Ткачёв К.В.  

Интерфейс взаимодействия модели и агента-наблюдателя в системе имитационного моделирования

Развитие имитационного моделирования началось с середины прошлого века. Современные информационные технологии сделали возможным моделирование огромных систем. В данных системах огромное количество различных компонентов, которые реагируют на множество различных событий. При использовании имитационного моделирования часто приходится сталкиваться с системами, предназначенными для многоразового использования при решении однотипных задач. Возникающие при этом процессы получили название процессов обслуживания, а системы — систем массового обслуживания. Примерами таких систем являются телефонные системы, ремонтные мастерские, вычислительные комплексы, билетные кассы, магазины, парикмахерские и т.п.

Для создания систем моделирования, в которых поддерживается параллельное дискретно-событийное моделирование (PDES-Parallel Discrete Event Simulation) используют спецпроцессоры для параллельного моделирования, сопутствующие языки, библиотеки и инструментальные средства. Modern programming techniques and advantages of parallel and distributed computing environments give new possibilities for development of special simulation tools on the one hand, and bring new optimization tasks on the other hand. In the current paper, we consider tasks of finding optimal behavior of complex systems by using agent-oriented simulation.

В настоящее время существует единая концепция программного интеллектуального агента. Существуют общие свойства агента [2]. Согласно [3], многоагентная система имеет некоторые свойства:

·         Autonomy — agents operate without the direct intervention of humans or others;

·         Social ability — agents interact with other agents via some kind of communication language;

·         Reactivity — agents perceive their environment, and respond in a timely fashion to changes that occur in it;

·         Pro-activeness — agents do not simply act in response to their environment, they are able to exhibit goal-directed behavior by taking the initiative.

Из-за своих свойств агенты идеально подходят для моделирования поведения сложных распределенных систем. Агенты сейчас очень популярны и широко используются в различных приложениях, в том числе в [4]. Многоагентные системы очень подходят для параллельного и распределенного моделирования. Для реализации агента

создадим агента-наблюдателя, который будет следить и изменять некоторые параметры модели. Разделим описание модели и эксперимент. Постановка целей моделирования описывается отдельным программным модулем, который и требует только перекомпиляции для каждого эксперимента или серии экспериментов. Основным в таком подходе является разделение переменных на наблюдаемые и управляемые. Агент проверяет достижение заявленных целей и условий эксперимента и принимает решения об изменениях управляемых переменных и / или стратегии модели. Аналогичный идея реализована на старом симуляционном языке Simscript .

Используем некоторые понятия, введенные в статье [1]:

·         The behavior of systems is a sequence of values of state variables that change as a result of processing certain events;

·         Strategy is defined by choice of procedures for event handling;

·         Meta Strategy is defined by choice of Strategy (Strategy may change during simulation run depending on some events).

Behavior of a system is composed from behaviors of its components that are realized by agents, so the task is finding such behaviors of agents that lead to a simulation goal.

Для подтверждения идей была создана модель, позволяющая тестировать различные алгоритмы управления массированным потоком событий в имитационной модели и анализировать систему управления процессами.

Имитационная модель проведения ремонтных работ в электрических сетях. Событие представляет собой ремонт определенного объекта. Общие характеристики модели:

·         Количество объектов ремонта не менее 10000;

·         Ремонт требует затрат условных ресурсов;

·         Поломка случается через случайное время;

·         В наличии 100 ремонтных бригад;

·         Некоторые поломки связаны между собой.

·         Есть рейтинг важности объектов;

·         Есть коэффициент, отвечающий за время (время года, день месяца).

Осуществлять изменения он должен во время выполнения модели (динамически). На рисунке №1 изображена схема взаимодействия агента с моделью. Обозначим определенные параметры наблюдаемыми, а некоторые управляемыми. В рассмотренной модели управляемые:

·         Сколько ресурсов и времени необходимо бригаде на данном ремонте;

·         Сколько не работает в данный момент объектов;

·         Связан ли данный ремонт с другим;

·         Время года и день месяца;

·         Сколько важных объектов не работает.

Управляемые параметры:

·         Граница важности объектов;

·         Общая стоимость ремонтных работ за определенный период;

·         Допустимое количество неработающих объектов;

·         Ограничения времени ремонта;

Рисунок №1

 

В данной модели рассматриваются стратегии выбора порядка ремонтов (обработка событий в определенной последовательности):

•      Случайный выбор

•      Выбор в соответствии с важностью объекта

•      Минимизация стоимости работ

•      Минимизация ущерба

Ограничения, нарушения которых приводят к невыполнению цели моделирования:

•      Предельное время ожидания ремонта

•      Ресурсные ограничения

В таблицах приведены результаты моделирования, при условии, изменения некоторых параметров во время выполнения.

 

Таблица №1

 

Условия изменения

Без агента

С агентом

Изменение времени года

3564,64

3258,15

Ограничения ресурсов

3489,87

3099,69

Минимизация ущерба

3698,15

2954,99

 

Таблица №2

 

Выбор порядка ремонта

Время моделирования

Затраченные ресурсы

Случайный выбор

2689.95

100%

Выбор в соответствии с важностью объекта

1649.12

112%

Минимизация стоимости работ

2831.61

84%

Минимизация ущерба

1896.15

119%

 

Таблица №3

 

Предельное время ожидания ремонта

Время моделирования

Затраченные ресурсы

10000

2679.15

100%

1000000

1899.48

92%

100

3199.48

146%

 

Таблица №4

 

Ресурсные ограничения

Время моделирования

Затраченные ресурсы

100

100%

100%

1000

81%

100%

100000

46%

100%

 

На рисунке №2 приведены некоторые данные работы модели и агента-наблюдателя.

Рисунок №2

 

Заключение

 

Эксперименты над демонстрационной моделью показали, что использование агента-наблюдателя во время исполнения, позволяет наблюдать, за динамикой изменения параметров и поведения модели. Изменение некоторых параметров ведет к существенному сокращению времени моделирования.

 

Литература

 

1.      A. Rodionov. Agent-oriented simulation: new advantages in simulation optimization. In Proceedings of the 11th International Conference on Ubiquitous Information Management and Communication (IMCOM '17). ACM, New York, NY, USA, Article 103, 4 pages

2.      M. Wooldridge and N. R. Jennings. Intelligent agents: theory and practice. Knowledge Eng. Review, 10(2):115{152, 1995.

3.      M. J. Wooldridge. An Introduction to MultiAgent Systems (2. ed.). Wiley, 2009.

4.      A. Borshchev. XJ technologies: Anylogic 6. In Proceedings of the 37th Winter Simulation Conference, Orlando, FL, USA, December 4-7, 2005, page 82. WSC, 2005.

5.      R. M. Fujimoto. Distributed simulation systems. In Simulation Conference, 2003. Proceedings of the 2003 Winter, volume 1, pages 124{134 Vol.1, Dec 2003.


К списку докладов