1.1. Wstęp Modele agentowe Agent logiczny Agent reaktywny Agent typu BDI... 6

Transkrypt

1 Spis treści 1. Wprowadzenie do systemów agentowych Wstęp Modele agentowe Agent logiczny Agent reaktywny Agent typu BDI Agent wielowarstwowy Interakcja, organizacja i komunikacja agentów Komunikacja agentów Interakcja w systemach agentowych Organizacja agentów Standardy FIPA Narzędzia, języki oraz platformy agentowe Przykład SOA - Architektura zorientowana na usługi Wstęp Geneza Opis BPEL - język wykonywania procesów biznesowych

2 2.5. ESB - magistrala usług Przegląd istniejących systemów SOA Monitorowanie systemów opartych na SOA Bibliografia

3 Rozdział 1 Wprowadzenie do systemów agentowych 1.1. Wstęp Zadanie sztucznej inteligencji jest często przedstawiane, jako problem stworzenia programu inteligentnego agenta. Można tu wyróżnić dwa podstawowe zagadnienia: agent oraz inteligencja. Samo pojęcie agenta jest definiowane jako system komputerowy osadzony w środowisku, zdolny do autonomicznych działań, które mają przynieść określony efekt [30]. Jest to funkcja odwzorowująca odbierane z zewnątrz bodźce na wykonywane czynności, reprezentowana w różny sposób, jako: sieć neuronowa, system ekspertowy, zbiór reguł logicznych itp. Agent wyposażony jest z jednej strony w czujniki, które służą do obierania informacji ze środowiska, a z drugiej strony w efektory (ang. efectors), które są odpowiedzialne za zmianę stanu środowiska. Przy czym ważny jest fakt braku pełnej kontroli nad środowiskiem, najczęściej agent może jedynie częściowo wpływać na swoje otoczenie. Środowisko, w którym osadzony jest agent, posiada kilka cech wpływających na jego działanie [39]: dostępność lub niedostępność dostępne środowisko to takie, o którym można uzyskać pełną, dokładną wiedzę. determinizm lub niedeterminizm w zależności od tego, czy przyszły stan środowiska jest całkowicie zależny od obecnego stanu oraz działań agenta (lub agentów), środowisko jest deterministyczne lub niedeterministyczne. statyczność lub dynamizm dynamiczne środowisko to takie, które może się zmienić bez udziału agenta. dyskretność lub ciągłość dyskretne środowisko posiada skończoną liczbę stanów i operacji, które można wykonać (np. szachy). Agent, aby można go nazwać inteligentnym, czyli zdolnym do elastycznych, racjonalnych i autonomicznych działań musi posiadać specyficzne cechy: reaktywność, tzn. zdolność do reagowania na zmiany środowiska, aktywność, tzn. aktywne dążenie do celu oraz zdolności społeczne, czyli umiejętność współpracy z innymi agentami (kooperowania oraz negocjacjowania) [30]. Ponadto musi być zachowana równowaga pomiędzy 3

4 reagowaniem na bodźce a aktywnym działaniem [29]. Nietrudno bowiem wyobrazić sobie program, który jedynie odpowiada na otrzymane sygnały nie realizując celu, albo realizuje cel nie biorąc pod uwagę środowiska, w którym działa. Wraz ze wzrostem możliwości technicznych (np. rozwój sieci informatycznych, wieloprocesorowe komputery), które umożliwiły rozpatrywanie coraz to bardziej złożonych i większych problemów (a więc takich, które dokładniej odzwierciedlają rzeczywistość), okazuje się, że pojedyńczy agent nie jest w stanie poradzić sobie ze stopniem skomplikowania zadania agent ograniczony jest swoją wiedzą, miejscem w środowisku oraz zasobami. Z tych problemów narodziła się Rozproszona Sztuczna Inteligencja (ang. Distributed Artificial Intelligence), a z niej wyłoniły się Systemy Agentowe (nazywane też Systemami Wieloagentowymi od ang. Multiagent Systems), które łączą wiele autonomicznych, inteligentnych agentów (niekoniecznie jednakowych), zdolnych do współdziałania lub współzawodnictwa (np. o zasoby) w celu realizacji zadania, które leży poza zasięgiem możliwości lub wiedzy pojedyńczej jednostki. Cechą charakterystyczną systemów agentowych jest to, że żaden agent nie posiada pełnej wiedzy o środowisku i możliwości rozwiązania problemu. Ponadto takie systemy, jako sieć luźno połączonych choć współpracujących programów, nie mogą być sterowane globalnie, a dane są rozproszone pomiędzy poszczególne jednostki, które działają w sposób asynchroniczny. Systemy agentowe są obiektem coraz intensywniejszych badań naukowych ze względu na wzrost wielkości zadań, które stają się zbyt złożone dla pojedyńczych agentów. Drugim istotnym czynnikiem jest możliwość zastosowania w rozwiązywaniu problemów ze swojej natury rozproszonych (tzn. rozproszone są decyzje, wiedza ekspercka lub sama lokalizacja), jak np. automatyczne ustalanie spotkań wielu uczestników, gdzie każdy agent reprezentujący osobę negocjuje z innymi agentami szczegóły spotkania lub sterowanie i kontrolowanie rozposzonych sieci (np. informatycznych). Systemy agentowe zapewniają komunikację i współdziałanie z istniejącymi programami (ang. legacy systems), które opakowane przez agentów (ang. wrappers), udostępniają funkcjonalność innym systemom. Wreszcie systemy agentowe mogą być bardziej wydajne, niezawodne i elastyczne. Systemy agentowe, jako nowe podejście do budowy systemów informatycznych poza dużymi możliwościami stanowią również wyzwanie. Pierwszym z nich jest problem podziału zadania na podproblemy i przydzielenie ich poszczególnym agentom. Kolejnym jest komunikacja pomiędzy agentami protokoły, reprezentacja wiedzy i współpraca oraz rozwiązywanie sytuacji konfliktowych (np. o zasoby). Inny problem stanowi konstrukcja samego agenta. Systemy agentowe wymagają innej metodologii projektowania i narzędzi. Wreszcie problem stanowi spójność i koordynacja całego systemu złożonego z niezależnie działających części Modele agentowe Definicja agenta, jako funkcji odwzorowującej bodźce ze środowiska na wykonywane czynności może być sformalizowana w następujący sposób: 4

5 action : S A (1.1) gdzie S to ciąg elementów ze zbioru stanów środowiska S, natomiast A to zbiór operacji, które agent może wykonać na środowisku. Agent może działać w środowisku niedeterministycznym, tzn. rezultat operacji stan środowiska nie musi być taki sam w przypadku wielokrotnego wykonania. Najprostrzym przykładem agenta jest czysty agent reaktywny, który może być zdefiniowany za pomocą funkcji: action : S A (1.2) Wynika stąd, że agent podejmuje decyzje na podstawie obecnego stanu środowiska, a nie ciągu takich stanów, które tworzą historię. Takim agentem może być np. sterownik klimatyzacji, który wyłącza urządzenie, gdy temperatura w pomieszczeniu odpowiada ustawionej, a w przeciwnym przypadku włącza urządzenie. Oczywiste jest, że agent reaguje jedynie na wybrane cechy środowiska (np. temperaturę), dlatego też należy rozbić funkcję action do dwóch: see : S P (1.3) action : P A (1.4) gdzie P oznacza zbiór wybranych cech środowiska (ang. percepts), które interesują agenta. Dwa różne stany środowiska mogą być odwzorowywane przez jeden percept, co oznacza, że są one dla agenta nierozróżnialne. Dla prostego przykładu sterownika klimatyzacji nie ma znaczenia czy światło jest włączone czy nie. Bardziej skomplikowany od prostego agenta reaktywnego, jest agent ze stanem, przechowujący informacje o środowisku i historii wykonanych operacji. Taki agent opisywany jest przez trzy funkcje: see : S P (1.5) action : I A (1.6) next : I P I (1.7) gdzie I oznacza wewnętrzny stan agenta, natomiast funkcja next wyznacza kolejny stan agenta na podstawie stanu i bodźców ze środowiska. Każdy agent ze stanem może być przedstawiony jako prosty agent reaktywny [13]. Wyróżnia się cztery podstawowe typy agentów: agent logiczny agent reaktywny agent typu BDI (ang. belief-desire-intention) agent wielowarstwowy Agent logiczny W architekturze agenta logicznego wykorzystana jest symboliczna reprezentacja środowiska oraz wnioskowanie logiczne. Agent posiada wiedzę o środowisku w postaci predykatów pierwszego rzędu stanów agenta, natomiast podejmowanie decyzji, czyli 5

6 co należy wykonać, jest wnioskowaniem na podstawie tych stanów i reguł wnioskowania. Jeżeli wniosek ϕ może być udowodniony na podstawie reguły ρ z obecnego stanu agenta D to jest to operacja, którą należy wykonać. Jeżeli jednak żaden wniosek nie może być wysnuty z obecnego stanu, wtedy agent powinien podjąć działanie, które nie jest bezpośrednio zabronione. Zaletą tego podejścia jest jego elegancja i prostota. Do problemów można zaliczyć trudność w symbolicznej reprezentacji niektórych środowisk oraz wymagania stawiane środowisku (stan środowiska w czasie pomiędzy odczytaniem stanu środowiska a podjęciem decyzji nie może się zmienić) Agent reaktywny Innym podejściem niż wyżej opisany logiczny model jest agent reaktywny (reagujący w prosty sposób na środowisko). Orędownicy tej architektury odrzucają reprezentację symboliczną i podejmowanie decyzji na podstawie reguł decyzyjnych jako niepraktyczną oraz nieefektywną i opierają się na stwierdzeniu, że racjonalne działanie jest połączone ze środowiskiem w jakim działa agent, a inteligencja wynika z wielu wspódziałających prostych operacji. Przykładem tego podejścia jest Architektura Brooks a. W architekturze Brooks a percepty są bezpośrednio odwzorowywane na wykonywane operacje przy pomocy prostych automatów skończonych zorganizowanych hierarchicznie w warstwy, a agent nie posiada złożonej reprezentacji symbolicznej. Wyższe warstwy reprezentują bardziej abstrakcyjne operacje, natomiast niższe operacje podstawowe, takie jak np. unikanie przeszkód. Model reaktywny może być przedstawiony jako zbiór wielu działań (związanych z poszczególnymi automatami skończonymi), które mają być jednocześnie podjęte, ale dzięki hierarchicznej organizacji warstw tylko jedno jest wykonane (im niższa warstwa, tym wyższy priorytet, np. unikanie przeszkód będzie miało wyższy priorytet niż osiągnięcie jakiegoś punktu). W tej architekturze agent nie bierze pod uwagę historii, a działanie wynika jedynie z obecnego stanu środowiska. Złożone wyniki są osiągane dzięki wzajemnemu oddziaływaniu warstw. W związku z tym model reaktywny jest prosty (w porównaniu do architektury logicznej), odporny i efektywny, ponieważ niepotrzebne jest przechowywanie i uaktualnianie bieżącego stanu agenta. Do wad tego podejścia można zaliczyć potencjalną niestabilność i nieprzewidywalność systemu, która wynika z tego, że agent działa na podstawie lokalnej wiedzy o środowisku i nie może przewidzieć efektów swoich działań. Ponadto w architekturze Brooks a nie jest jawnie zdefiniowana zależność między indywidualnym działaniem agenta, środowiskiem, a globalnym zachowaniem systemu i poszczególnych agentów, co utrudnia zaprojektowanie programu Agent typu BDI Agent typu BDI (ang. belief-desire-intention przekonanie-chęć-intencja) opiera się na modelu podejmowania decyzji przez człowieka zaproponowanym przez Michael a Bratman a [26], który zakłada dwuetapowy proces: najpierw ustalany jest cel co chcemy osiągnąć, a potem sposób, w jaki cel ma być osiągnięty. Kluczowym pojęciem są intencje (ang. intentions), czyli cel, jaki agent zobowiązał się wykonać, które determinują działanie agenta, są względnie trwałe w czasie (choć mogą się zmieniać pod wpływem przekonań) oraz wpływają na przekoniania (ang. beliefs) co do przyszłego 6

7 stanu środowiska. Przekonania (ang. beliefs) to wiedza agenta o środowisku (nie musi być zgodna z rzeczywistym stanem otaczającego świata). Chęci (ang. desires) to cele, jakie agent miałby osiągnąć (wynika stąd, że różnica pomiędzy intencjami a chęciami polega na tym, że intencje to cele, które agent zobowiązał się wykonać). Jednym z ważnych parametrów modelu jest częstotliwość oceny realności wykonania intencji (w stosunku do przekonań o stanie środowiska), która zależy od dynamizmu środowiska agent musi dokonywać takiej oceny, aby rozpatrywać jedynie możliwe przypadki, ale nie może tego robić zbyt często, co groziło by ciągłą zmianą planów. Rysunek 1.1. Model agenta typu BDI Na rysunku 1.1 przedstawiono schematyczny model agenta typu BDI, który składa się z kilku komponentów: zbiór przekonań (ang. beliefs) o stanie środowiska, funkcja uaktualnienia przekonań, która na podstawie danych przekonań oraz obserwowanego stanu środowiska wyznacza zbiór nowych przekonań, funkcja generująca chęci na podstawie przekonań oraz intencji, zbiór chęci (ang. desires), funkcja wybierająca intencje w oparciu o przekonania, chęci oraz obecne intencje, zbiór intencji (ang. intentions), funkcja wykonawcza działania zgodnie z intencjami. Podsumowując należy stwierdzić, że model BDI bazujący na praktycznym podejmowaniu decyzji stanowi zrozumiałą i czytelną abstrakcję, która w jasny sposób rozgranicza poszczególne części systemu. Do wad takiego podejścia należy zaliczyć trudności z optymalną implementacją modelu oraz potrzebę dostosowania modelu do dynamizmu środowiska. Przykładem systemu agentowego opartego na modelu BDI jest PRS (ang. Procedural Reasoning System) [27]. 7

8 Agent wielowarstwowy Biorąc pod uwagę fakt, że agent musi jednocześnie aktywnie dążyć do celu oraz reagować na bodźce ze środowiska, można w ten sposób zaprojektować agenta, aby te dwie rozbieżne funkcje były rozdzielone w dwóch (lub więcej) warstwach. W ten sposób została zaproponowana architektura wielowarstwowa, w której można wyróżnić dwa podtypy (rysunek 1.2): architektura warstw poziomych, architektura warstw pionowych. W pierwszym przypadku warstwy są połączone bezpośrednio z wejściem (odbieraniem bodźców ze środowiska) i wyjściem systemu, a każda warstwa tworzy niejako osobnego agenta, który przekazuje dąży do wyznaczonego celu. Aby działanie agenta było spójne dodano kolejny element mediator, który decyduje, jaka warstwa ma w danym momencie wpływ na ogólne działanie. W przypadku architektury warstw pionowych następuje przepływ w jednym (lub dwóch kierunkach). Wyjście dla jednej warstwy stanowi wejście dla kolejnej, co zmniejsza złożoność interakcji pomiędzy warstwami w porównaniu do architektury poziomej, ale wprowadza zależność między warstwami (problem w przypadku błedu w jednej z nich). Rysunek 1.2. Podtypy architektury wielowarstwowej Przykładem agenta zaprojektowanego w architekurze wielowarstwowej (model warstw poziomych) jest TouringMachine (opisany w [17]). Przedstawiony na rysunku 1.3 składa się z trzech warstw: reaktywnej, planującej i modelującej oraz podsystemu zarządzającego. Warstwa reaktywna zapewnia szybkie reakcje na bodźce (np. przeszkoda na trasie). Część planująca odpowiada za wybranie odpowiedniego do założonych celów planu z biblioteki schematów. Warstwa modelująca reprezentuje obiekty w środowisku, takie jak: agent i inni agenci. Jest ona odpowiedzialna za przewidywanie i rozwiązywanie konfliktów pomiędzy obiektami poprzez określanie nowych celów. Podsystem zarządzający wybiera, która warstwa w danej chwili ma kontrolę nad agentem. 8

9 Architektura wielowarstwowa ze względu na czytelne rozdzielenie funkcji (reakcji na bodźce, dążenia do celu i współdziałania w społeczności agentów) w warstwach jest obecnie najbardziej popularnym modelem. Rysunek 1.3. TouringMachine 1.3. Interakcja, organizacja i komunikacja agentów Agent, działając samodzielnie, nawet dzięki wyrafinowanej architekturze, nie jest w stanie sprostać zadaniu ze względu na ograniczenia środowiska oraz problemu (1.1). W systemach agentowych wykorzystuje się wiele niezależnych agentów, które współdziałają, aby osiągnąć swoje, czasem różne albo nawet przeciwstawne cele. Wiele agentów może dzielić się wiedzą, równolegle realizować zadanie lub bo zapewniać redundancję, która jest ważna w przypadku awarii jednego z modułów. W środowisku, w którym działa więcej niż jedna jednostka możliwa jest (a nawet niezbędna) komunikacja (dzięki protokołom komunikacyjnym), czyli odbieranie i wysyłanie wiadomości, która umożliwia interakcję (poprzez protokoły interakcji), czyli złożone konwersacje pomiędzy wieloma jednostkami. Agenci mogą być zorganizowani w struktury ułatwiające współdziałanie, takie jak, na przykład: hierarchia albo mechanizmy rynkowe. Agenci, żeby mogli się komunikować lub wchodzić w interakcję, muszą wiedzieć o swoim istnieniu. W otwartym, dynamicznym środowisku, do którego agent może wchodzić i z niego wychodzić w dowolnym momencie potrzebny jest specjalny mechanizm informacji o innych uczestnikach. W literaturze [24] wyróżnia się kilka podejść: listy ogłoszeniowe (ang. yellow pages), gdzie agent może ogłaszać, jakie usługi realizuje, wykaz agentów (ang. white pages), w którym jest przechowywana lista wszystkich agentów w środowisku, broker, czyli agent pośredniczący. 9

10 Komunikacja agentów Komunikacja w systemach agentowych (rozumiana jako wymiana wiadomości pomiędzy autonomicznymi jednostkami, a nie jako wywołanie metody danego obiektu przez inny obiekt) jest oparta na teorii aktów mowy (ang. speech acts) zaproponowanej przez John a Austina [20] i rozwinięta przez John a Searle a [21]. Akt mowy to wypowiedzenie przez nadawcę do odbiorcy przekazujące komunikat za pomocą systemu znaków jezykowych, w którym wyróżnia się trzy aspekty. Aspekt lokucyjny jest to fizyczne tworzenie i artykułowanie wypowiedzi. Intencjonalność wypowiedzi, czyli znaczenie reprezentuję aspekt illokucyjny. Przykładem może być prośba lub polecenie: Proszę zamknąć okno. Aspekt perlokucyjny to wtórne oddziaływanie na odbiorcę, na przykład zamknięcie okna. Akty mowy dzielą się na wiele typów, które niosą różne informacje (np. akty dyrektywne, których celem jest wywarcie nacisku na odbiorcę i wpłynięcie na jego zachowanie albo akty deklaratywne, czyli stwarzające nowy stan rzeczy). Teoria aktów mowy jest podstawą komunikacji w systemach agentowych. Komunikacja ta wymaga zdefiniowania wspólnego dla wszystkich podmiotów języka komunikacji, języka treści komunikatów (ang. content language), który opisuje dane środowisko oraz przyjęcia wspólnej ontologii terminologii. Język komunikacji, niezależny od dziedziny, jest oddzielony od języka treści komunikatów, które może zależeć od dziedziny. Powstało kilka standardów komunikacji najpopularniejsze z nich to KQML (ang. Knowledge Query and Manipulation Language), który powstał na zlecenie Departamentu Obrony USA (DARPA) oraz zdefiniowany w ramach FIPA (ang. Foundation for Intelligent Physical Agents organizacji standaryzującej systemy agentowe) ACL (ang. Agent Communication Language) [12]. Przykładem języków treści komunikatów jest KIF (ang. Knowledge Interchange Format), który powstał razem z KQML-em, oraz standardy organizacji FIPA: SL (ang. Semantic Language), CCL (ang. Content Language) czy KIF (ang. Knowledge Interchange Format). Języki komunikacji KQML oraz FIPA ACL KQML jest to język wymiany informacji i wiedzy oparty na przesyłaniu wiadomości [44]. Struktura podstawowa wiadomości jest zdefiniowana: (KQML-performative :sender nadawca :receiver odbiorca :language język :ontology ontologia :content treść wiadomości ) KQML-performative określa performatyw, czyli klasę wiadomości (która odpowiada typowi aktu mowy). Pełną listę klas wiadomości można znaleźć w [29]. Performatywy dzielą się na różne kategorie [13], m.in.: proste zapytania (ask-one, ask-all,... ), odpowiedzi (reply, tell, sorry,... ), rozgłoszeniowe (advertise, subscribe, monitor,... ). Parametry komunikatu: :language (np. KIF) i :ontology definiu- 10

11 ją semantykę i terminologię, dzięki którym odbiorca może zrozumieć treść wiadomości zawartą w :content. Inne parametry to: :sender, :receiver, :reply-with, :in-reply-to określają one nadawcę, odbiorcę oraz sposób przekazywania wiadomości (pola :reply-with i :in-reply-to są potrzebne ze względu na asynchroniczny charakter komunikacji). Przekazywane wiadomości mogą być zagnieżdzane w treści, tzn. :content może zawierać wiadomość, która ma być dostarczona za pomocą agenta pośredniczącego. Przykład zapytania o cenę akcji Getin Holding S.A. (GTN) na Giełdzie Papierów Wartościowych wraz z odpowiedzią: (ask-one :content (val (price GTN)) :sender A :receiver B :language KIF :ontology GPW :reply-with q1 ) (reply ) :content (= (price GTN) (scalar 15 pln)) :sender B :receiver A :language KIF :ontology GPW :in-reply-to q1 KQML jako pierwsza próba ustandaryzowania komunikacji w systemach agentowych, nie jest pozbawiony wad. Po pierwsze występują problemy w komunikacji agentów korzystających z różnych implementacji (ze względu na rozmyty i nieprecyzyjnie zdefiniowany zbiór performatyw), a co więcej brakuje klasy aktów komisywnych (zobowiązanie do wykonania operacji). Inną trudnością jest transport wiadomości. Na bazie KQML-a organizacja standaryzująca FIPA zaproponowała FIPA ACL (Agent Communication Language) [12], który posiada taką samą strukturę wiadomości i podobne atrybuty komunikatu. Standard zawiera 22 performatyw, podzielonych na kategorie: przekazanie informacji (confirm, disconfirm, inform, inform-if, inform-ref), żadanie informacji (cancel, query-if, query-ref, subscribe), negocjacje (accept-proposal, cfp, propose, reject-proposal), wykonanie akcji (agree, cancel, propagate, propose, refuse, request, request-when, request-whenever), obługa błędów (failure, not-understood). Przykład wiadomości w języku FIPA ACL: 11

12 (inform ) :content (price (FIAT 126P) 400) :sender agent-1 :receiver agent-2 :language sl :ontology auto FIPA ACL jest implementowany przez najważniejsze platformy agentowe: JADE, Mobile-C, Spade i JACK. Języki treści komunikatów Jednym z założeń przy projektowaniu protokołów komunikacji w systemach agentowych jest rozdzielenie języka komunikacji, który definiuje opakowanie wiadomości (tzw. kopertę) od języka treści komunikatów, w którym wyrażona jest zawartość wiadomości. Oczywiście treść może być wyrażona w języku naturalnym (np. polskim), jednak dla maszyn odpowiedniejszy wydaje się język logiki. Takim językiem jest KIF (Knowledge Interchange Format) [28], który jest prefiksowym rachunkiem predykatów pierwszego rzędu. Przykładowe wyrażanie, opisujące rekord w bazie danych (id pracownika, dział, wynagrodzenie): (salary kadry 1500) (salary it 1800) Bardziej złożona wiadomość odczytanie temperatury: (= (temperature m) (scalar 36,6 Celsius)) Dzięki językowi możliwe jest też definiowanie nowych pojęć: (defrelation kawaler (?x) := (and (mężczyzna?x) (not (żonaty?x)))) Powyższy przykład przedstawia definicję pojęcia kawaler, który jest mężczyzną oraz nie jest jest żonaty. W języku KIF możliwe wyrażenie cech danego środowiska: faktów, definicji lub ograniczeń. W komunikacji między agentami można również użyć innych języków, takich jak: LISP, PROLOG, czy zaproponowane przez FIPA: SL (Semantic Language), CCL (Content Language), KIF (Knowledgee Interchange Format). 12

13 Ontologia Ontologia określa terminologię, jaką posługują się agenci w opisywaniu danego środowiska dziedziny. Składają się na nią pojęcia (np. książka, autor) i relacje między pojęciami (np. autor napisał książkę). Do definiowania ontologii dla danej dziedziny można użyć języka treści komunikatów, takiego jak KIF lub innych języków: XML, DAML (ang. DARPA Agent Markup Language) czy OWL. Metajęzyki DAML oraz OWL został stworzony do opisu sieci WWW (ang. Semantic Web), który byłby zrozumiały nie tylko dla ludzi, ale również dla maszyn (agentów), poprzez nadawanie treści znaczników semantycznych. Tak opisane treści w sieci internet mogą być wykorzystane przez systemy agentowe Interakcja w systemach agentowych Systemy agentowe z założenia składają się z więcej niż jednego agenta, którzy dzięki opisanym w poprzednim podrozdziale narzędziom mogą się komunikować. Komunikacja między podmiotami w środowisku umożliwia współdziałanie (oparte na wspólnych dążeniach współpracę albo przeciwstawnych konkurencję) prowadzące do realizacji celów postawionych przed każdym agentem. Istotnie takie współdziałanie jest niezbędne, gdyż zastosowania systemów agentowych to najczęściej problemy, których pojedyńcza jednostka nie jest w stanie rozwiązać, np. ze względu na rozproszenie wiedzy lub rozproszoną strukturę środowiska (sieci komputerowe). Rysunek 1.4. Przykładowa struktura systemu agentowego Rysunek 1.4 przedstawia przykładowy system agentowy, w którym znajduje się wiele podmiotów, każdy posiadający kontrolę jedynie nad pewną częścią środowiska. Agenci 13

14 tworzą strukturę organizacyjną i wchodzą interakcje, dzięki temu cały system (jako zbiór agentów) posiada globalną kontrolę nad środowiskiem. Podstawą interakcji między agentami są korzyści, jakie obie jednostki oczekuja uzyskać dzięki współdziałaniu. Każdy agent ma preferencje, co do stanu w jakim środowisko powinno się znajdować są to jego cele. Te preferencje można ująć w funkcji matematycznej, którą jest użyteczność υ: υ : Ω R (1.8) gdzie Ω to zbiór stanów środowiska. Tak rozumiana użyteczność, powoduje uporządkowanie stanów środowiska ze względu na preferencje agenta. Stan, w którym cel agenta jest spełniony (np. dany obiekt jest w odpowiednim miejscu albo w pomieszczeniu jest zadana temperatura) będzie miał większą wartość użyteczości niż stan, w którym cel jest niespełniony. Teoria gier zajmuje się badaniem optymalnego zachowania wielu współdziałających podmiotów i jest podstawą projektowania protokołów interakcji w systemach agentowych [47]. Dwa ważne aspekty współdziałania, które powinny być zapewnione przez protokoły interakcji to spójność (ang. coherence) oraz koordynacja (ang. coordination). Kooperacja to zdolność grupy agentów do działania w tym samym środowisku. Interakcja wielu podmiotów powinna być zaprojektowana w ten sposób, aby unikać zakleszczeń, niepotrzebnych działań (wynikających z braku porozumienia) oraz zapewnić bezpieczne działanie wszystkich jednostek, poprzez komunikację oraz dzięki wiedzy o celach i działaniach innych agentów modelowaniu innych agentów. W przypadku podmiotów, które nie mają przeciwstawnych celów sposobem koordynacji jest rozproszone planowanie działań lub narzucanie planu podległym jednostkom. Jeśli agenci mają rozbieżne cele koordynacja przebiega poprzez negocjacje. Spójność to miara, jak dobrze system agentowy działa jako całość. W środowisku, gdzie istnieje wiele podmiotów, a brak globalnego zarządzania tymi jednostkami, pomocna jest struktura organizacyjna (1.3.3). Agenci powinni unikać konfliktów i współpracować przy realizacji wspólnych celów. Współpraca agentów może opierać się na protokołach interakcji, na przykład Contract Net Protocol [22] albo Blackboard System. Contract Net Protocol jest jednym z najczęściej wykorzystywanym protokołem do koordynacji i planowania działań w systemach agentowych. Oparty jest na dekompozycji złożonych problemów i dzieleniu się zadaniami (ang. task sharing). Jeden z agentów ogłasza zadanie do wykonania (rysunek 1.5) i przesyła informacje o tym zadaniu do potencjalnych wykonawców, którzy oceniają zadanie pod względem możliwości wykonania oraz metryk (np. czasu wykonania). Oferta realizacji zadania jest wysyłana do ogłaszającego agenta (zarządcy), który wybiera najlepszego z oferentów. Innym przykładem protokołu jest Blackboard System, w którym grupa specjalizowanych agentów współpracuje w celu rozwiązania zadania poprzez dzielenie się proponowanymi rozwiązaniami (ang. result sharing). W systemie centralnym punktem jest tablica 14

15 Rysunek 1.5. Contract Net Protocol protokół współdziałania agentów (współdzielone miejsce, gdzie dostępna jest wiedza o problemie oraz sposobie rozwiązania). Początkowo zadanie pojawia się na tablicy, następnie każdy z agentów stara się użyć swojej wiedzy eksperckiej do rozwiąznia problemu. Agenci proponują rozwiązania podproblemów, które ostatecznie prowadzą do rozwiązania globalnego. Przy użyciu tego protokołu zakłada się, że agenci posiadają na tyle różnorodną specjalizację, że możliwe jest osiągnięcie celu. W systemach, gdzie agenci mają sprzeczne cele, korzysta się z mechanizmów rynkowych (aukcje) lub negocjacji, jako środki do osiągnięcia porozumienia. W przypadku aukcji (aukcje angielskie, holenderskie lub Vickrey a) ważne jest zapewnienie uczciwości przebiegu oraz przeciwdziałanie spekulacji (czyli sztucznemu zawyżaniu ceny) [29] Organizacja agentów Agenci w środowisku mogą być zorganizowani w struktury, która definiuje rolę, jakie spełniają, określają zachowania i zależności pomiędzy podmiotami. W otwartym środowisku, do którego agent może wchodzić i z niego wychodzić w dowolnej chwili ważna jest możliwość adaptacji struktury organizacyjnej grupy agentów. Najpopularniejszą formą organizacji jest zależność hierarchiczna. Podejmowanie decyzji oraz kontrola (np. nad zasobami) jest skupiona w jednym podmiocie. Interakcja zachodzi na płaszczyźnie pionowej między agentem nadrzędnym a podrzędnym. Innym przykładem organizacji jest społeczność ekspertów, której struktura jest płaska. Każdy uczestnik jest ekspertem w danej dziedzinie i za nią odpowiada. Agenci współpracują poprzez wzajemne dopasowanie proponowanych rozwiązań. Bardzo popularną strukturą organizacyjną jest rynek, w którym nie ma centralnego zarządzania, a agenci konkurują o zasoby i zadania. Interakcja zachodzi poprzez proponowanie ceny za daną usługę lub zasób, a koordynacja polega na dopasowaniu cen. Społeczność naukowa stanowi zdecentralizowaną organizację. Każdy agent proponuje 15

16 swoje rozwiązanie zadania, które jest następnie weryfikowane, poprawiane lub kwestionowane Standardy FIPA Organizacja FIPA (ang. Foundation for Intelligent Physical Agent) [11], która jest częścią IEEE (ang. Institute of Electrical and Electronics Engineers), została powołana w celu opracowania standardów w dziedzinie systemów agentowych. W wyniku powstał język komunikacji FIPA-ACL (opisany w 1.3.1), języki treści komunikatów (m.in. FIPA-SL) oraz szereg innych standardów związanych z warstwą transportową wiadomości, modelami interakcji, zarządzaniem agentami oraz abstrakcyjną architekturą agenta. Najważniejszym wynikiem prac FIPA są ustandaryzowane metody komunikacji między agentami. Podobnie jak w modelu OSI czy TCP/IP zdefiniowane są warstwy (istniejące w ramach warstwy aplikacji modelu OSI): warstwa transportowa zostały zdefiniowane protokoły transportu wiadomości dla protokołów: IIOP, WAP oraz HTTP, warstwa kodująca wiadomość może być zapisana w formacie XML, String albo Bit-Efficient (wykorzystywany przy niskiej przepustowości łączy), warstwa wiadomości wiadomość w języku FIPA-ACL, warstwa ontologii definicja terminologii używanej w danej dziedzinie zastosowań, warstwa treści treść wiadomości wyrażona w, np. FIPA-SL, warstwa performatywu typ wiadomości (jeden z 22 możliwych performatyw), warstwa protokołu interakcji, która określa kontekst wiadomości (m.in. FIPA Request Protocol, FIPA Cancel Meta Protocol oraz FIPA Contract Net Protocol). W ramach standardów FIPA została również zdefiniowana abstrakcyjna platforma (ang. Agent Platform), w której działa agent, składająca się z modułu zarządzającego (ang. Agent Management System), modułu listy ogłoszeniowej (ang. Directory Facilitator) oraz komponentu odpowiadającego za transport wiadomości (ang. Message Transport Service). Moduł zarządzający odpowiada za cykl życia agenta (posiadającego unikalny identyfikator - AID, który jest przydzielony przez ten moduł), migrację między platformami oraz utrzymuje listę wszystkich podmiotów w środowisku. Agent przy wejściu do środowiska musi się zarejestrować, tak samo przy wyjściu musi nastąpić wyrejestrowanie. Moduł zarządzający może zarządać przerwania działania agenta. Lista ogłoszeniowa (ang. yellow pages) stanowi katalog udostępnianych przez agentów usług. Moduł transportujący odpowiada za transport wiadomości od nadawcy do adresata. Standardy FIPA są implementowane przez szereg języków oraz szkieletów (ang. frameworks) agentowych (tabela 1.1), dzięki czemu podmioty działające na różnych platformach mogą się ze sobą komunikować i współpracować [6]. 16

17 1.5. Narzędzia, języki oraz platformy agentowe W ciągu ostatnich lat powstało wiele rozwiązań w obszarze rozproszonego przetwarzania i komunikacji, takie jak: CORBA (ang. Commmon Object Request Broker Architecture), Java RMI (ang. Remote Method Invocation), DCOM (ang. Distributed Component Object Model), SOAP (ang. Simple Object Access Protocol) czy Java EE (ang. Enterprise Edition). Żadna z tych technologii nie zapewnia jednak wysokopoziomowych abstrakcji i narzędzi dla systemów agentowych (np. język komunikacji, architektura agenta, platforma agentowa), które ułatwiłyby projektowanie i implementację takich systemów. Pierwsze platformy oraz języki agentowe powstały w środowisku akademickim, jako narzędzia do badań nad architekturą wieloagentową i jej zastosowaniami. Wraz z powstaniem standardów FIPA, powstały nowe projekty, komercyjne i otwarte (ang. open source) przeznaczone do zastosowań przemysłowych. Tabela 1.1 przedstawia wybrane otwarte języki i szkielety (ang. frameworks) agentowe, z których większość jest zgodna ze standardami organizacji FIPA (a więc, na przykład, jest możliwa komunikacja między agentami działającymi w ramach dwóch platform np. JADE i Mobile-C). Nazwa Uwagi Język implementacji agentów JADE 1 Zgodny z FIPA Java Mobile-C Zgodny z FIPA C/C++ SPADE Zgodny z FIPA Python Jason Niezgodny z FIPA AgentSpeak Jadex Zgodny z FIPA; oparty na JADE Java JACK Zgodny z FIPA; projekt komercyjny rozszerzona Java 3APL 2 Język programowania JIAC 3 Zgodny z FIPA Java ADK 4 Zgodny z FIPA Java Tabela 1.1. Wybrane języki i szkielety agentowe Poniżej zostały omówione dwie przykładowe platformy agentowe. JADE JADE [18] to otwarta platforma zapewniająca infrastrukturę i podstawową funkcjonalność dla systemów agentowych. Dzięki wykorzystaniu obiektowego języka Java, zarówno do programowania agentów i zaimplementowania samego szkieletu, możliwe jest użycie wielu bibliotek oraz narzędzi dostępnych w tym środowisku bez potrzeby poznawania specyficznych i ograniczonych tylko do zastosowań agentowych narzędzi (np. 4 Java Agent Development Framework 4 Artificial Autonomous Agents Programming Language 4 Java Intelligent Agent Compontentware 4 Agent Development Kit 17

18 3APL). Oparcie się na popularnym języku programowania umożliwia też rozszerzanie platformy jest to jedno z założeń projektowych jądra systemu. Funkcjonalność platformy to przede wszystkim: w pełni rozproszony system agentowy, gdzie każdy agent jest osobnym wątkiem, który może rezydować na innej maszynie i jest w stanie komunikować się z innymi podmiotami niezależnie od ich położenia, zgodność ze standardami FIPA, efektywna i asynchroniczna komunikacja, dzięki węwnętrznej reprezentacji wiadomości, która, w przypadku komunikacji między platformami, jest konwertowana do formatu zgodnego z FIPA, lista ogłoszeniowa (ang. yellow pages) oraz rejestr agentów (ang. white pages), wsparcie dla mobilności agentów między węzłami platformy, narzędzia do odpluskwiania (ang. debugging) i śledzenie stanu agenta, wiadomości pomiędzy podmiotami oraz stanu systemu, biblioteka protokołów interakcji, integracja z technikami internetowymi, np. JSP (ang. Java Server Pages), serwletami oraz Web Service, wsparcie dla platform mobilnych (J2ME). Rysunek 1.6. Architektura JADE Rysunek 1.6 przedstawia główne elementy architektury platformy JADE. Agenci są osadzeni w kontenerach (osobnych procesach), które zapewniają usługi potrzebne do wykonywania programu. Główny kontener zarządza tablicą kontenerów (CT), globalną tablicą deskryptorów agentów (GADT) i przechowuje agenta listy ogłoszeniowej (DF) oraz agenta rejetrowego (AMS). Każdy z pozostałych kontenerów przechowuje lokalną kopię tablicy deskryptorów (GADT cache) oraz lokalną tablicę desktryptorów agentów, którzy są osadzeni w danym kontenerze (LADT). Komunikacja pomiędzy agentami JADE opiera się na IMTP (ang. Internal Message Transport Protocol), natomiast na zewnątrz udostępniony jest zgodny ze standardami FIPA mechanizm MTP (ang. Message Transport Protocols). 18

19 Mobile-C Mobile-C [32] jest otwartą platformą agentową znajdującą zastosowania w systemach czasu rzeczywistego, w których wymagana jest nisko poziomowa obsługa sprzętu i występują ograniczenia zasobów (np. ze względu na korzystanie z zasilania bateriami). Przykładem takich zastosowań jest system zarządzania ruchu na drogach w czasie rzeczywistym (wyposażony w czujniki sprzętowe) [5] albo grupy współpracyjących robotów. W implementacji platformy oraz do programowania agentów Mobile-C korzysta z języków C i C++ (wraz z wieloma konstrukcjami języka np. synchronizacją) oraz interpretera tych języków Ch (wspierający oba języki oraz wiele bibliotek programistycznych, np. SQLite, POSIX itp.) [8], który może być wbudowany w system. Ponadto ważną cechą platformy jest funkcjonalność migracja agentów pomiędzy węzłami, która dzięki interfejsowi programistycznemu jest prosta i efektywna. Jako, że Mobile-C został zaprojektowany, m.in. do zastosowań w systemach wbudowanych, nie pochłania wielu zasobów, takich jak przestrzeń dyskowa czy pamięć operacyjna. Rysunek 1.7. Architektura Mobile-C Na rysunku 1.7 przedstawiono architekturę platformy Mobile-C składającą się z wielu kontenerów (Agency), które są środowiskiem uruchomieniowym dla agentów: stacjonarnych (SA) i mobilnych (MA). Podstawowym komponentem jest zarządca systemu (ang. Agent Management System) zarządzający cyklem życia agentów oraz przydzielający unikalne identyfikatory. Komunikację (wewnętrzną i zewnętrzną) zapewnia moduł komunikacyjny (ang. Agent Communication Channel), który wysyła i odbiera wiadomości w języku FIPA ACL. Agent Execution Engine to komponent, w którym osadzeni są mobilni agenci. Bezpieczeństwo systemu (między innymi migracji agentów oraz komunikacji) zapewnia zarządca bezpieczeństwa (ang. Agent Security Manager). 19

20 1.6. Przykład Architektura agentowa dzięki swoim zaletom znalazła zastosowanie w wielu dziedzinach. Gromadzenie i przetwarzanie informacji w sieciach komputerowych (internet), kontrola ruchu pojazdów czy sterowanie produkcją [23] to nieliczne przykłady, gdzie wykorzystuje się wielu agentów współpracujących ze sobą. Wraz z postępem technicznym (procesory wielordzeniowe, nowe narzędzia i platformy zorientowane agentowo) oraz powstaniem sieci informatycznych (która ze swej natury jest rozproszona i stanowi obszar intensywnego wykorzystania systemów agentowych), a także dzięki rozwojowi metod projektowania (np. Gaia [31]) i implementacji, systemy oparte na architekturze agentowej stają się coraz popularniejsze i szerzej wykorzystywane. Praktycznie wykorzystywanym przykładem takiego rozwiązania jest OASIS [25] - system kontroli lotów wykorzystywany na lotnisku w Sydney. ADAM - utrzymywanie i administracja bazami danych Bazy danych stanowią jeden z kluczowych składników większości systemów informatycznych. Obecnie wraz ze wzrostem ich wielkości i liczby, wzrasta zapotrzebowanie na administratorów baz danych (DBA - ang. database administrator), którzy wykonują zadania konserwujące i utrzymujące zbiory danych wraz z infrastrukturą. Producenci dostaraczający systemy zarządzania bazami danych (SZBD - ang. DBMS), Microsoft (SQL Server), IBM (DB2) Oracle (Oracle 10g) prowadzą badania nad automatyzacją (wbudowaną w SZBD) zadań administracyjnych [14], żeby wyręczyć osobę administrującą w najprostszych czynnościach. Innym podejściem jest ADAM (ang. A MAS for autonomous database administration and maintenance), system agentowy do niezależnego administrowania i utrzymywania baz danych [42], [41], [40]. Zaimplementowany na bazie JADE (ang. Java Agent Development Environment) oraz Oracle 8.1.7, system ma za zadanie zautomatyzowanie pracy administratora, poprzez: monitorowanie bazy danych i powiadamianie o problemach z brakiem miejsca oraz fragmentacją danych, identyfikowanie pofragmentowanych obiektów (tabeli, itp.), analizowanie statystyk obiektów, przeprowadzanie defragmentacji i tworzenie kopii zapasowych, tworzenie raportów dla administratora. ADAM został zaprojektowany przy wsparciu Gaia - metodyki projektowania systemów agentowych [31]. Wyróżniono trzy podstawowe typu agentów: DBMonitor, ObjectMonitor, BackupRec oraz modele interakcji pomiędzy nimi. Agent typu DBMonitor (rys. 1.8) jest odpowiedzialny za monitorowanie plików logów oraz rozgłaszanie i przekazywanie informacji o pojawiających się błędach związanych z fragmentacją lub brakiem miejsca. Agent przechowuję wiedze, dzięki której jest wstanie przypisać typ błędu (i przesłać informacje) do agenta, który jest odpowiedzialny za jego 20

21 obsługę. W przypadku braku informacji o odpowiedzialnej jednostce agent rozgłasza wiadomość o błędzie do wszystkich podmiotów w systemie. Rysunek 1.8. DBMonitor - zadania i interakcja agenta Agent ObjectMonitor (rys. 1.9) zajmuje się zbieraniem statystyk, identyfikowaniem pofragmentowanych tabel oraz obiektów w bazie danych, koordynacją tworzenia kopii zapasowej i defragmentacją. Ponadto agent reaguje na informacje o błędach przesyłane przez DBMonitor. W przypadku możliwości wystąpienia błędu braku miejsca (nagły wzrost wielkości tabeli) lub nadmiaru przydzielonego miejsca, podmiot typu ObjectMonitor aktywnie zapobiega takim sytuacjom, samodzielnie wykonując potrzebne zadania lub przydzielając je agentowi BackupRec. Wpływ na działanie ObjectMonitor ma administrator, który może określać reguły zachowania w danych przypadkach. Rysunek 1.9. Zadania i interakcja agenta typu ObjectMonitor Tworzenie kopii zapasowych oraz odtwarzanie danych po awarii leżą w gestii agenta BackupRec, który koordynuje, tworzy plany i zbiera statystyki przeprowadzonych działań. 21

22 Podsumowując należy stwierdzić, że system ADAM jest udaną próbą zbudowania systemu zarządzającego i monitorującego bazy danych. Ma on za zadanie przeprowadzać najprostsze czynności konserwujące automatycznie. Dzięki zastosowaniu architektury agentowej możliwa jest prosta rozbudowa systemu nowa funkcjonalność może być implementowana jako kolejne typy agentów.

23 Rozdział 2 SOA - Architektura zorientowana na usługi 2.1. Wstęp Komputery oraz techniki informatyczne są powszechnie wykorzystywane w korporacjach, firmach, instytucjach finansowych oraz rządowych zaangażowanych w gospodarkę. Takie języki programowania jak zaprojektowany w latach 60-tych COBOL (ang. Common Business-Oriented Language), który jest wykorzystywany w 80% firm na Świecie [9], JAVA, C#, C++ i wiele innych, bazy danych przechowujące terabajty danych czy systemy informatyczne działające w oparciu o internet zmieniły sposób działania przedsiębiorstw i obecnie są w użyciu niemal w każdej organizacji nastawionej na zysk. Jednym z wyzwań związanym z wytwarzaniem oprogramowania na potrzeby przedsiębiorstw jest presja na coraz szybsze dostarczanie nowych programów oraz potrzeba dużej elastyczności ze strony programistów i architektów informatycznych. Wymagania biznesowe zmieniają się dynamicznie wraz z warunkiami rynkowymi działania firm oraz otoczeniem biznesowym. Z drugiej strony w przedsiębiorstwach istnieją już najczęściej rozwiązania informatyczne, które jako długoterminowa inwestycja, były rozwijane, przeszły fazę implementacji, testowania oraz wdrożenia i są stabilną podstawą dotychczasowego działania danej firmy. Takie programy są najczęściej zintegrowane ze sobą i tworzą systemy rozproszone (ang. distributed systems), który w sposób całościowy i kompleksowy obsługują dane przedsiębiorstwo. Tak więc dział IT odpowiedzialny za informatyzację musi wykazać się elastycznością i możliwością szybkiego dostarczenia nowych rozwiązań przy jednoczesnym bagażu skomplikowanych (bo rozproszonych), istniejących systemów informatycznych (ang. legacy systems). Architektura zorientowana na usługi (ang. Service-oriented architecture, w skrócie SOA) jest odpowiedzią na problem integracji istniejących programów oraz szybki i elastyczny rozwój nowych rozwiązań informatycznych w przedsiębiorstwach. Jest to sposób projektowania i zarządzania systemami informatycznymi, dzięki któremu możliwa jest 23

24 elastyczność i skalowalność (ang. scalability) oraz współpraca pomiędzy cześciami firmy zajmującymi się budową oprogramowania i działalnością operacyjną przedsiębiorstwa. Istnieje wiele definicji architektury zorientowanej na usługi (SOA), w tej pracy przyjęto następującą: Architektura zorientowana na usługi zapewnia elastyczność poprzez traktowanie elementów procesów biznesowych oraz związanej z nimi infrastruktury IT i oprogramowania jako bezpieczne, ustandaryzowane komponenty - usługi (ang. services), które mogą być wielokrotnie użyte i łączone w większe usługi, w celu zaspokojenia zmieniających się potrzeb przedsiębiorstwa. [35] W tej definicji można wyróżnić trzy główne elementy: usługi, zaimplementowane w dowolnej technologii, które reprezentują jedną funkcjonalność biznesową (np. przyjęcie zamówienia lub wysłanie go) i są częścią procesów biznesowych, infrastrukturę IT i oprogramowanie, czyli korporacyjną magistralę usług (ang. Enterprise Service Bus, w skrócie ESB), procesy oraz polityka zarządzania różnorodnym systemem rozproszonym, jaki powstaje w przedsiębiorstwie. Architektura zorientowana na usługi nie ogranicza się do zaproponowania nowego standardu, szkieletu aplikacji czy biblioteki, jest to raczej paradygmat tworzenia oprogramowania, w którym nadrzędną rolę spełniają procesy biznesowe, zarządzanie oraz kultura danej organizacji, a konkretna architektura jest wynikiem powyższych czynników. Z technicznego punktu widzenia najważniejsze aspekty architektury zorientowanej na usługi to: usługi, łatwa możliwość integracji i współpracy pomiędzy systemami, luźne wiązanie, które ogranicza zależności pomiędzy poszczególnymi usługami przy jednoczesnym zapewnieniu elastyczności, skalowalności oraz odporności na błędy. SOA nie jest gotowym standardem ani produktem, który można kupić i wdrożyć w przedsiębiorstwie. Jest to zbiór metod projektowania oprogramowania. Efektywne wprowadzenie tych nowych metod wymaga strategicznych decyzji oraz działania na poziomie całego przedsiębiorstwa i jest związana ze zmianą modelu biznesowego prowadzenia działalności. Głównymi obszarami zmian jest infrastuktura IT - wprowadzenie korporacyjnej magistrali usług, która umożliwia integrację różnorodnych systemów i powinna zapewniać dodatkową funkcjonalność (transformację danych, trasowanie, zarządzanie usługami, monitorowanie itp.). Innym ważnym czynnikiem jest określenie ram architektury, interfejsów, reguł, wzorców, ról i odpowiedzialności, czyli opracowanie strategii implementacji usług. Kolejną rzeczą jest zdefiniowanie procesów: modelowania procesów biznesowych, czyli dekompozycja procesów biznesowych na poszczególne usługi, ustalenie cyklu życia usług (an. service lifecycle) oraz projektowanie w oparciu o modele (ang. model-driven software development). Wreszcie bardzo ważne we wdro- 24

25 żeniu architektury zorientowanej na usługi w danym przedsiębiorstwie jest zarządzanie SOA Geneza 2.3. Opis BPEL - język wykonywania procesów biznesowych ESB - magistrala usług Przegląd istniejących systemów SOA Monitorowanie systemów opartych na SOA...

26 Bibliografia [1] Adam Farquhar, Richard Fikes, James Rice. The Ontolingua Server: a Tool for Collaborative Ontology Construction. In International Journal of Human-Computer Studies, [2] AgentLink - European Co-Ordination Action For Agent-Based Computing. [3] Anand S. Rao, Michael P. Georgeff. BDI-Agents: From Theory to Practice. In Proceedings of the First Intl. Conference on Multiagent Systems, [4] Ben Margolis. SOA for the Business Developer: Concepts, BPEL, and SCA (Business Developers series). Mc Press, [5] Bo Chen, Harry H. Cheng, Joe Palen. Agent-based real-time computing and its applications in traffic detection and management systems. In ASME 24th Computers in Engineering Conference. American Society of Mechanical Engineers: New York, [6] Bo Chen, Harry H. Cheng, Joe Palen. Mobile-C: a mobile agent platform for mobile C/C++ agents, [7] Brian Henderson-Sellers, Paolo Giorgini. Agent-Oriented Methodologies. Idea Group Publishing, [8] Ch Interpreter for C/C++. [9] Charles Townsend. Future of COBOL. Technical report, LegacyJ, [10] Fabio Bellifemine, Giovanni Caire, Dominic Greenwood. Developing Multi-Agent Systems with JADE. John Wiley & Sons, [11] FIPA - Foundation for Intelligent Physical Agents. [12] FIPA. FIPA ACL Message Structure Specification, [13] Gerhard Weiss. Multiagent Systems: A Modern Approach to Distributed Artificial Intelligence. The MIT Press, [14] Guy M. Lohman, Sam S. Lightstone. SMART: Making DB2 (More) Autonomic. In VLDB th International Conference on Very Large Data Bases, [15] Ha Mahalingam, Michael N. Huhns. An ontology tool for distributed information environments. IEEE Computer, 30:80 83, [16] SOA and Web services: IBM technical resources for Web services and SOA. [17] Innes A. Ferguson. TouringMachines: Autonomous Agents with Attitudes. IEEE Computer, 25, [18] JADE - Java Agent Development Framework. [19] Jeff Davis. Open Source SOA. Manning Publications,

27 [20] John L. Austin. How to do things with Words. Oxford: Clarendon, [21] John R. Searle. Speech Acts: An Essay in the Philosophy of Language. Cambridge University Press, [22] Juhua Wu. Contract Net Protocol for Coordination in Multi-Agent System. Intelligent Information Technology Applications, 2007 Workshop on, 2, [23] Katia P. Sycara. Multiagent Systems. AI magazine, 19(2), [24] Keith Decker, Anandeep Pannu, Eep Pannu, Katia Sycara, Mike Williamson. Designing Behaviors for Information Agents. In Proceedings of the 1st Intl. Conf. on Autonomous Agents, pages ACM Press, [25] Magnus Ljungberg, Andrew Lucas. The OASIS Air Traffic Management System. In Proceedings of the Second Pacific Rim International Conference on AI (PRICAI-92), [26] Michael E. Bratman. Intentions, Plans and Practical Reason. Harvard University Press: Cambridge, [27] Michael P. Georgeff, Amy L. Lansky. Reactive reasoning and planning. In Proceedings of the Sixth National Conference on Artificial Intelligence (AAAI-87), [28] Michael R. Genesereth, Richard E. Fikes. Knowledge Interchange Format. Version 3.0. Reference Manual, [29] Michael Wooldridge. An Introduction to MultiAgent Systems. John Wiley & Sons, [30] Nicholas R. Jennings Michael Wooldridge. Intelligent agents: Theory and practice. Knowledge Engineering Review, 10: , [31] Michael Wooldridge, Nicholas R. Jennings, David Kinny. The Gaia Methodology for Agent-Oriented Analysis and Design. Autonomous Agents and Multi-Agent Systems, 3(3), September [32] Mobile-C web page. [33] Nicholas R. Jennings. Agent-Based Computing: Promise and Perils. In 16th Int. Joint Conf. on Artificial Intelligence (IJCAI-99), [34] Nicolai Josuttis. Soa in Practice: The Art of Distributed System Design. O Reilly Media, [35] Norbert Bieberstein, Sanjay Bose, Marc Fiammante, Keith Jones, Rawn Shah. Service-Oriented Architecture Compass: Business Value, Planning, and Enterprise Roadmap. Prentice Hall, [36] Paul Brown. Implementing SOA: total architecture in practice. Addison-Wesley Professional, [37] Rafael H. Bordini, Mehdi Dastani, Michael Winikoff. Engineering Societies in the Agents World VII, volume 4457/2007 of Lecture Notes in Computer Science, chapter Current Issues in Multi-Agent Systems Development. Springer Berlin / Heidelberg, [38] SAP AG. SOA - what does it take? A closer llok at successful SOA implementations. Broszura informacyjna. [39] Stuart J. Russell, Peter Norvig. Artificial Intelligence: A Modern Approach. Prentice Hall, [40] Sunitha Ramanujam, Miriam A.M. Capretz. Augmenting database management: A multi-agent approach. Journal of Three-Dimensional Images, 17(4), [41] Sunitha Ramanujam, Miriam A.M. Capretz. Design of a multi-agent system for autonomous database administration. In Proceedings of the 17th Annual Canadian Conference on Electrical and Computer Engineering (CCECE 2004), [42] Sunitha Ramanujam, Miriam A.M. Capretz. ADAM: A Multi-Agent System for Autonomous Database Administration and Maintenance. International Journal of Intelligent Information Technologies, 1(3), July - September