РАЗРАБОТКА ВИРТУАЛЬНЫХ КУРАТОРОВ, ОСНОВАННЫХ НА ПРАВИЛАХ, ДЛЯ ИНТЕЛЛЕКТУАЛЬНЫХ ЗДАНИЙ

АННОТАЦИЯ

В статье описаны итоги реализации проекта по разработке прототипа системы виртуальных кураторов, основанных на правилах, для интеллектуальных зданий. Объяснены цели и необходимость разработки такой системы. Приведена архитектура разработанного прототипа. Описан результат работы в виде выводов о достоинствах и недостатках кураторов, основанных на правилах.

Ключевые слова: интеллектуальное здание; мультиагентная система; система, основанная на правилах.

Сейчас доступно множество технологий, способных помочь в создании интеллектуальных зданий: от персональных смарт-гаджетов до интеллектуальных систем. Можно сказать, что самой большой проблемой для организации интеллектуальных зданий являются уже не сами технологии, а объединение их в единую систему. Поскольку каждая отдельная подсистема умного здания может быть смоделирована как агент, выполняющий конкретную задачу, зачастую система, объединяющая эти подсистемы в одну, строится на принципах мультиагентной модели.

При разработке мультиагентной системы (МАС) для интеллектуальных зданий возникает вопрос, какой метод искусственного интеллекта выбрать для реализации механизма принятия решений. Для его разработки можно использовать автоматы, системы, основанные на правилах (СОП), нейронные сети и другие модели. Выявление достоинств и недостатков, а также сравнение различных подходов к реализации искусственного интеллекта для виртуальных кураторов могут решить проблему выбора методов для разработки автоматизированных систем управления зданиями (АСУЗ).

Несмотря на достаточное количество исследований в области построения МАС для управления интеллектуальными зданиями, не хватает исследований, изучающих вопрос о том, какой подход лучше использовать для реализации подобных систем. Были рассмотрены современные разработки, использующие СОП и нейронные сети в качестве механизма принятия решений. Они показали повышение производительности подсистем здания и снижение ресурсных затрат за счет использования МАС. Однако в работах не поднимался вопрос об устойчивости систем к неожиданным ситуациям, не рассматривались достоинства и недостатки, используемого подхода. К тому же в рамках каждого проекта рассматривался только один подход к реализации АСУЗ, из-за чего различные подходы не сравнивались между собой.

Для проведения исследования, сравнивающего подходы в одинаковых условиях необходимо разработать несколько прототипов АСУЗ, использующих разные методы искусственного интеллекта. В рамках данной работы был разработан прототип виртуальных кураторов, основанных на правилах. Он включает в себя кураторов трех типов и систему управления. При разработке прототипа работа с аппаратными средствами не рассматривалась. Поэтому сигналы из внешней среды имитировались разработанным генератором событий. Данное ограничение никак не влияет на изучение способности АСУЗ к принятию решений.

Система была разработана на языке Python с использованием библиотеки Experta [2] для реализации СОП. Архитектура системы соответствует главным принципам МАС [3]: каждый куратор должен быть независимым компонентом; кураторы должны уметь кооперироваться между собой и решать задачи согласованно; добавление новых кураторов должно быть осуществимо без необходимости приостановки системы. Компоненты АСУЗ взаимодействуют между собой по socket-соединению.

Рисунок 1. Диаграмма компонентов прототипа

Пользователь взаимодействует с прототипом АСУЗ через веб-клиент, предоставляемый системой управления. Он может отправить сигнал о каком-либо событии или запустить автоматическую генерацию. И в том, и в другом случае система управления передает команду пользователя генератору событий, который подготавливает сообщение с информацией о событии и определяет, какому куратору его нужно отправить. После того, как событие было обработано куратором, он отправляет сообщение об этом системе управления. Система управления собирает подобные сообщения от каждого из кураторов в журналы событий, а также обновляет информацию о состоянии кураторов. Пользователь может получить журналы событий для каждого куратора и другие данные, агрегируемые системой управления, через веб-клиент.

Для куратора каждого типа была спроектирована база правил. Также была спроектирована база данных с информацией о кураторах, зарегистрированных в АСУЗ. С ее помощью куратор, как агент МАС, может найти куратора-помощника для осуществления кооперации.

Рисунок 2. Алгоритм кооперации

При изучении работы разработанного прототипа были выявлены достоинства и недостатки подхода, использующего СОП. В качестве достоинств рассматриваются три пункта. Во-первых, в контексте управления интеллектуальным зданием логику действий кураторов легко представить в виде правил, что упрощает разработку. В перспективе можно реализовать модуль проверки базы правил на целостность и позволить настраивать правила пользователям, не имеющих специальных знаний для этого. Во-вторых, принятие решения СОП оптимизировано и происходит достаточно быстро за счет использования алгоритма Rete [1]. Разработанные кураторы показали, что принятие решений происходит в среднем за 0,008 секунд. В-третьих, результат принятия решений для ожидаемых системой ситуаций (ситуаций, для которых настроены правила) всегда предсказуем. Недостаток у СОП был выявлен только один – неспособность справляться с неожиданными ситуациями, они будут проигнорированы системой.

Дальнейшая работа над проектом предполагает разработку аналогичных систем с использованием других методов искусственного интеллекта и сравнение их показателей эффективности принятия решений. После проведения сравнения можно будет говорить о более взвешенных результатах по каждому изучаемому подходу.

Список литературы:

1. Dwyer B. Systems Analysis and Synthesis: Bridging Computer Science and Information Technology. Burlington: Morgan Kaufmann, 2016. — p. 295-332.
2. GitHub - nilp0inter/experta: Expert Systems for Python [Электронный ресурс]. – Режим доступа: https://github.com/nilp0inter/experta (дата обращения: 17.05.22).
3. Граничин О.Н., Кияев В.И. Информационные технологии в управлении предприятием. М. : ИНТУИТ, 2016. — 400 с.