Извлечение прецедентов из множества распределенных библиотек

Рассмотрим процесс извлечения прецедентов в распределенной CBR-системе на базе интеллектуальных агентов. Формально мультиагентная система.

M = {(Ai, Ci)}, i=1,2,…, n.

включает в себя nавтономных агентов A_i, каждый из которых взаимодействует с отдельной библиотекой прецедентовC_i. Для простоты рассмотрим задачу, заключающуюся в выборе решения из конечного множества решений K = {S₁, …, S_K}. Таким образом, библиотека прецедентов C_i = {(P_j, S_k)} представляет собой коллекцию пар задача-решение. Каждый из агентов работает автономно и способен обучаться в ходе работы, то есть может пополнять свою локальную БП новыми прецедентами.

При необходимости агент A_i может отослать описание P своей текущей задачи агенту A_j, чтобы тот помог ему с решением. После того, как A_j выслал в ответ свое собственное предлагаемое решение для P, агент A_i в простейшем случае может сравнить полученное решение со своим собственным, и, если они совпадают, повысить степень уверенности в найденном решении. Если же они не совпадают, то, возможно, ему стоит обратиться за помощью к еще одному агенту.

Когда агент A_i обращается к агенту A_j за «помощью» в решении текущей задачи, протокол взаимодействия между ними выглядит следующим образом.

Сначала A_i отсылает A_j описание задачи P_i.

A_j пытается найти решение для P, используя свою БП C_j и отсылает ответное сообщение либо о том, что он не смог найти решение (no_solution), либо запись заданной структуры с информацией о найденных решениях (solution endorsement record, SER):

SER = { {(S_k, E_k^j)}, P, A_j}.

Таким образом, запись SER представляет собой коллекцию подтверждающих пар (S_k, E_k^j), означающих, что агент A_j нашел E_k^j прецедентов в БП C_j, подтверждающих решение S_k — то есть существует E_k^j прецедентов, подтверждающих, что S_k является решением текущей задачи P. Каждый агент может высылать одну или несколько подтверждающих пар в одной SER-записи в качестве ответа на запрос другого агента.

С целью формирования окончательного решения на основе SER-записей, полученных от разных агентов, в рамках данной работы используется схема голосования BOUNDED-WEIGHTED APPROVAL VOTING (BWAV) [Plaza et al., 2001], заключающаяся в том, что агенты голосуют за решения, в зависимости от числа найденных прецедентов, подтверждающих эти решения.

Далее, для ограничения количества «голосов» у агента, введем нормализующую функцию Vote (S_k, A_j). Обозначим A^t как множество агентов, отославших свои SER-записи для текущей задачи P агенту A_i. При этом будем считать, что результат попытки решения задачи P агентом A_i также сформирован в виде SER-записи, и таким образом, A_iA^t. Тогда, функция голосования агентом A_jA^t за решение S_k будет выглядеть следующим образом:

.

где cнекоторая константа, регулирующая степень нормализации (по умолчанию c=1). Из данной формулы видно, что один голос агента будет распределен между возможными решениями S_r.

Имея совокупность голосов за решение S_k, полученных от разных агентов, мы можем определить итоговую функцию голосования за это решение множеством агентов A^t:

.

В результате, итоговое решение будет определяться как решение, набравшее в сумме наибольшее количество голосов:

.

После повторного использования извлеченного прецедента для попытки решения новой проблемы, а пересмотра и адаптации полученного решения в соответствие с текущей проблемой возникает вопрос о необходимости сохранения вновь принятого решения как части нового прецедента.