«ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ И СИСТЕМЫ Труды Третьей международной научной конференции Банное, Россия, 26 февраля — 2 марта 2014 года Научное электронное издание Челябинск ...»

В большинстве случаев задача распределения ресурсов имеет глобальный критерий эффективности, который необходимо достичь путем соответствующего распределения ресурсов. Тогда поведение агентов можно считать кооперативным, поскольку только учет взаимных интересов позволяет решить задачу, и основано на разработанной математической модели. В то же время, каждый агент может иметь свои локальные критерии, определяющие эффективность полученного решения для конкретного агента. Например, одно решение может быть более предпочтительным по сравнению с другим на основе использования локальных критериев эффективности, несмотря на то, что они могут быть абсолютно одинаковы с точки зрения общего критерия эффективности.

Многоагентные технологии позволяют успешно решать задачи управления ресурсами с учетом как глобальных, так и локальных критериев.

Сложноформализуемые семантические ограничения предметной области представляются в виде онтологической базы знаний, используемой агентами для решения задачи. Также база знаний агента используется для описания критериев, отражающих приемлемость распределения ресурсов, и учитывает индивидуальные особенности моделируемых объектов реального мира.

При ведении переговоров агенты определяют допустимость и приемлемость для них решения на основе индивидуальной базы знаний. Таким образом, если меняются критерии и предпочтения у какого-то Д. А. Ризванов Управление ресурсами в сложных системах на основе многоагентного подхода Д. В. Попов, Д. Р. Богданова // Информационные и 10. Ризванов, Д. А. Многоагентный подход к заматематические технологии в науке и управлении : даче распределения ресурсов в условиях чрезвычайматериалы XIII Байкальской Всерос. конф. с между- ных ситуаций / Д. А. Ризванов, А. Р. Габдулхакова // нар. участием. Т. 2. Иркутск : Ин-т систем энергетики Информационные и математические технологии в 7. Ризванов, Д. А. Разработка многоагентной си- Всерос. конф. с междунар. участием. Т. 3. Иркутск :

стемы для решения задачи распределения ресур- Ин-т систем энергетики СО РАН, 2011. C. 25–33.

сов в условиях чрезвычайных ситуаций // Сборник 11. Wooldridge, M. J. Intelligent Agents: Theory and материалов научного семинара стипендиатов про- Practice / M. J. Wooldridge, N. R. Jennings // The Knowledge грамм «Михаил Ломоносов» и «Иммануил Кант» Engineering Review. 1995. № 10 (2). P. 115–152.

(2010/2011 г.). М. : DAAD, 2011. С. 168–171. 12. Ризванов, Д. А. Многоагентная система соGabdulkhakova, A. An Agent-Based Solution to the ставления расписания прохождения процедур отResource Allocation Problem in Emergency Situations дыхающими в санаторно-курортном комплексе / / Aygul Gabdulkhakova, Birgitta Knig-Ries, Dmitry Д. А. Ризванов, Г. В. Сенькина, Д. В. Попов и др. // Rizvanov // ECOWS 2011. Р. 151–157. Компьютерные науки и информационные технолоGabdulkhakova, A. Rational Resource Allocation гии : материалы 8-й Междунар. конф. CSIT’2006.

in Mass Casualty Incidents – Adaptivity and Efficiency Карлсруэ, Германия, 2006. Т. 1. С. 118–124.

[Электронный ресурс] / Aygul Gabdulkhakova, Birgitta 13. Enikeeva, K. R. Forming of rescue subdivisions Knig-Ries, Dmitry Rizvanov // Proceedings of the based on the level of training and psychological compatibilth International ISCRAM Conference – Vancouver, ity with the use of multi-agent approach / K. R. Enikeeva, Canada, April 2012. URL: http:// www.iscramlive.org/ D. A. Rizvanov, A. I. Belyushin et al. // Вестн. Уфим. гос.

ISCRAM2012/proceedings/183.pdf. авиац. техн. ун-та. 2013. Т. 17, № 6 (59). С. 61–64.

ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА УПРАВЛЕНИЯ РОБОТОМ...

Цель этого проекта — создание интеллектуальной системы для управления роботизированным объектом, которая объединяет традиционные и инновационные программные методы. Главный компонент программного обеспечения системы — конечный автомат. Нейронная сеть, как одна из частей конечного автомата, разработана для обнаружения различных изображений и моделирования поведения робота в зависимости от типа обнаруженного объекта. Система может применяться для решения задач и в других технологических областях.

В настоящее время робототехнические системы Несмотря на стремительное развитие информациначали активно внедряться во все сферы деятель- онных технологий, надежные традиционные методы ности человека. С одной стороны данная тенденция и инструменты прикладного программирования не продиктована стремительным скачком в развитии теряют свою актуальность. Одним из таких инструкомпьютерной и микропроцессорной техники, с дру- ментов является основной программный компонент гой — стремлением всего мирового сообщества к системы, разработанной в рамках данного прорыночной модели экономических отношений, что в екта — конечный автомат (КА). Область применения значительной степени позволило расширить область КА включает в себя все сферы информационного применения робототехнических систем, вплоть до пространства — от систем синтаксического анализа Таким образом, можно с уверенностью сказать, что промышленным оборудованием и роботизированныроботы входят в нашу повседневную жизнь как в качест- ми объектами.

ве бытовых систем, так и в качестве комплексов, обеспе- В данном проекте КА представляет собой поведечивающих работу сложных производственных систем. ние объекта в зависимости от той или иной ситуации Разработка новых интеллектуальных систем управ- (состояния) [1].

ления робототехническими системами является сегод- Схема конечного автомата (см. рис. 2) представляня актуальной задачей. Одним из основных вопросов, ет собой совокупность возможных действий робота с возникающих при ее решении, является умение соче- описанием того или иного состояния.

тать концепции, плодотворность которых прошла про- Использование программной и аппаратной реаливерку временем, с новейшими методами программной зации математических моделей на сегодняшний день и аппаратной реализации математических моделей. представляет собой одно из самых новых и популярВ статье предлагается описание проекта по созда- ных направлений развития искусственного интеллекнию интеллектуальной системы управления робо- та (ИИ). В свою очередь, одним из самых популяртизированным объектом (робот-промоутер), которая ных и развитых направлений развития ИИ являются обладает рядом преимуществ, при этом не имеет су- искусственные нейронные сети (ИНС).

щественных ограничений по области применения. Нейронные сети применяются для решения целоПрототип опытного образца системы управления — го ряда задач, которые традиционными линейными это система управления роботом-промоутером для методами трудно решаемы, или даже вообще не рераздачи листовок, получившего название С’АРДУ — шаемы. На практике ИНС используются в двух виСамоходный Автоматизированный Робот для Улиц дах — как программные продукты, выполняемые на О. В. Савченко, Д. В. Куреннов Интеллектуальная система управления роботом...

Интеллектуальные системы на основе искусствен- Аппаратные потребности проекта полностью поных нейронных сетей (ИНС) позволяют с успехом крываются посредством использования одноплатрешать проблемы распознавания образов, выполне- ного компьютера под управлением Windows CE с ния прогнозов, оптимизации, ассоциативной памяти тактовой частотой 700 МГц и модулем оперативной Итак, система управления роботом С’АРДУ со- нологии «package-on-package» непосредственно на держит в основе нейронную сеть, которая является процессоре [3].

одной из частей конечного автомата. ИНС предназна- Микроконтроллер ATmega328P, сочетающий на чена для распознавания различных образов и моду- одном кристалле функции процессора и периферийлирования поведения робота в зависимости от типа ных устройств, управляет всеми сенсорными устройОдним из многочисленных преимуществ нейрон- собой группу датчиков с возможностями сложной ных сетей является возможность запоминать получен- обработкой сигналов, настройки и регулирования ные данные, «учиться на своих ошибках». В частности, параметров и стандартным интерфейсом системы в результате внедрения в систему управления роботом управления: UZ-дальномер, IC-дальномер, датчики нейронной сети решается проблема хаотичного пове- касания, акселерометр, энкодеры.

дения робота в толпе, у него появляется возможность На роли нейронной сети в упрощении процедуры запоминать образы, а также корректировать поведение принятия решений и ее связи с механическими особез особых усилий со стороны разработчика. бенностями передвижения робота следует остановиться более подробно. Каждое состояние конечного Для обработки и передачи входящих изображений автомата в данном случае можно сравнить с «функ- система использует простейшую камеру 1.0 МПкс.

цией», а органы чувств робота с биологическим ин- Робот запрограммирован с помощью интегрироСуществует множество входов: то, что видит «во- ботки представляет собой кроссплатформенное придитель» (камера). Эти данные обрабатываются, и ложение на Java, включающее в себя редактор кода, реакция «водителя» является выходом из функции. компилятор и модуль передачи прошивки в плату [4].

Функция преобразует значение (одно измерение) в Язык программирования Arduino основан на С/С++.

(одно измерение). В проекте применена нейронная Роботизированный объект, который является косеть обратного распространения сигнала от датчика нечным продуктом данного проекта, выступает, тем к контроллеру, поскольку такие нейронные сети спо- не менее, как промежуточный образец для примесобны аппроксимировать любую функцию с обла- нения разработанной системы управления, а также стями определения и значения, которые могут иметь дальнейшей работы по совершенствованию алгоритнесколько измерений. Только для сети, состоящей мов управления.

из нескольких нейронов, существует возможность Таким образом, снабженный разработанной систевычислить вес, необходимый для получения прием- мой управления, в основе которой лежат КА и нейлемого результата. Единственная проблема в данном ронная сеть, робот способен выполнять базовые опеслучае — увеличение сложности вычислений по рации, характерные для подобного уровня устройств.

мере увеличения числа нейронов. В плане развития разработки в настоящее время веПосле обучения, нейронная сеть реагирует, выдает дется анализ данных по проекту «Робот-поводырь».

результат близкий к желаемому при подаче известного результата, и «угадывает» правильный ответ при любом входе, не соответствующем обучающему.

Благодаря разработанной системе робот получает 1. Теория и реализация языков программирования возможность совершать ряд запрограммированных / В. А. Серебряков, М. П. Галочкин, Д. Р. Гончар и др.

действий в зависимости от ситуации, в которую он М. : МЗ-Пресс, 2006.

попадает. Простейший алгоритм подразумевает ори- 2. Yegnanarayana, Bю Artificial Neural Networks.

ентацию в пространстве (объезд препятствий, обна- PHI Learning Pvt. Ltd., 2009.

ружение других опасных объектов), поиск необхо- 3. Raspberry Pi |An ARM GNU/ Linux [Электрондимого объекта (человека), совершение действий в ный ресурс]. URL: http://www.raspberrypi.org.

зависимости от дополнительных факторов (расстоя- 4. Соммер, У. Программирование микроконтроллерние, относительное расположение). ных плат Arduino/Freeduino. СПб. : БХВ-Петербург, О. В. Савченко, Д. В. Куреннов Интеллектуальная система управления роботом...

МНОГОЗНАЧНАЯ И НЕЧЕТКАЯ ЛОГИКИ

В ОНТОЛОГИЧЕСКОМ АНАЛИЗЕ ДАННЫХ

Рассматривается проблема автоматического построения онтологий предметных областей с помощью онтологического анализа данных. Исследуется генезис, формализация и обработка нестрогих формальных контекстов при выводе онтологических спецификаций на основе анализа формальных понятий. Для работы с неполными и противоречивыми данными используется многозначная логика VTF и нечеткая логика.

Онтологический анализ данных (ОАД) — метод или же многозначными логиками. В этом смысле сегодобработки информации, который применяется для ня, пожалуй, наибольшей мощностью моделирования автоматизации формирования понятийной структу- обладают векторные логики [4]. В частности, в многозры, описывающей представленную данными предметную область (ПрО) согласно принципам аналитической философии и оснований математики. ОАД ния знаний из эмпирических данных в виде неод- формируется свидетельствами, подтверждающими нородных семантических сетей, которые соответствуют современным представлениям о формальных щими БСС. Ожидание бльшей адекватности нестроонтологиях ПрО [1].

ОАД устанавливает связь между классическим анализом данных (АД) [2] и анализом формальных понятий (АФП) [3]:

– используется общепринятая точка зрения, что исходный экспериментальный материал, представляющий ПрО, имеет форму таблицы «объекты-свойства» Ясно, что для построения нестрогого ФК нужна боТОС), где строки соответствуют объектам, составля- лее содержательная основа, чем обычная ТОС, т. е. тающим эмпирическую выборку G* объектов исследу- кие исходные данные, которые допускают (сохраняют) емой ПрО (G* G, |G*| = r 0, G — множество всех возможность многозначного заключения об истинности объектов ПрО), а столбцы — множеству свойств объ- БСС ПрО. Конструктивный ответ о составе подобных ектов M, |M| = s 0, фиксируемых измерительными данных дает морфологический анализ ТОС, вскрывая процедурами, которыми располагает исследователь;

реалии накопления эмпирической информации [6]:

– в отличие от АД предполагается нормальное (без- – учет сведений о многократных независимых изошибочное) выполнение измерительных процедур, но учитывается, что всякое «измерение» объекта ПрО мо- гократная проверка каждого, вообще говоря, БСС);

жет дать два особых результата: «None» свидетельст- – использование нескольких различных процедур вует о «семантическом несоответствии» исследуемого объекта и измерительной процедуры, о нахождении источников свидетельств об истинности БСС);

значения измеряемого свойства за порогами чувстви- – дифференциация доверия к различным измерительности, вне динамического диапазона средства из- тельным процедурам (разница в доверии к различмерений и др.;

«Failure» указывает на невыполнение ным источникам сведений об истинности БСС).

задачи измерений (отказ, сбой измерительного средст- Совокупность таких сведений — обобщенная ва, воздержание при голосовании и т. п.);

– ТОС преобразуется в матрицу инцидентности «объекты-свойства» B = (||bij||)i = 1,…,r;

j = 1,…,s, где ных измерений j-го свойства у i-го объекта. Столбцы ||bij|| {0, 1} или, равно, ||bij|| {Ложь, Истина} — гиперматрицы A, во-первых, помечены некоторой эмпирические оценки истинности базовых семанти- оценкой доверия к соответствующей измерительной ческих суждений (БСС) онтологического анализа: процедуре, а, во-вторых, разделены на непересекаюbij = «объекту gi G* присуще свойство mj M»;

щиеся подмножества конгруэнтных измерительных – формальная онтология выводится из тройки процедур, направленных на измерение одного и того (G*, M, B) — формального контекста (ФК) ПрО, в ре- же свойства у объектов ПрО.

зультате специального анализа соответствия Галуа, Методика обработки обобщенной ТОС в рамках паиндуцируемого соответствием B между подмножест- радигмы VTF-логики, когда ||bij|| =`bij, описана в [5], где:

вами множества G* и подмножествами множества M. – дана интерпретация сведений об одно- и мноНесмотря на эффективность ОАД, очевидно, что для гократных измерениях свойства объекта при налиуказания истинности БСС естественнее употреблять истинностные значения, вводимые нечеткой логикой – из множества правил совмещения свидетельств, онтологий ПрО. При этом наблюдается и обнаружендопустимых в векторных логиках, выбрано релевант- ный в [6] эффект обеднения онтологических специфиное задаче оценки истинности отдельного БСС при каций как с ужесточением требований к истинности многократных измерениях соответствующего свой- БСС ПрО, так и при их значительном смягчении.

ства объекта («схема усиления-усреднения»);

Таким образом, для моделирования истинности БСС – проанализирована возможность применения онтологического анализа ПрО (т. е. суждений о налиVTF-логики для моделирования меры доверия к чии у объектов ПрО тех или иных априори указанных источникам информации и предложена простейшая свойств) при работе с неполными и противоречивыми модель учета степени доверия к измерительным про- данными, характерными для эмпирического исследоцедурам в виде скалярных мер (tj)j = 1,…,s [0, 1];

вания предметной области, ОАД должен опираться на – определен способ «свертки» информации из модели многозначной и нечеткой логики.