыми, если выполнение цели одного из них ведет к невыполнению цели другого. А именно, цель агента a1 несовместима с целью агента a2, если цели определяются как достижение состояний p и q соответственно, и p=q.

7.4 Лингвистическая школа: коммуникативные акты и модель потоков работ

В контексте построения протоколов коммуникации между программными агентами в сети вначале подробнее остановимся на некоторых результатах лингвистической школы.Коммуникация между агентами может быть основана на теории речевых актов, предложенной Дж.Остином [39] и Дж. Серлем [122] и формализованной Т.Виноградом и Ф.Флоресом [135]. Исходя из идеи о том, что любой разговор преследует некоторую цель, Дж.Серль рассматривает понятие языкового (речевого) акта как минимальную и базисную единицу коммуникации. Анализ всех возможных в данной ситуации речевых актов и определение соответствующих ограничений, зависящих от рассуждений гентов, позволяет составить протокол коммуникации. Речевые акты подразделяются на следующие классы: директивные, ассертивные, промиссивные и экспрессивные. Их моделирование позволяет описать процессы координации в МАС.

Главный компонент процесса координации есть замкнутый контур, называемый «потоком работ» (workflow) [135,64]. Тогда процесс координации в МАС, понимаемый как моделирование сети взаимных обязательств между агентами, направленных на удовлетворение агента-клиента, описывается системой замкнутых контуров потоков работ. Базовый контур в модели потоков работ связывает агента-заказчика с агентом-исполнителем в рамках следующего цикла, состоящего из четырех этапов или потоков: «подготовка - переговоры - выполнение - приемка» (рис.7). На этапе подготовки агент-заказчик направляет запрос (заказ на выполнение работы) агенту-исполнителю. На следующем этапе происходят переговоры, направленные на выработку взаимоприемлемых условий выполнения заказа. Затем агент-исполнитель выполняет работу и окончив ее, докладывает агенту-заказчику о завершении, а на последнем этапе тот принимает или отклоняет работу.

Здесь сеть соглашений (или обязательств) формирует организацию, причем соответствующие коммуникативные акты агентов, образующие протокол коммуникации, определяются возможными речевыми актами, сведенными в табл.5. Адекватная модель подобного протокола - конечный автомат с фиксированным пространством состояний [135] (рис.8). Более подробное и избыточное описание можно построить с использованием сетей Петри [72].

Заключение

Настоящий обзор посвящен анализу наиболее общих понятий, представлений, концепций и моделей, относящихся к исследованию и разработке агентов и многоагентных систем. За кадром остались столь важные и необходимые аспекты как архитектуры агентов и многоагентных систем, модели планирования и выполнения действий, языки программирования агентов. На русском языке эти и другие вопросы освещены в обзоре В.И.Городецкого с соавторами из Санкт-Петербургского института информатики и автоматизации РАН [8], публикуемом в настоящем номере журнала.

Автор выражает свою благодарность Д.А.Поспелову, Э.В.Попову, В.И.Городецкому, В.П.Кутепову и Х.Невешу за поддержку работы и ряд полезных дискуссий по проблематике МАС, а также В.Н.Вагину и Г.С.Плесневичу за обсуждение на рабочем семинаре в МЭИ возможностей и ограничений неклассических логик в контексте моделирования агентов.

Данная работа выполнена при поддержке Российского фонда фундаментальных исследований (проект N 98-01-00227).

Рис.7. Базовая модель потоков работ

Табл. 5. Протокол коммуникации агентов в модели потоков работ

Литература

Адамацкий А.И., Холланд О. Роящийся интеллект: представления и алгоритмы// Информационные технологии и вычислительные системы. - 1998. - №1. - С.45-53.

Вагин В.Н., Викторова Н.П., Головина Е.Ю. Многоуровневая логика как модель представления знаний в CASE-системе// Известия АН: Техническая кибернетика. - 1993. - № 5. - C.172-185.

Валькман Ю.Р. Распределенный искусственный интеллект и многоагентные системы в исследовательском проектировании сложных объектов// Труды Международного семинара «Распределенный искусственный интеллект и многоагентные системы» (DAIMAS'97,Санкт-Петербург, Россия,15-18 июня 1997). - С.269-279.

Варшавский В.И. Коллективное поведение автоматов. - М.: Наука, 1973.

Варшавский В.А., Поспелов Д.А. Оркестр играет без дирижера. Размышления об эволюции некоторых технических систем и управлении ими. - М.: Наука, 1984.

Городецкий В.И. Многоагентные системы: современное состояние исследований и перспективы применения// Новости искусственного интеллекта. - 1996. - №1. - C.44-59.

Городецкий В.И. Многоагентные системы: основные свойства и модели координации поведения// Информационные технологии и вычислительные системы. - 1998. - №1. - С.22-34.

Городецкий В.И., Грушинский М.С., Хабалов А.В. Многоагентные системы (обзор)// Новости искусственного интеллекта. -1998. - №2. -

Горский Ю.М. Гомеостатика: модели, свойства, патологии// Гомеостатика живых, технических, социальных и экологических систем. - Новосибирск: Наука (Сибирское отд.), 1990. - С.20-67.

Емельянов В.В. Многоагентная модель децентрализованного управления производственными системами // Информационные технологии и вычислительные системы. - 1998. - №1. - С.69-77.

Крылов В.Ю., Цетлин М.Л. Об играх автоматов// Автоматика и телемеханика.-1963.- Т.24, №7. - C.975

Лефевр В.А. Конфликтующие структуры. - М.: Сов.Радио, 1973.

Моисеев Н.Н. Современный рационализм. - М.: МГВП КОКС, 1995.

Ойхман Е.Г., Попов Э.В. Реинжиниринг бизнеса. - М.: Финансы и статистика, 1997.

Поспелов Г.С. Искуственный интеллект - основа новой информационной технологии.- М.: Наука, 1988.

Поспелов Д.А. От коллектива автоматов к мультиагентным системам // Труды Международного семинара «Распределенный искусственный интеллект и многоагентные системы» (DAIMAS'97, Санкт-Петербург, Россия, 15-18 июня 1997). - С.319-325.

Поспелов Д.А. Многоагентные системы - настоящее и будущее // Информационные технологии и вычислительные системы. - 1998. - №1. - С.14-21.

Поспелов Д.А., Пушкин В.Н. Мышление и автоматы. - М.: Сов.Радио, 1972.

Поспелов Д.А., Шустер В.А. Нормативное поведение в мире людей и машин.-Кишинев: Штиинца, 1990.

Пэранек Г.В. Распределенный искусственный интеллект// Искусственный интеллект: применение в интегрированных производственных системах/ Под. ред. Э.Кьюсиака. - М.: Машиностроение, 1991.-С.238-267.

Смирнов А.В., Шереметов Л.Б. Многоагентная технология проектирования сложных систем// Автоматизация проектирования. - 1998. - №3.

Стефанюк В.Л. Пример коллективного поведения двух автоматов// Автоматика и телемеханика.- 1963. - Т.24, №6. - C.781-784.

Стефанюк В.Л. Анализ целесообразности локально организованных систем методом потоков вероятностей// Модели систем обработки данных. - М.: Наука, 1989. - С.33-45.

Стефанюк В.Л. От многоагентных систем к коллективному поведению// Труды Международного семинара «Распределенный искусственный интеллект и многоагентные системы» (DAIMAS'97, Санкт-Петербург, Россия, 15-18 июня 1997). - С.327-338.

Таран Т.А. О разрешении конфликтов в многоагентных системах на основе аргументации// Искусственный интеллект (Доценк, Украина).- 1997.- №1-2. - С.36-50.

Тарасов В.Б. От искусственного интеллекта к искусственной жизни: новые направления в науках об искусственном// Новости искусственного интеллекта. - 1995. - №4. - С.93-117.

Тарасов В.Б. Новые стратегии реорганизации и автоматизации предприятий: на пути к интеллектуальным предприятиям // Новости искусственного интеллекта. - 1996. - №4. - С.40- 84.

Размещено на Allbest.ru