Метод моделювання процесу підтримки прийняття рішень у конкурентному середовищі
У статті досліджується поведінка інтелектуального агента у конкурентному середовищі. Для моделювання поведінки обрано петлю OODA. Розглянуто взаємодію етапів петлі OODA (спостереження, орієнтація, прийняття рішення, дія) із онтологією задач та предметної області, в межах якої функціонує цей агент. В...
Gespeichert in:
| Veröffentlicht in: | Математичні машини і системи |
|---|---|
| Datum: | 2014 |
| Hauptverfasser: | , , |
| Format: | Artikel |
| Sprache: | Ukrainian |
| Veröffentlicht: |
Інститут проблем математичних машин і систем НАН України
2014
|
| Schlagworte: | |
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/84331 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Zitieren: | Метод моделювання процесу підтримки прийняття рішень у конкурентному середовищі / В.В. Литвин, О.В. Оборська, Р.В. Вовнянка // Математичні машини і системи. — 2014. — № 1. — С. 50-57. — Бібліогр.: 14 назв. — укр. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-84331 |
|---|---|
| record_format |
dspace |
| spelling |
Литвин, В.В. Оборська, О.В. Вовнянка, Р.В. 2015-07-06T16:01:23Z 2015-07-06T16:01:23Z 2014 Метод моделювання процесу підтримки прийняття рішень у конкурентному середовищі / В.В. Литвин, О.В. Оборська, Р.В. Вовнянка // Математичні машини і системи. — 2014. — № 1. — С. 50-57. — Бібліогр.: 14 назв. — укр. 1028-9763 https://nasplib.isofts.kiev.ua/handle/123456789/84331 004.89 У статті досліджується поведінка інтелектуального агента у конкурентному середовищі. Для моделювання поведінки обрано петлю OODA. Розглянуто взаємодію етапів петлі OODA (спостереження, орієнтація, прийняття рішення, дія) із онтологією задач та предметної області, в межах якої функціонує цей агент. В статье исследуется поведение интеллектуального агента в конкурентной среде. Для моделирования поведения избрали петлю OODA. Рассмотрено взаимодействие этапов петли OODA (наблюдение, ориентация, принятие решения, действие) с онтологией задач и предметной области, в рамках которой функционирует этот агент. The behavior of an intelligent agent in a competitive environment is investigated in the paper. The OODA loop is chosen for behavior simulation. There were explored the interaction of OODA loop stages (observation, orientation, decision support, action) with the ontology of tasks and subject area in which the agent operates. uk Інститут проблем математичних машин і систем НАН України Математичні машини і системи Інформаційні і телекомунікаційні технології Метод моделювання процесу підтримки прийняття рішень у конкурентному середовищі Метод моделирования процесса поддержки принятия решений в конкурентной среде Method of modeling the process of decision support in a competitive environment Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Метод моделювання процесу підтримки прийняття рішень у конкурентному середовищі |
| spellingShingle |
Метод моделювання процесу підтримки прийняття рішень у конкурентному середовищі Литвин, В.В. Оборська, О.В. Вовнянка, Р.В. Інформаційні і телекомунікаційні технології |
| title_short |
Метод моделювання процесу підтримки прийняття рішень у конкурентному середовищі |
| title_full |
Метод моделювання процесу підтримки прийняття рішень у конкурентному середовищі |
| title_fullStr |
Метод моделювання процесу підтримки прийняття рішень у конкурентному середовищі |
| title_full_unstemmed |
Метод моделювання процесу підтримки прийняття рішень у конкурентному середовищі |
| title_sort |
метод моделювання процесу підтримки прийняття рішень у конкурентному середовищі |
| author |
Литвин, В.В. Оборська, О.В. Вовнянка, Р.В. |
| author_facet |
Литвин, В.В. Оборська, О.В. Вовнянка, Р.В. |
| topic |
Інформаційні і телекомунікаційні технології |
| topic_facet |
Інформаційні і телекомунікаційні технології |
| publishDate |
2014 |
| language |
Ukrainian |
| container_title |
Математичні машини і системи |
| publisher |
Інститут проблем математичних машин і систем НАН України |
| format |
Article |
| title_alt |
Метод моделирования процесса поддержки принятия решений в конкурентной среде Method of modeling the process of decision support in a competitive environment |
| description |
У статті досліджується поведінка інтелектуального агента у конкурентному середовищі. Для моделювання поведінки обрано петлю OODA. Розглянуто взаємодію етапів петлі OODA (спостереження, орієнтація, прийняття рішення, дія) із онтологією задач та предметної області, в межах якої функціонує цей агент.
В статье исследуется поведение интеллектуального агента в конкурентной среде. Для моделирования поведения избрали петлю OODA. Рассмотрено взаимодействие этапов петли OODA (наблюдение, ориентация, принятие решения, действие) с онтологией задач и предметной области, в рамках которой функционирует этот агент.
The behavior of an intelligent agent in a competitive environment is investigated in the paper. The OODA loop is chosen for behavior simulation. There were explored the interaction of OODA loop stages (observation, orientation, decision support, action) with the ontology of tasks and subject area in which the agent operates.
|
| issn |
1028-9763 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/84331 |
| citation_txt |
Метод моделювання процесу підтримки прийняття рішень у конкурентному середовищі / В.В. Литвин, О.В. Оборська, Р.В. Вовнянка // Математичні машини і системи. — 2014. — № 1. — С. 50-57. — Бібліогр.: 14 назв. — укр. |
| work_keys_str_mv |
AT litvinvv metodmodelûvannâprocesupídtrimkipriinâttâríšenʹukonkurentnomuseredoviŝí AT oborsʹkaov metodmodelûvannâprocesupídtrimkipriinâttâríšenʹukonkurentnomuseredoviŝí AT vovnânkarv metodmodelûvannâprocesupídtrimkipriinâttâríšenʹukonkurentnomuseredoviŝí AT litvinvv metodmodelirovaniâprocessapodderžkiprinâtiârešeniivkonkurentnoisrede AT oborsʹkaov metodmodelirovaniâprocessapodderžkiprinâtiârešeniivkonkurentnoisrede AT vovnânkarv metodmodelirovaniâprocessapodderžkiprinâtiârešeniivkonkurentnoisrede AT litvinvv methodofmodelingtheprocessofdecisionsupportinacompetitiveenvironment AT oborsʹkaov methodofmodelingtheprocessofdecisionsupportinacompetitiveenvironment AT vovnânkarv methodofmodelingtheprocessofdecisionsupportinacompetitiveenvironment |
| first_indexed |
2025-11-25T06:08:25Z |
| last_indexed |
2025-11-25T06:08:25Z |
| _version_ |
1850505820558589952 |
| fulltext |
50 © Литвин В.В., Оборська О.В., Вовнянка Р.В., 2014
ISSN 1028-9763. Математичні машини і системи, 2014, № 1
Рис. 1. Процеси петлі OODA
ІНФОРМАЦІЙНІ І ТЕЛЕКОМУНІКАЦІЙНІ ТЕХНОЛОГІЇ
УДК 004.89
В.В. ЛИТВИН*, О.В. ОБОРСЬКА*, Р.В. ВОВНЯНКА*
МЕТОД МОДЕЛЮВАННЯ ПРОЦЕСУ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ У
КОНКУРЕНТНОМУ СЕРЕДОВИЩІ
*
Національний університет «Львівська політехніка», Львів, Україна
Анотація. У статті досліджується поведінка інтелектуального агента у конкурентному середо-
вищі. Для моделювання поведінки обрано петлю OODA. Розглянуто взаємодію етапів петлі OODA
(спостереження, орієнтація, прийняття рішення, дія) із онтологією задач та предметної облас-
ті, в межах якої функціонує цей агент.
Ключові слова: петля OODA, спостереження, орієнтація, аналіз, синтез, прийняття рішення, дія,
онтологія.
Аннотация. В статье исследуется поведение интеллектуального агента в конкурентной среде.
Для моделирования поведения избрали петлю OODA. Рассмотрено взаимодействие этапов петли
OODA (наблюдение, ориентация, принятие решения, действие) с онтологией задач и предметной
области, в рамках которой функционирует этот агент.
Ключевые слова: петля OODA, наблюдение, ориентация, анализ, синтез, принятие решения, дей-
ствие, онтология.
Abstract. The behavior of an intelligent agent in a competitive environment is investigated in the paper.
The OODA loop is chosen for behavior simulation. There were explored the interaction of OODA loop
stages (observation, orientation, decision support, action) with the ontology of tasks and subject area in
which the agent operates.
Keywords: OODA loop, observation, orientation, analysis, synthesis, decision support, action, ontology.
1. Вступ
Відповідно до ідей Джона Бойда та його послідовників будь-яка діяльність у конкурент-
ному середовищі (наприклад, у військовій сфері) з певним ступенем наближення може бу-
ти представлена у вигляді кібернетичної моделі OODA [1]. Зазначена модель передбачає
багаторазове повторення петлі дій, складеної з чотирьох послідовних взаємодіючих проце-
сів (рис. 1.): спостереження (observation), орієнтація (orientation), прийняття рішення
(decision), дія (action).
Така модель з успіхом
почала застосовуватися для мо-
делювання діяльності та прийн-
яття рішень у бізнесі, політиці,
соціології тощо, тобто у тих
сферах, де наявна конкуруюча
сторона.
Згідно з теорією Бойда,
кожна людина або організація
при вирішенні поставлених пе-
ред ними завдань має свою пет-
лю прийняття рішень і діяльнос-
ті.
ISSN 1028-9763. Математичні машини і системи, 2014, № 1 51
2. Аналіз літературних джерел
Згідно з літературними джерелами з теорії Д. Бойда, підсумок яких здійснено в [1], мета
етапів петлі та їх функціональне призначення є таким.
Спостереження (observation) – це процес збору інформації, необхідної для прийн-
яття рішення у деякому конкретному випадку. Необхідна інформація може бути отримана
як від зовнішніх, так і від внутрішніх джерел. Під внутрішніми джерелами інформації ро-
зуміються елементи зворотного зв'язку петлі. Як зовнішні використовуються датчики, а
також інші канали отримання інформації.
Щоб спостереження набуло наукового характеру, потрібно, щоб воно:
– було планомірним, а не випадковим;
– здійснювалося послідовно й систематично;
– було забезпечене достатньо широкою інформацією про явище, яке є предметом
спостереження (слід оперувати якомога більшою кількістю фактів);
– передбачало точну фіксацію результатів спостереження.
Збір даних може здійснюватися:
1) механічним способом; механічна реєстрація даних полягає в тому, що джерело
інформації, тобто «подія» або «явище», виявляється у вигляді зміни деякого фізичного
стану, і цей новий стан реєструється механічним способом.
2) експертом; спостереження, здійснюване експертом, із наступним відновленням
результатів по пам'яті, які називають «записом».
3) шляхом експериментального дослідження, особливість якого полягає в тому, що
явище (предмет дослідження) вивчається за різних умов та обставин; застосування цього
методу дослідження сприяє глибокому і дуже точному вивченню певної психологічної за-
кономірності.
Орієнтація (orientation) – найвідповідальніший і найскладніший з когнітивної точки
зору етап у всьому циклі OODA. Етап орієнтації складається з двох підетапів: руйнування
(destruction) і творення (creation). Руйнування передбачає розбиття ситуації на дрібні еле-
ментарні частини, які більш легкі для розуміння. Людина або організація, яка приймає рі-
шення, буде прагнути здійснити декомпозицію завдання до такого рівня, поки новоутворе-
ні складові завдання стають близькими до стандартних або типових ситуацій, для яких
об’єкт прийняття рішень (ОПР) має план дій. Ознайомлення з цими елементарними типо-
вими підзадачами досягається шляхом навчання, тренування, накопичення досвіду та ін-
структажу. ОПР ідентифікує поточну ситуацію, тобто відносить її до певної підзадачі, і
застосовує заздалегідь заготовлений план дій для цієї підзадачі. Потім ці складові елемен-
тарні підплани об'єднуються в загальний план дій, що і відповідає підетапу «творення».
Якщо немає планів, з числа яких може бути обрано рішення, то процес залишається на
етапі орієнтації, і здійснюється подальша декомпозиція задачі. Якщо не вдається розроби-
ти план з реальними шансами на успіх, то подальше подрібнення може призвести до
останнього циклу.
Для орієнтації використовуються методи аналізу і синтезу, які тісним чином пов'я-
зані між собою. Вони призначені для обробки інформації, отриманої в результаті застосу-
вання дослідницьких методів.
Аналіз являє собою вивчення якостей, властивостей і характеристик досліджувано-
го об'єкта за допомогою його умовного поділу на окремі складові частини.
У свою чергу, синтез полягає в узагальненні інформації про окремих складових і
формуванні сукупності інформаційних даних про об'єкт дослідження в цілому.
Результати, отримані у процесі аналізу та синтезу, служать основою для складання
різного роду прогнозів на найближчу і далеку перспективу. Прогнозування може здійсню-
ватися методами розрахунку і екстраполяції.
На етапі декомпозиції системи здійснюються:
52 ISSN 1028-9763. Математичні машини і системи, 2014, № 1
– визначення та декомпозиція загальної мети дослідження й головної функції сис-
теми як обмеження траєкторії у просторі станів системи або в області допустимих ситуа-
цій. Найчастіше декомпозицію виконують побудовою дерева цілей та дерева функцій:
– виділення системи із середовища (поділ на «систему» та «несистему»);
– опис впливових факторів;
– опис тенденцій розвитку;
– опис системи як «чорного ящика»;
– функціональна (за функціями), компонентна (за типом елементів), структурна (за
типом відношень між елементами) декомпозиція системи.
Прийняття рішення (decision) – третій етап циклу OODA. Якщо до цього етапу
ОПР змогла сформувати тільки один реальний план, то приймається рішення – виконувати
цей план чи ні. Якщо ж сформовані кілька альтернативних варіантів дій, то ОПР на даному
етапі здійснює вибір найкращого з них для подальшої реалізації. Вибір найкращого плану
може здійснюватися за критерієм ефективність-вартість. В умовах ліміту часу кращим
вважається той план, що відповідає вимогам швидкої надійності.
Для прийняття рішення використовуються такі методи:
– метод ефективність-вартість враховує три етапи: побудова моделі ефективності,
побудова моделі вартості, синтез вартості й ефективності;
– методи теорії і практики надійності базуються на застосуванні апарата теорії ймо-
вірностей і випадкових процесів, математичної статистики та моделювання.
Дія (action) – заключний етап циклу, що передбачає практичну реалізацію обраного
курсу дій або плану.
Існують два основних способи досягнення конкурентних переваг при здійсненні рі-
зних видів професійної діяльності. Перший шлях – зробити в кількісному вимірі свої цик-
ли дій більш швидкими. Це дає нам змогу першими приймати рішення і змусить конкурен-
тів реагувати на наші дії. Другий шлях – покращити якість прийнятих рішень, тобто прий-
мати рішення, які у більшій мірі відповідають ситуації, яка склалася, ніж рішення конку-
рентів.
Підвищення якості власних рішень може бути досягнуто різними способами, до чи-
сла яких відносяться застосування сучасних формальних математичних методів, застосу-
вання автоматизованих систем керування, систем підтримки прийняття рішень, експертних
систем. Якщо використовувати останні, то сучасний підхід до їх побудови використовує як
ядра бази знань онтології [2]. Тому виникає задача з розроблення методів використання
онтологій у петлі OODA.
Постановка задачі
Розробити підхід до підвищення ефективності діяльності об’єкта управління в конкурент-
ному середовищі. Задачею дослідження є розроблення та обґрунтування методу моделю-
вання петлі OODA з використанням онтологій баз знань середовища, в якому функціонує
об’єкт управління.
3. Основний матеріал
Відмітна риса циклу OODA від інших циклічних моделей полягає в тому, що в будь-якій
ситуації завжди передбачається наявність конкурентної сторони. На рис. 2 наведено три
об’єкти управління, які знаходяться в деяких своїх початкових станах і мають власні стани
мети. Те, що ці об’єкти функціонують у конкурентному середовищі, змушує під час про-
ходження петлі OODA аналізувати стани, в яких знаходяться конкуренти та їх дії, що й ві-
дображено на рисунку відповідними стрілками.
Пропонується для моделювання петлі OODA використовувати інтелектуальну сис-
тему, ядром бази знань якої є онтологія, що складається із онтології предметної області
ISSN 1028-9763. Математичні машини і системи, 2014, № 1 53
Рис. 3. Використання онтологій у петлі OODA
(ПО) й онтології задач, які можуть виникати у цьому середовищі. На нашу думку, зміст
онтології напряму впливає на 2-ий і 3-ій етапи циклу, а сама структура та наповнення он-
тології залежать від 1-го та 2-го етапів (рис. 3).
Рис. 2. Функціонування об’єктів у конкурентному середовищі
Розглянемо детальніше кожний етап петлі OODA у процесі його взаємодії з онтоло-
гією предметної області та
задач, які в цій області вини-
кають.
Етап спостереження
дає змогу здійснювати процес
розбудови онтології, а також
аналізувати її з метою вибору
релевантної інформації, яка
потрібна на наступних етапах
петлі OODA.
Формально онтологія
складається з термінів (по-
нять, концептів), організова-
них у таксономію, їх визначень і атрибутів, а також пов’язаних з ними аксіом і правил ви-
ведення. Тому під моделлю онтології O розуміють трійку вигляду [2]
, ,O C R F= ,
де C – скінченна множина понять (концептів, термінів) ПО, R – скінченна множина від-
ношень між концептами (поняттями, термінами) заданої ПО, F – інтерпретація понять та
відношень (аксіоми). Аксіоми встановлюють семантичні обмеження для системи понять та
відношень [3].
Для побудови онтології, яка адекватно описує семантичну модель ПО, необхідно,
насамперед, розв’язати задачі одержання знань із різних джерел для виявлення множини
концептів і встановлення ієрархії на цій множині. Оскільки значна частина інформації міс-
титься в природничомовних текстах (ПМТ), перспективним є одержання знань із текстової
інформації, а також інтелектуальне опрацювання спеціально підібраних колекцій ПМТ.
Одним із найефективніших підходів до наповнення онтології є її автоматизоване
навчання природничомовними текстами. Автоматизоване наповнення можна реалізувати
54 ISSN 1028-9763. Математичні машини і системи, 2014, № 1
Текст
Лінгвістичний
процесор
Процесор
онтологій
Онтологія
тексту
Рис. 4. Структурно-функціональна схема процесора знань
за допомогою аналізу текстових документів, застосувавши процесор знань (рис. 4). Дета-
льніше такий підхід розглянуто у монографії [4].
У поданій схемі завдання лінґвістичного процесора – виконати його лексичний, ле-
ксико-граматичний, синтаксичний та семантичний аналіз. У результаті цього онтологія
поповнюється поняттями, СДО-трійками (суб’єкт – дія – об’єкт) і причинно-наслідковими
зв’язками між СДО-трійками. Іншу частину важливих зв’язків між поняттями та їхніми
властивостями встановлює процесор онтологій, котрий будує онтологічну структуру для
кожного концепту C , отриманого після аналізу тексту. Робота процесора онтологій підт-
римується відповідною БЗ, основними компонентами якої є: по-перше, множина правил,
по-друге, універсальна логічна БД МModWN [5] типу WordNet [6]. Процесор знань засто-
совують у системі автоматизованого одержання знань із текстових документів, яка, у свою
чергу, застосовується для розв’язання задачі семантичного пошуку в повнотекстових БД.
Серед систем, розроблених в Україні, треба відзначити розробку колективу кафедри мате-
матичної інформатики Київського національного університету імені Тараса Шевченка –
систему опрацювання текстів природною мовою [7]. Система створена для розв’язування
таких задач, як аналіз та синтез текстів природною мовою, автоматизоване ґенерування
реферату тексту, автоматизована індексація (визначення тематики) тексту. Розроблена на-
ми система детально описана в [4, 8]. Основна перевага нашого підходу полягає у побудові
інтелектуального агента (ІА), який визначає цінність повідомлень, що пропонується дода-
вати в онтологію в залежності від вибраного плану управління.
Особливості функціонування спеціалізованого ІА визначаються його інтересом –
вектором оцінок бажаності можливих станів агента. Для опису інтересу агента, за допомо-
гою якого він розрізняє стани довколишнього світу та позиціонує себе у ньому, застосову-
ється функція корисності, яка є числовою оцінкою його бажаності для агента. Корисності
об’єднуються з імовірностями дій для визначення очікуваної корисності кожної дії.
Нехай ( )U S – корисність стану S з точки зору агента, що приймає рішення щодо
вчинення деякої дії A. Довільна недетермінована дія може спричинити результуючий стан
( )iResult A , де індекс i пробігає по усіх можливих результатах. Перш, ніж вчинити дію
A , агент оцінює імовірність ( ) ( )( )| ,iP Result A Do A E кожного з можливих результатів,
де E – сукупність доступних агенту параметрів його стану, а ( )Do A − висловлювання,
згідно з яким в поточному стані виконується дія A . Таким чином, можна обчислити умов-
ну корисність дії ( )|EU A E з урахуванням відомих параметрів стану:
∑ ⋅= ))(()),(|)(()|( AResultUEADoAResultPEAEU ii .
Якщо раціональний інтелектуальний агент керується принципом максимальної очі-
куваної корисності (Maximum Expected Utility − MEU), він змушений вибирати дію, яка
максимізує очікувану корисність для агента. Так функціонує механізм мотивації поведінки
раціонального інтелектуального агента незалежно від сфери його застосування.
У випадку інформаційно-пошукового агента його інтерес може бути заданий через
оцінку новизни отриманих повідомлень, яка потребує застосування методів інтелектуаль-
ISSN 1028-9763. Математичні машини і системи, 2014, № 1 55
ного аналізу природничомовних текстів. Вважаємо, що текст побудований, як повідомлен-
ня. Структура повідомлення орієнтована на сприйняття іншим агентом, тому складається з
двох частин (рис. 5): констатуючої частини, за якою адресат оцінює релевантність повідо-
млення (1) та визначає його контекст (2), та конструктивної частини – потенційно нових
для читача знань у даному контексті (3).
Рис. 5. Розпізнавання нових знань у повідомленні з метою наповнення ними бази знань
Якщо нове знання є не повним алгоритмом, а лише окремим фактом чи правилом, що
вносить уточнення до вже відомих агенту алгоритмів, зміна їх функції корисності служить
оцінкою новизни даного факту (правила) та їх важливості для агента. Детальніше такий
підхід описаний у монографії [9]. Представлення знань у формі онтології передбачає, що
будь-яке можливе узагальнення, тобто комплексне, складене поняття завжди явним чином
артикульоване, назване і як окремий концепт фігурує в базі знань.
На етапі орієнтація здійснюється побудова плану дій. Для досягнення цільового
стану ІА насамперед повинен бути побудований план досягнення цього стану із усіма мо-
жливими альтернативами [10]. Планування ґрунтується на декомпозиції. Задача плануван-
ня ZP містить три складові: множину станів S , множину дій A , множину цільових станів
Goal (станів мети), тобто
ZP , ,St A Goal= .
Надалі вважатимемо, що стан мети єдиний. Якщо станів мети декілька, то мету мо-
жна записати як диз’юнкцію цих станів. Тоді досягнення такого стану є розв’язок деякої
підзадачі, тому припущення про єдиність стану мети є нормальним.
У свою чергу дія A складається із чотирьох частин: ім’я дії, список параметрів, пе-
редумова та результат. А сам план визначається як кортеж із чотирьох елементів – <Мно-
жина дій, Множина обмежень впорядкування, Множина причинних зв’язків, Множина ві-
дкритих передумов> [11].
Стан ( )S i задається у вигляді множини фактів із відповідними ймовірнісними оцін-
ками. Дія ija подається у вигляді відображення зі стану ( )S i в стан ( )S j з відповідною
ймовірністю ijp , тобто ( ) ( )S i S j→ з імовірністю ijp .
Для вибору необхідних дій ІА повинен вміти оцінювати стани. Легше це здійснити
зі станами, в яких він вже перебував. Важче оцінити майбутні стани. Для оцінювання вико-
ристовуються евристичні функції або метазнання. Тому спочатку розглянемо оцінку прой-
дених станів, потім дій і насамкінець їхню комбінацію, що веде до нового (майбутнього)
стану.
Нехай ( )( )v S i – оцінка стану ( )S i . Для оцінювання станів, у яких вже перебував ІА,
використовуватимемо онтологію ПО. Стан мети Goal визначається необхідністю деякій
56 ISSN 1028-9763. Математичні машини і системи, 2014, № 1
множині ознак X досягнути певних значень ( ),z x Goal x X∀ ∈ . Будь-який стан ( )S i зада-
ється своєю множиною ознак iY , які набувають значень ( )( ),z y S i iy Y∀ ∈ .
Для оцінювання стану ( )S i необхідно здійснити відображення ψ множини ознак та
їх значень стану ( )S i у множину ознак та значень стану Goal . Очевидно, що таке відобра-
ження повинне використати БЗ, а саме додатковий модуль онтологій Semantic Web Rule
Language (SWRL).
€
: O
iY Xψ → .
Тоді оцінка стану ( )( )v S i обчислюється
( )( ) ( )( ) ( ) ( )( ) ( )( ), , , ,
Wx X
v St i d S i Goal z y S i z x Goalϕ ψ
∈
= = ∑ ,
де WX – множина найсуттєвіших ознак. Наприклад, для їх визначення можна задати вагу
елементів онтології [4, 12]. ϕ – деяка метрика, яка залежить від специфіки ПО [4, 12].
У наших дослідженнях для вибору дій ІА ми ґрунтуватимемось на раціональності
агента як прагнення мінімізувати витрати ресурсів для досягнення кінцевого стану. Тому
вважатимемо, що кожна дія ija однозначно визначається витратами ресурсів k
ijg (ціна пе-
реходу зі стану в стан), де 1,2,..., ik n= . in – кількість альтернатив kα для здійснення пере-
ходу ija . Тому надалі дію позначатимемо трьома індексами k
ija : перехід зі стану ( )S i у стан
( )S j , використовуючи альтернативу kα [13].
Оскільки чим оцінка менша, тим краще, то оцінка дії прямо пропорційна витраті ре-
сурсів, тобто:
( )k k
ij ijv a E g= ⋅ ,
де E – скалярна величина, яка зводить вимірювання оцінки дії до одного вимірювання з
оцінкою станів.
Вибір найкращого плану здійснюється на етапі рішення. Загалом рішення стосовно
вибору дії на основі альтернативи здійснюємо згідно з деяким відношенням між станом та
дією:
( ) ( ) ( )( )( ),k k
i ij ijo a v a v S jδ= .
Зокрема, таке відношення може бути лінійним:
( ) ( ) ( ) ( )( )1k k
ij ijo a v a v S jω ω= + − ,
де [ ]0,1ω ∈ – частка альтернативі дії, яку ІА віддає під час прийняття рішення, інша частка
належить стану, в який він перейде.
Після оцінювання дій та станів задача вибору шляху зводиться до задачі асинхрон-
ного динамічного програмування [14]. Ми отримаємо таку модель переходів між станами:
( ) ( )( ), iS j a S i o= (1)
із критерієм оптимізації
( )( )0 , min(max)S oΘ ⇒
�
. (2)
ISSN 1028-9763. Математичні машини і системи, 2014, № 1 57
Задача (1)–(2) є задачею динамічного програмування. Використовуючи методи,
придатні для розв’язування таких задач, знаходимо розв’язок у вигляді шляху переходу з
початкового у кінцевий стан, тобто шлях виконання плану.
У подальших наших роботах планується ускладнити модель (1)–(2) з урахуванням
станів конкурентів і використати розроблене математичне забезпечення для моделювання
воєнних дій.
4. Висновки
У роботі розглянуто моделювання поведінки інтелектуального агента, який функціонує у
конкурентному середовищі. Для моделювання поведінки обрано петлю OODA. Для під-
вищення ефективності циклу OODA запропоновано використати онтологію предметної
області, в межах якої функціонує інтелектуальний агент, та онтологію задач, які виника-
ють у цій області. Визначено вплив етапів петлі OODA на зміст онтології й навпаки – зміст
онтології на перебіг проходження етапів. Запропоновано взаємодію між онтологією та ета-
пами петлі OODA. Задачу планування діяльності інтелектуального агента у конкурентному
середовищі зведено до задачі динамічного програмування.
СПИСОК ЛІТЕРАТУРИ
1. Ивлев А.А. Основы теории Бойда. Направления развития, применения и реализации / Ивлев А.А.
– М., 2008. – 64 с.
2. Gruber T. A translation approach to portable ontologies / T. Gruber // Knowledge Acquisition. – 1993.
– N 5 (2). – P. 199 – 220.
3. Гаврилова Т.А. Базы знаний интеллектуальных систем / Т.А. Гаврилова, В.Ф. Хорошевский. –
СПб.: Питер, 2001. – 384 с.
4. Литвин В.В. Бази знань інтелектуальних систем підтримки прийняття рішень / Литвин В.В. –
Львів: Видавництво Львівської політехніки, 2011. – 240 с.
5. Постаногов Д.Ю. К вопросу многоязычности систем инженерии знаний и их приложений /
Д.Ю. Постаногов, И.В. Совпель // Искусственный интеллект. – 2006. – Вип. 3. – С. 474 – 479.
6. Miller G.A. WORDNET: A lexical database for English / G.A. Miller // Communications of ACM. –
1995. – N 11. – P. 39 – 41.
7. Гладун А.Я. Формирование тезауруса предметной области как средства моделирования инфор-
мационных потребностей пользователя при поиске в Интернете / А.Я. Гладун, Ю.В. Рогушина //
Вестник компьютерных и информационных технологий. – 2007. – № 1. – С. 26 – 33.
8. Литвин В.В. Оцінка новизни знань під час автоматичної розбудови онтологій / В.В. Литвин,
А.С. Мельник, В.Я. Крайовський // Інформаційні системи та мережі. Вісник НУ “Львівська політе-
хніка”. – 2011. – № 699. – С. 343 – 353.
9. Інтелектуальні системи, базовані на онтологіях: монографія // Д.Г. Досин, В.В. Литвин, Ю.В. Ні-
кольський, В.В. Пасічник. – Львів: «Цивілізація», 2009. – 414 с.
10. Литвин В.В. Моделювання плану поведінки інтелектуального агента на основі мереж Петрі та
онтологічного підходу / В.В. Литвин // Інформаційні системи та мережі: Вісник Нац. ун-ту “Львів-
ська політехніка”. – 2009. – № 653. – С. 170 – 175.
11. Рассел С. Искусственный интеллект / С. Рассел, П. Норвиг. – М.; СПб.; К.: Вильямс, 2006. –
1408 с.
12. Литвин В.В. Інтелектуальні агенти пошуку релевантних прецедентів на основі адаптивних
онтологій / В.В. Литвин // Математичні машини і системи. – 2011. – № 3. – С. 66 – 72.
13. Литвин В.В. Моделювання інтелектуальних систем підтримки прийняття рішень з використан-
ням онтологічного підходу / В.В. Литвин // Радіоелектроніка, інформатика, управління /
Запорізький національний технічний університет. – 2011. – № 2 (25). – С. 93 – 101.
14. Новиков Ф.А. Дискретная математика для программистов / Новиков Ф.А. – [2-е изд.]. – СПб.:
Питер, 2004. – 364 с.
Стаття надійшла до редакції 20.09.2013
|