Мультиагентные системы в логистике и е-коммерции (стр. 2 )

Используя концепцию кривых полезности, агента можно создать таким образом, что он будет иметь определенное отношение к принятию рискованных решений в условиях неопределенности ситуации. Команда агентов с различными характеристиками в отношении принятия рискованных решений будет действовать подобно группе операторов с набором различных типов отношений к принятию решений. Ниже представлена концептуальная схема агента (Сх. 1):

Интересное направление развития мультиагентных систем – попытка снабдить агентов механизмом для видоизменения протоколов регулирования переговоров, которые ведутся между ними [5]. Эта способность дает агентам возможность бесконечно улучшать результативность принятия решений. Концепция мультиагентного проектирования и контроля полностью развита на сегодняшний день. Дальнейшие сведения можно получить, например, из [6] и [7] источников.

Интересно, что бесспорного определения интеллекта не существует. В процессе разработки интеллектуальной сети мы предложили и успешно использовали следующее поведенческое определение («поведенческое» означает здесь, что определение позволит нам измерить результаты , не объясняя, каким образом эти результаты могли быть получены):

Интеллект – это способность системы добиваться цели или проявлять определенное поведение в условиях неопределенности ситуации, вызванной какими-либо непредсказуемыми событиями.

Из приведенного выше определения следует, что если система справляется с поддержанием требуемой деятельности несмотря на непредсказуемые события, то данная система является интеллектуальной. Это определение, тем не менее, не отвечает на решающий вопрос, а точнее: каким образом сделать объект или систему интеллектуальной? Для этого мы должны получить некоторое представление о человеческом интеллекте, а точнее, о тех его аспектах, что делают человека способным к решению новых, незнакомых ранее проблем и достижению желаемых целей даже в условиях непредсказуемых событий. В этом направлении был достигнут значительный прогресс, но его детали – не предмет исследования данной работы. Упомянем лишь один аспект человеческого интеллекта – способность узнавать частично восстановленные ситуативные модели через информативные предположения, за которыми следуют подтверждение и исключение ошибок. Карл Поппер обозначил этот процесс как предположения и опровержения [8].

Торги между автоматизированными (абсолютно предсказуемыми) и интеллектуальными системами (не совсем предсказуемыми) проиллюстрированы в ниже приведенной таблице 1:

	Автоматизированные системы	Интеллектуальные 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

Таблица 1 Автоматические и интеллектуальные системы

Идея сконструировать программных агентов пришла ко мне много лет назад в процессе прочтения работы Мавина Мински The Society of Mind [9] – книги, имеющей фундаментальное значение для исследования интеллекта как природного, так и искуственного.

Мультиагентная логистика

Как было описано выше, всемирная экономика характеризуется частой сменой спроса на ресурсы, что оказывает определенное давление на производителей, которые поставляют свои товары в разные части света. Закупка мест в грузовом самолете, наем автотранспорта, аренда складских помещений, мониторинг потоков запчастей и оборудования и своевременная доставка – деловые операции, еще более трудно осуществимые теперь, чем когда-либо. Даже изнутри процесса, в рамках предприятия, логистика становится кошмаром из-за того, что покупатели часто пользуются своим правом передумать насчет параметров и характеристик своих покупок.

Современные системы логистики централизованы и оптимизированы под поставку товаров «на поток», в стабильной ситуации, следовательно, слишком негибки чтобы справиться со сложными, постоянно меняющимися внешним и внутренним потоками материалов. Производители машин в настоящее время ежегодно теряют миллионы долларов из-за негибкости своих централизованных систем материально-технического снабжения.

Первая разработка компании «МАГЕНТА» в области мультиагентной логистики органично связана с е-коммерцией и будет описана далее на примере ее использования в автомобильном бизнесе – торговле, управлении системой распределения и снабжения. Типичная схема логистики в сфере автомобильного бизнеса потребует три Веб Портала, как показано на схеме далее:

Используя стандартные способы предсказания спроса, производитель машин планирует производство ряда автомобилей, каждый из которых обладает набором возможного оборудования. Это – Запланированные машины. Дилеры (или, напрямую, покупатели) подают заявки на машины, указывая модель и параметры. Это – Заказанные машины. В Портале 1 (Таблица 2) каждая Заказанная машина уже расписана, и агент обязан найти Запланированную машину с подходящими характеристиками. Каждая Запланированная машина также уже расписана, и агент обязан найти соответствующую Заказанную машину. Агенты взаимодействуют и легко находят подходящую пару машин. Запланированные и Заказанные машины, не нашедшие пару, уходят на второй раунд переговоров, которые, возможно, будут включать предложения о скидках или дополнительной плате для облегчения поиска подходящей пары. Современная практика разрешает покупателям изменять спецификацию заказанного автомобиля даже после того, как заказ был запущен в производство. Агент, занимающийся такой машиной, должен позаботиться, чтобы изменения были приняты во внимание, и внутренние производственные процессы были соответственно модифицированы. Такой же процесс согласования купленных машин и средств для их транспортировки должен происходить в Портале 2, как только процесс купли-продажи в Портале 1 завершен. В Портале 3 агенты должны соотносить машины и соответствующие детали и организовывать распределение деталей для конвейеров и цехов сборки машин.

Основой системы «МАГЕНТА», осуществляющей согласование спроса и предложения, является команда агентов. Агенты содержатся в Базе Агентов, ожидая приписки к определенному заказу на ресурс/спрос или, другой вариант, только программные гены агентов хранятся, и они сами себя создают на базе возможных генов в момент, когда необходимы их услуги. Каждый агент знаком со своим предназначением и способен планировать собственное поведение с целью достижения его выполнения.

С моей точки зрения, никакая другая технология не способна сегодня произвести процессы согласования такого рода автономно.

Мультиагентная логистика второго поколения

В будущем для того, чтобы справиться со стремительными изменениями в спросе и предложении, возможности транспортировки будут рассматриваться как предмет потребления. Поставщики деталей и транспортных услуг будут торговать опционами и заключать фьючерсные сделки. Краткая версия сценария для интеллектуальных систем материально-технического снабжения второго поколения, разработанный компанией «МАГЕНТА», предлагается далее. Основным нововведением в нем является замена штрихового кода на электронные знаки, каждый из которых содержит агента.

После получения опционов на транспортировку, поставщик должен послать поток Интеллектуальных Посылок (посылок с интеллектуальными электронными знаками, каждый из которых содержит простого интеллектуального агента, встроенного в чип, имплантированный в упаковочный материал) в Центр Всемирной сети логистики (GLN). Каждый посланный агент имеет знания о месте своего назначения, ожидаемом времени прибытия, пути следования, условиях складирования и эксплуатации, весе и размерах. Каждый Центр GLN (склады, транспорт) будет иметь своих собственных агентов, способных общаться с вверенными им интеллектуальными агентами.

При прохождении через GLN Посылки будут регулярно обновляться через Интернет в соответствии с изменением места их назначения и времени прибытия. Как только становится известно новое место назначения, агенты в Посылках и агенты Центров GLN начинают вести переговоры по поводу новых путей следования по Сети - индивидуально для каждой Посылки. В случае необходимости агенты в Посылках будут покупать новые транспортные опционы для продолжения своего путешествия. Агенты будут способны сделать это без обращения к поставщикам Посылок.

Этот сценарий демонстрирует развитие изначально распределенной, самоорганизующейся системы логистики, обеспечивающей снижение временных и материальных транспортных расходов. Плюс к этому, она обеспечит экологически чистое решение проблемы урона, нанесенного окружающей среде нерациональным передвижением товаров вокруг земного шара. Прототип такой системы будет разработан уже через год. Последующее ее развитие будет идти по нарастающей. Необходимые пространство для складирования и средства транспортировки могут быть добавлены в сеть когда будет нужно и в необходимом количестве. После этого можно будет проектировать GLN для дальнейшего роста и развития, как это было с сетью Интернет.

Ниже Вы можете видеть диаграмму такой системы:

На практике движение в направлении новой парадигмы в логистике будет зависеть от продвижения в разработке недорогих силиконовых чипов со встроенным цифровым интеллектом для того, чтобы можно было вкладывать их в Посылки и приложения. Нам понадобятся сенсоры и приводы, чтобы связать искуственный интеллект с реальным миром и средствами связи (проводными или беспроводными) для того, чтобы дать агентам возможность обмениваться сообщениями. Большая часть необходимых технологий уже существует, и мы можем положиться на закон Мора в том, что существует возможность снизить цены до того уровня, который сделал бы интеллектуальные системы конкурентоспособными.