Согласованные решения в мультиагентной информационной системе

• Автор: Кудрявцев, Константин Николаевич
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2011
• Место защиты: Челябинск
• Количество страниц: 148 с. : ил.

Содержание
Введение
Глава 1. Гарантированные исходы и риски
§1. Формализация гарантированного по исходам и рискам
решения для интеллектуальных агентов
§2. Свойства
§3. Существование
§4. Распределение предварительных исходов
между интеллектуальными агентами
§5. Линейно-квадратичный случай модели (1.1)
§6. Модель с сепарабельными оценочными функциями
§7. Модель рынка бесконечно делимого товара
с двумя товаропроизводителями и учетом импорта
Глава 2. Динамическая линейно-квадратичная МИУС
§8. Формализация гарантированного по исходам и рискам
решения
§9. Построение гарантированного по исходам и рискам
решения
§10. Модельный пример
Заключение
Литература

Введение
Одной из важнейших задач теоретических основ информатики является разработка и анализ моделей информационных процессов, в частности, в мультиагентных информационно-управляющих системах (МИУС). В диссертации для МИУС учитываются, во-первых, взаимодействие интеллектуальных агентов, выражающееся в выработке совместных действий, во-вторых, наличие двухуровневой иерархии в передаче информации.
Разработка технологии и исследование взаимодействий интеллектуальных
агентов, а также создание мультиагентных систем представляет собой одну из наиболее важных областей развития новых информационных технологий. У специалистов по информационным технологиям сформировалось и вошло в широкий научный обиход представление об интеллектуальных агентах как автономных, активных, а главное мотивированных объектах "живущих" и "действующих" в сложных виртуальных средах, в частности, в информационных системах [1,4,16-19,42,100,101]. Уже сегодня агентный подход находит широкое применение в таких областях как распределенное решение сложных задач, построение виртуальных предприятий, имитационное моделирование интегрированных производственных систем. В ближайшем будущем он несомненно займет центральное место при развитии средств управления информацией и знаниями.
В теории мультиагентных систем (МАС) обычно предполагается, что отдельный агент может иметь лишь частичное представление об общей задаче и способен решить только некоторую ее подзадачу. Поэтому для решения сколько-нибудь сложной проблемы, как правило, требуется взаимодействие агентов. Этот социальный аспект решения задач - одна из фундаментальных характеристик новизны как передовых компьютерных технологий, так и искусственных (виртуальных) организаций, строящихся как МАС [5,18,67,72,74,80,82,86,93,95,99].
Предыстория* теории агентов связана в первую очередь с описанием‘реактивных агентов в контексте проблематики искусственной жизни, которая восходит к работам У.Питтса и У.МакКаллока по формальным нейронам, Дж.фон Неймана по самовоспроизводящимся автоматам, А.Н.Колмогорова по теории сложности, У. фон Форстера по теории самоорганизации, У.Эшби по гомеостазису, Г.Уолтера по реактивным роботам, Дж.Холланда по генетическим алгоритмам. Особое место в этом ряду занимает школа коллективного поведения автоматов М.Л.Цетлина [55,56]. В работах этой школы [28,47,56]
*ниже кардинально использован исторический обзор из [50]

впервые в мире был поставлен вопрос о возможности моделирования целесообразного поведения в стационарной среде при рассмотрении коллектива реактивных агентов минимальной сложности. Как показал М.Л.Цетлин, если среда является стационарной и вероятностной (реакции среды на действия агента выдаются с неизменным для каждого действия распределением), то для организации целесообразного взаимодействия со средой достаточно иметь в качестве агента конечный автомат определенной структуры. Расширение адаптивности агентов достигалось за счет перехода к автоматам переменной структуры. Это решение обеспечивало лишь некоторый, весьма невысокий уровень целесообразности, величина которого зависела от свойств среды.
Дальнейшее развитие этого направления связано с разработкой элементов теории локально организованных систем [48]. Подробнее о работах школы коллективного поведения в книгах [5,6]; сопоставление тенденций развития этого направления с некоторыми результатами теории MAC проведено В.Л.Стефашоком в работе [49].
В 60-е - 70-е годы сформировались еще две школы моделирования интеллектуальных агентов и их свойств - школа рефлексивного поведения В.А.Лефевра [29] и школа нормативного социального поведения Д.А.Поспелова [43,44]. В частности, было предложено описание действий (поведенческих актов) агентов фреймами поступков, представляющих собой пары взвешенных графов специального вида ("замысел - реализация"). В этой модели уже принимаются во внимание такие социальные факторы как намерения, ожидаемые оценки, нормы.
В США одним из первых ученых, предложившим распространить ментальные свойства на искусственные объекты, рассматриваемые в искуственном интеллекте (ИИ), и трактовать ментальную сферу как следствие взаимодействия между активными объектами стал М.Минский [87]. Им описан ряд механизмов возникновения интеллектуального поведения в результате конфликтов и сотрудничества между простейшими вычислительными единицами, которые он называет агентами. Каждый из этих агентов "отвечает" за то или иное ментальное свойство, причем их взаимодействие происходит спонтанно, без участия какого-либо управляющего агента.
Пожалуй, наибольшую роль в становлении распределенного искуственно-го интеллекта (РИИ) сыграли работы К.Хьюитта в области открытых систем и теории акторов [78,79]. Так в начале 70-х годов, разработав систему PLANNER, предназначенную для доказательства теорем, К.Хыоитт раскрыл важнейшую роль процессов коммуникации и управления в организации и понимании рассуждений. При этом процесс решения задачи группой экспертов

Наконец, аналогично свойству 2.1 (с учетом леммы 1.4) доказывается Свойство 2.3. Соглашение ж* е X, удовлетворяющее (1.14), т.е.
Мх, ур) + /2(ж, ур) < Л (ж*, ур) + /2(ж*, ур) Уж € X,
максимально по Джоффриону в четырехкритериальной задаче
( X, Щж*, у), -Ф;(ж*, 2/)}г—4,2 )• (2.13)
Замечание 2.3. Определения 1.1 и 1.2 "достаточно полные": они включают, как частные случаи, общепризнанные понятия из теории игр., именно
— седловую точку бескоалиционной игры (1.14) - (1.16),
— максимина и максиминной стратегии из (1.17),
— дележа классической кооперативной игры с побочными платежами (если в (1.1) или (1.21) положить У = 0 или у = {0т} - нулевому т-вектору),
а также из теории многокритериальных задач
— оптимум (максимум и минимум) по Джоффриону (свойства 2.1 и 2.3); эти понятия следуют из определений 1.1 и 1.2, если в моделях (1.1) или (1.21) считать X = 0 или положить ж = {ОД.
2.3. Свойства гарантированных исходов и рисков
Свойство 2.4. При любых постоянных щ (г = 1,2) гарантированные исходы модели (1.21) и модели
( {1,2},{Х^}г==112,У, Щж,у) = /г(ж, у) + щ}г=1,2 ) (2.14)
связаны равенствами Д* = /г* + а,- (г = 1,2), а гарантированные риски Ф* (г = 1,2) и соглашения х*(у), реализующие эти исходы и риски, совпадают. Доказательство. Во-первых, покажем что функции риска для моделей (1.21) и (2.14) совпадают
Фг (ж (?;),?/) = 1г(хР(у),у)~1г(х(у),у) =
= [Мхр(у),у) + щ] - [Д(ж(у), у) + т] =
= Мхр(у),у) - Мх(у),у) = Ффж(у), у). Во-вторых, проверим справедливость требований 1°, 2° и 3° определения 1.2:
1°. (1.23) шах-М1{х(у),у) + а1 + /2(х(у),у)--а2 =
= [/г(жДу),г/) + сц + /2(ж*(у),у) + а2]