ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ПОВЕДЕНИЯ ИНТЕЛЛЕКТУАЛЬНОГО АГЕНТА В КОРПОРАТИВНЫХ СИСТЕМАХ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ

С. А. Яковлев, А. Н. Швецов (Санкт-Петербург)
 

Для решения сложных задач управления распределенными бизнес-процессами целесообразно использовать корпоративные интеллектуальные системы поддержки принятия решений (КИНС ППР), основанные на агентно-ориентированных технологиях [1], [2]. В докладе обсуждается модель интеллектуального агента (ИА) в структуре КИНС ППР, которая определяется конструкцией вида  где – имя агента; – структура атрибутов; – множество агентов, образующих следующий уровень иерархии ИА; – модель механизма выбора поведения; – множество информационных объектов (ИО), реализующих сценарии поведения ИА. Модель механизма выбора поведения ИА принимает следующий вид:

где  – модель информационного пространства,  – модель целеполагания,  – модель поиска решения, - модель активных действий. ИА принимает решение о реализации в данный момент времени некоторого сценария поведения и инициализирует соответствующий ИО.

С точки зрения реализации действий известные модели следует разбить на три класса: с предопределенным конечным множеством элементарных действий; с множеством планов; с произвольными сообщениями и действиями в логическом языке.

Авторами предлагается обобщенный вариант модели поиска решения. Полагаем, что ИА имеет предопределенное множество статических це­лей  Построены информационные объекты , функционирование которых должно вести к . Каждый ИО покрывает некоторый план, внутри которого могут быть сформированы произвольные сообщения и произвольные последовательности действий.

Модель поиска решения задается функцией , где  – множество вложенных ИО -го ИА. Модель активных действий определяется отображением , которое выбирает необходимые для запуска в текущий момент ИО. Смена активных целей (изменение множества ) приводит к остановке и запуску соответствующих ИО.

Пусть  – начальная конфигурация структуры атрибутов ИА,  – список вложенных ИО,  – начальная конфигурация МА-мира,  – список стратегий ИА,  – список статических целей,  – список целей, получаемых «сверху»,  – список целей, передаваемых «вниз»,  – список автономных динамических целей,  – список активных целей. Аксиома исчисления  в момент первоначального запуска ИА принимает вид .

Для упрощения записи информационного пространства и его состояния введем

представляем двумя списками – , а  – списками атрибутов – . Тогда . Формирование первой ситуации МА-мира описываем правилом

Выполнение обсервации определится правилом (2)

Для сокращения записи обозначаем составляющие актецендента угловыми скобками с нижним индексом в качестве номера, и если содержимое данного компонента не изменяется в данном правиле, то повторяем . Формирование начального состояния МА-мира опишется правилом (3)

Выбор стратегии задается правилом (4)

Для приема целей, получаемых «сверху» введем операцию чтения буфера «верхних» целей – . Соответствующее правило принимает вид

Далее можно сформировать цели передаваемые «вниз», динамические цели из множества  и выбрать статические цели

 

Теперь может быть построено множество активных целей

Множество  разбивается на  непересекающихся подмножеств, таких что

Такие подмножества  будем называть модельными множествами вложенных ИО и обозначать . Входящие в -е модельное множе­ство ИО будем обозначать , где нижний индекс  показывает, что данный ИО моделируется в процессе поиска решения. Для осуществления такого разбиения требуется функция , где  – онтология, описывающая логику разбиения. Формулируем правило

В процессе поиска решения моделируем поведение всех ИО, принадлежащих данному модельному множеству для поиска пути к цели  на глубину в  шагов. Параметр определяется выбранной стратегией . Вводим два счетчика: счетчик модельных шагов  и счетчик актуальных шагов . Выполняем модельные шаги для модельных множеств на глубину . После каждого шага вычисляем предпола­гаемую оценку состояния МА-мира для всех моделируемых ИО и делаем следующий модельный шаг. Повторяем модельные шаги до достижения . Вычисляем предполагаемую оценку преобразований целей для всех ИО и отклонение от целей. Определяем наименьшее отклонение

Эти действия формализуем правилами (9)

После этого шага следует сформировать множество актуальных ИО, ко­торые будут реально действовать и посылать сообщения, таким образом, пе­реходя к фазе активных действий и реализации модели :

Смысл этого правила состоит в том, что ИО, соответствующие  поме­чаются как актуальные, а остальные  замещают своих родителей в списке  посредством преобразования обратной подстановки . Содержи­мое компонента  принимает вид  где  – мощность множества вложенных информационных объектов . Далее включаем в это множество и выделенный информационный объект , представляющий действия ИА над своими атрибутами, который активизируется по умолчанию.

Описываем фазу активных действий следующим правилом:

После того, как активные действия закончились, можно выполнить обсервацию и снять метки активности с ИО:

Формируем новое текущее состояние МА-мира с помощью правил (13) и (14)

 

Поскольку целей может быть несколько (в случае ), необходимо сформировать комплексную оценку положения ИА в пространстве целей

учитывающую значимость целей, - весовые коэффициенты важности це­лей, - мощность множества активных целей. Поэтому вводим правило (15)

Проводим сравнение с допустимым комплексным отклонением  с по­мощью следующих правил:

 

При выполнении условия  переходим к правилу (4), т. е. переоце­ниваем стратегию формирования целей; если же , то продол­жается функционирование ИА в той же стратегии. Данная модель реализуется средствами инструментального пакета DISIT (Distributed Intellectual System Integrated Toolkit), разрабатываемого под руководством авторов.

Литература

1.      Яковлев С.А., Швецов А.Н. О методологии построения распределенных интеллектуальных информационных систем/Известия СПбГЭТУ «ЛЭТИ». Серия «Информатика, управление и компьютерные технологии». – 2002, № 3. – С. 45-48.

2.      Швецов А.Н., Яковлев С.А. Распределенные интеллектуальные информационные системы. – СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2003. – 318 с.