Мультиагентные системы в логистике
П.
М. КостенкоБиблиографическое описание статьи для цитирования:
Костенко
П.
М.,
Швецова
Е.
В. Мультиагентные системы в логистике // Научно-методический электронный журнал «Концепт». –
2014. – Т. 20. – С.
3271–3275. – URL:
http://e-koncept.ru/2014/54918.htm.
Аннотация. В статье рассматривается возможность использования мультиагентных технологий для решения задач логистики. Мультиагентный подход кардинально отличается от традиционных способов оптимизации, применяемых в логистике, так как основан на распределённом способе решения задач. План, построенный на основе децентрализованных решений, в большей степени гибок и адаптивен к динамично изменяющимся условиям среды.
Ключевые слова:
логистика, оптимизация, мультиагентные системы, агент, интеллектуальные системы, построение плана.
Текст статьи
Костенко Павел Михайлович,студент 3 курса направления логистика ФГБОУ ВПО «СГЭУ», Самарский государственный экономический университетkostenkopaul@mail.ruШвецова Елена Владиславовна,доцент кафедры маркетинга и логистики ФГБОУ ВПО «СГЭУ», Самарский государственный экономический университет, кандидат экономических наукshvetsova.e@mail.ru
Мультиагентные системы в логистике
Аннотация.В статье рассматривается возможность использования мультиагентных технологий для решения задач логистики.Мультиагентный подход кардинально отличается от традиционных способов оптимизации,применяемых в логистике, так как основан на распределённом способерешения задач.План построенный на основе децентрализованных решений, в большей степени гибок и адаптивен к динамично изменяющимся условиям среды.
Ключевые слова: мультиагентные системы, агент, интеллектуальные системы, оптимизация, логистика, построениеплана.
Характерные черты современной бизнес среды высокая сложность и постоянно усиливающаяся динамика. Планирование перевозок и цепей поставок в таких условиях является сложной задачей для множества логистических компаний. Для того чтобы успешно функционировать в высокодиномичной и конкурентной среде компании необходимо оперативно реагировать на возникающие незапланированные события и реактивно, в режиме реального времени, перестраивать, модифицировать, цепь поставок. Сложность выработки оптимальногоплана усиливается наличием широкого предметных знаний и ограничений, предпочтений, которые необходимо учесть при решении задачи оптимизации.
Типичными примерами событий, вызывающих необходимость пересмотра ранее оптимизированного плана, являются: изменений условий (критериев) поставки, поступление нового выгодного заказа, неожиданная отмена уже поступившего в систему и обработанного заказа, непредвиденная поломка транспортного средства и т.д.
В основе большинства методов оптимизации производственной деятельности предприятия лежат традиционные математические алгоритмы, основанные на методах динамического программирования и constraintпрограмминга. В то же время, учитывая ряд их известных недостатков, можно утверждать, что применяемые ими подходы не отражают и не соответствуют в полной мереспецифике видения бизнеса в реальных условиях.
Ключевым недостатком традиционных систем поддержки принятиярешений (СППР) является их «жестко» заданная структура (алгоритм) поиска оптимального решения. Наилучшее решение, оптимальный план составляется путем последовательного перебора вариантов в определенном направлении, согласно четко определенному (детерминированному) алгоритму.При этом на практике количество вариантов, получаемых перебором, оказывается слишком большим, а ограничение глубины поиска может привести к неэффективному решению.Полный перебор в таких случаях невозможен, и поэтому большинство системиспользует подход последовательного применения ограничений. Например, на первом этапе составляются оптимальные маршруты, далее заказы распределяются по маршрутам и часть вариантов отбрасывается изза ограничений несовместимости (место назначение, время доставки). На последнем этапе заказы распределяться по грузовикам. Данный подход хоть и оказывается более эффективным, в то же время далеко несовершенен, так как связан с перебором большого количества вариантов, которые в дальнейшем отбрасываться по причине наложения ограничений.
При этом в несение даже небольших изменений в план по причине активности среды, требует внесения дополнительных сведений в исходное условие и перезапуск программыпересчет видеться заново.
Таким образом решение задач об оптимизации бизнес процессов в условиях динамической среды классическими методами связано с ведением запредельно огромного количества расчетов и вычислений, мощности на которые едва ли хватит даже у современного суперкомпьютера Сложность такого рода задач превосходит возможности имеющихся информационных технологий.
Несмотря на то, что современная бизнес среда имеет беспрецедентный уровень динамичности, открытости, и как результат, сложности, проблема моделирования масштабных процессов со сложной структурой и непредсказуемой динамикой стоит перед обществом уже очень давно.Схожие по характеру проблемы могут быть обнаружены в различных предметных областях.
Согласно известному закону Мура вычислительная мощность компьютеров будет удваивается каждые 1824 месяца. Эмпирическим подтверждением этого закона могут служить данные, собираемые с 1971 года.[1]Однако несмотря на то, что рост производительности подчиняется экспоненциальному закону, задачи управления в сложных системах все еще представляют серьезный вызов, что требует принципиального пересмотра используемых методов и технологий, подходов к решению такого рода задач.
Новый подход к решению управленческих задач связывается с использованием мультиагентных технологий, базирующихся на принципе самоорганизации. Самоорганизация является фундаментальным свойством живых систем, позволяющим открытым, сложноорганизованным структурам сохранять устойчивость и жизнеспособность в условиях параллельного многостороннего воздействия внутреннихи внешних факторов, переживать дестабилизирующие давление и гибко подстраиваться под новые условия, развиваться вместе с новыми условиями,не изменяя или сохраняя при этом основные,наиважнейшие, свойства и качества системы.
Самоорганизация возможна в силу распределённого способа решения задач, что подразумевает способность каждого отдельного элемента воспринимать проблему и искать возможные пути ее решения.И хотя интеллект, вычислительные способности, каждого отдельного элемента не столь высоки, каждый элемент ищет и решает свою конкретную задачу, на уровне всей системы возникает удивительный эффект самоорганизации. Достигается это за счет того, что каждый элемент решая свою задачу, стремиться не только максимизировать свою полезность, но также и учитывает интересы (которые выступают здесь как ограничения) всей системы, т.е. всех других элементов. Таким образом через многократные связи и взаимодействия элементов возникает эмерджентный эффект «интеллектуального резонанса», позволяющий системе демонстрировать в высокой степени сложное, разумное и организованное поведение.
Базовым элементом, центральным понятием теории и технологии мультиагентных систем является «агент».Агентом является все, что может рассматриваться как воспринимающее свою среду с помощью специальных датчиков и воздействующие на эту среду через исполнительные механизмы. (см. рис 1).Под восприятием понимается сенсорная информация, получаемая агентом в каждый конкретный момент времени. Последовательность актов восприятия есть полная история того, что было когдалибо воспринято агентом.Помимо чистого восприятия агент также обладает совокупностью знаний о законах функционирования и связях внешнего мира. Эти знания представляют своего рода призму, через которую агент видит, воспринимает окружающий его мир. База знаний агента об окружающей его среде называется онтологией.
Простейшим вариантом агента является рефлексивный агент, который обращаеттекущее восприятие в действия, более сложным вариантом агента является агент, основанный на цели.
По сутиагент есть программный объект, алгоритм, реализующий функцию агента через преобразование исходной информации в действие. Ключевым свойством агентов является их способность вести переговоры, коммуницировать друг с другомв процессе поиска оптимального плана.Если сказать точнее, торешение и создатьсяза счет того, что агенты договариваться о том, каким оно должно быть.Агенты играют активную роль в составлении плана.
Агенты рациональны в своих действиях, что означает их стремление на каждом шаге выбирать те действия, которые, как ожидается, максимизирует показатели полезности, исходя из тех знаний, которыми агент располагаетоб окружающей среде. Соотнесем два важнейших понятия «цель» и «полезность».
Цель есть конечное состояние, к достижению которого стремиться агент. Полезность есть определенный способ достижения цели. Агент будет максимизировать свою полезность если цель будет достигнута определенным способом. Предположим, что есть посылка, которая должна быть доставлена в пункт назначения, при этом доставка в срок является важнейшим критерием успешности выполнения доставки. Разумеется, имеется множество вариантов доставки посылки в заданную точку, однако выбирая самый быстрый вариант, агент тем самым будет добиваться максимального уровня полезности.
Агент представляет собой автономную сущность, имеющую собственную определенную цель,и набор стратегий, или план действий, того как это цель может быть достигнута. Автономность агента состоит в том, что занимаясь решением своей конкретной задачи, агент не располагает полными сведениям об общих целях, ограничениях и возможностях всей системы. Но вместе с тем агент заинтересован и действует в направлении достижения глобальных целей системы.
Координация агентов осуществляется децентрализовано, т.е. каждый агент сам решает, как ему взаимодействовать с другим агентом. Обычно это реализуется через распределение ролей, т.е. когда агент находит роль, которая в большей степени соответствует ему, он принимает ее. Если же двое агентов «метят» на одно и тоже место, то срабатывает правило приоритета. К примеру, оба заказа хотят попасть на один транспорт, а место есть только для одного, заказ, у которого больше времени в запасе до срока исполнения заказа, «уступит» место заказу, работающему на грани срыва. Более сложным вариантом будет ситуация, когда оба заказа работают на грани срыва сроков.Здесь вопрос о приоритет будет выведен в интерфейсное меню,для того чтобы оператор в режиме «ручного управления» разрешил конфликтную ситуацию.
Возникновение и разрешите конфликтов это тот механизм, на котором основана работа мультиагентных систем. Конфликты решаются путем переговоров. Сложные мультиагентные системы состоят из большого числа автономных сущностейагентов. Каждый агент имеет цельи вместе с тем стремиться максимизировать свою полезность. В зависимости от того, как соотноситься цели агентов возможны несколько вариантов взаимодействия агентов в системе: конкуренция, кооперация, нейтралитет.
При конкурентном взаимодействии цели агентов оказываться схожими. К примеру, два заказа хотят попасть на одно паллетоместо на складе. В результате такого вида взаимодействий возникают конфликты, решение которых проходит через процедуру переговоров агентов или с привлечением оператора. Как правилов программе четко прописана шкала приоритетов агентов, или же агенты самостоятельно просчитывают возможные прибыли или убытки для системы в результате реализации того или иного плана, и принимают решения исходя из глобальных целей системы. Конечно же агенты должны обладать необходимыми сведениями, чтобы производить такие расчеты и делать на их основе заключения.Таким образом, разрешение конфликтных ситуаций всегда проходит в русле определенного сценария, в соответствии с набором конкретных правил.
Примером кооперативного взаимодействия может быть взаимодействие агента посылки и агента грузовика. Агент посылки ищет способ добраться до пункта назначения, а грузовик –выполнить рейс, максимально задействуя при этом свою грузоподъемность. Предположим здесь, что это есть последняя недостающая коробка, после получения который грузовик полностью укомплектованный может отправляется в путь.
Нейтралитет как форма взаимоотношений между агентами встречается гораздо реже, как правило, нейтралитет возникает и существует в определенный промежуток времени после чего переходит либо в конфликт, либо кооперацию.Т.е. нейтралитет есть не фундаментальная, а промежуточная форма, используемая для ситуационного промежуточного анализа.
Перспективным направлением разработок является создание и внедрение механизмов, позволяющих агентам динамически изменять характер взаимодействия, корректировать цели, в зависимости от изменяющихся условий. Такие новые свойства должны сделать систему еще более гибкой и эффективной за счет возрастания возможных вариантов построения плана.
Опытным путем выявлена статистическая зависимость между эффективностью системы и характером взаимодействий агентов. Так при малом количестве агентов в системе, более эффективными оказываться связи на основе кооперации, а с возрастанием количества агентов –связи на основе конкуренции. Таким образом, доказано, что системы, в которых агенты способны динамически изменять характер взаимоотношений, в зависимости от складывающихся условий (количество агентов) оказываться более эффективными. [2]
Современные логистические системы построены по принципу жесткой централизации и оптимизированы под работу в стабильной, устойчивой к изменениям и переменам среде. Пересмотр плана доставок, внесение в него изменений и дополнений, таким образом, представляет серьезный вызов для современных систем поддержки принятия решений в логистике.
Вместе с тем, современный бизнес действует в условиях сильно давления со стороны конкурентов, в условиях высоких стандартов качества обслуживания клиентов. В таких условиях бизнес вынужден быть чутким к любым изменениям на рынке, способен быстро и гибко адаптировать производственный план под эти изменения. Что усложняет задачу, так это то реструктуризация или рекомбинировка плана должна осуществляется на оптимальных началах, т.е., вопервых, затраты, связанные с реструктуризацией должны быть умеренны, а вовторых новый плантакже должен быть оптимальным. Ведь если затраты на реструктуризацию и полученный план будут не оптимальны это приведет к сильному удорожанию стоимости услуги для клиента, что, конечно же, снижает ценность услуги, и как результат, конкурентоспособность компании.
Построение производственного расписания (плана) связанно с согласованием и координацией деятельности значительного количества независимых объектов: технологического оборудования, транспортноподвижного состава, элементов материального потока, рабочего персонала и т.д. Согласование должно осуществляется по пространственновременным параметрам, технологическим, а также по параметрам, предъявляемым к грузу потребителем.Существенно осложняет процесс построения оптимального расписания наличие широкой номенклатуры товаров, многообразие технологического оборудования, сложность и многостадийность процесса обработки товаров, многокритериальность поставки.Стоит отметить, что рост сложности одного из условий, к примеру требований к доставке, приводит к нелинейному усложнению задачи оптимизации план, при решении ее традиционными стандартными подходами.
Ключевой проблемой плана, построенного на основе методов динамического программирования или иных других методов, связанных с перебором вариантов в одном направлении, является его чрезмерная «идеалистичность». Построенный план оказывается слишком жестким, ему не хватает внутренних механизмовчтобы гибко адаптироваться даже к малейшим к изменением, возникающим в ходе реализации плана. При этом возникновение непредвиденных ситуаций неизбежно. Отклонения от плана могут возникать как по причине форсмажорных обстоятельств (поломка транспортного средства, сложности с продвижением груза через границу на таможне, задержки при обработке груза на логистическом центре), так и по причинам, которые вполне укладываются в русло нормального видения бизнеса –отмена заказа, изменение параметров доставки, поступление нового заказа.
Поэтому все задания выполняются с отклонениями от плана. Для того что бы минимизировать отклонения от плана, все новые события, не попавшие в изначальный план, обрабатываться в ручном режиме. Что, очевидно, не может быть эффективным при значительном количестве элементов в системе.
Таким образом, все вышеперечисленное обуславливает необходимость пересмотра тех ключевых требований, которые на сегодняшний день предъявляется к оптимальному плану. План должен быть не только оптимальным,с точки зрения традиционных подходов, но быть гибким в достаточной мере, чтобы быть адаптированным к новым изменившемся условиям.Ведь план, пусть даже не столь оптимальный, но способный подстраиваться под непредвиденные обстоятельства, лучше, чем план, оказывающийся слишком жестким по своей природе, и потому никогда полностью нереализуемый даже при небольших отклонениях.
Это идея исходит из самих свойств системы. В системах, где отдельные компоненты действуют как автономные сущности, имеют собственные локальные цели и приоритеты, отличные от глобальных целей системы, при этом динамически изменяют свое поведение, плоть до входа и выхода из системы, в таким системах вообще нереально говорить о существовании оптимальногоплана.
Самоорганизующиеся системы, реализуемые на основе мультиагетных систем, характеризуются наличием сразу нескольких точек, называемых аттракторами, устойчивого состояния. Изменяющиеся условия заставляют план изменится, т.е. перейти из одной точки устойчивого равновесия в другую, тем самым реализуется необходимый принцип гибкости и адаптивности. И хотя показатели эффективности подобных планов окажутся ниже максимально возможных, такие планы организуют работу в гармонии с общими целями бизнеса, и дают ему быть устойчиво прибыльным в динамической, неустойчивой среде.
Как отмечалось раньше, самоорганизация возможна в силу распределенного характера решения задач, и последующего объединения этих решений за основе кооперации. Задачи управления логистической системой предприятия также по своей сути имеют распределенный характер. Поэтому при построении модели логистической сети также стоит исходить из этой логики и выполнение каждой отдельной операции закрепить за конкретным агентом.
Участниками логистической цепи являются поставщики, склады, транспорт, технологическое оборудование, заказы, потребители и т.д. Каждому участнику цепи ставиться в соответствие программный агент. Все агенты делятся на два больших: «заказы» и «ресурсы». Каждый ресурс ищет заказ, который выполнит его наилучшим способом, а каждый ресурснаиболее подходящий для себя заказ. Таким образом построение расписания будет выглядеть следующим образом.
На начальном этапе все агенты свободны, и поэтому все заказы легко распределяются по ресурсам, которые больше всего им подходят. Помере того, как все ресурсы оказываются заняты, оставшиеся заказы начинают конфликтовать. Для разрешения конфликтной ситуации и нахождения компромиссного варианта все агенты вступают в переговоры. Таким образом инициируется волна переговоров. Эта волна будет расширяться по расписанию до тех пор, пока конфликт не будет улажен.
Рассмотрим на примере механизм разрешения конфликтов в мультиагентной системе. Предположим, что есть некоторая дорожная сеть, в узлах которой расположены склады. Так же есть два транспортных средства, осуществляющие доставку грузов. Первый грузовик передвигается быстрее второго (90 км/ч), но обладает меньшей грузоподъемностью (12т), второй грузовик имеет грузоподъемность в 25 т и движется со скоростью 70 км/ч. Стоимость перевозки первым грузовиком 5 условныхед. за км, а вторым –2.
12 марта поступает заказ на перевозку 8 тонн груза из точки Bв С на расстояние 1080 км.Заказ должен быть выполнен в течение 30 ч., при стоимости равной 6500у.е. Пусть начальное положение первое грузовика точка А, а второй грузовик выполняет заказ и движется из точки О в С (прошел 400 км)
Для планирования выполнения этого заказа создается агент заказа 1. Агент заказа посылает запрос на перевозку груза обоим грузовикам. В ответ агенты заказа присылают свои варианты.
Первый грузовик готов сразу начать выполнение перевозки. Для начала осуществления перевозки грузовику сперва необходимо преодолеть участок AB(300 км). Таким образом суммарный пробег составит 1380 км, а стоимость 1380*5 = 6900 у.е. при продолжительности 15.3ч
Второй грузовик на момент поступления заказа 1 уже выполняет работу, он полностью заполнен идля того чтобывзять заказ один, ему необходимо закончить маршрут OC(450 км), выгрузиться, а затем из С двинуться в B.Таким образом суммарный маршрут на выполнение заказа составит (450+ 1080+1080) =2610 км, а стоимость5220 у.е.время 37.3 ч
В системе складывается конфликтная ситуация, ни один из возможных вариантов доставки, не удовлетворяет условиям заказа. В ходе начавшихся переговоров агент грузовика 2 предлагает скидку за выполнение заказа в ненормативное время (максимальный размер скидкиравняется прибыли 65005220= 1280). Если убытки заказа от не поставки его вовремя не столь высоки (допустим 5 у.е. в час, тогда за 7.3ч образуется убыток в 36.5 у.е.). Агент второго грузовика предложит покрыть дополнительные расходы на выполнение заказа из части прибыли. И тогда заказ согласится работать со вторым грузовиком, а прибыль системы составит (128036.5) 1243.5 у.е.
Приведенный пример наглядно демонстрирует способность мультиагентной системы проявлять гибкость при решении задачи управления материальным подходом. Отсутствие должной гибкости при решении данного вопроса привело бы к тому, что не один грузовик не решился бы выполнять заказ, и компания собственник грузовиков не получила доход в размере 1243 у.е. Решив задачу подобным способом компанияне только сумела заработать прибыль, но и сохранила клиента, укрепив его лояльность.Ведь клиент заинтересован в работе с компанией, которая способна гибко работать с запросами и предлагать взаимовыгодные решения для обоих партнеров. Такой подход, отличная основа длястановленияи развития длительных стратегических бизнесвзаимодействий.
Ссылки на источники1. Джордж РжевскийМУЛЬТИАГЕНТНЫЕ СИСТЕМЫ В ЛОГИСТИКЕ И ЕКОММЕРЦИИ,.URL: http://www.iteam.ru/publications/logistics/section_80/article_2689/2.КаляевИ.А., КапустянС.Г., ГайдукА. Р. Самоорганизующиеся распределенные системы управления группами интеллектуальных роботов, построенные на основе сетевой модели / Управление большими системами. Специальный выпуск 30.1 "Сетевые модели в управлении". М.: ИПУ РАН, 2010. С.605639.
Pavel Kostenko,
3rd year student of specialty logistics Federal State Budgetary Institution of Higher Professional Education «Samara State University of Economics».Shvetsov Elena Vladislavovna, Associate Professor of Marketing and Logistics Federal State Budgetary Institution of Higher Professional Education «Samara State University of Economics», candidate of economic sciences.Multiagent systems in logistics.Abstract:This article discusses the possibility of using multiagent technology to solve the problems of logistics. Multiagent approach is fundamentally different from traditional optimization methods used in logistics, as it is based on a distributed method of solving problems. Plan built on the basis of decentralized decisions more flexible and adaptive to rapidly changing environmental conditions.Keywords:multiagent systems, agents, intelligent systems, optimization, logistics, construction plan.
Мультиагентные системы в логистике
Аннотация.В статье рассматривается возможность использования мультиагентных технологий для решения задач логистики.Мультиагентный подход кардинально отличается от традиционных способов оптимизации,применяемых в логистике, так как основан на распределённом способерешения задач.План построенный на основе децентрализованных решений, в большей степени гибок и адаптивен к динамично изменяющимся условиям среды.
Ключевые слова: мультиагентные системы, агент, интеллектуальные системы, оптимизация, логистика, построениеплана.
Характерные черты современной бизнес среды высокая сложность и постоянно усиливающаяся динамика. Планирование перевозок и цепей поставок в таких условиях является сложной задачей для множества логистических компаний. Для того чтобы успешно функционировать в высокодиномичной и конкурентной среде компании необходимо оперативно реагировать на возникающие незапланированные события и реактивно, в режиме реального времени, перестраивать, модифицировать, цепь поставок. Сложность выработки оптимальногоплана усиливается наличием широкого предметных знаний и ограничений, предпочтений, которые необходимо учесть при решении задачи оптимизации.
Типичными примерами событий, вызывающих необходимость пересмотра ранее оптимизированного плана, являются: изменений условий (критериев) поставки, поступление нового выгодного заказа, неожиданная отмена уже поступившего в систему и обработанного заказа, непредвиденная поломка транспортного средства и т.д.
В основе большинства методов оптимизации производственной деятельности предприятия лежат традиционные математические алгоритмы, основанные на методах динамического программирования и constraintпрограмминга. В то же время, учитывая ряд их известных недостатков, можно утверждать, что применяемые ими подходы не отражают и не соответствуют в полной мереспецифике видения бизнеса в реальных условиях.
Ключевым недостатком традиционных систем поддержки принятиярешений (СППР) является их «жестко» заданная структура (алгоритм) поиска оптимального решения. Наилучшее решение, оптимальный план составляется путем последовательного перебора вариантов в определенном направлении, согласно четко определенному (детерминированному) алгоритму.При этом на практике количество вариантов, получаемых перебором, оказывается слишком большим, а ограничение глубины поиска может привести к неэффективному решению.Полный перебор в таких случаях невозможен, и поэтому большинство системиспользует подход последовательного применения ограничений. Например, на первом этапе составляются оптимальные маршруты, далее заказы распределяются по маршрутам и часть вариантов отбрасывается изза ограничений несовместимости (место назначение, время доставки). На последнем этапе заказы распределяться по грузовикам. Данный подход хоть и оказывается более эффективным, в то же время далеко несовершенен, так как связан с перебором большого количества вариантов, которые в дальнейшем отбрасываться по причине наложения ограничений.
При этом в несение даже небольших изменений в план по причине активности среды, требует внесения дополнительных сведений в исходное условие и перезапуск программыпересчет видеться заново.
Таким образом решение задач об оптимизации бизнес процессов в условиях динамической среды классическими методами связано с ведением запредельно огромного количества расчетов и вычислений, мощности на которые едва ли хватит даже у современного суперкомпьютера Сложность такого рода задач превосходит возможности имеющихся информационных технологий.
Несмотря на то, что современная бизнес среда имеет беспрецедентный уровень динамичности, открытости, и как результат, сложности, проблема моделирования масштабных процессов со сложной структурой и непредсказуемой динамикой стоит перед обществом уже очень давно.Схожие по характеру проблемы могут быть обнаружены в различных предметных областях.
Согласно известному закону Мура вычислительная мощность компьютеров будет удваивается каждые 1824 месяца. Эмпирическим подтверждением этого закона могут служить данные, собираемые с 1971 года.[1]Однако несмотря на то, что рост производительности подчиняется экспоненциальному закону, задачи управления в сложных системах все еще представляют серьезный вызов, что требует принципиального пересмотра используемых методов и технологий, подходов к решению такого рода задач.
Новый подход к решению управленческих задач связывается с использованием мультиагентных технологий, базирующихся на принципе самоорганизации. Самоорганизация является фундаментальным свойством живых систем, позволяющим открытым, сложноорганизованным структурам сохранять устойчивость и жизнеспособность в условиях параллельного многостороннего воздействия внутреннихи внешних факторов, переживать дестабилизирующие давление и гибко подстраиваться под новые условия, развиваться вместе с новыми условиями,не изменяя или сохраняя при этом основные,наиважнейшие, свойства и качества системы.
Самоорганизация возможна в силу распределённого способа решения задач, что подразумевает способность каждого отдельного элемента воспринимать проблему и искать возможные пути ее решения.И хотя интеллект, вычислительные способности, каждого отдельного элемента не столь высоки, каждый элемент ищет и решает свою конкретную задачу, на уровне всей системы возникает удивительный эффект самоорганизации. Достигается это за счет того, что каждый элемент решая свою задачу, стремиться не только максимизировать свою полезность, но также и учитывает интересы (которые выступают здесь как ограничения) всей системы, т.е. всех других элементов. Таким образом через многократные связи и взаимодействия элементов возникает эмерджентный эффект «интеллектуального резонанса», позволяющий системе демонстрировать в высокой степени сложное, разумное и организованное поведение.
Базовым элементом, центральным понятием теории и технологии мультиагентных систем является «агент».Агентом является все, что может рассматриваться как воспринимающее свою среду с помощью специальных датчиков и воздействующие на эту среду через исполнительные механизмы. (см. рис 1).Под восприятием понимается сенсорная информация, получаемая агентом в каждый конкретный момент времени. Последовательность актов восприятия есть полная история того, что было когдалибо воспринято агентом.Помимо чистого восприятия агент также обладает совокупностью знаний о законах функционирования и связях внешнего мира. Эти знания представляют своего рода призму, через которую агент видит, воспринимает окружающий его мир. База знаний агента об окружающей его среде называется онтологией.
Простейшим вариантом агента является рефлексивный агент, который обращаеттекущее восприятие в действия, более сложным вариантом агента является агент, основанный на цели.
По сутиагент есть программный объект, алгоритм, реализующий функцию агента через преобразование исходной информации в действие. Ключевым свойством агентов является их способность вести переговоры, коммуницировать друг с другомв процессе поиска оптимального плана.Если сказать точнее, торешение и создатьсяза счет того, что агенты договариваться о том, каким оно должно быть.Агенты играют активную роль в составлении плана.
Агенты рациональны в своих действиях, что означает их стремление на каждом шаге выбирать те действия, которые, как ожидается, максимизирует показатели полезности, исходя из тех знаний, которыми агент располагаетоб окружающей среде. Соотнесем два важнейших понятия «цель» и «полезность».
Цель есть конечное состояние, к достижению которого стремиться агент. Полезность есть определенный способ достижения цели. Агент будет максимизировать свою полезность если цель будет достигнута определенным способом. Предположим, что есть посылка, которая должна быть доставлена в пункт назначения, при этом доставка в срок является важнейшим критерием успешности выполнения доставки. Разумеется, имеется множество вариантов доставки посылки в заданную точку, однако выбирая самый быстрый вариант, агент тем самым будет добиваться максимального уровня полезности.
Агент представляет собой автономную сущность, имеющую собственную определенную цель,и набор стратегий, или план действий, того как это цель может быть достигнута. Автономность агента состоит в том, что занимаясь решением своей конкретной задачи, агент не располагает полными сведениям об общих целях, ограничениях и возможностях всей системы. Но вместе с тем агент заинтересован и действует в направлении достижения глобальных целей системы.
Координация агентов осуществляется децентрализовано, т.е. каждый агент сам решает, как ему взаимодействовать с другим агентом. Обычно это реализуется через распределение ролей, т.е. когда агент находит роль, которая в большей степени соответствует ему, он принимает ее. Если же двое агентов «метят» на одно и тоже место, то срабатывает правило приоритета. К примеру, оба заказа хотят попасть на один транспорт, а место есть только для одного, заказ, у которого больше времени в запасе до срока исполнения заказа, «уступит» место заказу, работающему на грани срыва. Более сложным вариантом будет ситуация, когда оба заказа работают на грани срыва сроков.Здесь вопрос о приоритет будет выведен в интерфейсное меню,для того чтобы оператор в режиме «ручного управления» разрешил конфликтную ситуацию.
Возникновение и разрешите конфликтов это тот механизм, на котором основана работа мультиагентных систем. Конфликты решаются путем переговоров. Сложные мультиагентные системы состоят из большого числа автономных сущностейагентов. Каждый агент имеет цельи вместе с тем стремиться максимизировать свою полезность. В зависимости от того, как соотноситься цели агентов возможны несколько вариантов взаимодействия агентов в системе: конкуренция, кооперация, нейтралитет.
При конкурентном взаимодействии цели агентов оказываться схожими. К примеру, два заказа хотят попасть на одно паллетоместо на складе. В результате такого вида взаимодействий возникают конфликты, решение которых проходит через процедуру переговоров агентов или с привлечением оператора. Как правилов программе четко прописана шкала приоритетов агентов, или же агенты самостоятельно просчитывают возможные прибыли или убытки для системы в результате реализации того или иного плана, и принимают решения исходя из глобальных целей системы. Конечно же агенты должны обладать необходимыми сведениями, чтобы производить такие расчеты и делать на их основе заключения.Таким образом, разрешение конфликтных ситуаций всегда проходит в русле определенного сценария, в соответствии с набором конкретных правил.
Примером кооперативного взаимодействия может быть взаимодействие агента посылки и агента грузовика. Агент посылки ищет способ добраться до пункта назначения, а грузовик –выполнить рейс, максимально задействуя при этом свою грузоподъемность. Предположим здесь, что это есть последняя недостающая коробка, после получения который грузовик полностью укомплектованный может отправляется в путь.
Нейтралитет как форма взаимоотношений между агентами встречается гораздо реже, как правило, нейтралитет возникает и существует в определенный промежуток времени после чего переходит либо в конфликт, либо кооперацию.Т.е. нейтралитет есть не фундаментальная, а промежуточная форма, используемая для ситуационного промежуточного анализа.
Перспективным направлением разработок является создание и внедрение механизмов, позволяющих агентам динамически изменять характер взаимодействия, корректировать цели, в зависимости от изменяющихся условий. Такие новые свойства должны сделать систему еще более гибкой и эффективной за счет возрастания возможных вариантов построения плана.
Опытным путем выявлена статистическая зависимость между эффективностью системы и характером взаимодействий агентов. Так при малом количестве агентов в системе, более эффективными оказываться связи на основе кооперации, а с возрастанием количества агентов –связи на основе конкуренции. Таким образом, доказано, что системы, в которых агенты способны динамически изменять характер взаимоотношений, в зависимости от складывающихся условий (количество агентов) оказываться более эффективными. [2]
Современные логистические системы построены по принципу жесткой централизации и оптимизированы под работу в стабильной, устойчивой к изменениям и переменам среде. Пересмотр плана доставок, внесение в него изменений и дополнений, таким образом, представляет серьезный вызов для современных систем поддержки принятия решений в логистике.
Вместе с тем, современный бизнес действует в условиях сильно давления со стороны конкурентов, в условиях высоких стандартов качества обслуживания клиентов. В таких условиях бизнес вынужден быть чутким к любым изменениям на рынке, способен быстро и гибко адаптировать производственный план под эти изменения. Что усложняет задачу, так это то реструктуризация или рекомбинировка плана должна осуществляется на оптимальных началах, т.е., вопервых, затраты, связанные с реструктуризацией должны быть умеренны, а вовторых новый плантакже должен быть оптимальным. Ведь если затраты на реструктуризацию и полученный план будут не оптимальны это приведет к сильному удорожанию стоимости услуги для клиента, что, конечно же, снижает ценность услуги, и как результат, конкурентоспособность компании.
Построение производственного расписания (плана) связанно с согласованием и координацией деятельности значительного количества независимых объектов: технологического оборудования, транспортноподвижного состава, элементов материального потока, рабочего персонала и т.д. Согласование должно осуществляется по пространственновременным параметрам, технологическим, а также по параметрам, предъявляемым к грузу потребителем.Существенно осложняет процесс построения оптимального расписания наличие широкой номенклатуры товаров, многообразие технологического оборудования, сложность и многостадийность процесса обработки товаров, многокритериальность поставки.Стоит отметить, что рост сложности одного из условий, к примеру требований к доставке, приводит к нелинейному усложнению задачи оптимизации план, при решении ее традиционными стандартными подходами.
Ключевой проблемой плана, построенного на основе методов динамического программирования или иных других методов, связанных с перебором вариантов в одном направлении, является его чрезмерная «идеалистичность». Построенный план оказывается слишком жестким, ему не хватает внутренних механизмовчтобы гибко адаптироваться даже к малейшим к изменением, возникающим в ходе реализации плана. При этом возникновение непредвиденных ситуаций неизбежно. Отклонения от плана могут возникать как по причине форсмажорных обстоятельств (поломка транспортного средства, сложности с продвижением груза через границу на таможне, задержки при обработке груза на логистическом центре), так и по причинам, которые вполне укладываются в русло нормального видения бизнеса –отмена заказа, изменение параметров доставки, поступление нового заказа.
Поэтому все задания выполняются с отклонениями от плана. Для того что бы минимизировать отклонения от плана, все новые события, не попавшие в изначальный план, обрабатываться в ручном режиме. Что, очевидно, не может быть эффективным при значительном количестве элементов в системе.
Таким образом, все вышеперечисленное обуславливает необходимость пересмотра тех ключевых требований, которые на сегодняшний день предъявляется к оптимальному плану. План должен быть не только оптимальным,с точки зрения традиционных подходов, но быть гибким в достаточной мере, чтобы быть адаптированным к новым изменившемся условиям.Ведь план, пусть даже не столь оптимальный, но способный подстраиваться под непредвиденные обстоятельства, лучше, чем план, оказывающийся слишком жестким по своей природе, и потому никогда полностью нереализуемый даже при небольших отклонениях.
Это идея исходит из самих свойств системы. В системах, где отдельные компоненты действуют как автономные сущности, имеют собственные локальные цели и приоритеты, отличные от глобальных целей системы, при этом динамически изменяют свое поведение, плоть до входа и выхода из системы, в таким системах вообще нереально говорить о существовании оптимальногоплана.
Самоорганизующиеся системы, реализуемые на основе мультиагетных систем, характеризуются наличием сразу нескольких точек, называемых аттракторами, устойчивого состояния. Изменяющиеся условия заставляют план изменится, т.е. перейти из одной точки устойчивого равновесия в другую, тем самым реализуется необходимый принцип гибкости и адаптивности. И хотя показатели эффективности подобных планов окажутся ниже максимально возможных, такие планы организуют работу в гармонии с общими целями бизнеса, и дают ему быть устойчиво прибыльным в динамической, неустойчивой среде.
Как отмечалось раньше, самоорганизация возможна в силу распределенного характера решения задач, и последующего объединения этих решений за основе кооперации. Задачи управления логистической системой предприятия также по своей сути имеют распределенный характер. Поэтому при построении модели логистической сети также стоит исходить из этой логики и выполнение каждой отдельной операции закрепить за конкретным агентом.
Участниками логистической цепи являются поставщики, склады, транспорт, технологическое оборудование, заказы, потребители и т.д. Каждому участнику цепи ставиться в соответствие программный агент. Все агенты делятся на два больших: «заказы» и «ресурсы». Каждый ресурс ищет заказ, который выполнит его наилучшим способом, а каждый ресурснаиболее подходящий для себя заказ. Таким образом построение расписания будет выглядеть следующим образом.
На начальном этапе все агенты свободны, и поэтому все заказы легко распределяются по ресурсам, которые больше всего им подходят. Помере того, как все ресурсы оказываются заняты, оставшиеся заказы начинают конфликтовать. Для разрешения конфликтной ситуации и нахождения компромиссного варианта все агенты вступают в переговоры. Таким образом инициируется волна переговоров. Эта волна будет расширяться по расписанию до тех пор, пока конфликт не будет улажен.
Рассмотрим на примере механизм разрешения конфликтов в мультиагентной системе. Предположим, что есть некоторая дорожная сеть, в узлах которой расположены склады. Так же есть два транспортных средства, осуществляющие доставку грузов. Первый грузовик передвигается быстрее второго (90 км/ч), но обладает меньшей грузоподъемностью (12т), второй грузовик имеет грузоподъемность в 25 т и движется со скоростью 70 км/ч. Стоимость перевозки первым грузовиком 5 условныхед. за км, а вторым –2.
12 марта поступает заказ на перевозку 8 тонн груза из точки Bв С на расстояние 1080 км.Заказ должен быть выполнен в течение 30 ч., при стоимости равной 6500у.е. Пусть начальное положение первое грузовика точка А, а второй грузовик выполняет заказ и движется из точки О в С (прошел 400 км)
Для планирования выполнения этого заказа создается агент заказа 1. Агент заказа посылает запрос на перевозку груза обоим грузовикам. В ответ агенты заказа присылают свои варианты.
Первый грузовик готов сразу начать выполнение перевозки. Для начала осуществления перевозки грузовику сперва необходимо преодолеть участок AB(300 км). Таким образом суммарный пробег составит 1380 км, а стоимость 1380*5 = 6900 у.е. при продолжительности 15.3ч
Второй грузовик на момент поступления заказа 1 уже выполняет работу, он полностью заполнен идля того чтобывзять заказ один, ему необходимо закончить маршрут OC(450 км), выгрузиться, а затем из С двинуться в B.Таким образом суммарный маршрут на выполнение заказа составит (450+ 1080+1080) =2610 км, а стоимость5220 у.е.время 37.3 ч
В системе складывается конфликтная ситуация, ни один из возможных вариантов доставки, не удовлетворяет условиям заказа. В ходе начавшихся переговоров агент грузовика 2 предлагает скидку за выполнение заказа в ненормативное время (максимальный размер скидкиравняется прибыли 65005220= 1280). Если убытки заказа от не поставки его вовремя не столь высоки (допустим 5 у.е. в час, тогда за 7.3ч образуется убыток в 36.5 у.е.). Агент второго грузовика предложит покрыть дополнительные расходы на выполнение заказа из части прибыли. И тогда заказ согласится работать со вторым грузовиком, а прибыль системы составит (128036.5) 1243.5 у.е.
Приведенный пример наглядно демонстрирует способность мультиагентной системы проявлять гибкость при решении задачи управления материальным подходом. Отсутствие должной гибкости при решении данного вопроса привело бы к тому, что не один грузовик не решился бы выполнять заказ, и компания собственник грузовиков не получила доход в размере 1243 у.е. Решив задачу подобным способом компанияне только сумела заработать прибыль, но и сохранила клиента, укрепив его лояльность.Ведь клиент заинтересован в работе с компанией, которая способна гибко работать с запросами и предлагать взаимовыгодные решения для обоих партнеров. Такой подход, отличная основа длястановленияи развития длительных стратегических бизнесвзаимодействий.
Ссылки на источники1. Джордж РжевскийМУЛЬТИАГЕНТНЫЕ СИСТЕМЫ В ЛОГИСТИКЕ И ЕКОММЕРЦИИ,.URL: http://www.iteam.ru/publications/logistics/section_80/article_2689/2.КаляевИ.А., КапустянС.Г., ГайдукА. Р. Самоорганизующиеся распределенные системы управления группами интеллектуальных роботов, построенные на основе сетевой модели / Управление большими системами. Специальный выпуск 30.1 "Сетевые модели в управлении". М.: ИПУ РАН, 2010. С.605639.
Pavel Kostenko,
3rd year student of specialty logistics Federal State Budgetary Institution of Higher Professional Education «Samara State University of Economics».Shvetsov Elena Vladislavovna, Associate Professor of Marketing and Logistics Federal State Budgetary Institution of Higher Professional Education «Samara State University of Economics», candidate of economic sciences.Multiagent systems in logistics.Abstract:This article discusses the possibility of using multiagent technology to solve the problems of logistics. Multiagent approach is fundamentally different from traditional optimization methods used in logistics, as it is based on a distributed method of solving problems. Plan built on the basis of decentralized decisions more flexible and adaptive to rapidly changing environmental conditions.Keywords:multiagent systems, agents, intelligent systems, optimization, logistics, construction plan.
