Разработка и реализация методов формально-логической спецификации самонастраивающихся мультиагентных систем с временными ограничениями

• Автор: Бугайченко, Дмитрий Юрьевич
• Шифр специальности: 05.13.11
• Научная степень: Кандидатская
• Год защиты: 2007
• Место защиты: Санкт-Петербург
• Количество страниц: 259 с.

Оглавление
Введение.

Глава 1. Основные понятия

1.1. Понятие агент

1.2. Интеллектуальный агент.

Глава 2. Модель интеллектуального агента

2.1. Формальные модели распределенных систем

2.2. Модель интеллектуального агента

2.3. Знания и представления агента .

2.4. Цели и желания агента

2.5. Планирование

2.6. ВIагент
Глава 3. Модель мультиагентной системы
3.1. Коммуникация агентов.
3.2. Расширенные представления
3.3. Коалиции.
Глава 4. Логика спецификации интеллектуального агента
4.1. Спецификация поведения системы
4.2. Спецификация ментальных состояний .
4.3. Логика спецификации интеллектуального агента
Глава 5. Алгоритмы верификации для логики спецификации интеллектуального агента.
5.1. Символические алгоритмы
5.2. Алгоритмы верификации
Глава 6. Логика спецификации мультиагентной системы
6.1. Синтаксис
6.2. Семантика
6.3. Алгоритмы верификации.
6.4. Пример .
Глава 7. Планирование в ограничениях
7.1. Существующие подходы к планированию.
7.2. Постановка задачи.
7.3. Основная структура алгоритма .
7.4. Построение планов для формул .
Глава 8. Накопление и анализ опыта
8.1. Символическое представление опыта и операции с ним
8.2. Методы анализа и построения обобщений
Заключение .
Приложение А. Анализ алгоритмов
А.1. Анализ алгоритмов верификации интеллектуального агента . . . 8 А.2. Анализ алгоритмов верификации мультиагентной системы 8 А.З. Анализ алгоритмов планирования.
Приложение Б. Реализация алгоритмов.
Б.1. Формат входных файлов
Б.2. Алгоритмы верификации.
Б.З. Алгоритмы планирования .
Б.4. Тестовые приложения.
Литература


Приложение Б содержит описание реализации алгоритмов планирования и верификации, их архитектуре, формате входных файлов, а также тестов, использовавшихся для проверки их работоспособности. Алгоритмы верификации и планирования реализованы в виде консольных приложению. Для преобразования входных файлов в дерево объектов используется платформа . NET 2. С#. На основе полученного дерева строится дерево объектов C++, которые используются для проведения основных вычислений. Использование гибридного С#/С++ решения позволяет использовать богатый набор классов . NET Framework для анализа и разбора XML, не потеряв при этом в производительности основного алгоритма. В качестве пакета разрешающих диаграмм используется пакет университета Колорадо CUDD, иортированный иод операционную систему Windows с использованием набора библиотек и компиляторов MinGW. Все использованные в разработке программы, библиотеки и пакеты свободно распространяются для научных целей и некоммерческого использования. Основные результаты. В рамках диссертации разработана математическая модель интеллектуального агента, описывающая такие аспекты деятельности агента, как взаимодействие с внешней средой, неполнота информации, способность к анализу и накоплению опыта, ограничения на время реакции, управляемое целями поведение и планирование действий. Кроме того, разработана математическая модель мультиагеитиой системы, включающая такие аспекты деятельности сообщества интеллектуальных агентов, как коммуникация, координация и кооперация агентов. Для спецификации свойств математической модели интеллектуального агента разработан логический формализм, позволяющий описывать свойства поведения агента, а также его ментального состояния. Кроме того, разработан логический формализм для спецификации мультиагеитиой системы с временными ограничениями MASL, включающий логику спецификации интеллектуального агента и расширяющий её средствами описания свойств определенных групп агентов (коалиций). Корректность, завершаемость и полнота алгоритмов доказаны, кроме того, доказано, что их алгоритмическая сложность не превосходит полинома от размера модели и длины формулы. Разработаны и реализованы алгоритмы построения мультиагентных планов, удовлетворяющих спецификации МАЗЬ и использующие технику символического планирования. Корректность и завершаемость алгоритмов доказаны, кроме того, доказано, что их алгоритмическая сложность не превосходит полинома от размера модели и экспоненты от длины формулы. Кроме того, предложены методы накопления и анализа опыта в символической форме с помощью разрешающих диаграмм, позволяющих в относительно компактной форме хранить весь опыт системы и быстро преобразовывать этот опыт в структуры, удобные для символических алгоритмов построения планов и верификации. Понятие “агент” в последнее время было адаптировано ко многим областям как прикладного и системного программирования, так и к исследованиям в областях искусственного интеллекта и распределенных интеллектуальных систем. Причем в каждом конкретном случае понятию придавалось несколько различное значение. В этом разделе мы зафиксируем понятие “агента”, которое будет использоваться далее в работе. Основным отличительным свойством агентов является то, что агенты совершают действия. Далее часто утверждается, что агенты не просто совершают действия, но они действуют автономно и рационально. Под автономностью обычно понимают, что агент действует без прямого вмешательства человека или другой управляющей сущности. С понятием рациональности все не так просто, но часто под рациональностью понимают стремление агента оптимизировать значение некоторой оценочной функции. Мера рациональности неявно указывает на то, что агент имеет цели, которых агент “хочет” достичь, и представления о внешнем мире, на которые агент опирается при выборе действия. Еще одним важным свойством агента является то, что он помещен во внешнюю среду, с которой он способен взаимодействовать. Как правило, среда не контролируется агентом, т. В итоге, можно сформировать следующее определение агента, адаптированное многими современными исследователями.