История развития научных основ мультиагентных технологий

Для успешного решения задачи управления грузопотоком Российского сегмента МКС требуется построение, согласование и адаптация по событиям многоуровневых и взаимоувязанных планов различных подразделений, поддерживающих жизненный цикл грузов: от поступления заявки на груз до их возврата и утилизации. При этом требуется учитывать индивидуальные особенности транспортных кораблей (ТК), грузовых (ТГК) и пилотируемых (ТПК), размеры отсеков на МКС, массу и объем каждого груза, состояние оборудования на борту, потребности экипажа в топливе, воде, продовольствии, баллистику полета и т.д. При этом любое важное событие, например, перенос дат стартов ТК, изменение состава экипажа, поломки оборудования, внеплановые эксперименты или появление космического мусора на орбите ведет к пересчету планов. Построение программы полета, планирование грузопотока и расчет ресурсов состоит из нескольких этапов с разным горизонтом планирования(рисунок 6) [9]. До недавнего времени эта задача решалась вручную с использованием Excel-таблиц проектантами и кураторами РКК «Энергия» с привлечением специалистов других подразделений, которым для выработки согласованных решений приходилось вручную производить много корректировок планов, что влекло за собой большие затраты времени, ошибки в расчетах, задержки сроков и т.д.Рисунок 6 - Уровни планирования полета МКСВ настоящее время в международной космонавтике основным объектом управления является пилотируемый комплекс МКС с обслуживающими его пилотируемыми кораблями ТПК «Союз ТМА» и грузовыми кораблями ТГК «Прогресс М». Особенностью усложняющей управление полетом МКС является распределенное управления станцией из нескольких центров управления полетом (ЦУП), принадлежащих космическим агентствам разных стран.МКС состоит из двух сегментов: Российского сегмента (РС) и Американского сегмента (АС). Российская и американская стороны несут ответственность за функционирование своего сегмента и снабжение жизненно важными грузами своей части станции и экипажа [9].В настоящее время РС МКС состоит из следующих модулей: функционального грузового блока (ФГБ) «Заря»; служебного модуля (СМ) «Звезда»; стыковочного отсека (СО1) «Пирс»; малых исследовательских модулей (МИМ1) «Рассвет» и (МИМ2) «Поиск»; ТГК «Прогресс М» и ТПК «Союз ТМА».Каждый модуль состоит из множества различных бортовых систем, например, бортовая вычислительная система (БВС) и система управления бортовой аппаратуры (СУБА) находятся в модуле СМ. БВС предназначена для управления бортовыми системами СМ и координации работы всех модулей РС МКС, решения задач планирования и автономного управления, обеспечения связи с системой управления бортовой аппаратурой АС [9].Таким образом РС МКС состоит из множества элементов, которые в свою очередь включают в себя большое количество более простых элементов. Таким образом РС МКС представляет собой сложную систему. При этом для решения задач управления станции необходимо учитывать специфику управления полетом РС МКС и повысить эффективность процесса принятия решения за счет внесения элементов самоорганизации и выработки согласованных решений [9].В рамках проекта была разработана интерактивная мультиагентная система построения программы полета, грузопотокаи расчета ресурсов РС МКС. Система состоит из набора взаимосвязанных программных модулей, каждый из которых обеспечивает формирование и контрольреализации планов по одной из областейобслуживания станции.Модуль «Программа полета» представляет план стартов, стыковок транспортныхсредств со стыковочными узлами модулейРС МКС и их расстыковок. Допускаетсяпроводить ручную коррекцию дат стартов/стыковок/перестыковок/расстыковок кораблей и менять порт стыковки. Также задается информация об участниках экспедицийи планах выполнения внекорабельной деятельности.Система позволяет осуществлять автоматическое планирование программы полета,а также выполнять моделирование плановдля различных ситуаций[3].Модуль «Время экипажа» предназначен дляукрупненного расчета затрат времени по основным категориям операций экипажа на станциидля каждой экспедиции. Модуль «Поблочный грузопоток» представляет собой детальную информацию о доставляемых на станцию грузах с разбивкой по полетам. Подсистема автоматического планирования позволяет формировать грузопотокв автоматическом режиме с учетом большогоколичества разнообразных критериев[3].Модуль «Размещение» предназначен дляавтоматического планирования размещения грузов, доставляемых на транспортныхкораблях в зоны хранения модулей станции.Модуль «Возврат» предназначен для формирования детального плана возвращаемыхсо станции грузов с разбивкой по полетам.Модуль «Утилизация» предназначен дляформирования детальных перечней грузовдля их последующей утилизации.Модуль «Расчет ресурсов» предназначендля прогнозирования расходов топлива, воды,пищи и прочих расходуемых ресурсов на станции в зависимости от полетных операций,количества экипажа, а также доставок грузови прочих ресурсов на РС МКС[3].Модуль «Онтология» предназначен дляописания МКС посредством набора онтологий, используемых при автоматическом планировании. Мультиагентная система для планирования полетови поставки грузов на МКС предоставляет интерактивнуюподдержку разработки плана полетов и доставки грузов,учитывая множество настроек и ограничений: например,различные типы космических кораблей и МКС модулей,число космонавтов, расход топлива, минимальный интервал времени между операциями стыковки и отстыковки;постоянное присутствие по крайней мере одного управляемого пилотом корабля, пристыкованного к станции,и многие другие особенности [7]. Система планируетпрограмму полета с учетом этих и множества других факторов, взаимодействуя с пользователем (рисунок7)[15].Основной особенностью системы стал тот факт, что онапозволяет создавать программу грузопотока адаптивно,по мере выявления новых потребностей станции, когдановые грузы могут вытеснять уже распределенные, имеющие меньший приоритет или сроки доставки на станцию,с учетом наличия места на ближайшем корабле или местаразмещения на борту, утилизации грузов и т. д. Интерактивный, гибкий и адаптивный характер взаимодействия с пользователями позволил повысить эффективность принятия решений в сравнении с использовавшимися ранее Excel-диаграммами.Рисунок 7 - Интерактивный редактор программы полетовОсновной эффект внедрения был получен от сокращениявремени на принятие решений при рассмотрении новыхзаявок и возможности моделировать различные вариантыпланирования для определения наилучшей реакции на поступающие события, что обеспечивает снижение рисковобеспечения станции критически важными грузами.В настоящее время около 200 пользователей РКК «Энергия»и Центра управления полетами ежедневно используют систему в своей работе.ЗаключениеАнализ материалов учебных пособий, научных статей и диссертаций позволил сделать ряд выводов.Мультиагентная технология - это новая программная технология, которая предназначена для поддержки принятия решений в современном сложном и быстро меняющемся мире.Суть использования мулътиагентных технологий заключается в принципиально новом методе решения задач. В отличие от классического способа, когда проводится поиск некоторого четко определенного алгоритма, позволяющего найти наилучшее решение проблемы, в мультиагентных системах решение получается автоматически в результате взаимодействия множества самостоятельных целенаправленных программных модулей - программных агентов.В настоящее время мультиагентные системы применяются в решении задач автоматизации управления сложными системами, для сбора и обработки информации, а затем принятия решения на основании имеющихся целевых функций и правил. Очень важным и эффективным является применение мультиагентных систем в космической отрасли. Благодаря их использованию можно не только решать имеющиеся задачи, но и моделировать различные модели и ситуации развития событий.Сегодня мультиагентные системы используются для управления космическими аппаратами, в системе дистанционного зондирования Земли, для планирования полетов транспортных грузовых и пилотируемых кораблей и других целей.Из приведенных примерах применения мультиагентных систем видно, что применение МАС в космической отрасли является эффективным особенно там, где требуется обработка больших массивов данных в как можно более короткие сроки времени. Благодаря применению МАС экономится человеческий ресурс, соответственно и финансовый ресурс, но окупаемость использования МАС в космической отрасли происходит только в долгосрочном варианте его использования. Применение мультиагентных систем в космической отрасли позволяет осуществлять перепланирование в реальном времени в случае непредвиденных обстоятельств, обеспечивать высокую гибкость планирования, уменьшать зависимость процедур планирования от человеческого фактора, создавать платформу для дальнейшего наращивания сложности планирования за счет введения новых агентов ПО, упростить работу специалистов группы планирования и автоматизировать контроль качества планирования.Переход к планированию в реальном времени обеспечивает возможность повышения оперативности в принятии решений, увеличения эффективности использования ресурсов, сокращения их избытков, исключения простоя ресурсов МКС и возникновения дефицитов ввиду непредвиденных событий.Вместе с тем, полученный опыт разработки и внедрения мультиагентных систем, что внедрение их является процессом не менее сложным и трудоемким, чем сама разработка. При этом результаты внедрения показывают, что затрачиваемые усилия окупаются в течение достаточно длительного времени.Список литературыБалухто А.Н., Романов А.А. Искусственный интеллект в космической технике: состояние, перспективы развития // Ракетно-космическое приборостроение и информационные системы, том 6, вып. 1, 2019. - С. 65-75.Беляев А.М. Основные принципы построения Автоматизированной системы планирования полета российского сегмента МКС // Научно-технический журнал «Космическая наука и технологии», 2016 – Королев. – С. 91-99.Бидеев А.Г, Горбова Н.В., Кузьмин В.В., Капорцева Г.Н., Лахин О.И., Новиков А.Л., Полников А.С., Симонова Е.В., Скобелев П.О., Сычева М.В., Успенская Н.В., Хамиц И.И. Практические результаты внедрения интерактивной мультиагентной системы построения программы полета, грузопотока и расчета ресурсов российского сегмента МКС // Космическая техника и технологии, № 2(13), 2016. – С. 5-13.Боргест Н.М. Основы построения мультиагентных систем, использующих онтологию : учебное пособие / Н.М. Боргест, Е.В. Симонова. - Самара: Изд-во Самар, гос. аэрокосм. ун-та, 2009. - 80 с.Гаврилова Т.А. Базы знаний интеллектуальных систем : учебник для вузов / Т.А. Гаврилова, В.Ф. Хорошевский. – СпБ : Питер, 2001. - 384 с.Городецкий В.И. Многоагентные системы (обзор) / В.И. Городецкий, М.С. Грушинский, А.В. Хабалов // Новости искусственного интеллекта, №2, 1998. - С. 64-116.Диязитдинова А.Р., Иващенко А.В., Симонова Е.В., Скобелев П.О., Сычева М.В., Хамиц И.И., Царев А.В. Концепция мультиагентной системы интерактивного построения программы полета и планирования грузопотока международной космической станции // Труды XI Международной конференции «Проблемы управления и моделирования в сложных системах». Самара: СНЦ РАН, 2010. – С. 608–694.Калашников Д.А. Метод адаптивного планирования сеансов связи ЦУП с группировкой КА по критериям надежности и экономичности связи // Научный журнал «Вестник Самарского Государственного Технического Университета» - 2015 – Самара. – С. 25-31.Лахин О.И. Управление грузопотоком сложных технических объектов удаленного базирования на основе мультиагентныхтехнологий :дис. ... канд. техн. наук : 05.13.01 / Олег Иванович Лахин ; Самара. гос. техн. ун-т. − Самара., 2017. - 182 л.Мищенко Д.В. Использование мультиагентных систем в космической отрасли // Устойчивое развитие науки и образования, № 9, 2018. – С. 219-226.Мищенко Д.В. Анализ использования мультиагентных систем в космической отрасли // Устойчивое развитие науки и образования, № 7, 2021. – С. 46-53.Мовчан А.Г. Сравнительный анализ средств разработки мультиагентных систем // Научно-методический электронный журнал «Концепт». - 2016. - Т. 11. - С. 2546–2550. - URL: http://e-koncept.ru/2016/86540.htm.Скобелев П.О. Мультиагентные технологии в задачах дистанционного зондирования Земли // XIII Международная конференция «Проблемы управления и моделирования в сложных системах».– Самара , 2011 – С. 426-434.Скобелев П.О. Опыт создания мультиагентных систем для аэрокосмических применений / П.О. Скобелев, Е.В. Симонова, И.А. Сюсин, А.В. Царев, С.С. Кожевников // Труды X международного симпозиума «Интеллектуальные системы» (INTELS'2012), Вологда, 25–29 июня 2012 г. – М.: РУСАКИ, 2012. – С. 251-254.Скобелев П.О., Майоров И.В. Мультиагентные технологии и самоорганизация сетей связанных расписаний для управления ресурсами в реальном времени // Морские информационно-управляющие системы, № 1 (7), 2015. – С. 24-39. Соллогуб А.В., Скобелев П.О., Симонова Е.В., Царев А.В., Степанов М.Е., Жиляев А.А. Мультиагентные технологии распределенного управления группировкой малоразмерных космических аппаратов дистанционного зондирования Земли // Информационно-управляющие системы, №2, 2013. – С. 16-31.Тарасов В.Б. Агенты, многоагентные системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте / В.Б. Тарасов // Новости искусственного интеллекта, № 2, 1998. - С. 5-63.Управление на базе мультиагентных систем [Электронный ресурс]. - https://intuit.ru/studies/courses/4115/1230/lecture/24081Genshe C. Multi-agentmodelingandanalysisforspacesituationawareness // Научно-методический электронный журнал» SPIE Newsroom» – 2009 – Беллингхем.Sierhuis M. NASA’s OCA MirroringSystem, AnapplicationofmultiagentsystemsinMissionControl // Международная конференция «АutonomousAgentsandMultiagentSystems» - 2009 – Будапешт.