ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Bookmark

Next issue

2
Publication date:
16 March 2018
-->

A software system for identification of a harmonization degree of creative decisions of intellectual agents

Date of submission article: 2017-07-18
UDC: 004.51, 007.5
The article was published in issue no. № 4, 2017[ 28.11.2017 ]
Abstract:The article considers an information system for determining a degree of harmonization of creative solutions of intellectual agents. According to the general approach to intelligent multi-agent systems and their purpose, the paper considers interaction between agents when they solve a certain creative task. All creative tasks are complex tasks with information reporting and manipulation algorithms. At the final stage they assume coordination and adaptation procedures taking into account changing external and internal conditions of system functioning and implementation of a solution. The purpose of the study is to identify the most effective agents in solving a problem. It is undeniable that an agent can be effective itself. However, in a team it reduces its effectiveness. Conversely, working in a team helps to increase the agent’s activity, operational efficiency. All agents of the system are equal. The efficiency of each of them is estimated by the same method. Each agent offers its solution of the task. These solutions are compared by harmony. If the level of harmony corresponds to a given one, then such multi-agent system is effective. All agents act together, for the benefit of a common goal, reach it with a given quality or above. Otherwise, a system structure and composition are reviewed. The main goal in this case is finding the composition and structure of the multi-agent system when actions between the agents are the most coordinated, that ensures solving the indicated problems. According to the results of the research, due to intelligence of the agents, they tend to change their psycho-behavioral type depending on time they spend on solving a task. As a rule, increasing a time interval leads to changing a compromise type to deviating or coercive. In other words, agents are characterized by a transition from an optimistic attitude to pessimistic (depressive). To prevent such transitions and “mood changes”, there are certain control actions taking into account the need for an individual approach to each individual agent.
Authors: Mutovkina N.Yu. (bua-tstu@yandex.ru) - Tver State Technical University, Tver, Russia, Ph.D, Kuznetsov V.N. (is@tstu.tver.ru) - Tver State Technical University, Tver, Russia, Ph.D, Klyushin A.Yu. (klalex@inbox.ru) - Tver State Technical University, Tver, Russia, Ph.D, Semenov N.A. (dmitrievtstu@mail.ru) - Tver State Technical University, Tver, Russia, Ph.D
Keywords: intelligent agent, harmonization principles, decision making, harmonization of creative solutions, multiagents systems
Page views: 936
Print version
Full issue in PDF (9.33Mb)

Font size:       Font:

Для решения современных сложных творческих задач создаются специальные интеллектуальные многоагентые системы (МАС), состоящие из агентов, связанных друг с другом в процессе работы над конкретной задачей. При этом агенты отличаются друг от друга как поведением, так и выполняемыми ролями. Таким образом, люди как бы перекладывают свои обязанности и функции на интеллектуальных агентов, передают им свои полномочия по решению различных задач. Однако появляется новая проблема: если раньше в процессе работы возникали трудности взаимопонимания между людьми, то теперь наблюдается диссонанс между интеллектуальными агентами. Несмотря на динамичную работу психологов, психоаналитиков, социологов и других ученых, еще не изобретено абсолютное средство от конфликтов и сопровождающих их стрессов. Не лучше обстоит дело с МАС, в которых агентами выступают программно-аппаратные сущности, созданные по образу и подобию человека и наделенные его основными функциями и свойствами. Системы, состоящие из таких агентов, с полным основанием были определены авторами исследования как человекоразумные [1, 2]. Экспериментально установлено, что агент может быть эффективным как в коллективе, так и вне его. В зависимости от начальных установок, и в первую очередь от психо-поведенческого типа, эффективность деятельности агента может снижаться при его работе в команде. Часто бывает так, что сам по себе агент достигает гораздо бóльших результатов, чем в совместной работе с кем-либо. Агенты других типов – экстраверты, наоборот, лучше ра- ботают в команде. Граничных значений, то есть нормативов, к которым нужно стремиться, нет; принимается, что любое творческое решение эффективно, но эта эффективность крайне условна, поскольку нет предела совершенству, улучшать и оптимизировать можно до бесконечности. Но всегда (или почти всегда) важен фактор времени: решение должно быть принято до конкретного момента времени, иначе задача потеряет свою актуальность и в лучшем случае останется лишь сожалеть об упущенных возможностях.

Принимается, что каждый из агентов предлагает свое решение поставленной задачи, стараясь уложиться в отведенное на это время. При этом наблюдаются взаимное влияние и взаимозависи- мость эффективности деятельности агента от его психо-поведенческого типа и, наоборот, изменение психо-поведенческого типа агента в зависимости от времени, которое требуется агенту для решения поставленной задачи.

Поведение агентов согласуется с бихевиористическим подходом, изложенным в [3]. Поскольку креативность – одно из свойств интеллектуальных агентов, считается, что для стимулирования их результативной деятельности может применяться такой метод повышения уровня креативности, как нейрокоучинг [4]. Однако этот вопрос является частью дальнейшего исследования взаимодействия интеллектуальных агентов и повышения уровня их креативности.

Информационное и математическое обеспечение

Генерация и принятие творческих решений в МАС все больше сопровождаются повышением сложности и ускорением динамики (табл. 1).

Таблица 1

Факторы, усложняющие принятие решений

Table 1

Factors that complicate decision making

Повышение сложности

Ускорение динамики

Неопределенность: трудно предсказать результат решения

Для принятия решений требуется высокая оперативность

Событийность: в процесс исполнения решения часто вмешиваются события,  которые меняют планы

Постоянно проявляется необходимость соблюдения баланса между разными критериями принятия решений

Ситуативность: решение следует принимать по ситуации

Сокращается время на ответ – решения принимаются в условиях ограничения по времени

Многофакторность: имеется много разных критериев, ограничений и предпочтений

Наблюдаются постоянные изменения во внешней среде

Высокая связность: принятие одного решения влечет изменение других решений

Важно постоянно просчитывать различные сценарии и варианты развития событий

Индивидуальность: агенты требуют все более индивидуального подхода; управляющие воздействия должны осуществляться с учетом их индивидуальных особенностей

Конфликтность: МАС склонны к увеличению числа агентов с противоположными и противоречивыми интересами

Необходима хорошо продуманная организация схем межагентного взаимодействия

Трудоемкость: имеется слишком много факторов, чтобы просчитать последствия

Приведенные в таблице 1 особенности современных процессов принятия решений в реальном времени требуют разработки, внедрения и применения новых методов и технологий. В силу многовариантности решения агентов необходимо проверять на так называемую гармоничность. Понятие о гармонии предполагает органичное, согласованное освоение общей системы образов окружающих агента предметов и пространств от частных впечатлений и их группировок до представления об их синтезе в образе всей системы. Гармонизация закрепляет связи между компонентами компози- ционной структуры поставленной задачи [5], аспектами решений агентов по одной и той же проблеме.

Среди основных принципов гармонизации можно выделить следующие:

-     повторяемость свойств целого в его частях, то есть введение какого-либо признака целого в основные элементы, аспекты решения;

-     соподчиненность частей, выражающаяся в выделении главных, второстепенных и дополнительных или нейтральных элементов и взаимосвязей между ними;

-     соразмерность между элементами решения: не должно быть ничего лишнего, но всего, что важно, должно хватать;

-     уравновешенность элементов решения: нельзя допускать перевеса одного элемента в ущерб другим; решение в целом должно органично вписываться в определенную предметную область;

-     учет и синтез результатов предыдущих решений подобной проблемы, учет накопленного опыта [6].

Чем выше степень гармонизации творческих решений агентов МАС, тем более эффективна работа такой системы.

На степень гармонизации (g) влияют уровень сложности (a) поставленной задачи, степень эффективности (b) сгенерированных агентами решений и уровень изоморфизма решений (d). Под изоморфизмом решений понимается похожесть решений, то есть экспертами определяется, насколько решение, выдвинутое, например, агентом А_1, похоже на решения, предложенные другими агентами системы. Применяемые при этом механизмы проведения экспертизы и согласования экспертных оценок хорошо известны и подробно описаны в [7–9]. Экспертные оценки параметров a, b и d приведены в таблице 2.

Степень гармонизации творческих решений агентов МАС рассчитывается по формуле

, ,                                 (1)

где  – средний уровень эффективности решения;  – средний уровень изоморфизма; e – константа (≈ 2,718); a – уровень сложности решаемой агентами задачи;

                                       (2)

где n – число агентов; m – число задач, решаемых в МАС.

Полностью эффективным признается такое решение, которое можно выполнить за наименьшее время, получив при этом максимальную отдачу (полезность).

Описание программной системы

Программная система выявления степени гармонизации творческих решений агентов реализована на базе СУБД MS Access. Данное программное средство хорошо подходит для автоматизации анализа конкретных, четко поставленных задач [10], не требует никаких затрат (поскольку является частью пакета прикладных программ MS Office), отличается простотой и доступностью применения. Структура реляционной БД определяется совокупностью логически взаимосвязанных таблиц. Каждая таблица имеет структуру, определяемую реквизитным составом одного из информаци- онных объектов. Логические связи таблиц соответ- ствуют структурным связям между объектами. Схема БД в СУБД MS Access приведена на рисунке 1.

БД состоит из информационных объектов, имеющих как переменную, так и условно-постоянную информацию. Условно-постоянная информация содержится в справочниках (табл. 3).

Таблица 3

Справочная информация

Table 3

Reference information

Наименование справочника

Описание

Типы агентов

Содержит перечень психо-поведенческих типов агентов: уклоняющийся, компромиссный, принуждающий, компромиссно-уклоняющийся и компромиссно-принуждающий. Последние два типа являются переходными состояниями агентов от одного типа к другому

Функции агентов

Содержит перечень функций, которые могут выполнять агенты в системе

Шкала сложности

Содержит шесть уровней сложности (табл. 2)

Шкала эффективности

Содержит шесть уровней эффективности (табл. 2)

Таблица «Агенты» содержит сведения об интеллектуальных агентах, населяющих систему. Таблица «Задачи» содержит информацию о задачах (проблемах), решение которых поручено агентам МАС. Информация о действиях агентов в системе отображается в таблице «Работа агентов». Эмпирически установлено, что в зависимости от того, как скоро агенту удается найти решение поставленной задачи, меняется психо-поведенческий тип агента: чем меньше времени он затрачивает на генерацию решения, тем лучше становится его состояние, и наоборот.

По окончании времени, отведенного на генерацию решений, все варианты решений проблемы, полученные от агентов, сравниваются друг с другом и выявляется уровень изоморфизма (рис. 2).

По первой части формулы (2) вычисляется средний уровень эффективности решений по каждой задаче. Например, для решений первой задачи этот показатель составил 0,8 (рис. 3), что соответ- ствует достаточной эффективности полученных решений.

Уровни сложности поставленных задач определяются экспертным путем, например, так, как показано на рисунке 4.

Выявление степени гармонизации творческих решений агентов осуществляется на основании итогового отчета (табл. 4).

Таблица 4

Итоговые данные

Table 4

Summary data

Задача

Уровень сложности

Уровень эффективности решений

Уровень изоморфизма

Степень гармонизации

1

0,4

0,8

0,56875

1,407

2

0,2

1

0,67422

1,323

3

0,6

0,825

0,82155

2,255

4

0,8

0,55

0,73286

1,719

5

1

0,6

0,78814

2,439

Таким образом, среднее значение степени гармонизации творческих решений агентов составляет 1,829, а медианное значение – 1,719. Это свидетельствует о наличии конфликтов в МАС, некоторой несовместимости агентов. В этом случае следует пересмотреть состав МАС, функции агентов с одновременным осуществлением воздействий, управляющих и корректирующих поведение агентов. Такими воздействиями могут быть:

-     согласованная оптимизация распределения заданий между агентами МАС;

-     обеспечение агентам доступа к ресурсам, необходимым для выполнения порученных им заданий;

-     проведение мероприятий воспитательно-примиряющего характера, ключевым принципом которых является убеждение.

Управляющие воздействия могут сводиться к смене стиля руководства внутри МАС [11].

Хорошим способом ухода от конфликта является равномерное распределение задач по принципу: кто из агентов первым решил одну задачу, тот получает новую.

Заключение

Гармонизация творческих решений агентов МАС косвенно свидетельствует о гармонизации их взаимодействий друг с другом, слаженности их совместной работы. Исследование особенностей межагентного взаимодействия в процессе решения какой-либо проблемы позволяет найти способы воздействия на агентов, приводящие к гармоничному равновесию в МАС. Ведь все проблемные ситуации построены на противоречиях и не имеют однозначного решения в меняющейся действительности. Противоречия могут быть как объективными, так и субъективными. Они могут быть сознательно «навязаны» агентам как нечто новое, ранее не решенное. Разрешение таких противоречий является для агентов субъективно новым решением поставленной задачи.

Определяющими факторами управления деятельностью агентов являются анализ уровня слож- ности возникающих (иначе говоря, задаваемых) проблем, а также их соотнесение с уровнем подготовленности и компетентности агентов.

Разработка и применение программной системы определения степени гармонизации творческих решений агентов МАС на базе СУБД MS Access позволяет получить всю необходимую статистическую информацию для выявления взаимосвязей между временем генерации агентом решения поставленной задачи, ее сложностью, эффективностью решения агента и его психо-поведенческим типом. Информация такого рода крайне важна для формирования оптимального комплекса мероприятий по управлению деятельностью агентов в МАС, оптимизации состава и структуры системы. Расчет степени гармонизации творческих решений агентов позволяет узнать об уровне согласованности действий и решений агентов в системе.

Работа выполнена при поддержке РФФИ, грант № 17-01-00817-а.

Литература

1.     Семенов Н.А., Кузнецов В.Н., Клюшин А.Ю., Мутовкина Н.Ю. Человекоразумные программные системы интеллектуальной поддержки решений креативных проблем // Программные продукты и системы. 2015. № 3. С. 12–18.

2.     Клюшин А.Ю., Кузнецов В.Н., Семенов Н.А., Мутовкина Н.Ю. Основы построения человеко-разумных систем интеллектуальной поддержки принятия решений креативных проблем // Науковедение. 2015. Т. 7. № 4. С. 74.

3.     Машкова А.Л. Интеллектуальный агент в социальной среде: нечеткие оценки и правила принятия решений // Изв. Юго-Западного государственного университета: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2014. № 3. С. 12–18.

4.     Шишкова С.Ю., Воронова А.А. Нейрокоучинг – новый метод повышения уровня креативности личности // Современная наука. 2015. № 2. С. 87–90.

5.     Добряков А.А., Печников В.П. О гармонизации логической структуры образовательных стандартов // Наука и образование. 2014. № 1. С. 375–384.

6.     Пугач В.А. Неопределенные проблемные ситуации как средство развития гармоничного межполушарного взаимодействия в контексте учебно-творческого процесса в вузе // Научный альманах. 2015. № 11-2. С. 338–343.

7.     Saati T. Decision-making. Method of the analysis of hierarchies. M.: Radio and communication, 1993, 278 p.

8.     Рудаковская Г.А. Система управления с экспертными оценками // Фундаментальные исследования. 2012. № 9. С. 681–684.

9.     Данелян Т.Я. Формальные методы экспертных оценок // Экономика, статистика и информатика. 2015. № 1. С. 183–187.

10.  Tarig Mohammed Ahmed, Mohammed Hassan Fadhul. Developing an efficient model for building data warehouse using mobile agent, I.J. Information Technology and Computer Science, 2016, vol. 9, no. 9, pp. 9–16. DOI: 10.5815/ijitcs.2016.09.02.

11.  Дрогобыцкий И.Н. Гармонизация региональной администрации по стилю управления // Управленческие науки. 2016. № 1. С. 26–42.

References

  1.    Semenov N.A., Kuznetsov V.N., Klyushin A.Yu., Mutovkina N.Yu. Human-intelligent software systems for intellectual support of solutions to creative problems. Programmnye produkty i sistemy [Software & Systems]. 2015, no. 3 (111), pp. 12–18 (in Russ.).
  2. Klyushin A.Yu., Kuznetsov V.N., Semenov N.A., Mutovkina N.Yu. Fundamentals of building human-intelligent systems of intellectual support for decision-making of creative problems. Naukovedenie [Science Studies]. 2015, vol. 7, no. 4 (29), pp. 74 (in Russ.).
  3. Mashkova A.L. Intellectual agent in the social environment: fuzzy assessments and decision-making rules. Izv. Yugo-Zapadnogo gos. univ.: Upravlenie, vychislitelnaya tekhnika, informatika. Meditsinskoe priborostroenie [News of the South-Western State Univ. Series Management, Computer Science, Informatics. Medical Instrument Making]. 2014, no. 3, pp. 12–18 (in Russ.).
  4. Shishkova S.Yu., Voronova A.A. Neurocoaching – a new method to enhance creativity personality. Sovremennaya nauka [Modern Science]. 2015, no. 2, pp. 87–90 (in Russ.).
  5. Dobryakov A.A., Pechnikov V.P. On the harmonization of the logical structure of educational standards. Nauka i obrazovanie: nauchnoe izdanie MGTU im. Baumana [Science and Education: Bauman MSTU Scientific Publication]. 2014, no. 1, pp. 375–384 (in Russ.).
  6. Pugach V.A. An uncertain problem situations as a mean of developing a harmonious interhemispheric interaction in the context of the university educational and creative process. Nauchny almanakh [Scientific Almanac]. 2015, no. 11–2 (13), pp. 338–343 (in Russ.).
  7. Saati T. Decision-making. Method of the analysis of hierarchies. Moscow, Radio and communication Publ., 1993, 278 p.
  8. Rudakovskaya G.A. Control system with expert estimations. Fundamentalnye issledovaniya [Fundamental Research]. 2012, no. 9, pp. 681–684 (in Russ.).
  9. Danelyan T.Ya. Formal methods of peer reviews. Ekonomika, statistika i informatika [Economics, Statistics and Informatics]. 2015, no. 1, pp. 183–187 (in Russ.).
  10. Tarig Mohammed Ahmed, Mohammed Hassan Fadhul. Developing an efficient model for building data warehouse using mobile agent. Int. Jour. of Information Technology and Computer Science. 2016, vol. 9, no. 9, pp. 9–16.
  11. Drogobytsky I.N. Harmonization of regional administration according to management style. Upravlencheskie nauki [Administrative Sciences]. 2016, no. 1, pp. 26–42 (in Russ.).

Permanent link:
http://www.swsys.ru/index.php?page=article&id=4373&lang=en
Print version
Full issue in PDF (9.33Mb)
The article was published in issue no. № 4, 2017

Perhaps, you might be interested in the following articles of similar topics: