Интеллектуальные активные системы

Построение моделей организационных и социально-экономических систем в виде интеллектуальных активных систем на базе применения парадигмы синергетического искусственного интеллекта. Модель нечеткого описания ситуации выбора агентов и активной системы.

Рубрика Программирование, компьютеры и кибернетика
Вид статья
Язык русский
Дата добавления 18.01.2018
Размер файла 44,3 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

ИНТЕЛЛЕКТУАЛЬНЫЕ АКТИВНЫЕ СИСТЕМЫ

В.Н. Бурков

Институт Проблем Управления РАН, Москва

Г.П. Виноградов (wgp272ng@mail.ru),

В.Н. Кузнецов

Б.В. Палюх

Н.А. Семенов

Тверской государственный технический университет, Тверь

Рассматривается проблема моделирования функционирования интеллектуальной организации на основе принципов самоорганизации и саморазвития. Показано, что основой этого является активное поведение управляющих субъектов, в смысле как это понимается в теории активных систем. Подобный подход предполагает создание согласованного управления процессами выработки согласованных целей, принятия согласованных решений на основе сформированных согласованных представлений о ситуации целеустремленного выбора субъектов как структурных единиц интеллектуальной организации.

Ключевые слова и выражения: интеллектуальный активный агент, самоорганизация, активные системы, целеустремленное состояние, принятие решений, согласованное управление поведением.

Введение

модель организационный интеллектуальный синергетический

Направление активных систем использует единую систему понятий, подходов и норм, сформированную путем переноса парадигмы оптимального управления на новый тип объекта управления - человека, который рассматривался как активный элемент системы, способный в ответ на воздействия управляющей системы (центра) осуществлять поведение в соответствии со своими интересами [Бурков и др., 2006], [Абрамова и др., 2006].

Направление активных систем применяет математический аппарат теории игр и известные математические модели принятия решений, который развивается с учетом потребностей решаемых задач управления [Абрамова и др., 2006] путем применения интуиция исследователей в виде гипотез, предположений и убеждений, формирование которых остается за рамками теории [Бурков и др., 2006]. Следующий шаг в направлении более полного учета поведения человека системах управления был сделан в направлении человеко-машинных процессов согласования и оптимизации [Кузнецов, 1996]. Предложены модели в виде алгоритмических предписаний с использованием элементов нечетких алгоритмов [Кузнецов, 1996]. Однако это не решило проблему учета человеческого фактора в управлении, а самое главное учета «интеллектуальности» систем управления.

В докладе предлагается и показывается, как для более полного учета человеческого фактора в управлении осуществить построение моделей организационных и социально-экономических систем в виде интеллектуальных активных систем на базе применения парадигмы синергетического искусственного интеллекта [Тарасов, 2002].

1. Интеллектуальные активные системы и парадигма синергетического искусственного интеллекта

Активный элемент в интеллектуальной активной системе представляет собой агент, который обладает свойствами активности, реактивности, общительности и целенаправленности [Тарасов, 2002]. Агент является целеустремленным [Акофф и др., 1974], [Бурков и др., 2008], [Виноградов, 2009], [Виноградов и др., 2009]. Это означает, что он имеет идеал, который формируется и корректируется им в течение всей его жизни. В соответствие с ним агент ставит перед собой цели и проблемы, выбирает задачи принятия решений и средства их выполнения. Агент постоянно осуществляет стремление и продвижение к своему идеалу, к своим целям и задачам. Продвижение осуществляется в непрерывном и интерактивном процессе выбора. При этом происходят постоянные переходы из одних состояний выбора в другие, «одна ситуация выбора (и проблемная) непрерывным образом вырастает из другой» [Акофф и др., 1974], [Бурков и др., 2008].

Агент может функционировать в условиях неточной, нечеткой и противоречивой информации [Тарасов, 2002]. Для описания целеустремленного поведения агента интеллектуальной активной системы целесообразно использовать систему ограниченных и упрощенных понятий системного описания целеустремленных систем [Бурков и др., 2008], [Виноградов, 2009], [Виноградов и др., 2009]. Эти понятия позволят значительно «расширить» возможности учета человеческого фактора в управлении организационными и социально - экономическими системами [Бурков и др., 2008]. С их помощью в направлении активных систем осуществляется описание ситуаций выбора агентов, продвижения агента к идеалу, целям и задачам; построение концептуальной модели процесса выбора агента, процесса получения входной информации с помощью наблюдения и восприятия, модели ситуации выбора агента с использованием его убеждений, описание процессов решения проблем агента и поиска им новых результатов и новых способов действия в ситуации выбора агента с использованием мышления и интуиции, их оценки через чувства и отношения [Бурков и др., 2008], [Виноградов, 2009], [Виноградов и др., 2009]. В результате осуществляется построение модели интерактивного процесса целеустремленного поведения агента интеллектуальной активной системы [Бурков и др., 2008], [Виноградов, 2009], [Виноградов и др., 2009]. Эта модель дополняется описанием взаимодействия агентов в форме межагентных чувств и с помощью сообщений в процессе общения.

Необходимым и достаточным условием кооперативной деятельности агентов является согласования их целей и интересов [Бурков и др., 2008] на основе. Принципов открытого и согласованного управления [Бурков и др., 2006].

Многочисленные исследования активных систем показали, что одним из самых существенных проявлений человеческого фактора в управлении является способность и желание агента предъявлять системе управления модель своего поведения, которая соответствует его интересам [Бурков и др., 2006]. Поэтому проблема согласования интересов управляющей системы и управляемого объекта (агента: человека, коллектива людей, предприятия, региона и т.д.) является «главной проблемой в задачах управления социальными и экономическими системами» [Бурков и др., 2006].

Используя эти результаты и системное описание целеустремленных систем, определим существенные признаки понятия согласованного целеустремленного поведения агентов в интеллектуальных активных системах [Бурков и др., 2006], [Бурков и др., 2009], [Бурков и др., 2008], [Виноградов и др., 2009], [Кузнецов и др., 1996]: совместная деятельность агентов; общая цель агентов и одинаковое ее восприятие; позитивные межагентные чувства; неформальное объединение агентов, например, коалиция, стратегический альянс, команда и др.; мотивация и стимулирование агентов; удовлетворенность агентов своими результатами и результатами других агентов; сотрудничество и компромисс агентов; понимание и знание агентов ситуации выбора; интерактивные процессы согласования; обеспечение устойчивости коллективных решений; коммуникация и общение.

2. Модель нечеткого описания ситуации выбора агентов и активной системы в целом

Для нечеткого описания ситуации выбора агентов и активной системы в целом применяется нечеткое отношение моделирования . Значение функции принадлежности представляет коэффициент между данным состоянием компонентов или параметров ситуации выбора и внутренним представлением агентов в виде лингвистических переменных.

Рассмотрим нечеткое описание моделей ситуации выбора целеустремленных агентов. Оно включает [Акофф и др., 1974] следующие компоненты.

Целеустремленный агент, осуществляющий выбор

Окружение выбора: например, условия тендера, организационная структура управления и др.

Возможные при таком окружении результаты (сообщение центра информационного управления - ЦИУ) : например, цена проекта, вероятность выигрыша, прибыль, фонд заработной платы.

Доступные целеустремленному агенту способы действия (сообщение ЦИУ) : например, работы по проекту, стоимости работ, сроки выполнения работ.

Относительная удельная ценность (представление целеустремленного агента) результата относительно определенного способа действия ситуации выбора. Определение значения лингвистической переменной «ценность» и соответствующего значения функции принадлежности 1

.

Правдоподобность выбора агентом способа действия и результата одновременно. Значение лингвистической переменной «правдоподобность» и соответствующего значение функции принадлежности

2 .

Ожидаемые относительные удельные ценности результатов ситуации выбора для целеустремленного агента будет определяться с помощью центров гравитации 1j:

Ожидаемая относительная ценность целеустремленного состояния или ситуации выбора для целеустремленного агента будет определяться с помощью центра гравитации 1:

.

Оценка целеустремленного агента (чувства, убеждения целеустремленного агента) желательности целеустремленного состояния или ситуации выбора. Значение лингвистической переменной «согласие», балл, значение функции принадлежности .

Тогда нечеткое описание модели ситуации выбора группы (интеллектуальной активной системы) целеустремленного субъекта будет включать.

Целеустремленные агенты, осуществляющие выбор

Окружение выбора: например, условия тендера, организационная структура управления и др.

Возможные при таком окружении результаты (сообщение) : например, цена проекта, вероятность выигрыша, прибыль, фонд заработной платы.

Доступные целеустремленным агентам способы действия (сообщение) : например, работы по проекту, стоимости работ, сроки выполнения работ.

Значимость ценностей целеустремленных состояний целеустремленных агентов (представления о сотрудничестве, компромиссе или о конкуренции) друг для друга. Значения лингвистической переменной «значимость центра гравитации целеустремленного агента» и соответствующие значение функции принадлежности_3 snk (EVk).

Ожидаемые относительные удельные ценности результатов ситуации выбора для активной системы (например, для целеустремленного хозяйствующего субъекта) будет определяться с помощью центров гравитации 2j

Ожидаемые относительные удельные ценности целеустремленного состояния или ситуации выбора для активной системы (например для целеустремленного хозяйствующего субъекта) будет определяться с помощью центра гравитации 2:

Оценка желательности результатов ситуации выбора для агентов активной системы

.

Оценка желательности целеустремленного состояния или ситуации выбора для агентов активной системы:

.

Определение группой экономического анализа приемлемого по ее представлениям (значения лингвистической переменной «уступка» или «сотрудничество» и функции принадлежности sot(r)) уровня уступки или сотрудничества . Практически может быть выбрано из интервала или по его центру.

Определение ЦИУ (например, группой экономического анализа) по гарантированных условий согласования по ценностям целеустремленных состояний целеустремленных агентов .

3. Модель нечеткого описания целеустремленного поведения агентов и их согласования

Целеустремленное поведение агента представляет его продвижение к цели и к задаче [Акофф и др., 1974]. Цель реализуется через задачи, а задачи реализуются через итоги. Итог определяет желаемый для агента результат за небольшой период времени в определенном окружении выбора :

Задача представляет последний желаемый результат агента в последовательности итогов

Причем Т.е. задача описывается следующим выражением

Цель представляет недостижимый результат Но к нему можно неограниченно приблизиться в последовательности решения задач на интервале времени

Причем и правдоподобность достижения цели (функция принадлежности «правдоподобность») неограниченно приближается с ростом n к 1.

В процессе продвижения к задаче ожидаемая удельная ценность относительно результата монотонно возрастает на интервале времени и к цели на интервале времени .

,

В процессе продвижения к цели и к задаче множество доступных агенту способов действия и множество возможных результатов могут быть фиксированными. В том случае, когда необходимо формировать в процессе продвижения дополнительно к старым новые способы действия и новые результаты, организуется их интерактивный поиск. Тогда.

При согласованном целеустремленном поведении группы агентов необходимо учитывать их удовлетворенность и убежденность в этом с помощью лингвистической переменной «согласие». При этом используются или законы согласованного управления или принцип оптимизации на нечетком множестве согласованных решений, реализуемый с помощью нечетких информационных систем [Бурков и др., 2009], [Бурков и др., 2008], [Кузнецов и др., 1996]

4. Интеллектуальные информационно-управляющие системы согласования поведения агентов

Интеллектуальная информационно - управляющая система представляет подразделение, выполняющее функции информационной поддержки или информационного управления принятием решений активными субъектами организационной системы управления. При информационной поддержке используется существующая информированность субъекта о ситуации выбора решений. При информационном управлении информированность субъекта целенаправленно формируется в процессе информационного взаимодействия. При этом необходимо не только учитывать, но и повышать активность субъекта, его интеллект, знания и понимание ситуации выбора. За счет этого происходит интеллектуализации организации в целом

Интеллектуальные информационно-управляющие системы предназначены для обеспечения эффективности управленческих решений на основе применения информации самонаблюдения, специальных наблюдений и экспериментов, взаимодействий, сообщений и анализа, формальных методов сбора и обработки информации. Это в первую очередь локальные системы, которые ориентированы на решение определенной проблемы или взаимосвязанных проблем организации.

Интеллектуальные информационные системы согласования поведения агентов используют методы системного анализа гармонического сочетания интересов в расплывчатых условиях. Метод системного анализа представляет собой объединение формальных процедур оптимизации, эвристических процедур нечеткого согласования (нечеткие алгоритмы), компьютерного эксперимента и мягких вычислений, эвристической процедуры нечеткой оценки метода. В настоящее время можно выделить следующие классы методов.

1. Эвристические человеко-машинные процедуры нечеткого согласования и формальные процедуры оптимизации.

2. Нечеткая оптимизация на множестве согласованных решений с применением нечеткой коалиции согласования решений.

3. Информационное управление выбором агентов в расплывчатых условиях.

4. Многошаговые процессы согласования и принятия решений в расплывчатых условиях.

5. Нечеткое интерактивное согласование знаний на основе модели постоянного обновления (исходное множество альтернатив является пустым множеством, возможно существование нечеткого множества идей и аналогов).

6. Гармоническое сочетание интересов с использованием нечеткого описания межагентных чувств и взаимодействия агентов, и информационного влияния на них.

7. Согласование и принятие управленческих решений на основе нечетких предписаний развития организации: «половинные» планы, модель «все хорошо в меру», постоянно возобновляющиеся сети отношений, выявление и применение творческого потенциала, приспособление к неопределенности. Балансирование между количественными параметрами, фактами и логикой с качественными суждениями, интуицией и творческим воображением. Поощрение взаимного доверия, уважения, честности, лояльности и персональной порядочности.

8. Согласованное информационное управление конфликтами.

Список литературы

[Абрамова и др., 2006] Человеческий фактор в управлении /Под ред. Абрамовой Н.А., Гинсбурга К.С., Новикова Д.А. - М.: КомКнига, 2006.

[Акофф и др., 1974] Акофф Р., Эмери Ф. О целеустремленных системах. - М.: Советское радио, 1974.

[Бурков и др, 2009] Бурков В.Н., Новиков Д.А.. Теория активных систем - 40 лет// Теория активных систем. // Труды международ. науч.-прак. конф. (17-19 ноября 2009 г., Москва, Россия). - М: ИПУ РАН, 2009.

[Виноградов, 2009] Виноградов Г.П. Модель поведения интеллектуального агента // Интегрированные модели и мягкие вычисления в искусственном интеллекте. Сборник научных трудов V-й Международной научно-практической конференции (Коломна, 28-30 мая 2009 г.). - М.: Физматлит, 2009.

[Виноградов и др., 2009] Виноградов Г.П., Кузнецов В.Н., Семенов Н.А. Согласование представлений агентов в интеллектуальной многоагентной системе // Интегрированные модели и мягкие вычисления в искусственном интеллекте. Сборник научных трудов V-й Международной научно-практической конференции (Коломна, 28-30 мая 2009 г.). - М.: Физматлит, 2009.

[Кузнецов, 1996] Кузнецов В.Н. Согласование и оптимизация в иерархических системах с активными элементами. - М.: Институт проблем управления, 1996.

[Кузнецов и др., 1996] Кузнецов В.Н., Семенов Н.А. Согласованное управление в интеллектуальных информационных системах. // Труды Международных конференций «Искусственные интеллектуальные системы» (IEEE AIS*02) и «Интеллектуальные САПР». Научное издание. - М.: Издательство Физико-математической литературы, 2002.

[Тарасов, 2002] Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. - М.: Элиториал УССР, 2002.

Размещено на Allbest.ru

...

Подобные документы

  • Понятие искусственного интеллекта и интеллектуальной системы. Этапы развития интеллектуальных систем. Модели представления знаний, процедурный (алгоритмический) и декларативный способы их формализации. Построение концептуальной модели предметной области.

    презентация [80,5 K], добавлен 29.10.2013

  • Понятие искусственного интеллекта как свойства автоматических систем брать на себя отдельные функции интеллекта человека. Экспертные системы в области медицины. Различные подходы к построению систем искусственного интеллекта. Создание нейронных сетей.

    презентация [3,0 M], добавлен 28.05.2015

  • Информация, как сырье и как товар: абсолютная, относительная и аналитическая информация. Автоматизированные системы распознавания образов. Система искусственного интеллекта. Признаки и этапы жизненного цикла интеллектуальных информационных систем.

    шпаргалка [60,4 K], добавлен 10.06.2009

  • Выделение подсистем на основе некоторой меры. Выбор типов шкал. Метод логического ранжирования. Построение моделей систем. Динамическая модель системы в виде сети Петри. Элементарные контуры графа системы. Расчет энтропии системы и матрицы приоритетов.

    курсовая работа [1,2 M], добавлен 06.08.2013

  • Обзор образовательных стандартов педагогического образования в области искусственного интеллекта. Построение модели предметной области в виде семантических сетей. Характеристика проблемного обучения. Основные средства языка программирования Пролог.

    дипломная работа [387,8 K], добавлен 01.10.2013

  • Инструментальные средства проектирования интеллектуальных систем. Анализ традиционных языков программирования и представления знаний. Использование интегрированной инструментальной среды G2 для создания интеллектуальных систем реального времени.

    контрольная работа [548,3 K], добавлен 18.05.2019

  • Эволюция систем искусственного интеллекта. Направления развития систем искусственного интеллекта. Представление знаний - основная проблема систем искусственного интеллекта. Что такое функция принадлежности и где она используется?

    реферат [49,0 K], добавлен 19.05.2006

  • История развития искусственного интеллекта. Экспертные системы: их типы, назначение и особенности, знания и их представление. Структура идеальной и инструменты построения экспертных систем. Управление системой продукции. Семантические сети и фреймы.

    реферат [85,7 K], добавлен 20.12.2011

  • Понятие и суть нечеткой логики и генетических алгоритмов. Характеристика программных пакетов для работы с системами искусственного интеллекта в среде Matlab R2009b. Реализация аппроксимации функции с применением аппарата нечеткого логического вывода.

    курсовая работа [2,3 M], добавлен 23.06.2012

  • Технология программных агентов. Форматы метаданных, использующиеся для описания электронных ресурсов. Разработка интеллектуальных агентов. Среда разработки Jadex для построения интеллектуальных агентов. BDI модель интеллектуального агента ресурсов.

    курсовая работа [279,8 K], добавлен 20.02.2011

  • Характеристика сущности искусственного интеллекта. Проблема создания искусственного интеллекта. Базовые положения, методики и подходы построения систем ИИ (логический, структурный, эволюционный, имитационный). Проблемы создания и реализация систем ИИ.

    реферат [43,1 K], добавлен 19.07.2010

  • Определение экспертных систем, их достоинство и назначение. Классификация экспертных систем и их отличие от традиционных программ. Структура, этапы разработки и области применения. Классификация инструментальных средств и технология разработки систем.

    курсовая работа [78,0 K], добавлен 03.06.2009

  • Искусственный интеллект – научное направление, связанное с машинным моделированием человеческих интеллектуальных функций. Черты искусственного интеллекта Развитие искусственного интеллекта, перспективные направления в его исследовании и моделировании.

    реферат [70,7 K], добавлен 18.11.2010

  • Понятие базы знаний для управления метаданными. Особенности баз знаний интеллектуальной системы. Языки, используемые для разработки интеллектуальных информационных систем. Классические задачи, решаемые с помощью машинного обучения и сферы их применения.

    реферат [16,9 K], добавлен 07.03.2010

  • Понятие искусственного интеллекта. Представление знаний и разработка систем, основанных на знаниях. Распознавание образов и машинный перевод. Нейрокомпьютеры и сети. Экспертные системы, их структура,классификация и инструментальные средства построения.

    курсовая работа [922,1 K], добавлен 12.01.2009

  • Признаки и отличительные черты интеллектуальных информационных систем, их классификация и использование при разработке экономических и управленческих решений. Определение, назначение и области применения экспертных систем. Использование нейронных сетей.

    курс лекций [1,7 M], добавлен 27.04.2009

  • Области человеческой деятельности, в которых может применяться искусственный интеллект. Решение проблем искусственного интеллекта в компьютерных науках с применением проектирования баз знаний и экспертных систем. Автоматическое доказательство теорем.

    курсовая работа [41,3 K], добавлен 29.08.2013

  • Применение методов искусственного интеллекта и современных компьютерных технологий для обработки табличных данных. Алгоритм муравья, его начальное размещение и перемещение. Правила соединения UFO-компонентов при моделировании шахтной транспортной системы.

    дипломная работа [860,8 K], добавлен 23.04.2011

  • Классификация систем: по отношению системы к окружающей среде, по описанию переменных систем, по типу описания законов функционирования системы, по способу управления. Примеры описания живой и неживой системы с точки зрения информационной системы.

    доклад [16,2 K], добавлен 02.06.2010

  • Виды и основные функции интеллектуальных систем. Выбор инструментального средства для создания экспертной системы. Физическое проектирование базы данных. Использование среды EsWin 2.1 для разработки и тестирования экспертной системы выбора должности.

    курсовая работа [615,8 K], добавлен 22.03.2016

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.