Metods of interaction and coordination in multi-agent system based on fussy logic of higher type

Metods of interaction and coordination in multi-agent system based on fussy logic of higher type

Dynamic architecture of intelligent multi-agent systems based on fuzzy logic of a higher type that allows more informative to present uncertainty of fuzzy rules when specifying the behavior of such systems and agents is developed. A method of fuzzy agents interactions based on the values of "sp...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Datum:2025
Hauptverfasser: Parasiuk, I.N., Ershov, S.V.
Format: Artikel
Sprache:Russian
Veröffentlicht: PROBLEMS IN PROGRAMMING 2025
Schlagworte:
UDC 004.4`2:004.94
Online Zugang:https://pp.isofts.kiev.ua/index.php/ojs1/article/view/717
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:Problems in programming
Завантажити файл: Pdf

Institution

Problems in programming
id pp_isofts_kiev_ua-article-717
record_format ojs
resource_txt_mv ppisoftskievua/20/747f3d759ae4e65e3fdaa85149684b20.pdf
spelling pp_isofts_kiev_ua-article-7172025-04-09T22:22:32Z Metods of interaction and coordination in multi-agent system based on fussy logic of higher type Методы взаимодействия и координации в мультиагентных системах на основе нечеткой логики высшего типа Parasiuk, I.N. Ershov, S.V. UDC 004.4`2:004.94 УДК 004.4`2:004.94 Dynamic architecture of intelligent multi-agent systems based on fuzzy logic of a higher type that allows more informative to present uncertainty of fuzzy rules when specifying the behavior of such systems and agents is developed. A method of fuzzy agents interactions based on the values of "speech acts", which allows to handle intent on cooperation associated with the proposal, followed by type 2 fuzzy value is proposed. Role-based coordination model of fuzzy agents behavior based on message exchange protocol that defines the functionality of agents within the multi-agent system is developed. Agent's behavior that corresponds to role entities is formalized by decision rules based on type 2 fuzzy logic.Prombles in programming 2014; 2-3: 242-252 Разработана динамическая архитектура мультиагентных систем на основе нечеткой логики высшего типа, позволяющая более информативно представить степень неопределенности системы нечетких правил при спецификации поведения интеллектуальных агентов и систем. Предложен метод взаимодействия нечетких агентов, базирующийся на значениях “речевых актов”, позволяющий обрабатывать намерения о сотрудничестве, связанном с предложением, сопровождающимся нечетким значением типа 2. Разработана ролевая модель координации поведения нечетких агентов, основанная на протоколах обмена сообщениями, задающая функциональность агентов в рамках мультиагентной системы. Поведение агента, соответствующее ролевым сущностям, формализовано правилами принятия решений на основе нечеткой логики типа 2.Prombles in programming 2014; 2-3: 242-252 PROBLEMS IN PROGRAMMING ПРОБЛЕМЫ ПРОГРАММИРОВАНИЯ ПРОБЛЕМИ ПРОГРАМУВАННЯ 2025-04-09 Article Article application/pdf https://pp.isofts.kiev.ua/index.php/ojs1/article/view/717 PROBLEMS IN PROGRAMMING; No 2-3 (2014); 242-252 ПРОБЛЕМЫ ПРОГРАММИРОВАНИЯ; No 2-3 (2014); 242-252 ПРОБЛЕМИ ПРОГРАМУВАННЯ; No 2-3 (2014); 242-252 1727-4907 ru https://pp.isofts.kiev.ua/index.php/ojs1/article/view/717/769 Copyright (c) 2025 PROBLEMS IN PROGRAMMING
institution Problems in programming
baseUrl_str https://pp.isofts.kiev.ua/index.php/ojs1/oai
datestamp_date 2025-04-09T22:22:32Z
collection OJS
language Russian
topic
UDC 004.4`2:004.94
spellingShingle
UDC 004.4`2:004.94
Parasiuk, I.N.
Ershov, S.V.
Metods of interaction and coordination in multi-agent system based on fussy logic of higher type
topic_facet
UDC 004.4`2:004.94

УДК 004.4`2:004.94
format Article
author Parasiuk, I.N.
Ershov, S.V.
author_facet Parasiuk, I.N.
Ershov, S.V.
author_sort Parasiuk, I.N.
title Metods of interaction and coordination in multi-agent system based on fussy logic of higher type
title_short Metods of interaction and coordination in multi-agent system based on fussy logic of higher type
title_full Metods of interaction and coordination in multi-agent system based on fussy logic of higher type
title_fullStr Metods of interaction and coordination in multi-agent system based on fussy logic of higher type
title_full_unstemmed Metods of interaction and coordination in multi-agent system based on fussy logic of higher type
title_sort metods of interaction and coordination in multi-agent system based on fussy logic of higher type
title_alt Методы взаимодействия и координации в мультиагентных системах на основе нечеткой логики высшего типа
description Dynamic architecture of intelligent multi-agent systems based on fuzzy logic of a higher type that allows more informative to present uncertainty of fuzzy rules when specifying the behavior of such systems and agents is developed. A method of fuzzy agents interactions based on the values of "speech acts", which allows to handle intent on cooperation associated with the proposal, followed by type 2 fuzzy value is proposed. Role-based coordination model of fuzzy agents behavior based on message exchange protocol that defines the functionality of agents within the multi-agent system is developed. Agent's behavior that corresponds to role entities is formalized by decision rules based on type 2 fuzzy logic.Prombles in programming 2014; 2-3: 242-252
publisher PROBLEMS IN PROGRAMMING
publishDate 2025
url https://pp.isofts.kiev.ua/index.php/ojs1/article/view/717
work_keys_str_mv AT parasiukin metodsofinteractionandcoordinationinmultiagentsystembasedonfussylogicofhighertype
AT ershovsv metodsofinteractionandcoordinationinmultiagentsystembasedonfussylogicofhighertype
AT parasiukin metodyvzaimodejstviâikoordinaciivmulʹtiagentnyhsistemahnaosnovenečetkojlogikivysšegotipa
AT ershovsv metodyvzaimodejstviâikoordinaciivmulʹtiagentnyhsistemahnaosnovenečetkojlogikivysšegotipa
first_indexed 2025-07-17T09:48:05Z
last_indexed 2025-07-17T09:48:05Z
_version_ 1850409870854979584
fulltext Інтелектуальні інформаційні технології © И.Н. Парасюк , С.В. Ершов, 2014 242 ISSN 1727-4907. Проблеми програмування. 2014. № 2–3. Спеціальний випуск УДК 004.4`2:004.94 МЕТОДЫ ВЗАИМОДЕЙСТВИЯ И КООРДИНАЦИИ В МУЛЬТИАГЕНТНЫХ СИСТЕМАХ НА ОСНОВЕ НЕЧЕТКОЙ ЛОГИКИ ВЫСШЕГО ТИПА И.Н. Парасюк , С.В. Ершов Институт кибернетики имени В.М. Глушкова НАН Украины, 03680, Киев-187, проспект Академика Глушкова, 40. Тел. 526 6422, e-mail: ivpar1@i.com.ua Разработана динамическая архитектура мультиагентных систем на основе нечеткой логики высшего типа, позволяющая более ин- формативно представить степень неопределенности системы нечетких правил при спецификации поведения интеллектуальных агентов и систем. Предложен метод взаимодействия нечетких агентов, базирующийся на значениях “речевых актов”, позволяющий обрабатывать намерения о сотрудничестве, связанном с предложением, сопровождающимся нечетким значением типа 2. Разрабо- тана ролевая модель координации поведения нечетких агентов, основанная на протоколах обмена сообщениями, задающая функ- циональность агентов в рамках мультиагентной системы. Поведение агента, соответствующее ролевым сущностям, формализовано правилами принятия решений на основе нечеткой логики типа 2. Dynamic architecture of intelligent multi-agent systems based on fuzzy logic of a higher type that allows more informative to present uncertainty of fuzzy rules when specifying the behavior of such systems and agents is developed. A method of fuzzy agents interactions based on the values of "speech acts", which allows to handle intent on cooperation associated with the proposal, followed by type 2 fuzzy value is proposed. Role-based coordination model of fuzzy agents behavior based on message exchange protocol that defines the functionality of agents within the multi-agent system is developed. Agent's behavior that corresponds to role entities is formalized by decision rules based on type 2 fuzzy logic. Введение Интеллектуальные мультиагентные системы состоят из множества агентов – автономных программ, ко- торые способны решать задачи либо самостоятельно, либо сотрудничая с другими агентами. Автономия интел- лектуального агента реализуется независимым процессом, индивидуальными знаниями агента и способностью взаимодействовать с другими агентами и средой (восприятие, действие). Агент расположен в среде, которую он воспринимает, и на состояние которой он влияет посредством действий [1]. Эта среда может состоять из других агентов, с которыми он взаимодействует. Модели агентов с сильными интерактивными возможностями (ком- муникация, сотрудничество и т. д.) могут быть использованы в качестве основных компонентов для проектиро- вания сложных мультиагентных систем [1, 2]. Из-за неопределенности характера взаимодействия и сотрудничества агентов при решении практических задач необходимо использование интеллектуальных агентов с нечеткой логикой [3–5], реализующих распреде- ленную деятельность сложной мультиагентной системы. Интеллектуальные агенты могут вырабатывать более адекватные решения относительно своих дальнейших действий с учетом нечеткой информации в процессах на основе взаимодействия [6, 7]. Очень часто границы “информационных гранул”, представляемых нечеткими множествами, плохо различимы, выражены некоторыми зонами. В этом случае их можно выразить нечеткими множествами выс- шего типа. Так у нечетких множеств типа 2 отдельные значения принадлежности задаются функциями при- надлежности, т. е. учитывается “размытость” определения принадлежности. Они выражают субъективную и лингвистическую неопределенность, связанную с различными оттенками смысла информационных гранул. При реальном взаимодействии интеллектуальных агентов передаваемые значения (гранулы) имеют неточ- ный, “размытый” смысл. Уместно отметить, что создание агентов, использующих преимущества нечеткой логики высшего типа (в частности, типа 2), требует разработки архитектурных моделей нечетких агентов, моделей коллективного пове- дения группы агентов, методов координации и взаимодействия таких агентов, учитывающих особенности пред- ставления нечеткой информации. Это важно, например, при решении таких прикладных задач, как исследова- ние эффективности процессов эвакуации людей в чрезвычайных ситуациях, поведения транспортных средств в условиях неопределенности (неполной информации) и ряда других задач. Цель настоящей работы – обоснование методов взаимодействия и координации в интеллектуальных мультиагентных систем с использованием нечеткой логики высшего типа, что позволяет более информативно представить степень неопределенности лингвистического представления фактов и знаний (убеждений) при мо- делировании структуры и группового поведения интеллектуальных агентов в нечеткой среде. Взаимодействие в мультиагентных системах Взаимодействие является одним из важнейших аспектов проектирования мультиагентных систем. Взаи- модействие в мультиагентных системах можно отнести к двум типам. Мультиагентные системы могут исполь- Інтелектуальні інформаційні технології 243 зовать как локальное информационное взаимодействие (передачу сообщений) так и сетевое взаимодействие (или архитектура “доски объявлений”). Локальное взаимодействие. При локальном взаимодействии не предусмотрено долговременное хранение сообщений. Такое взаимодействие не использует в качестве посредника промежуточное коммуникационные средства. Чтобы подчеркнуть непосредственное взаимодействие между агентами, используется понятие “пере- дача сообщений”. При этом типе взаимодействия передача сообщений является двунаправленной. Такой децен- трализованный тип взаимодействия повышает отказоустойчивость по причине неисправностей отдельных аген- тов. Передача сообщений между агентами описана в работах [2, 8]. Архитектура “доски объявлений”. При взаимодействии на основе данной архитектуры, группа агентов совместно использует хранилище данных, которое предоставляет эффективное хранение/поиск данных и сов- местно используется агентами в группе [9]. Типы данных, которые могут быть доступны агентам, можно кон- тролировать с использованием управляющей оболочки (сетевого интерфейса), уведомляющей агентов об изме- нении данных в репозитории. Основная проблема такой архитектуры связана с отказами “доски”, что может нарушить взаимодействие в группе агентов. Тем не менее, при таком взаимодействии можно установить неко- торую избыточность хранилищ и использовать ресурсы, распределенные между различными досками. Язык коммуникации агентов. Увеличение количества агентов и их неоднородность требует использова- ния унифицированного языка коммуникации агентов с целью обеспечения надлежащего взаимодействии и об- мена информацией. Элементы, которые имеют первостепенное значение при проектировании такого языка за- ключаются в следующем [8]: 1) общий языковый формат взаимодействия (протокол), который может однозначно интерпретирован всеми участвующими агентами, 2) общая онтология, обеспечивающая одинаковое значение одного и того же передаваемого сообщения в любом контексте и независимую от отдельных агентов семантику таких сообщений. Основные подходы при проектировании языков коммуникации агентов – это процедурный и деклара- тивный подходы. При процедурном подходе, взаимодействие между агентами моделируется как обмен проце- дурными директивами. При декларативном подходе, язык коммуникации агентов основан на обмене деклара- тивными заявлениями, указывающими определения, допущения, утверждения, аксиомы и т.д. Для правильного проектирования языка коммуникации, декларативные заявления должны быть достаточно выразительны, чтобы охватить использование агентами самой разнообразной информации. Декларативные заявления должны быть короткими и точными, так как увеличение длины потенциально сказывается на скорости взаимодействия и вно- сит вероятность искажения информации. Для удовлетворения всех перечисленных выше требований разработан язык коммуникации агентов, состоящий из трех частей: словарь, внутренний язык и внешний язык. Внутренний язык отвечает за перевод информации в логическую форму, которая понятна всем агентам. Как вариант внутреннего языка рассматри- вается KIF (Knowledge Interchange Format, Формат обмена знаний) [10]. Лингвистическое представление, со- зданное этими внутренними языками, является кратким, однозначным и зависит от контекста. Для каждого лингвистического представления, язык коммуникации поддерживает большой репозиторий словарного запа- са открытого состава. Knowledge Interchange Format [10] – один из самых известных внутренних языков и основан на исчисле- нии предикатов первого порядка. Информация, которая может быть представлена с использованием KIF – при- митивные данные, ограничения, отрицания, дизъюнкции, правила, информация метауровня, которая помогает агентам в процессе принятии решения. Поскольку бывает необходимо добавить много неявной информации в сообщение, для обмена информацией нельзя использовать только один формат KIF. Чтобы решить эту пробле- му, были разработаны высокоуровневые языки, использущие внутренний язык в качестве основы. Такие высо- коуровневые языки делают взаимодействие между агентами независимым от синтаксиса содержимого и онто- логии. Хорошо известный высокоуровневый внешний язык данной – KQML (Knowledge Query and Manipulation Language, Язык запросов и манипулирования знаниями) [11]. KQML задуман и как формат сообщения и как протокол обработки сообщений, чтобы содействовать бесперебойному взаимодействию между агентами. KQML состоит из трех уровней: уровень коммуникации, указывающий информацию об агенте-отправителе и агенте назначения, метку или идентификатор запроса; уро- вень сообщений, который определяет выполняемую функцию; уровень содержания, обеспечивающий необхо- димые детали для выполнения конкретного запроса. В KQML уровень коммуникации – низкоуровневый на ос- нове пакетов. Коммуникационные потоки KQML могут быть построены на основе TCP/IP, UDP или на основе любого другого протокола передачи пакетов. Координация в мультиагентных системах Координация является важнейшим аспектом проектирования мультиагентных систем, содержащих большое количество функционирующих параллельно агентов, часто для достижения общей цели. В работе [12] выделены основные причины, требующие координации между агентами: выполнить глобальные ограничения задачи, использовать распределенные ресурсы, экспертные знания и информацию, предотвратить конфликты между агентами, повысить общую эффективность системы. Інтелектуальні інформаційні технології 244 Координация может быть достигнуто путем применения ограничений на выбор действий каждого агента или путем использованием информации, полученной от других агентов. Проблема координации мо- жет быть решена путем уменьшения количества вариантов действий, заключающегося в применении ограни- чений или назначении роли каждому агенту. После того как агенту назначается определенная роль, количе- ство разрешенных вариантов действий уменьшается. Такой подход является основой распределенного метода координации. Тем не менее, при централизованном методе координации назначение ролей не требуется, так как та- кой метод основан на модели клиент/сервер. При таком централизованном методе для обмена информацией между агентами используется архитектура “доски объявлений”. Ведущий агент определяет каждому из под- ключенных агентов обязанность читать и обновлять информацию в центральном репозитории. Недостаток централизованной координации состоит в дезинтеграции системы в результате отказа репозитория или аген- та-посредника. Координация посредством протокола. Агенты обмениваются друг с другом информацией посред- ством переговоров. Протокол взаимодействия агентов в распределенной мультиагентной системе определяет схему (распределенный алгоритм), по которой ведутся такие переговоры. Протокол, как правило, задается на языке высокого уровня, который определяет способ координации между агентами и представляет собой ряд методов распределения задач и ресурсов. Наиболее широко используемый протокол – протокол контрактных сетей (Contract Net Protocol) [8, 13], который упрощает использование распределенного управления выполне- нием совместной задачи на основе сотрудничества. Протокол определяет, какая информация должна быть передана между агентами и формат этой информации. Для представления такой информации может быть использован язык низкого уровня, например, KIF. Переговорный процесс должен удовлетворять следующим характеристикам: 1. переговоры – локальный процесс между агентами, при котором не используется централизованное управление; 2. cуществует возможность установления двухсторонней связи между всеми участвующими агентами; 3. каждый агент принимает решение о дальнейших переговорах на основе своей собственной модели среды; 4. окончательное соглашение производится посредством выбора общего плана действий. Каждый агент по мере необходимости выполняет роли “Менеджер” и “Подрядчик”. По существу, если в процессе решения агент-менеджер не в состоянии решить некоторую задачу, он ищет другой подходящий агент, который способен ее решить. Его роль состоит в разбиении сложной задачи на меншие подзадачи и нахождении агентов-подрядчиков, которые могут эффективно выполнить эти задачи. Каждый агент- подрядчик контрактной сети способен выполнять определенные задачи. Подрядчик может стать агентом- менеджером и распределить подзадачу между агентами-исполнителями для того, чтобы сократить собствен- ные затраты времени на ее решение. Менеджер заключает договор (контракт) с агентом-подрядчиком через процесс торгов (конкурса). В процессе осуществления конкурса, агент-менеджер задает тип требуемого ре- сурса и описание решаемой задачи. Агенты, которые находятся в режиме ожидания и имеют ресурсы, необ- ходимые для выполнения задачи, представляют предложения с указанием их возможностей. Если на объяв- ление решаемой задачи отвечают несколько агентов, то агент-менеджер, пользуясь некоторым критерием, оценивает полученные заявки, выбирает наиболее подходящего подрядчика и присуждает контракт. В случае недоступности какого-либо подходящего агента-подрядчика, агент-менеджер ждет определенный период времени, прежде чем повторить предложение контракта всем агентам. Модель FIPA [8] является примером агентной платформы, которая использует протокол контрактных сетей для достижения координации между агентами. FIPA – Foundation for Intelligent Physical Agents, Фонд интеллектуальных физических агентов – модель, разработанная для стандартизации агентной технологии. FIPA имеет свой собственный язык коммуникации агентов, который служит в качестве основы для специфи- кации протокола контрактных сетей. Обычно общая стратегия переговоров достигается за счет итерационной коммуникации, где параметры переговоров постепенно модифицируются до достижения точки равновесия. Поэтому для решения сложных задач протокол контрактных сетей требует значительного количества обмена сообщениями. Теория речевых актов. Переговоры строятся с использованием небольшого числа примитивов, называ- емых речевыми актами, например, inform (сообщить), ask (запросить), confirm (подтвердить), reply (ответить), diffuse (распространить), accept (согласиться) [8, 13]. Процесс переговоров начинается тогда, когда агент по- сылает сообщение, содержащее его точку зрения (позицию) по некоторому вопросу. Посредством обмена сообщениями ask, inform, reject агенты могут обсуждать некоторую задачу и приходить к общему решению. Во время переговоров агенты обновляют свои базы знаний и, тем самым, повышают свои способности взаи- модействия, отвечая на новые запросы. Представление субъективной неопределенноти в мультиагентных системах Понятие нечеткого множества типа 2 было введено Заде [14] как расширение понятия обычного нечет- кого множества (типа 1). Нечеткое множество типа 2 характеризуется функцией принадлежности, значение принадлежности для каждого элемента такого множества задается не отдельным значением, а функцией при- Інтелектуальні інформаційні технології 245 надлежности в диапазоне [0, 1]. Выбор функции принадлежности является субъективным процессом, это означает, что разные эксперты могут прийти к построению разных множеств для одного и того же понятия. Это субъективность происходит из-за индивидуальных различий в восприятии и выражения абстрактных понятий экспертами. Если функция принадлежности определена как обычное нечеткое множества, она основана на субъек- тивном мнении одного или нескольких экспертов, и показывает не более одного значения для каждого эле- мента множества. Поэтому в случаях, когда эксперты имеют несколько различных мнений, и все они счита- ются действительными, неопределенность значения принадлежности нельзя выразить только одним значени- ем. Такая же ситуация возникает в случае, если невозможно точно задать значение принадлежности, а только утверждать что оно находится в определенном диапазоне, или распределено по определенному закону. Именно нечеткие множества типа 2 позволяют эффективно представлять такого вида “размытые” неопреде- ленности. На рис. 1 показано два нечетких множества с треугольной функцией принадлежности: обычное (типа 1) и типа 2. ix ix )( ix )( ix 1 h da ceb a cb а б Рис. 1. а – нечеткое множество обычного типа и б – нечеткое множество типа 2 На рис. 1 a показано множество значений  ( , ( ))AA x x x X  , где A X , X – пространство допусти- мых значений и ( )A x – функция принадлежности, которая задает отображение каждого значения X на значе- ние принадлежности между 0 и 1; б – множество значений –  (( , ), ( , )) A A x u x u , где функция ( , ) A x u в диа- пазоне [0, 1] задает вторичное значение принадлежности для каждого элемента x и первичного значения при- надлежности u. Треугольная функция принадлежности нечеткого множества задается следующей функцией с параметрами cba  :             .,0 ,),/()( ),/()( ,0 ),,,( xc cxbbcxc bxaabax ax cbaxA Интервальное нечеткое множество типа 2 может быть задано параметрически двумя функциями принад- лежности [15, 16] – верхней и нижней функцией принадлежности, обозначаемыми соответственно как )1,,,,(~ cbax A  и ),,,,(~ hebdx A  (см. рис. 1). Поэтому для компактного представления нечеткого множества типа 2 (нормализованного) достаточно последовательности, состоящей из шести чисел-параметров: ),,,,,( hedcba . Основу функционирования интеллектуального агента, основанного на нечеткой логике типа 2, состав- ляет система правил нечеткого вывода ЕСЛИ-ТО, но ее множества антецедентов или консеквентов этих пра- вил – нечеткие множества (или нечеткие числа) типа 2. Основными компонентами архитектурной модели такого нечеткого агента являются следующие: фузификатор, система правил, средства нечеткого вывода и процессор выходных значений. Процессор выходных значений состоит, соответственно из редуктора типа - создающего на выходе нечеткое множество типа 1 и дефузификатора – генерирующего соответствующего ему четкого значения. В непрерывном случае редукция нечеткого множества типа 2 оказывается сложной вычислительной задачей. Эта задача упрощается, если функции принадлежности второго порядка имеют ин- тервальный характер [17]. Агенты, которые реализуют процесс определения действий на основе нечеткой математики, называют- ся нечеткими агентами [7]. Были предложены модели таких нечетких агентов для спецификации поведения интеллектуальных мультиагентных систем, в которых агенты принимают решение на основе нечеткой логи- ки в соответствии с базой нечетких правил вывода [3–5]. Нечеткие агенты также используются для достиже- ния таких аспектов поведения, как поддержание дистанции между агентами, согласование скоростей и, соот- ветственно, обход препятствий [6]. Інтелектуальні інформаційні технології 246 Мультиагентная система aM – нечеткая, если составляющие ее интеллектуальные агенты – нечеткие. Это означает, что агенты имеют нечеткие модели поведения и нечеткие знания, их взаимодействие подразу- мевает обмен нечеткими значениями и их оценивание. Агенты являются нечеткими, если их модели пред- ставления знаний (в том числе используемые ими правила) – нечеткие (т. е. определяется нечеткими значе- ниями принадлежности нечетким множествам), а их поведение задано этими нечеткими моделями. Поведе- ние такого агента может быть задано функциями его восприятия, действия и принятия решения. Восприятия, сделанные нечетким агентом ag , определяется функцией agMa SS  : , зависят как от состояния са- мого агента, так и состояния мультиагентной системы aM в целом (оценивание восприятий агентом ag за- висит как поступивших сообщений от других агентов, так и от нечетких знаний самого агента). Решения, принятые нечетким агентом ag , определяются функцией agagag S  : , зависят от интерпретации восприятия, сделанных агентом только на основе его нечетких знаний. Действия, выполняемые нечетким агентом ag , целиком определяются функцией agagag AS  : , т. е. они зависят от решений, принятых агентом и состояния мультиагентной системы aM . Роли агентов нечеткие, что означает, что распределение ролей, которые нечеткий агент может выпол- нять, представляет собой дискретное нечеткое множество. В каждый момент времени, можно определить роли, которые выполняет агент на основе значений принадлежности каждой возможной роли и установки минималь- ного порогового значения, при котором агенту следует выполнять эти роли. Взаимодействие между нечеткими агентами В мультиагентных системах взаимодействие представляет собой последовательный обмен сообщения- ми между агентами и их средой (см. рис. 2 a). Этот обмен зависит от внутренних свойств среды, в которой функционируют агенты [1, 9]. Агенты считаются пассивными, если начало взаимодействия зависит только при получении сообщений, или активными, если взаимодействие является результатом действий самого агента. Коммуникация – это взаимодейстие между агентами, при котором используются средства речевых актов (см. рис. 2 б). Роль  ir: ),,( cji rrсообщение  Роль  jr: ),,( cij rrсообщение  Роль  ir: )},,(_{ cji rrактречевой  Роль  jr: )},,(_{ cij rrактречевой  a б Рис. 2. Схематическое представление взаимодействия и коммуникации между нечеткими агентами Коммуникация в мультиагентной системе может быть выполнена в двух режимах: 1) адресная коммуникация, при которой агент-отправитель посылает сообщение одному или нескольким агентам-получателям, основной единицей в этой коммуникации является речевой акт [8, 13]; 2) безадресная коммуникация, при которой агент-отправитель посылает сообщение всем агентам, имею- щимся в среде (без указания агентов-получателей). Если взаимодействия между агентами осуществляются до- статочно часто, они могут быть основаны на моделях координации действий [18]. Подходы к координации в мультиагентных системах делятся на шесть основных категорий: распределенное решение задач, протоколы, переговоры, формирование коалиций, организационная структура, планирование. Взаимодействие Ii между двух нечеткими агентами определяется следующим кортежем: ,, ts rri  , где sr – роль агента-источник взаимодействия, tr – рол агента назначения взаимодействия,  – сообщение, содержащее нечеткое значение. Целевой агент всегда оценивает нечеткое значение, содержащееся в сообще- нии, чтобы определить степень интереса, которую участие в этом взаимодействии может для него пред- ставлять. С целью обмена информацией, запроса услуг, переговоров относительно нечетких значений и т.д., аген- ты выражают свои намерение в соответствии с языковыми средствами теории речевых актов [8, 13]. Основных речевых актов достаточно для того, чтобы нечеткие агенты воспринимали намерения о сотрудничестве, связан- ном с предложением, задаваемым сообщением. Такое взаимодействие задается протоколом, при котором для Інтелектуальні інформаційні технології 247 некоторых взаимодействий требуется формирование агентом ответного сообщения (рис. 3). При таком взаимо- действия, исходный агент выбирает свой агент назначения в соответствии со своими намерениями в контексте конфигурации решения. Коммуникация ts, между двух нечеткими агентами определяется следующим образом:  ,,,,,, tsts rr , что можно представить как ,, ts rri  и  ,,,ts , где rits , – множество действий, которые нечет- кий агент роли ir может выполнить,  – речевой акт, обозначаемый перформативным глаголом, sr – не- четкий агент-источник коммуникации, tr – нечеткий агент-получатель, T  – это тип сообщения,  , – нечеткое значение, представляющее собой нечеткое множество типа 2, которое может быть значением утвер- ждения, вопроса, ответа и т. д. Например, при получении сообщения, соответствующего речевому акту "ин- формировать"  ,,2,,,, FSrrinform tsts  агент может выделить содержащееся в нем значение нечеткого множества типа 2: ))8,0;3;2;1(),1;4;2;0((  .  sr:  tr: ),,,(, mititsji rr  ),,,(, mitistij rr  Протокол: ),( ,, jiji  propose  reply [accept/refuse] diffuse confirm ask  reply [accept/refuse] inform confirm … Рис. 3. Коммуникационный протокол между нечеткими агентами Каждый нечеткий агент играет одну или несколько предустановленных ролей, границы которой опреде- лены его компетенцией в рамках мультиагентной системы. Поведение агента, соответствующее таким ролям формализуется его нечеткими правилами принятия решений. Нечеткие правила принятия решений ia нечет- кого агента роли ir , представляющие его совокупную базу знаний, описываются следующим образом: iiii rrrr XE  ,, , где ir E – множество нечетких значений, соответствующих событиям, на которые агент ir может реагировать, ir X – множество нечетких значений, связанных с внутренними состояниями агента ir , и ir  – множество дей- ствий, которые агент роли ir может выполнять. В общем случае такими действиями могут быть посылки сооб- щений другому агенту, содержащие значение речевого акта и нечеткое значение, вырабатываемое системой нечетких правил. Например, рассмотрим правило 1 такое, что:  ,,2,,,1  trrinforme ts , )4,0;6,0(),(1  x ,  ,,2,,,1  tArdiffuse tt . Это правило означает, что в качестве нечеткого события 1e нечеткий агент tr получает сообщение типа t, значение которого равно 2 (что соответствует передаче нечеткого значения типа 2), с помощью которого не- четкий агент sr сообщает tr значение ),(  . При условии 1x : “значение верхней функции принадлежности  должно быть больше, чем пороговое значение 0,6, а нижней функции принадлежности  – больше 0,4” будет запускаться действие 1 : агент tr будет передавать это нечеткое значение ),(  всем агентам коали- ции tA . Архитектура нечетких мультиагентных систем Проблемы, возникающие из-за частичного знания агентами своей среды, требуют разработки сложных координационных механизмов [1, 18]. Архитектура мультиагентной системы контролирует и координирует Інтелектуальні інформаційні технології 248 взаимодействие между агентами системы, тем самым структурируя их виды деятельности с целью достижения требуемого поведения. В общем случае архитектура мультиагентной системы рассматривается как "совокуп- ность ролей, которые состоят в определенных отношениях друг с другом, и, которая принимает участие в си- стематических институциональных формах взаимодействия с другими ролями" [19]. Архитектура мультиагентной системы задает совокупность агентов, поведение и функции которых опре- делены нечеткими правилами. Такая совокупность может быть разделена на коалиции агентов, имеющих об- щие цели и характеристики. Агент может состоять одновременно в нескольких коалициях. Он может выпол- нять одну или несколько ролей в коалициях, к которым он принадлежит. Чтобы выполнять свою роль, агент может взаимодействовать с агентами своего коалиции или других коалиций. Таким образом, роль является аб- страктным представлением функции, выполняемой агентом в коалиции. При динамической архитектуре, роли нечетких агентов могут стать динамическими и определяется сле- дующим образом },...,,{ 21 nrrrR  . Тогда, нечеткое множество ролей, которые выполняет агент ag определяется по формуле (13):  )(),...,(),()( 21 agagagagR nrrr  . Пусть }{: RAgR  – функция "играть роль", тогда роли Rrj  , которые играет нечеткий агент ag за- даются )}({),(: irjiR agrag j  , где RJj , },...,2,1{ nJR  – множество всех ролей. Архитектура мультиа- гентной системы нечеткая (и динамическая), поскольку распределение ролей, выполняемых нечеткими агента- ми постоянно изменяется. Нечеткую систему на основе агентов можно разделить на множество коалиций следующим образом: AgAg 1 ,…, AgAgi  , где i – число коалиций. Для каждой коалиции может быть определена основная роль, которую нечеткие агенты будут выпол- нять в этом сообществе. Считается, что каждый агент принадлежит к коалиции, в которой он играет свою основную роль: )),(max(( xRx ragAgagxAgag  . Нечеткие агенты взаимодействуют, посылая сообщения агентам своей коалиции (как правило, они пред- назначены для выполнения их главной роли). Они также взаимодействуют с нечеткими агентами из других ко- алиций, в этом случае они могут участвовать в других ролях. Если нечеткий агент iag взаимодействует с агентом jag из другой коалиции то он участвует в выпол- нении его роли jr : ))),(:max(),,,,()),(:max(( , xiRjijixjRxjxi ragrrragAagRrxAag   . Каждый агент действует автономно в соответствии с его собственными нечеткими правилами вывода. К ним относятся нечеткие правила, которые определяют его поведение, а также нечеткие правила, которые опре- деляют взаимодействия с другими нечеткими агентами. Иерархическая нечеткая мультиагентная система представляет собой подробное представление отдель- ного нечеткого агента для упрощения нечетких баз правил с явным учетом отдельных агентов и взаимодей- ствия между ними. Кроме того, дополнительная эффективность достигается за счет возможности лучшего представления одновременного воздействия уменьшенного количества входов на отдельные (упрощенные) ба- зы правил. Однако, при этом теряется точность из-за накопления ошибок в результате повторяющегося приме- нения фузификации, нечеткого вывода, редукции типа и дефузификации в течение нескольких циклов работы такой системы. Для повышения точности редукция типа с дефузификацией и дальнейшей фузификацией про- межуточных переменных могут отсутствовать, нечеткое значение, представляющее собой нечеткое множество типа 2 непосредственно передается между агентами. Обобщением такой модели мультиагентных систем является ее представление как виртуальной сетки (grid). Каждый агент представлен вершиной сетки в то время как взаимодействие между агентами – соединени- ями между этими вершинами. Модель мультиагентной системы с qp вершинами qpNNNN },…{,…},…{ pq1qp111 входами вершин }…{,…},…{ pq1qp111 xxxx принимающими лингвистические зна- чения из любых допустимых входных множеств, qp выходами вершин }…{,…},…{ pq1qp111 yyyy принимаю- щие лингвистические значения из любых допустимых множеств выходов, состоящая из p горизонтальных уровней и q вертикальных ярусов (слоев), может быть описана формулой (1). Інтелектуальні інформаційні технології 249 Ярус 1 .………….…… Ярус q Уровень 1 ) ,( 111111 yxN .………. ) ,( 1q1q1q yxN ……………………………………………. (1) Уровень p ) ,( p1p1p1 yxN .………. ) ,( pqpqpq yxN . Структура сетки в формуле (1) определяет местоположение агентов, а также их входы и выходы. В этом случае, каждый вход и выход может быть как скаляром так вектором, представляющим набор нечетких значе- ний типа 2. Уровни в этой структуре сетки представляют собой пространственные иерархии узлов в плане суб- ординации в пространстве, тогда как ярусы задают временную зависимость с точки зрения последовательности выполнения. Однако, формула (1) не дает никакой информации о соединениях между вершинами в виртуаль- ной сетке. Такая информация содержится в структуре соединений в формуле (2), согласно которой )1(  qp соединений узлов }…{ p2p1,11,12 zz ,…, }…{ pq1,-pq1,1q-1q zz принимают лингвистические значения из допустимых множеств для соответствующих выходов и входов узла. Ярус 1 .……….………... Ярус q-1 Уровень 1 121111,12 == xyz .……….. 1q1-1q1,1q-1q == xyz …………………………………………………… (2) Уровень p p2p1p2p1, == xyz .……….. pq1-pqpq1,-pq = = xyz . Для единообразия, мультиагентные системы, описываемые выражениями (1) и (2) предполагают наличие узлов в каждой ячейке базовой структуры сетки. Однако, не все ячейки в модели должны быть заполнены аген- тами. Для упрощения, все соединения в вышеприведенной модели – между узлами одного уровня и в соседних ярусами. Тем не менее, некоторые соединения в мультиагентной системе могут быть между агентами на разных уровнях или агентами несоседних ярусов. Пример взаимодействия и координации нечетких агентов Рассмотрим процесс координации между нечеткими агентами для задачи управления подачей газа ко- нечным потребителем. Управление подачей газа осуществляется путем частичного или полного откры- тия/закрытия вентиля (заслонки), от положения которого зависит давление в трубе. Задача – не допустить значительного отклонения давления. Поскольку потребление ресурса может существенно колебаться, приня- тие решения о положении вентиля не может быть осуществлено только на основании объема потребления. Следует учитывать также другие факторы – например, температуру воздуха, время суток. Кроме того, пока- зания датчиков для снижения их стоимости не могут быть абсолютно точными и вносят дополнительную нечеткость. Предположим, решение о положении вентиля принимается агентом на основании двух нечетких линг- вистических переменных (температуры воздуха и текущего объема потребляемого ресурса). В таблице пока- заны допустимые значения лингвистических переменных и соответствующих им термов, на основе которых строятся лингвистические правила, на рис. 4 – функции принадлежности нечетких множеств, описывающих лингвистические термы; для простоты используются треугольные функции принадлежности. В таблице представлен набор нечетких правил, осуществляющих управление. Таблица. Нечеткие лингвистические переменные для агентов управления ресурсами Лингвистическая переменная Тип Лингвистические термы Температура Входная Очень низкая (ОН), ниже нулевой (НН), нулевая (Н), выше нулевой (ВН), очень высокая (ОВ) Текущий объем потребляемого ресурса Входная Очень малый (ОМ), малый (М), средний (СР), большой (Б), очень большой (ОБ) Изменение степени открытия вентиля Выходная Значительно закрыть (ЗЗ), немного закрыть (НЗ), отсутствует (О), немного открыть (НО), значительно открыть (ЗО) Каждый агент системы подачи газа активизирует нечеткие правила, содержащиеся в его базе знаний, ан- тецеденты которых соответствуют нечеткому представлению событий, получаемому вследствие фуззификации входных значений от внешних устройств, производимых периодически другими агентами. Эти правила имеют следующий вид: : {событие условие} ТО{действие}xr ЕСЛИ  . Інтелектуальні інформаційні технології 250 1,0 0,0 -30º +30º 0º -10º +10º Температура ОН НН Н ВН ОВ 1,0 0,0 0 100 50 25 75 Потребление ресурса (% от максимального) ОМ М СР Б ОБ 1,0 0,0 -10 +10 0 -5 +5 Изменение степени открытия вентиля (% от максимального) -2,5 +2,5 ЗЗ НЗ О НО ЗО Рис. 4. Функции принадлежности для нечеткого агента Пусть 1r – роль агента, вырабатывающего нечеткое значение температуры (типа 2), а 2r и 3r – роли аген- тов, поставляющих нечеткие значения объема потребляемого ресурса и изменения степени открытия вентиля. Приведем примеры некоторых нечетких правил для агента, выполняющего роль 3r (изменение степени откры- тия вентиля): 3 :ir ЕСЛИ температура=ОВ И потребляемый_ресурс=СР TO изменение_открытия_вентиля=ЗО 3 :jr ЕСЛИ температура=Н И потребляемый_ресурс=М TO изменение_открытия_вентиля=НЗ Задача агентов выполняющих роли 1r и 2r – фуззификация поступающих значений и сравнение их с предыдущими значениями ( , )r r  . Если несоответствие новых и предыдущих значений значительно, эти аген- ты отправляют агенту 3r сообщение inform c указанием новых нечетких значений типа 2 ( , )r r   : 1 :kr ЕСЛИ 1 1 1 1( , ) ( , )r r r r      ТО 1 3 1 1( , , , ( , ))r rinform r r T    2 :lr ЕСЛИ 2 2 2 2( , ) ( , )r r r r      ТО 2 3 2 2( , , , ( , ))r rinform r r T    Для иллюстрации активацию указанных выше правил, рассмотрим схему взаимодействия, показанную на рис. 5. Пусть ie – событие измерения температуры, je – событие измерения потребления ресурсов, ia – сообще- ние об изменении температуры, ja – сообщение об изменении потребления ресурсов, ka – сообщение о необ- ходимости открытия/закрытия вентиля. Нечеткий агент, выполняющий роль 1r , отмечает, что произошло изме- нение температуры (событие ie ). Такой агент фуззифицирует значение, соответствующее событию ie , получа- ет и оценивает новое интервальное нечеткое множество температуры 1 1( , )r r   , затем информирует нечеткий агент 3r (действие ia ). Агент роли 3r запускает систему нечетких правил типа 2, оценивает степень сходства [20] выработанного такой системой правил интервального нечеткого множества 3 3( , )r r   с каждым нечетким множеством лингвистической переменной “изменение степени открытия вентиля” (ЗЗ, НЗ, О, НО, ЗО) (см. таб- лицу), а затем вырабатывает сообщение, задающее изменение степени открытия вентиля (действие ka ). Інтелектуальні інформаційні технології 251 ie je ia ja ka 1r 2r 3r 1 1( , )r r   2 2( , )r r   3 3( , )r r   Рис. 5. Схема взаимодействия нечетких агентов Рассмотрим конкретный сценарий взаимодействия между нечеткими агентами, показанный на рис. 6. Рассмотрим, например, новое значение температуры и постоянный объем потребления 30% (рис. 6). Нечеткий агент 1r получает новое измерение температуры +2°, формирует новое интервальное нечеткое множество 1 1( ( , , ,1), ( , , , ))r ra b c d b e h   = 1 1( (0; 2; 4;1), (1; 2; 3; 0,8))r r   , а затем информирует нечеткий агент роли 3r об этом новом множестве. Нечеткий агент роли 2r ранее информировал агента 3r относительно нечеткого значения объема потреб- ляемого ресурса 2 2( ( , , ,1), ( , , , ))r ra b c d b e h   = 2 2( (26; 30; 34;1), (28; 30; 32; 0,67))r r   . Поскольку это значение существенно не изменилось, то взаимодействия между 2r и 3r не происходит. Вместо этого, агент, выполняю- щий роль 3r запускает систему нечетких правил вывода типа 2 (частью которой являются 1 1 ( (0; 2; 4;1), (1; 2; 3; 0,8)) r r inform     ja (НЗ)ask 1r 2r 3r 1 1 (0; 2; 4;1), (1; 2; 3; 0,8) r r     2 2 (26; 30; 34;1), (28; 30; 32; 0,67) r r   3 3( , )r r  новое значение t=2 предыдущее значение 30% Рис. 6. Сценарий взаимодействия нечетких агентов вышеупомянутые правила ,i j  ), получая в результате нечеткое множество 3 3( , )r r  , которое в общем случае не может быть представлено в виде треугольного интервального множества типа 2. Затем, оценив степень сход- ства (алгоритм вычисления которой приведен в [20]) выработанного такой системой правил интервального не- четкого множества 3 3( , )r r   с каждым нечетким множеством лингвистической переменной “изменение степени открытия вентиля”, этот агент получает новое лингвистическое значение “немного закрыть”, которое передает- ся другому агенту для исполнения. Выводы Разработана динамическая архитектура мультиагентных систем на основе нечеткой логики высшего ти- па, позволяющая более информативно представить степень неопределенности системы нечетких правил при спецификации поведения интеллектуальных агентов и систем. Предложен метод взаимодействия нечетких агентов, базирующийся на значениях “речевых актов”, позволяющий обрабатывать намерения о сотрудниче- стве, связанном с предложением, сопровождаемом нечетким значением типа 2. Разработана ролевая модель координации поведения нечетких агентов, основанная на протоколах обмена сообщениями, задающая функци- ональность агентов в рамках мультиагентной системы. Поведение агента, соответствующее ролевым сущно- Інтелектуальні інформаційні технології 252 стям, формализовано правилами принятия решений на основе нечеткой логики типа 2. Разработан способ фор- мирования коалиций нечетких агентов и взаимодействия между нечеткими агентами различных коалиций. В перспективе разработанные методы взаимодействия и координации позволят моделировать и проекти- ровать сложные, распределенные системы программного обеспечения, основанные на методологии “вычисле- ний со словами”. Они позволит сделать представление знаний и моделирования рассуждений в мультиагентных системах более наглядным, выводя словесные заключения из посылок, выраженных средствами натурального языка. 1. Wooldridge M.J. An Introduction to Multi-agent Systems. – Cambridge: MIT Press, 2002. – 366 p. 2. Sterling L., Taveter K. The Art of Agent-Oriented Modeling. – Cambridge: MIT Press, 2010. – 367 p. 3. Парасюк И.Н., Ершов С.В. Нечеткие модели мультиагентных систем в распределенной среде // Проблеми програмування. – 2010. – № 2–3. – C. 330–339. 4. Парасюк И.Н., Ершов С.В. Моделе-ориентированная архитектура нечетких мультиагентных систем // Компьютерная математика. – 2010. – № 2. – C.139–149. 5. Ершов С.В. Принципы построения нечетких мультиагентных систем в распределенной среде // Там же. – 2009. – № 2. – C. 54–61. 6. Парасюк И.Н., Ершов С.В. Мультиагентные модели на основе нечеткой логики высшего типа для высокопроизводительной среды // Проблеми програмування. – 2012. – № 2–3. – C. 260–269. 7. Парасюк И.Н., Ершов С.В. Трансформационный подход к разработке интеллектуальных агентов на основе нечетких моделей // Там же. – 2011. – № 2. – C. 62–78. 8. Bellifemine F., Caire G., Greenwood D. Developing Multi-Agent Systems with JADE. – Chichester: John Wiley & Sons Inc, 2007. – 303 p. 9. Lander S.E. Issues in multiagent design systems // IEEE Expert. – 1997. – Vol. 12, N 2. – P. 18–26. 10. Knowledge Interchange Format (KIF). – http://www.ksl.stanford.edu/knowledge-sharing/kif/. 11. KQML Papers and presentations. – http://www.csee.umbc.edu/csee/research/kqml/papers/ 12. Nwana H.S., Lee L., Jennings N.R. Coordination in multi-agent systems / Software Agents and Soft Computing Towards Enhancing Machine Intelligence // LNCS. – 1997. – Vol. 1198. – P. 42-58. 13. Городецкий В.И., Грушинский М.С., Хабалов А.В. Многоагентные системы (обзор) // Новости искусственного интеллекта. – 1998. – № 2. – C. 64–116. 14. Zadeh L.A. Fuzzy Logic = Computing With Words// IEEE Transactions on Fuzzy Systems. – 1996. – Vol. 4. –P. 103–111. 15. Mendel J.M., John R.I. Type-2 sets made simple // IEEE Trans. on Fuzzy Systems. – 2002. – Vol.10, № 2. – P.117–127. 16. Karnik N.N., Mendel J.M., Liang Q. Type-2 fuzzy logic system // IEEE Trans. on Fuzzy Systems. – 1999. – Vol.7, № 6. – P.643–658. 17. Mendel J.M. Type-2 fuzzy sets and systems: an overview // IEEE Computational Intelligence Magazine. – 2007. – Vol. 2. – P. 20–29. 18. Bedrouni A., Mittu R. et al. Distributed Intelligent Systems: A Coordination Perspective. – Springer, 2009. – 181 p. 19. Wooldridge M., Jennings N.R., David K. The Gaia Methodology for Agent-Oriented Analysis and Design // Journal of Autonomous Agents and Multi-Agent Systems. – 2000. – Vol. 3, N 3. – P. 285–312. 20. Wu D., Mendel J. M. A comparative study of ranking methods, similarity measures and uncertainty measures for interval type-2 fuzzy sets // Information Sciences. – 2009. – Vol. 179, N 8. – P. 1169–1192.

Ähnliche Einträge