Программный комплекс для разработки и исследования моделей интеллектуального агента на базе нейро-нечеткой сети Петри.

, научный руководитель, доцент, к. т.н.

Вологодский государственный технический университет

Г. Вологда

Сложность и распределенность современных организаций, процессов, компьютерных систем, компонентами которых являются люди и/или трудно формализуемые объекты, приводят к тому, что традиционные формальные способы описания таких объектов автоматизации не обеспечивают адекватность создаваемых моделей[1].

Одно из перспективных направлений повышения эффективности традиционных методов и систем оперативного управления и текущего планирования является создание и применение интеллектуальных систем поддержки принятия решений (ИСППР).

Актуальность использования ИСПП определяется рядом объективных причин. Главные причины – это сложная структура самих объектов (маршрутизаторы, коммутаторы, серверы), наличие значительных неопределенностей в структуре и параметрах математических моделей разрабатываемых объектов (временные параметры, характеристики использования сред передачи и узловых элементов), сложные технологии их разработки, специфика решения задач управления.

Таким образом, актуальность темы продиктована необходимостью дальнейшего развития моделирования, анализа и оптимизации системы поддержки принятия решений для сложных сетевых устройств (маршрутизаторы, коммутаторы, серверы) с целью повышения эффективности их функционирования.

Целью работы является разработка программного комплекса для моделей исследования интеллектуального агента на базе аппарата нейро-нечетких сетей Петри.

НЕ нашли? Не то? Что вы ищете?

В соответствии с указанной целью в работе сформулированы и решены следующие задачи:

1) Проанализированы существующие математические методы прогнозирования СППР

2) Разработка алгоритмов работы программного комплекса для системного анализа моделей интеллектуального агента.

3) Разработка методики построения модели интеллектуального агента

Опираясь на результаты анализа существующих математических методов прогнозирования, сделан вывод о необходимости конвергенции нескольких математических аппаратов, сети Петри и нейронные сети, и созданию на их основе моделей интеллектуального агента.

Интеллектуальный агент в данном случае – это СППР для сложных сетевых устройств (коммутаторы, маршрутизаторы). СППР - компьютерная автоматизированная система, целью которой является помощь людям, принимающим решение в сложных условиях для полного и объективного анализа предметной деятельности.

Математический аппарат

В проекте используется математический аппарат нейронных сетей Петри. НСП – эффективный инструмент исследования систем. Самым важным свойством нейронной сети является ее способность обучаться на основе данных окружающей среды и в результате обучения повышать свою производительность.

Нейронную сеть Петри можно описать в виде следующего набора: ,  где – конечное непустое множество позиций; – конечное непустое множество переходов; – отношение, соответствует множеству дуг; – конечное непустое множество стартовых (начальных) позиций; – конечное непустое множество финальных (выходных) позиций; – вещественная величина, соответствующая времени жизни («потенциалу») метки в позиции; – целочисленная величина, равная минимальному числу меток, необходимому для активизации перехода; – функция для определения суммарного потенциала меток в каждой позиции в определенный момент времени; – множество цветов меток, ; – функция раскраски выходных и входных дуг переходов; Gn – нечеткий потенциал позиции; M – функция принадлежности; R – интервальность параметров [2].

Описание программного комплекса.

В структуре программного комплекса выделяются три больших блока: графический редактор, модуль моделирования, модуль симуляции. Первые два блока определяют способы создания модели интеллектуального агента:

1) Графический редактор позволяет наглядно нарисовать модель, задать параметры для каждого элемента схемы, определить взаимосвязи между элементами модели. В данном модуле существует возможность сохранить модель в файл с расширением.grf и загрузить готовую модель из файла. Наглядное изображение модели дает исследователю возможность легче понять и освоить принципы работы модели ННП.

После создания модели пользователь может просмотреть характеристики созданной модели в таблицах и матрицах по группам параметров. Информация по переходам (пороги, приоритеты, нечеткие потенциалы, времена задержки и восстановления). Информация по позициям (начальная маркировка, вместимость, времена жизни меток, время задержки, значения меток, время задержки активизации меток). Матрица инцидентности (информация о дугах, связывающих позиции и переходы).

При переходе к следующему модулю пользователю предлагается сохранить модель в файл с расширением.txt.

2)После сохранения модели в текстовый файл пользователь видит модуль создания модели с помощью матриц и векторов по группам параметров. В данном окне отображены все параметры созданной модели. Возможности данного модуля: сохранение и загрузка моделей из текстового файла, изменение параметров модели, задание параметра управление одной позицией другой позицией – ингибиторная дуга, переход к симуляции работы модели.

Моделирование. В данном окне происходит симуляция работы модели. Пользователь может производить пошаговое моделирование. Состояние модели можно отследить по таблицам: движение меток в сети, четкий потенциал, нечеткий потенциал. В таблице Движение меток в сети находится информация о метках в позициях: текущая маркировка, количество активных и неактивных меток для конкретного момента времени. Также можно получить график загруженности каждой позиции, на нем отражена информация о том, в какие моменты времени позиция отдавала и получала метки, как позиция накапливала метки, уровни потенциалов позиции. В таблицах четкий и нечеткий потенциалы отражена информация об уровнях данных потенциалов для всех позиций модели для каждого шага моделирования.

Программный комплекс позволяет создавать различные типы сетей:

1)  Обычные сети Петри

2)  Нейронные сети Петри

3)  Нейро-нечеткие сети Петри

Тип сети зависит от набора задаваемых параметров. При создании модели существует возможность задать такие параметры как:

- количество позиций;

- количество переходов;

- начальную маркировку позиций;

- значения меток в позициях;

- времена жизни меток;

- задать параметры генераторов: изменяемость значений меток (от 0,01 до 0,99), генерация положительных или отрицательных меток;

- функцию активации перехода;

- пороговые значения переходов;

- функцию принадлежности;

- нечеткие потенциалы переходов;

- приоритеты переходов.

При создании моделей используется следующая методика:

1)  Определение входных параметров

2)  Определение характеристик параметров

3)  Построение нейро-нечеткой сети Петри

4)  Моделирование

5)  Проверка срабатывания переходов (все ли переходы сработали)

6)  Вывод результатов моделирования

В дальнейшем планируется реализовать:

1)  Расширение существующего математического аппарата: добавление других видов активационной функции (линейный порог, сигмоид, экспоненциальный сигмоид), добавление функции принадлежности, интервальность параметров,

2)  Ингибиторность дуг: возможность управления одной позицией другой позицией,

3)  Построение моделей интеллектуального агента и их исследование с помощью разработанного программного комплекса

4)  Удобный вывод результатов: сохранение графиков, более полный отчет о работе модели.

Итогом работы над проектом будет программный комплекс для создания моделей интеллектуального агента, для разностороннего исследования построенных моделей; методика по построению моделей интеллектуального агента с помощью разработанного ПК; удобный вывод результатов моделирования в виде графиков и отчетов позволит дальнейшее исследование моделей.

1.  Лебедев, поддержки принятия хозяйственных решений в производственном менеджменте. / , ; под ред. . – М.: Изд-во МЭИ, 1997.

2.  Питерсон, Дж. Теория сетей Петри и моделирование систем / Дж. Питерсон. – М.: Мир, 1984. – 168 с.