5.5.1. Взаимодействие агентов в MAC

Разработка технологии искусственных агентов, создание многоагентных систем (MAC) и виртуальных организаций представляет собой одну из наиболее важных и многообещающих областей развития новых информационных и коммуникационных технологий, где широко используются ме-

тоды искусственного интеллекта. В настоящее время существует большое число определений агентов, их классификаций, многоагентных систем. Так, агентов можно классифицировать по следующим двум признакам: а) степень развития внутреннего представления внешнего мира и б) способ поведения. Следуя этой классификации агентов, рассмотренные в предыдущем разделе автоматы могут быть отнесены к реактивным агентам [143, 144]. Вторым классом агентов, выделенных по первому из названных признаков, являются интеллектуальные (когнитивные, рассудочные) агенты. Существенное различие между реактивными агентами (популяция которых представляет «интеллект роя») и когнитивными связано с возможностью последними прогнозирования изменений внешней среды и, как следствие, предвидеть результаты своей деятельности, анализировать ее результативность и планировать свое дальнейшее поведение. Реактивные агенты практически не способны планировать свою деятельность, хотя, как мы видели, обладают способностью адаптироваться в изменяющейся среде.

Когнитивные агенты гораздо более автономны, чем реактивные, их, как правило, в популяции немного и они при этом демонстрируют целесообразное поведение в популяции аналогичных агентов, в значительной степени независимых друг от друга. У специалистов сформировалось и используется представление об интеллектуальных агентах как активных, автономных, коммуникабельных, а главное, мотивированных объектах, «живущих» и «действующих» в сложных, динамических, и, чаще всего, виртуальных средах.

Решение некоторой задачи одним агентом на основе его знаний представляет собой централизованную систему искусственного интеллекта, в которой агент имеют полную информацию о решаемой проблеме и имеет все необходимые ресурсы, знания и данные для ее решения. Однако для реальных условий такое положение вещей встречается весьма редко. Как показано в [47], система, возникшая в процессе эволюции, не может управляться централизованной системой управления. Поэтому для решения действительно сложной проблемы требуется взаимодействие некоторого множества агентов, объединяющих для достижения общей цели свои ресурсы и знания. Это множество агентов и представляет собой MAC. Таким образом, организация кооперации агентов является одной из центральных и наиболее сложных проблем построения MAC.

В MAC предполагается, что отдельный агент может иметь лишь частичную (локальную) информацию об общей задаче и соответственно общей цели и способен выполнить лишь некоторую подзадачу. Гетерогенность и высокая неопределенность подсистем сложной системы приводит к тому, что в MAC должны взаимодействовать агенты различных типов, отличающихся различными наборами знаний и ресурсов, используемыми ими для решения соответствующих задач. При этом агенты могут разрабатывать планы действий, исходя из анализа планов и намерений других агентов в MAC,

В настоящее время используются различные модели координации поведения агентов в MAC. Среди них исследователи рассматривают модели

контрактных сетей, теоретико-игровые модели, модели планирования коллективного поведения, использование Belief-Desire-Intention (В DI ^архитектур, модели координации поведения на основе конкуренции и другие.

Взаимодействие агентов — это первое, что необходимо рассматривать, говоря о создании MAC. Взаимодействие означает установление двусторонних и многосторонних динамических отношений между агентами. Оно является также предпосылкой модификации как самих агентов, так и отношений между ними. Взаимодействие между агентами имеет направленность — оно может быть положительным и отрицательным, т. е. носить характер содействия или противодействия, кооперации или конкуренции, сотрудничества или конфликта. Содействие агентов друг другу означает их взаимопомощь в интересах повышения эффективности всей MAC. Содействие перерастает в кооперацию при наличии общей цели, взаимной адаптации и широком использовании возможностей друг друга.

Рассмотрим использование для координации поведения интеллектуальных агентов в MAC генетических оптимизационных алгоритмов. Этот подход продемонстрируем на решении типовой организационной задачи — планирования перевозок грузов.(на сайте)