AFM = <MS, MT>,

Выделим следующие пространства ментальных состояний агента: SEI - принятая от сенсорных подсистем текущая информация о состоянии внешней среды; IEI - текущий внутренний образ состояния внешнего мира (интерпретированный на любом требуемом уровне абстракции); PES - прогнозируемое состояние внешнего мира; ISS -оценка текущего состояния собственных подсистем агента; PIS - прогнозируемое состояние собственных подсистем агента; STP - краткосрочный (тактический) план агента; LTP - долгосрочный (стратегический) план агента. Формальная модель агента в виде диаграммы, отражающей совокупность отображений между пространствами ментальных состояний, представлена на рис. 1.

На диаграмме, кроме указанных выше, использованы следующие обозначения: f_ESS - функция восприятия внешней среды; f_ESI - функция интерпретации (оценки) состояния внешней среды; f_ESP - функция прогнозирования состояния внешней среды; f_STP - функция построения краткосрочного (тактического) плана; f_ISA - функция оценки состояния собственных подсистем; f_ISP - функция прогнозирования состояния собственных подсистем; f_LTP - функция построения долгосрочного (стратегического) плана. Отметим, что знания, с использованием которых реализуются отображения между выделенными пространствами, тоже включаются в ментальное состояние, однако они рассматриваются на более низких уровнях представления агента.

Динамика интеллектуальной переработки информации агентом определяется временными характеристиками выделенных отображений. При функционировании агента в реальном времени, в соответствии с концепцией “ограниченной эффективности”, необходимо обеспечить возможность динамической параметризации этих отображений по времени и качеству решения. Для этого отображениям f_i модели динамически, в зависимости от текущей ситуации, назначаются пары (FAR, T_d)_i, где FAR - правила фокусировки внимания, а T_d - крайний срок (T_deadline) реализации i-го отображения. Оценка и распределение общего бюджета времени между интеллектуальными подсистемами нижнего уровня, а также определение правил фокусировки внимания является функцией тактического планировщика. С этой целью в модель введены дополнительные контуры управления, показанные на диаграмме пунктирными стрелками. Рассмотрим реализацию предлагаемого подхода к обеспечению реального времени на примере взаимодействия тактического планировщика с агентом оценки внешней обстановки.

Env = <O, P, R>,

вычисление значения заданного атрибута объекта. Например, “Определить класс объекта O_i”;

вычисление предиката на некотором атрибуте. Например, “Скорость объекта O_i больше 150 м/с”;

вычисление отношения между объектами. Например, “Объекты O_i и O_k в течение 5с следуют параллельными курсами”;

определение наличия объектов, удовлетворяющих некоторому предикату. Например, “Существуют объекты, находящиеся ближе 20 км, скорость сближения с которыми больше 300 м/с”.

Алгоритмы произвольного времени. Каждой частной задаче сопоставлено множество вариантов ее решения, отличающихся качеством получаемого результата и затрачиваемым временем :

.

Качество решения общей задачи оценки обстановки зависит от качества решения частных задач:

,

где - качество выбранного варианта решения задачи ; - функционал, описывающий зависимость качества решения общей задачи оценки обстановки от качества решения частных задач.

, , .

Такая постановка предполагает аналитическое задание зависимости качества общей задачи от качества частных задач. Однако на практике это, как правило, не представляется возможным, т. к. не удается выразить функцию в аналитической форме, в течение ограниченного времени в условиях быстро меняющейся обстановки (т.к. прагматическая значимость объектов внешней среды и соответствующих частных задач постоянно меняются). Для оперативного задания агенту оценки обстановки правил фокусировки внимания (ПФВ) предложен специальный язык, названный языком фокусировки внимания (ЯФВ).

{p1}? 80, {p2, p3}=85,{p4, p5}? 95.

Данное правило содержит три оператора. Первый оператор предписывает плавное понижение качества решения задачи p1 до уровня 80 (если в процессе этого по7нижения не будет получен приемлемый вариант). В соответствии со вторым оператором будет осуществлен скачкообразный переход к вариантам решения задач p2 и p3 с уровнем качества 85. Если это не позволяет удовлетворить временным ограничениям, будет плавно понижаться качество задач p4 и p5 до уровня 95.

Пусть - минимальное время, необходимое для решения общей задачи оценки обстановки в соответствии с n-м правилом ФВ. Эта величина вычисляется как сумма минимальных времен решения всех частных задач, в соответствии с указанными в данном правиле вариантами. Отметим, что при расчете этой величины используются времена решения частных задач в худшем случае. - время решения i-ой частной задачи, соответствующее нижнему уровню качества этой задачи в n-ом правиле ФВ. - l-й оператор n-го правила ФВ.

begin

1. n:=1;

2. ;

3. if theh n := n+1; goto 2

4. else УТОЧНИТЬ_ПЛАН

Предложенная модель высокоуровневого интеллектуального агента за счет введения контуров управления временными параметрами отображений, реализуемых подсистемами нижнего уровня, позволяет обеспечить режим реального времени при функционировании агента в динамических и неопределенных средах.