Использование многоагентного подхода в диагностике на основе моделей устройств

Размещено на http://www.allbest.ru/

Использование многоагентного подхода в диагностике на основе моделей устройств

В.Н. Вагин, П.В. Оськин

Статья посвящена применению многоагентного подхода в системах диагностики на основе моделей поведения устройств. Представлена архитектура многоагентной диагностической системы и рассмотрены семантический и пространственный способы распределения модели устройства между агентами. Представлены оценки эффективности использования многоагентного подхода в системах диагностики на основе моделей поведения устройств.

Введение

При диагностике на основе модели устройства [de Kleer et al., 1987], [Hamscher et al., 1992], [Reiter, 1987] большой системы, состоящей из множества частей, зачастую сложно или даже невозможно использовать ее полную модель. Вместо этого для обнаружения неисправностей возможно использование неполных моделей частей системы, которые могут быть разнесены в пространстве физически. Для реализации данного подхода можно использовать возможности многоагентных систем [Тарасов, 2002], [Roos et al., 2001].

Есть несколько причин, вследствие которых использование единого диагностического механизма может быть невыгодно. Прежде всего, если система имеет большие размеры и физически распределена в пространстве, то при централизованной диагностике может наблюдаться нехватка времени для вычислений и получении всех наблюдений. Во-вторых, если структура системы является динамической, то изменения могут происходить слишком быстро, из-за чего значения измерений будут быстро терять актуальность. Наконец, иногда существование полной модели просто нежелательно из соображений безопасности. Примеры таких систем - современные телекоммуникационные сети, динамически конфигурируемые роботизированные системы и так далее. Для подобных систем решением может являться диагностика с помощью многоагентного подхода.

1. Архитектура многоагентной диагностической системы

Для построения многоагентной диагностической системы используется архитектура, представленная на Рис. 1. На самом нижнем уровне находятся агенты наблюдения за устройством, которые обеспечивают снятие показаний с диагностируемого устройства. Выше находятся агенты диагностики, занимающиеся обработкой получаемой информации. Над ними показаны агенты управления группами агентов диагностики, которые объединяют получаемые сведения. На самом верхнем уровне находится агент общего управления, который вводится при использовании нескольких агентов управления агентами диагностики. В случае работы с очень большими диагностируемыми системами, число уровней может быть больше, за счет добавления дополнительных агентов управления группами, которые в свою очередь управляют не агентами диагностики, а такими же агентами управления.

После запуска каждый из агентов автономен и действует исходя из своей цели, имеющейся в наличии информации и сообщений, получаемых из внешней среды, других агентов или пользователя.

Размещено на http://www.allbest.ru/

Рис. 1. Архитектура многоагентной системы

Каждый агент диагностики включает в себя модуль взаимодействия, базу знаний о своей части устройства и модуль диагностики. Целью агента диагностики является разрешение противоречий, обнаруженных при сравнении прогнозов поведения компонентов устройства с результатами показаний, снятых с него непосредственно. Для достижения своей цели агент диагностики осуществляет построение прогнозов поведения компонентов устройства, выявление противоречий, возникающих при различии прогнозов со снимаемыми показаниями, и вычисление количества информации, которое может быть получено при снятии дополнительных показаний в соответствующих точках связи компонентов устройства. Полученные оценки количества информации, получаемого при снятии показаний в той или иной точке устройства, агент диагностики передает соответствующим агентам наблюдения. Агенту управления группой передаются данные о результатах, полученных на основе анализа состояния диагностируемого устройства, и осуществляется обмен информацией с другими агентами диагностики.

Агент наблюдения содержит модуль взаимодействия, блок обработки оценок агента диагностики и модуль снятия показаний устройства. Целью агента наблюдения является предоставление агенту диагностики результата снятия показания в той точке устройства из возможных, для которой оценка количества полученной информации максимальна. Для этой цели агент наблюдения производит обработку оценок, полученных от агента диагностики, и исходя из своих возможностей (так как могут быть ситуации, когда для некоторых точек измерить значения затруднительно или невозможно) осуществляет снятие показаний в выбранном месте устройства. Полученный результат передается агенту диагностики.

Агент управления включает в себя модуль взаимодействия и модуль обработки полученных от агентов диагностики запросов и информации. Целью агента управления является получение целостной картины о состоянии части устройства, диагностируемой связанными с ним агентами диагностики. Для этой цели агентом управления решаются вопросы взаимодействия между агентами диагностики своей группы и групп других агентов управления, а также поддержание непротиворечивости получаемой информации. Агент общего управления осуществляет взаимодействие между агентами управления группами и сводит воедино всю информацию о состоянии диагностируемого устройства.

Модуль диагностики состоит из двух основных частей: системы поддержки истинности, основанной на предположениях, и подсистемы моделирования поведения устройства.

Система поддержки истинности, основанная на предположениях (Assumption-based Truth Maintenance System, ATMS) [de Kleer, 1986], [Вагин и др., 2004] используется для нахождения несоответствия между показаниями, снимаемыми непосредственно с устройства, и прогнозами его поведения, а также определения компонентов, являющихся кандидатами на неисправность. В ATMS вводится понятие предположение (assumption), обозначающее допущение о некотором факте, принятое за истину, но которое в дальнейшем может стать ложным, и отвергнуто из рассмотрения. Множество предположений ATMS называется окружением (environment). С каждым утверждением связывается обоснование (justification), описывающее на основе каких посылок и предположений получена данная вершина. Меткой вершины (label) называется минимальное множество окружений, из которых выводима данная вершина. Основной структурой данных ATMS является вершина (node), которая имеет формат: <данное, метка, обоснования>.

Предполагается, что различия между моделью устройства и самим устройством не наблюдаются непосредственно. Вместо этого, все нарушения предположений необходимо прогнозировать косвенно из поведенческих наблюдений (снятых с устройства показаний) [de Kleer et al., 1987], [Hamscher et al., 1992]. Задачей моделирующей подсистемы является осуществление поведенческих прогнозов из наблюдений и предположений. Для каждого компонента системы должен производиться расчет значений на выходе по предопределенным правилам его работы. Полученные результаты дополняют информацию о текущем состоянии системы и могут использоваться в качестве исходных значений в прогнозировании результатов работы других компонентов.

Основными трудностями многоагентного подхода в диагностике является проблема сотрудничества и согласования работы диагностических агентов. Агент диагностики знает только своего агента управления и не имеет информации о прочих диагностических агентах системы. Таким образом, он не обладает знаниями других агентов диагностики, и поэтому способен делать прогнозы только о поведении своей части диагностируемого устройства. Цель этого в понижении сложности внутренней структуры агентов диагностики. Взаимодействие и связь между агентами диагностики обеспечивается через агентов управлениями. Агент управления группы знает всех агентов диагностики, принадлежащих его группе. В его задачу входит обмен информацией, связь между агентами группы и вычисление метки вершины, общей для нескольких диагностических агентов. Агент управления группы имеет информацию только о состоянии своей группы, в то время как агент общего управления владеет информацией обо всей системе в целом.

Когда для одной и тоже точки устройства спрогнозированы значения несколькими диагностическими агентами, возникает проблема сведения этой информации воедино. Если агенты диагностики принадлежат одной группе, то агент управления группы самостоятельно вычисляет метку общей вершины и передает ее агентам диагностики, которые в ней нуждаются, а также, возможно, агенту общего управления. Вычисление метки вершины состоит в объединении меток вычисленных агентами диагностики и удалении противоречий.

2. Распределение модели устройства в многоагентной диагностической системе

До проведения цельной диагностики всего устройства агенты должны диагностировать свою локальную часть системы, исходя из имеющихся в наличии знаний. Важный вопрос - могут ли они это сделать независимо друг от друга. Ответ на данный вопрос напрямую зависит от способа распределения знаний между агентами. Можно выделить два способа распределения модели устройства между агентами: семантический и пространственный.

В случае семантического распределения модель поведения устройства делится между агентами согласно типу составляющих ее частей, то есть каждый из агентов анализирует различные части устройства на основе данной ему части модели (подмодели). При этом каждая из подмоделей описывает поведение соответствующей ей части устройства независимо от остальных подмоделей поведения устройства других агентов. Независимость подразумевает, что нет никаких соединений между различными подмоделями поведения или известны значения во всех точках этих соединений.

Примером данного распределения модели устройства могут служить раздельные модели электрического и термодинамического поведения устройства. Другим образцом подобного распределения являются раздельные модели блоков устройства, с известными значениями в местах их связи друг с другом.

Семантическое распределение в приведенных выше условиях означает, что каждый из агентов, диагностирующих свою часть устройства, может работать независимо от других, обладая всей необходимой информацией. Таким образом, для получения информации о состоянии всего устройства в целом, достаточно произвести объединение сведений, поступивших от каждого из агентов по отдельности, с последующим удалением избыточной информации. семантический пространственный модуль многоагентный

Пространственное распределение модели поведения устройства между агентами происходит в соответствии с пространственным распределением частей устройства. При этом вследствие связей между различными частями устройства соответствующие им подмодели поведения также имеют зависимости. Следовательно, агенты должны обмениваться прогнозами значений в местах соединений диагностируемых ими частей устройства. Обмен информации не единственная проблема. Если связи между неполными моделями устройства являются направленными, то, представив связи между моделями в виде графа, может обнаружиться наличие циклов. Следовательно, до достижения устоявшегося прогноза поведения устройства, агентам может требоваться много циклов обмена прогнозируемыми значениями.

В дальнейшем предполагаем, что каждая часть устройства, управляемая агентом, имеет только явные входы и выходы. Данные, получаемые агентом о своей части устройства от других агентов, могут быть неверны. Поэтому, предположив истинность этих данных, агент должен иметь возможность отвергнуть эти предположения в течение своего диагностического процесса. Если агент отвергает истинность полученных данных, то он должен передать соответствующую информацию агенту, который их вывел для своей части устройства.

3. Эффективность многоагентного подхода

3.1 Пространственное распределение модели устройства

Рассмотрим эффективность применения многоагентного подхода при пространственном распределении модели неисправного устройства между агентами.

Предварительно, введем следующие обозначения:

N - количество компонентов устройства;

Agi - i-ый агент диагностики;

Ni - количество компонентов устройства, диагностируемых Agi;

DT - время диагностики (diagnostic time).

Время диагностики неисправного устройства напрямую зависит от числа его компонентов, поэтому время диагностики неисправности без использования многоагентного подхода можно обозначить как DTSingle(N).

При использовании многоагентного подхода, модель устройства делится на части, диагностикой которых занимаются соответствующие агенты. Предполагаем, что все агенты могут выполнять свои функции параллельно друг с другом. Для получения информации о прогнозах значений в общих для нескольких агентов точках модели устройства и сведении воедино результатов работы диагностических агентов, используются агенты управления. Частота, с которой у агентов диагностики возникает необходимость получать информацию о прогнозах значений в общих точках модели, зависит от структуры связей между компонентами устройства и распределения его модели между агентами.

Заметим, что основные затраты ресурсов приходятся на работу агентов диагностики, в то время как в процессе обмена между ними информацией, у агентов управления нет необходимости производить какие-либо ресурсоемкие вычисления. Соответственно, затраты ресурсов на коммуникацию между агентами значительно меньше ресурсов, необходимых для работы агентов диагностики. Еще меньше затраты ресурсов, требуемые на передачу агентам диагностики значений измерений, снимаемых непосредственно с устройства. Эти затраты ресурсов, которые также зависят от количества компонентов устройства, обозначим как NR(N).

Рассмотрим идеальный вариант, когда в процессе определения неисправности у агентов диагностики не возникает необходимости в информации о прогнозах значений в общих точках модели устройства. В этом случае, с учетом того, что все агенты могут функционировать параллельно друг с другом, время диагностики устройства будет соответствовать времени работы агента, диагностирующему свою часть устройства дольше других:

. (3.1)

Теперь рассмотрим наихудший вариант, когда каждому диагностическому агенту для проведения каждого шага работы необходимо получать прогнозы значений общих точек, получаемые другими агентами. То есть в этом случае, каждый из агентов диагностики отправляет запрос на получение значения прогноза в общей точке модели устройства и может продолжить свои вычисления только после того, как другой, вычисляющий данные значения прогнозов, агент диагностики закончит свою работу и отправит запрашиваемый результат. Таким образом, для данного варианта, все агенты диагностики будут выполнять свои вычисления последовательно друг за другом, и итоговое время диагностики неисправности будет превышать время работы без использования многоагентного подхода на величину накладных расходов, требуемых на коммуникацию между агентами:

. (3.2)

Стоит заметить, что настолько плохой вариант может происходить крайне редко, так как в диагностируемой агентом модели устройства, как правило, всегда может быть обнаружена часть, для обработки которой нет необходимости в получении значений прогнозов в общих точках модели устройства.

Исходя из формул (3.1) и (3.2), время DTMultiagent(N), затрачиваемое на диагностику устройства с использованием многоагентного подхода, можно выразить следующим образом:

. (3.3)

Как и предполагалось, формула (3.3) показывает, что возможность параллельной работы агентов позволяет снизить временные ресурсы, затрачиваемые на диагностику неисправного устройства, тем самым, повысив эффективность диагностического комплекса. При этом эффективность многоагентного подхода напрямую зависит от структуры устройства и того, каким образом произведено распределение его модели функционирования по диагностическим агентам.

3.2 Семантическое распределение модели устройства

Теперь оценим эффективность применения многоагентного подхода при семантическом распределении между диагностическими агентами модели неисправного устройства.

Семантическое распределение модели устройства подразумевает, что каждая из подмоделей описывает поведение соответствующей ей части устройства независимо от остальных подмоделей поведения устройства, обрабатываемых другими агентами. Благодаря этому каждый из агентов, диагностирующих свою часть устройства, может работать независимо от других, обладая всей необходимой информацией и для получения информации о состоянии всего устройства в целом, достаточно произвести объединение сведений, поступивших от каждого из агентов по отдельности.

Затраты ресурсов агентов управления при семантическом распределении модели устройства ниже затрат ресурсов агентов управления, работающих в условиях пространственного распределения, вследствие отсутствия необходимости поддерживать взаимодействие диагностических агентов друг с другом. Это означает, что мы имеем дело с ситуацией, аналогичной идеальному варианту предыдущего пункта. То есть все агенты могут диагностировать свои части устройства параллельно друг с другом, и время диагностики будет соответствовать времени работы агента, диагностирующего свою часть устройства дольше остальных, и оценивается по формуле (3.1):

.

Одним из выгодных подходов использования многоагентной диагностики с семантическим распределением модели является диагностика устройств, состоящих из большого количества блоков, для которых можно локально осуществлять поиск неисправности без использования единой модели поведения всего устройства.

Заключение

В данной работе представлено использование многоагентного подхода в диагностике устройств на основе моделей поведения их компонентов.

Выделено два способа распределения модели устройства между агентами:

Семантическое распределение, в котором модель поведения устройства распределяется между агентами согласно типу составляющих ее частей. При этом каждая из подмоделей описывает поведение соответствующей ей части устройства независимо от остальных подмоделей поведения устройства других агентов.

Пространственное распределение, в котором распределение модели поведения устройства между агентами происходит в соответствии с пространственным распределением частей устройства. При этом агенты должны обмениваться прогнозами значений в местах соединений диагностируемых ими частей устройства и иметь возможность отвергать переданную им информацию, если она окажется неверной.

Представлена архитектура многоагентной диагностической системы и проведены исследования применения многоагентного подхода для семантического и пространственного распределения моделей поведения устройства, показывающие, что применение данного подхода позволяет повысить эффективность диагностического комплекса благодаря снижению затрат ресурсов за счет распараллеливания работы агентов и нахождения локальных неисправностей использованием лишь части агентов.

Список литературы

1. [Вагин и др., 2004] Достоверный и правдоподобный вывод в интеллектуальных системах. Под редакцией Вагина В.Н. и Поспелова Д.А. // М.: ФИЗМАТЛИТ, 2004.

2. [Тарасов, 2002] От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. // М.: Эдиториал УРСС, 2002.

3. [de Kleer, 1986] An Assumption-based TMS. // Artificial Intelligence, 1986, v.28.

4. [de Kleer et al., 1987] Diagnosing multiple faults. // Artificial Intelligence, 1987, v.32.

5. [Hamscher et al., 1992] Readings in model-based diagnosis. // Morgan Kaufmann, 1992.

6. [Reiter, 1987] A theory of diagnosis from first principles. // Artificial Intelligence, 1987, v.32.

7. [Roos et al., 2001] Multi-agent diagnosis: an analysis. // In 13th Belgian-Dutch Conference on Artificial Intelligence, 2001.

Размещено на Allbest.ru