Авторитетность издания
Добавить в закладки
Следующий номер на сайте
Архитектура интегрированной системы проектирования ситуационного агентного моделирования
Аннотация:В статье рассматриваются вопросы построения интегрированной системы проектирования ситуационного агентного моделирования. Модели агентов позволяют провести исследование различных ситуаций, которые возникают в сложной динамической системе. Все модели агентов выполнены на базе единого математического аппарата – интегрированных атрибутных сетей Петри, которые включают в себя такие расширения, как нечеткие сети Петри, предикатно-переходные сети, нейронные сети Петри.
Abstract:In article questions of construction of the integrated system of designing situational agent modelling are considered. Models of agents allow to carry out research of various situations which arise in complex dynamic system. All models of agents are executed on the basis of the uniform mathematical device – integrated attribute networks Petri which include such expansions as the indistinct networks Petri, predicate-transitive networks, the neural networks Petri.
Авторы: Суконщиков А.А. (avt@vstu.edu.ru) - Вологодский государственный технический университет, г. Вологда, Россия, кандидат технических наук, Суконщиков К.А. (avt@vstu.edu.ru) - Вологодский государственный технический университет | |
Ключевые слова: модели агентов, аппарат сетей петри, многоагентная интеллектуальная система, ситуационное моделирование |
|
Keywords: models of agents, the device of networks Petri, multiagent intellectual system, situational modelling |
|
Количество просмотров: 9669 |
Версия для печати Выпуск в формате PDF (4.85Мб) |
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. |
Постоянный адрес статьи: http://swsys.ru/index.php?page=article&id=2371 |
Версия для печати Выпуск в формате PDF (4.85Мб) |
Статья опубликована в выпуске журнала № 4 за 2009 год. |
Назад, к списку статей