Построение модели программного агента

В данной работе для построения программного модуля используется технология Jadex, которая позволяет моделировать BDI агентов с наборами фактов, целей, планов и другое. В данной работе представлены агенты, применяемые для обеспечения поддержки персонализированного обучения.

Разрабатываемый модуль агента BazaZnanii: содержит модули по формированию терминов BazaZnaniiDictionary. xml к нему прилагается документ BazaZnaniiDictionary. dtd определяющий тип документа, определяет законные блоки документа XML, структуру документа со списком законных элементов (атрибутов). Также содержит модуль логического ответа пользователю BazaZnaniiAgent.xml.

Вся база знаний представлена в XML файле и находится в Приложении 1, а описание его тегов контролируется в DTD файле. В данном XML файле под названием BazaZnaniiDictionary. xml описывается перечень терминов, которые будут использоваться агентом при поиске материала обучаемому студенту.

данный тег обозначает версию документа. данная строка показывает, что мы определяем структуру нашего документа XML в DTD формате. В начале XML файл описывается заглавным тегом, определяющим его назначение … Описываем название с помощью атрибута title ="…" и дату создания orderDate="…" Уже в нем мы определяем наши термины … Свойства термина описываем, используя, теги: … — тег, которым мы объявляем термин. value="term…" - значения термина при поиске в перечне материла. Далее объявляем его имя с помощью тега … данный тег описывает рисунки к тому термину, который ему соответствует. … отвечает за количество определений термина. А в свою очередь определения обозначаются как …, и уже в нем мы описываем count="…" какое это определение по счету. Также существуют вложенные гиперссылки — …, которые отвечают за то, что бы при просмотре термина, когда человек переходит на вложенную ссылку агент мог отреагировать на этот запрос.

Описание интеллектуального агента базы знаний происходит также через xml формат. В нем мы описываем цели, которые агенту необходимо достичь. Также описываются планы, факты, события с помощью каких агент достигает этих целей. Описание агента базы знаний можно увидеть на ниже изложенных рисунок 3.1−3.8:

Рисунок 3.1 Общее описание агента базы знаний.

Рисунок 3.2 Импортируемые библиотеки.

Рисунок 3.3 Цели работы агента.

Рисунок 3.4 Используемые знания агентом, которые описывают исполняемые факты.

Рисунок 3.5 Исполняемые планы агента.

Рисунок 3.7 События, выводимые сообщения для передачи иным агентам или конечному пользователю.

Рисунок 3.8 Описывает начальное состояние агента и завершение его описания Предложенный в работе программный агент представлен как BDI— модель, для него созданы факты, цели, планы, сообщения, также разработана схема взаимодействия модулей агента и его связь с другими агентами.

Рассмотрим построение программного агента с использованием платформы Jadex. Для начала агент описывается в HTML в соответствии с заданными планами, целями и фактами, как это представлено выше.

Рассмотрим характеристики агента. Агент имеет такие характеристики как:

наличие запроса и поиска дополнительной информации;

открытие найденой искомой информации;

просмотр необходимой информации.

Входная информация:

запрос на поиск необходимого материала.

Выходная информация:

найденная по ссылке информация.

В разрабатываемом агенте выделяется две цели. Это цели вида запроса (query) и главная цель (main goal). Цель запроса изображает необходимость в информации, выполняет поиск условий. Представляет необходимость в информации. Главная цель — это предоставить студенту дополнительную информацию. Эта цель специфицирует состояние, которое должно быть достигнуто.

В знаниях описываются происходящие факты в ходе работы агента. В нашем случае описывается семь знаний, в которых определяются факты. При запуске агента вызывается факт Restart agent. Следующим фактом есть зарос на поиск QuerySearch, показывает присутствие запроса на дополнительную информацию и выполняет поиск терминов от списка материалов. Открытие искомой информации со словаря выполняется с помощью факта ContentOpen. TermNotFound — говорит о том, что будет отправлено сообщение об ошибке агенту координатору. А агенту чата отправляется сообщение с помощью факта NoTerm о том, что необходимо, чтоб преподаватель выложил необходимый материал, которого нет в наличии. Отсылается сообщение студенту о неправильной ссылке. SleepMode — показывает переход агента в спящий режим.

В разрабатываемом агенте выделяются планы restart, reference, search, content_open, coordinator, chat, student, sleep:

Restart — выполняет запуск агента при вызове его агентом координаторе;

Reference — присутствие ссылок по тексту;

Search — поиск необходимого термина;

Content_open — отображение содержимого словаря;

Coordinator — описание взаимодействия с агентом координатором. Отсылает сообщение об ошибке, термин не найден. Является внешним планом;

Chat — внешний план. Описание взаимодействия с агентом чата. Отсылает сообщение о том, что материала нет в наличии;

Student — вывод сообщения студенту. Отсылает сообщение о том, что ссылка неправильная и материала нет в наличии;

Sleep — агент переходит в спящий режим.

Таким образом, была разработана модель интеллектуального агента, которая определяет его действия в общей мультиагентной системе дистанционного обучения. Также были определены цели для достижения выполнения агентом, факты и планы для выполнения этих целей.