ĐẠI HỌC ĐÀ NẴNG: Nghiên Cứu và Xây Dựng Mô Hình Đa Tác Tử Đa Mức Giám Sát Hệ Thống Phức Tạp

• Tác giả: Đinh Thị Hồng Huyên
• Người hướng dẫn: Hoàng Thị Thanh Hà
• Trường học: Trường Đại Học Bách Khoa - Đại Học Đà Nẵng
• Chuyên ngành: Khoa Học Máy Tính
• Đề tài: Nghiên Cứu Và Xây Dựng Mô Hình Đa Tác Tử Đa Mức Giám Sát Hệ Thống Phức Tạp
• Loại tài liệu: Luận Án Tiến Sĩ
• Năm xuất bản: 2024
• Địa điểm: Đà Nẵng

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• DANH MỤC CÁC TỪ VIẾT TẮT
• MỤC LỤC
• DANH MỤC CÁC BẢNG BIỂU
• DANH MỤC CÁC HÌNH VẼ
• 1. MỞ ĐẦU
• 2. TỔNG QUAN VỀ HỆ THỐNG ĐA TÁC TỬ VÀ ỨNG DỤNG
• 2.1. Hệ thống phức tạp
• 2.2. Tổng quan về hệ thống phức tạp
• 2.3. Hệ thống phức tạp đa quy mô
• 2.4. Đám đông - Một ví dụ về hệ thống phức tạp
• 2.5. Hệ thống đa tác tử (MAS)
• 2.6. Các khái niệm về hệ thống đa tác tử
• 2.7. Cấu trúc AEIO
• 2.8. Nghiên cứu và ứng dụng của MAS
• 2.9. Các lĩnh vực nghiên cứu của MAS
• 2.10. Mô hình đa tác tử mô hình hóa hệ thống phức tạp
• 2.11. Mô hình Tác tử - Nhóm – Vai trò (AGR)
• 2.12. Mô hình Swarm
• 2.13. Mô hình MMASS
• 2.14. Mô hình GEAMAS
• 2.15. Mô hình HOMASCOW
• 2.16. Mô hình MAS-R
• 2.17. Mô hình nhóm đa tác tử
• 2.18. Mô hình đa tác tử mô hình hóa đám đông
• 2.19. Mô hình hóa hành vi đám đông
• 2.20. Các mô hình đám đông
• 2.21. Kết chương
• 3. XÂY DỰNG MÔ HÌNH ĐA TÁC TỬ ĐA MỨC
• 3.1. Phân tích đặc trưng của MAS đa mức
• 3.2. Kiến trúc tác tử
• 3.3. Bản chất kiểm soát
• 3.4. Cấu trúc của MAS
• 3.5. Mô hình đa tác tử đa mức MAS-GiG
• 3.6. Mô hình MAS-GiG theo cấu trúc AEIO
• 3.7. Cấu trúc đa mức của mô hình MAS-GiG
• 3.8. Mô hình MAS-GiG mô hình hóa đám đông
• 3.9. Mô tả các thành phần theo cấu trúc AEIO
• 3.9.1. Môi trường
• 3.9.2. Thuộc tính cấu trúc AEIO đa mức
• 3.10. Kết chương
• 4. ỨNG DỤNG MÔ HÌNH MAS-GiG GIÁM SÁT VÀ LẬP KẾ HOẠCH SƠ TÁN ĐÁM ĐÔNG KHI CÓ CHÁY
• 4.1. Giám sát di chuyển
• 4.2. Lập kế hoạch sơ tán
• 4.3. Các luật di chuyển
• 4.4. Lan truyền thông tin cháy
• 4.5. Lập kế hoạch sơ tán hành khách khi có cháy
• 4.6. Mô tả bài toán
• 4.7. Mô tả bài toán ứng dụng dưới dạng bài toán tối ưu
• 4.8. Ứng dụng mô hình MAS-GiG để giám sát và lập kế hoạch sơ tán
• 4.9. Đề xuất phương pháp giải quyết bài toán ứng dụng
• 4.10. Áp dụng mô hình MAS-GiG cho bài toán ứng dụng
• 4.11. Bốn bài toán hỗ trợ trong giám sát và lập kế hoạch sơ tán
• 4.12. Minh họa lập kế hoạch sơ tán hành khách tại sảnh khởi hành bay
• 4.13. Minh họa tiến trình thực hiện kế hoạch sơ tán
• 4.14. Minh họa các bước lập kế hoạch sơ tán
• 4.15. Kết chương
• 5. THIẾT KẾ, XÂY DỰNG VÀ THỰC NGHIỆM MÔ HÌNH MAS-GiG TRÊN NỀN TẢNG MASH
• 5.1. Nền tảng mô phỏng MASH
• 5.2. Tổng quan về nền tảng mô phỏng MASH
• 5.3. Cấu trúc dữ liệu của tác tử trong MASH
• 5.4. Tương tác trong MASH
• 5.5. Xây dựng framework cho ứng dụng
• 5.6. Thiết kế framework cho ứng dụng
• 5.7. Thiết kế chi tiết
• 5.7.1. Thiết kế các đối tượng thuộc môi trường
• 5.7.2. Thiết kế tác tử
• 5.8. Thực nghiệm ứng dụng
• 5.8.1. Xây dựng dữ liệu cho thực nghiệm
• 5.8.2. Dữ liệu hành khách
• 5.8.3. Các thông số môi trường
• 5.8.4. Thực nghiệm phương pháp đề xuất
• 5.8.5. Thực nghiệm trong phạm vi một phòng chờ
• 5.8.6. Thực nghiệm trong phạm vi hai phòng chờ
• 5.8.7. Thực nghiệm trong phạm vi sảnh khởi hành
• 5.9. Đánh giá mô hình và phương pháp đề xuất
• 5.9.1. Đánh giá về khía cạnh lý thuyết
• 5.9.2. Đánh giá về kỹ thuật lập mô hình
• 5.9.3. Phương pháp sơ tán tự động
• 5.9.4. Phương pháp sơ tán dựa vào lưới các tuyến đường
• 5.9.5. Phương pháp sơ tán kết hợp
• 5.9.6. Đánh giá bằng thực nghiệm
• 5.9.6.1. Phạm vi một phòng chờ
• 5.9.6.2. Phạm vi bốn phòng chờ (sảnh khởi hành)
• 5.10. Kết chương
• DANH MỤC CÁC CÔNG TRÌNH NGHIÊN CỨU CỦA TÁC GIẢ
• TÀI LIỆU THAM KHẢO

I. Tổng Quan Mô Hình Đa Tác Tử Hệ Thống Phức Tạp

Hệ thống phức tạp đã trở thành một chủ đề nghiên cứu quan trọng trong nhiều thập kỷ, thu hút sự quan tâm của các nhà khoa học trên toàn thế giới. Tính 'phức tạp' thay đổi theo từng lĩnh vực, và cách tiếp cận giải quyết vấn đề cũng khác nhau. Các ví dụ điển hình bao gồm bộ não con người, nền kinh tế toàn cầu, hệ sinh thái, Internet, xã hội loài người, khí hậu toàn cầu, mạng lưới điện, hệ thống giao thông và đám đông. Đặc trưng của các hệ thống này bao gồm nhiều thành phần, tính không đồng nhất, khả năng biến đổi liên tục, sự đa dạng và đặc biệt là tính đa quy mô. Các tương tác cục bộ giữa các bộ phận trong hệ thống tạo ra những hành động tự phát, một quá trình không chịu sự kiểm soát từ bên ngoài. Quá trình này phi tập trung, phân tán trên tất cả các thành phần của hệ thống. Hệ thống phức tạp có nhiều cấp độ tổ chức phân cấp, thể hiện các quy tắc và hành vi của các thành phần. Các hành vi này khó dự đoán và không thể kiểm soát, tạo ra các hiện tượng trồi sinh thông qua cơ chế tự tổ chức. Nghiên cứu hệ thống phức tạp là rất quan trọng để hiểu cách chúng hoạt động và tương tác, từ đó tạo ra các giải pháp hiệu quả hơn, dự đoán và kiểm soát các hành vi không mong muốn, tối ưu hóa hoạt động và tài nguyên, giảm thiểu chi phí và rủi ro. Phương pháp nghiên cứu bao gồm phân tích, mô hình hóa và mô phỏng các tương tác giữa các thành phần, mô tả đa quy mô, cơ chế hình thành tổ chức, tính kết nối và phân cấp kiểm soát.

1.1. Hệ Thống Phức Tạp Đa Quy Mô Khái Niệm và Đặc Điểm

Các hệ thống phức tạp đa quy mô là một dạng đặc biệt của hệ thống phức tạp, nơi các hiện tượng và tương tác diễn ra ở nhiều cấp độ khác nhau, từ vi mô đến vĩ mô. Điều này đòi hỏi các phương pháp nghiên cứu và mô hình hóa phức tạp hơn để có thể nắm bắt được sự liên kết và ảnh hưởng lẫn nhau giữa các cấp độ. Ví dụ, trong một đám đông, hành vi của từng cá nhân (vi mô) ảnh hưởng đến luồng di chuyển và mật độ tổng thể của đám đông (vĩ mô), và ngược lại. Hiểu được những đặc điểm này là chìa khóa để xây dựng mô hình đa tác tử hiệu quả.

1.2. Mô Hình Đa Tác Tử MAS Công Cụ Nghiên Cứu Hệ Thống

Mô hình đa tác tử (MAS) là một phương pháp mạnh mẽ để mô hình hóa và mô phỏng các hệ thống phức tạp, trong đó hệ thống được biểu diễn bởi một tập hợp các tác tử tự động tương tác với nhau và với môi trường. Các tác tử có thể có các thuộc tính, hành vi và quy tắc riêng, và sự tương tác giữa chúng tạo ra các hiện tượng trồi sinh mà khó có thể dự đoán được từ các thành phần riêng lẻ. MAS được sử dụng rộng rãi trong nhiều lĩnh vực, bao gồm giao thông, kinh tế, xã hội và sinh học. Luận án này tập trung vào việc sử dụng MAS để nghiên cứu và xây dựng đa mức giám sát cho hệ thống phức tạp.

1.3. Cấu Trúc AEIO Nền Tảng Cho MAS trong Luận Án

Cấu trúc AEIO (Agent, Environment, Interaction, Organization) được sử dụng làm nền tảng cho việc xây dựng mô hình đa tác tử trong luận án. Agent (Tác tử) đại diện cho các thực thể tự động, Environment (Môi trường) là không gian mà các tác tử hoạt động, Interaction (Tương tác) mô tả cách các tác tử giao tiếp và ảnh hưởng lẫn nhau, và Organization (Tổ chức) định nghĩa cấu trúc và quy tắc quản lý các tác tử. Việc sử dụng AEIO giúp hệ thống hóa quá trình mô hình hóa và đảm bảo tính rõ ràng, dễ hiểu của mô hình.

II. Thách Thức Giám Sát Đa Mức Hệ Thống Phức Tạp

Việc giám sát hệ thống phức tạp đặt ra nhiều thách thức đáng kể. Các hệ thống này thường có tính phi tuyến, không thể dự đoán trước và chịu ảnh hưởng bởi nhiều yếu tố khác nhau. Các phương pháp giám sát truyền thống có thể không hiệu quả trong việc đối phó với sự phức tạp này. Cần có các phương pháp mới có thể nắm bắt được sự tương tác phức tạp giữa các thành phần, phát hiện các mẫu và xu hướng tiềm ẩn, và đưa ra các quyết định dựa trên thông tin thời gian thực. Luận án này tập trung vào việc phát triển một mô hình đa tác tử đa mức giám sát để giải quyết những thách thức này, đặc biệt trong bối cảnh sơ tán đám đông khẩn cấp. Tính đa mức giám sát cho phép quan sát hệ thống từ nhiều góc độ khác nhau, từ đó cung cấp cái nhìn toàn diện và chính xác hơn.

2.1. Sự Phức Tạp và Tính Phi Tuyến trong Hệ Thống

Hệ thống phức tạp thường có tính phi tuyến, nghĩa là một thay đổi nhỏ ở một thành phần có thể dẫn đến những thay đổi lớn và không thể đoán trước ở toàn bộ hệ thống. Điều này gây khó khăn cho việc dự đoán và kiểm soát hành vi của hệ thống. Ví dụ, trong một đám đông, một sự hoảng loạn nhỏ có thể nhanh chóng lan rộng và gây ra tình trạng hỗn loạn. Các thuật toán giám sát cần phải được thiết kế để đối phó với tính phi tuyến và sự không chắc chắn này.

2.2. Giám Sát Thời Gian Thực Yêu Cầu Cấp Thiết Cho Ứng Dụng

Trong nhiều ứng dụng thực tế, đặc biệt là trong các tình huống khẩn cấp, việc giám sát hệ thống cần phải được thực hiện trong thời gian thực. Điều này đòi hỏi các phương pháp giám sát có khả năng xử lý dữ liệu lớn và đưa ra quyết định nhanh chóng. Ví dụ, trong trường hợp sơ tán đám đông khi có cháy, cần phải giám sát luồng di chuyển của đám đông và phát hiện các tắc nghẽn để có thể điều chỉnh kế hoạch sơ tán một cách kịp thời. Việc phân tích dữ liệu và kiểm soát hệ thống phải được thực hiện một cách hiệu quả.

2.3. Thách thức về thu thập và xử lý dữ liệu trong hệ thống phân tán

Việc thu thập và xử lý dữ liệu từ các hệ thống phân tán, chẳng hạn như đám đông trong một sân bay, đặt ra những thách thức đáng kể. Dữ liệu có thể đến từ nhiều nguồn khác nhau (camera, cảm biến, thiết bị di động) và có thể có định dạng và chất lượng khác nhau. Cần có các phương pháp tích hợp dữ liệu hiệu quả và các kỹ thuật xử lý dữ liệu tiên tiến để có thể trích xuất thông tin có giá trị từ dữ liệu này.

III. Cách Tiếp Cận Xây Dựng Mô Hình MAS GiG Đa Mức Giám Sát

Luận án này đề xuất một cách tiếp cận mới để giải quyết những thách thức trên bằng cách xây dựng mô hình đa tác tử đa mức MAS-GiG. Mô hình này kết hợp các ưu điểm của mô hình đa tác tử với khả năng giám sát hệ thống từ nhiều cấp độ khác nhau. Cấu trúc GiG (Group-in-Group) cho phép mô hình hóa các nhóm tác tử ở các cấp độ khác nhau, từ đó phản ánh cấu trúc phân cấp của hệ thống phức tạp. Việc xây dựng mô hình MAS-GiG dựa trên cấu trúc AEIO giúp đảm bảo tính rõ ràng và dễ hiểu của mô hình. Mô hình này được ứng dụng để giám sát và lập kế hoạch sơ tán đám đông trong trường hợp có cháy.

3.1. Kiến Trúc MAS GiG Mô Hình Hóa Cấu Trúc Phân Cấp

Kiến trúc MAS-GiG cho phép mô hình hóa các nhóm tác tử ở các cấp độ khác nhau, từ đó phản ánh cấu trúc phân cấp của hệ thống phức tạp. Điều này cho phép giám sát hệ thống từ nhiều góc độ khác nhau và phát hiện các mẫu và xu hướng tiềm ẩn. Các nhóm tác tử có thể tương tác với nhau và với môi trường, tạo ra các hiện tượng trồi sinh mà khó có thể dự đoán được từ các thành phần riêng lẻ. Việc mô hình hóa hệ thống bằng MAS-GiG giúp hiểu rõ hơn về cách các thành phần tương tác và ảnh hưởng lẫn nhau.

3.2. Tích Hợp Cấu Trúc AEIO Đảm Bảo Tính Rõ Ràng Dễ Hiểu

Việc tích hợp cấu trúc AEIO vào mô hình MAS-GiG giúp đảm bảo tính rõ ràng và dễ hiểu của mô hình. Các thành phần của hệ thống được mô tả một cách chi tiết và có hệ thống, từ đó giúp các nhà nghiên cứu và phát triển hiểu rõ hơn về cách hệ thống hoạt động. Cấu trúc AEIO cũng giúp dễ dàng mở rộng và sửa đổi mô hình khi cần thiết. Việc phân tích hệ thống phức tạp trở nên dễ dàng hơn với cấu trúc rõ ràng này.

3.3. Bản Chất Kiểm Soát trong MAS GiG Từ Tập Trung đến Phân Tán

Mô hình MAS-GiG cho phép kiểm soát hệ thống theo nhiều cách khác nhau, từ tập trung đến phân tán. Trong kiểm soát tập trung, một tác tử trung tâm chịu trách nhiệm giám sát và điều phối toàn bộ hệ thống. Trong kiểm soát phân tán, các tác tử tự động đưa ra quyết định dựa trên thông tin cục bộ của chúng. Sự lựa chọn giữa kiểm soát tập trung và phân tán phụ thuộc vào đặc điểm của hệ thống và yêu cầu của ứng dụng. Khả năng điều khiển hệ thống linh hoạt là một ưu điểm lớn của MAS-GiG.

IV. Ứng Dụng Giám Sát Sơ Tán Đám Đông Khi Có Cháy

Mô hình MAS-GiG được ứng dụng để giám sát và lập kế hoạch sơ tán đám đông trong trường hợp có cháy tại một sảnh khởi hành của sân bay. Các tác tử đại diện cho các hành khách, nhân viên sân bay và các yếu tố môi trường (ví dụ: đám khói, ngọn lửa). Các tác tử tương tác với nhau và với môi trường để mô phỏng luồng di chuyển của đám đông và sự lan truyền của đám cháy. Dựa trên thông tin giám sát, hệ thống có thể lập kế hoạch sơ tán tối ưu và hướng dẫn hành khách đến nơi an toàn. Việc ứng dụng mô hình đa tác tử giúp cải thiện đáng kể hiệu quả của quá trình sơ tán.

4.1. Mô Phỏng Di Chuyển Đám Đông Lan Truyền Thông Tin Cháy

Mô hình MAS-GiG cho phép mô phỏng chi tiết di chuyển của đám đông và sự lan truyền của thông tin về đám cháy. Các tác tử hành khách di chuyển theo các quy tắc nhất định, ví dụ như tránh chướng ngại vật và di chuyển theo hướng lối thoát. Thông tin về đám cháy được lan truyền từ tác tử đám cháy đến các tác tử hành khách, ảnh hưởng đến hành vi di chuyển của họ. Khả năng mô phỏng chính xác các yếu tố này là rất quan trọng để lập kế hoạch sơ tán hiệu quả. Mô phỏng hệ thống giúp dự đoán các tình huống có thể xảy ra.

4.2. Lập Kế Hoạch Sơ Tán Tối Ưu Giảm Thiểu Rủi Ro Thương Vong

Dựa trên thông tin giám sát và mô phỏng, hệ thống có thể lập kế hoạch sơ tán tối ưu để giảm thiểu rủi ro thương vong. Kế hoạch sơ tán có thể bao gồm việc hướng dẫn hành khách đến các lối thoát an toàn, điều chỉnh luồng di chuyển để tránh tắc nghẽn, và cung cấp thông tin cập nhật về tình hình đám cháy. Việc tối ưu hóa hệ thống sơ tán giúp đảm bảo an toàn cho hành khách.

4.3. Minh Họa Lập Kế Hoạch Sơ Tán Sảnh Khởi Hành Sân Bay

Luận án trình bày các minh họa chi tiết về việc lập kế hoạch sơ tán hành khách tại sảnh khởi hành của một sân bay trong trường hợp có cháy. Các minh họa này cho thấy cách mô hình MAS-GiG có thể được sử dụng để giám sát luồng di chuyển của đám đông, phát hiện các tắc nghẽn và lập kế hoạch sơ tán tối ưu. Các ví dụ cụ thể giúp làm rõ các khái niệm và phương pháp được trình bày trong luận án.

V. Thực Nghiệm MASH Đánh Giá Hiệu Quả MAS GiG

Mô hình MAS-GiG được triển khai và thực nghiệm trên nền tảng MASH (MultiAgent Software/Hardware) để đánh giá hiệu quả. Nền tảng MASH cung cấp các công cụ và thư viện cần thiết để xây dựng và mô phỏng các hệ thống đa tác tử. Các kết quả thực nghiệm cho thấy rằng mô hình MAS-GiG có thể cải thiện đáng kể hiệu quả của quá trình sơ tán đám đông trong trường hợp có cháy. Việc thực nghiệm ứng dụng là bước quan trọng để chứng minh tính khả thi và hiệu quả của mô hình.

5.1. Nền Tảng MASH Công Cụ Hỗ Trợ Mô Phỏng Đa Tác Tử

Nền tảng MASH (MultiAgent Software/Hardware) là một nền tảng mạnh mẽ để xây dựng và mô phỏng các hệ thống đa tác tử. MASH cung cấp các công cụ và thư viện cần thiết để tạo ra các tác tử, mô phỏng môi trường và quản lý tương tác giữa các tác tử. Việc sử dụng MASH giúp giảm thiểu thời gian và công sức cần thiết để phát triển và thực nghiệm mô hình MAS-GiG.

5.2. Thiết Kế Framework Ứng Dụng Dựa Trên MASH

Một framework ứng dụng được thiết kế và xây dựng dựa trên nền tảng MASH để thực nghiệm mô hình MAS-GiG. Framework này cung cấp các thành phần cơ bản để mô phỏng đám đông, đám cháy và các yếu tố môi trường khác. Việc xây dựng framework giúp dễ dàng cấu hình và thử nghiệm các kịch bản khác nhau.

5.3. Đánh Giá Mô Hình Lý Thuyết và Thực Nghiệm So Sánh

Mô hình MAS-GiG được đánh giá dựa trên cả phương diện lý thuyết và thực nghiệm. Đánh giá lý thuyết tập trung vào tính đúng đắn và đầy đủ của mô hình. Đánh giá thực nghiệm tập trung vào hiệu quả của mô hình trong việc giải quyết bài toán sơ tán đám đông. So sánh kết quả thực nghiệm với các phương pháp sơ tán truyền thống giúp chứng minh ưu điểm của mô hình MAS-GiG.

VI. Kết Luận Hướng Phát Triển Mô Hình Đa Tác Tử Tương Lai

Luận án đã trình bày một nghiên cứu về nghiên cứu và xây dựng mô hình đa tác tử đa mức giám sát hệ thống phức tạp. Mô hình MAS-GiG được đề xuất có tiềm năng lớn trong việc giải quyết các bài toán liên quan đến giám sát và điều khiển hệ thống phức tạp, đặc biệt là trong các tình huống khẩn cấp. Hướng phát triển trong tương lai có thể tập trung vào việc tích hợp các kỹ thuật học máy để cải thiện khả năng dự đoán và tối ưu hóa của mô hình.

6.1. Đóng Góp Mới của Luận Án Mô Hình MAS GiG Framework

Đóng góp chính của luận án bao gồm việc đề xuất mô hình MAS-GiG đa mức để giám sát hệ thống phức tạp và ứng dụng nó trong việc lập kế hoạch sơ tán đám đông khẩn cấp. Luận án cũng đóng góp một framework để thực nghiệm mô hình đề xuất dựa vào MASH và đánh giá mô hình và phương pháp đề xuất trên cả phương diện lý thuyết và thực nghiệm.

6.2. Hướng Phát Triển Tích Hợp Học Máy Dữ Liệu Lớn

Trong tương lai, có thể tích hợp các kỹ thuật học máy vào mô hình MAS-GiG để cải thiện khả năng dự đoán và tối ưu hóa. Ví dụ, có thể sử dụng học tăng cường để huấn luyện các tác tử tự động đưa ra quyết định tốt nhất trong các tình huống khác nhau. Việc tích hợp dữ liệu lớn cũng có thể giúp cải thiện độ chính xác và tính tin cậy của mô hình. Khả năng tự động hóa và kiểm soát hệ thống sẽ được nâng cao.

6.3. Ứng Dụng Mở Rộng IoT Cyber Physical Systems An Ninh Mạng

Mô hình MAS-GiG có tiềm năng ứng dụng rộng rãi trong nhiều lĩnh vực khác nhau, bao gồm Internet of Things (IoT), Cyber-Physical Systems và an ninh mạng. Ví dụ, có thể sử dụng MAS-GiG để giám sát và điều khiển các thiết bị IoT trong một ngôi nhà thông minh, hoặc để phát hiện và ngăn chặn các cuộc tấn công mạng. Các hệ thống Cyber-physical systems cũng có thể được hưởng lợi từ khả năng giám sát và điều khiển của MAS-GiG.