Мульти-агентное управление и интеллектуальный анализ информационных потоков Аннотация

Введение

1. 
   Глобальные телекоммуникационные системы (ТКС) и распределённые информационные компьютерные сети (ИКС) обеспечивают колоссальные возможности по массовому доступу людей к корпоративным, региональным и мировым информационным и вычислительным ресурсам. Однако дальнейшее развитие глобальных ТКС и ИКС (создание ТКС новых поколений, GRID-сети и т. п.) в первую очередь связано с совершенствованием, автоматизацией, оптимизацией и интеллектуализацией систем сетевого управления и анализу потоков данных.
   
2. 
   Сегодня сетевое управление глобальными ТКС как мощным средством массового доступа пользователей к распределённым ИКС в значительной степени зависит от «человеческого фактора», а именно от знаний, опыта, интуиции и воли сетевых администраторов и операторов. В то же время хорошо известно, что способности людей (в том числе профессионалов в области сетевого управления ТКС) принципиально ограничены пределами их психофизиологических возможностей. Даже если будет разработан наилучший (в том или ином смысле) человеко-машинный интеллектуальный интерфейс, сетевые администраторы и операторы не способны эффективно управлять многомерными сложными параллельными процессами передачи и обработки мультимедийных потоков данных. Поэтому они не всегда могут обеспечить высокое качество сетевого управления, надёжность и отказоустойчивость глобальных ТКС и распределённых ИКС. Однако на современном этапе развития телекоммуникационных и информационных технологий особенно важно гарантировать пользователям глобальных ТКС и распределённых ИКС высокое качество запрашиваемых услуг и информационно-вычислительных ресурсов.
   
3. 
   Эффективным путём совершенствования сетевого управления и интеллектуального анализа потоков данных в глобальных ТКС и распределённых ИКС является его автоматизация на базе динамических моделей ТКС и ИКС как сложных объектов управления с переменной структурой, Для этого необходимо развивать методы оптимизации процессов маршрутизации потоков данных и совершенствовать принципы адаптивного и интеллектуального управления с использованием нейросетевых, мульти-агентных и GRID-технологий [1,2]. На этом новом пути возможен как учёт реальной динамики ТКС и ИКС, т. е. фактического изменения структуры (топологии узлов и каналов связей) и параметров (весов каналов связи) ТКС и ИКС, так и адаптация к различным факторам неопределённости и нестационарности.
   
4. 
   Неопределённость и нестационарность реальных условий эксплуатации глобальных ТКС и ИКС заключается в неопределённости количества пользователей и характера (профиля) их запросов, в непредсказуемых изменениях структуры (сетевой топологии) и параметров (пропускной способности узлов и каналов связи), а также в возможных перегрузках трафика, сетевых конфликтах, сбоях и отказах. В этих условиях неопределённости и нестационарности системы сетевого управления ТКС и ИКС неизбежно должны быть адаптивными и интеллектуальными [1,2].
   
5. 
   Поскольку глобальные ТКС и распределённые ИКС обслуживают интересы (запросы) большого количества пользователей, их системы сетевого управления и распределённой обработки потоков данных не могут быть локальными, а должны иметь глобальный и мульти-агентный (групповой) характер.
   
6. 
   Глобальное сетевое управление может строиться как на традиционных принципах централизованного или децентрализованного управления, так и на новых принципах мульти-агентного управления, обработки и передачи информации. При этом важную роль играет интеллектуальный сетевой анализ и распознавание потоков данных [1].
   

7. 
   В последней монографии автора [1] рассматриваются динамические модели глобальных ТКС и распределённых ИКС с переменной структурой, методы динамической, адаптивной, нейросетевой и мульти-агентной маршрутизации потоков данных в сложных ТКС и ИКС с изменяющейся динамикой, принципы адаптивного, интеллектуального и мульти-агентного сетевого управления передачей и обработкой информационных потоков, Определённый инетерес представляют также методы мультифрактального проектирования глобальных ТКС и распределённых ИКС нового поколения и программные средства их проектирования и имитационного моделирования.
   
8. 
   Эти модели, методы и программные средства являются важной составной частью современной теории адаптивного, интеллектуального и мульти-агентного управления информационными потоками в глобальных ТКС. При этом в роли внешних агентов выступают пользователи (клиенты) с высокими требованиями к качеству обслуживания, кооперации по интересам и надёжности глобальных ТКС и распределённых ИКС.
   
9. 
   Монография [1] включает в себя следующие разделы:
   
10. 
    1. СОСТОЯНИЕ, КОНВЕРГЕНЦИЯ И ТЕНДЕНЦИИ РАЗВИТИЯ КОМПЬЮТЕРНЫХ СЕТЕЙ
    
11. 
    2. АРХИТЕКТУРА КОМПЬЮТЕРНЫХ СЕТЕЙ И ПРИНЦИПЫ ОБРАБОТКИ ИНФОРМАЦИОННЫХ ПОТОКОВ
    
12. 
    3. МАТЕМАТИЧЕСКИЕ МОДЕЛИ И СИСТЕМНЫЙ АНАЛИЗ КОМПЬЮТЕРНЫХ СЕТЕЙ
    
13. 
    4. ПРОБЛЕМЫ И ПРИНЦИПЫ СЕТЕВОГО УПРАВЛЕНИЯ ПОТОКАМИ ДАННЫХ
    
14. 
    5. КРИТЕРИИ КОММУНИКАБЕЛЬНОСТИ И МЕТОДЫ СТАТИЧЕСКОЙ МАРШРУТИЗАЦИИ ИНФОРМАЦИОННЫХ ПОТОКОВ
    
15. 
    6. МЕТОДЫ СТАТИЧЕСКОЙ И МНОГО-АДРЕСНОЙ МАРШРУТИЗАЦИИ ИНФОРМАЦИОННЫХ ПОТОКОВ
    
16. 
    7. МЕТОДЫ АДАПТИВНОЙ, НЕЙРОСЕТЕВОЙ, МУЛЬТИ-АГЕНТНОЙ И МНОГОПОТОКОВОЙ МАРШРУТИЗАЦИИ ИНФОРМАЦИОННЫХ ПОТОКОВ
    
17. 
    8. ИЕРАРХИЧЕСКАЯ ДЕКОМПОЗИЦИЯ И МУЛЬТИФРАКТАЛЬНОЕ МОДЕЛИРОВАНИЕ КОМПЬЮТЕРНЫХ СЕТЕЙ
    
18. 
    9. БИБЛИОТЕКА ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ ТЕЛЕКОММУНИКАЦИОННЫХ СЕТЕЙ И КОМПЛЕКС ПРОГРАММ МАРШРУТИЗАЦИИ
    
19. 
    10. ПРИНЦИПЫ НЕЙРОСЕТЕВОГО И МУЛЬТИ-АГЕНТНОГО УПРАВЛЕНИЯ ИНФОРМАЦИОННЫМИ ПОТОКАМИ
    
20. 
    11. ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ И РАСПОЗНАВАНИЕ ПОТОКОВ ДАННЫХ В МУЛЬТИ-АГЕНТНЫХ КОМПЬЮТЕРНЫХ СЕТЯХ
    
21. 
    12. МНОГОКРИТЕРИАЛЬНАЯ ОЦЕНКА ЭФФЕКТИВНОСТИ И ОПТИМИЗАЦИЯ ТОПОЛОГИЧЕСКИХ СТРУКТУР ДЛЯ ПРОЕКТИРОВАНИЯ GRID-СЕТЕЙ
    
22. 
    13. СОВЕРШЕНСТВОВАНИЕ ГЛОБАЛЬНЫХ КОМПЬЮТЕРНЫХ СЕТЕЙ НА БАЗЕ НЕЙРОСЕТЕВЫХ, МУЛЬТИ-АГЕНТНЫХ И GRID-ТЕХНОЛОГИЙ.
    
23. 
    Задачи и методы мультиагентного управления и интеллектуального анализа потоков данных
    
24. 
    Некоторые новые задачи сетевого управления и обработки потоков данных и принципы их решения описаны в работах [2–19]. Методы динамической, адаптивной и нейросетевой маршрутизации потоков данных предложены в [2,7–10]. Вопросы интеллектуального и нейросетевого анализа информационных потоков в глобальных ТКС рассматриваются в [4–6, 15,18,19].
    
25. 
    Однако проблемы сетевого управления и параллельной обработки потоков данных остаются частично нерешёнными и требуют разработки новых подходов, моделей и методов. Среди них важное значение имеют модели, методы и новые информационные технологии для решения следующих задач:
    
26. 
    – адаптивные, нейросетевые и мульти-агентные технологии маршрутизации потоков данных [1–7];
    
27. 
    – интеллектуализация мультимодального человеко-машинного интерфейса [8–13];
    
28. 
    – обработка потоков данных с помощью квантовых, нейросетевых и генных вычислений [4,5,6,15];
    
29. 
    – мультифрактальное проектирование и многокритериальная оценка сетевых архитектур [16,17];
    
30. 
    – когнитивный анализ и распознавание сложных видеоданных [5,6,18];
    
31. 
    – обнаружение и классификация сетевых атак [19].
    
32. 
    Результаты решения прикладных задач информатики
    
33. 
    Полученные теоретические результаты успешно применялись для имитационного моделирования и решения следующих прикладных задач:
    
34. 
    – моделирование генетического кода и квантовых вычислений [4,15];
    
35. 
    – распознавание сложных изображений и сцен [18];
    
36. 
    – классификация web-сайтов и сетевых атак [1,13,19];
    
37. 
    – интеллектуальный анализ потоков видеоданных для оценки потенциальной террористической опасности на вокзалах и стратегических охраняемых объектах.
    

Заключение

38. 
    Проблемы адаптивного сетевого управления и интеллектуального анализа потоков данных в глобальных ТКС и распределённых ИКС решены лишь частично и требуют новых подходов для их исследования. Среди этих подходов важную роль играют мульти-агентные, нейросетевые и GRID-технологии и когнитивный анализ информационных потоков в условиях неопределённости и нестационарности.
    
39. 
    Работа выполнена при частичной поддержке грантов РФФИ № 12–08–01167-а, № 12-08-07022-д и Программы № 14 (GRID) Президиума РАН.
    

Литература