Проблема управления организационной системой учебного заведения состоит в построении адекватной модели, позволяющей выполнять краткосрочное и долгосрочное планирование, принимать управленческие решения, которые, в свою очередь, должны быть сбалансированы и приводить к запланированным целям. В моделировании таких систем одним из основных принципов считается принцип саморегуляции, заключающийся в автоматическом установлении и поддержании характеристик системы на определенном и относительно постоянном уровне. При саморегуляции управляющие факторы не воздействуют на регулируемую систему извне, а возникают в ней самой. Реализация принципа саморегуляции возможна при использовании мультиагентного подхода, предполагающего организацию взаимодействия агентов друг с другом, в результате чего и возникают внутренние управляющие факторы.
Для иллюстрации мультиагентного подхода рассмотрим задачу согласования учебных планов внутри факультетов и институтов. Как известно, многие учебные планы факультетов и институтов пересекаются, имеют сродные дисциплины, но объединение их в потоки для снижения общей аудиторной нагрузки, учета интересов заведующих кафедрами и выполнения государственных образовательных стандартов — достаточно серьезная проблема.
Учебное планирование института
Процесс учебного планирования (рис. 1) для каждого направления (специальности) начинается с разработки нового учебного плана, который ежегодно совершенствуется для приведения в соответствие с новыми тенденциями и требованиями рынка труда.
.png "Рис. 1. Процесс учебного планирования вуза") |
| Рис. 1. Процесс учебного планирования вуза |
Начало процесса инициируется научно-методическим советом института (НМСИ), на нем обсуждаются и утверждаются основные параметры и ограничения, касающиеся всех учебных планов института, на базе которых формируется шаблон учебного плана. Этот шаблон включает в себя набор базовых обязательных дисциплин с указанием их характеристик и места в учебном плане, а также основные требования института, отражающие его политику относительно процесса учебного планирования.
На основе сформированных шаблонов заведующие кафедрами создают учебные планы по своим направлениям и поручают преподавателям написать аннотации по определенной структуре для каждой дисциплины. Для последующей автоматизированной обработки требуется установить взаимосвязи между дисциплинами, указав набор обязательных дисциплин. Таким образом формируется пул дисциплин института.
Готовые учебные планы и пул дисциплин — это исходные данные для задачи унификации планов и формирования потоковых дисциплин, решение которой позволит снизить аудиторную нагрузку на преподавателей института. При формировании потоков, группы студентов объединяются и лекции читаются всему потоку. С использованием системы анализа и синтеза учебных планов заместителем директора создаются унифицированные учебные планы, которые идут на рассмотрение НМСИ, формулирующего свои предложения по модификации планов. Автоматизация данного процесса сопряжена с решением оптимизационных задач. Например, чтобы объединить в поток ряд дисциплин пересекающихся учебных планов, нужно учесть интересы вуза и каждой кафедры, чьи дисциплины попадают в поток. Доводка планов выполняется заведующими кафедрами, результатом чего являются полностью готовые планы, которые остается утвердить на НМСИ. Далее цикл повторяется, но работа идет уже с готовыми учебными планами.
Предлагаемый подход позволяет решить задачи автоматизации части данного процесса учебного планирования и обеспечения взаимодействия заведующих кафедрами посредством мультиагентной системы (МАС) и агентов, предназначенных для выполнения рутинной работы по формированию и модификации учебных планов, в то время как творческая составляющая остается прерогативой заведующих кафедрами.
Предварительная оценка постановки задачи оптимизации позволяет сделать вывод, что данная задача относится к многокритериальным задачам глобальной оптимизации, требующим четкой формализации и правильно сформированных целевых функций и ограничений. Постановка и решение таких задач неразрывно связаны с научными исследованиями в этой области, что удорожает и тормозит процесс автоматизации.
Другой способ решения такого рода задач состоит в применении мультиагентного подхода, который позволяет решать задачу итерационно — программные агенты заведующих кафедрами взаимодействуют друг с другом, а учебные планы согласуются поэтапно. Результат такого решения будет удовлетворять всех участников процесса, а значит, может считаться оптимальным для заданных условий. Безусловно, сегодня имеется ряд готовых систем учета (программный комплекс «Планы» лаборатории ММИС, система комплексной автоматизации учебной деятельности вуза Naumen University компании Naumen, информационная система «УИС учебные заведения» компании Softmotions, «Управление вузом» корпорации «Галактика», система «Университет» компании «АйТи» и др.), которые позволяют создавать учебные планы и выполнять обычные для вуза процедуры согласования, однако во всех этих системах отсутствуют механизмы управления, необходимые для учебного планирования. Современные корпоративные автоматизированные системы в части управления могут предоставить только средства отображения бизнес-активности, инструменты планирования, построения бизнес-процессов и потоков работ, но механизмы, решающие непосредственно задачи управления в них отсутствуют, поэтому сейчас вполне оправдан путь создания учебным заведением собственной системы управления учебным планированием, в частности на базе мультиагентного подхода. Решение многокритериальной задачи глобальной оптимизации учебных планов может быть получено путем автоматизации процесса согласования учебных планов. Правда, этот процесс не совсем обычен, и количество итераций теоретически не ограниченно, если целью является получение оптимального результата. Но для этого процесса всегда могут быть установлены разумные временные рамки, где может быть достигнут «почти» оптимальный результат. Кроме того, агенты, принимающие самое активное участие в решении проблемы, запоминают историю взаимодействия и на каждой новой итерации принимают более правильные решения. При проектировании поведения агентов могут закладываться не только статические алгоритмы, но и механизмы искусственного интеллекта, которые позволят формировать базы знаний и адаптировать механизмы принятия решений и поведение при взаимодействии.
Таким образом, на агентов перекладывается большая часть функций в системе, которые в традиционных корпоративных системах лежат на плечах сотрудников, и если задача оптимального управления касается активного участия нескольких организационных единиц (или сотрудников), то ее решение требует ресурсоемкого математического моделирования и соответствующей автоматизации. В результате такие задачи не решаются, потому что часто даже тяжело сформулировать их постановку.
Принцип функционирования МАС
Ключевым элементом мультиагентных систем является программный агент, способный воспринимать ситуацию путем получения информации от внешней среды. Агент анализирует полученную информацию для выработки реакции на изменения среды и построения взаимодействия с другими агентами.
.png "Рис. 2. Интерфейс личного кабинета заведующего кафедрой") |
| Рис. 2. Интерфейс личного кабинета заведующего кафедрой |
С точки зрения пользователя МАС, управление учебным планированием (УУП) — это совокупность Web-интерфейсов обмена информацией с программными агентами, реализующими функции, соответствующие ролям в УУП конкретного пользователя (рис. 1). Постоянную связь с программным агентом обеспечивает связной агент, следящий за появлением новых сообщений и помогающий переходить на нужный интерфейс в конкретной ситуации. В случае возникновения какого-либо события связной агент информирует об этом пользователя. Для обработки каждого типа сообщения существует специальный Web-интерфейс, например, на рис. 2 приведен экран личного кабинета заведующего кафедрой для обработки сообщений, связанных с редактированием учебного плана.
Предположим, заведующий кафедрой «К1» решает внести изменения в свой план, которые касаются также и плана кафедры «К2». Заведующий «К1» через связного агента и Web-интерфейс сообщает своему агенту об этом намерении и передает параметры изменений. Агент кафедры «К1» анализирует полученную им информацию и формирует наиболее подходящий вариант решения, о чем сообщает агенту кафедры «К2», а тот, в свою очередь, тоже анализирует полученную информацию и, в случае подтверждения возможного исхода, посредством связного агента сообщает об этом заведующему кафедрой «К2». Если заведующий «К2» согласен с предложением, то изменения вносятся в планы обеих кафедр. В противном случае диалог продолжается.
Отличительной особенностью работы МАС является определенная самостоятельность агентов, отождествленных с пользователем. Агент может функционировать как по строго заданному алгоритму, так и адаптироваться к изменениям среды, что позволяет передавать агентам больше функций, «отбирая» у человека наиболее рутинные. Например, для заведующего кафедрой процесс создания и редактирования учебного плана с учетом ограничений государственных образовательных стандартов требует больших усилий — любые незначительные изменения могут приводить к многочасовой работе по увязыванию планов, расписаний и составов дисциплин, а агент может взять это на себя, увязывая учебные планы с другими участниками процесса.
Архитектура мультиагентной системы
Особенно быстро МАС стали развиваться в последнее десятилетие — в 2005 году в IEEE был создан комитет FIPA с целью стандартизации МАС. Сегодня имеется уже достаточно много типов таких систем: мультиагентные платформы; интеллектуальные мультиагентные платформы; МАС моделирования реальных объектов и процессов; МАС виртуальной реальности; обучающие МАС; специализированные МАС.
В основу разработки МАС для решения практических задач ложится обычная или интеллектуальная мультиагентная платформа, в которой уже реализованы основные функции: управление жизненным циклом агентов, категорирование агентов (поиск по характеристикам), коммуникации и языки общения, поддержка представлений знаний (в случае интеллектуальной платформы). К мультиагентным платформам можно отнести такие системы, как JADE, A-globe, IBM ABLE, JaCK, AgentBuilder и Repast, отличающиеся по виду лицензии; поддержке стандарта FIPA; скорости доставки сообщений между агентами; поддержке разработчика (в случае лицензии LGPL); особенности реализации (языки программирования, инструменты, платформы); масштабированию (возможность роста среды жизни агентов путем добавления новых серверов и контейнеров); интеграции (возможность связи платформы с другими системами); документированности (качество сопроводительной документации); наличию примеров проектов МАС, выполненных на этой платформе.
Для разработки МАС управления учебным планированием Института космических и информационных технологий Сибирского федерального университета была выбрана открытая Java-платформа JADE, соответствующая спецификациям FIPA 2.0 и поддерживающая беспроводные мобильные устройства. Платформа JADE обладает всей функциональностью, необходимой для построения УУП, имеет открытый код и русскоязычную документацию. В JADE имеются библиотеки расширения, поддерживаются протоколы взаимодействия агентов (RDF, XML и т. д.), а также архитектуры агентов JadeX (архитектура BDI (belief – desire – intention) и машина состояний SCATE); управление агентами (geNETicA — реализация генетических алгоритмов); управление самой платформой; документированность (в том числе и на русском языке); наличие сервисов (life-cycle, white-page, yellow-page, message transport, message encoding); наличие инструментов разработчика; поддержка масштабируемости.
Каждая запущенная динамическая среда (контейнер) JADE может содержать несколько агентов, а набор из активных контейнеров образует платформу. Главный контейнер (Main) должен быть всегда активным, а все остальные регистрируются и связываются с ним в момент запуска. Агенты определены с уникальными именами и при условии, что они знают имена других агентов, могут общаться независимо от их фактического местонахождения.
Кроме средств приема регистраций от других контейнеров, главный контейнер содержит два специальных агента: система управления агентами AMS (обеспечивает сервис имен и осуществляет управление на платформе); DF (координатор каталога, с помощью которого агенты могут находить друг друга по атрибуту предоставляемого сервиса).
Поскольку платформа JADE написана на языке Java и работает в среде виртуальной машины, то и логика разрабатываемой МАС также строится в этой среде. Основной единицей (элементом) JADE является агент, который, по сути, представляет собой объект Java-класса. Вся логика функционирования этого агента также реализуется в этом классе. Долговременное хранение данных каждого агента удобно реализовывать, используя объектно-ориентированный подход, так как сам агент предполагает наличие в нем интеллектуальной составляющей, которая может основываться на семантических сетях и онтологиях. Онтологии, в свою очередь, являются хранимыми данными и наследуют объектно-ориентированный подход. Таким образом, наиболее удобной СУБД для реализации данной системы является объектно-ориентированная и предоставляющая возможность работы с ней через Java-классы. В качестве основы для проекта была взята объектно-ориентированная СУБД Cache, в которой, кроме объектного представления и наличия механизма связи с базой данных из Java-приложений посредством Java-проекций для объектов и JDBC для реляционных данных, имеется развитая функциональность организации множества баз данных для совместного использования. Кроме того, в университете имеется лицензия на СУБД Cache. Каждый агент имеет не только собственную базу знаний и базу данных, но и использует общие знания и данные, распределенные между другими агентами и средой. Cache позволяет конфигурировать области и базы данных таким образом, чтобы каждый пользователь (в нашем случае агент) взаимодействовал только со своей базой, хотя на самом деле работает с распределенными данными.
Кроме платформы JADE и СУБД Cache, МАС УУП включает Web-интерфейс, реализованный на FLEX (рис. 3). Для осуществления взаимодействия агентов JADE с Web-интерфейсом используется фреймворк GraniteDS. На компьютерах пользователей устанавливаются связные агенты, обеспечивающие постоянную связь с основными агентами JADE. Они также обеспечивают запуск браузера на клиенте.
.png "Рис. 3. Архитектура МАС УУП") |
| Рис. 3. Архитектура МАС УУП |
***
Применение мультиагентного подхода к автоматизации учебного планирования в Сибирском федеральном университете даст возможность оптимизировать управленческий процесс, и хотя точное решение этой задачи требует сложного моделирования в условиях многокритериальной неопределенности, итерационный процесс, обеспечиваемый средой МАС УУП, позволит строить вполне приемлемые учебные планы. Ожидается получение таких учебных планов, в которых все дисциплины будут согласованы между собой, что позволит сократить аудиторную нагрузку за счет объединения дисциплин в потоки, а директора институтов получат контроль над недобросовестными кафедрами, на которых планы иногда «подгоняются» под профессорско-преподавательский состав кафедры и под конкретных преподавателей в ущерб качеству учебных планов и, следовательно, качеству образования.
Юрий Якунин (yyakunin@sfu-kras.ru) — руководитель лаборатории «Системный анализ и управление» кафедры «Информатика» Института космических и информационных технологий Сибирского федерального университета (Красноярск).
