3 ВВЕДЕНИЕ
Актуальность работы. Современные рыночные отношения требуют постоянного улучшения качества продукции и снижения ее стоимости в быстроменяющихся условиях. В связи с этим, компаниям приходится изменять свой привычный образ и вводить новые стратегические цели и средства. Для разработки новых направлений деятельности привлекаются сторонние специалисты: маркетологи, специалисты по реинженирингу бизнес-процессов и др. Каждый из таких специалистов пользуется собственным инструментарием при разработке проектов. В результате остро встает проблема оценки качества проектов. Для их оценки привлекаются эксперты, специализирующиеся в различных проблемных областях. Управление этими процессами осуществляется с помощью компьютерных систем поддержки принятия решений (СППР). Широкое использование СППР в экономике и менеджменте сдерживается в настоящее время по следующим причинам: во-первых, предприятиям слишком дорого иметь в штате несколько квалифицированных программистов; во-вторых, сторонним программистам требуется много времени для понимания проблемной области, и они, как правило, недостаточно быстро реагируют на изменения в бизнес-процессах; в-третьих, дополнительные трудности создает привлечение к процессу принятия решений специалистов, территориально удаленных от предприятия или от аналитического центра, где принимается окончательное решение.
Вследствие этого возникает актуальная проблема предоставления предприятиям и аналитическим центрам инструментария для проведения качественной оценки сложных решений и проектов, основанного на много-агентной технологии и обеспечивающего интеллектуальную поддержку системы управления.
Степень разработанности проблемы. В числе пионерских достижений в области моделирования агентов и коллективов агентов можно назвать результаты Н.А. Амосова, М.М. Бонгарда, В.А. Лефевра, Э.В. Попова, Д.А.
4
Поспелова, В.Л. Стефанюка, В.Б. Тарасовой, В.Л. Цетлина и других видных советских и российских ученых.
Многие идеи синергетического толка, представления об агентах, мно-гоагентных системах, механизмов их взаимодействия, поведения и эволюции тесно связаны с работами знаменитых отечественных философов А.А. Богданова, Н.О. Лоского, П.С. Флоренского, физиолога П.К. Анахина, психологов В.М. Бехтерева, Л.С. Выготского, А.Н. Леонтьева, лингвиста Ю.М. Лотмана.
Предшественниками исследований по искусственной жизни были выдающиеся ученые в области математики и кибернетики А.Н. Колмогоров и А.А. Ляпунов.
Разработкой многокритериальных методов принятия экономических решений занимались известные зарубежные ученые Р. Беллман, Л. Заде, Р.Л. Кини, О. Моргенштерн, Дж. Фон Нейман, Э. Парето, X. Райфа, Б. Руа, Т. Саати, А.Сало, П. Фишберн, Р. Хамалайнен и др.
Среди российских ученых значительный вклад в исследование данной проблемы внесли Н.М. Абдикиев, А.В. Андрейчиков, О.Н. Андрейчикова, Т.П. Барановская, Л.С. Беляев, А.Н. Борисов, Е.П. Бочаров, А.А. Емельянов, О.А. Крумберг, О.И. Ларичев, Е.М. Мошкович, А.О. Недосекин, Д.А. Поспелов, А.В. Смирнов, Н.Г. Ярушкина и другие.
В то же время, проблема многокритериального выбора рациональных инвестиционных решений и создания инструментальных средств для построения многоагентных систем требует своего дальнейшего разрешения.
Цель и задачи исследования. Целью диссертационного исследования является разработка многоагентной системы для поддержки процессов принятия решений в экономике и управлении.
Для достижения поставленной цели необходимо решить следующие задачи:
- проанализировать существующие подходы, методы и программные средства, используемые в настоящее время для построения многоагентных систем;
5
- проанализировать и обосновать целесообразность использования в качестве математического ядра разрабатываемой многоагентной системы методов анализа иерархий и аналитических сетей;
- определить для системы поддержки принятия решений типы агентов и их основные функции;
- разработать интеллектуальную многоагентную систему для поддержки процессов принятия решений в экономике и управлении;
- разработать иерархическую и сетевую модели для принятия сложных экономических решений, предполагающие сбор информации от многих разнопрофильных экспертов;
- провести апробацию разработанной многоагентной системы на примере анализа ситуации о вступлении России во Всемирную торговую организацию (ВТО).
Объектом исследования являются предприятия и аналитические центры, исследующие сложные экономические и организационные системы с целью выработки обоснованных рациональных решений.
Предметом исследования являются сложные плохо формализуемые экономические процессы, связанные с многофакторным принятием решений, которые требуют привлечения большого числа экспертов из различных предметных областей.
Методологической и теоретической основой диссертации послужили труды российских и зарубежных ученых - специалистов по проблемам интеллектуальных многоагентных систем и многокритериального принятия решений. Для решения поставленных задач использовались методы проектирования интеллектуальных многоагентных систем, многокритериальные методы теории принятия решений.
Основные положения диссертации, выносимые на защиту:
1) Структура агентов, входящих в состав многоагентной системы подразумевает наличие руководителя, группы экспертов и аналитика (функции которого может исполнять руководитель). Они выполняют следующие функ-
б
ции: руководитель формирует набор показателей (критериев), которые будут использоваться для оценки проектов (решений); подбирает состав группы экспертов; составляет персональный календарь, в соответствии с которым эксперты выполняют свои задания; каждый эксперт работает по индивидуальному сценарию, предложенному руководителем; аналитик высказывает свое мнение о результатах проведенной экспертами работы.
2) Алгоритм разработанной многоагентной системы поддержки процессов принятия экономических решений имеет следующий вид. Для координации работы коллектива экспертов используется двухуровневый механизм согласования. Каждый из экспертов представлен агентом, в задачу которого входит оценка предлагаемых руководителем альтернатив по заданному набору показателей качества. С помощью редактора знаний руководитель формирует задания экспертам и проводит анализ полученной от них информации. Задача координации поведения агентов возложена на агента-координатора. Результатом работы системы являются согласованные экспертные оценки, на основании которых производится многокритериальное ранжирование альтернатив.
3) Алгоритм взаимодействия агентов в многокритериальной системе для ранжирования факторов и альтернатив, характеризующих исследуемую экономическую систему, представленную иерархией или аналитической сетью, имеет следующий вид. Руководитель, оперируя справочниками, содержащими показатели, их значения, знаниями об экспертах, заданиями и решениями, которые необходимо рассмотреть, формирует задания. Агент-координатор получает входящее сообщение о готовности, определяет, какие изменения необходимо сделать в базах на локальном уровне, и при помощи встроенного набора функций готовит информацию для агента-эксперта. Эксперт входит в систему и его агент проверяет, какие задания ему назначены на выполнение, ассоциируя их с экранными формами. Когда эксперт отобрал задания в данной экранной форме и сигнализировал, что готов представить результаты, состояние его задания на локальном уровне увеличивается на единицу. Посылается соответствующее сообщение координатору, который анализирует, пришли ли подобные сообщения о готовности от всех остальных членов группы. Если нет - ожидается готовность остальных. Когда име-
7
ется подтверждение состояния готовности от всех участников рабочей группы, состояние всего задания изменяется на единицу.
После этапа вынесения мнений каждым экспертом следует этап согласования, началом которого является передача сообщения от агента-координатора, агенту руководителя. На этом этапе в зависимости от типа контроля согласования задание либо останавливается, чтобы руководитель мог проанализировать, стоит ли продвинуть задание дальше или отодвинуть его на шаг назад, либо происходит автоматическая проверка согласованности. Соответствующее решение посылается агенту-координатору, который, отслеживая данное решение руководителя, либо отодвигает задание на единицу дальше, либо возвращает экспертов на предыдущий этап.
4) Метод анализа иерархий позволяет выявить локальные приоритеты альтернатив для различных акторов, влияющих на принятие решения и глобальный вектор приоритетов, определяющий наиболее перспективную альтернативу. При этом имеется возможность получить и проанализировать положительные и отрицательные аспекты возможных альтернативных решений, получаемые с использованием различных мультипликативных и аддитивных способов обобщения приоритетов.
5) Метод аналитических сетей позволяет работать с плохо формализуемыми, многокритериальными проблемами с взаимным влиянием критериев и альтернатив. Элементы задачи в данном подходе объединяются в кластеры, между которыми возможны произвольные связи. Формирование кластеров и связей между ними является неформальной процедурой и осуществляется на основе конкретных знаний о специфике решаемой задачи. Объединение элементов в кластеры позволяет снизить размерность задачи и улучшить согласованность суждений. Важным моментом в методе анализа сетей является формулирование главной цели задачи и вопросов, которые следует задать экспертам при заполнении матриц парных сравнений.
6) Прогнозные оценки наиболее благоприятных сроков вступления России в ВТО: на основании проведенного математического моделирования получены результаты, показывающие о целесообразности вступления России во Всемирную торговую организацию в период с 2008 по 2013 годы.
8 Научная новизна работы:
- Разработана многоагентная система компьютерной поддержки процессов принятия экономических решений и предложен авторский вариант ее программной реализации, математическое ядро которой составляют многокритериальные методы анализа иерархий и аналитических сетей. В отличие от существующих методик построения многоагентных систем, алгоритм, предложенный диссертантом, позволяет использовать современные математические методы и компьютерные технологии для автоматизации процессов принятия решений;
- Разработана структура агентов, обеспечивающих обработку информации в процессе принятия экономических решений, представляющая собой взаимосвязь агента-руководителя с агентами-экспертами через агента-координатора. Такая схема позволяет использовать множество квалифицированных специалистов для решения конкретных сегментов задачи. Каждый из агентов имеет свой набор функций, определенный его ролью в системе;
- Разработан алгоритм взаимодействия территориально удаленных искусственных агентов, выполняющий ранжирование факторов и альтернатив исследуемой экономической системы, описанной в виде иерархической или сетевой модели. Алгоритм основан на взаимодействии агентов системы друг с другом посредством Интернет-технологий, согласовании их мнений и позволяет разбивать все задание на подзадачи, которые следует решить в данный момент данной группе экспертов. Проверка готовности всего задания определяется через готовность предлагаемых экспертных оценок, после чего проверяется их согласованность и осуществляется переход к следующему шагу задачи;
- Разработаны иерархическая и сетевая модели, описания задачи обоснования целесообразности и более благоприятных моментов времени для вступления России в ВТО. Модели позволяют описать решаемую проблему с различных сторон, учесть интересы всех акторов, влияющих на принятие решения о данном вступлении, всесторонне рассмотреть критерии и альтернативы данного решения. Использование современных математических методов позволяет говорить о достоверности полученных результатов.
9 Теоретическая и практическая значимость работы.
Теоретическая значимость работы состоит в разработке новых подходов по созданию интеллектуальных многоагентных систем для поддержки процессов многокритериального принятия решений в экономике и управлении.
Практическая значимость работы состоит в создании конкретного варианта инструментального средства, выполненного в виде многоагентной системы поддержки принятия решений, математическое ядро которой создано на основе методов анализа иерархий и аналитических сетей.
Апробация результатов исследования. Основные положения и результаты работы докладывались и обсуждались на научных конференциях Волгоградского государственного технического университета в 2005, 2006 и 2007 г.г. По теме диссертации опубликовано 5 работ, общим объемом 8,0 печатных листов, (в том числе 6,4 п.л. авторских). Исследование проводилось в рамках проектов РФФИ № 04-07-96502 «Разработка системы, основанной на знаниях, для принятия стратегических социально-экономических, технологических и политических решений в условиях неопределенности» и РГНФ № 05-02-20201.
10
ГЛАВА 1. АНАЛИЗ РАБОТ В ОБЛАСТИ ТЕОРИИ И МЕТОДОВ МНО-ГОАГЕНТНЫХ СИСТЕМ И МНОГОКРИТЕРИАЛЬНОГО ПРИНЯТИЯ РЕШЕНИЙ
1.1. ОСНОВЫ ТЕОРИИ АГЕНТОВ.
Под агентом понимается лицо или организация, наделенное юридическими полномочиями представлять другое лицо или организацию и вести их дела. Из этого определения понятна важная роль агентов в современных науках как промежуточного звена между субъектом и объектом (рис. 1.1). Если двигаться от субъектного полюса, то агент может пониматься как «квазисубъект», способный в некотором смысле замещать другого субъекта (своего «хозяина»), имеющий определенные обязательства перед ним и действующий по его поручению. Напротив, при движении от объектного полюса агентом считается «активный объект» или метаобъект, способный манипулировать другими объектами, а в более широком смысле, формировать собственные программы действий, которые вызваны некоторыми потребностями и направлены на достижение определенных целей.
Агент
Делегирование >'тЧч^__^-^Х Активизация и ин-
функцийипол- / N^ теллектуализация
номочий
Субъект Объект
Рис. 1.1. - Иллюстрация к определению агента.
Любой агент представляет собой открытую систему, помещенную в некоторую среду, причем эта система обладает собственным поведением, удовлетворяющим некоторым экстремальным принципам. Таким образом, агент
11
считается способным воспринимать информацию из внешней среды с ограниченным разрешением, обрабатывать ее на основе собственных ресурсов, взаимодействовать с другими агентами и действовать на среду в течение некоторого времени, преследуя свои собственные цели.
При построении искусственного агента минимальный набор базовых характеристик включает такие свойства как: а) активность, способность к организации и реализации действий; б) реактивность, способность воспринимать состояние среды; в) автономность, относительная независимость от окружающей среды или наличие некоторой «свободы воли», обусловливающей собственное поведение, которое должно иметь хорошее ресурсное обеспечение; г) общительность, вытекающая из необходимости решать свои задачи совместно с другими агентами и обеспечиваемая развитыми протоколами коммуникации; д) целенаправленность, предполагающая наличие собственных источников мотивации, а в более широком плане, особых ин-тенциональных характеристик.
Необходимыми условиями реализации искусственным агентом некоторого поведения выступают специальные устройства, непосредственно воспринимающие воздействия внешней среды (рецепторы) и исполнительные органы, воздействующие на среду (эффекторы), а также процессор - блок переработки информации и память. Под памятью здесь понимается способность агента хранить информацию о своем.состоянии и состоянии среды. Таким образом, исходное представление о простейшем агенте сводится к хорошо известной модели «организм-среда», приведенной в книге [18] (рис. 1.2). Изложим вкратце эту обобщенную модель, а затем раскроем ее в ходе анализа весьма характерного класса искусственных агентов - интегральных роботов.
Рецепторы образуют систему восприятия агента, обеспечивая прием и первичную обработку информации, которая поступает к нему из среды (как внешней, так и внутренней), а затем отправляется в память. Система восприятия может контролировать действия путем определения различий между те-
12
кущими и ожидаемыми состояниями. В памяти агента должны иметься сведения о типовых реакциях на информационные сигналы от рецепторов, а также информация о состоянии эффекторов и о располагаемых ресурсах. Кроме того, в памяти должны храниться программы переработки входной информации в управляющие сигналы, подаваемые на эффекторы, и обязательно результаты реакций на ту или иную внешнюю ситуацию.
Блок памяти обычно включает три основных компонента: систему фильтров, обеспечивающих выделение наиболее значимой для агента информации, а также внутреннюю модель внешнего мира и модель самого агента. В конечном счете, именно объем памяти, количество и разнообразие хранимых в ней знаний и программ, степень развития внутренней модели внешнего мира и возможности рефлексии определяют сложность и характер поведения агента, уровень его автономности и интеллектуальности.
Процессор (система процессоров) обеспечивает объединение и переработку разнородных данных, выработку соответствующих реакций на информацию о состоянии среды, принятие решений о выполнении тех или иных действий. Выбор соответствующих действий при заданных ограничениях -одна из ключевых способностей любых агентов.
ТТРПШ.ГГОР
ПАМЯТЬ
РЕЦЕПТОРЫ
ЭФФЕКТОРЫ
Внутренняя среда
Источники энергии
ВНЕШНЯЯ СРЕДА
Рис. 1.2. - Модель поведения простейшего агента.
13
Функция эффекторов состоит в воздействиях на среду, например в перемещении объектов внешней среды, выдаче информации в символьной форме, поддержании равновесия внутренней среды (т.е. желаемого состояния самого агента) и т. д.
Источники ресурсов, например энергопитания, обеспечивают все необходимые условия для поддержания (и, при необходимости, воспроизведения) жизненного цикла агента.
1.2. ИСТОРИЯ РАЗВИТИЯ АГЕНТНО - ОРИЕНТИРОВАННОГО
ПОДХОДА-
Предыстория теории агентов связана в первую очередь с работами У. Питтса и У. Мак-Калл ока [61] по формальным нейронам, Дж. фон Неймана [74] по самовоспроизводящимся автоматам, А. Н. Колмогорова [45, 46] по теории сложности, У. фон Форстера и И. Пригожина [87 - 89] по теории самоорганизации, У. Р. Эшби по моделям гомеостазиса, Г. Уолтера по реактивным роботам, Дж. Холланда по генетическим алгоритмам. Особое место в этом ряду занимает школа коллективного поведения автоматов М. Л. Цетлина [118,119].
Помимо школы коллективного поведения, связанной с моделированием простейших реактивных агентов, в 60-е - 70-е гг. ХХ-го века в СССР сформировались еще две мощные «поведенческие» школы: школа рефлексивного поведения В. А. Лефевра [55] и школа нормативного социального поведения Д. А. Поспелова [90].
Первое в современных исследованиях по ИИ «скрытое определение» агента восходит к работам Д. А. Поспелова и В. Н. Пушкина по теории ги-ромата. В гиромате - элементарной модели целесообразного поведения, способной адаптироваться к условиям решаемой задачи - уже имелись следующие «агентообразующие» модули: блок мотивации; блок селекции (рецепторы); блок построения внутренней модели внешней среды; блок вы-
14
движения гипотез; блок модельного опыта; блок выработки решений; блок активного опыта; блок времени (рис. 1.3).
От человека
Блок
1----'
селекции
Блок времени С
I
Блок ипотез Блок построения модели ! Bj юк ; ти- ! Лий ;
• МО Р
I
¦ Bai
е
Модель внешнего мира • д
J а
Блок модельного Блок выработки
опыта решений
Блок 1
активного
опыта
1_

Рис. 1.3. - Общая схема гиромата.
Функционирование гиромата происходит в специальной среде, называемой дискретной ситуационной сетью. Сеть функционирует в дискретные такты. В ней появляются, перемещаются и исчезают некоторые объекты. Сеть представляет собой граф с вершинами трех типов, называемых истоками, стоками и решателями. На рисунке 1.4. треугольниками обозначены истоки, в которых появляются объекты, квадратиками - стоки, где они исчезают, а кружками - решатели (двойным кружком - активный решатель).
Рис. 1.4. - Простейший вариант дискретной ситуационной сети.
15
В работах Д.А. Поспелова было предложено описание действий (поведенческих актов) автономных агентов фреймами поступков, представляющих собой пары взвешенных графов специального вида («замысел - реализация») Fr = (Go, Gr). Здесь замысел поступка Go включает описание намерений агента и прогнозируемые реакции других агентов и объектов среды, в которой находится агент.
Граф Go содержит своеобразный прогноз результатов некоторого действия. При этом мотивы и цели агента входят в замысел Go опосредованно, через прогноз ответных реакций. В свою очередь, реализация поступка Gr включает в себя описание результатов действия как выполненного намерения и совокупности ответных реакций других агентов и среды.
Наибольшую историческую роль в становлении подходов многоагент-ных систем (MAC) и распределенного искусственного интеллекта (РИИ) сыграли работы К. Хьюитта [117] в области открытых систем и теории акторов. По К. Хьюитту, актор - это программный агент, имеющий свой почтовый адрес и обладающий определенным поведением.
В результате, была предложена и реализована концепция разработки программ как сообществ различных специалистов, совместно решающих задачу в процессе коммуникации путем обмена сообщениями. При этом процесс решения задачи группой экспертов был им рассмотрен как столкновение различных точек зрения. В итоге родилось семейство языков акторов, которые стали первым средством реализации MAC, когда коммуникация осуществляется путем посылки асинхронных сообщений.
Затем пионерские идеи К. Хьюитта получили свое развитие главным образом в области параллельного программирования (concurrent programming), а также в контексте семантики открытых систем.
Первые западные практические разработки по MAC, посвященные проблематике и интеллектуальных агентов, относятся к 70-м гг. и связаны с именем К. Хьюитта [116], привели к созданию архитектуры «доски объявле-
16
ний» (blackboard) и легли в основу многих дальнейших разработок по организации коммуникации между агентами.
В начале 80-х гг., Р.Смит разработал модель распределенного решения задач, названную им «контрактной сетью». Эта модель использует метафору переговоров между автономными интеллектуальными агентами (узлами сети) и основана на протоколе рыночных торгов. Имеются три типа агентов: агент-менеджер, агент-исполнитель (покупатель), агент-подрядчик (выбираемый из числа агентов-исполнителей). Агент-менеджер распространяет объявление о задании и определяет исходную цену, а агенты - потенциальные исполнители предлагают свои услуги, посылая свои варианты цен, и подчас участвуют в конкурсе на определение наилучших предложений по исходному заданию. Затем агент-менеджер отбирает наилучшие предложения и заключает соглашение с выбранными агентами-исполнителями, которые становятся агентами - подрядчиками.
Одной из важнейших работ начала 90-х гг. стала статья И. Шоэма [140, 141] «Агентно-ориентированное программирование» (АОП). В ней описан социальный взгляд на организацию вычислений, связанный с взаимодействием агентов в процессе вычислений. При этом агент рассматривается как «прозрачный ящик» и моделируются такие его «внутренние переменные» (психические характеристики) как мотивы, убеждения, обязательства, способности к выработке и принятию решений. Мотивы агента лежат в основе его решений, а убеждения определяют логические ограничения на них.
Общение агентов осуществляется с помощью протоколов коммуникации. В русле теории речевых актов, предложенной Дж. Остином и Дж. Серлом, вводится стандартный набор примитивов: «сообщить», «запросить», «предложить» и т. п.
В целом, система АОП должна включать следующие базовые компоненты:
- ограниченный формальный язык с соответствующими синтаксисом и семантикой для описания внутреннего состояния агента, которое оп-
17
ределяется несколькими параметрами типа убеждений, желаний, намерений и обязательств;
- язык программирования для спецификации агентов, включающий примитивные команды типа REQUEST и INFORM;
- агентификатор, преобразующий нейтральные компоненты в программируемые агенты.
Оригинальные методы описания реактивных агентов предложены в работах Р. Брукса и Ж. Фербе [138, 139]. Так метод «экорезолюции», предложенный Ж. Фербе, основан на решении задачи множеством агентов, которые общаются путем обмена сообщениями. Здесь решение задачи понимается как эволюция динамической системы вплоть до достижения ею устойчивых стационарных состояний. Этим стационарным состояниям отвечает удовлетворение целей различных агентов. Поведение агентов сводится к набору реакций, для которых выполняются следующие требования: а) условия удовлетворения агентов представляют собой стационарные состояния; б) условия «отказа от работы» соответствуют состояниям, в которых агентам не хотелось бы оказаться; в) критерий выживания определяет возможные действия агентов.
1.3. ОБЩАЯ КЛАССИФИКАЦИЯ АГЕНТОВ.
Известно немало различных оснований для построения классификаций агентов. Наиболее очевидными являются критерии классификации, связанные с полярными шкалами «естественное-искусственное» и «материальное-идеальное». По первому критерию, выделяются натуральные агенты (животное, человек, стада животных, коллективы людей) и искусственные агенты (роботы, коллективы автоматов, сложные компьютерные программы).
Согласно второму критерию, все искусственные агенты разделяются на: 1) материальных, физически существующих и работающих в реаль-

 Часть из работы     Получить работу