Архитектура многоагентных систем (курсовая работа) (Архитектура многоагентных систем (курсовая)), страница 8

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

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. 6. 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[10], 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_,…,X_n.). Многоагентная система обычно включает как множество агентов, так и множество манипулируемых ими объектов, что может быть записано в виде X = AO.

В случае, когда X=A, эволюционная многоагентная система определяется шестеркой [10]:

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  R_{3 ,}

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.7.

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.

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 пятеркой[10]

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

Рис.7. Представление базовой структуры (единицы) многоагентной системы

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 (ac_i,_i), ac_iAC, L, st= ; T–обобщенная функция переходов, T: ST  AC  SL  2^ST, удовлетворяющая следующим условиям: а) для любых stST, acAC, slSL, если состояние st удовлетворяет ограничению , st= , и пара (ac,)sl, то T(st,ac,sl)= ; б) для любых stST, acAC, sl₁SL, sl₂SL, 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 [10]. Он опирается на идею трехступенчатого определения основных понятий, например, a – агент, A – множество (конфигурация) агентов, aA,  - множество всех конфигураций агентов, A. Далее вводятся g – тип агентов, G – множество возможных типов агентов, gG, 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 tT, 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, mM; q–цель агента, определенная как отображение q: MM, –множество действительных чисел; Q–множество (конфигурация) целей агента, qQ; str–стратегия агента, str: MM; STR–множество (конфигурация) стратегий, strSTR; I–наблюдения агента; X–операция выполнения стратегии агента; L–операция адаптации (обучения) агента.

Наконец, в понятие искусственного роя (swarm) [23] 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; XZ^d; f – переходная функция состояний агента, f: ST^k V^k  ST; g – функция векторов скорости, g: ST^k V^k  V;  – функция перемещения, : X  V  X; u – функция соседства, u: A  A^k ; A= m, ST= q, V= k, X= n.

5.3 Организационное проектирование: нисходящий подход

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[10]

 = (M; D, , &, , ),

где: М – непустое множество (область значений оценок); DМ – 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, чема» 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}.

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 M_2, получаем восемь лингвистических меток на обобщенной шкале типов искусственного сообщества «Диктаторские –Демократические» .

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.

5.4 Логическая школа моделирования агентов

Главной идеей логического подхода в МАС является представление характеристик агента в виде логической теории.

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[10]. 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 wЄW 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 wЄW, пропозициональной константой lL 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).