Cтраница 3
Исследования показали, что для высокоэффективного использования испытательного комплекса необходимо создание модели взаимодействия объектов в интегрированной информационно-сетевой инфраструктуре и методики испытаний в рамках взаимодействия с интеллектуальным агентом и моделей взаимодействия объектов и принципов построения WEB-инфраструктуры для дистанционного управления сложными системами. [31]
Назначение инструментального средства ( ИС) AgentBuilder состоит в том, чтобы предоставить разработчику программного обеспечения, основанного на агентах, интегрированную среду, которая позволяет быстро и легко создавать интеллектуальных агентов и сложные программы на их основе. Агенты, созданные с помощью AgentBuilder, могут быть реализованы на любой виртуальной Java-машине. [32]
Помимо школы коллективного поведения, связанной с моделированием простейших реактивных агентов, в 60 - е - 70 - е гг. ХХ-го века в СССР сформировались еще две мошные поведенческие школы, занимавшиеся моделированием интеллектуальных агентов и их важнейших свойств. [33]
Иногда в этот же перечень добавляются и такие свойства, как рациональность ( retionality), правдивость ( veracity), благожелательность ( benevolence), а также мобильность ( mobility), хотя последнее характерно не только для интеллектуальных агентов. [34]
Для этого потребовалось сформировать перечень свойств, которые позволяют охарактеризовать онтологию с точки зрения ее будущего пользователя и предложить единую логическую структуру соответствующих описаний; разработать специальную ссылочную онтологию ( Reference Ontology), в рамках которой представлены описания существующих на Web онтологии; реализовать интеллектуального агента ( ONTO) 2, использующего ссылочную онтологию в качестве источника знаний для поиска онтологии, удовлетворяющих заданному множеству ограничений. [35]
По первому признаку выделяются интеллектуальные ( когнитивные, рассуждающие) и реактивные агенты. Интеллектуальные агенты обладают хорошо развитой и пополняемой символьной моделью внешнего мира благодаря наличию у них БЗ, механизмов рассуждения и анализа действий. Реактивные агенты не имеют развитого представления о внешней среде. Они не используют рассуждений и могут не иметь собственных ресурсов. Их поведение определяется целью, в соответствии с которой формируются реакции на предъявляемые ситуации. [36]
Среда разработки агентов ABE ( Agent Building Environment), построенная фирмой IBM, представляет собой инструментарий для создания приложений, основанных на интеллектуальных агентах, а также добавления новых агентов в уже существующие приложения. Здесь интеллектуальный агент отслеживает условия среды, принимает решения на основе правил, и в результате выполняет некоторое действие. [37]
Среди имеющихся на рынке библиотек агентов следует отметить Intelligent Agent Library - коммерческий продукт фирмы Bits & Pixels, систему Kafka, разработанную фирмой Fujitsu и Agentx - сеть высокоэффективных библиотек распределенных вычислений в программной среде Java, предложенную фирмой International Knowledge Systems. Библиотека интеллектуальных агентов Intelligent Agent Library есть набор средств, предназначенных для обеспечения коммуникации агентов и построения их групп. Она основана на языке KQML и содержит иллюстративные примеры агентов, функционирующих в Web-приложениях. Эта библиотека поддерживает разработку мобильных агентов. [38]
Итак, интеллектуальная система управления интерпретируется как MAC. В ней интеллектуальные агенты имеют право принимать решения, используя для этого средства имитационного моделирования, доступную информацию и знания. Они также способны взаимодействовать друг с другом для достижения некоторых обших целей. [39]
Именно этих терминов мы и будем придерживаться в данном издании. Первоначально идея интеллектуальных агентов связывалась практически полностью с классической логическрй парадигмой ИИ. Один из конкретных примеров архитектуры этого класса обсуждается ниже. [40]
Идеи программных агентов вообще и интеллектуальных агентов, в частности, привлекательны, так как позволяют людям делегировать им свои полномочия по решению сложных задач. Однако разработка MAC и действительно интеллектуальных агентов требует специальных знаний и является сложной ресурсоемкой задачей. Ведь программные агенты - новый класс систем программного обеспечения ( ПО), которое действует от лица пользователя. Они являются мощной абстракцией для визуализации и структурирования сложного. Но если процедуры, функции, методы и классы - известные абстракции, которые разработчики ПО используют ежедневно, то программные агенты - это принципиально новая парадигма, неизвестная большинству из них даже сегодня. [41]
Вхождение в информационное пространство связано с оценкой имеющейся информации с точки зрения ее полноты, достоверности и значимости для решения поставленной задачи, а также построением информационной модели, отражающей структуру и состояние объекта относительно достижения желаемой цели в пространстве контролируемых и наблюдаемых факторов. При этом рассматривается поведение некоторого интеллектуального агента в итерационном процессе переработки первичных данных, накопленных в ходе эксперимента и наблюдений, в новую информацию ( знания) о комплексе взаимосвязей и структурах взаимодействия; альтернативах, стратегиях и исходах целенаправленных действий в изменяющихся условиях среды выживания. [42]
Компромиссный подход к управлению PC заключается в муль-тиагентном управлении. В этом случае роботы рассматриваются как интеллектуальные агенты PC, локальные УС которых имеют собственные БД и БЗ и могут оперативно обмениваться информацией через КС. [43]
Компромиссный подход к управлению PC заключается в мультиа-гентном управлении. В этом случае роботы рассматриваются как интеллектуальные агенты PC, локальные УС которых имеют собственные БД и БЗ и могут оперативно обмениваться информацией через КС. [44]
На основе процедуры прогноза строится модуль принятия решения с определением параметров состояния агента, приводящих к улучшению целевой функции. Таким образом, общий алгоритм поведения интеллектуального агента в информационном пространстве сводится к накоплению базы знаний путем факторного анализа и составлению структурно-параметрической матрицы связей между параметрами состояния и целевой функции и последующим процедурам причинно-следственной идентификации и прогнозирования ситуации при поступлении информации об изменениях параметров состояния на очередном шаге движения к цели. [45]