Software & Systems

При настройке оборудования сложных корпоративных сетей с поддержкой качества обслуживания возникает проблема поведения сети в различных нештатных ситуациях. Для ее решения предлагается интегрированная система проектирования ситуационного агентного моделирования (ИСП-САМ) корпоративных сетей.

Cистема представляет собой программный комплекс, включающий шесть основных систем (см. рис.): извлечения знаний, визуального проектирования моделей агентов на базе интегрированных атрибутных сетей Петри (СП), верификации спроектированных моделей агентов, библиотек моделей, сборки обобщенной модели и системы ситуационного моделирования.

Система извлечения знаний необходима для вербализации и фиксации моделей предметной области, создаваемых экспертами. В ее основу положены некоторые принципы объектно-струк­турного подхода, развитого в работах [1, 2].

В систему извлечения знаний заложены алгоритмы объектно-структурного анализа, реализующие два этапа процесса извлечения и структурирования знаний:

-    глобальный анализ распределенной системы поддержки принятия решений для корпоративных сетей, включающий разбиение предметной области на страты всей изучаемой области;

-    горизонтальный анализ, включающий построение многоуровневых структур по отдельным стратам.

В дополнение к алгоритмам объектно-струк­турного анализа в системе извлечения знаний ИСП-САМ используются: типы контролируемых характеристик и их предельные значения; цели и функции каждой страты САМ; реализуемые виды взаимосвязи между стратами; определения ситуаций, которые могут возникать в данной системе; типы и структура многоагентной интеллектуальной системы (МАИС) каждой страты; методы фаззификации исходных данных.

К функциям системы извлечения знаний, реализующей диалоговый режим работы, относятся следующие:

-    формирование иерархической структуры системы моделирования корпоративных сетей (определяются количество объектов в корпоративной сети, их взаимосвязи);

-    формирование МАИС каждого уровня САМ (определяются количество и типы агентов на ситуационном, событийном и структурном уровнях);

-    определение функций, которые реализуются на каждой страте системы (определяются функции, цели агентов);

-    взаимосвязи между агентами, обмен сообщениями между ними (определяются взаимовлияние агентов, типы сообщений между ними);

-    определение количества контролируемых характеристик и их предельных значений (на структурном уровне системы).

Система визуального проектирования моделей агентов обеспечивает создание визуальной модели отдельного агента на базе соответствующего модуля интегрированной атрибутной СП [3, 4] (нечеткой, нейронной, предикатно-переход­ной, комбинированной), реализуя это построение в следующей последовательности взаимосвязанных этапов.

·     Устанавливается структура модели агента на основе концепции построения агента для соответствующего уровня, определяются взаимосвязи с другими агентами данного уровня и агентами других уровней.

·     Строится структурная модель на базе соответствующего модуля ИСП, определяются значения меток (начальная маркировка), определяются условия активизации и условия срабатывания переходов модели.

·     Строится матричное представление модели агента (для агентов ситуационного анализа, взаимосвязи агентов, структурного уровня) по графическому представлению модели.

·     Формируются модели для передачи в систему верификации.

Таким образом, система проектирования моделей включает в себя ряд подсистем, называемых конструкторами, в результате взаимодействия с которыми получается модель агента, соответствующая его концептуальному описанию.

Такими конструкторами являются конструктор нечетких СП, конструктор построения нейронных СП, конструктор предикатно-переходных СП (обобщенных и ординарных), конструктор нечетких продукционных правил, которые позволяют построить модель агента в соответствии с его формальным описанием. Конструктор матричного представления дает возможность на основе графического представления агента построить его матрицу инцидентности.

Конструктор нечетких СП позволяет сформировать модель агента на базе предложенных в работе класса нечетких СП.

Конструктор задает значение метки в виде степени принадлежности µi, определяет значение условия активности и срабатывания нечеткого перехода по соответствующим формулам.

Конструктор построения нейронных СП предлагает шаблон построения нейронной СП, напоминающей перцептрон Розенблата и состоящей из трех слоев: входного, скрытого и выходного. Переходы во всех слоях, кроме выходного, функционируют, как в ординарных СП, переход в выходном слое реализует функцию единичного скачка при изменении штатной ситуации на нештатную.

Конструктор нечетких продукционных правил позволяет по типу нечеткого продукционного правила выбрать шаблон для соответствующей нечеткой СП: простое правило, фокусирующее, разветвляющее, составное, что упрощает построение нечетких продукционных правил для эксперта. В дальнейшем необходимо задать условия активности и срабатывания переходов, соответствующие нечетким СП.

Конструкторы построения моделей агентов на базе различных модификаций СП содержат следующие элементы, называемые менеджерами:

-    менеджер логического вывода обслуживает запросы на осуществление операций логического вывода, поступающие от агентов, в соответствии с его алгоритмом функционирования;

-    менеджер функционирования агента обеспечивает реализацию механизма выбора поведения для каждого агента, интерпретируя модель целеполагания, модель поиска решения;

-    менеджер управляющих действий поддерживает интерпретацию продукционных моделей поведения, выполняя предусмотренные этой моделью функциональные преобразования, формируя в случае необходимости запросы к менеджеру логического вывода и отправляя создаваемые агентом сообщения.

Система верификации моделей состоит из конструкторов матричной верификации (вычисляющих Р- и Т-инварианты модели), построения графа достижимых состояний, обучения нейронной СП, тестирования обученной нейронной СП.

Для верификации моделей, построенных на базе различных расширений СП, используется модифицированный алгоритм Фаркаса [3], позволяя определить достижимость, живость, отсутствие тупиков и непроизводительных циклов моделей на основе вычисления системы инвариантов по позициям (Р-инвариант) и переходам (Т-инвариант) моделей агентов. Конструктор построения графа достижимых состояний используется для моделей агентов, реализующих продукционные правила вывода. На базе графа достижимых состояний проверяются те же свойства, что и на алгоритме Фаркаса. Конструктор обучения нейронной СП помогает провести ее обучение на базе определенной временной выборки результатов. Так как необходим кратковременный прогноз, выборка представляет собой 15–20 значений. С помощью конструктора тестирования обученной нейронной СП проверяется точность прогнозирования, при несоблюдении заданной точности обучение проводится вновь.

Система обслуживания библиотек моделей состоит из конструктора хранения верифицированных моделей агентов, а также конструктора поиска и выборки моделей агентов.

Система сборки обобщенной модели системы ситуационного моделирования содержит конструкторы сборки моделей сети на структурном уровне, сборки объекта сети (маршрутизатора, коммутатора и т.д.), сборки подсети и корпоративной сети.

В систему ситуационного моделирования входят конструкторы задания начальных данных, реализации ситуационного моделирования, реализации команд ЛПР, промежуточного и окончательного анализа результатов моделирования.

Разработанная система построена по модульному принципу и является открытой для подключения новых модулей во всех подсистемах, что позволяет учитывать появление новых расширений аппарата СП и методов их исследования. В данной системе реализованы два режима ра- боты:

-    разработка собственных моделей агентов на базе модулей ИСП или при добавлении новых модулей ИСП разработка принципиально новых моделей агентов;

-    сборка исследуемой распределенной системы поддержки принятия решений на базе существующих в библиотеке моделей агентов.

Первый режим предлагается для экспертов и продвинутых пользователей (администраторов сети), второй – для обычных пользователей.

Разработанная система содержит библиотеку предварительно сконфигурированных объектов, которые представляют сетевое оборудование. Использование этих объектов значительно сокращает время на разработку новых моделей и позволяяет быстро развертывать настроенные прикладные программы.

В системе компоненты библиотеки организованы в виде объектной иерархии. Объекты обладают свойствами ограниченной видимости, полиморфизма, наследования.

В каждой модели определяются ключевые параметры позиций и переходов на базе ИСП, имеющие возможность настройки в реальном устройстве, и из этих параметров собирается таблица настроек компонента, доступная для изменений пользователем. Таблица позволяет настраивать узел и систему в целом для реализации различных политик управления. Имеется возможность сохранения нескольких комплексных настроек каждого устройства.

Создание моделей новых устройств возможно как с нуля, так и с помощью копирования и последующего редактирования уже созданных моделей.

При компоновке системы ситуационного моделирования используются компоненты с уже созданными моделями ИСП. Задача пользователя сводится к соединению устройств и настройке параметров компонентов системы ситуационного моделирования из таблицы параметров и параметров соединительных линий передачи. Кроме этого, необходимо определить требования и задачи ситуационного моделирования и запустить сам процесс.

Литература

1.   Гаврилова Т.А. Базы знаний интеллектуальных систем. СПб: Питер, 2000. 384 с.

2.   Швецов А.Н., Яковлев С.А. Распределенные интеллектуальные информационные системы. СПб: Изд-во СПбГЭТУ «ЛЭТИ», 2003. 318 с.

3.   Суконщиков А.А., Давыдов Д.В. Методы и модели анализа сетей АСУ с поддержанием качества обслуживания. Вологда: ВоГТУ, 2007. 139 с.

4.   Суконщиков А.А., Крюкова Д.Ю. Системы поддержки принятия решений на базе аппарата сетей Петри // Информационные технологии в проектировании и производстве. 2008. № 3. С. 45–49.