Мультиагентные технологии. 
Основы системного анализа

В последнее время в рамках общего научного направления «искусственный интеллект» активно ведутся исследования под объединенным названием «многоагентные системы», или «мультиагентные системы» (MAC).

С одной стороны, речь идет об открытых, активных, развивающихся системах, в которых главное внимание уделяется процессу взаимодействия агентов как причине возникновения системы с новыми качествами (концепция возникновения). С другой стороны, многоагентные системы могут строиться по принципам распределенного интеллекта как объединение отдельных интеллектуальных систем, обладающих своими базами знаний и средствами рассуждений.

Технология многоагентных систем — это новая парадигма информационной технологии, ориентированной на совместное использование научных и технических достижений и преимуществ, которые дают идеи и методы искусственного интеллекта, современные локальные и глобальные компьютерные сети, распределенные базы данных и распределенные вычисления. Принципиальным отличием новой парадигмы построения прикладных систем является то, что в ней определяющим являются данные (факты), которые указывают направление вычислений.

Агент — это развитие известного понятия «объект», представляющего абстракцию множества экземпляров предметов реального мира, имеющих одни и те же свойства и правила поведения. Точное определение агента на сегодняшний день отсутствует. В основном используется определение, принятое на конференции международной ассоциации, но лингвистике FIRA (Federation of Intelligent Physical Agents) в октябре 1996 года в Токио: «Агент — это сущность, которая находится в некоторой среде, интерпретирует ее и исполняет команды, воздействующие на среду». Агент может содержать программные и аппаратные компоненты. Отсутствие четкого определения мира агентов и присутствие большого количества атрибутов, с ним связанных, а также существование большого разнообразия примеров агентов говорят о том, что агенты — это достаточно общая технология, которая аккумулирует в себе несколько различных областей [11]. «Агент — это программный модуль, способный выполнять определенные ему функции или функции другого агента (человека, чьи функции он воспроизводит)» [11].

В настоящее время существует следующая классификация агентов:

• • простые;
• • смышленые (smart);
• • интеллектуальные (intelligent);
• • действительно интеллектуальные (truly).

Классификация проведена по критерию «интеллектуальности», но довольно размыта ввиду того, что определение самого понятия «интеллектуальность» в общем виде вызывает затруднения у исследователей, как и оценки «интеллектуальности систем». Для данной классификации были использованы значения следующих характеристик:

• • автономное выполнение;
• • взаимодействие с другими агентами;
• • слежение за окружением;
• • способность использования абстракций;
• • способность использования предметных знаний;
• • возможность адаптивного поведения для достижения целей;
• • обучение из окружения;
• • толерантность к ошибкам и/или неверным входным сигналам;
• • Real-time исполнения;
• • ЕЯ-взаимодействие.

Исходя из здравого смысла, можно предположить, что целесообразное поведение появляется на уровне интеллектуальных агентов. Для него необходимо нс только наличие целей функционирования, но и возможность использования достаточно сложных знаний о среде, партнерах и о себе.

При создании информационных систем определяющей является парадигма интеллектуальных агентов, поведение которых определяется базой знаний. В настоящее время проводятся исследования по расширению возможностей агента в целях обеспечения кооперативного действия многих агентов. Уровень интеллектуальности (уровень интеллекта) определенного агента можно оценить как способность агента использовать старые знания в новых, может быть, заранее неизвестных ему ситуациях и проблемных областях, где оцениваемый агент приемлем как активный решатель задач. Как правило, каждый агент работает с определенной метафорой, определяющей функции и особенности исполнителя. Идея каждой метафоры — это инструментальная система, отражающая схему взаимодействия между исполнителями в данной ситуации.

Интеллектуальные агенты, обладая развитым внутренним представлением внешней среды и возможностями рассуждений, способны запоминать и анализировать различные ситуации, предвидеть возможные реакции на свои действия, делать из этого выводы, полезные для дальнейших действий, и в результате прогнозировать свое будущее и изменения внешней среды. Интеллсктуальныс способности позволяют таким агентам строить виртуальные миры, работая в которых, они формируют планы действий.

Свойства, которыми должен обладать интеллектуальный агент:

• • автономность — способность функционировать без вмешательства со стороны своего владельца и осуществлять контроль внутреннего состояния и своих действий;
• • социальное поведение — возможность взаимодействия и коммуникации с другими агентами;
• • реактивность — адекватное восприятие среды и соответствующие реакции на се изменения;
• • активность — способность генерировать цели и действовать рациональным образом для их достижения;
• • базовые знания — знания агента о себе, окружающей среде, включая других агентов, которые не меняются в рамках жизненного цикла агента;
• • убеждения — переменная часть базовых знаний, которые могут меняться во времени, хотя агент может об этом не знать и продолжать их использовать для своих целей;
• • цели — совокупность состояний, на достижение которых направлено текущее поведение агента;
• • желания — состояния и/или ситуации, достижение которых для агента важно;
• • обязательства — задачи, которые берег на себя агент по просьбе и/или поручению других агентов;
• • намерения — то, что агент должен делать в силу своих обязательств и/или желаний.

Иногда в этот перечень добавляются и такие свойства, как рациональность, правдивость, благожелательность, а также.

мобильность, хотя последнее характерно нс только для интеллектуальных агентов.

В зависимости от концепции, выбранной для организации MAC, обычно выделяются три базовых класса архитектур:

• • архитектуры, которые базируются на принципах и методах работы со знаниями;
• • архитектуры, основанные на поведенческих моделях типа «стимул-реакция»;
• • гибридные архитектуры.

Гибридные архитектуры позволяют гибко комбинировать возможности всех подходов. Вот почему в последнее время явно прослеживается тенденция разработки и использования именно гибридных МАС-архитектур и систем агентов.

При исследовании сложных систем с использованием технологии MAC реализуются следующие фундаментальные идеи.

• 1. В сложных системах существуют автономные агенты, которые взаимодействуют друг с другом при выполнении своих определенных задач.
• 2. Агенты изменяют свое поведение на основе полученной информации и реагируют на свою среду.
• 3. Структура сложных систем формируется в результате взаимодействия между агентами. Результаты функционирования возникающей структуры могут быть как положительными, так и отрицательными, в силу чего их необходимо анализировать при разработке системы на базе агентов.
• 4. Системы с возникающими структурами часто существуют на грани порядка и хаоса. Для них характерно промежуточное состояние межу упорядоченным состоянием и хаосом.
• 5. При создании систем на базе агентов необходимо учитывать их паразитизм, симбиоз, репродукцию, генетику, есгественный отбор, т.с. подходы, которые сложились у природы при решении комбинаторных задач.

Агенты могут работать как неинтерактивные особи или как коллектив. В первом случае система очень проста: агенты делают то, о чем их просят. Для получения результата большего, чем сумма работ, выполняемых индивидуально отдельными агентами, необходимо их взаимодействие.

При взаимодействии агентов создаются логически связанные структуры, отражая их динамику. В данном случае реализуются следующие свойства:

• — в возникающих структурах агенты организуются в целое, которое больше, чем сумма составляющих;
• — простые правила могут генерировать логически связанное новое явление;
• — при проектировании систем на базе агентов для слабопрогнозируемых ситуаций наиболее применим подход снизу вверх, а не традиционный подход сверху вниз. Такой подход объясняется тем, что большинство систем возникают из популяции более простых систем;
• — устойчивые возникающие структуры могут стать компонентами более сложных возникающих структур и приводят к иерархии возникающих структур и их масштабируемости;
• — агенты и их взаимодействующие структуры могут формировать двунаправленную связь, т. е. взаимное влияние структуры на агентов;
• — явление возникновения — это, как правило, устойчивые связи с меняющимися компонентами;
• — множество агентов могут быть гомогенными или гетерогенными. Большинство систем создают на основе гетерогенности, используя действие различных видов агентов.

В настоящее время мультиагентные системы рассматриваются уже не только как принципиально новая информационная технология, сформированная на базе слияния информационных и телекоммуникационных технологий, но и как новая парадигма программирования, в какой-то мере альтернативная объектноориентированному программированию.

Я не знаю ни одного завершенного системного исследования в технике.

А. Берг.

J V,.

ГЛАВА 4.

ц_^.