Abordarea auto-organizarii pe care o propunem in acest proiect este centrata pe ego-competenta sistemului – o abordare noua in care sistemul este capabil sa inteleaga propria stare evolutiva in procesul de rezolvare a problemei si care permite controlul, managementul, comunicarea si modificarea functionalitatii intr-o maniera autonoma si dinamica. O astfel de comportare autonoma este necesara pentru a permite agentilor atat realizarea obiectivelor individuale cat si coerenta colectivitatii la nivel global in conditiile existentei unui mediu operational in continua schimbare, impredictibil si in care resursele existente sunt intr-o permanenta stare de flux.

Spre deosebire de cele mai multe abordari existente dedicate conceptiei si realizarii sistemelor cu auto-organizare (bazate pe modele reactive, genetice sau holonice), abordarea noastra asupra auto-organizarii se bazeaza pe societati de agenti cognitivi dotati cu reprezentari simbolice a cunostintelor si a domeniului problemei de solutionat.

De asemenea, abordarea exploateaza si se va baza pe cercetari anterioare originale ale membrilor echipei, cum ar fi dezvoltarea profilelor de cooperare a agentilor motivati individual [1], invatarea strategiilor de negociere pe baza recompensei si a regretului [2,3], construirea capacitatilor anticipative ale agentilor inteligenti BDI [4], imbinarea algoritmilor genetici cu reprezentari simbolice pentru rezolvarea problemei tragediei resurselor comune [5,6], modelarea unui lant de distributie (SCM) pe baza de agenti inteligenti [7] (abordare care a condus la ocuparea locului I in competitia TAC/SCM 2007), si realizarea unui model de analiza si clasificare a autonomiei agentilor [8].

Obiectivul general al proiectului este acela de a dezvolta un model formal, metode, tehnici, instrumente si o metodologie asociata pentru modelarea si simularea unor astfel de societati de agenti, capabili sa raspunda provocarilor impuse de realizarea sistemele software complexe, inclusiv sisteme ce contin artefacte diferite (dispozitive mobile, RFID) sau actori diferiti (agenti artificiali sau umani).

Pentru realizarea acestui obiectiv general, s-au identificat o serie de obiective specifice care sunt prezentate in continuare si care descriu pe scurt viziunea echipei asupra abordarii si realizarii cercetarii propuse.

2009

O1. Stabilirea cerintelor in contextul lumii reale

Acest obiectiv vizeaza identificarea caracteristicilor comune ale unor clase de aplicatii ce necesita implementarea pe baza de sisteme complexe (doua exemple de astfel de aplicatii sunt date in obiectivele dedicate realizarii demonstratoarelor), cat si studiul si evaluarea modelelor si solutiilor propuse in literatura de specialitate.

O2. Dezvoltarea unor ontologii de domeniu pentru descrierea structurilor organizatorice, cazurilor de interactiune si a sabloanelor de cooperare

Modelele de cooperare dinamica, interactiuni dinamice cat si meta-cunostintele necesare realzarii ego-competentei trebuie reprezentate si organizate in mod adecvat, atat pentru validarea abordarii formale structurale cat si pentru testarea preliminara a unor mecanisme inferentiale de baza. In acest scop, se vor modela ontologii de domeniu, alegand cel mai probabil limbajul OWL [9] si reprezentarea regulilor asociate prin SWRL [10].

O3. Modelarea conceptuala si formala a structurii si dinamicii sistemelor cu auto-organizare

Acesta este unul dintre cele mai provocatoare obiective stiintifice ale proiectului prin continul formal ridicat al activitatilor de cercetare preconizate si prin ipoteza de lucru prin care incercam imbinarea a doua formalisme, unul logic si altul matematic. Propunem formalizarea cunostintelor structurale prin logice de descriere – DL [11] (relativ evident pe baza rezultatelor O2) si a cunostintelor de flux de control prin calcul p (p-calculus) [12] cat si gasirea unei unificari a acestor doua formalisme. Evident, o reprezentare a ontologiilor in OWL impune o reprezentare echivalente in DL desi se pot construi ontologii si fara a face o formalizare in DL (alegerea variantei de DL potrivita, de exemplu ALC(D) in functie de puterae de reprezentare si de proprietatile de calculabilitate este totusi importanta). Calculul p, continuare a Calculului Sistemelor de Comunicare, s-a impus recent ca un formalism interesant pentru specificarea calculelor concurente a caror configuratie se poate schimba in timpul executiei. Recent, acest formalism a fost propus ca si baza pentru descrierea proceselor de business in BPML (Business Process Modelling Language) [13]. O extindere a p-calculus interesant de investigat este si aceea a calculul ambiental [14], in special din punct de vedere al realizarilor preconizate pentru obiectivul O10.

2010

O4. Proiectarea si dezvoltarea agentilor ego-competenti si a meta-reprezentarilor necesare realizarii ego-competentei

Pornind de la cercetari in domeniul reprezentarii meta-cunostintelor si a meta-cunoasterii, de exemplu [15,16], vom realiza un agent capabil sa inteleaga si sa cunoasca competentele si abilitatile cu care este inzestrat si sa le utilizeze pro-activ atat in rezolvarea problemelor cat si, intr-o etapa ulterioara, in planificarea coordonarii si interactiunii cu alti agenti. Aceste cercetari vor fi influentate si de studiile si implementarile prototip realizate in domeniul agentilor inteligenti cu autonomie ajustabila in [17, 8]. In plus se va realiza si valida prin simulare agentul ego-competent in contexte specifice. Se vor extinde ontologiile dezvoltate in consecinta, iar extinderile pote avea un impact asupra rafinarii formalismului structural din O3.

O5. Conceperea, modelarea si implementarea mecanismelor de coordonare si interactiune adaptive necesare auto-organizarii societatii de agenti

Pe baza cercetarilor din domeniul agentilor reactivi capabli de auto-organizare (descrise in stadiul cunostintelor) vom elabora mecanisme si algoritmi de coordonare si interactiune dinamica, cu capacitati adaptive. Vom porni atat de la rezultatele cercetarilor din [1] referitoare la stabilirea cooperarii intre agenti motivati individual pe baza de profile de cooperare cat si de la mecanismele de invatare a negocierii din [2,3]. Metoda de baza avuta in vedere in acest moment este invatarea prin recompensa [18] si invatarea cooperativa prin recompensa [19, 20].

O6. Elaborarea strategiilor de transmitere a initiativei si controlului intre agentii din societate, inclusiv schimbarea dinamica a rolurilor, si evaluarea acestora prin implementare

Ego-competenta poate fi cu succes utilizata pentru controlul autonomiei, initiativei, a alocarii sarcinilor cat si a asumarii dinamice a rolurilor de catre agenti in societate. In acest sens, sunt relevante cercetarile in domeniul rationamentului cu initiativa mixta [21,22]. De fapt, abordarea sistemelor cu initiativa mixta poate fi vazuta ca un sistem cu auto-organizare in care exista doi agenti: agentul asistent utilizator si agentul uman (desi acest punct de vedere nu apare in literaura, ni se pare relevant. In acdrul acestui obiectiv avem in vedere elaborarea unor strategii adecvate si algoritmi asociati pentru modificarea pro-activa a initiativei si asumarea rolurilor in functie de sarcini si context. Abordarea va fi validata prin implementare asociata.

O7. Dezvoltarea instrumentelor software pentru integrarea agentilor ego-competenti in societati de agenti cu auto-organizare

Acest obiectiv are ca scop integrarea modelelor si instrumentelor software dezvoltate anterior intr-o platforma unitara capabila sa modeleze si dezvolte aplicatii bazate pe societati de agenti cognitivi cu auto-organizare, scopul final al proiectului de fata.

O8. Dezvoltarea si implementarea aplicatiei pilot pentru configurarea automata a serviciilor Web compuse pentru SCM + feed-back

In pofida diverselor contributii si lucrari publicate in domeniul utilizarii agentilor inteligenti pentru descoperirea si compunerea automata a serviciilor Web, cele mai multe abordari sunt orientate numai pe anumite aspecte ale automatizarii procesului, de exemplu in compunerea serviciilor se pleaca fie de la o viziune orientata pe flux de lucru (workflow) fie de una bazata pe metode de planificare din inteligenta artificiala, in primul caz abordarile dovedind flexibilitate si adaptivitate limitata, in cel de al doile caz abordarile fiind limitate din punct de vedere al reprezentarii proceselor si a transformarilor temporale [23,24]. Abordarea fundamentala propusa in proiect incearca sa elimine aceste limitari.

In cadrul acestui obiectiv, se va modela o aplicatie de SCM bazata pe servicii Web compuse cu configurare automata in contextul unei colaborari B2B pentru producatorii de echipamente care trebuie sa se coordoneze pe mai multe niveluri ale lantului de distributie, atat cu furnizorii proprii cat si cu distribuitori si clienti. Provocarea de baza in modelarea acestei aplicatii va consta in realizarea unui model flexibil si adaptiv, in care o entitate (agent, intreprindere) poate fi in acelasi timp furnizor cat si consumator. Se vor avea in vedere si rezultatele proiectului IDEI 2007 “Maestro – compunerea automata a serviciilor web folosind ontologii”.

In acelasi timp se vor obtine rezultate corectare asupra realizarilor anterioare, atat la nivel teoretic cat si practic.

2011

O9. Propunerea unei metodologii generale de proiectare si implementare a sistemelor bazate pe societati de agenti cu auto-organizare cat si rafinarea/extinderea modelului formal din O3.

Se va propune o metodologie de proiectare si implementare a aplicatiilor complexe care necesita realizarea auto-organizarii si adaptarii. Metodologia va fi inspirata din abordarile si cazurile tratate in proiect dar va avea un caracter general. In plus, in functie de rezultatele din anii pecedenti, se va rafina modelul formal previzionat ca rezulta al obiectivului O3.

O10. Dezvoltarea si implementarea aplicatiei pilot de inteligenta ambientala + feed-back

Se va dezvolta aplicatie de inteligenta ambientala pentru o sala de conferinte in care participantii sunt identificati prin tag-uri RFID, diverse obiecte de interes au asociatea tag-uri RFID active, agentii inteligenti din telefoanele mobile ale participanilor pot comunica cu agentii centrali organizatori (tot artificiali) pentru planificarea prezentarilor, interventiilor, organizarii evenimentelor urmatoare, etc.

In acelasi timp se vor obtine rezultate corectare asupra realizarilor anterioare, atat la nivel teoretic cat si practic.


Bibliografie


[1] A. Florea, B. Panghe. Achieving Cooperation of Self-interested Agents Based on Cost. Proc. of the 15th European Meeting on Cybernetics and System Research, Session: From Agent Theories to Agent Implementation, Vienna, Austria, 25-28 April, 2000, p.591-596.

[2] A. Florea, E. Kalisz. A Negotiation Learning Model for Open Multi-Agent Environments, CASYS: International Journal of Computing Anticipatory Systems (IJCAS), 2008

[3] A. Florea, E. Kalisz. Adaptive Negotiation Based on Rewards and Regret in a Multi-agent Environment, IEEE Computer Society Conference Publishing Service (CPS), p.254-259, 2007

[4] A. Florea, E. Kalisz, Anticipatory Attributes of Agent Behaviour in MAS. In American Institute of Physics: Computing Anticipatory Systems. D. Dubois (Ed.), Vol. 627, 2001, p.359-364.

[5] A. Florea, C. Carabelea. Genetic Models for the Rational Exploitation of Resources. Advances in Soft Computing - Engineering, Design and Manufacturing, Springer Engineering Series, Springer, London, 2003, p.351-360.

[6] A. Florea, E. Kalisz, C. Carabelea. Genetic Multi-agent Planning of Self-interested Agents. In Proc. of GECCO-2002, Genetic and Evolutionary Computation Conference, New York City, New York, July 9-13, 2002, p.153-160.

[7] A. Florea, M. Stan, B. Stan. An intelligent agent for the TAC/SCM competition – trimisa la AAMAS 2008.

[8] C.Carabelea, O.Boissier and A.Florea. Autonomy in MAS: A classification attempt. In Matthias Nickles, Michael Rovatsos, Gerhard Weiss (eds.): Agents and Computational Autonomy: Potentials, Risks and Solutions. Lecture Notes in Computer Science, Volume 2969, Springer-Verlag Berlin/Heidelberg, 2004, p.103-113.

[9] – D. L. McGuinness and F. van Harmelen. OWL Web Ontology Language. W3C Recommendation, 2004.http://www.w3.org/TR/owl-features/.

[10] - www.w3.org/Submission/SWRL/

[11] F. Baader, D. Calvanese, D.L. McGuinness, D. Nardi, P.F. Patel-Schneider (Eds.) Description Logic Handbook, Cambridge University Press, 2002

[12] Milner, R.; J. Parrow and D. Walker (1992). A calculus of mobile processes, Information and Computation (100): 1-40.

[13] BPML | BPEL4WS: A Convergence Path toward a Standard BPM Stack, BPMI.org Position Paper. August 15, 2002.

[14] L. A.D. Gordon. Mobile Ambients. Proceedings of the First international Conference on Foundations of Software Science and Computation Structure (March 28 - April 4, 1998). M. Nivat, Ed. Lecture Notes In Computer Science 1378: 140–155. Springer-Verlag.

[15] Cox, M. T. 2005. Metacognition in Computation: A selected research review. Artificial Intelligence,169(2), 104-141.

[16] Cox, M. T.; and Veloso, M. M. 1998. Goal Transformations in Continuous Planning. In M. desJardins ed., Proceedings of the 1998 AAAI Fall Symposium on Distributed Continual Planning. Menlo Park, CA: AAAI Press / The MIT Press.

[17] Cosmin Carabelea, Olivier Boissier: Coordinating Agents in Organizations Using Social Commitments. Electr. Notes Theor. Comput. Sci. 150(3): 73-91 (2006)

[18] L. P. Kaelbling, M.L. Littman, and A.W. Moore, “Reinforcement learning: a survey”, Journal of Artificial Intelligence Research, 4, 1996, pp. 237-285.

[19] Oliveira e Sousa, C.Custodio, L., Cooperative reinforcement learning: exploring communication and cooperation problems, Proc. of Computational Intelligence in Robotics and Automation, 2005. CIRA 2005, p. 445- 450

[20] P. Stone, R.S. Sutton, and G. Kuhlmann. Reinforcement Learning for RoboCup Soccer keepaway, Adaptive Behavior, 2005, vol 13; no. 3, p. 165-188

[21] Boicu, M.; Tecuci, G.; Marcu, D. 2005. Mixed-Initiative Assistant for Modeling Expert’s Reasoning. In Mixed-Initiative Problem- Solving Assistants: Papers from the 2005 AAAI Fall Symposium, ed. D. Aha and G. Tecuci. Technical Report FS-05-07, Association for the Advancement of Artificial Intelligence, Menlo Park, CA

[22] Ferguson, G., and Allen, J. 2007. Mixed-Initiative Systems for Collaborative Problem Solving. AI Magazine 28(2).

[23] S. Stoutenburg, and K. Sycara, editors, Service-Oriented Computing: Agents, Semantics, and Engineering (SOCASE-2007), volume 4504. Springer Verlag, May 2007.

[24] C. Walton. Uniting Agents and Web Services. In Agentlink News, volume 18, p. 26–28. AgentLink, 2005.