ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Journal influence

Higher Attestation Commission (VAK) - К1 quartile
Russian Science Citation Index (RSCI)

Bookmark

Next issue

4
Publication date:
09 September 2024

Contemporary issues of practical use of multiagent systems

The article was published in issue no. № 3, 2012 [ pp. 40-44 ]
Abstract:This article describes the current issues of building and practical use of multiagent systems and architectures which programmer-designers face in the course of solution of practical problems in various subject fields. Various viewpoints on multiagent platform and peculiarities of its usage in the course of building of intelligent software were outlined on the basis of contemporary understanding of mutliagent architecture and its role in practical applications. The hybrid solution based on combination of intelligent and classical algorithms of optimization to build automated resource management system in transport logistics is described. Solution MAXOPTRA is given as an example; it ensures complex management of orders and shipping in the forwarding company working in the field of cargo-and –passenger transportation and the results of complex automation of transport planning processes at regional branches of ROSINKAS. The article reviews application of multiagent technologies in modeling problems through the example of the hotel management problem; in addition, parallels were drawn between approaches on organization of management system in transport logistics and organization of hotel services management, which allowed the possibilities of unifying of multiagent approaches to be highlighted. As a result, the common basis for a set of business issues was emphasized and architecturally formalized in the form of multiagent platform: basic algorithms include orders consolidation on resource, «constraint stressing», planning of bound schedules of several resources. Keywords: software platforms, multi-agent technology, resources management.
Аннотация:Описываются актуальные проблемы построения и практического использования мультиагентных систем и архи-тектур, с которыми сталкиваются разработчики-программисты при решении практических задач в различных пред-метных областях. На основе современного понимания мультиагентной архитектуры и ее роли в практических при-ложениях обозначены различные точки зрения на мультиагентную платформу и особенности ее использования при построении интеллектуального программного обеспечения. Описано гибридное решение, основанное на комбинации интеллектуальных и классических алгоритмов оптимизации для построения автоматизированных систем управления ресурсами в транспортной логистике. В качестве примера указаны решение MAXOPTRA, которое обеспечивает комплексное управление заказами и флотом транспортно-экспедиционной компании, работающей в сфере грузопас-сажирских перевозок, и результаты комплексной автоматизации процессов планирования перевозок в региональных подразделениях РОСИНКАС. Рассмотрено применение мультиагентных технологий в задачах моделирования на примере задачи управления отелем, при этом проведены параллели между подходами по организации системы управления в транспортной логистике и организации управления службами отеля, что позволило выявить возможности унификации мультиагентных подходов. В результате выделен общий базис для целого ряда бизнес-проблем, ар-хитектурно формализованный в виде мультиагентной платформы: к числу базисных алгоритмов отнесены консоли-дация заказов на ресурсе, «constraint stressing», планирование связанных расписаний нескольких ресурсов.
Authors: ( inozemtsev@magenta-technology.ru) - , ( inozemtsev@magenta-technology.ru) -
Keywords: Разрешить написание латиницей management of resources, multi-agent technology, software platforms
Page views: 11195
Print version
Full issue in PDF (7.64Mb)
Download the cover in PDF (1.33Мб)

Font size:       Font:

Отсутствие универсальных методов решения сложных задач является важной специфической проблемой, стоящей перед современным прак- тикующим программистом. С одной стороны, существуют разнообразные интеллектуальные технологии, позволяющие использовать нечеткую логику, аналогии с природными механизмами самоорганизации, нейронные и семантические сети и т.п., с другой – в практических задачах автоматизации требуется обеспечить оптимизационные стратегии, для чего необходимы четкая постановка задачи и возможность добиваться предсказуемого поведения ПО.

Научно-производственная компания «Маджента Девелопмент» (г. Самара) (международное название Magenta Technology) – системный интегратор интеллектуальных систем и разработчик индивидуальных решений по планированию распределенных ресурсов в транспортной логистике, на производстве, в медицине и в сети Интернет – имеет достаточно серьезный опыт разработки интеллектуальных программных систем в транспортной логистике. Начав с небольших проектов, в которых участвовали в основном ученые, занимавшиеся теоретическими исследованиями в области искусственного интеллекта, и студенты, компания, имея в своем коллективе более 100 опытных разработчиков, выросла в серьезный производственный центр, поддерживающий все стадии ведения программных проектов и разработки продуктов.

По мнению специалистов, следует обозначить ряд проблем, остро стоящих перед многими разработчиками интеллектуальных программных продуктов нового поколения. В данной статье рассматриваются прикладные аспекты практического применения научных методов и алгоритмов в задачах распределения ресурсов.

Проектирование и реализация программной архитектуры

Архитектура сложного программного комплекса [1] во многом определяет его основные характеристики и в конечном итоге влияет на реализацию основных требований, связанных с производительностью, качеством и функциональными возможностями. Под архитектурой программы понимают структуру, которая включает программные компоненты с различными свойствами и отношениями между ними.

В мультиагентных/многоагентных системах [2, 3] мультиагентная архитектура может рассматриваться как отдельный объект исследования, что позволяет реализовывать современные парадигмы разработки приложений, построенных как открытые сообщества взаимодействующих активных программных компонентов. На практике такое разделение означает возможность отделения логики взаимодействия программных агентов от логики решения оптимизационных задач, определяемой спецификой предметной области.

Архитектура мультиагентной системы явным образом определяет понятие платформы, которая является программно-методической основой для разнообразных клиентских приложений. В этом контексте следует рассматривать различные точки зрения на мультиагентную платформу.

1.     Платформа как средство построения агента и управления его жизненным циклом. С этой точки зрения программный комплекс описывается как ряд библиотек, позволяющих создавать агентов, управлять их поведением, описывать их состояние и предоставлять им сервисы по обмену сообщениями согласно заранее определенным протоколам.

2.     Платформа как основа создания различных приложений для решения определенного спектра задач. В этом контексте программный комплекс содержит ряд функциональных возможностей по реализации основных требований, а также построению на своей основе нового функционала под специфические требования нового клиента.

3.     Платформа как средство реализации стандартизированной функциональности, позволяющей пользователям обеспечивать требуемую эффективность работы. Основное отличие от предыдущей точки зрения в том, что при возникновении специфического требования в первом случае оно удовлетворяется путем реализации специализированной программной надстройки, а во втором – модифицируется в одно из заранее предусмотренных требований, при этом заказчик фактически обязуется изменить свои бизнес-процессы, подстраиваясь под возможности системы.

Практика показывает, что однозначно определить, какая архитектура лучше, нельзя, однако учитывать эти различия необходимо, во-первых, при разработке мультиагентных систем и выборе стратегии их развития, а во-вторых, при согласовании требований и планов работы с заказчиками, а также в процессе предпродажных переговоров.

В компании «Маджента Девелопмент» в качестве основной платформы для транспортной логистики разработано решение MAXOPTRA, которое обеспечивает комплексное управление заказами и флотом современной транспортно-экспедицион­ной компании, работающей в сфере грузопассажирских перевозок. Эта платформа построена по принципу 2, однако для различных предметных областей разработаны также типовые решения по принципу 3, что позволяет проще позиционировать данную разработку на рынке программ для транспортной логистики.

В основе решения лежит программная платформа для обеспечения согласованного взаимодействия всех участников процесса перевозок: логистов, диспетчеров, экспедиторов и заказчиков, что позволяет существенно (на 15–20 %) повысить производительность и эффективность работы транспортной сети, сократить транспортные расходы за счет автоматического планирования кругорейсов и снизить нагрузку на сотрудников компании до 75 %.

Комбинация интеллектуальных и классических алгоритмов

К сожалению, опыт показывает, что применение чистых мультиагентных технологий, основанных на свободном взаимодействии агентов, для решения практических задач не всегда возможно. В частности, многие эксперименты, как имитационные, так и натурные, позволили выявить следующие проблемы: низкая скорость работы механизма планирования; сложность настройки/подбо­ра коэффициентов, влияющих на качество плана; зачастую неожиданная реакция на изменение коэффициентов и отсутствие сходимости задачи по настройке оптимального набора коэффициентов для качественного планирования; низкая повторяемость результатов планирования, приводящая к существенному перекраиванию расписания при незначительных (с точки зрения заказчика) изменениях в исходных данных либо при внесении поправок в течение рабочего дня.

Однако эти проблемы не должны останавливать разработчиков от использования мультиагентных архитектур, так как фактически они представляют собой современную парадигму программирования, дающую возможность строить распределенные современные системы, но сами по себе не позволяющие решать оптимизационные задачи.

Таким образом, исходя из практики разработки и внедрения промышленных мультиагентных приложений, можно сделать вывод о целесообразности использования гибридного подхода, основанного на органичном совмещении как эволюционных интеллектуальных алгоритмов поиска решений, так и классических сетевых алгоритмов оптимизации. Такое решение объединяет достоинства разных методов и технологий, минимизировав при этом известные отрицательные эффекты.

В транспортной логистике наибольшую практическую пользу принесли сетевые алгоритмы оптимизации, реализующие варианты метода ветвей и границ. Данные алгоритмы просты в реализации с помощью мультиагентной архитектуры, быстро адаптируются для конкретной оптимизационной задачи и позволяют обеспечить требуемую эффективность загрузки транспортных ресурсов.

В качестве примера приведем проект компании по комплексной автоматизации процессов планирования перевозок в региональных подразделениях РОСИНКАС. Применение системы управления маршрутами инкассации и перевозки наличных денег в пилотном регионе позволило возместить затраты на разработку и внедрение проекта за 7 месяцев.

Моделирование как средство решения сложных задач

Указанные выше принципы не отменяют возможность эффективного применения мультиагентных технологий на практике. Действительно, в задачах поддержки принятия решений возможность описания новой предметной области как сети взаимодействующих агентов позволяет достаточно просто формализовать базовые стратегии взаимодействия, а имитационное моделирование основных процессов такого взаимодействия – изучить основные закономерности и определить ситуации, которые человек часто не может предугадать. В этом смысле мультиагентные миры показывают высокую полезность в качестве средства моделирования реальных процессов в экономических системах и организациях.

Например, сегодня у менеджеров, применяющих новые подходы в управлении предприятием, коллективом, процессом производства, одной из наиболее популярных методологий является теория ограничений Голдратта [4, 5]. При этом, управляя по-новому, они практически не используют информационные системы для моделирования принимаемых управленческих решений, а полагаются только на свой опыт и чутье.

Теория ограничений исходит из предпосылок, что современные системы, которыми приходится управлять менеджеру, слишком сложны, а внешние изменения непредсказуемы, из-за чего невозможно улучшить управляемую систему за счет построения идеальной математической модели. Вместо этого улучшение достигается итерационно путем выявления и устранения узких мест. В основе теории ограничений лежит следующий принцип: производительность всей системы лимитируется несколькими ограничениями, устранение которых позволяет увеличить производительность всей системы.

Отвергая возможность построения математической модели управляемой системы, теория ограничений использует метод логических рассуждений как инструмент выявления узких мест в системе: может дать ответ, в каком месте управляемой системы, предположительно, нужно сфокусировать изменения, направленные на улучшение, но не может дать количественную оценку. Например, в [5] для задачи управления отелем указывается, что на стадии планирования неизвестно, какой запас прочности следует заложить, чтобы службы отеля работали на высоком уровне. Если бы для каждого предприятия существовала математическая или статистическая формула расчета необходимого количества резервных ресурсов, то стать менеджером было бы намного проще.

Для примера: «Маджента Девелопмент» реализован пилотный проект, цель которого – использование мультиагентного модуля планирования для реализации имитационной модели и количественная оценка решений, полученных на основе модели рассуждений Голдратта. Суть задачи состояла в следующем: владелец отеля теряет деньги, клиенты отеля недовольны уровнем обслуживания; владельцу необходимо предпринять управленческие шаги, чтобы вывести предприятие из кризиса. В качестве входных данных для решения задачи рассматриваются жалобы посетителей, которые сводятся к следующему списку: 204 касаются ресторана, 166 – работы лифта, 127 – размера комнат, 125 – очереди при регистрации, 94 – обслуживания и уборки номеров, 10 – неработающего оборудования.

С целью моделирования данной проблемы построен мир агентов системы управления отелем на основе мультиагентной платформы, разработанной для транспортной логистики. Мир агентов включает: клиентов, заказы на обслуживание в ресторане и заказы на регистрацию в гостинице; агентов лифта, ресторана, рецепции с описанием соответствующих отношений «Рецепция – Лифт», «Рецепция – Ресторан» и «Рецепция – Расписание».

По сути эта картина во многом повторяет мир агентов, созданный для транспортной логистики. Типы агентов и их аналоги в области логистики перечислены в таблице.

Агент мира отеля

Агент мира логистики

Аналог в логистике

Клиент

Заявка от клиента

Заказ от клиента на перевозку нескольких типов грузов

Заказ на обслуживание в ресторане, заказ на регистрацию

Заказ на перевозку конкретного груза

Заказ, непосредственно планируемый на ресурсы, имеет определенный тип. Для типа заказа можно указать типы ресурсов, которые будут использоваться для планирования данного заказа. Например, заказ на регистрацию и заказ на ресторан – это заказы, исполняемые разными типами ресурсов

Лифт, Ресторан

Водитель, Машина

Агенты владеют зависимыми расписаниями. В случае управления отелем запускается последовательное планирование сначала расписания лифта, затем расписания ресторана.

В области логистики реализованы более сложные переговоры, когда расписание водителя и машины планируется параллельно

Описанные типы агентов и отношения между ними были использованы в качестве имитационной модели процесса функционирования отеля. Постепенное увеличение количества входных заказов позволило, во-первых, выявить наиболее слабый ресурс в системе и, во-вторых, понять, как увеличение способности того или иного ресурса скажется на общей пропускной способности системы. В результате появилась возможность предложить бизнесу особые варианты повышения производительности системы без увеличения количества имеющихся ресурсов:

-      увеличение пропускной способности ресторана за счет разрешенного нарушения некоторых ограничений (constraint stressing): в данном случае было введено допущение о том, что клиент готов посетить ресторан с незначительным нарушением своих ограничений по времени;

-      увеличение пропускной способности ресторана за счет проактивного предложения ресурсами своих вариантов размещения: так, была реализована ситуация, когда увеличение пропускной способности ресторана достигается за счет предложения агентом ресторана скидок на обслуживание в непиковые часы работы;

-      увеличение пропускной способности ресторана за счет предложения скидок на обслуживание при согласии клиента разделить обеденный стол с другими клиентами, что соответствует консолидации нескольких заказов на одном ресурсе.

Следует отметить, что применение средств имитационного моделирования в мультиагентных системах, а также средств анализа потоков событий [6], соответствующих протекающим в них процессам, позволяет решать задачи анализа и синтеза организационных структур на достаточно разнообразных предприятиях. Принципы, составляющие основу мультиагентной архитектуры, отлично согласуются с понятиями, лежащими в основе новых парадигм управления, таких как адаптивность к внешним изменениям, новая модель экономики, инкрементальный процесс улучшения.

При построении мультиагентных систем можно выделить общий базис для целого ряда бизнес-проблем, формализованный архитектурно в виде мультиагентной платформы. При этом адаптация может производиться путем настройки агентов без переписывания алгоритмов принятия решений, а в качестве базовых алгоритмов оптимизации могут использоваться не только мультиагентные, но и сетевые алгоритмы. Так, к числу базисных алгоритмов можно отнести консолидацию заказов на ресурсе, constraint stressing, планирование связанных расписаний нескольких ресурсов.

Литература

1.     Фаулер М. Архитектура корпоративных программных приложений. М.: Диалектика, 2004. 544 с.

2.     Агентская платформа для повсеместных вычислений / В.И. Городецкий, О.В. Карсаев, В.В. Самойлов [и др.] // Информационные технологии и вычислительные системы, 2008. № 4. С. 51–69.

3.     Городецкий В.И., Серебряков С.В., Троцкий Д.В. Средства спецификации и инструментальной поддержки командного поведения автономных агентов // Изв. ЮФУ, 2011. № 3. С. 23–41.

4.     Детмер У. Теория ограничений Голдратта. Системный подход к непрерывному совершенствованию; [пер. У. Саламатовой]. М.: Альбина Паблишер, 2010. 448 с.

5.     Шрангенхайм Э. Управленческие дилеммы. Теория ограничений в действии; [пер. У. Саламатовой]. М.: Альбина Паблишер, 2007. 296 с.

6.     Иващенко А.В. Управление согласованным взаимодействием пользователей интегрированной информационной среды предприятия. Самара: СНЦ РАН, 2011. 100 с.


Permanent link:
http://swsys.ru/index.php?page=article&id=3210&lang=&lang=en&like=1
Print version
Full issue in PDF (7.64Mb)
Download the cover in PDF (1.33Мб)
The article was published in issue no. № 3, 2012 [ pp. 40-44 ]

Perhaps, you might be interested in the following articles of similar topics: