Autonomy-Oriented Computing (AOC).
http://www.comp.hkbu.edu.hk/~aoc/?pid=reading
Новый кибернетический метод. Опубликован в "IEEE Transactions On Systems,
Man, and Cybernetics - Part A: Systems And Humans, vol.6, November 2005.
Авторы: Jiming Liu, Xiolong Jin, Kwok Ching Tsui.
Метод разработан в Гон Конге, на кафедре Computer Science Гон Конгского
Баптистского Университета (HKBU).
Это - первое сообщение. Манускрипт был получен 05.11.03 и дважды
корректировался. Опубликован в ноябре 2005.
Предложена новая платформа моделирования, внутри которой могут быть
реализованы такие свойства САС, как 1) эмерджентность (невывоодимость
свойств и динамики целого из свойств и динамики частей, 2) автономность
частей, из которых состоит САС, 3) адаптивность автономных составляющих,
4) способность к самоорганизации. Авторам удалось найти самосогласованный
алгоритм, посредством которого возможно компьютерное моделирование
Систем, демонстрирующих эти свойства.
АОС - это новая ступень компьютерной симуляции. Данный метод вбирает
в себя несколько направлений: 1) "Искусственная жизнь" (Artificial Life
(Alife)) - моделирование алгоритмов, лежащих в основе жизненных
процессов, 2) "agent-based simulation" (ABS), 3) "multiagent systems" (MAS),
4) эволюционные алгоритмы. И хотя авторы не используют термин САС,
но ясно, что они вплотную подошли к разработке матобеспечения, на
основе которого может быть построена компьютерная модель работы
САС, состоящей из относительно самостоятельных автономных САС.
Авторы делают упор именно на свойстве существования множества относительно
автономных составляющих ("entities"). Эти "составляющие" погружены
в среду ("environment"), которая является "вместилищем" "составляющих"
и хранителем информации. Ввводится определение "близости" "составляющих".
"Составляющие" могут взаимодействовать с ближайшими соседями через
"среду". Каждая "составляющая" ведет себя гибко, поскольку и ее поведение
и сами поведенческие правила могут меняться.
Авторам удалось формализовать логическую структуру:
"составляющие" - "среда" - "локальные взаимодействия" - "агрегированный
эффект".
Авторы указывают, что на первом этапе построения компьютерной модели
фундаментальное значение имеет предварительный анализ моделируемой
области реальности. Это включает выделение наиболее значимых "составляющих",
их "свойств" и "поведенческих правил". Авторы указывают, что в принципе
предлагаемая ими платформа позволяет выстроить исходную модель так, что
она будет самонастраиваться на реальность методом корректировки поведенческих
норм на основе сравнения агрегированного искусственного и реального
поведения.
Фактически
это платформа, внутри которой возможна реализация идей
МСП-подхода. "Составляющие" АОС можно наделить свойствами МСП-систем и
задействовать мощный вычислительный потенциал данной кибернетической
платформы. Компьютерная модель, выстроенная таким способом, будет
самообучающейся и самонастраивающейся на ту область реальности, слепком
с которой она является. Например, взяв мировую экономику и выделив в ней
"составляющие" - отдельные регионы, страны и области, задав свойства
и поведенческие правила этих "составляющих" и "среды" (используя МСП),
используя дальше логико-математическую платформу АОС, связываем прогонку
исходной модели с реальными данными и через сравнение того и другого
создаем петлю изменения "правил", такая автоматическая самонастройка
(включающая не только изменения правил, но и изменение в способе разбиения
исходного целого на "составляющие") - этот процесс компьютерного
самопостроения модели может привести к совершенно новому способу освоения
реальности, поскольку речь идет не только о просто "подражании", но
об алгоритме, посредством которого может изучаться СТРОЕНИЕ реальности,
включая выделение ее "составляющих" и открытие "поведенческих правил",
которыми управляется поведение этих "составляющих".
Предположив, что каждая "составляющая" работает как МСП-система, мы
получаем критерий для вычленения "составляющих". Тот кусок
целого является "составляющей" АОС, который лучше всего демонстрирует
свойства МСП-системы. Взяв это как критерий членения целого на
"составляющие", получаем алгоритм распознавания "составляющих" и
диагностики их "свойств".
Из всего этого могло бы получиться мощное средство системного
анализа и прогнозирования. Может быть это все-таки кому-нибудь нужно?
Григорий.