Описание интеллектуального агента с помощью BDI

Каждый агент должен иметь цели для своего выполнения. Эти цели для интеллектуальных агентов описываются в xml файле, который определяет их для достижения, т.е. выполнения заданной сути агента. Также формируются планы и знания (факты), которые агент будет выполнять для достижения и выполнения своих целей. Опишем цели, планы и знания в нашем случае по отношению к агенту глоссарию, которые мы ему определили. Когда мы определили все цели, планы и знания агента, и создали словарь терминов необходимый для работы агента глоссария, переходи к его реализации. В случае достижения заданных целей агентом, считается, что он выполнил свою задачу.

В периоде выполнения агентом заданных действий, также могут выполняться запросы, заданные либо обучаемым студентом, либо другими агентами, такими как агент, координатор, который контролирует работу и связь между всеми агентами. Если агент выполняет неправильно заданные действия либо запросы, выводится ошибка, которая извещает об этом. В ниже приведенных подразделах рассмотрим подробнее описание целей, планов им знаний интеллектуальных агентов.

3.2.1 Цели агента. Цели в Jadex представляют собой объекты с некоторыми атрибутами. Целевое состояние, достигаемой цели, может быть явно представлено выражением, которое проверяет, достигнута ли цель.

В отличие от традиционных BDI систем, которые понимают цели как специфический вид событий, в Jadex цели являются центральной концепцией. Jadex преследует идею, что цели - это конкретные, мгновенные желания агента. Любая цель, которую преследует агент, будет более или менее непосредственно осуществлена соответственным действием, пока не будет предположения, что цель достигнута, непостигаема или больше не желаема. В отличие от большинства других систем, Jadex не предполагает обязательной зависимости (непротиворечивости) достигаемых целей одна от другой.

Jadex поддерживает 4 вида целей: выполнения, достижения, запроса и поддержки.

Цель выполнения – утверждает, что должно быть выполнено, но не обязательно приведет к определенному результату.

Цель достижения – описывает абстрактное целевое состояние, которое необходимо достигнуть, без определения как это сделать. Таким образом, агент может опробовать разные альтернативы, для достижения цели. Стратегия, ресурсы.

Цель запроса – представляет необходимость в информации. Если информация на текущий момент не доступна, выбираются и выполняются планы, которые помогают ее собрать.

Цель поддержания – специфицирует состояние, которое должно сохраняться, и может вызываться, после того как будет выполнена. Это самая абстрактная цель в Jadex.

Цели составляют мотивационную установку агента, которая является движущей силой его действий. Поэтому, представление и обработка целей – это одна из главных функций Jadex, четыре вида целей (выполнения, достижения, запроса, поддержания) и мета-цель, метацель может быть использована в процессе выбора плана для вынесения заключения о событиях и соответственных планах.

При запуске агент может иметь любое количество целей верхнего уровня, также как подцелей. Цели верхнего уровня могут быть созданы при рождении агента или будут позже приняты во время выполнения, а подцели могут быть установленные другими планами во время выполнения. В соответствии с тем как цель была создана, агент будет автоматически пытаться выбрать соответствующие планы, чтобы он мог достичь всех своих заданных целей. Свойства цели, специфицированный в ADF, влияют на то, когда и как агент обрабатывает эту цель.

В Jadex, цели сильно типизированы в смысле, что все типы целей могут быть идентифицированы через имя и все параметры цели должны быть декларированы в XML.

Декларация параметров имеет сходство со спецификацией фактов. Следовательно, существует различие между параметром, имеющим одно значение и многозначным набором параметров.

Полагается, что цель выполнения используется, когда некоторое действие должно быть выполнено.

Цель достижения используется, чтобы достигнуть желаемого состояния окружения. Поэтому, они расширяют общие свойства цели. Можно указывать в каких случаях цель можно считать достигнутой, с другой стороны также полезно описать противоположный случай. Если ничего указано, то для решения о достижении плана используется результат выполнения плана. В отличие от цели выполнения, цель достижения без условия достижения завершается, когда первый план заканчивается без ошибок, в то время как цель выполнения продолжает выполняться, пока более подходящие планы доступны.

Цель поддержания позволяет отслеживать определенное состояние и в случае его нарушения, цель имеет задачу восстановить оригинальное состояние. Иногда необходимо, что бы была возможность переопределить поддерживаемое состояние. Более того, как настройки BDI предоставляются флаги повторяться. Необходимо заметить, что цели поддержания отличается от других видов целей в том, что они не обязательно приводят к действиям сразу же, но начинают обработку автоматически по запросу. В дополнение, цели поддержания никогда не завершаются вследствие действий или состояния, поэтому единственная возможность избавиться от такой цели – это сбросить ее из плана или через специальные определения.

Цель запроса может быть использована для получения специфической информации. Со стороны спецификации и поведения во время выполнения они очень похожи на цели достижения с одним лишь исключением. Цель запроса выставляет неявное целевое условие. Агент будет действовать, выполняя планы только в случае, когда необходимая информация не будет доступна.

Мета-цель используется для рассуждений мета-уровня. Имеется в виду, когда бы не возникло событие или цель и определено, что необходимо произвести рассуждение мета-уровня (то есть, потому что существует множество подходящих планов), то соответствующая цель мета-уровня или событие будет создано и отправлено. После соответствующий мета-план выполняется, чтобы достигнуть мета-цели (то есть найти план для выполнения). Когда завершена мета-цель, результат содержит выбранные планы, которые запланированы на выполнение [14,17].

3.2.2 Планы агента. Планы представляют собой определенные действия агента в среде функционирования и предопределяются разработчиком системы, составляя библиотеку действия планов выполнения агентом. В зависимости от текущей ситуации выполнения системы, в которой функционирует агент, выбирается соответствующий план действия на выполнения агентом. Выбор планов осуществляется автоматически платформой Jadex.

Структура планов в Jadex состоит из двух частей: дескриптор плана (head plan), объявляемый в файле ADF, определяющий обстоятельства, при которых выполняется Java-класс плана (body plan), в котором определяются функции и дальнейшее функционирование системы. Для вызова плана в системе предусмотрено установка, так называемых меток реакции, триггеров плана. Они определяют внутренне сообщения и целевые события системы соответствующие планам. После чего начинается, выполняется класс плана из файла java. Существуют варианты выполнения плана при первом запуске агента, для этого агент инициализируется при запуске агента с первоначальными значениями выполнения плана.

Планы взаимодействуют и выполняются с целями и знаниями агента, которые влияют и модернизируют план для выхода в систему, обрабатывая полученное событие в рамках исполняемого агента [15,16].

3.2.3 Знания агента. Знания представляют осведомленность агента об окружающей среде и о себе непосредственно. В Jadex знания могут быть любые объекты java. Они сохранены в базе знаний и могут быть упомянуты в выражениях, доступны и изменяются в зависимости от планов, использующих базы знаний приложения. Знания описываются в ADF-файле и обращаются к измененному плану, определяя единственную оценку плана и соответствии его требуемым результатом. Знания состоят из фактов, которые ссылаются на суперклассы, определяя объекты классов.

В модуле знаний содержится, база знаний подобна простому хранилищу данных, которая позволяет чистую связь между различными планами посредством общедоступных знаний. Вопреки большинству PRS-стилей BDI системы, Jadex позволяет хранить произвольные объекты Java как знания в его базе знаний.

В Jadex есть два различных вида знаний. С одной стороны имеются знания, которые позволяют пользователю хранить только один факт, с другой стороны наборы знаний, что поддерживают хранение набора фактов. Использование знаний и наборов знаний как основного хранилища памяти для планов сильно поддерживается, потому что, использовать их для пользователя. Кроме того, возможно контролировать отдельные знаний относительно их условий и вызывать условия, когда соответствующее условие выполнено. Это позволяет вызывать некие действия, например, когда факт добавлен в набор знаний, или знание каким-то образом изменилось. Также можно ожидать выполнения некоторого сложного выражение, которое касается нескольких знаний.

ВЫВОДЫ

Мультиагентная технология с использованием интеллектуальных агентов применена в дистанционном обучении. Где каждому пользователю будет заданны агенты, которые способны автономно решать задачи, приобретать и систематизировать знания, строить модель пользователя на основе общения с ним и даже коммуницировать с другими агентами системы, позволят упростить и улучшить процесс получения человеком знаний и информации в мире. Агент – это автономная, реактивная вычислительная система, обычно с центральным местоположением контроля, поэтому может общаться с другими агентами через некоторый вид языка коммуникации. Другое общее представление агента - это активный объект или связанный процесс со способностью замечать причины и действия. Агентно-ориентированое программирование – это подход к созданию агентов, которые предоставляют их программирование в терминах мнений, как например план, факт, и цель. Мультиагентная система - система, составленная из многоразового, взаимодействия агентов. Мультиагентные системы есть достаточно мощным средством и с успехом применяется для широкого класса прикладных задач, включая те, которые тяжело, а иногда и совсем невозможно, решить другими методами.

Заметим, что по мере работы пользователя мультиагентная система имеет возможность получать все больше данных о его предпочтениях как явно (анкетирование, обработка пользовательских запросов), так и неявно (например, анализируя статистику посещения различных разделов). На базе этой информации можно строить эвристические классификации пользователей и предположения о «следующих шагах» пользователя, соответствующим образом подстраивать средства навигации, формировать образовательные сценарии (например, в зависимости от уровня подготовки пользователя или времени, которым он располагает).

Список терминов агента глоссария представляет собой небольшое количество ссылок на лекции, лабораторные работы, контрольные вопросы и другие знания, содержащиеся в системе, которые желательно посетить пользователю в данный момент.

Любое нажатие пользователя на гиперактивную ссылку активизирует агента и в последствии серию переговоров между агентами. На первом этапе переговоры осуществляются между агентами знаний и агентом пользователя, выявляя, таким образом, на этом шаге элементы знаний нашей системы, которые необходимы в данный момент пользователю.

В данной курсовой работе были использованные принципы мультиагентной системы. На основе интеллектуальных агентов была решена оптимизационная задача и разработана оптимальное предложение по использованию средств дистанционного обучения в сети Интернет.

Для выполнения задач, поставленных в курсовой работе:

- проанализированы методы оптимизации структур вычислительных систем;

- исследованы основные принципы и концепции интеллектуальных агентов;

- применено средство для поиска информации с помощью интеллектуальных агентов в мультиагентной системе для оптимизации работы дистанционного обучения;

- создан программный модуль, который реализует роботу интеллектуального агента глоссария соответственно заданным характеристикам, целям, планам и фактам системы для дистанционного обучения.

Основными функциями разработанного программного модуля есть поиск оптимального варианта дополнительной информации, которая в данный момент наиболее подходит для пользователя.

В заключение отметим, что применяемая технология интеллектуальных агентов для разработки системы дистанционного обучения через Интернет, позволит не только упростить и качественно улучшить процесс получения человеком знаний и информации в мире. Также даст возможность персональному агенту пользователя решать автономно задачи, поставленные перед ним, приобретать и систематизировать знания, что позволит вывести подобные системы на качественно другой уровень, сделав агентов незаменимыми помощниками в процессе обучения.

ПЕРЕЧЕНЬ ССЫЛОК

1. Основы технологий ДО http://www.websoft.ru/db/wb/42D07B203E7BFAB1C3256 C24004EE7FF/doc.html

2. Интернет технологии в образовании - дистанционное обучение http://www.curator.ru.htm

3. Multiagent Systems. A Modern Approach to Distributed Modern Approach to Artificial Intelligence. Edited by Gerhard Weiss. The MIT Press. Cambridge, Massachusetts. London, England. 1999 Massachusetts Institute of Technology.

4. Мультиагентные системы http://teormin.ifmo.ru/education/intro/multiagent-systems.html

5. Самоорганизация и эволюция в открытых мультиагентных системах для холонических предприятий http://eup.ru/pages/R06/Biblio/2002-08-05/F182.htm

6. Proceedings of the International Conference for Internet Technology and Secured Transactions (ICITST-2006). Editors Charles A. Shoniregun, Alex Logvynovskiy. Published by the e-Centre for Infonomics, UK.

7. Jadex Tool Guide. A. Pokahr, L. Braubach, R. Leppin, and A. Walczak. Distributed Systems Group. University of Hamburg, Germany. 2005. http://vsis-www.informatik.uni-hamburg.de

8. Jadex User Guide. A. Pokahr, L. Braubach, and A. Walczak. . Distributed Systems Group. University of Hamburg, Germany. 2005. http://vsis-www.informatik.uni-hamburg.de

9. System Architecture with XML. Berthold Daum Udo Merten. Morgan Kaufmann Publishers. San Francisco, USA.. 2003 by Elsevier Science http://www.mkp.com/

10. Introduction to DTD http://www.w3schools.com/dtd/dtd_intro.asp

11. Модели обучения автоматизированных обучающих систем http://systech.miem.edu.ru/2004/n2/Cibulskiy.htm

12. Jadex Tutorial. L. Braubach, A. Pokahr, and A. Walczak. Distributed Systems Group. University of Hamburg, Germany. 2005 http://vsis-www.informatik.uni-hamburg.de

13. NIST (Nationals Institute of Standards and Technology) http://www.nist.gov/

14. Проблемы реализации мультиагентных систем дистанционного обучения в сети Интернет http://www.vedu.ru/info/Announce/PHT2000/thesis.asp?str=4_04

15. Использование мультиагентного онтологического подхода к созданию распределенных систем дистанционного обучения http://ifets.ieee.org/russian/depository/ v7_i2/pdf/3.pdf

16. Система автоматизированного сетевого и дистанционного обучения с мультиагентной архитектурой http://www.ito.su/main.php?pid=26&fid=4317&PHPSESSID= d12d7b5d09fc001d24e3d7212d732be2

17. ДСТУ 3008-95 Документация. Отчеты в сфере науки и техники. Структура и правила оформления, Госстандарт Украины, 1995.

18. FIPA Agent Management Specification. 1996-2002 Foundation for Intelligent Physical Agents http://www.fipa.org/

Приложение А