Реферат: Дисциплина «Инженерия знаний» Реферат Агенты и мультиагентные системы. Системы поиска в Интернет

Министерство высшего и профессионального образования РФ

Ульяновский Государственный Технический Университет

Кафедра «ВТ»

Дисциплина «Инженерия знаний»


Реферат


Агенты и мультиагентные системы.

Системы поиска в Интернет.


Выполнил: ст-т гр. ЭВМдм-52

Акимов С.В.

Проверил: профессор

Соснин П.И.


Ульяновск 2001

Содержание


Литература 4

Введение 5

1.Основные понятия 6

1.1. Определения и свойства агентов 6

1.2.Архитектуры организации МАС 7

^ 2.Проектирование и реализация агентов и МАС. 8

2.1. Общие вопросы проектирования агентов и МАС. 8

2.2. Методы и средства поддержки процессов проектирования агентов и МАС. 10

2.2.1.Инструментарий AgentBuilder. 10

2.3.1. Система Bee-gent. 13

^ 3. Агенты в системе интеллектуального управления ИТ 14

3.1.Два способа управления ИТ 15

4.Информационный поиск в среде Интернет. 16

4.1.Модель МАС информационного поиска в глобальной сети 16

4.1.1.Структура системы информационного поиска 17

4.1.2. Организация МАС 19

4.1.3. Поисковый процесс. 21

4.1.4. Экономическая модель 23

4.1.5. Процедура СОЗДАНИЕ НОВЫХ D–АГЕНТОВ 24

4.2. Машины поиска Интернет. 24

4.2.1. WebCrawler 24

4.2.2. Неспециализированные и специализированные поисковые агенты. 25

4.2.3. Системы интеллектуальных поисковых агентов 25

4.2.4. Проект системы MARRI. 25

4.2.5. Прототип системы OntoSeek. 26

4.2.6. (ONTO)2 – агент поиска и выбора онтологий. 26

Заключение 28



^ Литература Введение

Проблематика интеллектуальных агентов и мультиагентных систем (МАС) имеет уже почти 40-летнюю историю и сформировалась на основе результатов, полученных в рамках работ по распределенному искусственному интеллекту (DAI). Но, пожалуй, лишь в последнее 10-летие она выделилась в самостоятельную область исследований и приложений и все больше претендует на одну из ведущих ролей в рамках интеллектуальных информационных технологий. Спектр работ по данной тематике весьма широк, интегрирует достижения в области компьютерных сетей и открытых систем, искусственного интеллекта и информационных технологий и ряда других исследований, а результаты уже сегодня позволяют говорить о новом качестве получаемых решений.

Все исследования в области МАС можно разделить на два основные фазы: первая охватывает период с 1977г. по настоящее время, а вторая – с начала 1990 г. по настоящее время. Работы первого направления концентрировались на исследовании так называемых «смышленых»(smart) агентов, которые были начаты в конце 1970-х годов и продолжаются все 80-е годы вплоть до наших дней. Цель таких работ – анализ, спецификация, проектирование и реализация систем агентов. На этом же уровне активно велись работы по теории, архитектурам, и языкам для програмной реализации агентов.

Примерно с 1990 г. стало ясно, что програмные агенты могут использоваться в широком спектре применений. В настоящее время областями практического использования агентных технологий являются управление информационными потоками (workflow management) и сетями (network management), управление воздушным движением (air-traffic control), электронаая коммерция (e-commerce), обучение (education), электронные библиотеки (digital libraries) и многие-многие другие приложения.

Основная полезность агента – возможность фонового выполнения, поэтому основная идея програмных агентов – делегирование полномочий. Для того, чтобы реализовать эту идею, агент должен иметь возможность взаимодействия со своим владельцем или пользователем для получения соответствующих заданий и возвращения полученных результатов, ориентироваться в среде своего выполнения и принимать решения, необходимые для выполнения поставленных перед ним задач.

К построению агентно-ориентированных систем можно указать два подхода : реализация единственного автономного агента или разработка мультагентной системы. Автономный агент взаимодействует только с пользователем и реализует весь спектр функциональных возможностей, необходимых в рамках агентно-ориентированной программы. В противовес этому МАС являются програмно-вычислительными комплексами, где взаимодействуют различные агенты для решения задач, которые трудны или недоступны в силу своей сложности для одного агента. Часто такие мультиагентные системы называют агентсвами (agencies), в рамках которых агенты общаются, кооперируются и договариваются между собой для поиска решения поставленной перед ними задачи.

Агентные технологии обычно предлагают использование определенных типологий агентов и их моделей, архитектур МАС и опираются на соответствующие агентные библиотеки и средства поддержки разработки разных типов мультиагентных систем.
^ 1.Основные понятия 1.1. Определения и свойства агентов

Существует несколько подходов к определению понятий в данной предметной области. Практически во всех работах, где даются, например, определение и понятие агента и его базисных свойств, общим местом стало замечание об отсутствии единого места по этому поводу. Фактически, используя понятие «агент», каждый автор или сообщество определяют своего агента с конкретным набором свойств, в зависимости от целей разработки, решаемых задач, техники реализации и т.п. критериев. Как следствие, в рамках данного направления появилось множество типов агентов, например: автономные агенты, мобильные агенты, интеллектуальные агенты, социальные агенты и т.д, а вместо единственного типа определения базового агента – множество определений производных типов.

Учитывая вышесказанное, понятие агента целесообразно трактовать как мета имя, или класс, который включает множество подклассов.

Агент – это аппаратная или програмная сущность, способная действовать в интересах достижения целей, поставленных пред ним владельцем и/или пользователем.

Таким образом, в рамках МАС парадигмы програмные агенты рассматриваются как автономные компоненты, действующие от лица пользователя.

В настоящее время существует несколько классификаций агентов, одна из которых представлена в таблице 1.

Таблица 1.

Типы агентов


Характеристики
Простые
^ Смышленые (smart)

Интеллектуальные (intelligent)

Действительно (truly) интеллектуальные

Автономное выполнение


Взаимодействие с другими агентами и/или пользователями


Слежение за окружением


Способность использования абстракций


Способность использования предмктных значений


Возможность адаптивного поведения для достижения целей


Обучение из окружения


Толерантность к ошибкам и/или неверным входным сигналам


Real-time исполнение


ЕЯ-взаимодействие

+


+


+



+


+


+


+



+


+


+


+


+


+


+


+


+


+

+


+


+


+


+


+




Как следует из приведенной таблицы, собственно целесообразное поведение появляется только на уровне интеллектуальных агентов. И это не случайно, так как для него необходимо наличие не только целей функционирования, но и возможность использования достаточно сложных знаний о среде, партнерах и о себе.

Иногда агентов определяют через свойства, которыми они должны обладать. Наибольший интерес представляют, в первую очередь, интеллектуальные агенты, то вот типовой список свойств, которыми данные агенты должны обладать:

Автономность – способность функционировать без вмешательства со стороны своего владельца и осуществлять контроль внутреннего состояния и своих действий.

Социальное поведение – возможность взаимодействия и коммуникации с другими агентами.

Реактивность – адекватное восприятие среды и соответствующие реакции на ее изменения.

Активность – способность генерировать цели и действовать рациональным образом для их достижения.

Базовые знания – знания агента о себе, окружающей среде, включая других агентов, которые не меняются в рамках жизненного цикла агента.

Убеждения – переменная часьт базовых знаний. Которые могут меняться во времени, хотя агент может об этом не знать и продолжать их использовать для своих целей.

Цели – совокупность состояний, на достижение которых направлено текущее поведение агента.

Желания – состояния и/или ситуации. Достижение которых для агента важно.

Обязательства – задачи, которые берет на себя агент по просьбе и/или поручению других агентов.

Намерения – то, что агент должен делать в силу своих обязательств и/или желаний.

Иногда в этот же перечень добавляются и такие свойства, как рациональность, правдивость, благожелательность, а так же мобильность, хотя последнее характерно не только для интеллектуальных агентов.


^ 1.2.Архитектуры организации МАС

В зависимости от концепции, выбранной для организации МАС, обычно выделяют три базовых класса архитектур:

Архитектуры, которые базируются на принципах и методах работы со знаниями.

Архитектуры, основанные на поведенческих моделях типа «стимул-реакция».

Гибридные архитектуры.

Наиболее трудными терминологически являются архитектуры первого типа. Прямая калька – делиберативные архитектуры – неудобна для русскоязычного произношения и не имеет нужной семантической окраски для русскоязычного читателя.

Архитектуру или агентов, которые используют только точное представление картины мира в символьной форме, а расширения при этом (например, о действиях) принимаются на основе формальных рассуждений и использования методов сравнения по образцу, принято определять как делиберативные.

Таким образом, мы имеем дело с разумными агентами и архитектурами, имеющими в качестве основы проектирования и реализации модели, методы и средства искусственного интеллекта.

Принципы реактивной структуры возникли как альтернативный подход к архитектуре интеллектуальных агентов. Идея реактивных агентов впервые возникла в работах Брукса, выдвинувшего тезис, что интеллектуальное поведение может быть реализовано вбез символьного представления знаний, принятого в классическом ИИ.

Таким образом, реактивными называются агенты и архитектуры, где нет эксплицитно представленной модели мира, а функционирование отдельных агентов и всей системы осуществляется по правилам типа ситуация - действие. При этом под ситуацией понимается потенциально сложная комбинация внутренних и внешних состояний. Простым примером реактивных структур можно считать системы, где реакции агентов на внешние события генерируются соответствующими конечными автоматами. Позже в рамках реактивных структур были разработаны и другие системы, но, как правило, они не могли справиться с задачами реального уровня сложности.

Учитывая вышесказанное, многие исследователи считают, что ни первый, ни второй подходы не дают оптимального результата при разработке агентов и МАС. Поэтому попытки их обьединения предпринимаются постоянно и уже привели к появлению разнообразных гибридных архитектур. Посути дела, именно гибридные архитектуры и используются в настоящее время во всех, сколько-нибудь значимых проектах и системах.

Недостатки гибридных архитектур связаны с «непринципиальным» проектированием МАС со всеми вытекающими отсюда последствиями. Так, например, многие гибридные архитектуры слишком специфичны для приложений, под которые они разрабатываются. Но, несмотря на указанные недостатки, гибридные архитектуры позволяют гибко комбинировать возможность всех подходов. Вот почему в последнее время прослеживается тенденция разработки и использования именно гибридных МАС-архитектур и систем агентов.

^ 2.Проектирование и реализация агентов и МАС.


2.1. Общие вопросы проектирования агентов и МАС.

Идеи программных агентов вообще и интеллектуальных агентов, в частности, привлекательны, так как позволяют людям делегировать им свои полномочия по решению сложных задач. Однако разработка МАС 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 сегодня. Вместе с тем развитие и внедрение программных агентов было бы, по-видимому, невозможно без предыдущего опыта разработки и концепции развития открытых систем, которые характеризуются свойствами:

Расширяемости/масштабируемости (возможность изменения набора состовляющих системы);

Мобилности/переносимости (способность к взаимодействию с другими системами);

Дружелюбности к пользователю/легкой управляемости;

Одним из результатов внедрения концепции открытых систем в практику стало распространение архитектуры «клиент-сервер». В настоящее время выделяют следующие модели клиент-серверного взаимодействия:

Толстый клиент – тонкий сервер . Серверная часть реализует только доступ к ресурсам, а основная часть приложений находится на клиенте.

Тонкий клиент – толстый сервер . Модель, актовно использующаяся в Web-браузерах. В этом случае клиентское приложение обеспечивает реализацию интерфейса, а сервер обьединяет остальные части приложения.

При создании МАС могут с успехом использоваться обе модели, хотя в настоящее время чаще применяется вторая. Но независимо от используемой модели средства разработки и исполнения распределенных приложений, которыми, как правило, являются МАС, опираются на статический подход (позволяют передавать только данные приложений) или динамический подход (обеспечивают возможности передачи исполняемого кода).

При динамическом подходе МАС-приложения используют парадигму мобильных агентов.

Мобильные агенты – это программы, которые могут перемещаться по сети, например по WWW. Они покидают свой клиентский компьютер и перемещаются на удаленный сервер для выполнения своих действий, после чего возвращаются обратно.

Использование мобильных агентов может быть целесообразным, если они:

Уменьшают время и стооимость передачи данных;

Позволяют преодалеть ограничения локальных ресурсов;

Облегчают координацию ( например, запросы к удаленному серверу выполняются агентами как отдельные задачи, а потому не нуждаются в координации);

Позволяют выполнять асинхронные вычисления ( например, запустив агента, можно переключиться на другое приложение, и даже отсоединиться от сети, а результат будет доставлен агентом адресату после выполнения задания );

В настоящее время наиболее известными технологиями реализации статических и диамически распределенных приложений являются :

Программирование сокетов – вызов удаленных процедур RPC;

Модель Microsoft DCOM - является обьектной моделью, которая поддерживается многими опреционными системами. Основная ее ценность - в предоставлении возможностей интеграции приложений, реализованных в разных системах программирования;

Java RMI – приложения обычно состоят из клиента и сервера. При этом на сервере создаются некоторые обьекты, которые можно передавать по сети, либо методы их определяются как доступные для вызова удаленными приложениями, а на клиенте реализуются приложения, пользующиеся удаленными обьектами. Отличительной чертой RMI является возможность передачи в сети не только методов, но и самих обьктов, что обеспечивает, в конечном счете реализацию мобильных обьектов;

CORBA является частью OMA ( Object Management Architecture), разработанной для стандартизации архитектуры и интерфейсов взаимодействия обьектно-ориентированных приложений. Интерфейсы между CORBA – обьектами определяются через специальный язык IDL (Intrface Defenition Language), который является языком описания интерфейсов. Сами интерфейсы при этом могут быть реализованы на любых других языках программирования и присоеденины к CORBA-приложениям. В рамках стандартов предполагается, что CORBA-обьекты могут коммуноцировать с DCOM-обьектами через специальные CORBA-DCOM мосты.

Технологии Java RMI и CORBA являются, по-видимому, на сегодняшний день, самыми гибкими и эффективными средствами средствами реализации распределенных приложений. Основными преимуществами CORBA является интерфейс IDL, унифицирующий средства коммуникации между приложениями. С другой стороны, Java RMI является более гибким и мощным средством создания распределенных приложений на платформе Java, включая возможность реализации мобильных приложений.

В настоящее время не вполне ясно, какая из концепций победит, но анализ существующих реализаций МАС показывает, что пока более распространенным здесь является подход Java RMI.

^ 2.2. Методы и средства поддержки процессов проектирования агентов и МАС.

Если вернуться к проблемматике МАС, то все програмные средства для их разработки и реализации на современном этапе можно разделить на два больших класса : МАС-библиотеки и МАС-среды. Оставляя в стороне вопросы проектирования и реализации МАС-библиотек, которые, конечно, являются базисом для создания мультиагентных приложений. Но все таки главную роль в проектировании МАС играют модели, методы и средства поддержки процессов проектирования агентов и мультиагентных систем. Рассмотрим эти методы на примере инструментариев AgentBuilder компании ReticularSystems и системы Bee-gent.

^ 2.2.1.Инструментарий AgentBuilder.

Инструментарий для построения МАС AgentBuilder состоит из: средств разработки и окружения периода исполнения. Первый компонент ориентирован на поддержку процессов анализа предметной области создаваемой МАС и проектирования агентов с заданным поведением. Второй – обеспечивает эффективную среду для выполнения агентно-ориентированных программ. И тот и другой компоненты реализованы на языке Java, что позволяет им работать на сех платформах, где установлена Java-среда. Агентные программы тоже являются Java-программами и могут исполняться на любом компьютере, где установлена виртуальная машина Java.

Общая сема процесса проектирования и реализации агентно-ориентированных приложений на основе AgentBuilder ToolKit представлена на рис. 1.

Модель жизненного цикла агентов, разрабатываемых в рамках AgentBuilder, представлена на рис.2. Как следует из данной схемы, стандартный жизненный цикл агента включает следующие шаги:

Обработка новых сообщений;

Определение, какие правила поведения приемлемы в текущей ситуации;

Выполнение действий, специфицированных этими правилами;

Планирование;

Собственно ментальные модели (начальная и текущая) включают описания исходных (текущих) намерений, полаганий, обязательств и возможностей, а также спецификаций правил поведения. Данная модель получила названия RAMM и является развитием модели Шохана, где все действия выполняются только как результат определенных обязательств.


Формирование проекта

Анализ предметной области















Выбор архитектуры агенства






Спецификации поведения агентов




















Создание агентного приложения






Рис.1. Технологическая схема процесса разработки агентно-ориентированных приложений на базе AgentBuilder ToolKit


В рамках RAMM данная идея расширена до уровня обших правил поведения, которые определяют причину действия агента в каждой точке его функционирования. При этом правила поведения фиксируют множество возможных «откликов» агента на текущее состояние среды так, как это приписывается пологаниями.

Для спецификации поведения агентов в системе AgentBuilder используется специальный обьектно-ориентированный язык RADL. Правила поведения в этом языке могут рассматриваться как конструкции вида WHEN-IF-THEN.












Входные сообщения








Ментальная модель




Внешнее окружение

Рис.2. Модель «жизненного цикла» агента в системе AgentBuilder.

Оценивая подход к спецификации моделей поведения агентов, используемый в AgentBuilder, можно констатировать, что в целом это серьезная система представления и манипулирования знаниями, ориентированная на описание моделей типа RIMM. Вместе с тем в данной модели отсутствуют средства эксплицитного управления выводом, которые существенно могли бы увеличить функциональную мощность языка. Нет модели и средств явной фиксации состояния агента, отличных от флагов и/или значений переменных. Не вполне ясно и то, как в спецификации моделей поведения могут быть учтены разные, но одновременно сосуществующие «линии поведения», что характерно для действительно интеллектуальных агентов. Не вполне обоснованным представляется использование режима интерпритации для реализации поведения агентов.

2.3.1. Система Bee-gent.

Инструментарий AgentBuilder базируется на концепции среды разработки, принятой в технологии программирования. Отличный от этого подход реализован в среде Bee-gent. Здесь для проектирования и реализации МАС используется специальная МАС библиотека, реализованная на языке Java, а собственно технология представлена методологией спецификации поведения агентов распределенной системы. При этом, в системе Bee-gent используетсяя множество базовых агентов, среди которых можно выделить упаковщики и медиаторы.

Поведение всей системы, направленное на достижение определенных целей, базируется на спецификации “бесед” через протоколы взаимодействия.




A


Действие


B

C






B

D


Действие

Действие


C

D

E






D

E


Действие

Действие


F

A

F







Рис.3. Общая структура протоколов взаимодействия в системе Bee-gent.


Такие протоколы представляются специальными графами (рис. 3.), основными понятиями которых являются состояния и переходы. При этом переходы, по сути дела, лишь специфицируют смещение фокуса в следующее состояние с помощью специальных правил перехода, а ядро формализма составляют состояния. Именно здесь проявляются предусловия перемещения в следующее состояние и в случае их удовлетворения выполняются действия, в основе которых обмен XML/ACL сообщениями. Возможны правила, результатом выполнения которых является выбор следующего состояния из множества подходящих.

Как и обычно в таких случаях, в качестве базиса сообщений декларируется использование теории речевых актов. Однако в случае Bee-gent для этого используется специальный язык ACL, разработанный на основе KQML. Интересно здесь то, что логическая структура ACL выражений представляется в формализме XML. Основная особенность ACL/XML состоит в том, что здесь введены перформотивы представления намерений, а так же средства спецификации потоков развертывания беседы. Всесте с тем в языке спецификации правил, определяющих, в каких случаях какие перформативы должны должны использоваться. И, следовательно, нет типовых сценариев диалогов.

Анализ примеров реализации поведения агентов в системе Bee-gent позволяет сделать следующие выводы. Агентная библиотека является очень развитой и отвечает основным требованиям к компонентам програмного обеспечения данного класса. Перформативы ACL/XML более высокого, по сравнению с KQML, уровня. Для спецификации протоколов взаимодействия предлагается использовать язык программирования, а не представление знаний. На кровне технологии имеется достаточно четкая структура представления поведения агентов. Учитывая то, что языком реализациив данном случае является Java, система Bee-gent ориентирована на компиляцию программ, а не интерпритацию спецификаций, как это происходит в случае системы AgentBuilder.

Суммируя все вышесказанное, можно отметить, что в настоящее время в работах по созданию инструментария явно фиксируется тенденция использования методов и средств ИИ, ориентированных на поддержку процессов проектирования програмных агентов и МАС в целом.

При этом задача построения технологий нового поколения для создания МАС может быть решена на основе совместного использования опыта разработчиков МАС и методологий обработки знаний, заимствованных из ИИ. Для этого прежде всего необходимо адаптировать методы и средства проектирования и реализации прикладных интеллектуальных систем в новую проблемную область : разработку мультиагентных систем нового поколения.

Спецификация процесса разработки МАС на основе методов проектирования баз занний в такой технологии предполагает :

Эксплицитное представление в БЗ архитектуры проектиркемой МАС;

Явную спецификацию архитектуры отдельных типов агентов, «задействованных» в рамках проектируемой МАС;

Описание в виде специальных баз знаний модели (схемы) всех знаний, необходимых каждому агенту для реализации поставленных пред ним целей;

Анализ используемых в настоящее время при реализации МАС систем классов и соответствующих прлограмных библиотек с целью явной спецификации соответствия между элементами архитектуры проектируемой МАС и ее компонентами и програмными единицами, реализующими их;

Формальную спецификацию ( на уровне соответствующей системы представления и манипулирования знаниями0 специальной машины вывода (решателя), целью которой является переход от спецификации МАС к ее реализации.



^ 3. Агенты в системе интеллектуального управления ИТ

В последние годы значительные изменения претерпело представление о месте и роли отделов информационных технологий (ИТ). Они перестают быть незаметными обслуживающими подразделениями и постепенно выходят на первые позиции в организации деловых процессов и планировании развития компании. Более того, для современных предприятий, занимающихся бизнесом в Internet, ИТ составляют саму основу всей их деятельности.

Теперь, находясь в центре деловых потоков, отделы ИТ должны не просто поддерживать инфраструктуру, а стать быстрым и гибким реализатором стратегии всего бизнеса компании. Именно поэтому новые сетевые и системные решения внедряются со столь впечатляющей быстротой. Радикальное изменение уровня сложности систем сопровождается значительным увеличением объемов услуг, предоставляемых ИТ.
^ 3.1.Два способа управления ИТ

Многие аналитики предсказывают, что в течение ближайших трех лет количество электронных транзакций возрастет приблизительно в десять раз.

В этих условиях становится очевидной необходимость нового подхода к управлению ИТ, тем более что во главу угла ставятся потребности бизнеса.

Исторически сложилось так, что крупные поставщики ПО для предприятий реализовывали в своих продуктах такой подход к управлению организацией, схема которого строилась «снизу вверх». В этом случае приложения определяли неисправные или неправильно функционирующие элементы (например, маршрутизатор, жесткий диск или процессор) и подробно анализировали их состояние для выяснения основной причины неисправности.

Некоторые решения, появившиеся позднее, использовали подход «сверху вниз». Они устанавливали степень готовности и производительность системы для клиента, находящегося на рабочем месте. Однако и эти решения не были лишены недостатков, так как не позволяли локализовать отдельные неисправные элементы автоматизированной системы, по вине которых у сотрудников предприятия возникали проблемы. Пытаясь выяснить главную причину неполадок, сотрудники ИТ были вынуждены обрабатывать управляющие данные различными инструментами, чьи форматы, пользовательские интерфейсы и организация потока заданий подчас были несовместимы.

Hовый продукт семейства OpenView, выпущенный в феврале компанией Hewlett-Packard, cоединяет в себе качества обоих применявшихся ранее подходов. Это пакет VantagePoint, ориентированный на создание решений для высокотехнологичной организации работы подразделений ИТ в различных областях бизнеса. Основной его особенностью является высокая степень интеллектуализации.

При разработке VantagePoint было создано новое поколение элементов управления, или «агентов», состоящих из двух частей: базовой и настраиваемой пользователем. Эти «агенты» реализуют автоматическое создание карты услуг, предоставляемых серверами автоматизированной системы, которая демонстрируется клиентам.

Важно, что «агенты» не только определяют наличие сервисов, но и постоянно контролируют их состояние и доступность. Если обнаруживаются отклонения в работе автоматизированной системы (как в аппаратном, так и в программном обеспечении), то задействуется механизм активизации специальных элементов управления, призванных уточнить неисправность и устранить ее, т. е. происходит самовосстановление системы. При учащении сбоев подключаются дополнительные «агенты», которые производят более глубокий и детальный анализ состояния всего комплекса.

Пользователи VantagePoint могут закладывать структуру своих бизнес-процедур в модели управления ИТ. Обнаруживаемые и устраняемые неисправности рассматриваются и оцениваются с точки зрения затрагиваемых ими деловых служб и приложений, а не с точки зрения инфраструктуры ИТ. Пакет дает наглядное представление о взаимодействии ресурсов ИТ и позволяет при необходимости получить общий вид системы или крупный план конкретного управляемого объекта и его связей.

Модули пакета VantagePoint отыскивают в сети физические компоненты, определяют иерархию и взаимосвязи в распределенной среде, в которой используются основные операционные системы, базы данных и прикладные программы. Исходя из полученных данных строится модель управления, которая накладывается на карту сервисов. Эта модель автоматически адаптируется к изменениям в инфраструктуре и оперативно отражает новые ресурсы и связи.

Интерфейс VantagePoint близок к привычному Проводнику Windows, но в нем предусмотрена графическая часть, отображающая взаимосвязи различных сервисов и их состояние на текущий момент. Это помогает оператору связывать обнаруженные сервисы с существующими бизнес-процессами. Более того, имеется возможность индикации состояния системы в специальном окне: красный цвет указывает на возникновение критической ситуации, оранжевый — на наличие серьезной проблемы, желтый — на небольшую неполадку. В том же окне отображаются инструментальные средства настройки системы, предоставляющие набор шаблонов, которые и являются настраиваемой частью «агента».

Система интеллектуализации процессов ИТ VantagePoint состоит из трех компонентов: Operations (управление операциями), Performance (управление производительностью) и Transaction (контроль за транзакциями), — и работает под управлением различных ОС, среди которых Windows NT, HP-UX и Sun Solaris.

Продукт недешев, его цена 25 тыс. долл., а подготовка персонала в российском учебном центре Hewlett-Packard обойдется заказчику примерно в 1000 долл. за каждого специалиста.

^ 4.Информационный поиск в среде Интернет.

В настоящее время уже ни у кого нет сомнения в том, что Интернет является de-facto всемирным хранилищем информации практически по всем аспектам жизни человечества. Так же как и то, что эффективный доступ к этой информации в связи с эскспоненциальным ростом обьема Интернет-ресурсов становится все более сложным и трудоемким. И не столько с технической точки зрения, сколько с точки зрения поиска и анализа информации.

^ 4.1.Модель МАС информационного поиска в глобальной сети
По мере развития глобальной компьютерной сети Интернет и увеличения объема содержащейся в ней информации, все более актуальной становится проблема информационного поиска. Существующие информационно-поисковые сервисы и системы (ИПС) недостаточно хорошо справляются со своими задачами. Так, по последним исследованиям, ни одна из глобальных ИПС не покрывает более чем 16% из содержащихся во всемирной сети страниц.

По всей вероятности, традиционные системы поиска не смогут обеспечить достаточного охвата информационных ресурсов на протяжении всего периода лавинообразного разрастания сети, который будет продолжаться ближайшие 10–20 лет.

В последнее время начали разрабатываться поисковые системы, основанные на концепции интеллектуальных агентов. В первую очередь следует отметить систему "Amalthaea" – "развивающуюся мультиагентную экосистему для индивидуализированной фильтрации, обнаружения и наблюдения". Amalthaea использует методы машинного обучения и изучает интересы и привычки пользователей, приспосабливаясь к ним через какое-то время, одновременно исследуя новые области, которые могут быть интересны пользователю. Взаимодействие агентов реализовано путем создания экологической/экономической системы согласно. Другая интересная система – проект SAIRE – масштабируемый, основанный на агентах механизм информационного поиска. SAIRE обеспечивает интегрированный доступ пользователя к распределенным источникам данных, включая цифровые библиотеки NASA и NOAA.

Основными недостатками подобных систем является, в первую очередь, недостаточность возможности предварительного обучения агентов на уже имеющемся материале, а также невозможность коррекции поиска с помощью материалов из других источников.

Кроме того, при разработке системы информационного поиска необходимо учитывать наличие так называемых “сообществ” – хорошо связанных групп сайтов, содержащих материалы близкой тематики. Выделяются “центральные” страницы – содержащие большие списки ссылок и страницы, на которые ведут многие ссылки, – “авторитетные” страницы.

В данной работе рассматривается проект мультиагентной системы, которая является частью системы автоматизированного поиска информации в глобальной сети.
^ 4.1.1.Структура системы информационного поиска

Многие этапы процесса поиска информации в глобальной сети поддаются автоматизации. Рассмотрим структуру автоматизированной системы поиска информации в сети Интернет. Между пользователем и информационным наполнением сети располагаются три слоя систем поиска информации (рис. 4).

Первый слой — это ИПС глобальной сети. К ним относятся списки ссылок на ресурсы сети, универсальные и тематические каталоги ресурсов и информационно-поисковые системы. ИПС осуществляют первичный сбор информации о ресурсах Интернет и фактически обеспечивают доступ к большей их части через сравнительно небольшое — порядка 103 количество входов для поиска. Все системы первого слоя расположены на серверах глобальной сети и полностью автономны по отношению к системам последующих слоев.

Второй слой представляет собой мультиагентную систему (МАС), выполняющую поисковые операции. Основные задачи данной системы: динамическое распределение поискового процесса по различным ИПС; осуществление всех фаз взаимодействия с ними (формализация поискового запроса, обращение к ИПС и получения результата – списков ссылок на ресурсы сети);проверка актуальности ссылок и получении выбранных документов; проверка полученных документов на релевантность и ранжирование (совместно с системой третьего слоя). МАС осуществляет адаптацию поискового процесса, как к источникам, так и к потребителю информации. Оптимальное место расположения МАС - сервер локальной сети, обслуживающий группу п
ользователей.

Третий слой — это система управления документами (СУД), ориентированная на работу в глобальной сети. Основной задачей СУД, в данном контексте, является автоматизация составления поискового запроса (также должны быть реализованы функции взаимодействия с системами обработки документов, с надсистемой управления деловыми процессами, с подсистемой архивации и с подсистемой публикации документов в сети). СУД должна быть расположена на компьютере пользователя, однако, некоторые ее под