автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.13, диссертация на тему:Разработка и исследование интеллектуальных агентов для работы с информационными источниками в гетерогенных сетях

На правах рукописи

РГВ 01 2 2 ДЕК

Шестаков Сергей Михайлович

РАЗРАБОТКА И ИССЛЕДОВАНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ АГЕНТОВ ДЛЯ РАБОТЫ С ИНФОРМАЦИОННЫМИ ИСТОЧНИКАМИ В ГЕТЕРОГЕННЫХ СЕТЯХ

Специальность 05.13.13 - Вычислительные машины, комплексы, системы и сети

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург 2000

Работа выполнена в Санкт-Петербургском государственном техническом университете.

Научный руководитель - доктор технических наук, профессор Птицына Л.К. Официальные оппоненты:

доктор технических наук, профессор Гаврилова Татьяна Альбертовна кандидат технических наук, доцент Сорокин Игорь Александрович

Ведущая организация - Военно-морская академия им. Н.Г. Кузнецова

Защита состоится "21" ноября 2000г. в 16 часов на заседании диссертационного совета Д 063.38.04 Санкт-Петербургского государственного технического университета по адресу: 195251 Санкт-Петербург, Политехническая ул. 29,9-ый учебный корпус, аудитория 325.

С диссертацией можно ознакомиться в библиотеке Санкт-Петербургского государственного технического университета по адресу: 195251 г. Санкт-Петербург, Политехническая ул., 29.

Автореферат разослан"_"_2000 г.

Ученый секретарь диссертационного совета

Дурандин К.П.

' Ойът г.] - Л/2., ЛЛ! Г)

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. В настоящее время в связи с ростом количества информационных источников в гетерогенных сетях и усложнением правил работы с ними возрастает потребность в автономных интеллектуальных системах, призванных упростить работу пользователей и сократить затраты на сбор и анализ информации. Анализ работ ведущих специалистов в области информационных агентов и теории планирования Г.С.Поспелова и Д.А.Поспелова из Российской Академии Наук, С.Камбхампати из Аризонского государственного университета, Д.Велда, О.Этзиони и А.Леви из Вашингтонского университета, К.Кноблока из Университета Южной Калифорнии, Д.Ульмана и А.Келлера из Стэнфордского университета показывает, что в них не отображается специфика работы в гетерогенных сетях. Особенности построения и функционирования гетерогенных сетей проявляются в стохастическом характере описания их среды, предоставлении возможности параллельного выполнения запросов к информационным источникам и необходимости соблюдения стоимостных и временных ограничений при планировании действий по сбору информации.

Производительность интеллектуальных информационных агентов находится в непосредственной зависимости от качества планирования их действий. В известных реализациях интеллектуальных информационных агентов применяются эвристические подходы к планированию, не ориентированные на стохастический характер среды. Учет же специфических особенностей гетерогенных сетей в системе планирования действий может значительно повысить производительность работы информационных агентов. Однако оценка влияния подобных факторов на эффективность работы информационных агентов не получила научного обоснования в работах, посвященных проблемам построения и исследования информационных агентов. Поэтому для построения систем планирования действий интеллектуальных информационных агентов необходима разработка новых теоретических элементов обоснования принципов и способов их организации с учетом специфики сбора и обработки информации в гетерогенных сетях.

Цель диссертационной работы - разработка и теоретическое обоснование принципов и способов построения систем планирования действий агентов, предназначенных для выполнения запросов к множеству разнородных информационных источников в условиях параллельной обработки информации с учетом временных и стоимостных ограничений.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Сформировать описание стохастической среды, включающее представления структур гетерогенных информационных источников и правил взаимодействия с ними. Разработать критерии качества функционирования агентов.

2. Формализовать процесс планирования действий агентов при сочетании процедур нахождения интерактивных частично-упорядоченных предметно-независимых планов с обратной связью и процедур коррекции планов в условиях стохастической среды.

3. Построить алгоритмы планирования действий с позиций теории принятия решений, позволяющие осуществлять деятельность агента в условиях параллельной обработки данных согласно выбранным критериям качества их функционирования.

4. Сформировать программное обеспечение для реализации интеллектуальных агентов.

5. Разработать на основе интеллектуальных агентов систему мониторинга и анализа сети передачи электронных платежей и подтвердить эффективность использования теоретически обоснованных принципов и способов планирования действий.

Предметом исследования являются интеллектуальные информационные агенты для гетерогенных сетей (ИАГС), представляемые с позиций планирования действий в искусственном интеллекте.

Основные методы исследования. Для решения поставленных в работе задач использованы элементы теории вероятностей, теории искусственного интеллекта, теории принятия решений, теории графов и теории вычислительных систем.

Научные результаты и их новизна.

1. Разработан новый подход к планированию действий по сбору информации в гетерогенных сетях, сочетающий генерацию множества частично-упорядоченных планов на основе детерминированной модели среды, коррекцию планов по расширенной стохастической модели среды, сравнительный анализ и выбор наилучшего по заданному критерию. В отличие от известных планировщиков предлагаемый подход учитывает характер последовательно-параллельной обработки информации, стоимостные и временные ограничения запросов, априорную неопределенность относительно результатов выполнения запросов.

2. Сформирован набор типовых запросов, который позволяет представить сложный план действий по сбору реплицированной информации. Впервые систематизированы элементарные запросы с позиций описания сложных планов действий по сбору информации.

3. Разработана новая система математических моделей выполнения типовых запросов и впервые выведены аналитические соотношения для оценки временных и стоимостных характеристик достижимости цели и преодоления априорной неопределенности.

4. Предложен оригинальный алгоритм планирования действий интеллектуальных информационных агентов для гетерогенных сетей, который реализует генерацию множества частично-упорядоченных планов с обратной связью; расширение планов с учетом возможной реплицированности информации; вычисление оценок характеристик планов на основе полученных

аналитических выражений; свертку планов согласно предложенному базовому набору типовых запросов; отбор допустимых планов в соответствии с заданными временными и стоимостными ограничениями, выбор наилучшего плана. Алгоритм оригинален по составу и характеру реализуемых процедур. 5. Разработана функциональная спецификация и архитектура интеллектуального агента для гетерогенных сетей, которые в отличие от известных реализаций обеспечивают адаптируемость, переносимость, и масштабируемость решения задач сбора информации.

Практическая значимость и результаты внедрения. Практическая значимость работы заключается в том, что полученные результаты служат теоретической основой при построении программ-планировщиков для информационно-поисковых систем, ориентированных на работу с разнородными информационными источниками. Причем наибольшую практическую ценность представляют:

1. Сформированные функциональные спецификации, базовая архитектура и рекомендации по выбору инструментария, позволяющие построить надежный, масштабируемый и переносимый комплекс программных средств с интегрированным планировщиком сбора информации.

2. Разработанный комплекс информационных агентов, реализованный с учетом специфики гетерогенных сетей и позволяющий применить предложенные аналитические модели, архитектурные решения и алгоритмы для решения практических задач по организации унифицированных систем сбора информации. Созданный комплекс целесообразно использовать для построения разноплановых информационно-поисковых систем для корпоративных сетей и сети Internet.

Реализация работы выразилась в использовании алгоритмов и программных средств, основанных на научных выводах, моделях, спецификациях и рекомендациях для:

- создания комплекса интеллектуальных информационных агентов и его успешной адаптации для обеспечения мониторинга сервисов сети передачи электронных платежей Северо-Западного региона России. В ходе опытной эксплуатации выявлено повышение эффективности мониторинга с применением комплекса интеллектуальных информационных агентов в сравнении со стандартными средствами мониторинга;

- обучения студентов по направлению 552800 - Информатика и вычислительная техника.

Результаты проведенных исследований использованы при разработке системы мониторинга сети передачи электронных платежей Северо-Западного региона России. В условиях реального сопровождения с помощью ИАГС удалось существенно повысить качество сервисов сети по сравнению с мониторингом на основе стандартных средств Nortel.

Материалы диссертационной работы внедрены в учебный процесс кафедры автоматики и вычислительной техники СПбГТУ.

Представленные внедрения подтверждены актами.

Апробация работы. Основные положения и научные результаты работы докладывались и обсуждались на 9 конференциях:

на научно-технической конференции "Диагностика, информатика, метрология, экология, безопасность-98" (СПбГЭТУ, г.Санкт-Петербург, 1998);

- на III Международной научно-технической конференции "Новые информационные технологии и системы" (Пензенский государственный университет, г.Пенза, 1998);

- на Третьей Санкт-Петербургской Ассамблее молодых ученых и специалистов (г.Санкт-Петербург, 1998);

- на межвузовской научной конференции "XXVII неделя науки СПбГТУ" (СПбГТУ, г.Санкт-Петербург, 1998);

- на Третьей Финско-Русской зимней школе-семинаре "Организмы, информация и технология - от данных к пониманию" (Университет Хельсинки, Биологическая станция Университета Хельсинки Тварминне, Финляндия, 1999);

- на VI Международной научно-методической конференции "Высокие интеллектуальные технологии образования и науки" (г.Санкт-Петербург, 1999);

- на межвузовской научной конференции "XXVIII неделя науки СПбГТУ" (СПбГТУ, г.Санкт-Петербург, 2000);

- на Международной научно-технической научной конференции "Пятьдесят лет развития кибернетики"(СПбГТУ, г.Санкт-Петербург, 1999);

- на Международной конференции по мягким вычислениям и измерениям (СПбГЭТУ, г.Санкт-Петербург, 2000).

Публикации. Основные результаты работы представлены в 16 публикациях, в том числе в девяти статьях, включая пять статей в иностранных источниках.

Структура и объем работы. Диссертация состоит из введения, пяти глав, заключения, списка литературы, включающего 68 наименований, и приложений. Материал работы изложен на 184 страницах машинописного текста, основное содержание - на 170 страницах. Работа содержит 44 рисунка и 22 таблицы.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы исследований, определена цель и основные задачи исследования, сформированы основные требования к интеллектуальным системам сбора информации с учетом особенностей гетерогенных сетей, приведены сведения о реализации работы, об апробации, о публикациях и структуре диссертации, представлено краткое содержание глав.

В первой главе проанализированы теоретические наработки и известные технические решения в области унифицированных систем сбора информации. Показана перспективность создания таких систем на основе использования интеллектуальных агентов. Описаны основные свойства интеллектуальных агентов, к которым отнесены реактивность, активность, способность к

общественным действиям, автономность. Помимо традиционных свойств, отраженных в публикациях, выявлены специфические свойства, присущие информационно-поисковым системам в гетерогенных сетях: учет ограничений по стоимости и времени; математические методы описания среды; математический анализ принимаемых решений; учет параллелизма; обучаемость; оптимизация запросов; совместная обработка запросов.

В процессе анализа функциональных спецификаций интеллектуальных информационных агентов выделены их основные типовые характеристики. В созданных системах сбора информации не используется ни один из стандартных аналитических методов поиска решений. Для повышения эффективности работы подобных систем разрабатываются достаточно сложные узкоспециализированные алгоритмы работы. Основополагающий фактор повышения производительности информационных агентов широкой специализации связан с интенсивным использованием планирования действий по сбору и обработке информации, в процессе которого принимаются теоретически обоснованные решения. Исследование характеристик известных реализаций информационных агентов привело к определению необходимости разработки новых теоретических элементов, предназначенных для рациональной организации интеллектуальных информационных агентов с учетом специфики работы в гетерогенных сетях.

В результате анализа математических особенностей описания знаний ИАГС сформирована система требований, предъявляемых к схемам отображения знаний таких агентов: учет временной составляющей; отображение стохастического характера среды, пригодное для применения теории принятия решений; возможность автономного обучения; приемлемость по вычислительной сложности. Ни один из традиционных подходов к описанию знаний по отдельности не удовлетворяет в полной мере предъявляемым требованиям. Поэтому предложено разбить планирование на два этапа. На первом этапе использовать детерминированную модель среды, а на втором этапе оперировать с расширениями модели, учитывающими стохастический характер среды. В качестве основного способа представления знаний ИАГС на этапе планирования в рамках детерминированной модели среды предложено использовать логику предикатов первого порядка, а на этапе принятия решений - стохастические логические модели, для которых существует развитый аналитический аппарат.

При определении качества функционирования ИАГС предложено нормализовать различные типы затрат и вознаграждений и представить сумму таких нормализованных показателей как единый критерий оценки производительности агентов. Для нахождения оценок качества выполнения действий агента по опросу информационных источников выбраны модели многоуровневых систем принятия решений в условиях параллельной обработки информации.

Для проектирования интеллектуальных агентов определена компромиссная стратегия на основе баланса критериев, характеризующих

обучаемость и производительность агента в зависимости от важности выполняемых заданий. Для наиболее важных заданий предпочтение отдается критерию производительности, а для других заданий - критерию обучаемости агента.

В процессе анализа основных механизмов искусственного интеллекта и учета ключевых особенностей стохастических сред выявлены перспективные приемы планирования действий, пригодные для ИАГС: нахождение интерактивных частично-упорядоченных универсальных планов с обратной связью; использование иерархических нелинейных алгоритмов с поздним подтверждением в условиях стохастической среды; планирование с учетом возможностей по распараллеливанию действий.

В результате проведенного анализа современных достижений теории искусственного интеллекта и известных решений в области построения унифицированных систем сбора информации в гетерогенных сетях сформулирована цель диссертационной работы и поставлены задачи, которые необходимо решить для её достижения.

Вторая глава посвящена исследованию алгоритмов планирования в искусственном интеллекте. При исследовании алгоритмов планирования проанализирована функциональная полнота, вычислительная сложность и производительность. Показатель функциональной полноты определен через отношение количества функций, реализованных в системе планирования к количеству требуемых функций. В качестве показателя вычислительной сложности планирования при решении некоторого множества задач выступает среднее время решения этого множества задач. Показатель производительности планировщика обратно пропорционален показателю вычислительной сложности.

Моделирование и анализ производительности классических алгоритмов планирования проведены на основе определения модели обобщенного алгоритма поиска в пространстве частично-упорядоченных планов. Функциональный анализ осуществлен среди расширений классических алгоритмов, специализированных для решения задач информационного планирования. Для анализа планировщиков сформирована модель среды, которая учитывает специфику информационного планирования в гетерогенных сетях.

Для обобщенного алгоритма Refine-Plan сформирован базовый набор процедур планирования SNLP, NONLIN, TWEAK и UA. На основе сравнительного анализа сформированы приоритеты базовых процедур планирования, позволяющие повысить производительность информационных агентов.

По результатам исследований установлена необходимость усовершенствования обобщенного алгоритма планирования посредством введения генерации и сравнительного анализа частично-упорядоченных планов для преодоления априорной неопределенности относительно стохастической модели среды в условиях последовательно-параллельной обработки данных.

В третьей главе проведено математическое моделирование планов действий ИАГС по опросу произвольного числа информационных источников в условиях последовательно-параллельной обработки данных. При математическом моделировании выделено множество типовых информационных запросов: опрос одного информационного источника, последовательный опрос двух и более реплицированных источников, последовательный опрос двух и более нереплицированных источников, параллельный опрос двух и более реплицированных источников и параллельный опрос двух и более нереплицированных источников.

Исследование начато с построения модели запроса к одному информационному источнику. Сделано допущение о том, что запрос к у'-му информационному источнику (/=1,2,...,/) выполняется успешно с вероятностью рр и неуспешно - с вероятностью (1 -р}). Причем временной интервал Ц'!иссе!!, через который станет известен результат выполнения успешного запроса, представлен как случайная величина, распределенная по некоторому закону. Аналогично временной интервал через который станет известен

результат выполнения неуспешного запроса, также описан как случайная величина, распределенная по некоторому закону. Для учета временных ограничений проведена дискретизация времени ожидания исхода запроса с некоторым квантом А? и установлено максимальное время наблюдений равное К?та, квантов для успешного запроса и ¡¿пах квантов для неуспешного запроса. Введены дискретные случайные величины и Щ , представляющие ожидаемое количество квантов до завершения успешного и неуспешного запроса соответственно. Статистические свойства времени завершения успешного и неуспешного запроса описаны соответственно с помощью дискретных распределений вероятностей и £/к]/). Принято допущение,

что дискретные случайные величины к]; и ^у-независимы. Считается, что время наблюдений ограничено квантами. Математическое моделирование

планов действий ИАГС выполнено в два этапа.

На первом этапе выведены аналитические соотношения для оценки характеристик типовых запросов по преодолению априорной неопределенности. Искомое итоговое распределение вероятностей времени преодоления априорной неопределенности для каждого типа запроса обозначено через Р_(к_). Процесс запроса к одному информационному источнику представлен в виде логической модели. В результате анализа модели найдено выражение для вычисления Р (к )\

_) =р* 1 -Р)ТМк1г к~У> к-= тт(к!,к/),...,тах(к,,к/1 (1)

Затем построена логическая модель последовательного опроса I реплицированных информационных источников. Путем преобразования логической модели последовательного опроса / реплицированных информационных источников найдено соотношение для вычисления

Р/М) ко,) + (1 ко1);

ког тт(к/,,Щ,...,тах(к/х,1д/);

Fi2..j{koi2..j) - X Fn...fi-i)(koi2. <j-i))*Fj{kon..j - koi2...Q-i))>

кои. o-')

koi2 ../= mm(koi+ko2+.--+koj),-..,max(koi+ko2+--.+koj);

P(ko,2j< Nmax) = I F,2j{k012J- (2)

1ТГ(\-Р(кП1< AU))*( 1 -P(k0,2<N/Ko,))*—* (1 -P(k0!2.А ли»)); M *L(*J = P(ko,< Nmax)*F,(k0r=kJ +

+П', *P(kOI2<Nmax)*F¡2(ko¡2 = kj+ ... +

+П*P(ko,w,¿Nm)*F,í..(¡.i¿k0,z..M=k J + +П',./ *F,2,Akon. .,=kJ; *_= min(koi,koi2> ■■■,koi2...i),-,max(koi,koi2,...,koi2...i)-

Далее разработана логическая модель последовательного опроса I нереплицированных информационных источников. На основе преобразования этой логической модели выведено соотношение для нахождения F_(kJ: Fjihj) ~ Pj*k0j) + (1 -Pj)*Mkjr k0j) koj— win(kj\,kjf),...,ma.x(kjs,kjf);

F12...j(koi2...j) - H F¡2.Jj-l){ko!2.,(j-¡))*Fj{koi2...j - ko¡2...(j-l)) ;

koi!..(,-!)

kon. r rnm(k0i+ko2+---+koj),---,m^(ko]+k02+...+k0j);

P(kon .,< AU) = I FuJkMl¡)\ (3)

ion fi Nm*

ПrP(k0¿Nmax)*P(k0¡2<Nmax)*...* P(kolZj< yVKÍU);/-=l,...,/;

fjfcj = {l-P(k0l< Nmax))*Fi(koi=k_) +

+П, *(l-P(kon<Nm¿íí)rFl2(kol2 = kj + ... + +П« *0 -P(koi2.. Nmax))*Fn...<n){kon...(¡.,rkJ + +П/-/ *F12 ik,]¡2..r-kJ;

k_= mm(koi,kf¡!2, ...Jco,2.J,...,max(k0i,k0,2,...,k<¡n...d-

Параллельный опрос двух и более реплицированных информационных источников до / включительно смоделирован в классе логических моделей, отражающих принцип ИЛИ-параллельности. После завершения преобразования построенной логической модели получено следующее аналитическое выражение для F_(k_):

Fjikoj) =Pj*Mkjs= k0j) + (l-PjYjj/kjr k0¡); k„= mm(kjs,kj/),...,max(kjs,kjf) ;y=1,2,...»/;

FJkJ^F,(k0!=kJ*j: ... IF2(ko2)*..*F^ko,) +

+F2(k02=kJ*I I ... IF¡(koi)*F3(k(i3) *...*F{kni) + ...+ (4)

ku>k_ koi>k_ ka,Uí_

+F{hñ kj* I ... I F,{k0lYF2{k„2) *... *F,.l(krM,l));

Параллельный опрос 1 нереплицированных информационных источников формально описан в классе логических моделей, соответствующих принципу И-параллельности. Посредством преобразования разработанной модели определено соотношение для F_(k_):

Fßoi) ~Pj* fh(kj_r k0j) + (1 'Pj)*JjßJr koj);

kor ;

FJkJ = Fj(koj=,y*£ ...IF2ik02)*...*Fl(k0!) +

+F2{k0fkJ*I Z ... I FthnfFAkoj) *...*F{km) + ...+ (5)

к,,йк_ kaSk_

+Fikor kj*l ... S FikotYFAkoi) *... *FUko(i-i));

k_ = max {min(&0,),min(£M),... ,min(i0/)},..., max{max(fe/),max(£w),.. .,max(£0/).

На втором этапе моделирования планов действий ИАГС выведены аналитические соотношения для оценки характеристик типовых планов по достижимости цели. В качестве основных характеристик выбраны две итоговые функции распределения вероятностей времени успешного и неуспешного исполнения - Fs(ks) и Fßj) соответственно.

Первоначально для оценки достижимости цели построена модель последовательного опроса 1 реплицированных информационных источников. В соответствии с построенной моделью найдены выражения для F/kf) и Fs{ks): Fßj) =(1-Р,)*(1 -Р2)*...*( i-P,)*F"]jh., =*/); Ffi..j(ki..rkf) = TtFf,...0.,)(k,...Q.,))*ß/kr к,...0.„У,

¡4 6-1)

ka.j = min(W/ +k2/+...+kjf)...max(kl/b k2j+...+kjf)\j=l^,...J; (6)

kf= min(k,, к¡2,..., kl2J),...,max{k,, k,2,..., k,2 J).

Fs(ks) =pi* (1 -pj)*pj*

+ {l-Pl)*...*{ \-pi.i)*Pi* Fi2../yki2 j=ks); Fi. AkiJ = X Ffi...o-!j(ki...o-o)*Mki.j - kL. д.,))-,

F,{k,) =fl s{k'i)',j~l ,2,...J; k, = kli, (7)

kl2..j = min(kls, klf+k2„ ..., klf+...+k(j-l)j+kjs)... max(kl„ klf+k2s,..., kIf+...+k(j-l)rrkjs); kr min(Ar,, ku,..., k,2 /),...,max(£,, k,2,..., к12,ц).

После этого исследована достижимость цели при последовательном опросе / нереплицированных источников. Распределения Fs(ks), Fßj) выведены в процессе преобразования построенной модели: Flks) =pi*p2*...*pi* F,j(hj

F, Jku) = I F,i...ü-i)(kl...(i-!j)*ßs(ku - (8)

H)

ki2,..j — min(kls +k2s+...+kjx)...max(k]s+ k2s+...+kjs); j=l,2,...J; £/= min (к;, ka ,..., ki2.j),...,max(k;, kn,..., кц. ,).

i^Jhj) = I FwßuwYMh..} - ki~6-i))'> =/№-};

...,/; kj = klfi (9)

k,2..j = minCWy, kls +k2f,..., +...+k(j~l)s+kjj)... max(k}fi kls +k2fi ..., kl, +...+k(j-l)s+kjf)\ kf= min(k,, k,2,..., k,2I),...,mzx{k,, k,2,..., kn. j).

При определении характеристик достижимости цели в условиях параллельной обработки запросов моделирование осуществлено с привлечением формальных описаний механизмов И- и ИЛИ- параллельности. Построенные в процессе исследований модели отличаются от формализации, предложенных при определении характеристик преодоления априорной неопределенности, по структуре и составу функциональных множеств.

Согласно разработанной логической модели параллельного опроса I реплицированных информационных источников при достижимости цели определены аналитические соотношения для Fs(ks) и F/kJ). Выражение для Ffkj) имеет вид:

Fßf) = (1 -Р,)* (W-* (1 -Р,гт^гкГ1 • • • Ъчщ *-*fl№ +

k2fikf Ujikf

+ßß2r kj)*Z I ... T,ßjikl/)*Mk3/) *...*ßßlf) + ...+

Uf<kf Mfükf Ujikf

+ fiikir kjfL ... sпттщ *-*At-imi-i)f)i, сю)

k!f<kf tf-l)fJtf

kf= max{min(W/),min(^2/),...,min(W/)},..., rnax {max(klf),max(k2J),.. .,max(kl/).

Распределение Fs(ks) представляется соотношением (11):

ВД ~Pi*P2*...p,*[fllkl^kr) * I ... Ißs(k2s) *...*fls(kls) + +flJLk2,= k,)*I. I • • -Hfl №,)+/№,) *■ .*fh(kQ + ■■■+

us>ts «,sais u&ks

+A№= • • • lfh(kis)*ßsm *...y(FiUk(i-i)dl (И)

kl,>ks kfl-l)s>ks

ks= min{min(Är/J)1mm(^2j),...,min(i/s)},..., min {max(kl s),max(k2s),... ,max(kls).

Характеристики достижимости цели при параллельном опросе 1 нереплицированных информационных источников определены посредством

построения и анализа соответствующей логической модели. Распределение /•Х^) выражено через соотношение (12):

+У2Д2,= *,)*! I • • • *...*МЩ + ■ • •+

)с2ц ^¿у ¿Ау А/у^Ау

•.. *..*Л1-1ик(1-тЪ (12)

к!,<кг к(1-1)а<к,

кх= тах^т^/Дтт^,),.. .,тт(А/,)},..., тах{тах(£/,),тах(£2,),... ,тах(А"/().

Найденное соотношение для Г/^к/) имеет вид:

т)=()-Р1Г0-Р2)*...ч\-р,)*[г1Ак1г^ 1мкщ +щк2Г */>*! I... Ъпттщ *■ -*Акщ+-+

+/#//= фЦ ... ЪЛАкЬУР-Щ) *...*Я1-0т-0/)]-, (13)

к]= т1п{тт(к1/),тт(к2/),.. ,,тт(кЩ,..., тт{тах(А;/г),тах(£2Д.. .,тах(&0.

На основе приведенных соотношений (1-13) для определения распределений вероятностей различных характеристик информационных запросов получены оценки математических ожиданий времен преодоления априорной неопределенности и достижимости цели, а также вероятностей благоприятных событий.

Соотношения (1)-(13) позволили оценить стоимостные характеристики типовых планов путём замены распределений вероятностей времен

на соответствующие распределения стоимостей

Для проверки корректности новых аналитических соотношений, определяющих характеристики преодоления априорной неопределенности и достижимости цели, научно обоснован и реализован эксперимент. В результате сопоставления данных, полученных с применением метода свертки, метода отыскания групп совместных вершин и метода подстановки, подтверждена корректность выведенных соотношений.

Предложенные логические модели типовых опросов информационных источников и новые аналитические соотношения для определения характеристик преодоления априорной неопределенности и достижимости цели могут быть использованы для анализа информационных запросов произвольной сложности.

Четвертая глава посвящена разработке ИАГС. Сформированы требования к подсистеме планирования действий программного комплекса ИАГС,

учитывающие стохастический характер среды, возможности по распараллеливанию действий, временные и стоимостные ограничения. С использованием методологии SADT в нотации IDEF0 спроектирована базовая архитектура комплекса ИАГС.

В базовой архитектуре выделены основные компоненты программного комплекса ИАГС - информационное хранилище, интерфейсные и функциональные модули, определена их взаимосвязь. Функциональные модули обеспечивают диспетчеризацию запросов, предварительную подготовку планов, синхронизацию модели среды, планирование и исполнение действий по сбору информации.

По результатам выполненных исследований определены принципы построения усовершенствованного алгоритма планирования действий GATHER-INFO и раскрыты три его ключевые процедуры. Процедура ADD-REPLICATED ориентирована на дополнение каждого частично-упорядоченного плана действиями по опросу реплицированных источников. Процедура CALCULATE, вызываемая для каждого плана, предназначена для выполнения свертки плана с учетом стохастического характера среды и вычисления числовых оценок временных и стоимостных характеристик на основании выведенных аналитических соотношений. Функциональной спецификацией процедуры ANALYZE предусмотрено сравнение числовых оценок планов между собой и с допустимыми ограничениями, а также выбор конкретного плана в зависимости от приоритета задачи.

В результате анализа возможного множества проектных решений сформирована система рекомендаций по построению ИАГС в виде комплекса взаимодействующих программ. При определении системы рекомендаций обоснован выбор технологий и инструментария разработчика. Для построения функциональных модулей выбрана технология Java/JDBC, для интерфейсных модулей - Internet технологии генерации динамического HTML (технология CGI и картриджная технология Oracle). При проектировании информационного хранилища агента наивысший приоритет установлен для методологии ER-моделирования. Для реализации информационного хранилища отдано предпочтение стандарту SQL92.

В пятой главе решена задача применения ИАГС для анализа сети передачи электронных платежей (СПЭП). Исследованы информационные источники СПЭП, проанализированы вероятностно-временные критерии качества мониторинга.

В ходе анализа выявлена недетерминированность задач сбора информации о СПЭП с помощью стандартных средств Nortel и их критичность по времени и системным ресурсам, а также неудовлетворительное качество мониторинга. Комплекс ИАГС адаптирован для сбора информации СПЭП с помощью стандартных средств Nortel. При адаптации сформирована модель СПЭП, разработаны интерфейсы для взаимодействия со станциями управления сетью. ИАГС снабжен средствами интеллектуального звукового оповещения и рассылки сообщений по электронной почте.

Комплекс ИАГС протестирован применительно к задаче мониторинга СПЭП, в процессе которого подтверждено соответствие системе требований по функциональной полноте и производительности. По результатам исследования характеристик действующей системы проведен сравнительный анализ качества мониторинга СПЭП с применением ИАГС и с использованием стандартных средств Nortel. Выявлено, что в результате внедрения ИАГС вероятность обнаружения сбоя сервиса повышается на 4%, среднее время обнаружения сбоя сервиса снижается более, чем в пять раз, а среднее время диагностирования сервиса - более, чем в три раза.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. В процессе обширного анализа теоретических основ искусственного интеллекта и сопоставления известных реализаций интеллектуальных информационных агентов выявлен перспективный путь совершенствования их архитектуры за счет включения систем планирования действий, позволяющий повысить производительность агентов.

2. На основе использования системного подхода показана необходимость разработки новых теоретических элементов обоснования выбора способов организации систем планирования действий агентов при выполнении запросов к разнородным информационным источникам в условиях последовательно-параллельной обработки данных.

3. Выделенная специфика функционирования интеллектуальных информационных агентов по сбору информации в гетерогенных сетях позволила определить оригинальную по составу и содержанию систему принципов планирования действий агентов, предусматривающих адаптацию алгоритмов частично-упорядоченного планирования, использование стохастической модели среды, распараллеливание действий, учет временных и стоимостных ограничений.

4. Для выделенных классов типовых задач сбора информации в гетерогенных сетях и сформированного базового набора алгоритмов частично-упорядоченного планирования проведен сравнительный анализ производительности известных реализаций планировщиков в рамках построенной модели среды.

5. В отличие от известных подходов, модель среды агента, соответствующая задаче планирования в детерминированных средах, расширена с учетом априорно неопределенной информации о результатах выполнения действий по опросу информационных источников в гетерогенной сети как по временной, так и по стоимостной составляющей. Сформирована перспективная стохастическая модель среды для гетерогенных сетей, которая позволяет описать и обеспечить распараллеливание действий по сбору информации с ограничениями по стоимости и времени.

6. Предложенное новое множество типовых элементарных запросов предоставляет возможность описать сложные планы сбора информации.

7. В процессе анализа построенной стохастической модели среды впервые выведены аналитические соотношения для определения временных и стоимостных характеристик планов по преодолению априорной неопределенности и по достижимости цели.

8. Спланированы и проведены эксперименты для проверки корректности аналитических выкладок по определению характеристик типовых запросов. Сравнение данных, полученных неявным методом свертки, методом отыскания групп совместных вершин и методом подстановки, подтвердили корректность результатов аналитического моделирования.

9. На основе предложенной функциональной спецификации разработана базовая архитектура комплекса интеллектуальных информационных агентов для гетерогенных сетей. Для предложенной архитектуры построена многоуровневая система принятия решений в виде алгоритма, позволяющего для произвольной задачи планирования построить множество планов сбора информации и выбрать среди них план, обладающий наилучшими характеристиками по времени и стоимости достижимости цели при заданных ограничениях.

10. Разработанный комплекс интеллектуальных информационных агентов, предложенные аналитические модели, архитектурные решения и алгоритмы пригодны для построения унифицированных систем сбора информации в корпоративных и общественных сетях. Созданный комплекс интеллектуальных информационных агентов адаптирован для мониторинга сети передачи электронных платежей Северо-Западного региона России. Опытная эксплуатация продемонстрировала повышение эффективности мониторинга с применением комплекса интеллектуальных информационных агентов по сравнению со стандартными средствами мониторинга.

ПУБЛИКАЦИИ

1.Добрецов C.B., Шестаков С.М. Планирование действий в искусственном интеллекте // Вестник Академии Технического Творчества "ДЕМИУРГ", №1/1998,СПб. 1998. С.32-46.

2. Шестаков С.М. Подход к планированию действий интеллектуальных информационных агентов в гетерогенных сетях // Материалы научно-технической конференции "Диагностика, информатика, метрология, экология, безопасность-98", СПбГЭТУ, СПб. 1998. С.122-123.

3. Шестаков С.М. Повышение производительности интеллектуальных информационных агентов в гетерогенных средах // Материалы III Международной научно-технической конференции "Новые информационные технологии и системы", Пензенский государственный университет, Пенза. 1998. С.ЗЗ.

4. Добрецов C.B., Шестаков С.М. Особенности организации систем сбора и обработки информации в гетерогенных сетях // Вычислительные,

измерительные и управляющие системы. Труды СПбГТУ №479, СПб. 1999. С.32-35.

5. Птицына Л.К., Шестаков С.М. Информационные агенты для гетерогенных сетей // Материалы Третьей Санкт-Петербургской Ассамблеи молодых ученых и специалистов. Симпозиум "Молодые ученые - промышленности и городскому хозяйству Санкт-Петербурга". СПбГТУ, СПб. 1998.

6. Птицына Л.К., Шестаков С.М. Формирование методического обеспечения систем непрерывного технического образования на базе интеллектуальной информационной системы II Материалы IV Международной научно-методической конференции "Высокие интеллектуальные технологии образования и науки. СПбГТУ", СПб. 1999. С.251-252.

7. Шестаков С.М., Птицына JI.K. Агенты для сбора и обработки информации в гетерогенных сетях // Материалы межвузовской научной конференции "XXVII неделя науки СПбГТУ", СПбГТУ, СПб. 1999. С.13.

8. Шестаков С.М., Птицына JI.K. Исследование алгоритмов планирования в искусственном интеллекте // Материалы межвузовской научной конференции "XXVIII неделя науки СПбГТУ", СПбГТУ, СПб. 2000. С.75-77.

9. Птицына Л.К., Шестаков С.М. Проектирование интеллектуальных агентов для гетерогенных сетей // Международная научно-техническая конференция "Пятьдесят лет развития кибернетики", СПбГТУ, СПб. 1999. С.79-80.

10. Шестаков С.М. Web-серверы в версии Oracle // Открытые Системы, 1997. № 4. С.63-64.

11. Shestakov S. UNIX Scripts for Oracle Administration // Oracle Internals, 1999. Vol. IN 9. P.7-14.

12. Shestakov S., Petrov D. Oracle Sessions Monitoring // Oracle Internals, May 2000.

13. Shestakov S. Building a Java Applet for Monitoring Oracle // Oracle Internals, 2000. Vol. IN 11. P. 10-20.

14. Shestakov S. Building a Java Applet for Monitoring Oracle // Oracle Internals, 2000. Vol.1. N12. P.8-11.

15. Shestakov S., Petrov D. SQL*Net Diagnostocs and Performance Tuning // Oracle Internals, 2000. Vol.2 N 5. P.l-10.

16. Птицына Л.К., Соколова H.B., Шестаков С.М. Анализ планов действий интеллектуальных агентов с применением логических моделей параллельных процессов // Сборник докладов Международной конференции по мягким вычислениям и измерениям. СПбГЭТУ, СПб. 2000, С.235-238.

1. Анализ задач извлечения знаний в гетерогенных сетях

1.1. Определение особенностей современных и перспективных способов извлечения знаний в гетерогенных сетях

1.2. Определение математических особенностей описания знаний в гетерогенных сетях

1.3. Формирование критериев оценки качества функционирования интеллектуальных информационных агентов для гетерогенных сетей ^

1.4. Анализ представлений процессов извлечения знаний в гетерогенных сетях

1.5. Анализ алгоритмов планирования в искусственном интеллекте

1.6. Представление задачи разработки интеллектуальных агентов с позиции планирования действий

2. Исследование алгоритмов планирования в искусственном интеллекте

2.1. Выбор показателей качества планирования

2.2. Разработка моделей для исследования алгоритмов планирования

2.3. Исследование алгоритмов планирования и выработка рекомендаций по их применению в ИАГС

Выводы

3. Математическое моделирование планов действий ИАГС

3.1. Разработка математических моделей планов действий ИАГС для преодоления априорной неопределенности

3.2. Разработка математических моделей планов действий ИАГС для оценки достижимости цели

3.3. Планирование эксперимента для подтверждения корректности аналитических моделей

3.4. Анализ результатов моделирования планов действий ИАГС 114 Выводы

4. Разработка ИАГС

4.1. Формирование функциональных спецификаций программного обеспечения для выполнения операций ИАГС

4.2. Разработка алгоритма планирования действий ИАГС

4.3. Построение ИАГС в виде комплекса взаимодействующих программ

Выводы

5. Применение ИАГС для анализа электронных платежей

5.1. Исследование и отбор информационных источников

5.2. Адаптация ИАГС для работы с отобранными источниками

5.3. Анализ качества функционирования ИАГС 166 Выводы

В крупных организациях зачастую необходимо выполнять сложные вычислительные задачи в распределенной гетерогенной среде. Как правило, для таких задач в процессе развития вычислительных сетей организации уже разработано достаточно много независимых информационных систем, реализованных в неодинаковых архитектурах, действующих под управлением различных операционных систем, написанных с применением ряда отличающихся технологий программирования. Некоторые подсистемы, в которых хранится необходимая для обработки информация, являются устаревшими и для них существуют свои узкоспециализированные интерфейсы. В таких условиях человеческий фактор проявляется прежде всего в том, что сотрудник может забыть или некорректно обработать данные от одного или нескольких информационных источников. В результате такой ошибки могут быть приняты неточные или неверные решения.

Хотя на физическом и сетевом уровне чаще всего все локальные вычислительные сети объединены в единую корпоративную сеть, в такой сети на уровне прикладного обеспечения остро ощущается нехватка унифицированной системы сбора и обработки информации, которая позволила бы объединить накопленные автономные информационные источники, сделать доступ к информации прозрачным и оперативным. Интеллектуальная информационная система призвана осуществлять в автономном режиме диспетчеризацию информационных запросов к разнообразным гетерогенным информационным источникам, чтобы предоставить максимум информации за приемлемое время. Система должна быть гибкой, обеспечивать возможность подключения к ней новых гетерогенных информационных источников, модификации существующих описаний и настройки без дополнительного программирования. Кроме того, унифицированная система сбора и обработки информации должна не только уметь выполнять запросы пользователей или других информационных систем, но и постоянно выполнять активный мониторинг информационных ресурсов сети и оповещать своих абонентов об изменениях отслеживаемых параметров.

Система должна упростить и ускорить выполнение сотрудниками своих обязанностей по сбору и обработке информации. Подобная система может служить удобным унифицированным высокоуровневым источником корпоративной информации для других информационных систем. Функции системы являются достаточно сложными и должны исполняться гибко и с минимальным участием человека. Вследствие этого система должна иметь высокую степень интеллектуальности и автономии. Представленной спецификации соответствуют системы, создаваемые на основе интеллектуальных агентов. Под интеллектуальным агентом условимся понимать автономную обучаемую программную сущность, способную адаптивно действовать в интересах достижения поставленных перед ним целей. [1]

Степень автономности программного обеспечения определяется в первую очередь интенсивностью использования методов планирования. Известные к настоящему моменту времени результаты в области теории планирования применительно к задачам сбора информации не учитывают специфических аспектов функционирования гетерогенных сетей. Поэтому в рамках проектирования интеллектуальных агентов для гетерогенных сетей актуальной становится задача разработки системы планирования действий по сбору информации с учетом особенностей гетерогенной среды.

Обеспечение высокой эффективности взаимодействия программ-планировщиков с разнородными информационными источниками позволяет создавать конкурентоспособные информационно-поисковые системы для крупных корпоративных сетей и глобальной сети Internet.

Научно обоснованное проектирование планировщиков сбора информации возможно только на основе взаимосвязанной системы математических моделей, учитывающих специфику сбора информации в гетерогенных сетях:

- возможности по распараллеливанию действий;

- вероятную избыточность информации;

- временные и стоимостные ограничения запросов;

- априорную неопределенность относительно результатов выполнения запросов.

Известные к настоящему времени реализации систем планирования для информационных агентов не учитывают в достаточной мере специфику взаимодействия с разнородными информационными источниками.

Поэтому актуальна научная задача проектирования систем планирования действий по сбору информации интеллектуальными агентами для гетерогенных сетей.

Целью диссертационной работы является разработка и теоретическое обоснование принципов и способов построения систем планирования действий агентов, предназначенных для выполнения запросов к множеству разнородных информационных источников в условиях параллельной обработки информации с учетом временных и стоимостных ограничений.

В работе показывается, что для достижения поставленной цели необходимо решить следующие задачи:

1. Сформировать описание стохастической среды, включающее представления структур гетерогенных информационных источников и правил взаимодействия с ними. Разработать критерии качества функционирования агентов.

2. Формализовать процесс планирования действий агентов при сочетании процедур нахождения интерактивных частично-упорядоченных предметно-независимых планов с обратной связью и процедур коррекции планов в условиях стохастической среды.

3. Построить алгоритмы планирования действий с позиций теории принятия решений, позволяющие осуществлять деятельность агента в условиях параллельной обработки данных согласно выбранным критериям качества их функционирования.

4. Сформировать программное обеспечение для реализации интеллектуальных агентов.

5. Разработать на основе интеллектуальных агентов систему мониторинга и анализа сети передачи электронных платежей и подтвердить эффективность использования теоретически обоснованных принципов и способов планирования действий.

Научная новизна работы заключается в следующем:

1. Разработан новый подход к планированию действий по сбору информации в гетерогенных сетях, сочетающий генерацию множества частично-упорядоченных планов на основе детерминированной модели среды, коррекцию планов по расширенной стохастической модели среды, сравнительный анализ и выбор наилучшего по заданному критерию. В отличие от известных планировщиков предлагаемый подход учитывает характер последовательно-параллельной обработки информации, стоимостные и временные ограничения запросов, априорную неопределенность относительно результатов выполнения запросов.

2. Сформирован набор типовых запросов, который позволяет представить сложный план действий по сбору реплицированной информации. Впервые систематизированы элементарные запросы с позиций описания сложных планов действий по сбору информации.

3. Разработана новая система математических моделей выполнения типовых запросов и впервые выведены аналитические соотношения для оценки временных и стоимостных характеристик достижимости цели и преодоления априорной неопределенности.

4. Предложен оригинальный алгоритм планирования действий интеллектуальных информационных агентов для гетерогенных сетей, который реализует генерацию множества частично-упорядоченных планов с обратной связью; расширение планов с учетом возможной реплицированности информации; вычисление оценок характеристик планов на основе полученных аналитических выражений; свертку планов согласно предложенному базовому набору типовых запросов; отбор допустимых планов в соответствии с заданными временными и стоимостными ограничениями, выбор наилучшего плана. Алгоритм отличается составом и характером реализуемых процедур.

5. Разработана функциональная спецификация и архитектура интеллектуального агента для гетерогенных сетей, которые в отличие от известных реализаций обеспечивают адаптируемость, переносимость, и масштабируемость решения задач сбора информации.

Практическая значимость работы заключается в том, что полученные результаты служат теоретической основой при построении программ-планировщиков для информационно-поисковых систем, ориентированных на работу с разнородными информационными источниками. Причем наибольшую практическую ценность представляют:

1. Сформированные функциональные спецификации, базовая архитектура и рекомендации по выбору инструментария, позволяющие построить надежный, масштабируемый и переносимый комплекс программных средств с интегрированным планировщиком сбора информации.

2. Разработанный комплекс информационных агентов, реализованный с учетом специфики гетерогенных сетей и позволяющий применить предложенные аналитические модели, архитектурные решения и алгоритмы для решения практических задач по организации унифицированных систем сбора информации. Созданный комплекс целесообразно использовать для построения разноплановых информационно-поисковых систем для корпоративных сетей и сети Internet.

Реализация работы выразилась в использовании алгоритмов и программных средств, основанных на научных выводах, моделях, спецификациях и рекомендациях для:

- создания комплекса интеллектуальных информационных агентов и его успешной адаптации для обеспечения мониторинга сервисов сети передачи электронных платежей Северо-Западного региона России. В ходе опытной эксплуатации выявлено повышение эффективности мониторинга с применением комплекса интеллектуальных информационных агентов в сравнении со стандартными средствами мониторинга;

- обучения студентов по направлению 552800 - Информатика и вычислительная техника.

Основные результаты работы апробированы на 9 научно-технических семинарах и конференциях. По материалам диссертации опубликовано 16 работ, в том числе 5 в иностранных источниках.

Решение задачи математического моделирования вычислительных процессов сбора информации в гетерогенных сетях с учетом параллелизма действий, стохастического характера среды и ограничений запросов по стоимости и времени составляют основное содержание работы. Она включает пять глав и 4 приложения.

В первой главе проводится обширный анализ теоретических элементов в искусственном интеллекте, ориентированных на построение информационно-поисковых систем с интенсивным использованием теории планирования. Формируется классификация интеллектуальных агентов, выделяются основные характеристики интеллектуальных информационных агентов, рассматриваются особенности организации известных информационно-поисковых систем и используемых в них систем планирования, анализируются теоретические основы извлечения знаний и планирования действий, выделяются перспективные подходы к планированию действий по сбору информации в гетерогенных сетях. В окончательном виде формируется цель работы и определяются шаги, необходимые для её достижения.

Вторая глава посвящена разработке модели среды информационного агента с учетом особенностей гетерогенной сети, адаптации алгоритмов частично-упорядоченного планирования к задачам информационного агента, сравнительному анализу известных реализаций обобщенного алгоритма частично-упорядоченного планирования применительно к задаче сбора информации от разнородных информационных источников. Выделяются классы задач по сбору информации, на основе сравнительного анализа характеристик реализаций различных алгоритмов частично-упорядоченного планирования определяется приоритетность их использования для решения задач различного класса.

В третьей главе выделяются типовые запросы в гетерогенной сети с учетом возможной избыточности информации, проводится их математическое моделирование. Разрабатываются логические стохастические модели, осуществляется их анализ по методу явной свертки, выводятся аналитические соотношения для оценки вероятностно-временных и вероятностно-стоимостных характеристик типовых запросов по преодолению априорной неопределенности и по достижимости цели. Корректность выведенных аналитических выражений подтверждается тремя независимыми методами - по методу отыскания групп совместных вершин, по явному методу свертки и методом подстановки.

В четвертой главе вырабатываются функциональные спецификации программного комплекса информационных агентов для гетерогенных сетей, осуществляется проектирование базовой архитектуры, раскрывается содержание функциональных и интерфейсных модулей, а также информационного хранилища 9 агента, приводятся рекомендации по их организации и выбору инструментальных средств для проектирования и реализации.

В пятой главе решается задача организации системы мониторинга сервисов сети передачи электронных платежей. Функциональность информационного агента для гетерогенных сетей адаптируется применительно к задачам мониторинга сети. Проводится обследование информационных источников сети передачи электронных платежей, отбор среди них перспективных с точки зрения применения агентных технологий. Для информационного агента раскрывается процесс настройки его интерфейсных и функциональных модулей, а также заполнения информационного хранилища. Анализируются результаты опытной эксплуатации созданного комплекса, демонстрируется более высокая эффективность мониторинга сети с использованием информационных агентов в сравнении со стандартными средствами мониторинга.

В приложениях 1-4 представляется содержание принципов работы базовых алгоритмов частично-упорядоченного планирования - SNLP, NONLIN, TWEAK и UА, соответственно.

168 Выводы

1. Исследованы информационные источники СПЭП, проанализированы вероятностно-временные критерии качества мониторинга. В ходе анализа выявлена недетерминированность задач сбора информации о СПЭП с помощью команд DPN и их критичность по времени и системным ресурсам, а также неудовлетворительное качество мониторинга с использованием стандартных средств Nortel.

2. Комплекс ИАГС адаптирован для сбора информации СПЭП посредством команд коммутаторов DPN. Сформирована модель СПЭП, разработаны интерфейсы для выполнения команд коммутаторов DPN из модуля GATHERER через станции управления сетью. Модуль GATHERER снабжен средствами звукового оповещения и рассылки сообщений по электронной почте.

3. Проведено модульное, функциональное и объемное тестирование комплекса ИАГС применительно к задаче мониторинга СПЭП. Результаты тестирования подтвердили соответствие комплекса ИАГС требованиям по функциональной полноте и производительности.

4. Проведен сравнительный анализ качества мониторинга СПЭП с применением ИАГС и с использованием стандартных средств Nortel. Выявлено, что в результате внедрения ИАГС вероятность обнаружения сбоя сервиса повышается на 4%, среднее время обнаружения сбоя сервиса снижается более, чем в пять раз, а среднее время диагностирования сервиса более, чем в три раза.

Заключение

В диссертационной работе представлены математические модели и алгоритмы, на основе которых решена задача разработки унифицированных систем сбора и обработки информации в гетерогенных сетях на основе интеллектуальных информационных агентов. Задача имеет большое практическое значение, поскольку её решение обеспечивает повышение производительности труда пользователей при работе с информационными источниками в современных гетерогенных сетях и тем самым повышает конкурентоспособность отечественной промышленности. Перспективной областью применения интеллектуальных информационных агентов является построение на их основе систем мониторинга корпоративных гетерогенных сетей. Результаты работы можно представить следующим образом:

1. В процессе обширного анализа теоретических основ искусственного интеллекта и сопоставления известных реализаций интеллектуальных информационных агентов выявлен перспективный путь совершенствования их архитектуры за счет включения систем планирования действий, позволяющий повысить производительность агентов.

2. На основе использования системного подхода показана необходимость разработки новых теоретических элементов обоснования выбора способов организации систем планирования действий агентов при выполнении запросов к разнородным информационным источникам в условиях последовательно-параллельной обработки данных.

3. Выделенная специфика функционирования интеллектуальных информационных агентов по сбору информации в гетерогенных сетях позволила определить оригинальную по составу и содержанию систему принципов планирования действий агентов, предусматривающих адаптацию алгоритмов частично-упорядоченного планирования, использование стохастической модели среды, распараллеливание действий, учет временных и стоимостных ограничений.

4. Для выделенных классов типовых задач сбора информации в гетерогенных сетях и сформированного базового набора алгоритмов частично-упорядоченного планирования проведен сравнительный анализ производительности известных реализаций планировщиков в рамках построенной модели среды.

5. В отличие от известных подходов, модель среды агента, соответствующая задаче планирования в детерминированных средах, расширена с учетом априорно неопределенной информации о результатах выполнения действий по опросу информационных источников в гетерогенной сети как по временной, так и по стоимостной составляющей. Сформирована перспективная стохастическая модель среды для гетерогенных сетей, которая позволяет описать и обеспечить распараллеливание действий по сбору информации с ограничениями по стоимости и времени.

6. Предложенное новое множество типовых элементарных запросов предоставляет возможность описать сложные планы сбора информации.

7. В процессе анализа построенной стохастической модели среды впервые выведены аналитические соотношения для определения временных и стоимостных характеристик планов по преодолению априорной неопределенности и по достижимости цели.

8. Спланированы и проведены эксперименты для проверки корректности аналитических выкладок по определению характеристик типовых запросов. Сравнение данных, полученных неявным методом свертки, методом отыскания групп совместных вершин и методом подстановки, подтвердили корректность результатов аналитического моделирования.

9. На основе предложенной функциональной спецификации разработана базовая архитектура комплекса интеллектуальных информационных агентов для гетерогенных сетей. Для предложенной архитектуры построена многоуровневая система принятия решений в виде алгоритма, позволяющего для произвольной задачи планирования построить множество планов сбора информации и выбрать среди них план, обладающий наилучшими характеристиками по времени и стоимости достижимости цели при заданных ограничениях.

10. Разработанный комплекс интеллектуальных информационных агентов, предложенные аналитические модели, архитектурные решения и алгоритмы пригодны для построения унифицированных систем сбора информации в корпоративных и общественных сетях. Созданный комплекс интеллектуальных информационных агентов адаптирован для мониторинга сети передачи электронных платежей Северо-Западного региона России. Опытная эксплуатация продемонстрировала повышение эффективности мониторинга с применением комплекса интеллектуальных информационных агентов по сравнению со стандартными средствами.

Основные научные результаты работы отражены в [45], [52]-[56], [59]-[68].

1. Wooldridge M., Jennings N.R. Intelligent Agents: Theory and Practice // The Knowledge Engineering Review, 1995. Vol. 10. N 2. P. 115-152.

2. Duschka O. Query Planning and Optimization in Information Integration. Dissertation. Stanford: Stanford University, 1997. P. 1-20.

3. Etzoni O., Hanks S., Jiang T., Karp R., Madani O., Waarts O. Efficient Information Gathering on the Internet // Proceedings of the 37th Annual Symposium on Foundations of Computer Science. IEEE, 1996. P. 234-243.

4. Knoblock C. Planning, Executing, Sensing, and Replanning for Information Gathering // Proceedings of Fourteenth International Joint Conference on Artificial Intelligence. Morgan Kaufmann Publishers, 1995. P. 1686-1693.

5. Golden K., Etzioni O., Weld D. Sound and Efficient Closed-World Reasoning for Planning // Artificial Intelligence, 1997. Vol. 89, P. 113-148.

6. Etzioni O., Golden K., Weld D. Tractable closed-world reasoning with updates // Proceedings of 4th International Conference on Principles of Knowledge Representation and Reasoning. Morgan Kaufmann Publishers, 1994. P. 178-189.

7. Benson S. Learning Action Models for Reactive Autonomous Agents. Dissertation. Stanford: Stanford University, 1996. P. 1-6.

8. Brazier F., Dunin-Keplicz B., Treur J., Verbrugge R. Beliefs, Intentions and DESIRE // Proceedings of the 10th Banff Knowledge Acquisition for Knowledge-based Systems

9. Workshop. Calgaiy (Alberta): SRDG Publications, University of Calgary, 1996. P. 22/122/15.

10. Lander S., Lesser V. Sharing Meta-Information to Guide Cooperative Search among Heterogeneous Reusable Agents // IEEE Transactions on Knowledge and Data Engineering, 1997. Vol. 9, N 2. P. 193-208.

11. Alterman R. Issues in adaptive planning. Berkeley (California): University of California, 1986. 39 p.

12. Sutton R., Barto A. Reinforcement Learning: An Introduction. Cambridge (Miami): MIT Press, 1998.432 р.

13. Koenig S. Optimal Probabilistic and Decision-Theoretic Planning using Markovian Decision Theory. Berkeley (California): University of California, 1991. P. 6-28.

14. Semeczko G., Su S. Query Plans Their Cost and Generation in a Distributed Heterogeneous Environment. Technical report FIT-TR-97-09. Brisbane (Australia): Queensland University of Technology, 1997. lip.

15. Lambrecht E., Kambhampati S. Planning for Information Gathering: A Tutorial Survey. Temple (Arizona): Arizona State University, 1997. 19 p.

16. Straber M., Baumann J., Hohl F. Mole A Java Based Mobile Agent System / In M. Muhlhauser: (ed.), Special Issues in Object Oriented Programming, dpunkt Verlag, 1997. P. 301-308.

17. Benjamins V.R. Final Report of an 11 months-HCM grant at the LRI: Knowledge Acquisition. Paris: University of Paris-Sud, 1994. 46 p.

18. Philosophical Logic and Artificial Intelligence / Edited by Richmond H. Thomason. Dordrecht (Netherlands): Kluwer Academic Publishers, 1989. 228 p.

19. Искусственный интеллект. Кн. 2. Модели и методы / Под ред. Поспелова Д.А. М.: Радио и связь, 1990. 304 с.

20. Dean Т., Kirman J., Lin S.-H. Theory and Practice in Planning // ACM Computing Surveys, 1996. Vol. 28, N 4es. P. 2/1-2/18.

21. Dean Т., Kambhampati S. Planning and Scheduling / In: Allen В., Tucker J.(eds). The Computer Science and Engineering Handbook. Boca Raton (Florida): CRC Press, 1997.P.614-636.

22. Логический подход к искусственному интеллекту: От модальной логики к логике баз данных /Тейз А., Грибомон П., Юлен Г. и др. М.:Мир, 1998. 494с.

23. McCarthy J., Hayes P. Some Philosophical Problems from the Standpoint of Artificial Intelligence. In : Machine Intelligence 4. Edinburgh: Edinburgh University Press, 1969. P. 463-502.

24. Pryor L., Coollins G. Planning for Contigencies: A decision-based approach // Journal of Artificial Intelligence research, 1996. N 4. P. 287-339.

25. Grass J., Zilberstein S. Value-Driven Information Gathering // Building Resource-Bounded Reasoning Systems: Papers from the 1997 AAAI Workshop. Menlo Park (California): AAAI Press, 1997. P. 55-60.

26. Bonarini A. Learning dynamic fuzzy behaviors from easy missions // Proceedings of the Information Processing and Management of Uncertainty in Knowledge-Based Systems Conference. Granada (Spain): Proyecto Sur Ediciones, 1996. P. 1223-1228.

27. Saffiotti A. The Uses of Fuzzy Logic in Autonomous Robotics: a catalogue raisonne // Soft Computing, 1997. Vol. 1, N 4. P. 180-197.

28. Russell S., Subramanian D., Provably Bounded-Optimal Agents // Journal of Artificial Intelligence Research, 1995. N 2. P. 575-609.

29. Птицына JI.K. Проектирование систем функционального диагностирования для информационно-управляющих комплексов. СПб: СПбГТУ, 1995. 587 с.

30. Kaelbling L., Littman М., Moore A., Reinforcement Learning: A Survey // Journal of Artificial Intelligence Research, 1996. N 4. P. 237-275.

31. Singh S. Learning to solve markovian decision processes. Dissertation. Amherst (Mass.): University of Massachusetts, 1994. P. 4-26.

32. Schaerf A., Shoham Y., Tennenholtz M. Adaptive Load Balancing: A Study in MultiAgent Learning // Journal of Artificial Intelligence Research, 1995. Vol. 2. P. 475-500.

33. Kushmerick N., Hanks S., Weld D. An Algorithm for Probabilistic Least-Commitment Planning // Proceedings of the Twelfth National Conference on Artificial Intelligence, Cambridge (Miami): MIT Press, 1994. Vol. 2, P. 1073-1078.

34. Kambhampati S., Knoblock C., Yang Q. Planning as Refinement Search: A Unified Framework for Evaluating Design Tradeoffs in Partial-Order Planning // Artificial Intelligence Journal, special issue on planning and scheduling, 1995. Vol. 76, P. 167-238.

35. Minton S., Bresina J., Drummond M. Total-Order and Partial-Order Planning: A Comparative Analysis// Journal of Artificial Intelligence Research, 1994. Vol. 2. P. 227262.

36. Гмурман M.E. Теория вероятностей и математическая статистика. М.: Высшая Школа, 1998. 479 с.

37. Соколова H.B. Анализ временных характеристик параллельных вычислительных процессов с задержками комплексирования последовательных фрагментов. // Вестник Молодых Ученых. №1(2). СПб, 1999. С.81-87.

38. Головкин Б. А. Расчет характеристик и планирование параллельных вычислительных процессов. М.: Радио и связь, 1983. 272 с.

39. Птицына JI.K., Цыган В.Н. Программное обеспечение ЭВМ: Уч.пособие. Л.: ЛГТУ, 1991.92 с.

40. Niemiec R. Building Internet-enabled Business Applications // Oracle Magazine, 1997. Vol. 11. P. 75-84.

41. Шестаков C.M. Web-серверы в версии Oracle // Открытые Системы, 1997. №4. C.63-64.

42. Калянов Г.Н. CASE структурный системный анализ (автоматизация и применение). М.: ЛОРИ, 1996. 242 с.

43. Вендров A.M. CASE-технологии. Современные методы и средства проектирования информационных систем. М.:Финансы и статистика, 1998. 176с.

44. Орлов С. Программное обеспечение CASE // ИТ, 1996. № 19. С. 29-32.

45. Вебер Дж. Технология Java в подлиннике. СПб.: BHV Санкт-Петербург, 1998. 1004 с.

46. Чекмарев А. Средства визуального проектирования на Java. СПб.: BHV Санкт-Петербург, 1998. 400 с.

47. Shestakov S. UNIX Scripts for Oracle Administration // Oracle Internais, 1999. Vol. 1 N 9. P.7-14.

48. Shestakov S., Petrov D. Oracle Sessions Monitoring // Oracle Internals, May 2000.

49. Shestakov S. Building a Java Applet for Monitoring Oracle // Oracle Internais, 2000. Vol. 1N 11. P. 10-20.

50. Shestakov S. Building a Java Applet for Monitoring Oracle // Oracle Internais, 2000. Vol.l.N 12.P.8-11.

51. Shestakov S., Petrov D. SQL*Net Diagnostocs and Performance Tuning // Oracle Internais, 2000. Vol.2 N 5. P. 1-10.

52. Гацко Г. Тестирование ПО как один из элементов системы качества // Открытые системы. №6 (32). 1998, С.31-34.

53. Колу Д., Горэм Т., МакДоналд М., Спарджеон Р. Принципы тестирования ПО // Открытые системы. №2 (28). 1998. С.60-62.

54. Добрецов C.B., Шестаков С.М. Планирование действий в искусственном интеллекте // Вестник Академии Технического Творчества "ДЕМИУРГ", №1/1998,СПб. 1998. С.32-46.

55. Шестаков С.М. Подход к планированию действий интеллектуальных информационных агентов в гетерогенных сетях // Материалы научно-техническойконференции "Диагностика, информатика, метрология, экология, безопасность-98", СПбГЭТУ, СПб. 1998. С.122-123.

56. Добрецов C.B., Шестаков С.М. Особенности организации систем сбора и обработки информации в гетерогенных сетях // Вычислительные, измерительные и управляющие системы. Труды СПбГТУ №479, СПб. 1999. С.32-35.

57. Шестаков С.М., Птицына Л.К. Агенты для сбора и обработки информации в гетерогенных сетях // Материалы межвузовской научной конференции "XXVII неделя науки СПбГТУ", СПбГТУ, СПб. 1999. С.13.

58. Шестаков С.М., Птицына Л.К. Исследование алгоритмов планирования в искусственном интеллекте // Материалы межвузовской научной конференции "XXVIII неделя науки СПбГТУ", СПбГТУ, СПб. 2000. С.75-77.

59. Птицына Л.К., Шестаков С.М. Проектирование интеллектуальных агентов для гетерогенных сетей // Международная научно-техническая конференция "Пятьдесят лет развития кибернетики", СПбГТУ, СПб. 1999. С.79-80.

60. Представители Дирекции информационных банковских процессов:

61. Начальник Центра обеспечения электронных розничных безналичных платежей1. Орлов М.А.

62. Начальник отдела административного управлени? корпоративной сетью

63. Главный эксперт отдела сетей передачи электронных платежей1. Коноваленко В.В.

64. Министерство образования Российской Федерации

65. Санкт-Петербургский государственный технический университет

66. УТВЕРЖДАЮ" Проректор СПбГЖ /чной работе1. Башкарев А.Я.1 „II/1 ,&!0> 2000 г.п