COMPARATIVE ANALYSIS OF AGENTS INTERACTING STANDARDS
Zraenko A. S., Aksyonov K. A.
FGAOU VPO " Ural Federal University named by the First President of Russia B. N. Yeltsin ", Ekaterinburg, Russia (620002 , Ekaterinburg, Mira Street 19 ), e-mail: *****@***ru
Abstract - This article provides a comparative analysis of architectures agents. Consider the following architecture: deliberative (deliberative), reactive (reactive) and hybrid (hybrid). Each of the architectures can be used in different models and in different subject areas. Choice of architecture agents directly affect the results of the model area and the adequacy of the data results.
СРАВНИТЕЛЬНЫЙ АНАЛИЗ СТАНДАРТОВ ВЗАИМОДЕЙСТВИЯ АГЕНТОВ
,
ФГАОУ ВПО “Уральский Федеральный Университет им. первого Президента России ”, Екатеринбург, Россия (620002, Екатеринбург, ), e-mail: *****@***ru
Аннотация — В статье проведен сравнительный анализ архитектур агентов. Рассмотрены следующие архитектуры: делиберативная (deliberative), реактивная (reactive) и гибридная (hybrid). Каждая из архитектур может быть использована в различных моделях и в различных предметных областях. Выбор архитектуры агентов прямым образом влияет на полученные результаты работы модели и область адекватности данных результатов.
I. Введение
В настоящее время мультиагентное моделирование является средством нахождения оптимальных либо приемлемых решений большого класса нелинейных задач. То, какие архитектуры агентов будут использованы в модели, напрямую будет определять точность, достоверность и область применения результатов экспериментов, проведенных в построенной модели. В связи с этим исследование различных типов архитектур агентов является важной задачей.
II. Основная часть
Типы архитектур агентов подробно исследованы и описаны в [1-3]. Наиболее интересной является следующая классификация архитектур [1]: делиберативная (deliberative), реактивная (reactive) и гибридная (hybrid).
1. Делиберативную архитектуру принято определять как архитектуру агентов, содержащих точную символическую модель мира и принимающих решения на основе логического вывода [2]. База знаний делиберативного агента [3] содержит знания об объектах процесса, об окружающей среде и других агентах, об их стратегиях и т. д. Делиберативный агент планирует собственные действия на различные промежутки времени, ведет историю своих действий и их последствий – положительных (или ожидаемых) и отрицательных.
В данной архитектуре модель мира является внутренним описанием внешней для агента среды, также может включать описание самого агента. Планировщик использует это описание для создания плана достижения цели агентом следующим способом: задавая атомарные действия (операторы), которые агент способен выполнить, их предусловия и их результаты в мире (постусловие), начальную и целевую ситуации – он ищет в пространстве последовательность операторов, пока не находит такую, которая преобразует начальное состояние в целевое состояние. Готовый план представляет собой список действий, который передается исполнителю планов. Далее механизм исполнения планов будет выполнять действия в рамках плана, вызывая различные процедуры низкого уровня эффекторов.
2. Реактивная архитектура. Реактивные агенты не имеют какой-либо символьной внутренней модели мира; содержат в своей базе знаний правила типа ситуация-действие, выбирая из них наиболее подходящие действия для конкретной ситуации. Таким образом, реактивная архитектура позволяет наилучшим образом использовать множество образцов поведения для реакции агента на определенные стимулы для конкретной предметной области.
В данной архитектуре выбор действия агентом полностью определяется заданными продукционными правилами.
3. Гибридная архитектура агентов комбинирует в себе подходы, используемые в делиберативных и реактивных архитектурах (см. табл. 1). В теории возможно построение многоуровневых гибридных архитектур агентов. Однако в данной работе остановимся на двухуровневой. На первом уровне работает реактивная архитектура, на втором – делиберативная, оперирующая более абстрагированной информацией. Данная архитектура рассматривается учеными [4,5] как наиболее перспективная на сегодняшний день.
В таблице 1 различные типы архитектур агентов представлены с учетом модели преобразования ресурсов.
Элемента архитектуры | Обоз-наче-ние | Архитектура делибератив-ного агента | Архитектура реактивного агента | Архитектура гибридного агента |
Имя агента | Name | Имеет | Имеет | Имеет |
Цель агента | G | Задана в виде функции полезности или графа причинно - следственных связей | Задана в виде функции полезности или графа причинно - следственных связей | Задана в виде функции полезности или графа причинно-следственных связей |
База знаний агента, содержит: | KB | |||
-множество допустимых стратегий агента | Mstr | Множество Mstr определяет все возможные стратегии поведения агента | Множество Mstr содержит набор правил типа «ситуация –действие» | Множество Mstr определяет все стратегии поведения, правила «ситуация –действие» |
- стратегия агента | STR | Выбирается агентом для достижения его цели | Задана вместе с целью | Выбирается агентом для достижения его цели |
- модель МППР, которым агент управляет | PR_А | Имеет полную информацию о процессе преобразования ресурсов | Может иметь полную или частичную информацию о процессе пре-образования ресурсов | Имеет полную информацию о процессе преобразования ресурсов |
- модели других агентов и других МППР | PR | Может иметь полную или частичную информацию о других агентах и процессах | Не имеет моделей | Может иметь полную или частичную информацию о других агентах и процессах |
- критерии | KR | Имеет критерии оценки выбранного действия в соответствии с целью | Может иметь или не иметь критерии оценки выбранного действия | Может иметь или не иметь критерии оценки выбранного действия |
- виды взаимодействия агента | COM | Имеет один или несколько наборов правил взаимодействия с др. агентами | Может иметь или не иметь правила взаимодействия с другими агентами | Имеет один или несколько наборов правил взаимодействия с др. агентами |
-история поведения агента и состояний МППР | HIS | Имеет возможность запоминать и извлекать из памяти свои действия и действия др. агентов | Не имеет памяти и способности к обучению | Может иметь возможность запоминать и извлекать из памяти свои действия и др. агентов |
Модуль коммуникации агента | ||||
-набор входящих сообщений | MES_IN | Имеет возможность принимать сообщения от других агентов | Может иметь или не иметь возможность принимать сообщения от агентов | Имеет возможность принимать сообщения от других агентов |
-набор исходящих сообщений | MES_ OUT | Имеет возможность отсылать сообщения другим агентам | Может иметь или не иметь возможность отсылать сообщения агентам | Имеет возможность отсылать сообщения другим агентам |
Общая база знаний МАС, в т. ч: | GKB | |||
-полный реестр всех агентов | Имеет возможность обращаться | Обычно не имеет возможности обращаться | Может иметь или не иметь возможность обращаться | |
-глобальная цель МАС (может существовать или нет) | Имеет возможность обращаться | Обычно не имеет возможности обращаться | Может иметь или не иметь возможность обращаться | |
-модель среды в которой находится процесс | Имеет возможность обращаться | Обычно не имеет возможности обращаться | Может иметь или не иметь возможность обращаться |
Табл. 1. Типы архитектур агентов в мультиагентных системах
Tab. 1. Types of multi agents architecture
III. Заключение
На основе сравнения типов архитектур агентов в МАС, можно сделать вывод, что делиберативная структура (содержащая символьную модель мира для принятия глобальных решений) является наиболее развитой и ее применение наиболее целесообразно для получения максимально адекватных результатов в экспериментальных исследованиях социальных систем. Для организационно-технических систем больше подходят реактивная и гибридная архитектуры.
Работа выполнена в рамках договора № 02.G25.31.0055 (проект 2012-218-03-167).
IV. References
[1] Aksyonov K. A. Theory and practice of decision support tools. Germany, Saarbrucken: LAP LAMBERT Academic Publishing GmbH & Co. KG, 2001. 341 p.
[2] Andrejchikov A. V. Intellektual'nye informacionnye sistemy. [Finansy i statistika]. 2004. 424 p.
[3] Genesereth M. R. Logical Foundations of Artificial Intelligence / M. R. Genesereth, N. Nilsson. – Los Altos: Morgan Kaufmann, 1987. – 405 p.
[4] Vlassis N. A concise introduction to multiagent systems and distributed AI / N. Vlassis. – Informatics Institute, University of Amsterdam, 2003.
[5] Moulin B. An Overview of Distributed Artificial Intelligence / Moulin B., Chaib-draa B. // G. M. P. O'Hare, N. R. Jennings (eds), Foundations of Distributed Artificial Intelligence, John Wiley & Sons, 1996. – РР. 3-56.
