Обеспечение временных ограничений

Каждый агент, входящий в состав команды, должен получать информацию о внешней среде и непосредственно влиять на нее через свои действия, выполняя заданную подцель функционирования. Для адекватного взаимодействия с внешней средой агент должен удовлетворять требованию функционирования в реальном масштабе времени. Это требование подразумевает реализацию агентом процедуры выбора и принятия решений о своих действиях за выделенное время, гарантируя соответствие между скоростями реакции агента и изменений среды при максимально достижимом качестве решений. Выполнению этого требования препятствует то, что агенты обладают ограниченной «рациональностью» и «реактивностью», так как они имеют ограниченное быстродействие и память.

Управление командной работой в условиях временных ограничений предлагается осуществлять путем интеграции различных делиберативных механизмов планирования вычислений, в том числе полных моделей и алгоритмов решения задач, приближенных вычислений, контрактных и прерываемых anytime-алгоритмов. Приближенные вычисления реализуют модели решения задач и подзадач, различные по времени и качеству. Прерываемые алгоритмы основываются на том, что их выполнение может быть прервано в любой момент, причем к моменту прерывания обеспечивается получение определенного результата, качество которого возрастает с ростом предоставляемого времени. Контрактные алгоритмы обеспечивают получение решения к назначенному времени, а затем могут улучшать решение. Преимущество anytime-алгоритмов заключается в том, что при их использовании агент имеет некоторый вариант решения в любое заданное время после получения первого (грубого) решения.

В соответствии с данным подходом предполагается, что в состав агента кроме компонентов, свойственных соответствующей архитектуре агента, входят также библиотеки {L} алгоритмов решения задач принятия решений, разделенные по уровням и выполняемые агентом, а также модули MPMR планирования, мониторинга и перепланирования процесса принятия решений, также разделенные по уровням.

Библиотеки {L} могут включать полные и приближенные модели решения задач и подзадач, обладающие различной вычислительной сложностью, точностью, определенностью и полнотой учета различных факторов, а также контрактные и прерываемые anytime-алгоритмы.

Каждому алгоритму из {L} ставятся в соответствие так называемые условные профили их выполнения. Эти профили в общем случае задают условие применения алгоритма (выполняемую задачу, ситуацию предметной области и имеющиеся вычислительные ресурсы) и вероятностные (возможностные) показатели качества решений в зависимости от выделенного времени и показателей качества исходных данных.

Общую модель принятия решений агентом с учетом удовлетворения временных ограничений зададим в виде:

TC=,.

где M={mi} - множество задач, реализуемых агентом;

C={cj} - множество выделенных ситуаций предметной области, в которых может находиться агент;

R={rl} - вычислительные ресурсы агента (rl — количество ресурсов l-го типа);

T — временное ограничение на принятие решения;

P={ps} - профили алгоритмов из {L};

A=({(ar, tr, qr)}, p) — структура алгоритмов из {L}, используемых для принятия решений (ar — r-й алгоритм из {L}, tr — время выполнения ar, qr — показатель качества выполнения ar, p — отношение порядка, заданное на структуре алгоритмов);

RA: MCRTP max Q A — правила выбора структуры алгоритмов из {L} за заданное время T с наилучшим возможным качеством, реализуемых MPMR,.

Q — показатель качества принятия решений.

На рис. 3 показана обобщенная схема, отражающая процесс реализации предлагаемой техники принятия решений агентом. Здесь модуль МPMR включает три компоненты: планирования МP, мониторинга МM и перепланирования МR. На общие входы этих компонент приходят значения параметров от блока ограничений на компьютерные ресурсы. Последний получает информацию о текущем состоянии управляемого объекта и среды, формируемую модулем анализа текущей ситуации, который, в свою очередь, перерабатывает информацию, появляющуюся в моделях внутреннего состояния и мира объекта. При появлении новой информации на входах компонента МP формирует на выходе сигналы, определяющие заранее запланированные действия при выборе подходящих алгоритмов принятия решений, и подает их на входы компоненты МM. Компонента МR может корректировать запланированный выбор алгоритма принятия решения, если это необходимо. Компонента МM реализует откорректированный выбор алгоритма принятия решения из библиотеки алгоритмов. Выбранный таким образом алгоритм реализуется модулем принятия решений.

Реализация механизмов удовлетворения временных ограничений при принятии решений командой агентов предполагается на трех уровнях:

• (1) уровне решения общей задачи команды, предписывающей последовательность выполнения отдельных подзадач;
• (2) уровне отдельных подзадач, каждая из которых выполняется отдельным агентом и требует реализации последовательности определенных алгоритмов;
• (3) уровне реализации агентом конкретных алгоритмов.

Обобщенный алгоритм принятия решений агентом с учетом временных ограничений выполняется в виде непрерывного цикла и состоит из следующих шагов:

• (1) выбор, генерация и (или) модификация модели (плана) решения задачи;
• (2) прогнозирование требуемого времени и параметров качества формируемого решения;
• (3) определение, будет ли выполнена задача за отведенное время, и будут ли варианты решений удовлетворять заданным требованиям. Если ответ — отрицательный, выполняется переход на шаг 5;
• (4) реализация принятия решений в соответствии с выбранной моделью. Динамическое прогнозирование и отслеживание времени, требуемого для завершения решения задачи и показателей качества формируемого решения (для сравнения текущих и спрогнозированных значений). В случае расхождения значений — переход на шаг 3. Иначе — завершение алгоритма;
• (5) идентификация состояния процесса принятия решений и выбор (генерация) наиболее приемлемой Ап модели решения задачи, ее отдельных подзадач и алгоритмов. Переход на шаг 2.