Мультиагентные системы в экономике

Т.В. Солодуха, УО «Белорусский государственный экономический университет», кафедра «Экономическая информатика», аспирантка

С появлением глобальной Интернет-экономики сложность и динамика бизнеса начала стремительно возрастать. При этом бизнес требует постоянного совершенствования сервиса для клиентов, всё более индивидуализированного и персонализированного подхода к каждому потребителю, постоянных инноваций и сокращения издержек, расширения бизнеса в новые сферы и минимизации рисков. Принятие решений в этих условиях характеризуется высокой неопределенностью и требованием работы в реальном времени, наличием множества взаимно противоречивых критериев, необходимостью учитывать знания и опыт специалистов, которые не только плохо формализуются, но и постоянно меняются, и рядом других новых требований.

Возникла необходимость в более мощных и гибких интеллектуальных программных системах, способных непрерывно приобретать новые знания и изменять свою структуру и функции, развиваясь и адаптируясь к решаемым задачам и условиям внешней среды.

Одним из путей решения подобных задач можно назвать применение мультиагентных систем (МАС), получивших стремительное развитие в последнее десятилетие.

Мультиагентные технологии приносят новые уникальные возможности для компаний, позволяя решать сложные задачи и создавать программные системы, приносящие новое качество сервиса, высокую эффективность и ряд других преимуществ перед конкурентами.

Начало построению моделей и применению мультиагентных систем на практике было положено в 1960-х годах. В качестве основы были взяты достижения таких областей деятельности человека, как системы искусственного интеллекта, параллельные вычисления, распределенное решение задач.

Основные подходы к моделированию мультиагентных систем отражены в работах Городецкого В.И., Поспелова Д.А., Варшавского В.И., Тарасова В.Б., Бахтизина А.Р., Хорошевского В.Ф., Вудриджа М., Дженнингса Н. и других ученых.

Сейчас МАС — одно из наиболее динамично развивающихся и перспективных направлений в области искусственного интеллекта.

Ключевым элементом этих систем становится программный агент, способный воспринимать ситуацию, принимать решения и взаимодействовать с другими агентами.

Основными элементами интеллектуального агента, дающими ему возможность обладать определенным уровнем восприятия, умения познавать и действовать, являются базы знаний в определенной сфере жизнедеятельности, содержащие модели простейших ценностей и отношений и алгоритмы анализа, обучения и ситуативной ориентации. Для сохранения простоты агента, область его деятельности должна быть очень узкой. [].

Используя концепцию кривых полезности, агента можно создать таким образом, что он будет иметь определенное отношение к принятию рискованных решений в условиях неопределенности ситуации. На рисунке 1 представлена концептуальная схема агента.

Рисунок 1 – Интеллектуальный агент.

Агенты функционируют в виртуальном мире, представляющем проблему, и взаимодействуют между собой путем посылки сообщений. Как результат переговоров агентов, формируется текущее решение проблемы, которое гибко меняется в соответствии с динамикой среды.

Часто агентов определяют через те свойства, которыми они должны обладать. Агентам присущи следующие основные свойства:

автономность – способность действовать без внешнего управляющего воздействия и осуществлять контроль собственных действий и внутреннего состояния;
активность – способность ставить цели и выполнять заданные действия для их достижения;
реактивность – адекватное восприятие состояния среды и реакция на его изменение;
коммуникативность – взаимодействие с другими агентами;
целенаправленность – предполагает наличие собственных источников мотивации;
открытость – любой агент представляет собой открытую систему;
базовые знания – знания агента о себе, других агентах, окружающей среде.

В задачи программного агента входят:

самостоятельная работа и контроль своих действий;
взаимодействие с другими агентами;
изменение поведения в зависимости от состояния внешней среды;
выдача достоверной информации о выполнении заданной функции и т.п.

Для достижения целей интеллектуальные агенты взаимодействуют друг с другом, устанавливают связь между собой через сообщения или запросы и выполняют заданные действия или операции в соответствии с имеющимися знаниями.

Агенты функционируют в среде и избирают те действия, которые они могут выполнить. Модель этой среды состоит из модели информационных ресурсов, их свойств, правил работы с ними и средств задания сообщений. В результате выполнения функций агенты создают некоторое поведение среды, которое в любой момент времени находится в некотором состоянии, а агент, выполняя заданные действия, изменяет его в целевое состояние и учитывает возможность возникновения нерегулярных состояний (тупиков, отсутствие ресурса и др.).

В общем случае среда, в которой действует агент, имеет определенное поведение, которое может быть известно полностью или частично. Состояние среды зависит от информации, имеющейся у агента, а также от таких ее свойств: дискретность состояния, детерминированность действий, динамичность или статичность, синхронное или асинхронное изменение состояния и т.п.

В отличие от традиционных систем, в которых решение ищется с помощью централизованных, последовательных и детерминированных алгоритмов, в мультиагентных системах решение достигается в результате распределённого взаимодействия множества агентов – автономных программных объектов, нацеленных на поиск возможно не столько полностью оптимального, сколько наилучшего из возможных решений на каждый момент времени. Если найденный агентом лучший вариант уже забронирован другим агентом, агенты оказываются способны выявить конфликт и разрешить его путём переговоров, в ходе которых достигается компромисс, отражающий временное, и, как правило, неустойчивое равновесие (баланс) их интересов.

Этот новый принцип радикально отличает такие решения и позволяет применять мультиагентные инструменты, продукты и системы для решения самых сложных задач.

В целом, мультиагентные системы или агентно-ориентированное программирование являются следующим шагом в развитии объектно-ориентированного программирования (ООП) и интегрируют в себе достижения последних десятилетий в сфере искусственного интеллекта, параллельных вычислений и телекоммуникаций.

На Рисунках 2, 3 представлены схемы традиционной и мультиагентной систем.

Рисунок 2 – Традиционные системы Рисунок 3 – Мультиагентные системы

На рисунке 1 представлен пример большой программы, которая последовательно вызывает подпрограммы (методы) одну за другой. Такая программа централизована, имеет иерархическую структуру и монолитные компоненты, и выполняет детерминированные алгоритмы. В коде этой программы чётко прописано, что, когда и как делать. На рисунке 2 приведена самоорганизующаяся сеть агентов (программных объектов), постоянно и параллельно работающих над установлением и пересмотром связей. Каждый агент является автономным и стремится к достижению своей собственной цели. []

Основные различия традиционных и мультиагентных систем можно представить в виде таблицы.

Таблица 1 – Традиционные и мультиагентные системы

	Традиционные системы	Мультиагентные системы
Основные характеристики	Предсказуемость, повторяемость, иерархическая структура	Гибкость, чуткость, самоорганизация
Механизмы достижения основных характеристик	Заданные алгоритмы, память; интеграция	Способность строить предположения; знания; обучение, работа в сети
Основные недостатки	Негибкость	Риск совершения ошибки
Механизмы преодоления недостатков	Модуляции	Распределение интеллекта, полноценное использование имеющихся знаний, умение учиться на своем опыте
Области применения	Стабильные среды, долговременное производство, массовое производство	Непредсказуемые среды, часто изменяющееся производство, индивидуальное производство, кратковременные периоды освоения новой продукции

Мультиагентные технологии могут работать как в бизнесе, так и в других областях: государственном управлении, здравоохранении и социальной сфере.

Мультиагентные инструменты существенно упрощают и ускоряют разработку МАС для решения сложных задач, которые трудно или даже невозможно решить существующими математическими методами.

К числу таких задач относятся разнообразные задачи планирования ресурсов в реальном времени, задачи понимания смысла текстов на естественном языке (например, для поиска страниц в Интернете, систематизации архивов документов или обработки почты), задачи распознавания образов и анализа данных для обнаружения скрытых знаний при принятии решений, задачи обучения компьютерных систем путем выявления предпочтений и построения моделей поведения пользователя и ряд других.

Все эти задачи отличает высокая неопределенность и динамика, наличие многих взаимосвязей и взаимозависимостей, высокая вычислительная сложность, необходимость учета множества индивидуальных факторов, нелинейность поведения, зависимость решения от истории процессов или даже момента времени и т.п.

Перспективными областями применения мультиагентных технологий являются:

Электронная коммерция;
Транспорт;
Логистика;
Оптимальное динамическое планирование производства и сбыта продукции;
Интеллектуальный поиск товаров и услуг в сети Интернет;
Направленная реклама и маркетинг;
и т.д.

Ключевым преимуществом агентно-ориентированного программирования является способность справляться с неопределённостью спроса и предложения, а также многочисленными изменениями.

В целом, мультиагентные технологии обеспечивают следующие важные преимущества:

МАС являются инновационными продуктами нового поколения и несут в себе качественно новые возможности: хорошо известные или новые сложные проблемы решаются новым, продуктивным и эффективным способом;
МАС характеризуются гибкостью: они работают, динамично реагируя на изменения и постоянно улучшая решения в реальном времени;
МАС интеллектуальны: агенты не только следуют заданным бизнес-процессам, но и анализируют ситуацию и ищут способ решения задачи, что гарантирует нахождение лучшего возможного решения;
МАС учитывают с разной степенью важности даже мельчайшие факторы, необходимые для принятия решений: принимаемые решения персонализированы, индивидуализированы и отвечают требованиям всех участников;
МАС обладают высокой производительностью: они характеризуются высокой скоростью реакции на события и быстротой нахождения решения задачи;
МАС позволяют корректировать результаты работы системы;
МАС способны обучаться. []

Мультиагентные системы – одно из новых перспективных направлений искусственного интеллекта, которое сформировалось на основе результатов исследований в области распределенных компьютерных систем, сетевых технологий решения проблем и параллельных вычислений. Ключевым элементом этих систем становится программный агент, способный воспринимать ситуацию, принимать решения и взаимодействовать с другими агентами. Эти возможности радикально отличают МАС от существующих «жестко» организованных систем, обеспечивая им такое принципиально важное новое свойство, как способность к самоорганизации.

Актуальность МАС в настоящее время обусловливают следующие основные причины:

сложность современных систем и организаций, которая достигает такого уровня, что централизованное управление в них становится неэффективным из-за наличия огромных потоков информации.
сами решаемые задачи или разрабатываемые системы подчас неоднородны и распределены в пространстве и в функциональном плане, поскольку ни один человек не может создать современную сложную систему в одиночку.
эволюция программного обеспечения происходит в сторону его разработки на основе автономных, индивидуализированных, взаимодействующих модулей.
распространение различных сетей порождает распределенный взгляд на мир.

У специалистов сформировалось и вошло в широкий научный обиход представление об искусственных агентах как активных, автономных, коммуникабельных, а главное, мотивированных объектах, «живущих» и «действующих» в сложных, динамических и, чаще всего, виртуальных средах. Уже сегодня агентно-ориентированный подход находит широкое применение в таких областях, как распределенное решение сложных задач, совмещенное проектирование изделий, реинжиниринг бизнеса и построение виртуальных предприятий, имитационное моделирование интегрированных производственных систем и электронная коммерция, организация работы коллективов роботов, распределенная (совместная) разработка компьютерных программ, интеллектуальная обработка информации, в том числе семантический поиск, интеллектуальный анализ данных, поддержка логистических сетей большой размерности, адаптивное планирование. В ближайшем будущем он, несомненно, займет, центральное место при развитии средств управления информацией и знаниями, и конечно, при создании и внедрении новейших систем телекоммуникации, развитии глобальных компьютерных сетей, в особенности, сети Интернет.

Таким образом, агентно-ориентированные среды могут служить эффективными средствами изучения, исследования и решения сложных проблем в широком спектре предметных областей.

Литература

Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем – СПб: Питер, 2000. — 384 с.
Котенко И.В., Уланов А.В. Агентно – ориентированное моделирование поведения сложных систем в среде Интернет.
Кудря С.В., Плескач В.Л. Подходы к онтологическому анализу мультиагентных систем электронного бизнеса // Труды 49-й научной конференции МФТИ «Современные проблемы фундаментальных и прикладных наук. Часть VII Управление и прикладная математика. 24–25 ноября 2006 года.
Лаврищева Е.М. Современные методы программирования: возможности и инструменты. Институт программных систем НАНУ.
Мошела Д. Бизнес-перспективы информационных технологий: как заказчик определяет контуры технологического роста. – М.: МПБ ”Деловая культура”. – 2004.– 252с.
Мультиагентные технологии // www.kg.ru/technology.
Мультиагентные технологии // www.magenta-technology.com /ru/technology/
Плескач В.Л., Рогушина Ю.В. Агентные технологии. – К.: КНТЕУ. – 2005. – 327 с.
Ржевский Дж. Мультиагентные системы в логистике и е-коммерции // .ru/publications/logistics/section_80.
Симонова Е.В. Мультиагентные технологии – перспектива развития современных программных комплексов.
Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. – М.: Эдиториал УРСС. – 2002. – 352 с.
Muller, J P, Wooldridge, M, Jennings, N R, (eds.), Intelligent Agents III, Agent Theories, Architectures and Languages, Springer-Verlag. 1996.

Blog

Мультиагентные системы в экономике

мультиагентные системы в экономике

Т.В. Солодуха, УО «Белорусский государственный экономический университет», кафедра «Экономическая информатика», аспирантка