Лекция 24

9.5. Мультиагентные системы.

Напомним, что понятие агент соответствует аппаратно или программно реа­лизованной сущности, которая способна действовать в интересах достижения целей, поставленных перед ней владельцем и/или пользователем [3, 12, 23].

В мультиагентных системах (МАС) множество автономных агентов действуют в интересах различных пользователей и взаи­модействуют между собой в процессе решения определенных за­дач. Примерами таких задач являются: управление информаци­онными потоками и сетями, управление воздушным движением, поиск информации в сети Интернет, электронная коммерция, обучение, электронные библиотеки, коллективное принятие многокритериальных управленческих решений и другие.

Идея мультиагентных систем появилась в конце 1950-х гг. в научной школе М.Л. Цетлина, которая занималась исследования­ми коллективного поведения автоматов [14]. Агентами (малень­кими животными) были названы искусственные существа, обла­дающие свойством реактивности, т. е. способные воспринимать и интерпретировать сигналы, поступающие из внешней среды, и формировать ответные сигналы. В роли маленьких животных выступали конечные автоматы, которые не имели априорных знаний о свойствах окружающей среды и о наличии в ней других существ. Единственным знанием, которым они обладали, была та цель их деятельности и способность оценивать поступающие сиг­налы относительно достижения этой цели. Оказалось, что даже такие простые структуры, как конечные автоматы, демонстрируют хорошие способности к адаптации в ста­ционарных вероятностных средах.

Логические (конечные) автоматы – это модели, описывающие средствами формальной логики возможные переходы исследуемой системы из некоторого начального состояния в заключительное. Удобной формой представления конечных автоматов являются ориентированные графы. (рис.16)

А₀- начальное состояние автомата;

А₁ А₂ – промежуточные состояния автомата;

А₃ – конечное состояние автомата;

{0,1}- символы входного словаря.

Рисунок 16 Ориентированный граф, соответствующий конечному автомату.

Одной из главных характерис­тик агентов-автоматов была рациональность, которая определя­лась как сумма положительных откликов среды, накопленных агентом за некоторый период его существования. В дальнейших исследованиях структура маленькux животных усложнялась. Сна­чала появились вероятностные автоматы с переменной структу­рой, адаптирующейся к характеристикам среды, затем появились агенты, способные изменять свои реакции на основании преды­стории и анализа состояния окружения. Серьезным шагом в раз­витии мультиагентных технологий стала реализация способности агентов к рассуждениям [7, 12]. Простейшие модели взаимодей­ствия агентов предусматривали их общение через среду. При этом на каждом шаге функционирования агенты совершают выбор возможных для них действий. Множество действий всех агентов обусловливает распределение откликов среды для всех участни­ков, которые могут его использовать либо не использовать при формировании своих ответных реакций.

Новый шаг к современному пониманию агентов был сделан при переходе к коллективной работе в распределенных компью­терных системах. Этот шаг стал началом бурного развития муль­тиагентных технологий. К настоящему времени в данном направ­лении накоплен определенный опыт. Предложены разнообраз­ные модели агентов и способы их реализации, решены практиче­ские задачи и созданы инструментальные средства для разработ­ки мультиагентных систем, сформулированы различные принци­пы взаимодействия агентов и т. п.

Одна из возможных классификаций агентов [3, 19] приведена в табл. 9.5, из которой следует, что для интеллектуальных агентов характерно целесообразное поведение, которое предполагает нали­чие у агента целей функционирования и способностей использо­вать знания об окружающей среде, партнерах и о своих возмож­ностях.

Таблица 9.5. Классификация агентов

		Тип агента
Признак				Действительно
		смышле-	ителлек-
	простой	ный	туальный	интеллектуальный
Автономность	+		+	+
Взаимодействие с другими
агентами и/или пользовате-
лями	+	+	+	+
Реактивность	+	+	+	+
Способность использования
абстракции		+	+	+
Адаптивное поведение		+	+	+
Обучение на основе взаимо-
действия с окружением			+	+
Толерантность к ошибкам
и/или неверным входным
сигналам			+
Функционирование в режи-
ме реального времени			+
Взаимодействие на естест-
венном языке			+

Интеллектуальным агентам присущи следующие основные свойства:

• автономность - способность функционировать без вмеша­тельства со стороны своего владельца и осуществлять контроль собственных действий и внутреннего состояния. Автономность предполагает относительную независимость агента от окружаю­щей среды, Т.е. наличие «свободы воли», обусловливающей соб­ственное поведение, которое должно быть обеспечено необходи­мыми ресурсами;

• активность - способность к организации и реализации действий;

• общительность - взаимодействие и коммуникация с другими агентами;

• реактивность - адекватное восприятие состояния среды и реакция на его изменение;

• целенаправленность, предполагающая наличие собственных источников мотивации;

• наличие базовых знаний о себе, о других агентах и об окру­жающей среде;

• убеждения - переменная часть базовых знаний, меняющихся во времени;

• желания - стремление к определенным состояниям;

• намерения - действия, которые планируются агентом для выполнения своих обязательств и/или желаний;

• обязательства - задачи, которые выполняет один агент по просьбе и/или поручению других агентов.

Иногда к этому списку добавляются другие качества, в том числе:

• правдивость - неспособность к подмене истинной информации заведомо ложной;

• благожелательность - готовность к сотрудничеству с други­ми агентами в процессе решения собственных задач, что обычно предполагает отсутствие конфликтующих целей, поставленных перед агентами;

• альтруизм - приоритетность общих целей по сравнению с личными;

• мобильность - способность агента мигрировать по сети в поисках необходимой информации.

В работе [12] для классификации агентных программ исполь­зуются два основных признака: 1) степень развития внутреннего представления о внешнем мире; 2) способ поведения.

По первому признаку выделяются интеллектуальные (когни­тивные, рассуждающие) и реактивные агенты. Интеллектуальные агенты обладают хорошо развитой и пополняемой символьной моделью внешнего мира благодаря наличию у них БЗ, механиз­мов рассуждения и анализа действий. Реактивные агенты не име­ют развитого представления о внешней среде. Они не используют рассуждений и могут не иметь собственных ресурсов. Их поведе­ние определяется целью, в соответствии с которой формируются реакции на предъявляемые ситуации. В связи с этим реактивные агенты не имеют внутренних источников мотивации и не способ­ны планировать свои действия (реактивность в чистом виде – это обратная связь без прогноза).

АРХИТЕКТУРЫ МУЛЬТИАГЕНТНЫХ СИСТЕМ

Интеллектуальная мультиагентная система представляет со­бой множество интеллектуальных агентов, распределенных в се­ти, которые мигрируют по ней в поисках релевантных данных, знаний, процедур и кооперируются для достижения поставлен­ных перед ними целей. В зависимости от концепции, принятой при разработке МАС, возможны различные варианты ее архитектуры, среди которых выделяют три базовых типа:

1) архитектуры, основанные на методах работы со знаниями;

2) архитектуры, в которых используются поведенческие модели «стимул-реакция»;

3) гибридные архитектуры.

В архитектурах первого типа для представления и обработки

знаний используются традиционные модели, методы и средства искусственного интеллекта, а принятие решений осуществляется на основе механизмов формальных рассуждений. В самых пер­вых системах такого типа для представления и обработки знаний использовалась логика предикатов первого порядка. Развитие исследований в этой области привело к появлению специальных расширений логических исчислений, ориентированных на учет таких свойств агентов, как убеждения, желания, намерения и обязательства [9, 12]. Основной недостаток архитектур первого типа - сложность или принципиальная невозможность построе­ния достаточно полных баз знаний, которые являются необходи­мой частью создаваемых систем. В частности, интеллектуальный агент может иметь архитектуру типичной продукционной систе­мы, которая способна воспринимать информацию из внешней среды и осуществлять те или иные действия в результате обработ­ки этой информации. Главные отличия агентной программы от обычной продукционной ЭС связаны с наличием механизма формирования целей и модуля коммуникации, который обеспе­чивает взаимодействие с другими агентами. Агент с такой архи­тектурой способен к рассуждениям, но не способен к обучению. Адаптивное поведение агента позволяет реализовать архитектура на основе классифицирующих систем Дж. Холланда. Важнейшими отличиями классифицирующих систем от продукционных являются: 1) возможность формирования новых правил с применением генетического алгоритма; 2) наличие ме­ханизма поощрений.

В архитектурах второго типа, которые называют реактивными, не используются традиционные для ИИ символьные модели представления знаний [16]. Модели поведения агентов представ­лены либо наборами правил; которые позволяют выбрать дейст­вие, соответствующее ситуации, либо конечными автоматами, ли­бо другими средствами, обеспечивающими формирование адекватных­ реакций агента на возникающие в системе стимулы. Сис­темы этого типа, как правило, имеют высокую степень специали­зации и строгие ограничения на сложность решаемых задач.

Наиболее перспективными считаются гибридные интеллекту­альные мультиагентные системы, которые позволяют использо­вать возможности интеллектуальных и реактивных архитектур. Примером может служить архитектура с иерархической базой знаний, которая содержит структурированную БЗ, рабочую па­мять, модуль управления коммуникацией и человеко-машинный интерфейс. Агент с подобной архитектурой обладает способнос­тью к рассуждениям и к реактивному поведению. Его БЗ содер­жит три уровня: 1) знания предметной области; 2) знания о взаи­модействии, которые позволяют принимать решения в условиях неопределенности; 3) управляющие знания. Интеллектуальное поведение агента обеспечивается способностью принимать ре­шения, а реактивное - системой контроля за содержимым рабо­чей памяти, которая функционирует по принципу глобальной доски объявлений. Агент взаимодействует с пользователем, ис­пользуя человеко-машинный интерфейс. В общем случае гиб­ридные архитектуры являются многоуровневыми и отличаются друг от друга структурой и содержанием уровней, которые могут соответствовать различным уровням управления, абстракции либо отдельным функциональным свойствам агента. .

Одно из новых направлений - применение нейронных сетей для реализации МАС. Коннекционистские архитектуры (на ос­нове ИНС) позволяют создавать самообучающихся агентов, зна­ния которых формируются в процессе решения практических за­дач. Хорошие перспективы для реализации самообучающихся агентов имеют сети с обратными связями и нечеткие ИНС [12].