Научный журнал
Современные наукоемкие технологии
ISSN 1812-7320
"Перечень" ВАК
ИФ РИНЦ = 0,899

ПРИМЕНЕНИЕ МОДЕЛИ ГИБРИДНОГО АВТОМАТА ДЛЯ ФОРМАЛИЗАЦИИ ПОВЕДЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ АГЕНТОВ

Клебанов Б.И. 1 Антропов Т.В. 1
1 ФГАОУ ВПО «Уральский федеральный университет им. Первого Президента России Б.Н. Ельцина»
Одним из перспективных направлений цифровой экономики является применение имитационных моделей для определения и обоснования направлений развития территориальных образований – городов, регионов, отдельных населенных пунктов. Особую роль это моделирование играет при анализе и создании кибер-физических-социальных систем – одного из основных направлений цифровизации общества. В статье рассматривается возможность применения модели гибридного автомата для описания процессов поведения и развития агентов, обладающих в заданной среде определенными наборами потребностей, ресурсов и средств их реализации. Принято, что поведение индивидуумов определяется их потребностями, которые реализуются с помощью типовых рецептов поведения (паттернов). Модель агента представлена расширенным гибридным автоматом, учитывающим наличие альтернатив реализации потребностей агентов и функции выбора при переходе автомата из одного состояния в другое. Векторное поле, описывающее динамику изменения непрерывных переменных автомата, дополнено функциями генерации потребности, выбора и исполнения рецепта удовлетворения потребности. Рассмотрены частные модели обобщенного гибридного автомата, соответствующие объектам физической пространственно-распределенной среды и, в частности, статичного объекта, стареющего объекта с известным жизненным циклом, агентов с одной и несколькими потребностями, модель системы взаимодействующих агентов.
активный агент
потребность
гибридный автомат
взаимодействие агентов
1. Пригожин И., Стенгерс И. Порядок из хаоса: Новый диалог человека с природой. М.: Прогресс, 1986. 432 с.
2. Макаров В.Л., Бахтизин А.Р. Социальное моделирование – новый компьютерный прорыв (агент-ориентированные модели). М.: Экономика, 2013. 296 с.
3. Ali Orhan Ayd?n, Mehmet Ali Orgun. The Reactive-Causal Architecture: Radar Task Simulation. Journal of Artificial Societies and Social Simulation. 2012. [Electronic resource]. URL: http://jasss.soc.surrey.ac.uk/15/4/5.html (date of access: 22.03.2019).
4. Aksyonov K., Bykov E., Aksyonova O. Agent-directed resource conversion process model design principles. Simulation Series. 2016. № 48 (1). Р. 84–89.
5. Бычков А.С. Достаточные условия экспоненциальной устойчивости нулевого стационарного состояния гибридного автомата // Математичні машини і системи. 2007. № 3,4. С. 168–175.
6. Смирнов А.В., Кашевник А.М., Пономарев А.В., Савосин С.В. Онтологический подход к организации взаимодействия сервисов интеллектуального пространства при управлении гибридными системами // Интеллектуальные системы и технологии. 2014. № 04. С. 42–51. [Электронный ресурс]. URL: http://www.isa.ru/aidt/images/documents/2014-04/42_51.pdf (дата обращения: 28.02.2019).
7. Сениченков Ю.Б. Численное моделирование гибридных систем. СПб.: Изд-во Политехн. ун-та, 2004. 206 c.
8. Klebanov B., Riabkina E., Antropov T. The principles of multi-agent models of development based on the needs of the agents. Proceedings of the 35th Chinese Control Conference. CCC 2016. 2016. Р. 7551–7555. DOI: 10.1109/ChiCC.2016.7554553.
9. Klebanov B.I., Antropov T.V. Cycle of the needs satisfaction, and information support of the society development simulation system. AIP Conference Proceedings. 2017. Vol. 1836. Issue 1. Р. 020039. DOI: 10.1063/1.4981979
10. Клебанов Б.И., Парфенов Ю.П., Антропов Т.В. Рецепт поиска и выбора в мультиагентной модели развития общества // Фундаментальные исследования. 2017. № 9–2. С. 317–321.

Моделирование, основанное на социальных агентах, получило широкое распространение в мире, так как оно помогает решать многие задачи, связанные с поведением человека в различных ситуациях. Особую роль это моделирование играет при анализе и создании кибер-физических социальных систем – одного из основных направлений цифровизации общества. Одним из интереснейших вопросов этих исследований является анализ поведения отдельных агентов в определенных условиях внешней среды, а также оценка влияния агентов на развитие среды [1–3]. В качестве модели поведения агентов чаще всего используется модель убеждений, желаний и намерений (англ. belief, desire, and intention (BDI) model), которая представляет в основном процесс выбора пути реализации потребности. Целью данной работы является формализация процессов генерации и реализации потребностей.

Большинство рассматриваемых в литературе моделей агентов основаны на дискретно-событийных моделях [4]. В данной работе рассматривается возможность применения модели гибридного автомата для описания процессов поведения и развития агентов, обладающих определенными наборами потребностей, ресурсов и средств их реализации.

Гибридный автомат – это направленный граф, каждому узлу которого приписана динамическая система или гибридный автомат, а дугам – условия смены поведения и последовательности действий, сопровождающих смену поведения [5–7]. Гибридные автоматы отличаются от дискретных автоматов наличием как непрерывных, так и дискретных состояний.

За основу используемого в данной работе определения агента взята модель гибридного автомата, представленная в [5]. Модель агента можно представить расширенным гибридным автоматом:

H = (Q, X, F, Init, Inv, E, G, R, Evt, P, S),

где Q – множество дискретных состояний q;

X – множество непрерывных переменных – характеристик агента;

F: Q*X > X – векторное поле, описывающее динамику изменения непрерывных переменных автомата в рамках конкретных дискретных состояний, которое включает следующие функции:

fgi(pi) – функция генерации pi потребности;

fvi(pi) –функция выбора рецепта удовлетворения pi потребности, если на выбор тратится время;

fei(ri) –функция исполнения ri рецепта удовлетворения pi потребности (экземпляры функций);

Init ⊆ Q*X – множество начальных состояний;

Inv: Q > 2X – область допустимых значений непрерывных переменных автомата для каждого q;

E ⊆ Q* Q – множество дуг-переходов между дискретными состояниями;

G: E > 2X – предикаты перехода по соответствующей дуге между парой дискретных состояний;

R: E*X > 2X – множество правил, определяющих изменение значений непрерывных переменных автомата при переходе по соответствующей дуге между парой дискретных состояний;

Evt – множество событий, происходящих в системе автоматов;

P – множество потребностей p;

S – множество событий, влияющих на переходы внутри автомата.

Далее рассмотрены модели объектов, которые являются частными случаями приведенной модели и могут быть использованы для представления различных классов объектов пространственной модели.

Модель простого статического объекта

К этому классу объектов относятся физические объекты среды, которые условно не изменяются с течением времени. Математическая модель такого объекта может быть представлена следующим образом:

Q = {q1} – множество состояний агента

q1 – статическое состояние покоя.

F – функции изменения внутренних параметров объекта отсутствуют

Init = q1 – начальное состояние

X, E, G, R, P⊂∅

Evt (создание, удаление) – возможные события.

Модель «стареющего» объекта

Это физические объекты среды, которые изменяются с течением времени и могут иметь при этом несколько состояний. Переход в предыдущее состояние в них невозможен.

Рассмотрим такой объект на примере ресурса. Гибридный автомат, соответствующий этому ресурсу, в случае двух состояний можно представить так:

Q = {q1; q2} – множество состояний объекта

q1 – динамическое состояние ресурса – можно использовать;

q2 – динамическое состояние ресурса – нельзя использовать;

F – функция изменения внутренних параметров объекта:

f(r(t)) = r(t – 1) – δ,

где r – показатель возможности использования ресурса. При r(t) = 0 объект исчезает.

Функция действует постоянно во множестве состояний Q.

Init = q1 – начальное состояние, так как будем считать ресурс сразу после создания возможным к использованию.

E – множество дуг переходов

e(q1;q2)∈E – дуга между q1 и q2.

G = {g1} – множество условий переходов

g1: q1>q2, если r(t)<=rS, где rS – пороговое значение показателя возможности использования.

Следует отметить, что создание и удаление объекта может быть выделено в отдельные состояния, если они являются продолжительными по времени. Здесь и далее будем считать это время ничтожно малым, поэтому не будем вводить эти состояния, а ограничимся событиями:

Evt (создание, удаление)

Рассмотрим модель агента, обладающего 1 потребностью. Как отмечалось в [8–10], потребность можно реализовать разными рецептами.

Пусть цель агента – потребление ресурса, количество которого не ограничено.

Q = {q1; M} – множество состояний агента

q1 – состояние покоя (потребности отсутствуют);

M – допустимое множество состояний потребления ресурса, соответствующее возможным рецептам потребления;

q2∈M – состояние потребления ресурса, соответствующее выбранному рецепту;

fg1 – функция уменьшения контролируемого внутреннего параметра агента с течением времени в состоянии q1.

fg1(rIn(t)) = rIn(t – 1) – δ,

где rIn – внутренний параметр ресурса агента, d – величина, на которую изменяется rIn за один такт.

fv1 – функция выбора рецепта удовлетворения потребности потребления ресурса.

fe1 – функция увеличения контролируемого внутреннего параметра агента при реализации выбранного рецепта потребления в состоянии q2.

fe1(rIn(t)) = rIn(t – 1) + α– δ,

где α – величина приращения rIn при потреблении ресурса.

Начальным состоянием автомата может быть любое q∈Q;

E – множество дуг переходов;

e(q1;q2)∈E – дуга, между q1 и q2;

P{p1} – множество потребностей, состоящее из одной потребности p1 в данном случае.

Пусть rInT – критическое значение параметра rIn, при котором возникает потребность.

Множество возможных событий S{s1, s2}, где

s1: fg1(rIn(t)) = fg1(rInT) – возникновение потребности p1

s2: fe1(rIn(t)) = max – потребность p1 удовлетворена

G – множество условий переходов между q1 и q2

g1: q1>q2, если произошло событие s1;

g2: q2>q1, если произошло событие s2.

R∈∅ – никакие значения переменных специальным образом не изменяются при переходах состояний.

Рассмотрим модель агента с двумя потребностями: потребления и пополнения ресурса.

Q = {q1; q2; q3} – множество состояний агента

q1 – динамическое состояние покоя;

q2 – динамическое состояние потребления ресурса;

q3 – динамическое состояние пополнения ресурса.

P{p1, p2},

где p1 – потребность потребления ресурса;

p2 – потребность пополнения запасов.

fg1 – функция уменьшения внутреннего параметра ресурса агента с течением времени. Данная функция выполняется во всех состояниях.

fg1(rIn(t)) = rIn(t – 1) – δ

fv1 – функция выбора рецепта удовлетворения потребности потребления ресурса.

fv2 – функция выбора рецепта удовлетворения потребности пополнения ресурса.

fe1 – функция увеличения внутреннего параметра ресурса для q2.

fe1(rIn(t)) = rIn(t – 1) + α

fe2 – функция пополнения внешнего ресурса агента для q3.

fe2(rOut(t)) = rOut(t – 1) + β,

где rOut – параметр внешнего ресурса у агента, b – величина, на которую увеличивается rOut за один такт.

fg2 – функция расходования агентом внешнего ресурса для q2.

fg2(rOut(t)) = rOut(t – 1) + γ,

где g – величина, на которую уменьшается rOut за один такт.

Начальным состоянием автомата может быть любое q∈Q.

Пусть rOut – критическое значение имеющегося у агента внешнего ресурса для потребления, rInT – критическое значение внутреннего параметра rIn.

Множество событий S в данном случае:

s1: fg1(rIn(t)) = fg1(rInT) – возникновение потребности p1

s2: fe1(rIn(t)) = maxp1 – потребность p1 удовлетворена

s3: fg2(rOut(t)) = fg2(rOutT) – возникновение потребности p2

s4: fe2(rOut(t)) = maxp2 – потребность p2 удовлетворена

s5: fe2(rOut(t)) = 0 – количество внешнего ресурса равно 0

G – условия переходов

g1: q1>q2, если s1 & fe2(rOut(t)) > fe2(rOutT);

g2: q2>q1, если s2;

g3: q1>q3, если s3;

g4: q3>q1, если s4 & fg1(rIn(t)) > fg1(rInT);

g5: q3>q2, если s1 & s4;

g6: q2>q3, если s5.

Модель взаимодействия агентов при обмене ресурсами. В основе взаимодействия лежит необходимость удовлетворения определенной потребности агентом, но невозможность или нежелание сделать это в одиночку. Так как в данной статье мы не касаемся выбора, то будем считать, что агент A1 выбрал для взаимодействия A2.

После того как участники взаимодействия определены, агенты переходят в состояние заключения договора, либо минуя его, а затем начинают исполнять выбранные планы удовлетворения потребности. Будем считать договор потребностью агента, а состояние договора будем выделять в отдельное состояние гибридного автомата этого агента.

Q = {q1; q2; q3} – множество состояний автомата

q1 – динамическое состояние относительного покоя агентов (внутренние процессы, внешние процессы, отношения с внешней средой) – это сумма состояний А1 и А2.

q2 – состояние процесса заключения договора между агентами;

q3 – состояние процесса обмена;

F1 – функции изменения внутренних параметров агента A1

F2 – функции изменения внутренних параметров агента A2

В данном случае в F1 и F2 используются формулы модели агента с двумя потребностями, рассмотренной ранее.

G – условия переходов

g1: q1>q2 – возникла потребность обмена у A1 , у A2 не возникла:

A1rext(t) ≤ A1rextT; A2rext(t) > A2rextT,

где A1rext(t) – текущее наличие у A1 требуемого ресурса,

A1rextT – пороговое значение у A1 требуемого ресурса,

A2rext(t) – текущее наличие у A2 требуемого ресурса,

A2rextT – пороговое значение у A2 требуемого ресурса.

g2: q1>q2 – возникла потребность у A2, у A1 не возникла:

A2rext(t) ≤ A2rextT; A1rext(t) > A1rextT,

g3: q1>q2 – возникла потребность у A1 и A2:

A1rext(t) ≤ A1rextT; A2rext(t) ≤ A2rextT,

g4: q2>rq1 – установка связи, состояние ожидания,

g5: rq1>q3 – обмен,

g6: q2> rq2 – разрыв связи,

g7: q3>q1 – завершение обмена.

Предложенная модель может быть использована в рамках алгоритма заключения договора:

1. Огласка ролей участников.

2. Ожидание согласия/несогласия участников с условиями.

3. Переход в состояние удовлетворения потребности в договоре (в случае, если все участники согласны) или выход из состояния договора и переход к выбору участника (в случае, если участники не согласны).

Пункт 3 может быть дополнен поиском компромисса:

3.1 корректировка условий участниками при несогласии с предложенными;

3.2 корректировка планов агента, огласка > 3.1

Выводы

В рамках проведенного исследования получены следующие результаты:

1. Предложена расширенная модель гибридного автомата, учитывающая поведение активных агентов в процессе реализации потребностей.

2. Рассмотрены частные модели гибридных автоматов, соответствующие объектам среды обитания, которые могут быть использованы при разработке систем имитационного моделирования и управления развитием территориальных объектов.


Библиографическая ссылка

Клебанов Б.И., Антропов Т.В. ПРИМЕНЕНИЕ МОДЕЛИ ГИБРИДНОГО АВТОМАТА ДЛЯ ФОРМАЛИЗАЦИИ ПОВЕДЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ АГЕНТОВ // Современные наукоемкие технологии. – 2019. – № 4. – С. 32-35;
URL: https://top-technologies.ru/ru/article/view?id=37487 (дата обращения: 23.01.2022).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1.074