АДАПТИВНЫЕ МУЛЬТИАГЕНТНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ В ОБРАЗОВАТЕЛЬНОЙ СРЕДЕ

Научная статья
Выпуск: № 5 (36), 2015
Опубликована:
2015/06/15
PDF

Воробьева И.А.

Кандидат педагогических наук, доцент,

ФГБОУ ВПО «Липецкий государственный педагогический университет»

АДАПТИВНЫЕ МУЛЬТИАГЕНТНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ В ОБРАЗОВАТЕЛЬНОЙ СРЕДЕ

Аннотация

В статье рассмотрена - Разработка технологии создания адаптивных многоагентных систем для формирования компетенций специалистов в условиях ограничения по времени, основанной на технологии нисходящего проектирования.

Ключевые слова: адаптивная многоагентная система, технология восходящего проектирования, технология нисходящего проектирования, адаптация к динамической среде.

Vorobеva I.А.

PhD in Pedagogic Sciences, Associate Professor,

FSEE HPE Lipetsk State Pedagogical University

ADAPTIVE MULTIAGENT INFORMATION SYSTEMS IN EDUCATIONAL ENVIRONMENT

Abstract

Development of technology for the creation of adaptive multi-agent systems for the formation of competences of experts in the conditions of the time limit, based on the top-down design techniques.

Keywords: adaptive multi-agent system, the technology bottom-up, top-down design technology, adapt to a dynamic environment.

Происходящее в настоящее время развитие сетевых web-технологий, информационных и коммуникационных технологий, использующих искусственный интеллект и базирующихся на объектно-ориентированном проектировании, способствует созданию адаптивных многоагентных систем (АМС), включающих в себя большие базы данных и знаний, многокомпонентные решатели и др. Разработчики информационных и коммуникационных технологий, использующие при разработке искусственных агентов, имеют мнение о них как мотивированных объектах, обладающих свойствами автономии, коммуникабельности и активности, которые действуют в сложных, динамических системах в виртуальной среде.

Для эффективного решения распределенных задач, реинжениринга бизнеса, совмещенного проектирования, при комплексной разработке компьютерных программ, организации совместной работы роботов, виртуального построения предприятий, использования имитационного моделирования в электронной торговле и в интегрированных производственных системах, широко используется агентно-ориентированный подход. Его использование способствует развитию средств управления знаниями и передачи информации, что в условиях глобализации компьютерных сетей позволит разрабатывать адаптированные многоагентные обучающие системы в образовании.

Рассмотрим методологию восходящего проектирования АМС при разработке адаптивных многоагентных обучающих систем. В первую очередь необходимо определение исходных функций, т.е. ролей агентов данной системы. Далее формулируются их обязательства по отношению друг к другу. На основе выделенных функций определяются исходные структуры и структуры, формируемые в процессе развития. Осуществляется проверка адекватности, выделенных структур на соответствие характеру решаемых в данной области задач. По нисходящему же проектированию осуществляется определение некоторых общих характеристик АМС согласно некоторым критериям, определяется некоторая организация данной системы, а затем определяются требования к архитектуре агентов этой системы (рис.1).

26-07-2018 11-41-27

Рис. 1 – Связь между моделями в методологии разработки АМС

Рассмотрим переход от некоторого класса АМС к конкретному объекту. В качестве примеров можно предложить параметры, задаваемые на полярных шкалах:

а) «специализация - универсальность»;

б) «достаточность – избыточность».

Показателем компетенции агента a для решения проблемы P является наличие у него некоторого объема специальных знаний, необходимых для решения поставленной задачи, характеризуемого степенью специализации или его пригодности s. Если s = 0, то агент универсален (всеведущ), когда s = 1, то агент предельно специализирован. В свою очередь, степень избыточности r характеризует число агентов, обладающих одними и теми же знаниями. Когда r = 0, имеется только один агент, способный выполнить данную задачу. Например, в АМС, основанной на кооперации специалистов, когда агенты не являются взаимозаменяемыми, s ® 1, а  r ® 0.

Можно выделить четыре граничных варианта организации МАС в зависимости от двух рассмотренных параметров [1].

1) Гиперспециализированная неизбыточная организация  (s = 1, r = 0):  каждый агент специализируется в решении только одной задачи, и более того, каждая задача может быть выполнена только одним из агентов. Этот тип организации отражает чисто функциональный подход (тейлоровскую организацию), когда каждая функция представлена в виде агента; для него характерна минимальная надежность и отказоустойчивость.

2) Специализированная избыточная организация (s = 1,  r = 1).  Каждый агент способен выполнять только одну задачу, которую могут выполнить и все другие агенты. Здесь речь идет о крайнем случае, когда все агенты имеют одни и те же знания. Иногда этот тип классической, функционально однородной организации используется локально для увеличения надежности системы.

3) Универсальная избыточная организация  (s = 0, r = 1). Каждый агент может выполнять множество различных задач, и каждая задача выполняется большим числом агентов.  Когда же избыточность равна числу задач, каждый агент является универсалом. Здесь основная проблема состоит в распределении задач между агентами.

4)Универсальная неизбыточная организация(s = 0, r = 0). Здесь каждый агент может выполнять несколько задач, но каждая задача выполняется лишь одним агентом.

Для формального определения МАС в русле восходящего подхода можно взять за основу понятие алгебраической системы по А.И.Мальцеву, которая выражается в виде тройки

S = (X, П, W),

где X–непустое множество, называемое носителем или основой системы, П –множество предикатов, W - множество операций. Очевидно, что система может быть многоосновной, и в этом случае X = (X,1…,Xn.).  Многоагентная система обычно включает как множество агентов, так и множество манипулируемых ими объектов, что может быть записано в виде X = A´O.

В случае, когда X=A, эволюционная многоагентная система определяется шестеркой [1]:

MAS = (X, E, R, AC, P, ST, EV),

где X = A = {1,..., n} – множество неоднородных агентов; E – множество сред, в которых может функционировать данная АМС;  R – семейство базовых отношений между агентами, причем это семейство отношений включает, по крайней мере, три типа отношений и может быть представлено разбиением

R = R1∪R2 ∪ R3 ,

где R1–множество горизонтальных (симметричных) отношений, R2–множество асимметричных отношений, направленных «сверху вниз», R3–множество нечетких асимметричных отношений, направленных «снизу вверх»; AC–множество действий агентов; P–множество коммуникативных актов, образующих протокол коммуникации в АМС; ST–множество состояний АМС; EV– множество эволюционных стратегий. Общий вид базовой структуры такой АМС представлен на рис.2.

26-07-2018 11-43-30 Рис. 2 – Общий вид базовой структуры АМС

Таким образом, для синтеза АМС необходимы анализ ее потребностей и определение факторов, осуществляющих адаптацию в динамичной среде. Что может привести её к усложнению или переходу в более упорядоченное состояние. При усложнении АМС осуществляется расширение спектра функций её агентов, или осуществляется периодическая их замена во время конкретных действий, что способствует поддержанию требуемой эффективности системы.

Литература

  1. Ferber J. Les systemes multi-agents. Vers une intelligence collective. – Paris: InterEditions, 1995.
  2. Поспелов Д.А. Многоагентные системы – настоящее и будущее // Информационные технологии и вычислительные системы. – 1998. – №1. – С.14-21.
  3. Вагин В.Н., Викторова Н.П., Головина Е.Ю. Многоуровневая логика как модель представления знаний в CASE-системе// Известия АН: Техническая кибернетика. – 1993. – № 5. – C.172-185.

References

  1. Ferber J. Les systemes multi-agents. Vers une intelligence collective. – Paris: InterEditions, 1995.
  2. Pospelov D.A. Multi-agent systems - Present and Future // Information technologies and computer systems. – 1998. – №1. – С.14-21.
  3. Vagin V.N., Viktorov N.P., Golovin E.Y. Multi-level logic as a model of knowledge representation in the CASE-system // Proceedings of the Academy of Sciences: Technical Cybernetics. – 1993. – № 5. – C.172-185.