Архитектура систем мульти-агентного управления с координатором

ЗАДАЧИ ЛОКАЛЬНОГО И МУЛЬТИ-АГЕНТНОГО УПРАВЛЕНИЯ

Принцип действия системы мульти-агентного управления основывается на разделении общей задачи, которую должна выполнить МАРС, на целый ряд взаимосвязанных локальных задач, решение которых возлагается на системы управления отдельных агентов. В результате такой декомпозиции решение общей задачи распределяется между специализированными автономными агентами, образующими при необходимости рабочие бригады. Система интеллектуального управления каждого агента может решить только свою локальную задачу. Однако она не обладает достаточными ресурсами и знаниями для решения глобальной задачи. Поэтому интеллектуальные агенты могут решить общую задачу только сообща.

Каждую из этих задач может выполнить один или несколько агентов. Для выполнения всех задач системе мульти-агентного управления нужно синтезировать расписание деятельности агентов, гарантирующее выполнение общей задачи. При этом должны учитываться ограничения на количество и типы агентов и на их взаимозаменяемость при выполнении конкретных задач.

План распределения задач между агентами будем называть оптимальным, если он гарантирует выполнение МАРС общей задачи за минимальное время. Такой план обеспечивает максимальную производительность МАРС.

Для решения задачи оптимального распределения задач между агентами целесообразно использовать приближённые алгоритмы и эвристические процедуры. Эти алгоритмы основываются на методе ветвей и границ, позволяющем за конечное число шагов построить бинарное дерево вариантов распределения задач. Чтобы уменьшить число шагов алгоритма и минимизировать сложность дерева вариантов, можно использовать различные критерии локальной оптимальности и экспертные правила, описывающие знания о задаче, доступные системе мульти-агентного управления. Для распараллеливания вычислений синтезированное дерево решений можно представить в виде нейронной сети с синаптическими весами, равными 0, -1, или +1.

При проектировании систем мульти-агентного управления необходимо решить на тактическом и стратегическом уровнях следующие задачи:

1)синтезировать локальные системы интеллектуального управления автономными агентами, использующую локальную информацию;

2)синтезировать мульти-агентную систему планирования, навигации и управления взаимодействием (коллективным поведением) интеллектуальных агентов в МАРС.

Первая задача относится к тактическому уровню локального управления агентами, а вторая - к стратегическому уровню группового управления МАРС.

Архитектура систем планирования, навигации и управления взаимодействием роботов в МАРС при решении общей задачи имеет распределённый (мульти-агентный) характер и иерархическую организацию. Она основана на выделении на верхнем (супервизорном) уровне специального агента-координатора, связанного компьютерными каналами прямой и обратной связи со всеми локальными системами интеллектуального управления агентов.

Агент-координатор осуществляет иерархическую декомпозицию общей задачи на локальные задачи, их оптимальное распределение между агентами, организацию коллективного поведения и разрешение конфликтов при решении МАРС общей задачи.

При проектировании систем мульти-агентного управления также могут использоваться нейросетевые архитектуры. Например, в качестве маршрутизатора в компьютерной сети, связывающей локальные системы управления агентов, можно использовать нейронные сети Хопфилда. Эти сети обеспечивают кратчайшие маршруты "переговоров" между агентами и параллельную обработку информации при мульти-агентном управлении.

Дата добавления: 2014-01-11