Система поддержки принятия решений менеджера относительно состава портфеля ценных бумаг должна работать в реальном времени “на лету”, идентифицируя тенденции движения цен, предсказывая направления их изменения, и в соответствии с ними, выдавать рекомендации: покупать /продавать/ удерживать те или иные ценные бумаги в портфеле. Реализация подобной системы, как описано в [1,2], является весьма удачной при использовании механизмов нечеткой логики, которые дают возможность представить цели, ограничения, субъективные предпочтения посредством нечетких множеств и позволяют решить задачу свертывания критериев путем комбинирования нечетких множеств. Для этого в системе [1] заданы нечеткие множества и переменные с функциями принадлежности. На основе применяемой модели рынка ценных бумаг создан блок сопряжения, рассчитывающий коэффициенты-индикаторы модели, являющиеся входными данными системы нечетких правил. При этом механизм извлечения информации из базы знаний для принятия решений является механизмом нечетких запросов [2].

Выходной сигнал системы управления и принятия решений с максимальной функцией соответствия выдается системой за счет масштабирования полного интервала изменений входных переменных на известный интервал фузификации, и далее поочередным отражением промежуточных результатов на функцию принадлежности всех лингвистических термов системы. Именно эти методы Fuzzy Logic по своей сущности позволяют расширить область поиска решения в соответствии с изначально заданными человеком ограничениями и получить синергетический эффект.

Однако проблема в том, что на входе имеется большой шум входных данных – и начинает работать парадигма GIGO –“Мусор на входе, мусор на выходе”. В рассматриваемых современных системах управления и принятия решений часто используются многообразные источники входных данных, описывающие одно и то же явление реальности с различных точек зрения. Например, при слежении за курсом ценных бумаг, в качестве входных данных для предсказания будущего изменения курса ценной бумаги, помимо истории развития цен, могут использоваться прогнозы изменения цены или индикаторы, рассчитываемые по различным алгоритмам [3]. Несмотря на порой ощутимые различия между значениями входных данных, полученных из связанных информационных источников (ресурсов), эти данные описывают одно и то же явление реальности (торги), поэтому между связанными информационными ресурсами возникают отношения соответствия. В связи с этим, важнейшим вопросом для системы управления и принятия решений является проверка отношений соответствия между информационными ресурсами.

Обзор литературы показал, что на основании существующих методик, проверка отношений соответствия является хорошо формализуемой. Внутри-ресурсные и парные отношения соответствия поддаются практическому контролю. Подробно разработана и широко применяется методика, основанная на точках зрения (ViewPoints) [4], где каждое представление ресурса точкой зрения автономно и включает в себя, помимо фактических данных, описание языка представления данных, поле применения или “интереса” для данного ресурса, событийный план реакций, а также историю развития данного ресурса. Отметим, что план реакций может включать инструкции по проверке внутреннего и внешнего отношений соответствия, например, математическую проверку правильности расчета текущего значения композитного ценового индекса, а также верности синхронизации цикла изменения биржевых цен с циклом изменения процентной ставки центрального банка. Таким образом, декомпозиционное представление информационных входов системы управления в качестве точек зрения (ViewPoints) позволяет рассматривать сложную задачу достижения глобального соответствия 0структуры информационных ресурсов в виде набора подзадач обеспечения локального соответствия каждой из точек зрения и парных соответствий между всеми точками зрения системы информационных ресурсов.

Однако, даже при рассмотрении скромных по размерности входных данных систем управления (не более 10 параллельно используемых источников входной информации), возникает задача децентрализации процесса проверки соответствия между удаленными распределенными ресурсами. В подобных условиях централизованная проверка нескольких ресурсов потребовала бы многократной параллельной передачи больших объемов информации от нескольких источников (клиентов) к месту центральной обработки (сервер). Не удивительно, что при параллельном доступе к набору распределенных информационных ресурсов, современные технологии удаленного доступа типа “клиент-сервер” характеризуются увеличением времени доступа к информации и ростом нагрузки на сеть по закону, близкому к степенному [4].

Для систем управления реального времени при управлении портфелем ценных бумаг на биржевых торгах в данной работе предлагается альтернативный децентрализованный метод обработки параллельных распределенных информационных потоков. Для решения данной задачи была разработана[5] децентрализованная архитектура обработки информационных ресурсов на основе мобильных агентов, представленная на рисунке.

Архитектура также предоставляет прозрачность доступа к распределенным информационным ресурсам: доступ к ресурсам по их имени и типу при помощи баз данных ресурсов, через доменные и шлюзовые агенты. Данная возможность важна для достижения масштабируемости, гибкости и мобильности систем управления, построенных на основе предлагаемой архитектуры.

Проверку отношений соответствия предлагается осуществлять [5] на основе событий, происходящих на информационных ресурсах. Интерфейсные агенты ресурсов производят мониторинг ресурсов в реальном времени, и если происходящие на ресурсе изменения соответствуют заранее заданным директивам, то в системе создается событие, которое вызывает запуск мобильного агента для проверки соответствия. Мобильный агент использует, определяемые менеджером, правила соответствия в качестве шаблона, который агент переносит вместе с собой и заполняет данными, собранными с удаленных ресурсов. Правило строится на основе формализованного определения отношения соответствия. Результатом его применения является значение фактической степени соответствия, в зависимости от которой выбирается корректирующее действие. Действие может быть выполнено либо мобильным агентом, либо пользователем по получении соответствующей нотификации. Более подробное описание предложенной архитектуры, ролей агентов и коммуникаций между ними представлено в [5]. Архитектура проходит стадию тестирования на верность концепции. Практическая реализация основана на платформе IBM Aglets и использует возможности современных языков XML, Xlink, XPointer для представления документов, мобильных ссылок, событий и сообщений между агентами и ресурсами.

Таким образом, применение информационной технологии мобильных агентов в сочетании с нечеткой логикой позволяет получить соответствие выходного сигнала в системе управления и принятия решений путем надежной обработки взаимно дополняющих входных данных.

1. Смолко Д.С., Черноруцкий И.Г., Система поддержки принятия решения для портфеля ценных бумаг. SCM’98: Сборник докладов, Санкт-Петербург, 22-26 июня, 1998 г., том 2, стр.231-234.
2. Cмолко Д.С., Черноруцкий И.Г., Система поддержки принятия решения с нечеткой базой данных для портфеля ценных бумаг. SCM’99: том 2 ,стр 169-172.
3. Finkelstein A., Gabbay D., Hunter A., Kramer J., Nuseibeh B., Inconsistency handling in multiperspective specifications. IEE Transactions on Software Engineering, 20(8) pages 569-578, 1994.
4. Emmerich W., Engineering Distributed Objects, John Wiley & Sons, 1999.
5. Smolko D., Using Mobile Agents to Address Consistency Issues in Distributed Document Management, Proceedings of the 14th IEEE International Conference on Automated Software Engineering, Orlando, 1999.