Введение
Актуальность проблемы
Низкая эффективность общепринятых форм кооперации при решении сложных проблем хозяйственной стратегии, рыночные и организационные неудачи вызвали инновационную активность в области сетевой организации и привели к созданию нетрадиционных структур - так называемых виртуальных предприятий.
Виртуальная сетевая организация (ВСО) представляет собой сеть организаций, в которой условно интегрируются предприятия, непосредственно выпускающие продукцию, а также поставщики сырья и материалов, смежники по производству компонентов продукции, конкуренты, выпускающие аналогичную продукцию, и потребители.
На развитие новых форм организации и управления предприятием повлияли такие тенденции развития современных рынков, как глобализация рынков, растущее значение качества товара, его цены и степени удовлетворения потребителей, повышение важности устойчивых отношений с потребителями (индивидуальными заказчиками), а также развитие межорганизационных систем информации и коммуникации и стремление к автономным формам труда.
Объединение организаций в сети позволяет им собрать свои ресурсы, мощности, расширить охват рынка, приблизиться к потребителю, снизить транзакционные издержки, обмениваться знаниями и технологиями.
Для ВСО характерна широкая территориальная распределенность и высокая динамика изменения связей между предприятиями, входящими в сеть.
Р. Патюрель, Б. Мильнер отмечают следующие характерные черты виртуальной сетевой организации:
- непостоянный характер функционирования элементов;
- осуществление связей и управленческих действий на базе интегрированных и локальных систем и телекоммуникаций;
6
- взаимоотношения со всеми партнерами и другими заинтересованными организациями на основе серии соглашений, договоров и совместного владения
«С
собственностью;
— образование временных альянсов организаций в смежных областях деятельности;
— частичная интеграция в материнскую компанию и сохранение отношений собственности до тех пор, пока это считается выгодным;
— договорные отношения работников с администрацией во всех звеньях. Для эффективного функционирования всей сети предприятия-партнеры
должны базироваться на согласованном хозяйственном процессе. Для решения информационных проблем сеть должна иметь единую информационную систему, основанную на широком применении новых информационных и коммуникационных технологий, которая повысит эффективность функционирования ВСО через:
— обеспечение возможности сокращения времени на поиск партнеров, осуществление сделок, разработку новой продукции и т.д.;
— снижение асимметрии информации (ее неполноты и неравномерности распределения) и, как следствие, снижение информационных транзакционных издержек;
— сокращение прочих транзакционных издержек, в том числе накладных расходов (командировочных, потерь от несостоявшихся, неправомерных или недобросовестных сделок); снижение риска, связанного с неопределенностью;
— снижение трансформационных издержек за счет оптимального выбора структуры товарного ассортимента, сокращения времени на разработку и внедрение новой продукции, обоснованной политики ценообразования, уменьшения числа посредников и затрат на сбыт и т.д.
Важнейшим условием эффективности ВСО служит интеллектуализация производства и менеджмента у предприятий-партнеров.
Для ее достижения необходимо систематизировать корпоративные знания и опыт, создавать большие распределенные базы производственных знаний,
7
разрабатывать интеллектуальные производственные системы, в которых подсистемы способны к автономным оценкам, рассуждениям и действиям. Эффективное решение этих проблем требует разработки моделей и систем управления производственными знаниями.
Агенты (участники) ВСО разрабатывают совместный проект (или ряд взаимосвязанных проектов), находясь между собой в отношениях партнерства, кооперации, сотрудничества, координации и т.п. Поэтому создание виртуального предприятия связано с интеллектуальным моделированием взаимодействия сложных, неоднородных, отстоящих друг от друга агентов.
Для моделирования и информационной поддержки таких процессов наиболее подходят мультиагентные системы (MAC), в области которых в настоящее время многими учеными, такими как, например, Поспелов Д. А. [1] и Городецкий В.И. [2], ведутся активные исследования. Исследования применения MAC в области виртуальных сетевых организаций ведутся в работах Скобелева П.О. [3], [4]. В настоящее время многими учеными ведутся активные исследования и работы в области интеллектуальных систем (систем, основанных на знаниях). Это, например, работы Осипова Г.С. [5] в области искусственного интеллекта (ИИ) и информационных технологий на основе знаний. В области применения систем поддержки принятия решений известны работы Ларичева О.И. [6], [7] и Трахтенгерца Э.А. [8], [9], [10], [11], [12]. В области распределенных интеллектуальных систем, сочетающих в себе мультиагентные системы и системы распределенного искусственного интеллекта, ведутся работы Швецовым А.Н. [13], [14] и Яковлевым С.А. [15], [16].
В виду актуальности проблемы построения информационных систем управления сетевыми производственно-коммерческими компаниями в работе поставлена следующая цель и для ее достижения решены следующие задачи.
Цель диссертационной работы
Целью данной диссертационной работы является повышение эффективности и качества функционирования служб управления сетевых
8
производственно-коммерческих компаний за счет применения мультиагентных систем, обеспечивающих интеллектуальную поддержку процессов управления.
Задачи, решаемые в работе.
Для достижения указанной цели в работе поставлены и решены следующие задачи:
1. Разработка концептуальной модели мультиагентной системы управления СПКК.
2. Исследование и разработка метода формирования интеллектуальных компонентов мультиагентной системы управления СПКК.
3. Разработка модели интеллектуального агента в структуре мультиагентной системы управления СПКК.
4. Разработка языка спецификации мультиагентных систем управления.
5. Создание инструментального программного обеспечения построения и реализации мультиагентных систем.
Методы исследования
Для теоретического решения поставленных задач в работе использовались методы инженерии знаний, теория фреймов, теория концептуальных графов, логика исчисления предикатов, теория формальных систем. Разработка программных средств системы осуществлялась с использованием средств объектно-ориентированного программирования.
Научные результаты
1. Концептуальная модель мультиагентной системы управления СПКК, основанная на совместной декомпозиции моделей элементов внутренней и внешней среды СПКК, позволяющая интегрировать интеллектуальные компоненты системы и унаследованные корпоративные приложения и отличающаяся ориентированностью на полииерархический характер структуры управления СПКК.
2. Метод формирования интеллектуальных компонентов системы, основанный на концептуальной модели СПКК и учитывающий
9
распределенную структуру организационно-технологических комплексов корпорации.
3. Модель интеллектуального агента системы, отличающаяся композицией продукционных правил и схем логического вывода по базе знаний интеллектуального компонента, обеспечивающая интеллектуализацию решения прикладных задач управления СПКК.
4. Язык спецификации мультиагентных систем управления, отличающийся возможностью описания структурных иерархических связей и концептуальных отношений элементов предметной области и позволяющий создавать формализованные описания интеллектуальных систем управления.
Практическая ценность
Практическая ценность полученных в диссертации результатов заключается в следующем:
1. Разработаны модели и метод построения мультиагентных систем управления СПКК на основе совместной декомпозиции организационной структуры, территориальной структуры, средств автоматизации и внешней среды организации, позволяющие формализовать и автоматизировать основные этапы построения MAC.
2. Разработаны языковые и инструментальные средства, которые позволяют описать концептуальную модель и функционирование проектируемой системы и автоматизировать процесс построения баз знаний MAC и сократить затраты времени на разработку.
Реализация в промышленности
Исследования, выполненные в диссертационной работе, являются частью тематики научно-исследовательских работ, проводимых кафедрой Автоматизации технологических процессов и производств Вологодского государственного технического университета, и внедрены в ОАО «Вологдаметаллострой», что подтверждено соответствующим актом. Инструментальный пакет построения мультиагентных систем управления используется в учебном процессе кафедры АТПП для проведения
10
лабораторного практикума по дисциплине «Информационное обеспечение систем управления».
Апробация результатов работы
Основные положения диссертационной работы докладывались автором и обсуждались на:
- 1-й и 2-й международной научно-технической конференции «Информатизация процессов формирования открытых систем на основе СУБД, САПР, АСНИ и систем искусственного интеллекта (Вологда, 2001, 2003);
- всероссийской научной конференции «Управление и информационные технологии» (Санкт-Петербург, 2003).
Получено свидетельство № 2001611397 об официальной регистрации программы для ЭВМ «Программный комплекс «Опоры контактной сети для железнодорожного транспорта» - распределенной информационно-обучающей системы.
По результатам исследования в Вологодском государственном техническом университете были подготовлены методические указания по теме «Разработка Internet приложений для доступа к базам данных».
11
1 Анализ методов и средств проектирования мультиагентных систем управления
1.1 Программные агенты и мультиагентные системы
Проблематика интеллектуальных агентов и мультиагентных систем (MAC) имеет уже почти 40-летнюю историю [2], [17] и сформировалась на основе результатов, полученных в рамках работ по распределенному искусственному интеллекту (DAI), распределенному решению задач (DPS) и параллельному искусственному интеллекту (PAI) [18], [19], [20].
Поскольку общепринятого определения интеллектуального агента (ИА) до настоящего времени не выработано, понятие агента трактуется как метаимя или класс агентных объектов (сущностей), включающее множество видов. Чаще всего используется определение, данное в [21]:
Агент - это аппаратная или программная сущность, способная действовать в интересах достижения целей, поставленных перед ним владельцем и/или пользователем.
Таким образом, в рамках МАС-парадигмы программные агенты рассматриваются как автономные компоненты, действующие от лица пользователя.
В [22] предлагается следующая классификация агентов, представленная в таблице 1.3.
Таблица 1.3 Классификация агентов
Характеристики Типы агентов
Простые Смышленые (smart) Интеллектуальные (intelligent) Действительно (truly) интеллектуальные
Автономное выполнение + + +
Взаимодействие с другими агентами и/или пользователями + + + +
Слежение за окружением + + + +
Способность использования + + +
12
абстракций
Способность использования предметных знаний + +
Возможность адаптивного поведения для достижения целей + +
Обучение из окружения + +
Толерантность к ошибкам и/или неверным входным сигналам +
Real-time исполнение +
ЕЯ-взаимодействие +
Как следует из таблицы, собственно целесообразное поведение появляется только на уровне интеллектуальных агентов [23], [24], так как для него необходимо не только наличие целей функционирования, но и возможность использования достаточно сложных знаний о среде, партнерах и о себе.
Иногда агентов определяют через свойства, которыми они должны обладать. Интеллектуальные агенты, согласно [21] должны обладать следующими свойствами:
- автономность (autonomy, autonomious functioning) - способность функционировать без вмешательства со стороны своего владельца и осуществлять контроль внутреннего состояния и своих действий;
- социальное поведение (social ability, social behaviour) - возможность взаимодействия и коммуникации с другими агентами;
- реактивность (reactivity) - адекватное восприятие среды и соответствующие реакции на ее изменения;
- активность (pro-activity) - способность генерировать цели и действовать рациональным образом для их достижения;
- базовые знания (basic knowledge) - знания агента о себе, окружающей среде, включая других агентов, которые не меняются в рамках жизненного цикла агента;
13
- убеждения (beliefs) — переменная часть базовых знаний, которые могут меняться во времени, хотя агент может об этом не знать и продолжать их использовать для своих целей;
- цели (goals) - совокупность состояний, на достижение которых направлено текущее поведение агента;
- желания (desires) - состояния и/или ситуации, достижение которых для агента важно;
- обязательства (commitments) - задачи, которые берет на себя агент по просьбе или поручению других агентов;
- намерения (intentions) - то, что агент должен делать в силу своих обязательств или желаний.
Можно считать устоявшимся выделение трех базовых классов архитектур агентных систем [21], [22]:
- делиберативные архитектуры (deliberative architectures);
- реактивные архитектуры (reactive architectures);
- гибридные архитектуры (hybrid architecture).
Делиберативную архитектуру принято определять как архитектуру агентов, содержищих точную символическую модель мира и принимающих решения на основе логического вывода.
Построение делиберативных архитектур требует решения таких проблем, как построение адекватного символического описания реального мира (модель мира), учитывающего сложность происходящих во времени процессов и действующих объектов; организация логического вывода из имеющихся знаний, который доложен приводить к определенным действиям агентов.
Достоинством делиберативных архитектур является возможность применения строгих формальных методов и хорошо отработанных технологий традиционного искусственного интеллекта, позволяющих относительно легко представлять знания в символьной форме и переносить их в агентную систему. В то же время, создание полной и точной модели некоторой предметной области реального мира, формализация ментальных свойств агентов и
14
процессов рассуждения в этих когнитивных структурах представляют существенные трудности для технической реализации.
Примерами систем, построенных в этой архитектуре, является IPEM (Integrated Planning Execution and Monitoring) [25], IRMA (Intelligent Resource-bounded Machine Architecture) [26], AUTODRIVE [27], Homer [28].
Реактивный подход основан на том, что в реальном мире интеллектуальное поведение возникает как результат взаимодействия агента со средой. Данный подход позволяет эффективно использовать множество довольно простых сценариев поведения агентов в рамках установленных реакций на определенные события окружающий среды, но его ограниченность проявляется в практической невозможности полного ситуативного анализа всех % возможных активностей агентов. Поэтому в большинстве проектов и
действующих систем используются гибридные архитектуры.
Недостатком гибридных архитектур является «непринципиальное проектирование» MAC со всеми вытекающими отсюда последствиями [29]. Так, например, многие гибридные архитектуры слишком специфичные для приложений, под которые они разрабатываются. Но, несмотря на эти недостатки, гибридные архитектуры позволяют гибко комбинировать возможности всех подходов, поэтому, в последнее время прослеживается
тенденция разработки и использования именно гибридных МАС-архитектур и
4
систем агентов [30].
Происходящее становление парадигмы мультиагентного проектирования интеллектуальных систем привело к появлению в последнее время инструментальных средств, поддерживающих программирование интеллектуальных агентов.
15 1.2 Модели представления знаний в мультиагентных системах управления
1.2.1 Продукционные модели
Продукционные системы, управляемые данными — это системы, в которых ход вычисления управляется предусловиями правил. Предусловие есть логическая комбинация утверждений об обрабатываемых данных, а действие системы - операция по модификации данных. Продукционная модель, или модель, основанная на правилах, позволяет представить знания в виде предложений типа «Если (условие), то (действие)».
Основы продукционного формализма заложены Э.Л. Постом (Post E.L.) [31]. В нашей стране продукционные системы и исчисления развивались СЮ. Масловым [32], [33], Н.А. Шаниным [34], В.Е. Кузнецовым [35], М.И. Кратко [36], [37]. Вопросы параллельного управления и параллельного выполнения продукций исследуются в [38], [39]
Продукционную систему можно рассматривать как структуру вида
SP = (А, V, Р),
где А - алфавит условного языка, V алфавит переменных, Р -конкретное множество продукций.
В свою очередь, продукцию можно рассматривать как структуру вида
где ai, аг, -¦¦ ап — посылки (условия) продукции, z — заключение (действие). Под условием, называемым также антецедентом, понимается совокупность образов, имеющихся в базе знаний или рабочей памяти интеллектуальной системы, а под действием (консеквентом) — действия, выполняемые при успешном выполнении правил продукции.
Можно сказать, что ПЗ в виде продукционных правил является естественным выражением языковых каузальных структур. Оно обладает
16
следующими основными достоинствами: модульностью знаний; независимостью правил, выражающих самостоятельные фрагменты знаний; легкостью модификации знаний; отделением управляющих знаний от предметных; возможностью инкрементного наращивания БЗ. Данная модель способствует прозрачности БЗ, то есть возможности объяснения хода решений и т.д.
Основные недостатки продукционных моделей: невысокая вычислительная эффективность (например, по сравнению с системами обработки списков, такими, как ЛИСП) и низкая наглядность БЗ в целом.
Существует большое количество программных средств, реализующих продукционный подход (язык OPS5 [40], [41], инструментальные системы ПИЭС [42], СПИЭС [43], промышленные ЭС на его основе [44]).
1.2.2 Формальные логические модели
Основы формальных логических систем изложены в работах Д. Гильберта [45], С. Клини [46], Х.Б. Карри [47] и др. [48]
Основа формальных логических моделей - формальная теория S:
S = (S, F, A, R),
где S - множество базовых символов теории; F - формулы теорий (подмножество выражений теории); А - аксиомы теории (Ac F) - множество априорно истинных формул; R - конечное множество отношений {гь ... , гп} между формулами, называемое правилами вывода.
Наиболее распространенный пример использования данной модели — исчисление предикатов. Чистое исчисление предикатов первого порядка — это формальная теория, в которой определены следующие компоненты:
1. Алфавит:
- основные связки —. ->
- дополнительные связки & л
17
- служебные символы (,)
- кванторы всеобщности и существования V 3
- предметные константы а, Ъ, ... ai, t>i, ...
- предметные переменные х, у, ... хь yi, ...
- предметные предикаты Р, Q, ...
- предметные функторы f, g, ...
2. Формулы имеют следующий синтаксис:
<формула> ::= <атом> | -.<формула> | (<формула> -> <формула>) | \/<переменная> <формула> | 3<переменная> <формула> <атом> ::= <предикат>(<список термов>) <список термов> ::= <терм> | <терм>, <список термов> <терм> ::= <константа> | <переменная> | <функтор>(<список термов>) Для придания формуле содержания ее интерпретируют как n-местное выражение, касающееся предметной области. При интерпретации формуле приписывается значение «истинно» или «ложно».
Наиболее распространенный язык программирования, основанный на исчислении предикатов - ПРОЛОГ [49], [50] и его различные модификации -Arity Prolog, Visual Prolog и т.д.
Данный язык использует для представления знаний фразы Хорна (Horn clause) [51]. Фундаментальным методом доказательства, на котором базируется логический вывод Пролога, является метод резолюций Робинсона [52] и метод опровержения резолюций (Resolution refutation) [53].
Основное достоинство формальных логических моделей - единообразная формальная процедура доказательства теорем. Однако это может явиться недостатком при доказательстве эвристик, отражающих специфику предметной области. Другими недостатками предикатного способа ПЗ являются: отсутствие средств структурирования используемых элементов и недопустимость противоречий. Первый является ключевым недостатком при использовании интеллектуальной ИС пользователем - непрограммистом.

Получить работу