РАЗРАБОТКА И РЕАЛИЗАЦИЯ ИНТЕЛЛЕКТУАЛЬНЫХ АГЕНТОВ-ОБЪЕКТОВ, ОСНОВАННЫХ НА НЕЙРОННЫХ СЕТЯХ В АГЕНТНО-ОРИЕНТИРОВАННОЙ СИСТЕМЕ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ - Студенческий научный форум

IV Международная студенческая научная конференция Студенческий научный форум - 2012

РАЗРАБОТКА И РЕАЛИЗАЦИЯ ИНТЕЛЛЕКТУАЛЬНЫХ АГЕНТОВ-ОБЪЕКТОВ, ОСНОВАННЫХ НА НЕЙРОННЫХ СЕТЯХ В АГЕНТНО-ОРИЕНТИРОВАННОЙ СИСТЕМЕ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ

 Комментарии
Текст работы размещён без изображений и формул.
Полная версия работы доступна во вкладке "Файлы работы" в формате PDF
 В настоящее время компьютерное моделирование становится широко распространенным и используется для исследования поведения реальных систем [1]. Различают аналитическое и имитационное моделирование. При аналитическом моделировании изучаются математические (абстрактные) модели реального объекта в виде алгебраических, дифференциальных и других уравнений, а также предусматривающих осуществление однозначной вычислительной процедуры, приводящей к их точному решению. При имитационном моделировании изучаемая система заменяется моделью, с достаточной точностью описывающей реальную систему и с ней проводятся эксперименты с целью получения информации об этой системе.

Тема имитационного моделирования актуальна для исследования систем, так как применение моделирования делает возможным исследование системы в случае, если:

  • · дорого или невозможно экспериментировать на реальном объекте;
  • · невозможно построить аналитическую модель: в системе есть время, причинные связи, последствие, нелинейности, стохастические (случайные) переменные;
  • · необходимо сымитировать поведение системы во времени.

Выделяют три вида моделирования: системная динамика, дискретно-событийное и агентное моделирование. Традиционные виды имитационного моделирования, к которым относят системную динамику и дискретно-событийное моделирование, обладают рядом недостатков, прежде всего сложностью добавления деталей к существующим моделям, их расширению и изменению. Кроме того, обычно необходимо знание глобальных законов поведения всей системы в целом.

Агентное моделирование является относительно новым направлением и позволяет сглаживать подобные недостатки и решать эти задачи с любой степенью точности. Отличие агентного моделирования от других видов состоит в том, что поведение агентной модели в целом строится из совокупности поведения отдельных индивидуумов - агентов. Поэтому агентное моделирование используется для исследования децентрализованных систем, динамика функционирования которых определяется не глобальными правилами и законами (как в других парадигмах моделирования), а наоборот, когда эти глобальные правила и законы являются результатом индивидуальной активности членов группы.

Центральным понятием агентного  моделирования является понятие агента. Одно из наиболее популярных определений понятия «агент» дали М. Вулдридж и Н. Дженнингс [2, 3]. Они считают, что агент - это программно или аппаратно реализованная система, обладающая следующими свойствами:

  • · автономность - способность функционировать без прямого вмешательства людей или компьютерных средств и при этом осуществлять самоконтроль над своими действиями и внутренними состояниями;
  • · общественное поведение - способность взаимодействия с другими, обмениваясь сообщениями с помощью языков коммуникации;
  • · реактивность - способность воспринимать состояние среды, в которой содержится агент;
  • · целенаправленная активность - способность агентов не просто реагировать на стимулы, поступающие из среды, но и осуществлять целенаправленное поведение, проявляя инициативу.

Можно предложить немало различных оснований для построения классификаций агентов [4]. Наиболее очевидными являются критерии классификации, связанные с полярными шкалами «естественное - искусственное» и «материальное - виртуальное». Еще одна пара взаимосвязанных критериев классификации опирается на дихотомии «сосредоточенное - распределенное» и «неподвижное - подвижное».

Но наиболее важным основанием для классификации можно назвать степень интеллектуальности агентов, то есть их модель поведения по отношению к окружающему миру. В одном случае, речь идет о трактовке агентов как объектов, самостоятельно решающих встающие перед ними задачи, а в другом они уподобляются простейшим организмам, непосредственно реагирующим на изменения среды в интересах выживания и адаптации [5].

Интеллектуальные агенты, благодаря богатым внутренним представлениям внешней среды и возможностям рассуждений, могут запоминать и анализировать различные ситуации, предвидеть возможные реакции на свои действия, делать из этого выводы, полезные для дальнейших действий и, в результате, планировать свое поведение. Именно развитые когнитивные и делиберативные способности позволяют таким агентам строить виртуальные миры, работая в которых они формируют планы действий. Тогда как реактивные агенты обладают очень ограниченным диапазоном предвидения и не способны планировать свои будущие действия.

Целью работы является разработка системы имитационного моделирования, сочетающей в себе наилучшие качества уже существующих систем агентно-ориентированного имитационного моделирования. Должны быть учтены такие требования к системе как кросс-платформенность и интеллектуальность агентов.

Перед разработкой системы были исследованы наиболее популярные системы агентного моделирования:

  • · NetLogo[6].
    Система NetLogo - это программируемая среда моделирования для моделирования естественных и социальных феноменов. Система является следующим поколением серии языков мультиагентного моделирования, которая стартовала с проекта StarLogo. Система NetLogo расширяет функциональность данного продукта и добавляет новые значительные свойства, например, такие как переконструированный язык и пользовательский интерфейс. Данная система позволяет пользователям оперировать моделями "на лету", динамически меняя поведение системы под действием различных условий. Система достаточно проста, что позволяет пользователям без квалификации программиста открывать и запускать уже готовые модели, или строить их самим.
  • · MASON[7].
    Агентно-ориентированная система моделирования MASON - это быстрая дискретно-ориентированная мультиагентная среда моделирования, представленная в виде набора библиотек на Java. Характерна такая особенность, как отделение модели от представления, что делает возможным переключение между различными визуализациями. Также модели являются воспроизводимыми, что делает возможным повторение моделирования даже на различных платформах.
  • · Ascape[8].
    Система Ascape - система моделирования, основанная на агентах и предназначенная для моделирования в общих целях. Она разработана для того, чтобы быть достаточно гибкой и мощной, но в тоже самое время и легкой для использования и представления результатов. Модели могут быть реализованы в Ascape с использованием меньшего количества кода, чем в других средах такого же рода. Это достигается с помощью высокоуровневого фреймворка поддерживающего комплексное проектирование модели, что позволяет пользователям без квалификации программиста постигать многие аспекты динамического моделирования.
  • · Repast[9].
    Система Repast представляет собой кросс-платформенную систему моделирования с широкими возможностями интероперабельности и интегрируемости. Она поддерживает разработку наиболее гибких систем взаимодействия агентов для проведения процедуры моделирования на рабочих станциях и небольших вычислительных кластерах. Система Repast позволяет задавать модель различными языками: Groovy[10], Java, ReLogo. Среда моделирования полностью объектно-ориентированная и поддерживает набор встроенных средств для обработки результатов моделирования (MatLab, SQL, Excel и так далее).

Из обзора можно сделать вывод, что системы моделирования склоняются к простоте разработки модели, чтобы разрабатывать модели могли не только пользователи с квалификацией программиста, но и обычные конечные пользователи, т.е. есть такие среды моделирования, которые обладают визуальными средствами конструирования и редактирования моделей. Среди исследованных систем к системам такого рода можно отнести NetLogo и Ascape.

Предлагается реализация, которая могла бы учесть основные преимущества рассмотренных систем, такие как:

  • · кросс-платформенность;
  • · объектная ориентированность;
  • · адаптируемость системы под пользователя;
  • · возможность динамического изменения модели;
  • · настройка на предметную область решаемой задачи;
  • · наличие визуального средства конструирования и редактирования модели;
  • · интеллектуальность агентов.

Далее будет рассмотрен предложенный подход к реализации системы.

Реализуемая система будет представлена на платформе Java, благодаря чему будет достигнута кросс-платформенность системы, так как исполнение Java-кода возможно на таких операционных системах, как Windows, Linux, Mac OS. Язык Java является объектно-ориентированным, что идеально подходит для агентной системы, где каждый агент может быть представлен в виде объекта.

Разработка будет вестись в соответствии со стандартами Java EE (Java Platform Enterprise Edition). Стандарт Java EE включает в себя несколько спецификаций API, таких как JDBC, RMI, web-services, XML и так далее, и определяет, как оперировать с ними. Это позволяет создавать мобильные и расширяемые приложения, и интегрировать их с существующими технологиями. Использование стандартов позволит сконцентрироваться на бизнес-логике системы, а не на ее инфраструктуре и задачах интеграции.

Интерфейс пользователя будет адаптируемым. Это означает, что пользователю системы будут предоставлены следующие возможности по изменению интерфейса:

  • возможность изменение языка;
  • возможность изменение цветовой гаммы;
  • изменение рабочей директории проекта (WorkSpace).

Предполагается, что пользователю будет предоставлена возможность по остановке процесса моделирования и изменения модели. Например, возможно добавление новых агентов или изменение характеристик уже существующих.

Также будет возможна сериализация и десериализация модели во время ее выполнения. Данные возможности делают систему более дружелюбной к пользователю и повышает управляемость системы, позволяя приостанавливать процесс моделирования, менять модель, и продолжить моделирование в любое удобное время, возможно даже на другой аппаратно-программной платформе

Возможность настройки на предметную область решаемой задачи достигается за счет представления предметной области онтологией. Онтологии будут представлены в утверждённом W3C консорциумом языке описания онтологий OWL, который на данный момент является наиболее распространенным языком описания онтологий. Данное свойство позволит просматривать и редактировать онтологии предметных областей в сторонних редакторах онтологий.

Разрабатываемая система моделирования будет обладать визуальными средствами конструирования и редактирования моделей с поддержкой языков DSL (Domain Specific Language), что позволит пользователю работать в рамках свойственной моделируемой предметной области терминологии.

Интеллектуальность агентов будет заключаться в наличии механизма логического вывода. Данный механизм основан на нейронных сетях, что позволит анализировать состояние среды и на основе этого принимать решений.

Список литературы

  1. Macal C. M., North M. J. Tutorial on agent-based modeling and simulation. // In the Proceedings of the 2005 Winter Simulation Conference. - 2005. - P. 2-15
  2. Wooldridge M., Jennings N. Towards a Theory of Cooperative Problem Solving //MAAMAW´94. - Odense, Denmark, 1994.
  3. Wooldridge M., Jennings N. Agent Theories, Architectures and Languages: a Survey // Intelligent Agents: ECAI-94 Workshop on Agent Theories, Architectures and Languages. - Berlin: Springer Verlag, 1995. - P. 1-22
  4. Тарасов В.Б. Агенты, многоагентные системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте //Новости искусственного интеллекта. - 1998. - №2. - С.5-6
  5. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: психология, философия, информатика. ‑ М:.Эдиториал УРСС, 2002. - 352 с
  6. Система моделирования "NetLogo" [Электронный ресурс] [Режим доступа: http://ccl.northwestern.edu/netlogo] [Проверено:21.01.2012]
  7. Система моделирования "MASON" [Электронный ресурс] [Режим доступа: http://cs.gmu.edu/~eclab/projects/mason] [Проверено:21.01.2012]
  8. Система моделирования "Ascape" [Электронный ресурс] [Режим доступа: http://ascape.sourceforge.net/index.html%23Contact] [Проверено:21.01.2012]
  9. Система моделирования "Repast" [Электронный ресурс] [Режим доступа: http://repast.sourceforge.net/] [Проверено:21.01.2012]
  10. Динамический язык для виртуальной машины Java "Groovy" [Электронный ресурс] [Режим доступа: http://groovy.codehaus.org/ ] [Проверено:21.01.2012]
Просмотров работы: 63