Редакция ИА PrimaMedia и Дальневосточный федеральный университет (ДВФУ) в рамках совместного проекта "Открытые знания" предлагают вашему вниманию видео-версию и избранные фрагменты лекции ведущего научного сотрудника Института информатики и математического моделирования КНЦ РАН, доктора технических наук, профессора Александра Фридмана на тему "Координация и планирование в системе ситуационного моделирования". Встреча прошла 16 февраля в кампусе ДВФУ (остров Русский, Владивосток).
Справка: ситуационное моделирование – разновидность физического моделирования, воспроизводящего сравнительно небольшое количество факторов деятельности, необходимых и достаточных для адекватного воспроизведения конкретной ситуации управления объектом в СЧМ (система "человек-машина"). Проводится в том случае, когда оказывается невозможным создание функционального макета, способного воспроизводить все режимы и условия работы системы.
Построение компьютерной модели исследуемой ситуации и выбор соответствующего алгоритма по ее разрешению – суть модельного метода управления динамическими "ситуационными" системами, о которых и пошла речь на встрече с гостем проекта "Открытые знания" Александром Фридманом.
Общие задачи и особенности ситуационного моделирования
Свое выступление Александр Фридман начал с разговора о некоторых особенностях системы ситуационного моделирования.
"Она предназначена для исследования пространственных объектов в динамике, разнесенных территориально, – сообщил лектор. – Поэтому включает географическую информационную систему как её основную часть. Чаще всего эти объекты плохо формализованы, а значит, некоторые части элементов такой системы могут не иметь математических моделей. И для их моделирования используется встроенная экспертная система, которая может моделировать любые компоненты исходного объекта".
Профессор объяснил аудитории, что в данном направлении разработана и общепринята определенная формализация, предполагающая конкретный тип структурирования.
"Для того чтобы исследовать какой-то объект, поскольку они обычно сложные, моделирование осуществляется в иерархической форме, то есть по нескольким уровням подчиненности, – делится со слушателями Фридман. – Подчиненность соответствует организационным связям, которые отвечают за то, кто и кем управляет в этой системе. Верхний элемент верхнего уровня управляет элементами нижнего. Разбиение вдоль отношения иерархии может быть двух типов: по "И" и по "Или". Значки "И" означают, что элементы нижнего уровня – это обязательные части элементов верхнего уровня. В этой ситуации все однозначно. Если стоит значок "Или", это говорит о том, что есть альтернативы. Значит, для реализации верхнего уровня требуется выбрать один из этих альтернативных вариантов. С помощью этих маркеров в систему вносятся альтернативы".
Центральная задача для исследователя в таком случае – это сопоставление альтернатив в их количественном соотношении, отмечает Фридман.
Лекция 16 февраля. Фото: ИА PrimaMedia
Аудитория. Фото: ИА PrimaMedia
Лекция. Фото: ИА PrimaMedia
Лектор. Фото: ИА PrimaMedia
Посетители встречи. Фото: ИА PrimaMedia
Слушатели. Фото: ИА PrimaMedia
Публика. Фото: ИА PrimaMedia
Встреча 16 февраля. Фото: ИА PrimaMedia
Основная идея ситуационного моделирования
По словам лектора,
основная идея ситуационного управления – разбиение всевозможных состояний объекта на классы, и построение их дальнейшего отображения, которое позволит отнести к каждому текущему состоянию объекта некоторое управление.
"Центральное понятие ситуационного управления – это ситуация, то есть стоп-кадр, – иллюстрирует слушателям свои основные тезисы профессор. – Вот идет видеофильм, и вдруг в какой-то момент вы замораживаете эту пленку. Это такая глобальная характеристика одного момента времени".
Таким образом, Фридман показывает, для того чтобы построить подобное отображение, нужно сопоставлять каждую текущую ситуацию с некоторым управлением, предпочтительным для данной ситуации.
"В идеальной системе количество классов ситуаций должно быть равно количеству управлений, которое система может реализовать, а управление ведется на уровне изменения структуры объекта, – рассказывает научный сотрудник. – Использование числовой метрики удобно, если отнесение ситуации к какому-то классу и управление ведутся в реальном времени. Но часто бывает так, что требуется план для развития системы. То есть возникает задача сопоставления априорно – заранее, до реальной работы системы. В таком случае численный подход не очень пригоден, поскольку там результат классификации зависит не только от структуры, но и от текущих значений переменных, которые в этой структуре реализуются".
Проблема зависимости от значения переменных
Далее речь зашла о теории перспектив – так называемой, нормализованной модели Амоса Тверски. Для того чтобы продемонстрировать способы отхода от количественных значений переменных, Александр Фридман рассказал об идее использования модифицированной метрики Тверски для ее успешного применения к иерархическим системам, поскольку нормализованная модель для этих целей не предназначена.
"Если говорить о собаке, – иллюстрирует описанную модель лектор. – Есть 10 признаков класса "Собака": шерсть, цвет, длина волоса и так далее. Тогда прототип этого класса будет иметь все 10 признаков. Какой-то менее типичный представитель будет иметь только восемь из 10-ти. А какой-то китайский урод, извините, будет иметь два признака из 10-ти. И вот эта нормализованная модель Тверски анализирует долю признаков, относящихся к представителю данного класса, то есть меру типичности представителя в данном классе. Но видно, что она не предназначена для иерархических систем... Мы же говорим об организационной иерархии. Те, кто наверху, к сожалению, всегда важнее. Поэтому было предложено использовать такую модифицированную метрику Тверски. Для каждого уровня считать эту метрику и взвешивать ее числом, обратным номеру уровня... То есть, чем ниже уровень, тем коэффициент перед ним будет меньше. "И" будет больше, и влияния будет меньше на результат".
Динамические интеллектуальные системы
Есть еще одна проблема, если речь зашла об иерархически выстроенных системах, – это координация, то есть обеспечение совместной работы подсистем таким образом, чтобы они друг другу не мешали.
"В каждом узле системы могут сидеть лица, принимающие решения, — комментирует Александр Фридман. – Желательно сделать так, чтобы они друг с другом не конфликтовали. Чтобы их решения не противоречили одно другому... Трудность в том, что все это зависит от значения переменных. Для того чтобы этого избежать, мы попробовали применить модель, в которой допускаются и не числовые переменные. Эти системы называются динамически интеллектуальными. Предложены они были Геннадием Осиповым – президентом Российской ассоциации искусственного интеллекта".
Когда вы решаете векторное дифференциальное уравнение, говорит лектор, у вас появляется переходная функция, которая связывает текущее значение вектора состояния со следующим, будущим значением. И чем дальше следующий момент отличается от текущего, тем величина этой функции должна быть больше. Но поскольку у нас речь идет о нечисловых переменных, то вместо того чтобы оценивать численную величину этой функции, Фридман предлагает использовать отношение включения. И тогда вместо понятий "Больше/ Меньше", вводятся понятия "Входит/ Не входит". То есть одно состояние считается меньше другого, если оно в него входит как множество.
Координация и планирование
"На примере динамических интеллектуальных систем, если несколько роботов строят один дом, задачи координации, – комментирует Александр Фридман, – обеспечить, чтобы один не отбирал у другого кирпич, и вместе чтобы они этот кирпич подняли, а не уронили его, один на другого. И здесь выписаны уравнения для того, чтобы скоординировать такие коллективы интеллектуальных систем (показывает уравнение в подготовленной для выступления презентации – ред.). В правом нижнем углу тот самый "босс" – структура, которая обеспечивает эту скоординированность, то есть не дает подчиненным ему роботам мешать друг другу и хулиганить на площадке".
Вопрос аудитории:
— Информация идет через "босса"?
Фридман:
– Да.
Вопрос аудитории:
– То есть они не могут (общаться – ред.) друг с другом сами?
Фридман:
– Нет. Это основной принцип децентрализованного управления. Есть два типа систем управления: централизованная и децентрализованная. Централизованная – это наш СССР, когда Госплан однозначно определял задания для всех предприятий всей большой страны. А децентрализованная система – это любая рыночная система, когда государство, которое сверху, то есть государство – это верхний уровень, оно не имеет право непосредственно приказывать коммерческим фирмам, которые принимают решение на нижнем уровне. Государство просто обеспечивает им условия жизни, то есть налоговые ставки, цены. Это и есть координация. Устройство верхнего уровня не имеет право директивно указывать подчиненным ему. Договориться между собой эти роботы не смогут. Каждый будет тянуть одеяло на себя, конкурировать. Может, они и договорятся. Но как было в Америке во времена покорения запада? Перестреляют друг друга, один останется и будет указывать.
Далее Фридман отмечает, что у таких систем: централизованных и децентрализованных – есть свои взаимные достоинства и недостатки.
Децентрализованное управление лучше тем, что оно эффективнее использует ресурсы.
"На западе отношение к ресурсам не такое хамское, как у нас, – говорит профессор. – С другой стороны, такие системы медленнее реагируют на изменения окружающей среды. Это их недостаток. А у централизованных наоборот. Однако формального запрета на взаимодействие роботов нет. Но если их условия жизни согласованы, то это прямое взаимодействие, и у них будет конфликт... Необходимые условия скоординированности – это наличие плана действия. Чтобы определить взаимодействие между подчиненными системами, надо понимать, куда они идут, то есть куда вся система должна прийти. Эта задача называется планированием".
Для того чтобы реализовать планирование в динамической интеллектуальной системе без использования числовых метрик, Александр Фридман предложил использовать понятие "достижимости". Смысл ее заключается в следующем, если у вас есть какой-то набор возможных состояний системы и система находится в одном состоянии, то всегда существует какое-то множество других состояний, в которые она в принципе может попасть.
"План достижения целевого состояния из текущего – это просто набор пар "состояние – управление", где основное требование – чтобы каждая пара была реализуема, – комментирует Фридман. – То есть была возможна в этой системе. Теорема эта доказана Осиповым".
Способы и области применения
Резюмируя свое выступление, лектор обозначил сферы применения обозначенных теоретических конструкций на практике. И особенно выделил природно-промышленный комплекс.
"Это могут быть экосистемы, технологии какие-то, – говорит профессор. – Обычно в таких системах существует техническая часть, которую мы хотим проектировать или оценивать ее работу. И природная часть, которую, дай Бог, не испортить, а только улучшить. То есть наша задача в данном случае – спроектировать техническую систему таким образом, чтобы она удовлетворительно работала, при этом не слишком сильно мешала жить природной части этого комплекса. С этого начинается вся песня".
Кроме того, подводя итоги, лектор напомнил аудитории о подходах к решению комплексных задач.
"Самый распространенный способ борьбы со сложностью – как раз построение иерархии, когда берете всю задачу, разбиваете на подзадачи, те – еще на подзадачи. То есть дерево задач строите. И разбиение ведете до тех пор, пока не придете к какому-то уровню простых задач, которые знаете, как решать... Это иерархическая система. Так, что важны пространственные расположения частей системы друг относительно друга.
И вся эта история работает во времени. Со временем характеристики системы могут меняться. Соответственно, из этого следует, что должна быть географическая информационная система, должна быть экспертная система, потому что не все математические модели известны. Идея основная всего этого формализма – обеспечить внутри одной программной системы равноправное использование самых разных типов данных: географическая информация, логические какие-то данные, численные данные и так далее. Во имя этого все и сделано. И еще один важный аспект этого подхода – то, что другие модели, как только они становятся большими по количеству переменных или по количеству составных частей, они становятся неконтролируемыми".
Одна из задач, которая стоит сейчас перед Фридманом, – моделирование горных ударов, а также их прогнозирование.
"У нас в районе — подземные шахты, – делится с аудиторией профессор. – Там очень опасные землетрясения, вызванные горной работой. Аппарат универсальный, его можно применить для самых разных задач. Во всех этих приложениях нам нужная была одна-две части. А чтобы десяток вместить, пока не получается. Так что работы много".
Видео-версия лекции создана преподавателями и студентами Учебной телевизионной студии (УТВС) Школы гуманитарных наук ДВФУ.
ССЫЛКИ ПО ТЕМЕ:
Скандальность исследовательских вопросов необходима – религиовед Дмитрий Узланер в ДВФУ
Профессор Ким Сунг-Кюн: во Владивостоке хорошо бы "включать" ландшафт и умный урбанизм
ведущий научный сотрудник Института информатики и математического моделирования (ИИММ) КНЦ РАН
Автор фото: ИА PrimaMedia
Фридман Александр Яковлевич родился в 1952 году. Окончил Ленинградский электротехнический институт (1975 год). 1986 год — кандидат технических наук ("Специальные системы обработки информации и управления"). 2001 год – доктор технических наук ("Разработка интегрированной концептуальной модели природно-технических комплексов и методов ситуационного управления их структурой").
Работал в научно-производственном объединении "Норд" (Министерство судостроительной промышленности, город Баку) — 1975-1989 годы. В Институте информатики и математического моделирования технологических процессов КНЦ РАН с 1989 года, с 1995 года — заведующий лабораторией систем и методов моделирования.
Область научных интересов — моделирование комплексных технологий и их воздействия на окружающую среду, прикладные интеллектуализированные системы. Разработал метод и систему ситуационного моделирования природно-технических комплексов, которые были дважды отмечены в перечне важнейших результатов РАН. Автор и соавтор 135 опубликованных работ, в том числе — 16 изобретений, одной монографии и 21 учебного пособия.
Член регионального экспертного совета РФФИ, ученых советов ИИММ и Института физико-технических проблем энергетики Севера. Ведет активную преподавательскую деятельность, профессор филиала СПбГИЭУ и КФ ПетрГУ (курсы лекций по теории оптимального управления, прикладным системам искусственного интеллекта, компьютерному английскому языку).