
- •Глава 5
- •5.1. Модель искусственного нейрона
- •5.2. Модели нейронных сетей
- •5.3. Построение нейронной сети
- •5.4. Обучение нейронных сетей
- •Глава 6
- •6.1.2. Разновидности генетических алгоритмов
- •6.1.4. Краткий обзор программных средств
- •6.2.1. Генетическое программирование
- •6 2 2 Эволюционное программирование
- •6.2.3. Эволюционные стратегии
- •Глава 7
- •7.1.1. Характеристики интеллектуальных агентов
- •7.1.2. Архитектуры мультиагентных систем
- •7.2. Коллективное поведение агентов
- •7.3. Примеры мультиагентных систем
- •Глава 8
- •101000, Москва, ул. Покровка, 7
- •182100, Великие Луки, ул. Полиграфистов, 78/12
Глава 7
ИНТЕЛЛЕКТУАЛЬНЫЕМУЛЬТИАГЕНТНЫЕ
СИСТЕМЫ
...
Будущее оставляет мало надежд длятех,
кто ожидает, что наши новые механические
рабы создадут для нас мир,
в котором мы будем освобождены
от необходимости мыслить. Помочь они
нам могут, но при условии, что
наши честь и разум будут удовлетворять
требованиям самой высокой морали.
Норберт Винер
Интеллектуальные мультиагентные системы — одно из новых перспективных направлений искусственного интеллекта, которое сформировалось на основе результатов исследований в области распределенных компьютерных систем, сетевых технологий решения проблем и параллельных вычислений. В мультиагент-ных технологиях заложен принцип автономности отдельных частей программы (агентов), совместно функционирующих в распределенной системе, где одновременно протекает множество взаимосвязанных процессов. Под агентом подразумевают автономный искусственный объект (компьютерную программу), обладающий активным мотивированным поведением и способный к взаимодействию с другими объектами в динамических виртуальных средах. Каждый агент может принимать сообщения, интерпретировать их содержание и формировать новые сообщения, которые либо передаются на «доску объявлений», либо направляются другим агентам.
Агентно-ориентированный подход уже нашел применение в таких областях, как распределенное решение сложных задач, реинжиниринг предприятий, электронный бизнес и т.п. Важной областью применения мультиагентных технологий является моделирование. В этой области Д.А. Поспелов [9] выделяет два класса задач. К первому классу он относит задачи распределенного управления и задачи планирования достижения целей, где
306
усилия разных агентов направлены на решение общей проблемы и необходимо обеспечение эффективного способа кооперации их деятельности. В задачах второго класса агенты самостоятельно решают свои локальные задачи, используя общие, как правило, ограниченные ресурсы.
7.1.
ОСНОВНЫЕ ПОНЯТИЯ ТЕОРИИ АГЕНТОВ
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 (MAC) 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 цель их деятельности и способность оценивать поступающие сигналы относительно достижения этой цели. Оказалось, что даже такие простые структуры, как конечные автоматы {см. разд. 6.2.2), демонстрируют хорошие способности к адаптации в стационарных вероятностных средах. Одной из главных характеристик агентов-автоматов была рациональность, которая определялась как сумма положительных откликов среды, накопленных
307
агентом за некоторый период его существования. В дальнейши исследованиях структура маленьких животных усложнялась. Сна чала появились вероятностные автоматы с переменной структу рой, адаптирующейся к характеристикам среды, затем появилиа агенты, способные изменять свои реакции на основании преды стории и анализа состояния окружения. Серьезным шагом в раз витии мультиагентных технологий стала реализация способности агентов к рассуждениям [7, 12]. Простейшие модели взаимодействия агентов предусматривали их общение через среду. При ston на каждом шаге функционирования агенты совершают выбо^ возможных для них действий. Множество действий всех агенто! 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. В этой главе мы остановимся на вопросах, связанных с построением и применением интеллектуальных MAC.
Одна из возможных классификаций агентов [3,19] приведена в табл. 7.1, 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.