Применение мультиагентного подхода в бизнесе

Сложные системы на базе агентов уже нашли широкое применение в промышленности. Так, например, корпорация IBM использует агентов для производства полупроводниковых микросхем, датские судостроительные компании — для сварки корабельных корпусов, в Японии мониторинговая система на базе агентов выполняет функции интерфейса оператора сверхскоростных поездов.

MAC могут применяться как для конструирования и моделирования гибких производственных систем, так и для управления реальными системами производства (мультиагентная логистика), продажи продукции различного назначения (е-коммерции), интеграции и управления знаниями и научной работы. Большое значение в мультиагентном подходе имеет социальный аспект решения современных задач как его концептуальная основа. Такие системы должны постоянно «жить» на сервере предприятия и непрерывно участвовать в решении задач, а не быть запускаемыми от случая к случаю, а для этого — обеспечивать пользователю возможность введения новых данных и компонентов. Наконец, такие системы должны накапливать информацию, извлекать из нее новые знания и в зависимости от этого изменять свое поведение с течением времени.

В настоящее время интеллектуальные агенты применяются в следующих областях бизнеса:

• • управление распределенными или сетевыми предприятиями;
• • сложная и многофункциональная логистика;
• • виртуальные организации и интернет-порталы по продаже продуктов и услуг;
• • управление учебным процессом в системах дистанционного обучения;
• • компании с развитыми дистрибьюторскими и транспортными сетями;
• • управление каналами распределения;
• • моделирование предпочтений пользователей в CRM-системах^[1].

Для крупных компаний преимущества мультиагентного подхода очевидны. Среди них можно отметить: сокращение сроков решения проблем, уменьшение объема передаваемых данных за счет передачи другим агентам высокоуровневых частичных решений; сокращение сроков согласования условий и формирования заказов.

Для распределенных компаний преимущества в первую очередь заключаются в возможности оптимального обеспечения продукцией, облегчении контроля удаленных подразделений и структур и взаимодействия с ними.

Для компаний с широким и быстро меняющимся ассортиментом — возможность гибко реагировать на изменения в предпочтениях клиентов и просчитывать периоды изменения. Для компаний, оказывающих услуги — накопление опыта взаимодействия и решения проблем не только «в головах» сотрудников, но и в MAC.

Среди примеров компьютерных программ-агентов, существующих в настоящее время и широко используемых в интернете, можно выделить следующие:

• • Copernic Agent (http://www.copernic.com/) — одновременно отправляет запросы нескольким популярным поисковым системам, выбирает наиболее рейтинговые ссылки, сопоставляет их между собой, удаляет дубли и, сортируя отобранное по рейтингу в соответствии со своим алгоритмом ранжирования, выводит их пользователю.
• • MySimon (http://www.mysimon.com/) — осуществляет интеллектуальный поиск, сравнивая цены миллионов товаров в более чем двух тысячах онлайновых магазинов.

Рис. 22.7. Возможная схема интеллектуальной системы поддержки принятия решения (DSS) на основе технологий

искусственного интеллекта и мультиагентных систем.

Рис. 22.7. Возможная схема интеллектуальной системы поддержки принятия решения (DSS) на основе технологий искусственного интеллекта и мультиагентных систем. (Продолжение).

• • МРЗ-Wolf (http://www.trellian.com/) — сканирует интернет в поисках нужных пользователю музыкальных файлов. В процессе работы он использует различные поисковые системы, а также сайты, найденные им ранее и содержащиеся в его базе.
• • WebSite-Watcher (http://www.aignes.com/) — предназначена для слежения за изменениями на сайтах. Поддерживает работу RSS-ленты. Имеет гибкие настройки по предотвращению ложных срабатываний, когда отдельные изменения на страницах носят случайный или технический характер, например изменение числа просмотров.

Помимо этого, агенты могут быть уполномоченными представителями пользователя при общении с другими пользователями или их агентами, при решении порученных им задач.

Приведенные примеры, естественно, не исчерпывают всех возможностей использования мультиагентных систем, области применения современных MAC чрезвычайно широки — от систем управления сложными робототехническими устройствами и комплексами до различных сервисных систем и контроля безопасности платежных и банковских систем. MAC как часть интеллектуальных информационных технологий (ИИТ) представляют собой гибкий инструмент для повышения эффективности управления и самоорганизации современных высокотехнологичных компаний!

В заключение отметим, что в этой главе представлены самые общие — в силу их сложности и многомерности — сведения, касающиеся обсуждаемых вопросов. Более подробные сведения, а также описание конкретных подходов и моделей, таких как интеллектуальный поиск, методы кластеризации, обработка и анализ больших данных, удовлетворение ограничений и поиск консенсуса, быстрый логический вывод, графы планирования на основе генетических алгоритмов, программные агенты для работы интернете, алгоритмы Монте-Карло на основе цепи Маркова, методы обучения ансамбля агентов, методы статистического обучения, вероятностные модели естественного языка, вероятностная робототехника и этические аспекты применения искусственного интеллекта можно найти в монографиях и учебных пособиях, показанных в списке литературы. Книги К. С. Амелина, Н. О. Амелиной, О. Н. Граничина и В. И. Кияева, содержащие помимо текста описание лабораторных работ, выложены в свободном доступе на образовательном портале Интернет-университета информационных технологий (www.intuit.ru).

• [1] Кияев В. И., Герасимов Р. В. Интеллектуальный CRM на базе мультиагентного подхода. С. 50—94.