SCIPA: Servicii software semantice de Colaborare şi...

SCIPA: Servicii software semantice de Colaborare şi Interoperabilitate pentru

realizarea Proceselor Adaptive de business

Contract nr. 12118/01.10.2008 Autoritatea contractantă: CNMP

Etapa 3: Dezvoltarea componentelor semantice ale platformei

Raportul Stiintific si Tehnic in extenso

Universitatea Politehnica Bucuresti

Universitatea de Vest Timişoara

Academia de Studii Economice Bucureşti

Universitatea din Craiova

Pagina Web: http://aimas.cs.pub.ro/scipa/

PROGRAMUL 4 “PARTENERIATE IN DOMENIILE PRIORITARE” 2007-2013

SCIPA – Etapa 3: Dezvoltarea componentelor semantice ale platformei

2

CUPRINS

A. Obiective generale ale proiectului

B. Obiectivele etapei de executie

C. Rezumatul etapei

D. Descrierea stiintifica si tehnica

Partea I: Dezvoltarea ontologiilor procesului de business

Autori – Academia de Studii Economice Bucureşti Prof. dr. Ion Smeureanu – responsabil ştiinţific Prof. dr. Ion Gh. Roşca Prof. dr. Marian Dârdală Conf. dr. Titus-Felix Furtună Conf. dr. Adriana Reveiu Prep. drd. Andreea Dioşteanu

Partea a II-a: Modele de cooperare bazate pe agenti software

Autori – Universitatea Politehnica din Bucureşti Prof. dr. ing. Adina Magda Florea – responsabil ştiinţific Prof. dr. ing. Eugenia Kalisz S.l. dr. ing. Alexandru Boicea As. drd. ing. Andrei Mogos As. drd. ing. Andreea Urzică

Partea a III-a: Modele de compunere si descompunere a serviciilor semantice

Autori – Universitatea Politehnica din Bucureşti Prof. dr. ing. Adina Magda Florea – responsabil ştiinţific As. drd. ing. Andrei Mogos Drd. ing. Andreea Urzică

Partea a IV-a: Modele de incredere, reputatie si norme in sisteme de agenti pentru procese de e-business

Autori – Universitatea din Craiova Prof. dr. ing. Costin Bădică – responsabil ştiinţific Conf. dr. ing. Amalia Bădică As. Dr. Elvira Popescu Drd. ing. Sorin Ilie Drd. ing. Mihnea Scafes Autori – Universitatea Politehnica din Bucureşti Prof. dr. ing. Adina Magda Florea – responsabil ştiinţific Prof. dr. ing. Eugenia Kalisz As. drd. ing. Andrei Mogos Drd. ing. Andreea Urzică

Partea a V-a: Translator din BPEL in Event Calculus in scopul verificarii serviciilor business web

Autori – Universitatea de Vest din Timişoara Prof. dr. Viorel Negru – responsabil ştiinţific Prof. dr. Dana Petcu Prep. drd. Ovidiu Aritoni Prep. drd. Ciprian Pungilă



3

A. Obiective generale ale proiectului In cele ce urmeaza sunt prezentate obiectivele generale ale proiectului modificate pentru a reflecta reducerea substantiala de buget efectuata in anii 2008, 2009 si 2010 fata de bugetul aprobat initial (26,25% finantare - de la bugetul de stat - fata de finantarea aprobata initial pentru anii 2008, 2009 si 2010).

Proiectul de fata are ca obiectiv principal studiul, proiectarea si realizarea unei unei solutii software integrate care sa permita:

interoperabilitatea serviciilor software semantice oferite de intreprinderi,

adaptabilitatea proceselor de afaceri

descoperirea si compunerea a noi servicii

un model de colaborare flexibil

Obiectivele specifice sunt:

O1: Dezvoltarea unui model al proceselor de business sustinut de servicii software capabil sa realizeze:

Adaptarea in functie de context si mediul specific

Realizarea colaborarii

Adnotarea semantica a componentelor

O2: Dezvoltarea de agenti inteligenti capabili sa compuna autonom servicii Web generand astfel servicii compuse

O4: Realizarea modelului de colaborare pe baza unei colectivitati de agenti cognitivi

O5: Dezvoltarea solutiei software

O6: Validarea solutiei prin doua aplicatii particulare

B. Obiectivele etapei de executie

O2: Dezvoltarea de agenti inteligenti capabili sa compuna autonom servicii Web generand astfel servicii compuse

O4: Realizarea modelului de colaborare pe baza unei colectivitati de agenti cognitivi



4

C. Descrierea stiintifica si tehnica

Partea I

Dezvoltarea ontologiilor procesului de business Autori – Academia de Studii Economice Bucureşti

Prof. dr. Ion Smeureanu – responsabil ştiinţific

Prof. dr. Ion Gh. Roşca

Prof. dr. Marian Dârdală Conf. dr. Titus-Felix Furtună

Conf. dr. Adriana Reveiu Prep. drd. Andreea Dioşteanu



5

CUPRINS

1 6 Utilizarea ontologiilor în aria de business1.1 ......................................................................... 6 Motivarea utilizării ontologiilor în afaceri1.2 ................................................................................. 8 Scopul ontologiilor din aria business1.3 ................................................................ 9 Ontologiile de business în modelarea afacerilor1.4 ....................................................................... 18 Exemple de ontologii existente în prezent

1.4.1 ................................................................................. 18 Ontologia Edinburg Enterprise1.4.2 ......................................................................... 18 TOVE (Toronto Virtual Enterprise)1.4.3 .................................................................... 19 FEF (Financial Exchange Framework)

1.5 ............................................................................................................................... 19

Maparea modelului de business peste modelul lingvistic bazat pe ontologii şi semantici web

1.5.1 ......................................................................................... 21 Standardizarea semantică1.5.2 ....................................................................................... 22 Ontologii şi SemanticWeb1.5.3 ..................................................................................................... 24 Modelarea datelor

1.6 ........................................... 26 Proiectarea şi dezvoltarea ontologiilor procesului de afaceri1.6.1 .................. 26 Scurtă trecere în revistă a metodologiilor de construcţie a ontologiilor1.6.2 ................................... 27 Metodologia propusă pentru crearea ontologiilor de afaceri

2 32 Modelarea aplicaţiei de management al lanţului de aprovizionare2.1

..................................................................................................................................... 32 Specificarea de nivel înalt a cerinţelor de funcţionalitate şi interoperabilitate ale

platformei2.2

......................................................................................................................... 38 Dezvoltarea unei aplicaţii de management al lanţului de aprovizionare folosind

platforma propusă3 45 Evaluarea riscului în mediile de programare bazate pe agenţi inteligenţi

3.1 .................................. 45 Fiabilitatea sistemelor distribuite bazate pe agenţi şi servicii web3.1.1 .................. 45 Aspecte generale privind metricile de evaluare a fiabilităţii sistemelor3.1.2 ........................................... 47 Fiabilitatea în sistemele de compunere de servicii web

3.2 .......................................................... 51 Riscul în managementul lanţului de aprovizionareAnexa 1- Codul asociat ontologiei clientului 62 Anexa 2- Compunerea simplă AE - cod sursă 63



6

1 Utilizarea ontologiilor în aria de business

1.1 Motivarea utilizării ontologiilor în afaceri

Competiţia pune presiune pe firme pentru a obţine profit prin cele două metode

principale: cucerirea de noi pieţe (prin extindere geografică sau prin introducerea de noi

produse) şi prin reducerea costurilor. Schema de mai jos ilustrează acest aspect.

Fig.1 Influenţele mediului exterior asupra companiei

[Hod03] explică faptul că “în această căutare a inovaţiei, frontierele ştiinţei şi ale

tehnologiei avansează, ducând spre noi câmpuri de cunoaştere şi cercetare”. De asemenea,

conform aceleiaşi lucrări “în general, serviciile sunt mai diversificate decât producţia de

bunuri, această diversitate crescând odata cu creşterea sectorului de servicii în sine”.

a) Schimbările tehnologice şi apariţia afacerilor electronice

Dacă se analizează statisticile în domeniu, se poate observa că investiţiile în echipamente

IT şi software au crescut în mod constant în ultimele decenii. În acelaşi timp, costurile de

hardware, software şi servicii au scăzut drastic, în timp ce performanţele lor au explodat.

Bineînţeles, acest lucru are un important impact asupra firmelor de orice dimensiune, pe

măsură ce adoptă şi se bazează pe IT. În special, răspândirea Internetului şi adoptarea de e-

business şi e-commerce a schimbat în mod drastic felul în care companile fac afaceri. E-

commerce nu se referă doar la cumpărarea şi vânzarea de bunuri, ci şi la a oferii servicii şi a

colabora cu partenerii.

În ceea ce priveşte efectele inovaţiilor IT, e-commerce şi e-business, impactul lor a fost de

multiplicarea configuraţiilor de afaceri posibile şi deci a alegerilor ce trebuie făcute de

manageri. În contrast cu modul tradiţional de organizare a unei industrii, unde modele de



7

afaceri arătau la fel, gama de modele noi posibile, în era tehnologiei şi a comunicaţiei au

crescut puternic.

Se pot evidenţia patru impacte majore ale dezvoltării tehnologiei. În primul rând, preţurile

accesibile ale tehnologiei au redus costurile de tranzacţie şi coordonare. Cu alte cuvinte,

costurile de colaborarea cu parteneri (de exemplu externalizările) şi integrarea clienţilor în

procesele companiei (de exemplu personalizările, serviciile cu clienţii) nu sunt mai restrictive.

Aceasta a facilitat crearea de noi forme de organizaţii legate între ele prin reţele. Consecinţele

asupra managementului sunt constituite de noile configuraţii posibile de afaceri şi de

varietatea lor. În al doilea rând, creşterea IT, e-commerce şi e-business, au făcut posibilă

apariţia unor produse şi servicii complet noi, din care multe au o componentă importantă

informaţia şi care sunt utilizate în mod frecvent în colaborare de mai multe companii. În al

treilea rând, IT-ul a creat moduri noi şi inovatoare de a ajunge la clienţi, şi printr-o

multitudine de canale. De asemenea, Internetul a facilitat desfăşurarea afacerilor la nivel

global şi deservirea clienţilor în locurile ultraperiferice ale planetei. În final, datorită

Internetului şi a Web-ului, o serie de noi mecanisme de stabilire a preţurilor şi a veniturilor şi-

au găsit locul în practicarea afacerilor.

Lista impactului IT-ului asupra afacerilor poate fi prelungită, dar principalul lucru care

trebuie păstrat din cele de mai sus este că aceste evoluţii aduc o importantă creştere în

alegerile şi deciziile cu care managerii se confruntă în termenii noilor modele de afaceri.

Aceasta explică creşterea cercetărilor în modele de afaceri în general şi în modele de afaceri

cu o puternică componentă de tehnologie de comunicaţie (de exemplu e-commerce).

b) Complexitatea

O altă caracteristică a peisajului de afaceri de azi este de complexitatea acestuia. Potrivit

lui [Hod03] capitalismul natural duce la mai multă complexitate datorită unor puternice forţe

economice. El menţionează că „forme organizatorice noi şi variate vor fi create pentru a creşte

productivitatea şi pentru a administra o expansiune a numărului de produse şi procese”. Într-

adevăr, descompunerea companiei integrate şi formarea de reţele de afaceri, după cum este

descris mai sus, a contribuit la complexitate, pentru că este un mecanism care generează

diversitatea [And01]. Conceptul de model de afaceri poate fi unul dintre instrumentele care

ajută la combaterea a cel puţin unor aspecte legate de complexitate prin evidenţierea

problemelor importante şi subliniind relaţiile dintre ele. Ca de fiecare conceptualizare şi

modelare, conceptul de model de afaceri are ca obiectiv reprezintarea realităţii într-um mod

structurat, simplificat şi uşor de înţeles.



8

c) Nesiguranţa

Este larg acceptat faptul că unul dintre efectele revoluţiei tehnologice în comunicare din

anii 1990, împreună cu forţele globalizării şi liberalizării, a fost creşterea riscului de mediu şi

incertitudinea la care organizaţiile au trebuit să facă faţă [And01]. Problema cu incertitudinea

este că ea creşte riscul de mediu cu care se confruntă cu o companie, deoarece viitorul devine

imprevizibil. Specialiştii în domeniu vorbesc de patru niveluri de incertitudine cu care se

confruntă managerii. La primul nivel există o singură viziune a viitorului, la cel de-al doilea

nivel una din cele câteva posibilităţi va avea loc, la cel de-al treia nivel există o serie de

evenimente posibile şi la cel de-al patrulea nivel, găsim ambiguitatea generală în ceea ce

priveşte viitorul.

Gestionarea incertitudinii este probabil una dintre cele mai importante provocări cu care

se confruntă astăzi managerii. Furnizarea specificărilor conceptualizării de modele de afaceri

ar putea îmbunătăţi scenariile abordabile şi să ducă la simulare. Aceasta ar ajuta managerii să

fie mai bine pregatiţi pentru viitor .

1.2 Scopul ontologiilor din aria business

Scopul ontologiilor din aria business este de a facilita comunicaţia între oameni prin

evaluarea modelelor de business. Ca rezultat al folosirii ontologiilor apar şi alte beneficii

precum reutilizarea datelor, o căutare mai avansata în baza de date, o verificare automată a

consistenţei datelor, asistenţă în procesele de specificaţie, reducerea costurilor de mentenanţă

şi creşterea vitezei de obtinere a informaţiei şi acurateţea acesteia.

Printr-o ontologie de business se combină managementul afacerilor cu modelul conceptual

tehnic al ontologiei. Cu alte cuvinte, scopul lor este de a aplica descrierile complete şi

riguroase ale ontologiilor asupra conceptelor de afaceri.

Crearea unui model de ontologie va furniza baza pentru noi metode şi instrumente în

gestionarea afacerilor la nivel de management, în startegiile de business, în automatizarea

comparărilor modelelor de afaceri. Această abordare mai formală va înlătura eventualele

ambiguităţi şi va permite folosirea unui raţionament bazat pe ontologie, cu un limbaj logic

care să verifice consistenţa şi gradul de eficienţă al modelului de afacere şi care să completeze

modelul cu constrângeri de integritate şi reguli de deducţie.

Rolurile ontologiilor din aria business sunt structurate pe mai multe nivele de

abstractizare. Acestea variază de la ontologii ce reprezintă un cumul de alte ontologii, până la

ontologii ce descriu lucruri şi proprietăţile lor. Se pot distinge următoarele trei nivele:



9

N1: date operaţionale. Ontologia cuprinde date operaţionale. Informaţia de la acest

nivel este clasificată folosind termenii unui vocabular definit la nivelul doi.

N2: ontologia. Ontologia specifică termenii generali şi definiţiile pentru conceptele

importante dintr-un anumit domeniu. La acest nivel este creat vocabularul pentru limbajul

folosit la nivelul unu.

N3: limbajul de reprezentare al ontologiei. Ontologia joacă un rol important când

informaţia este folosită de autori pentru a scrie ontologii de nivelul doi.

Ontologiile oferă o înţelegere a structurii informaţiei, separă informaţiile dintr-un

domeniu de datele operaţionale, prezintă teoriile dintr-un domeniu în mod explicit

reprezentând un mod eficient de comunicare între programele ce le utilizează. Ţinta

industriei ce evoluează spre aplicaţii orientate pe servicii este de a facilita inetroperabiliate

standardizată la nivel semantic între procesele software ale partenerilor de afaceri pe întregul

lanţ valoric

De asemenea, una din facilităţile folosirii ontologiilor este regăsirea informaţiei într-un

limbaj mai apropiat de cel natural. Astfel, la întrebări formulate ca în vorbirea directă, se

pot răspunsuri pertinente. Utilizând ontologiile în motoarele de căutare se obţin rezultate

logice şi riguros construite. Folosind o ontologie de business într-un astfel de motor, se obţin

rezultate mult mai precise în acest domeniu, răsunsul fiind concis şi exact, detaliind aspectele

economice şi financiare, şi excluzând datele mai puţin legate de domeniul afacerilor. Pe acest

aspect se va concentra şi aplicaţia prezentată în capitolul următor.

1.3 Ontologiile de business în modelarea afacerilor

Există o mare varietate de ontologii pentru afaceri, fiecare cu particularităţile ei. În funcţie de

subdomeniul pe care sunt specializate pot fi ontologii financiare, de management, pentru

producţie, pentru piaţă şi desfacere, pentru comerţ electronic, etc.

Din punct de vedere al designului, ontologiile trebuie să urmărească anumite criterii:

Claritate: sensul descrierilor trebuie să fie comunicat fără ambiguităţi şi trebuie să fie

furnizate toate condiţiile necesare şi suficiente.

Coerenţă: consistenţa internă trebuie menţinută, cel puţin axiomele, din moment ce

acestea determină competenţa unei ontologii

Extindere: trebuie să permită extinderea termenilor deja existenţi fără a necesita o

verificare foarte amănunţită

Conform [Ost04], “există patru piloni esenţiali într-o ontologie: produsul, interfaţa cu clientul,

infrastructura şi finanţele”.

Produsul: Cu ce afaceri se ocupă compania, produsele şi valoarea propusă oferite pe piaţă.

Interfaţa cu clienţii: Care sunt clienţii ţintă ai companiei, cum le oferă produse şi servicii, şi

cum se construieşte o relaţie puternică cu ei.



10

Infrastructura managementului: Cum tratează compania problemele legate de logistică şi

infrastructură în mod eficient, cu cine, şi ca ce fel de întreprindere în reţea.

Aspecte financiare: Care este modelul de venituri, structura costurilor şi modelul de

durabilitate al afacerii.

Dezvoltând pe această schemă, pentru modelarea proceselor de afaceri, acum sunt

folosite nouă elemente: nume, valoare propusă, consumator vizat, canal de distribuţie, relaţie,

valoare de configurare, capacitate, parteneriat, structura costului şi model de venit. Valoarea

propusă este un ansamblu de produse şi servicii care pot fi vândute. Consumatorul vizat este

segmentul de clienţi căreia se adreseaza firma. Canalul de distribuţie se referă la modul în

care se face legătura cu clientul. Relaţia descrie tipul de legatură pe care compania o stabileşte

cu clientul. Valoarea de configurare constă în ansamblul de activităţi şi resurse ce sunt

necesare pentru a crea ceva cu valoare pentru client. Capacitatea este abilitatea de a executa

un tipar repetabil de acţiuni care sunt necesare pentru a crea produse ce pot fi vândute.

Parteneriatul este un aranjament voluntar între companie şi o altă firmă în scopul de a crea

bunuri şi servicii. Structura costului constituie reprezentarea în bani a tuturor eforturilor

depuse în modelul de afacere. Modelul de venit descrie felul în care compania face bani prin

varietatea de fluxuri de venituri. Aceste elemente şi relaţiile dintre ele sunt reprezentate în

schema de mai jos.

Fig.2 Modelul de venit

Ansamblul elementelor descrise mai sus formează într-adevăr un model: este

independent de orice firmă şi poate descrie modelul de afacere al oricărei companii. Mai mult,

reprezintă o sinteză a modelelor de afaceri, îndeplinind cerinţa primară a ontologiilor de a fi o

descriere generală a unei comunităţi de utilizatori. Modelul poate dezvoltat şi detaliat în

funcţie de specificul fiecărui subdomeniu.

Practic, cele nouă elemente ale ontologiei acoperă toate blocurile de modele de afaceri

menţionate de către cel puţin doi autori. Modelul exclude elemente legate de peisajul

competitiv, implementare, capital şi piaţă, considerându-le legate de modelul de afaceri , dar

nu ca o parte din aceasta. [ATu03] menţionează profitul, care situează compania într-o

configuraţie valoarică vis-a-vis de furnizorii, clienţii, rivali, nou-veniţii potenţiali,



11

complementarii şi suplinitorii săi. În această abordare acest element este văzutmai degrabă ca

parte a strategiei de poziţionare a firmei în peisajul competitiv şi în consecinţă de proiectare a

modelului de afaceri a companiei.

Ontologia bazată pe modelul de afaceri este un set de elemente şi relaţiile acestora

care au ca scop descrierea logica unei firme în câştigarea banilor. Aşa cum este subliniat mai

sus, ontologia bazată pe modelul de afaceri conţine nouă elemente, caracterizate în tabelul de

mai jos. Fiecare element din modelul de afaceri poate fi descompus într-un set de subelemente

definite. Acest lucru permite studierea modelelor de afaceri pe diferite niveluri mai mult sau

mai puţin în detaliu şi în funcţie de nevoile specifice.

Mai jos sunt descrise în detaliu elementele ontologiei

A) Produsul

Tradiţional, companiile se concentrau pe poziţionarea pe poziţia potrivită în lanţ valoric,

cu produsele potrivite, pe segmentele de piaţă potrivite şi cu serviciile cu valoare adăugată.

Dar prin globalizare, pieţele în schimbare rapidă şi noile tehnologii lucrurile au devenit mai

complexe şi mai complicate. Companiile se organizează din ce în ce mai mult în reţele şi

oferă pachete de produse şi servicii ca un grup. Azi, arta de a crea şi a produce în cooperare cu

alţii este, în mod clar, centrul sarcinilor strategice. Aşa cum s-a arătat anterior, aceasta este în

esenţă consecinţa reducerii costurilor IT şi a creşterii conectivităţii actorilor, care a a deschis

noi posibilităţi pentru crearea de informaţii, bunuri şi servicii în cooperare, noi informaţiile pe

bază de servicii cu valoare adăugată sau bunuri fizice bogate in informaţii.

O companie care şi-a dat seama de aceasta foarte repede a fost Federal Express. În 1994

ea a extins valoarea propusă prin oferirea de servicii suplimentare prin lansarea unui nou

website. FedEx a fost primul care a oferit un sistem online de urmărire a pachetelor, care a

permis clienţilor să ştie unde se află pachetul lor până la livrare. În timp ce acest lucru nu a

schimbat profund industria navală, alte sectoare, cum ar fi muzica şi industria de film riscă să

fie complet transformate, deoarece produsele lor pot fi în întregime digitalizate. În general,

companiile care nu sunt capabile să inoveze constant, riscă să cădă în capcana comodităţii,

deoarece produsele de succes sunt rapid copiate de o concurenţă tot mai globală. Desigur,

inovarea nu este o garanţie a succesului, dar studii recente arată că cele ce activează in pieţele

superioare sunt în esenţă, companiile care sunt capabile să inoveze şi să transforme în mod

constant valoarea lor propusă [KMa02]. În modelul de ontologie de business, acest lucru este

exprimat prin produsul de inovare, care este unul dintre principalii patru piloni ai unui model

de afaceri. Produsul este compus din elementul valoarea propusă, care poate fi descompus în

ofertele sale elementare (vezi figura de mai jos).



12

Fig.3 Elementele componente ale produsului

Valoarea Propusă este primul din cele nouă elemente ale ontologiei bazate pe modelul de

afaceri şi poate fi înţeleasă ca declaraţiile de prestaţii care sunt livrate de firmă clientelei sale

externe [BTu00]. Poate fi descrisă ca definirea modului în care sunt ambalate şi oferite

elementele de valoare, cum ar fi produse şi servicii complementare care adaugă valoare,

pentru a îndeplini nevoile clienţilor. Pentru a înţelege mai bine valoarea şi a construi pachete

de produse şi servicii noi şi inovatoare, [Ost04], propune o abordare conceptuală subliniată de

elementul valoarea propusă.

Oferta. În timp ce elementul valoarea propusă oferă o vedere sintetizată asupra grupului de

valori pe care compania le oferă unui segment de clienţi ea poate fi descompusă într-un set de

elementar oferte. Prin descrierea diferitelor componente ale valorii propuse, o firmă poate

observa mai bine unde se situează în comparaţie cu concurenţii săi. Aceasta va permite

companiei inoveze şi să se diferenţieze pentru a ajunge într-o poziţie competitivă. O ofertă

elementară descrie o parte din pachetul de bunurile şi serviciile firmei. Ea ilustrează un

anumit produs, serviciu, sau chiar caracteristicile produsului sau serviciului şi subliniază

presupusa sa valoarea pentru client. Un set de oferte elementare, formează împreună o valoare

propusă.

B) Interfaţa cu clientul Cel de-al doilea pilon al ontologiei bazată pe modelul de afaceri este relaţia cu

clientul. Aceasta find fără îndoială, esenţială pentru companii. Elementul relaţia cu clienţii se

referă la felul în care o firmă activează pr piaţă, cum ajunge de fapt la clienţii săi şi la modul

în care interacţionează cu ei. Tehnologia de comunicaţie a avut o foarte puternică influenţă în

modul de organizare a companiilor în relaţia cu clienţii. Utilizarea de baze de date pentru

gestionarea informaţiilor legate de clienţi, introducerea de scanere în supermarket, oferta de

numere de apel gratuit conectate la centrele de informare sau utilizarea de noi canale de

distribuţie şi comunicare sunt doar câteva dintre numeroasele aplicaţii care au transformat

relaţiile cu clienţii. Mai ales Internetul a marit gama de posibilităţi de interacţiune cu clienţii.

Data Warehousing, data mining şi business intelligence, de exemplu, sunt tehnologii care au

permis managerilor să studieze comportamentul de cumpărare ale clienţilor lor şi să



13

îmbunătăţească relaţiile cu aceştia. Interfaţa cu clientul acoperă toate aspectele legate de

client. Aceasta cuprinde alegerea unei firme referitoare la clienţii ţintă, canalele prin care este

în legătură cu ei şi cu tipul de relaţii de compania doreşte să se stabilească cu clienţii săi.

Interfaţa cu clienţii descrie cum şi cui furnizează valoarea propusă, reprezentată de pachetul

de produse şi servicii oferite de firmă (vezi figura de mai jos).

Fig.4 Pachetul de produse şi servicii oferite de firmă

Clientul ţintă este cel de-al doilea element al ontologie bazate pe modelul de afaceri.

Esenţa selectării unui grup ţintă de clienţi este segmentarea. Segmentarea eficientă permite

unei companii să aloce resurse de investiţii pentru clienţii care vor fi cei mai atraşi de valoarea

sa propusă. Cea mai generală deosebire între de clienţii ţintă există între afaceri şi / sau

clienţii individuali, denumite business-to-business (B2B) si business-to-consumer (B2C).

Definiţia clientul vizat va ajuta firmele să stabilească prin intermediul căror canale doreşte să

ajungă la clienţii săi în mod eficient. De fapt, tehnologia ajută companiile să facă alegeri

strategice pentru ţinta lor de piaţă, la orice nivel între "masă" şi "unul câte unul” prin

echilibrarea veniturilor cu costul. Tehnicile de segmentare a datelor, precum data mining,

segmentare multidimensională, şi împărţire pe clustere cu reţele neuronale artificiale poate

duce la un marketing mai eficient şi la sporirea.

Odată cu extinderea prin intermediul tehnologiei de comunicare, cum ar fi Internetul,

companiile ţintesc din ce în ce mai mult, nu doar grupuri care sunt localizabile din punct de

vedere geografic, ci şi comunităţi online dispersate pe scară largă cu caracteristici comune

împărţite în comunităţi de tranzacţie, interes, fantezie şi relaţie.



14

Fig.5 Modelul valorii propuse

Elementul criteriu. Pentru a detecta segmentarea clienţilor, companiile împart de obicei un

segment de clienţi ţintă într-un set de caracteristici denumite criterii. Acestea pot fi de natură

geografică sau socio-demografică.

Canalul de distribuţie este cel de-al treilea element al ontologiei bazate pe modelul de

afaceri. Acesta reprezintă conexiunea între valoarea propusă de o firmă şi clienţii ei ţintă. Un

canal de distribuţie permite unei companii să ofere valoare clienţilor săi, fie direct, de

exemplu, printr-o metodă de vânzare sau printr-un un site, sau indirect, prin intermediul

intermediarilor, ca de exemplu revânzători sau brokeri.

Un canale de distribuţie descrie modul în care o companie intră în contact cu clienţii săi.

Scopul lui este de a face cantitatea potrivită de produse sau servicii disponibile la locul

potrivit, la timpul potrivit pentru oamenii potriviţi [PBe01] – supuse constrângerilor de cost,

de investiţii, precum şi de flexibilitate. Tehnologia, şi în special Internetul, are un mare

potenţial să completeze canalele de distribuţie existente în afaceri. Cu toate acestea vânzarea

prin mai multe canale simultan, eventual va cauza conflicte, atunci când acestea concurează

pentru a ajunge la acelaşi grup de clienţi.

Fig.6 Canalul de distribuţie



15

Link-ul. În timp ce canalul de distribuţie oferă o sinteză a modului în care o companie ajunge

la clienţi el poate fi descompus în mai multe link-uri de la canal. Acest lucru se face deoarece

canalele nu sunt blocuri de construire de bază ale unui sistem de comercializare. Un link l

unui canal descrie o parte a unui canal şi ilustreaza sarcini specifice de marketing. Un set de

linkuri de canal reprezintă un canal. Link-uri de canal din diferite canale pot uneori fi

interdependente, în scopul de a exploata sinergiile dintre canale. În plus faţă de rolul

tradiţional de a livra valoare pur şi simplu, canalele moderne şi link-urile lor au din ce în ce

mai au un potenţial pentru crearea de valoare şi astfel contribuie la valoarea propusă a unei

firme. Prin urmare, elementul link moşteneşte caracteristicile elementul ofertă, deoarece poate

face parte simultan din canalul de distribuţie şi din elementele creatoare valoare a firmei.

Relaţiile. Cel de-al patrulea element al modelului de afaceri ontologiilor se referă la relaţiile

pe care o companie le construieşte cu clienţii săi. Toate interacţiunile între o firmă şi clienţii

săi afectează puterea relaţiei pe care compania o are cu clienţii săi. Dar, cum interacţiunile vin

la un anumit cost, firmele trebuie să definească cu atenţie ce fel de relaţie vrea să stabilească

cu ce fel de clienţi. Profiturile din relaţia cu clienţii sunt esenţa tuturor întreprinderilor.

Companiile trebuie să analizeze datele clientului cu scopul de a evalua tipul de client pe care

vrea să îl dobândească, şi să stabilească profitabilitatea cheltuielilor şi eforturilor pentru aceşti

clienţi Apoi, firmele trebuie să definească diferitele mecanisme pe care vor să le utilizeze

pentru a crea şi menţine o relaţie cu clientul. Acest lucru înseamnă utilizarea de mecanisme

pentru a optimiza dobândirea, păstrarea, şi vânzarea de produse adiţionale la clienţii unei

firme, precum şi maximizarea valorii relaţiilor cu clienţii companiei pe tot parcursul ciclului

său de viaţă [BGe01].

Mecanismul relaţiei este parte a unei relaţii. Este un mecanism specific care are o funcţie în

clădirea relaţiei cu clienţii unei companii. El contribuie la personalizare, incredere şi brand

building.

C) Infrastructura managementului

Principalul scop al modelelor de business este de a oferi utilizatorilor precum managerii,

consultanţii sau designerii IS/IT un mod simplu de a analiza şi compara descrierea modelului

de afacere al firmei lor. Infrastructura managementului este pilonul care arată cum creează o

companie valoare. El descrie ce abilităţi sunt necesare pentru a furniza valoarea propusă şi

pentru a menţine interfaţa cu clienţii. Infrastructura managementului subliniază valoarea

reţelei care generează valoare economică prin intermediul schimbărilor complexe şi dinamice

între una sau mai multe întreprinderi, clienţi, furnizori, parteneri strategici şi comunitatea. Cu

alte cuvinte, acest pilon specifică capabilităţile modelului de afaceri şi resursele, proprietarii

acestora şi furnizorii, precum şi cine execută activitatea şi modul în care acestea se leagă între

ele.



16

Fig.7 Infrastructura managementului

Capacitatea. Elementul capacitate este cel de-al cincilea element al ontologiei bazată pe

modelul de afaceri. [Wal00] descrie capabilităţile ca modele de acţiune repeatabile în

utilizarea de active pentru a crea, produce, şi / sau oferi produse şi servicii piaţă Astfel, o

firmă trebuie să dispună de un set de capacităţi în scopul de a furniza valoarea sa propusă.

Aceste capacităţi depind de activele sau resursele firmei [BTu00]. Din ce în ce mai mult, ele

sunt externalizate, încrediţate partenerilor, în timp ce utilizează tehnologii de e-business,

pentru a menţine restricţiile integrării necesare pentru ca o firmă să funcţioneze eficient.

Capabilităţile de bază ajută companiile să eficientizeze organizarea şi construieşte avantaje

competitive.

Valoarea de configurare este cel de-al şaselea element al ontologiei bazate pe modelul de

afaceri. La fel cum am menţionat mai sus, principalul scop al unei companii este crearea de

valoare pentru care peclienţii sunt dispuşi să plătească. Această valoare este rezultatul unei

configuraţii din interiorul şi din afara proceselor şi activităţilor. Valoarea de configurare arată

toate activităţile necesare şi legăturile între ele, în scopul de a crea valoare pentru client.

Pentru a defini procesul de creare de valoare într-un model de afacere, se foloseşte lanţului de

valoare şi extinderea acestuia, cu valoarea magazinelor şi valoarea reţelei. Primul descrie

procesul de creare de valoare al furnizorilor de servicii (de exemplu consultanţi), iar acestea

din urmă descrie activităţile de brokeraj şi intermediere (de exemplu, băncile şi companii de

telecomunicaţii).

Al şaptea element al ontologiei bazată pe modelul de afaceri este parteneriatul.

Reţeaua de parteneri a companiei evidenţiază care părţi din configurarea activităţii sunt

distribuite între partenerii firmei. Apariţia unei reţele de firme în care piaţa şi mecanisme de

guvernare ierarhică coexistă a îmbunătăţit în mod semnificativ gama de organizări posibile şi

aranjamente pentru crearea de valoare (Hamel). În general, parteneriatele şi alianţele au

devenit o componentă esenţială în strategiile puse în aplicare de cele mai multe companii.

Deşi au fost utilizate de către unele firme de zeci de ani, astăzi, parteneriatele şi alianţele si-au

schimbat natura. S-au făcut loc la alianţe strategice care au ca scop crearea şi consolidarea



17

poziţiilor concurenţiale ale firmelor implicate, într-un mediu extrem de competitiv. Timp de

decenii deja literatura de gestionare a subliniat importanţa parteneriatul şi alianţelor şi a

produs un mare corp de literatura de la care am avea două definiţii. Se definesc alianţele ca

orice cooperare iniţiată în mod voluntar ca un acord de între firme care implică schimbul,

partajarea sau co-dezvoltare, şi poate include contribuţii de către parteneri la capital,

tehnologie sau active. Se adaugă unele elemente de definirea a alianţelor ca legături formate

între două - sau mai multe - societăţi independente care aleg să realizeze un proiect sau

activitate specifică în comun, coordonându-şi a competenţele şi resursele necesare, mai

degrabă decât să exercite proiectul sau activitatea de unele singure.

D) Aspecte financiare

Aspectele financiare reprezintă ultimul pilon din schema prezentată. Este transversală

deoarece toţi ceilalţi piloni il influenţează. Acest bloc este rezultatul restului de configurare a

modelului de afaceri. Aspectele financiare sunt compuse din veniturile companiei, de modelul

şi de structura costurilor. Împreună ele determină logica de a obţine profit sau pierdere, şi prin

urmare, capacitatea sa de a supravieţui în mediile cu concurenţă.

Fig.8 Aspecte financiare

Modelul de venit este cel de al optulea element al ontologiilorbazate pe modelul de afaceri şi

măsoară capacitatea uneifirme de a traduce valoarea pe care o oferă clienţilor săi în bani şi

fluxuri de intrare de venituri. Modelul de venituri al unei firme poate fi compus din diferite

fluxuri de venituri care pot avea diferite mecanisme de stabilire a preţurilor.

Structura costului. Acest element măsoară toate costurile suportate de firmă, în scopul de a

crea, comercializa şi transporta valoare clienţilor săi. Ea pune un preţ pe toate resursele,

bunurile, activităţile, relaţiile cu partenerii şi schimburi valutare care costă societatea o

anumită cantitate de bani. Pe măsură ce firma se axează pe competenţele sale de bază şi

activităţi şi se bazează pe reţelele de parteneriate în alte competenţe şi activităţi auxiliare,

există un important potenţial de economii în procesul de creare de valoare.



18

1.4 Exemple de ontologii existente în prezent

Concret, efortul de a defini ontologiile de afaceri a luat două direcţii diferite. În primul

rând, există ontologiile care aparţin categoriei numită ontologii de întreprindere care descriu

concepte legate de natură şi structura activităţii întreprinderii. În al doilea rând, există

ontologii legate de tranzacţii, în esenţă utilizate în e-business, şi care au ca scop specificarea

informaţiilor în tranzacţiile electronice de afaceri, în scopul îmbunătăţirii şi automatizării

acestor tranzacţii [Fen01].

1.4.1 Ontologia Edinburg Enterprise

Activitatea Grupului de la Edinburgh are scopul de a propune o ontologie întreprindere,

de exemplu, un set de concepte definite cu atenţie utilizate pe scară largă pentru descriera

întreprinderilor în general, şi care pot servi ca o bază stabilă pentru specificarea cerinţelor de

software Grupul a dezvoltat instrumente pentru modelarea întreprinderilor şi proceselor.

Ontologia Enterprise este propusă ca o modalitate de comunicare, de integrare şi reprezentare

într-un mod unic, diferitele aspecte ale unei întreprinderi. Ontologia Enterprise este

reprezentată într-un mod informal, (versiunea text) şi într-un mod de semi-formale

(Ontolingua). În primul rând, ontologiile prezintă definiţii în limbaj natural pentru toţi

termenii, începând cu conceptele fundamentale, cum ar fi o entitate, o relaţie sau un actor (de

exemplu, meta-ontologie). Acestea sunt apoi folosite pentru a defini principalul calup de

termeni, care sunt împărţiţi în patru zone, şi anume: Activităţi, Organizare, Strategie şi

Marketing.

1.4.2 TOVE (Toronto Virtual Enterprise)

TOVE are ca scop furnizarea unui model care suportă proiectarea întreprinderilor

bazate pe modelare, analiză şi operaţii. Acest proiect a definit în mod formal un set de

concepte suficient de generale pentru a permite utilizarea lor în diverse aplicaţii. Conceptele,

în mod similar cu Ontologia Enterprise, sunt grupate în secţiuni tematice şi fiecare concept,

proprietate şi relaţie sunt definite. Cu toate acestea, spre deosebire de Ontologia Enterprise

care este semi-formală, TOVE este riguros formală. Cu alte cuvinte, are termeni meticulos

definiţi, cu semantica formală, teoreme şi demonstraţii a unor proprietăţi precum corectitudine

şi completitudine. Practic, modelul de date generic pentru întreprindere are următoarele

caracteristici:

• oferă o terminologie partajată pentru întreprindere pe care fiecare agent o poate

înţelege şi utiliza

• defineşte sensul fiecărui termen (de exemplu, semantica) într-un mod cât mai precis şi

lipsit de ambiguitate



19

• implementează semantica într-un set de axiome, care va permite TOVE să deducă

automat răspunsul la multe întrebări de "bun simţ" despre întreprindere

• defineşte o simbolică pentru ilustrarea unui termen sau concept construit într-un

context grafic.

1.4.3 FEF (Financial Exchange Framework)

FEF sprijină conceptual modelul financiar propus de teoria schimburilor financiare FET

(Financial Exchange Theory). Aceasta din urmă oferă o bază pentru definirea de entităţi

financiare, cum ar fi produse financiare internaţionale, tranzacţii financiare, servicii financiare

şi monitorizarea poziţiei. Componentele financiare, corespondează cu funcţiile generice de pe

pieţele financiare internaţionale, şi sunt puse împreună în urma unui set de reguli simplu

pentru a crea toate entităţile financiare de mai sus.

FEF conţine în definiţia sa clase, relaţii şi constrângeri; entităţile efective ale pieţei

financiare internaţionale sunt înregistrate ca instanţe. Structura şi natura tuturor entităţilor

financiare, astfel, poate fi văzută şi comparată. FEF a fost creată folosind instrumentul de

definire a ontologiilor, "PROTEGE" şi a fost iniţiată de Universitatea Stanford şi a fost creată

pe baza modelului de piaţă „I - Format” al Ifip pentru I-format este singura definiţie de date

care acoperă toate datele de sprijin ale sistemului financiar:

produse, tranzacţii şi servicii financiare, şi poziţii pentru toate tipurile de procese

bancare internaţionale.

definiţii de bază pentru unităţi, părţi, acorduri şi contabilităţi de afaceri.

definiţii de afaceri, cum ar fi trezoreria, pieţa de capital, comerţ, vânzare cu de-

amănuntul, investiţii private etc.

În totalitate compatibil şi complementar cu standardele B2B (Business to Business), I-

format lucrează middleware-ul existent, ETL, OLAP şi medii de raportare prin asigurarea

unui format de publicare comun şi uşor de înţeles. În plus, acesta oferă o soluţie integrată de

raportare şi analiză a datelor financiare, de pe toate pieţele financiare.

FEF, este o initiativa a Ifip (International Financial Information Publishing Ltd) şi a fost

creată pe baza modelului de piaţă „I - Format” al Ifip pentru publicaţii legate de întreprindere

şi pentru prelucrare a datelor financiare. FEF conţine doar acele componente şi atribute

necesare pentru a descrie FET.

1.5 Maparea modelului de business peste modelul lingvistic bazat

pe ontologii şi semantici web

Pasul următor constituirii unui model abstract al întreprinderi este un moment crucial şi

este reprezentat de faza de implementare a acestuia. Procesul de implementare presupune



20

selecţia tehnologiilor care asigură scalabilitate, flexibilitate şi, disponibilitate la asimilarea

standardelor ce privesc automatizarea colaborării B2B la nivel sintactic şi semantic. Conform

[Cre05], “faza de implementare presupune:

adaptarea modelului la eventualele elementele de implementare specifice tehnologiilor

utilizate;

respectarea întocmai a delimitării responsabilităţilor între diversele componente;

identificarea şi adoptarea standardelor larg acceptate la nivelul industriei pentru

definirea mesajelor schimbate între componente. “

Figura următoare ilustrează aspectele tehnice ale implementării modelului întreprinderii

pe straturi, prin care se încearcă decuplarea totală a componentelor şi delimitarea clară a

responsabilităţilor fiecărui strat. În mod evident, printr-o organizare multistrat se va asigura o

uşoară mentenanţă a sistemului în ansamblu. Modelul întreprinderii este construit pornind de

la o arhitectură orientată pe servicii (SOA).

Fig. 9 Modelul întreprinderii

Scopul primordial al acestei arhitecturi este capacitatea de colaborare între servicii,

indiferent de platforma de dezvoltare adoptată.

Serviciile Web reprezintă termenul general adoptat în ultima vreme pentru a descrie

modulele funcţional independente ce comunică prin mesaje standardizate. Termenul este

folosit în diverse contexte: integrare B2B, EAI, servicii de bază (o implementare Remote

Procedure Call - RPC) şi vine cu o suită de protocoale bazate pe XML . Tehnologiile utilizate

în implementarea acestei arhitecturi nu rezolvă decât aspectele sintactice legate de mesajele

schimbate între servicii.

Astăzi, ţinta mult râvnită a industriei ce evoluează în jurul conceptului SOA este

facilitarea inetroperabiliăţii standardizate la nivel semantic între procesele software ale

partenerilor de afaceri pe întregul lanţ valoric. Conform lui Creţu, “miza standardizării

structurale a mesajelor şi documentelor ce se transferă în mod electronic între parteneri este



21

uriaşă. Dacă ne gândim numai la efectul plug-and-paly pe care l-ar genera în lumea e-

business, ne putem închipui deja o reţea mondială de furnizori – producători – parteneri –

consumatori extrem de dinamică şi flexibilă, în care fiecare companie şi-ar putea selecta

partenerii de afaceri cu un click de mouse iar consumatorii ar obţine instantaneu, direct de la

producători, toate informaţiile referitoare la fiecare componentă a produsului cumpărat”.

1.5.1 Standardizarea semantică

Problema principală în ceea ce priveşte construirea modulelor software care să

coopereze între ele, asigurând colaborare funcţională şi informaţională, constă în identificarea

unui limbaj comun. Analizând infrastructura informaţională a companiilor globale, analiştii

Commerce One (una din cele mai mari reţele de comerţ pe Internet şi actor mondial pe piaţa

EAI) au descoperit că eforturi de integrare a aplicaţiilor se exercită la toate nivelurile

întreprinderii, doar că echipele implicate în proces nu comunică între ele şi se concentrează

asupra rezolvării problemelor specifice pentru care s-au constituit. Ca urmare se creează o

reţea extrem de încâlcită de informaţii din cele mai diverse ce tranzitează reţelele între

procesele-interfaţă, pe baza mai multor protocoale personalizate, generând un adevărat “efect

spagetti”. Pentru a elimina efectele nedorite ale acestui fenomen, este necesară o nouă direcţie

de abordare a relaţiilor B2B:eforturile de integrare informaţională de tip point-to-point (P2P)

ar trebui să se transforme în eforturi de realizare a unui limbaj e-business comun, standardizat

cel puţin la nivelul industriei atât sintactic cât şi semantic.

Astfel, relaţii de colaborare la nivel de procese software ar putea aduce un spor real de

flexibilitate în abordarea relaţiilor de afaceri între parteneri. Scenariul tipic de cooperare B2B,

reprezentativ, de altfel, pentru orice gen de colaborare inter-procese software eterogene,

presupune:

clientul introduce comanda în propriul sistem computerizat, utilizând propriile

simboluri şi formate;

software-ul specializat translatează comanda în mesaj standardizat care descrie

formatul şi conţinutul comenzi;

comanda este transmisă electronic către sistemul producătorului;

software-ul specializat transformă mesajul în formatul producătorului;

mesajul electronic este trimis direct către sistemul secţiei de fabricaţie pentru a fi

inclus în programul de fabricaţie.

Istoric vorbind, EDI(Electronic Data Interchange) a fost tehnologia de pionierat în acest

domeniu. Deşi costurile sale erau destul de ridicate, putem spune că şi-a îndeplinit, în mare

măsură, scopul pentru care a fost construit: marile companii au renunţat într-o măsură

apreciabilă la hîrtie, fax şi e-mail pentru a schimba documente. O dată implementate,



22

sistemele EDI au generat avantaje majore, consemnate de literatură astfel: reducerea timpului

necesar procesării unei comenzi (de la trimitere până la intrarea în fabricaţie) la mai puţin de o

zi. Asemenea rezultate spectaculoase au determinat marile companii să îşi oblige furnizorii la

adoptarea sistemelor de transfer electronic de documente. Deşi pot fi identificate nenumărate

poveşti de succes EDI, există şi câteva probleme fundamentale de concepţie care au redus

drastic rata de adopţie mai ales la nivelul micilor companii:

costuri ridicate de implementare (pentru reţeaua privată şi software-ul aferent);

protocol de comunicaţie personalizat nestandardizat la nivel global;

trebuia definit formatul mesajului cu fiecare partener.

În esenţă, eşecul EDI de a deveni infrastructura globală e-business are la bază lipsa de

standardizare semantică, furnizorii regăsindu-se în situaţia de a gestiona mai multe baze de

reguli în paralel, câte una pentru fiecare companie-client.

Astăzi, deşi se vorbeşte încă de reabilitarea EDI prin XML/EDI sau EDI IIgen, prin

colaborare B2B înţelegem cu totul altceva: standarde privind structura şi semantica mesajelor,

dicţionare/taxonomii pentru definirea limbajului universal e-business şi depozite globale de

procese economice automatizate, public accesibile.

1.5.2 Ontologii şi SemanticWeb

SemanticWeb nu este altceva decât o reeditare a mai vechilor teorii (anii ‘60) privind

reprezentarea cunoaşterii prin intermediul reţelelor semantice. Aşadar, SemanticWeb îşi are

rădăcinile în domeniul tehnologiilor de inteligenţă artificială (IA). Având în vedere

imposibiliteatea de a dezvolta deocamdată agenţii inteligenţi promişi, dar şi din necesitatea

stringentă a colaborării în ciberspaţiul global, strategiile de cercetare IA s-au orientat în ultima

perioadă spre o ramură ceva mai realistă din punct de vedere pragmatic: ontologiiel. Ierarhia

este o parte foarte importantă a formalismului. Scopul declarat al ontologiilor este acela de a

oferi posibilitatea definirii unui vocabular pentru un anumit domeniu, o formă canonică a

cunoştinţelor şi de a le disponibiliza spre utilizare între sisteme eterogene. Un efort susţinut în

această direcţie, şi care pare să dea rezultate deja, este constituit de stiva de protocoale

Semantic Web dezvoltată şi promovată sub supravegherea cunoscutului consorţiu de

standardizare web, W3C.

Toate ontologiile au la bază un vocabular alături de unele specificaţii legate de

înţelesul/semantica terminologiei conţinute. Gruber afirmă că ontologiile pot fi utilizate cu

scopul de a obţine partajarea şi reutilizarea cunoştinţelor. Din raţiuni pragmatice o ontologie

este scrisă ca un set de definiţii ale unui vocabular formal. Deşi acesta nu e singurul mod de

reprezentare a unei conceptualizări, este totuşi recunoscut în lumea IA pentru câteva

proprietăţi interesante privind partajarea cunoştinţelor: semantică independentă de cititor sau

context. Spunem astfel că un angajament ontologic reprezintă o înţelegere de a utiliza un



23

anumit vocabular (întrebări şi afirmaţii) într-un mod consistent (dar nu complet).

SemanticWeb (SW) este tehnologia promovată de W3C pentru construirea ontologiilor.

Esenţa conceptului semanticWeb constă în îmbogăţirea HTML cu un set de taguri

standardizate care să exprime semantica paginii, generând astfel un conţinut Web mult mai

bine formalizat pentru a fi înţeles de agenţi inteligenţi. Astfel, paginile Web trebuie să conţină

metadate explicite prin care să se autodescrie. Ideea a pornit de la Tim Berners-Lee,

inventatorul World Wide Web. Nemulţumit de discrepanţa între stadiul Internet-ului astăzi şi

viziunea iniţială asupra reţelei globale, precum şi de capacităţile limitate ale motoarelor de

căutare, acesta a imaginat o altă modalitate de descriere a paginilor HTML. Schema din figura

de mai jos reprezintă viziunea tehnologică a renumitului inventator asupra conceptului

SemanticWeb.

Fig.10 Schema web-ului semantic

Schema trebuie interpretată astfel: cunoştinţe de diferite tipuri sunt separate; Unicode şi

URI sunt standardele tehnice de reprezentare/localizare a datelor; XML poate fi utilizat

pentru a-i spune computerului ce obiecte sunt reprezentate de o anumită secvenţă UNICODE;

RDF ne spune că acele obiecte sunt legate în variate feluri; ontologiile dau un context pentru

tipul (tipologia) obiectelor şi a relaţiilor; avem apoi nevoie de motoare de inferenţe pentru a

face deducţii context-sensitive asupra bazei de cunoştinţe; în teoriile ce promovează utilizarea

logicii pentru reprezentarea cunoaşterii fiecare deducţie trebuie demonstrată; încredere –

metoda utilizată pt demonstraţie trebuie acceptată de către participanţi.

Resource Description Framework (RDF) a fost prima specificaţie, cu sintaxa bazată pe

XML, special concepută pentru a construi un model semantic. În esenţă, RDF este nimic

altceva decât un model abstract de date (bazat pe entităţi/obiecte şi relaţii) necesar pentru a

declara propoziţii simple despre obiecte. Conceptele fundamentale RDF sunt resurse (obiecte

din lumea reală ce vor fi descrise, identificate prin URL), proprietăţi (un tip special de resurse

ce descriu relaţiile între resurse) şi propoziţii (descriu proprietăţile resurselor).



24

Propoziţiile sunt declarate după un formalism numit triplet, conform unui şablon

subiect-predicat-obiect, unde: subiectul reprezintă resursa descrisă; predicatul este aspectul

descris despre acel subiect; obiectul este valoarea acelei aserţiuni sau obiectul relaţiei

De la această primă fază însă, astăzi SW a evoluat către un real formalism de

reprezentare a cunoştinţelor bazat pe o combinaţie de logica predicatelor şi reţele semantice.

După cum majoritatea teoriilor de reprezentare a cunoaşterii recunosc utilitatea ierarhiilor de

tip IS-PART-OF şi IS-A pentru a exprima relaţii de dependenţă, SW a fost îmbogăţit cu RDF

Schema: limbajul bazat pe RDF care furnizează primitivele de modelare necesare (clase,

proprietăţi, relaţii de subclase şi subproprietăţi, restricţii de domeniu sau de scop). RDF

Schema este considerat un limbaj- fundament pentru a construi ontologii, având în vedere mai

ales faptul că furnizeazădouă primitive de modelare, denumite proprietăţi utilitare, pentru a

construi conţinut pe baza altuia existent deja la o altă adresă în reţea.

Expresivitatea RDF Schema este limitată la predicate binare şi la ierarhii de clase şi de

proprietăţi, cu definiţii de domeniu şi de scop. Ca urmare, un număr de grupuri de cercetare

atât din SUA cât şi Europa au identificat necesitatea unui limbaj mult mai puternic pentru

crearea de ontologii. Aşa a apărut DAML+OIL ca rezultat cumulat al eforturilor celor două

grupări (DAML–ONT al americanilor şi OIL al europenilor). La rândul lui, DAML+OIL a

devenit baza de construcţie

a limbajului OWL (de către W3C Web Ontology Working Group) pe care W3C l-a

propus spre standardizare şi adoptare globală. Limbajul oferă câteva caracteristici cheie: este

construit deasupra protocolului RDF şi, ca urmare, beneficiază de popularitatea acestuia;

furnizează o sintaxă riguroasă, o semantică formală şi un suport robust de raţionament. In

esenţă, OWL este o extensie RDF cu scopul de a acoperi câteva caracteristici lipsă ale celui

din urmă: restricţii localizate la nivelul unei anumite clase clase disjuncte(mascul/femelă);

combinaţii logice de clase (reuniune, intersecţie, complement); restricţii de cardinalitate în

sensul de a exprima “cel puţin una” sau “exact n”. OWL este construit pornind de la RDF (în

scopul compatibilităţii), este utilizată sintaxa RDF iar conceptele fundamentale sunt

specializări RDF.

1.5.3 Modelarea datelor

Întrucât modelul de afaceri este relativ informal şi descriptiv, această secţiune tratează

modelarea ontologiei. Sub această denumire se înţelege o abordare riguroasă a definirii

modelelor de afaceri. În alţi termeni, aceasta înseamnă definirea exactă şi minuţioasă a

termenilor, conceptelor, componentelor şi relaţiilor modelului de afaceri.

Pentru a accesa baza de date a ontologiilor au fost definite modele de date cu diagrame

vizuale şi unelte de design. Structura acestora diferă de la modele binare (ex. DOGMA) la

modele bazate pe relaţii extinse între entităţi (ex. MADS). Calea de mijloc este dată de

descrierile logice şi schemele conceptuale din modelele frame-based precum KAON şi



25

PROTEGE. Acestea suportă un mecanism de raţionare limitat. Mai jos sunt comparate cele

două extreme ale tipurilor de modelare (bazele de date şi descrierile logice), din punct de

vedere al conceptelor pe care se bazează.

Modelarea datelor: Se poate spuneca modelele conceptuale sunt mai bune la proiectarea

conceptelor primare pentru că ele pot descrie structuri mai complexe, mai apropiate de lumea

reală şi pentru că pot suporta diagrame vizuale şi unelte de design. Unele dintre ele pot

suporta şi câteva construcţii derivate ale căror instanţe pot fi automat deduse. Dar contrar

modelelor bazate pe o descriere logică, ele nu pot suporta construcţii pe care designerii le

definesc după o formulă logică, nu ştiu unde se încadreză în ierarhia generală sau nu sunt

conştiente de existenţa acestei ierarhii. Pe de altă parte, majoritatea descrierilor logice se

bazează pe structuri binare simple, oferind însă utilizatorilor facilităţile raţionării logice. Ele

permit utilizatorilor să definească construcţii noi precise, după o formulă logică, oricât de

complexe. Constrângerile pot fi deasemenea după formule logice (de tip incluziune sau

echivalenţă). Mecanismul de deducţie verifică automat consistenţa noilor definiţii şi

constrângeri, stabileşte unde să insereze noile construcţii în ierarhia de ansamblu şi crează

instanţele lor.

Instanţele: Sistemele bazate pe descrierea logică aderă în mod natural la conceptul de

„lume deschisă”, ce presupune că datele existente formează subsetul deja ştiut al datelor

valide, şi că mai multă informaţie poate fi dedusă prin raţionări sofisticate. Pe de altă parte,

bazele de date urmează conceptul de „lume închisă” susţinând că doar informaţia deja

existentă din baza de date (sau derivabilă prin reguli definite în mod explicit) este validă. Deci

ele nu au nevoie de raţionări pentru a deduce informaţii adiţionale.

Constrângerile: Validarea consistenţei unui set de constrângeri şi verificarea corelaţiei

dintre constrângeri şi schemă, sunt sarcini care pot fi făcute automat de către raţionări puse la

dispoziţie de către descrierile logice. Pe de altă parte, bazele de date au o abordare normativă

şi nu este posibilă definirea unei scheme ce nu urmează constrângerile modelului de metadate.

Cum bazele de date nu au facilităţi de raţionare, ele nu pot verifica setul de contrângeri de

integritate, şi de obicei nu au un integrat un limbaj pentru a defini constrângeri de integritate.

Un exemplu de astfel de constrângere este „dacă prin canalul de distribuţie este livrată o

valoare propusă şi ajunge la un grup de clienţi, atunci această valoare are ca ţintă acest grup

de clienţi”.

Interogarea instanţelor: Bazele de date si descrierile logice oferă funcţionalităţi

complementare pentru cereri către instanţe. Sistemele de baze de date oferă de obicei un

limbaj de interogări puternic, susţinut de unelte de optimizare a interogărilor eficiente.

Sistemele de descriere logică suportă un set de funcţii simple pentru a accesa instanţele si

derivatele lor obţinute prin motoarele lor de deducţie. În concluzie, cum doar limbajele logice

suportă definirea constrângerilor de integritate şi regulile de derivare care sunt pe deplin

integrate în descrierea ontologiilor, un sistem logic de descriere pare adecvat pentru definirea



26

unei noi versiuni de model de business. Ca interfaţă cu utilizatorul în definirea şi editarea

modelului de afacere este foarte des utilizat PROTEGE, iar pentru definirea constrângerilor de

integritate şi regulilor de derivare, sunt utilizate prioritar OWL şi RACER.

1.6 Proiectarea şi dezvoltarea ontologiilor procesului de afaceri

1.6.1 Scurtă trecere în revistă a metodologiilor de construcţie a

ontologiilor

Procesul de dezvoltare a ontologiilor este strâns legat de fluxul de extragere a

cunoştinţelor, astfel devenind un proces iterativ. Există multe metodologii propuse pentru

crearea ontologiilor al căror scop este acela de a atinge diverse nivele de aplicabilitate şi de a

folosi tehnici centralizate sau descentralizate. Metodologiile sunt de asemenea dependente de

dezvoltator.

În general, procesul de implementare a ontologiilor este “open-source” şi bazat pe

implicarea comunităţii, dar există şi ontologii dezvoltate de un grup restrâns de cercetători

pentru anumite scopuri. Mai mult, tendinţele actuale pentru dezvoltarea ontologiilor sunt

caracterizate de un nivel ridicat de automatizare. Astfel, putem vorbi despre metodologii de

construcţie automate sau semiautomate. Aceste metodologii sunt bazate pe: “data mining”,

“text mining” sau colaborarea dintre utilizatori.

Ontologiile pot fi considerate o formă structurată de cunoştinţe. [GFR08] prezintă o

metodă semiautomată de obţinere a cunoştinţelor din texte. Această abordare este bazată pe

trei module: extragerea, izolarea conceptelor şi detectarea inconsistenţelor.

Primul modul este bazat pe utilizarea categoriilor gramaticale de cuvinte, o constucţie

incrementală a bazelor de cunoştiinţe pentru relaţiile semantice şi pentru concepte în vederea

realizării inferenţelor. Extragerea cunoştinţelor este implementată prin utilizarea a trei tipuri

de procese: gruparea în funcţie de categoria gramaticală (POS tagging), identificarea

conceptelor şi inferenţe.

Procesul de inferenţă este capabil să inducă relaţii şi concepte pe baza categoriei

gramaticale. Acest lucru se realizează prin aplicarea unui set de reguli (MCRDR) dezvoltat

automat din entităţile de cunoştinţe extrase dintr-o frază. Principalul obiectiv al modulului de

inferenţă este acela de a modela relaţiile semantice dintre concepte.

Al doilea modul încearcă să interconecteze toate elementele dispersate din cadrul

ontologiei, obţinute pe baza modulului anterior, folosind UMLS. Cel de-al treilea modul

detectează inconsistenţele dintre relaţii bazându-se pe proprietăţile relaţiilor semantice ale

modelului ontologic. În vederea îmbunătăţirii procesului de verificare a consistenţei, autorii

utilizează OWL.



27

O altă abordare pentru construcţia ontologiilor este realizată de [Lin07]. Datorită

faptului că procesul de extragere şi reprezentare colaborativă a cunoştinţelor este unul dificil,

autorii implementează o evaluare convergentă şi iterativă utilizând tehnica sondajului. Diferite

situaţii contradictorii, la nivel de ontologie, sunt considerate şi tratate prin crearea de itemi

corespunzători în cadrul chestionarelor. Autorii propun un anumit format de chestionar pentru

calcularea nivelulului de cunoştinţe ale utilizatorilor, folosind metoda Delphi.

Mai mult, această abordare poate elimina zgomotul şi previne apariţia subiectivismului

şi divergenţa ontologiei.

[LGW09] prezintă în lucrarea lor, un cadru general de dezvoltare a ontologiilor bazat pe

învăţare, inclusiv suport automat pentru extragerea datelor din documente, clasificare, filtrare

şi obţinere informaţiilor relevante în vederea îmbunătăţirii ontologiei. Procesul de construcţie

a ontologiei este bazat pe crawling specializat. Acest tip de crawling permite extragerea

informaţiilor solicitate dintr-un anumit domeniu de interes. Crawler-ele sunt rulate pe site-uri

specializate precum biblioteci digitale sau motoare de căutare. Lucrarea prezintă un proces de

evaluare bazat pe filtrare de tip SVM (Suport Vector Machine) care selectează automat

documentele care oferă un nivel mai scăzut de relevanţă pentru criteriul solicitat.

Documentele rămase sunt utilizate în procesul de extragere al cunoştinţelor. Cu toate că

achiziţionarea automată este destul de relevantă, peste 77.5%, această clasificare poate fi

utilizată în mod semiautomat pe viitor pentu a permite experţilor o filtrare mai avansată.

1.6.2 Metodologia propusă pentru crearea ontologiilor de afaceri

Această lucrare propune o metodologie iterativă de dezvoltare a ontologiei într-o

manieră semiautomată. Această metodologie este în conformitate cu abordările prezentate

anterior. Metodologia propusă de autorii acestei lucrări constă în faptul că frazele procesate

sunt parsate, iar termenii sunt comparaţi în cadrul aceleeaşi categorii gramaticale, proces

cunoscut sub numele de “POS tagging”.

Totuşi, în viziunea noastră este mai bine să se aplice un algoritm de evaluare a

similarităţii semantice faţă de un modul automat bazat pe reguli, concentrat în principal pe

trăsăturile gramaticale şi sintactice şi mai puţin pe sens.

Abordarea iterativă şi colaborativă este aplicată mai ales în faza de îmbunătăţire şi are

ca avantaj principal o calitate sporită a ontologiei rezultate. Totuşi, abordarea prezentată de

această lucrare nu se bazează pe tehnica sondajului, ci mai degrabă pe evaluarea realizată de

agenţii inteligenţi şi pe experienţele lor anterioare.

Algoritmul de similaritate semantică interoghează baza de date WordNet în vederea

clasificării termenilor sub un sumator bazat pe relaţiile contextuale şi semantice din baza de

date. Calculul similarităţii este de asemenea bazat pe clasificare, dar nu în totaliatate pe SVM.

Principalul dezavantaj al metodelor tip SVM derivă din faptul că fiecare cuvânt nu are un sens

unic neambiguu. Dacă se consideră omonimele, acestea au sensuri diferite dar aceeaşi formă.



28

Mai mult, un cuvânt poate avea o serie de sinonime. În aceste situaţii, reprezentarea

vectorială a diferitelor texte poate să semene, dar subiectul sensului semantic poate să difere

mult, astfel obţinându-se inconsistenţe în metricile de evaluare a similarităţii. În plus, lipsa

termenilor comuni din două documente nu înseamnă neapărat că aceste documente nu sunt

similare. Procesul de obţinere a informaţiilor care se bazează numai pe modele clasice precum

algoritmul probabilistic de clasificare bayesian, spaţiul vectorial sau algoritmul boolean

constau în maparea lexicografică a termenilor. Totuşi, doi termeni pot fi similari din punct de

vedere semantic (ex: pot fi sinonime) chiar dacă sunt diferiţi din punct de vedere lexicografic.

Astfel, extragerea folosind metodele clasice va eşua să extragă documente cu termeni

similari.. În abordarea propusă vom folosi web crawlingul ca sursă principală de obţinere a

datelor. Principalii paşi pe care îi urmăm în cadrul procesului de construcţie a ontologiei sunt

prezentaţi mai jos şi pot fi grupaţi pe categorii:

PASUL 1: Construcţia ontologiei

A. Definirea şi înţelegerea mediului ontologiei

Această secţiune necesită o abordare sus – jos, de la general la particular.

1. ÎNŢELEGEREA DOMENIULUI – zona de interes pentru dezvoltarea

ontologiei specifice.

2. ÎNŢELEGEREA SECTORULUI – parte a domeniului pe care o modelează

ontologia.

3. ÎNŢELEGEREA DATELOR – datele disponibile, logica de afaceri şi modul în

care aceste date pot fi procesate într-o abordare semiautomată.

B. Clasificarea datelor

4. CLASIFICAREA DOCUMENTELOR BAZATĂ PE SARCINI – pe baza datelor

disponibile se identifică sarcinile şi se încearcă stabilirea de legături între date şi sarcini. Acest

lucru se poate realiza prin aplicarea unui algoritm de clasificare a documentelor. Secţiunea

următoare va insista asupra acestui algoritm.

C. Aplicarea similarităţii semantice pentru ontologia existentă

5. Îmbogăţirea ontologiei prin adăugarea unor relaţii semantice suplimentare pe baza

unui algoritm de similaritate semantică prezentat în secţiunea următoare.



29

Paşii B şi C reprezintă procesul efectiv de extragere a informaţiilor. Extragerea

informaţiilor va fi implementată prin utilizarea unei metode hibride de măsurare a similarităţii

semantice.

Această metodă este o combinaţie din următoarele:

numărarea muchiilor – utilizarea unei funcţii care măsoară lungimea drumului

între concepte în cadrul unei reţele semantice

măsurarea conţinutului informaţional – aceasta se referă la măsurarea diferenţei în

conţinut informaţional între doi termeni în funcţie de probabilitatea lor de apariţie.

Această clasă de metode garantează faptul că volumul conţinutului informaţional

al fiecărui termen este mai puţin semnificativ decât conţinutul informaţional al

termenilor sumatori.

PASUL 2: Rafinarea Ontologiei

6. Rafinarea este realizată sub supravegherea unui expert în domeniul ontologiei.

Agenţii inteligenţi iterează paşii anteriori pentru a îmbunătăţii calitatea ontologiei rezultate

7. Agenţii inteligenţi supraveghează de asemenea întreg procesul şi înregistrează

experienţele anterioare într-o bază de cunoştinţe.

Primele faze trebuiesc monitorizate de experţi umani astfel încât să se obţină o calitate

mai bună a ontologiei. Mai mult, aceste faze necesită un nivel ridicat de intervenţie umană.

Fazele 4, 5 şi 6 pot fi implementate într-o manieră automată, dar care trebuie supravegheată

de experţi.

1.6.3 Algoritmul de similaritate semantică

În vederea grupării termenilor bazaţi pe sensul semantic şi context folosim agenţi

inteligenţi. Agenţii sunt instruiţi şi apoi învaţă continuu pe baza experienţelor anterioare.

Agenţii interoghează baza WordNet şi încearcă să grupeze termenii din documente în synset-

uri pe baza analizei relaţiilor semantice. După accea, când se reiterează, se adaugă termenii

suplimentari şi relaţiile semantice la ontologia iniţială.

Pentru a măsura similaritatea semantică dintre două synset-uri, cele mai potrivite relaţii

care sunt utilizate în ierarhia semantică sunt hiponimie/hipernimie. Prin utilizarea acestui tip

de relaţii se foloseşte tehnica de “cel mai mic sumator comun”.

Totuşi datorită limitării relaţiei de tip “este o” în cadrul ierarhiilor algortimul

funcţionează numai între aceleaşi tipuri de părţi de vorbire.

Aşa cum este precizat în lucrarea lui [Liu09], dacă vom considera un set de concepte

mai generale direct legate de un concept X dat în cadrul acestui synset şi o funcţie care

returnează părinţii unui concept dat X. În cazul unei moşteniri singulare, funcţia întoarce

întotdeauna un singur termen. În situaţia unei moşteniri multiple doi părinţi distincţi pot fi



30

foarte diferiţi dar să reprezinte limita minimă superioară (cel mai mic sumator comun). Aceste

două noduri pot avea valori informaţionale diferite, astfel funcţia Parents(X) poate să întoarcă

mai mult de un termen. Pentru a determina funcţia de măsurare a similarităţii, trebuie să luăm

în considerare drumul dintre concepte:

(1)

în care:

XA - conceptul A

XB - conceptul B

Setul de părinţi ai unui concept este reprezentat de elementele care sunt unite prin cel

puţin o cale de conceptul luat în calcul. Conţinutul informaţional este invers proporţional cu

frecvenţa din dicţionar. Frecvenţa conceptelor defineşte numărul de apariţii a unui concept şi

a tuturor descendenţilor lui. Pornind de la frecvenţe se determină probabilitatea de apariţie a

unei instanţe a conceptului.

(2)

în care:

F(x) = frecvenţa de apariţie a conceptului X

N = numărul total de concepte din synset

Pe baza acestei probabilităţi se determină conţinutul informaţional al conceptului X

după formula:

CI(X) = - log2 (P(X)) (3)

în care:

CI(X) = conţinutul informaţional (CI) al conceptului X

P(x) = frecvenţa de apariţie a conceptului X

N = numărul total de concepte din synset

Prin folosirea conţinutului informaţional putem calcula similaritatea semantică sub

formă de distanţă. Similaritatea semantică este legată de nivelul de informaţie partajată.

Nivelul de informaţie partajată se poate calcula după formula următoare:

(4)

în care:

S(X1, X2) = nivelul de informaţie partajată între conceptele X1 şi X2

X1, X2 = conceptele 1 şi 2



31

În vederea calculării similarităţii semantice se pot folosi o serie de formule propuse de

Conrath, Lin, Resnik. În cazul algoritmului utilizat în această lucrare se foloseşte formula lui

Lin. Am ales această formulă deoarece ia în considerare în întregime conţinutul informaţional:

(5)

în care:

SimLin(X1,X2) = nivelul de similaritate dintre conceptele 1 şi 2 ( formula Lin )

S(X1, X2) = nivelul de informaţie partajată între conceptele 1 şi 2

X1, X2 = conceptele 1şi 2

IC(X) = conţinutul informaţional (IC) al conceptului X



32

2 Modelarea aplicaţiei de management al lanţului de

aprovizionare

2.1 Specificarea de nivel înalt a cerinţelor de funcţionalitate şi

interoperabilitate ale platformei

Această secţiune prezintă o imagine de ansamblu asupra arhitecturii framework-ului şi

de asemenea despre procesul de dezvoltare a agenţilor şi ontologiei de test.

Platforma propusă reprezintă un mediu general de dezvoltare pentru sistemele de afaceri

distribuite bazate pe agenţi care asigură interoperabilitatea şi colaborarea la nivel de

întreprindere şi de asemenea reprezintă un instrument ce asigură dinamica cunoştinţelor

[SDC10]

Soluţia care urmează a fi dezvoltată foloseşte următoarele tehnologii:

web semantic şi ontologii

sisteme multi agent

servicii web semantice

Arhitectura sistemului propus va avea următoarele module [DCo09]:

componenta de proiectare a ontologiilor care oferă interfaţă cu utilizatorul

modulul de regăsire al serviciilor web bazat pe agenţi

baza de cunoştinţe

modul de compunere a serviciilor semantice web

interfaţă cu utlizatorul pentru afişarea rezultatelor

Mai jos, este prezentată o descriere a fiecărei componente a frameworkului în termeni

generali.

1. Componenta de proiectare a ontologiei

Utilizând această componentă, utilizatorii vor putea pe de-o parte să-şi proiecteze

ontologia folosind

elemente grafice intuitive, iar pe de altă parte ontologia poate fi imbogăţită într-o

manieră semi-automată prin aplicarea metodologiei propuse la secţiunea anterioară.

În cazul abordării semi-automate, utilizatorul vor selecta un document pe care doreşte

să îl modeleze ca ontologie. Documentul este la început clasificat folosind algoritmul

Bayesian, în conformitate cu nişte trasături identificate în procesul de învăţare.

După aceea se aplică algoritmul de similaritate semantică pentru a extrage din baza de

cunoştinţe componente care servesc la anotarea semantică a documentului. Aceste

componente poartă denumirea de UIMA Pear.



33

Pentru realizarea într-o manieră semi-automată a ontologiei, componentele sunt

instalate, se extrag aşa numiţii “analysis engine” (AE) individuali. Componentele AE

individuale se compun pe baza unui set de reguli şi dau naştere unui AAE. Pe baza acestor

anotatori se identifică principalii termeni din document. Aceşti termeni sunt apoi proiectaţi

folosind sistemul de reguli şi o gramatică proprie dezvoltată cu ANTLR la nivel de ontologie.

În anexa 2 se afla codul metodei care realizează compunerea simplă a acestor elemente.

Compunerea pe baza unui set de reguli avansat este în lucru. În bază, sunt stocate pentru

fiecare ontologie regulile utilizate şi componentele astfel încât, pentru a eficientiza algoritmul,

sa aplicăm “ontology matching” şi elementele mapate să asiguram componentele identificate

deja anterior, fructificând astfel experienţa sistemului.

2. Modulul de regăsire al serviciilor web bazat pe agenţi

Acest modul de regăsire bazat pe agenţi interogheză un fel de serviciu de tip “pagini

aurii”, DF, care permite agenţilor să publice unul sau mai multe servicii astfel încât ceilalţi

agenţi să le găsească şi să le exploateze.

Agenţii interacţionează cu DF prin schimbarea mesajelor de tip ACLfolosind un limbaj

apropiat (limbajul SL0) şi o ontlogie apropiată, conform specificaţiilor FIPA.

Pentru implementarea agenţilor am folosit Jade. În Jade, interogarea agentului DF este

tratată folosind clasa jade.domain.DFService, prin intermediul căreia se pot publica şi căuta

servicii.

Un agent care doreşte să publice unul sau mai multe servicii, trebuie să transmită la DF

o descriere ce include ID-ul său, o listă cu limbajele şi ontologiile pe care ceilalţi agenţi

trebuie să le cunoască pentru a putea comunica şi o listă ce conţine serviciile publicate. Pentru

fiecare serviciu publicat, este generată o descriere care cuprinde tipul serviciului, numele,

limbajele şi ontologiile necesare pentru a putea exploata serviciul respectiv, precum şi setul de

proprietăţi din cadrul serviciului. Clasele DFAgentDescription, ServiceDescription şi

Property, incluse în pachetul jade.domain.FIPAAgentManagement, reprezintă cele trei

abstarctizări menţionate.

Agenţii care publică servicii caută partenerii cei mai potriviţi de comunicare luând în

considerare logica de afaceri modelată cu ajutorul ontologiei şi parametrii de intrare şi ieşire

ale metodelorimplementate de serviciile web expuse. Pentru a reliza regăsirea semantică a

serviciilor care se potrivesc, se va aplica algoritmul de similaritate semantică.

Prima dată, fişierul de descriere a serviciului web va fi clasificat cu ajutorul

algoritmului Naïve Bayes, şi vor fi grupate în clustere în conformitate cu regulile de afaceri şi

experienţele aleatoare. Agenţii utilizează mecanisme de inferenţă pentru a clasifica corect

serviciile web semantice şi sinctactice. Dacă agenţii folosesc, servicii web semantice,



34

algoritmul de similaritate semantică va avea rezultate mai bune datorită informaţiilor

suplimentare oferite de fişierul de descriere.

După ce documentele au fost grupate în cluster, sunt parsate şi se aplică o versiune uşor

modificată a algoritmului de similaritate prezentat în secţiunea anterioară.

Documentul parsat va fi salvat într-o baza de date care are schema din figura 11,

reducănd-se astfel timpul de acces la document.

Fig. 11 Schema bazei de date pentru stocarea serviciilor semantice web

Paşii urmaţi pentru identificare serviciilor potrivte:

Pasul 1: Pentru fiecare document care reprezintă un fişier de descriere a serviciului

web, se înlatură cuvintele nesemnificative precum:prepoziţii, articole, conjuncţii.

Pasul 2: Se determină rădăcina cuvântului prin aplicarea algoritmului Porter, impus ca

standard pentru acest proces. Se identifică apoi categoria gramaticală pentru fiecare cuvânt

astfel încât comparaţia să se realizeze în cadrul aceleiaşi categorii gramaticale.

Pasul 3: Se realizează dezambiguizarea termenilor folosind algoritmul prezentat în

secţiunea anterioară şi se calculează nivelul de similaritate semantică pentru perechi de

cuvinte. Acest algoritm este aplicat pentru numele parametrilor atât de intrare cât şi de ieşire

ale fiecărei metode din serviciu.

Pasul 4: Pentru fiecare pereche de fişiere ce descriu servicii web, se crează o matrice

semantică M [m, n] (serviciul A are m operaţii în timp ce serviciul B are N operaţii). Acest

pas este diferit de algoritmul iniţial. Matricea calculează două câte două similarităţi pentru



35

operaţii, nu pentru cuvinte. Parametrii de intrarea ai unei metode sunt comparaţi cu parametrii

de ieşire.

M [i, j] reprezintă nivelul de similaritate semnatică dintre operaţia de la poziţia i în

cadrul serviciului A şi operaţia de pe poziţia j din cadrul serviciului B. Nivelul de similaritatea

calculat prin aplicarea algoritmului ungar în grafuri bipartite, este stocat în tabela

SimilarityMeasures.

M[i,j]=Sim(OpAi,OpBj)= +

, i=1..m, j=1..n, p=1..k, q=1..v, r=1..l, s=1..u

(6)

în care:

OpAi – Operaţia i din web service-ul A

OpBj – Operaţia j din web service-ul B

Iip–numele celui de al al p-lea parametru de intrare din operaţia i in web service-ul A

Ijs– numele celui de al al s-lea parametru de intrare din operaţia j in web service-ul B

Oir– numele celui de al al r-lea parametru de ieşire din operaţia i in web service-ul A

Ojq– numele celui de al al q-lea parametru de ieşire din operaţia j in web service-ul B

k- numărul parametrilor de intrare ai operaţiei i in web service-ul A

u- numărul parametrilor de intrare ai operaţiei j in web service-ul B

l- numărul parametrilor de ieşire ai operaţiei i in web service-ul A

v- numărul parametrilor de ieşire ai operaţiei j in web service-ul B

Similaritatea este calculată aplicând formula lui Lin (5) prezentată în secţiunea

anterioară:

Sim(Iip,Ojq)= SimLin(Iip,Ojq) = (7)

în care:

SimLin(Iip,Ojq)- nivelul de similaritate dintre conceptele Iip şi Ojq calculat cu formula

lui Lin

S(Iip,Ojq)) = nivelul de informaţie comună dintre conceptele Iip and Ojq

Iip– numele celui de al al p-lea parametru de intrare din operaţia i in web service-ul A

Ojq – numele celui de al al q-lea parametru de ieşire din operaţia j in web service-ul B

IC(X)- conţinutul informaţional (IC) al conceptului X

Pasul 5: În baza de cunoştinţe asociată fiecărui agent, sunt stocate nivelel optime de

similaritate ale experienţelor anterioare pentru fiecrae clasă de documente, astfel pe baza

modulului de inferenţă, fiecare agent poate stabiliun prag de similaritate. Serviciile web care

se portivesc sunt considerate cele care au nivelul de similaritate mai mare decât valoarea prag.

3. Baza de cunoştinţe



36

Baza de cunoştinţe stocheaza, ontologii, reguli structurate de proiecţie a ontologiilor,

componentele de anotare asociate, atât simple cât şi agregate şi date referitoare la experienţele

anterioare, precum nivelul de similaritare prag pentru fiecare grup de descrieri ale serviciilor

web. Astfel, se facilitează şi îmbunătăţeşte procesul decizional.

4. Modulul de compunere a serviciilor web semantice

Modulul acesta are rolul de a realiza compunerea automată a serviciilor web. După ce

au fost identificaţi agenţii cei mai potriviţi care publică serviciile solicitate, acest modul le

combină astfel încât să se obţină rezultatul solicitat sau să finalizeze tranzacţia atunci când ne

referim la aplicaţii de management al lanţului de aprovizionare. Compoziţia este realizată

ţinând cont nivelele de similaritate dintre perechile de parametri de intrare-ieşire. Aceasta se

referă la faptul că parametrul de ieşire a unei metode care apare într-un anumit serviciu web

poate fi parametru de intrare pentru metodele aparţinând altui serviciu.

5. Interfaţa cu utilizatorul pentru afişarea rezultatelor

Interfaţa va trebui să afişeze într-o manieră facilă pentru utilizator rezultatele

compunerii serviciilor web. Interfaţa va fi de tip web astfel încât să se faciliteze accesul unei

clase cât mai largi de utilizatori şi de asemenea să fi cât mai uşor portată, întreţinută şi

accesibilă. Framework-ul trebuie să conţină o librărie de controale pentru utilizatori uşor de

manipulat atunci când se dezvoltă aplicaţii de afaceri.

Arhitectura platformei software este prezentatată în figurile 12 şi 13. Fig. 12 ilustrează

modulele principale ale platformei propuse, în timp ce figura 13 prezintă mai detaliat fiecare

componentă.



37

Fig.12.Arhitectura sistemului-privire generală

Fig. 13 Arhitectura platformei analiză în detaliu

Un flux standard de utilizare este prezentat în figura 14.

Fig. 14 Fluxul aplicaţiei

Secţiunea următoare prezintă paşii de dezvoltare a unei aplicaţii pentru managementul

în lanţul de aprovizionare care să valideze arhitectura şi metodologia pentru crearea

ontologiilor. Aplicaţia este bazată pe comunicarea dintre agenţi care au ca limbaj comun de

comunicare o ontologie dezvoltată folosind metodologia propusă anterior.



38

2.2 Dezvoltarea unei aplicaţii de management al lanţului de

aprovizionare folosind platforma propusă

[FBT00] defineşte “lanţul de aprovizionare” drept reţea de furnizori, fabrici, depozite,

centre de distribuţie şi puncte de desfacere prin intermediul căreia sunt ahiziţionate materiile

prime, sunt transformate şi apoi livrate consumatorilor. Managementul “lanţului de

aprovizionare” este reprezentat pe de trei nivele: strategic, tactic şi operaţional-decizional care

optimizează performanţa lanţului de aprovizionare. Nivelul strategic defineşte reţeaua lanţului

de aprovizionare, respectiv procesul de selecţie al furnizorilor, rutele de transport, facilităţile

de producţie, nivelele de producţie, depozitele, etc. Nivelul tactic se referă la planificarea şi

programarea activităţilor din cadrul lanţului astfel încât să satisfacă cererea. Nivelul

operaţional are rolul de a executa planurile. Toate aceste nivele înpreună cu proprietăţile

asociate lor sunt distribuite de-a lungul lanţului de aprovizionare.

În vederea îmbunatăţirii performanţei, funcţiile lanţului de aprovizionare trebuie să

opereze într-o manieră organizată şi controlată. Totuşi, sunt anumite probleme care afectează

fluxul lanţului de aprovizionare, majoritatea dintre ele greu de prezis sau de depistat într-o

fază incipientă fără a analiza şi fructifica experienţele anterioare într-o manieră organizată.

Spre exemplu, să presupunem ca modelăm activitatea unei firme de construcţii care are

nevoie de anumite materiale. Sunt mai mulţi furnizori, iar constructorul trebuie să facă

alegerea corectă. Pentru aceasta el trebuie să ţină cont de urmatoarele aspecte: preţ, calitate,

costuri de transport, riscuri de natură geografică, experienţele anterioare în relaţiile cu anumiţi

furnizori, risul de faliment al firmelor furnizoare, etc. Toate aceste informaţii reprezintă

valoare adăugată pentru tranzacţie şi sunt transformate în cunoştinţe şi stocate în baza de

cunoştinţe.

În ultimii ani, au fost dezvoltate multe arhitecturi pentru managementul “lanţului de

aprovizionare” la nivel tactic şi operaţional. Conform noului trend, lanţul de aprovizionare

este privit sub forma unui set de agenţi software inteligenţi, fiecare dintre ei fiind responsabil

pentru coordonarea unei sau mai multor activităţi în cadrul lanţului de administrare, şi fiecare

interacţionând cu alţi agenţi în vederea planificării şi execuţiei responsabilităţilor [SDD09].

În [PKr07] autorii vorbesc despre elementele care au fost luate în considerare când

procesele de afaceri încep să se extindă. Acest articol subliniază faptul că dezvoltarea

activităţii în deomeniul afacerilor implică colaborarea dintre întreprinderi şi necesită utilizarea

tehnologiilor şi elementelor de afaceri complexe. Este foarte important ca partenerii de afaceri

să cadă de acord încă de la începutul colaborării cu privire la documentele care urmează să fie

utlilizate (ordine de cumpărare, facturi, etc.) şi de asemenea trebuie să specifice în mod

explicit standardele utilizate pentru comunicare. Nevoia de utilizare a standardelor de



39

comunicare ia naştere din faptul că aşa numită „compunere slabă” („loose coupling”) a

serviciilor web expuse de sisteme necesită protocale de comunicare în mediul de afaceri.

Aceste protocoale sunt orientate pe mesaj: specifică fluxul mesajelor care reprezintă de fapt

activităţi din cadrul fluxului de afaceri dintre parteneri (fără a fi nevoie de mecanisme de

implementare specifice). Privite ca un tot unitar, protocoalele procesului de afaceri, formatele

de date asociate, standardele de transmitere a mesajelor, asigură mediul necesar pentru

comunicarea automată dintre sisteme diferite aparţinând partenerilor de afaceri din cadrul

lanţului.

În framework-ul pe care îl propunem, fiecare sistem care expune servicii web este

reprezentat de agenţi inteligenţi, iar comunicarea dintre ei este realizată prin utilizarea

ontologiilor dezvoltate folosind metodologia propusă anterior, dar şi a algoritmului de

măsurare a similarităţii semantice, care determină nivelul de similaritate dintre ontologii şi

ajută la regăsirea seamntică a serviciilor web şi componentelor utilizate pentru anotarea

documentelor de afaceri.

Un agent este un proces software autonom, care are ca scop realizarea unui obiectiv

specific şi care operează asincron, comunicând şi coordonând relaţiile cu alţi agenţi. În

secţiunea următoare vom prezenta într-o manieră mai detaliată modul în care aceşti agenţi

comunică şi cum îşi aleg partenerii de afaceri.

Aplicaţia care a fost dezvoltată pentru a valida interacţiunea dintre agenţi, dar şi

metodologia de construcţie a ontologiilor se referă la modelarea lanţului de aprovizionare

pentru o companie de construcţii.

Problema care urmează a fi modelată este următoarea: “o companie de construcţii

doreşte să cumpere cărămidăde la furnizorii de materiale de construcţii. Compania de

construcţii este reprezentată de un agent numit “Customer”.

Framework-ul propus facilitează implementarea sistemelor multi agent pentru lanţuri

de aprovizionare, deoarece permite consumatorilor să identifice furnizori care să satisfacă

nevoile lor de afaceri. Toti participanţii din cadrul lanţului de aprovizionare sunt modelaţi prin

intermediul agenţilor.

Aşa cum am precizat şi mai înainte în cadrul acestui raport, principalele categorii de

actori din domeniul lanţului de aprovizionare sunt următoarele: furnizori, fabrici, depozite,

centre de distribuţie şi puncte de desfacere prin intermediul cărora sunt achiziţionate,

transformate şi livrate materiile prime.

Deşi crearea unui tip specializat de agent pentru fiecare categorie de actori aşa cum

este prezentat în [LWa08] implică multiple beneficii, considerăm că acest tip de abordare

limiteză flexibilitatea şi capacitatea totală a sistemului de a modela entităţi din mediul real de

afaceri. Ţinând cont de faptul ca un participant din cadrul lanţului de aprovizionare, poate

aparţine mai multor categorii dintre cele menţionate mai sus şi de asemenea poate oferi o



40

gamă variată de servicii şi produs, a fost mai bine să implementăm un agent generic de tip

“trader”.

Similar mediului de afaceri real pe care îl reprezintă pe internet, fiecare agent are

parametri de intrare şi parametri de ieşire. Parametrii de ieşire sunt reprezentaţi de serviciile şi

produsele pe care agenţii le oferă, nivelul de preţ şi caracteristicile tehnice. Parametri de

intrare constau în materia primă, serviciile solicitate sau subansamblele necesare în vederea

producerii unui tip specific de produs sau să asigure un anumit tip de serviciu.

În vederea selecţiei celui mai bun furnizor, pentru fiecare intrare, trebuiesc definite

atât reguli obligatorii precum (ex: distanţa maximă dintre consumator şi frunizor), precum şi o

funcţie de evaluare. Aceste elemente sunt aplicate la nivelul fiecărui agent astfel încât să se

poată calcula un scor pentru fiecare ofertă (ex: pe baza preţului şi a caracteristicilor tehnice).

Rezultatele funcţiei precum şi parametrii acesteia sunt stocate în baza de cunoştinţe. Funcţia

de mai jos reprezintă un şablon parametrizat de funcţie. Pe baza experienţelor anterioare, prin

aplicarea inferenţei, fiecrae agent poate include alţi parametri şi de asemanea poate asocia

diverse nivele de ponderi. Sistemul de ponderi, este astfel customizat şi actualizat la nivel de

agent şi depinde de contextul de afaceri. În aplicaţia de test, utilizatorii pot interveni si

modifica manual ponderile.

(8)

în care:

m - numărul de furnizori

n - numărul de trăsături tehnice

- numărul valorilor posibile pentru caracteristica j

- importanţă caracteristicii j pentru agentul l

- valorilor posibile pentru caracteristica j

- funcţie ce evaluează optimalitatea

caracteristicii j pentru agentul l

Riscul poate fi de asemanea luat în calcul ţinând cont de poziţia geografică a

furnizorului, reţelele de transport disponibile, reiscul de faliment, etc. În secţiunea următoare

prezentăm un model care evaluează riscul de faliment al furnizorului. Dacă o regulă

obligatorie nu este îndeplinită, oferta este automat respinsă şi nu va mai fi luată în considerare

în procesul de evaluare. Pe baza experienţelor anterioare sau a datelor introduse de utilizator,

fiecare agent menţine o listă de furnizori “de încredere”, dar şi o listă de furnizori care

trebuiesc evitaţi.



41

Importanţa parametrilor menţionaţi anterior poate fi definită anterior şi prin utilizarea

interfeţei web dedicate furnizorilor.

Un flux posibil de comunicare dintre agenţi este prezentat în figura 15 de mai jos:

Fig 15. Fluxul de comunicaţie dintre agenţi

Agenţii pot efectua diverse roluri în cadrul lanţului de aprovizionare. În figura de mai

sus, agentul numit “Trader 1” este un frunizor pentru agentul “customer”, de la care primeşte

o cerere pentru un produs sau serviciu. Dacă “Trader 1” nu poate să soluţioneze cererea,

poate solicita servicii adiţionale sau subansamble de la alţi agenţi, devenind astfel la rândul

său un agent de tip “customer” . “Trader 2,3 şi 4” reprezintă posibili furnizori pentru “Trader

1” , dar la rândul lor pot deveni consumatori pentru alţi agenţi. Dacă un agent “trader” nu

poate satisface cererea de servicii sau produse în condiţiile solicitate, returnează o ofertă

“void”.

Limbajul OWL pentru ontologii, este folosit pentru a descrie produse şi servicii precum

şi caracteristicile tehnice ale acestora. Toate configurările se fac utilizând interfaţa web a

agentului de tip “trader”.

Cu toate că poziţia geografică este considerată un aspect important [Men04] multe

dintre framework-urile existente nu ţin cont de acest aspect sau eşuează în fructificarea pe

deplin a potenţialului acestui criteriu. Noi considerăm locaţia un element important în selecţia

potenţialilor parteneri de afaceri în cadrul lanţului de aprovizionare atât prin impactul pe care

îl are asupra costurilor de transport, dar şi prin risc-uril impuse. De asemenea, poziţionarea

geogarfică poate reprezenta un criteriu de restrângere a spaţiului de căutarea aşa cum îl

reprezintă şi riscul de faliment al furnizorilor. Coordonatele GPS, sunt stocate în ontologiile

tuturor agenţilor implicaţi în flux. Alături de coordonate sunt specificate şi formele geografice

(sub forma de poligoane) folosind limbajul specific GML (Geographic Markup Language),

format standard definit de OGC (Open Geospatial Consortium) [OGC09].

Agentul consumator, va interoga agentul DF (Domain Facilitator) astfel încât să poată

identifica cea mai apropiată companie furnizoare. Cererea, constă în specificarea tipului

agenţilor solicitaţi (în cazul nostru furnizorii de materiale de construcţii), tipul ontologiei (în



42

cazul nostru ontologia creată pentru această platformă şi al cărei template este prezentat in

anexa 1) şi limbajul utilizat.

Ontologia agentului consumator are următoarele informaţii:

Domain- conţine informaţii referitoare la domeniul de activitate al agentului

consumator;

TradedThing-conţine informaţii referitoare la cererea companiei: tipul de produs şi

caracteristicile tehnice. Pentru o companie care solicită cărămidă, o caracteristică tehnică

poate fi temperatura maximă suportată;

Area- conţine informaţii referitoare la poziţia geografică a companiei, fiind dată de

coordonatele GPS. Aria reprezintă suprafaţa acoperită de firma de construcţii (filiale dacă

există şi sediul central).

Pe de altă parte, sunt furnizorii de materiale de construcţii, care utilizează aceeaşi

ontologie:

Domain – conţine informaţii referitoare la activitatea lor

TradedThing – informaţii referitoare la gama de servicii şi produse pe care o oferă

împreună cu caracteristicile tehnice asociate

Area – informaţii referitoare la poziţia punctelor de desfacere. Informaţia este descrisă

prin utilizarea instanţelor şi a proprietăţilor. Punctele de desfacere sunt date sub formă de

figuri geometrice definite prin intermediul coordonatelor GPS.

În vederea identificării celei mai bune oferte trebuiesc parcurşi următorii paşi.

Comunicarea dintre agenţi este bazată pe OWL şi mesaje ACLcompatibile cu standardul

FIPA [FIPA]

Pasul 1: toţi agenţii de afaceri (BA) sunt înregistraţi la agentul DF (Domain

Facilitator).Agenţii de afaceri vor avea informaţii despre servicii dintr-un anumit domeniu de

afaceri. Un agent de tip “trader”, interoghează prima dată agentul DF pentru a obţina lista

agenţilor de afaceri disponibili, apoi îşi înregistrează serviciile şi produsele cu cele

corespunzătoare cererii.

Platforma software este implementată într-o manieră distribuită astfel încât permite

existenţa mai multor agenţi DF care ruleză pe maşini diferite.Comunicarea dintre

componentele distribuite se realizează prin utilizarea serviciilor web pentru a asigura

interoperabilitatea la nivelul mediilor de dezvoltare eterogene. Agentul care reprezintă

serviciile web (WSA) coordonează proceul de traducere al mesajelor din ACL şi apelurilor de

servicii web şi actualizează constant lista agenţilor DF aflaţi pe alte maşini.

Pasul 2: Datorită faptului că lanţul de aprovizionare este un sistem orientat pe cererea

consumatorului. Fluxul începe cu cererea primită. Agentul consumator, interoghează prima

dată agentul DF şi agenţii de afaceri de pe toate maşinile conform listei create de agentul DF

în funcţie de conţinutul cererii.



43

Pasul 3: Agentul consumator îşi transmite cererea la agenţii vânzători descoperiţi la

pasul anterior. În cadrul cererii se specifică de asemenea adresa dorită pentru livrareutilizând

coordonatele GPS, produsele solicitate, caracteristicile lor tehnice, cantitatea şi data maximă

de livrare.

Pasul 4: Fiecare agent furnizor contactat analizează cererea consumatorului şi

răspunde în caz de similaritate. Prima dată se compară poziţia geografică a consumatorului cu

punctele de vânzare acoperite. Apoi, agentul vânzător compară produsele sau serviciile

solicitate cu datele sale. Match-ingule dintre cerere şi ofertă se face prin compararea

ontologiior celor doi create aplicând metodologia propusă. Nivelul de similaritate este

determinat cu ajutorul algoritmului de similaritate semantică.

Utilizarea limbajului OWL s-a dovedit a fi o soluţie bună deoarece rezolvă problema

heterogenităţii datelor. Inferenţa a fost implementată cu ajutorul Jena [Jena] şi serveşte la o

mai bună înţelegere a cererii consumatorului. Dacă agentul vânzător nu poate să asigure pe

cont propriu produsul sau serviciul solicitat, va trebui să identifice la rândul sau furnizori,

astfel devenind la rândul său consumator, iar procesul se repetă începând cu pasul 2.

Reasoner reasoner = ReasonerRegistry.getOWLReasoner();

reasoner = reasoner.bindSchema(GenerateOntology());

InfModel infmodel = ModelFactory.createInfModel(reasoner,ontologyModel);

Resource resource= infmodel.getResource(NS + "TradedThing");

Pasul 5: Agentul consumator continuă să comunice şi să negocieze cu agenţii care i-au

raspuns pozitiv. Evaluarea ofertei ia în considerare atât regulile obligatorii, riscul de faliment,

dar şi funcţia de evaluare prezentată mai sus. Mai mulţi agenţi vânzătoripot fi selectaţi dacă

este nevoie pentru a satisface cererea din punct de vedere al cantităţii. În situaţia în care

agentul nu este consumatorul iniţial, ci un consumator intermediar care doreşte să

achiziţioneze subansamble sau alte materiale,algoritmul continuă cu selecţia celei mai bune

oferte de la pasul recursiv anterior. Algoritmul se finalizează în momentul în care a fost

selectată cea mai bună ofertă. Evaluarea este facuta de către clientul iniţial. Aşa cum este

prezntat mai sus, algoritmul este implementat într-o manieră recursivă care permite fiecărui

agent vânzător să devină la rândul său consumator.

Această abordare asigură un nivel ridicat de flexibilitate în generarea lanţului de

aprovizionare. Agenţii consumatori pot lua în considerare un set de reguli peredefintie atunci

când aleg furnizorii aşa cum este prezentat în figura de mai jos:



44

Fig 16. Căutarea bazată pe agenţi în cadrul lanţului de aprovizionare

Funcţionalităţi adiţionale de “reasoning” pot fi adaugate agentului vânzător aşa cum

este prezentat în [He06], [Wan08]. În această manieră se permite agentului vânzător să îşi

regleze preţurile în funcţie de starea pieţei astfel încât să îşi poată maximiza încasările.



45

3 Evaluarea riscului în mediile de programare bazate pe

agenţi inteligenţi

În această secţiune urmarim să propunem marimi de evaluare a fiabilitaţii sistemelor

distribuite bazate pe agenţi inteligenţi şi pe interacţiune dintre servicii web. Pentru aceasta am

facut o analiză asupra diverselor modalităţi de calcul a fiablităţii. Riscul de eşec al unui astfel

de sistem este în relaţie negativă cu fiabilitatea.

3.1 Fiabilitatea sistemelor distribuite bazate pe agenţi şi servicii

web

3.1.1 Aspecte generale privind metricile de evaluare a fiabilităţii

sistemelor

Definiţiile date în literatură pentru fiabilitate diferă în funcţie de diverşi cercetători şi

de sistemele care uremază a fi evaluate. Cu toate acestea există o definiţie unanim acceptată

de toţi cercetătorii: “Fiabilitatea reprezintă probabilitatea de succes ca un sistem să realizeze

funcţionalităţile pentru care a fost dezvoltat în condiţiile limitărilor impuse în faza de

proiectare.” Mai explicit, această definiţie se referă la faptul că fiabilitatea este probabilitatea

ca un produs sau o parte să funcţioneze corect pentru o anumită perioadă de timp sub anumite

condiţii fără a avea eşecuri. Din punct de vedere matematic, fiabilitatea se poate exprima ca o

funcţie de probabilitate dependentă de timp. este probabilitatea ca un sistem să

funcţioneze cu succes de la început până în momentul t.

(9)

în care:

–reprezintă timpul de eşec;

Exprimată sub forma densităţii de probabilitate, funcţia de fiabilitate este următoarea:

(10)

în care:

f(t) –funcţia de densitate pentru momentul de eşec T;

f(t)= - (11)

În cele mai multe cazuri, spre exemplu analiza fiabilităţii unui serviciu web, evaluarea

bazată pe timpul de esec nu este cea mia bună opţiune. O măsură mai consistentă poate fi dată

de evaluarea numărului de eşecuri raportat la numărul total de apeluri. În ambele abordări R(t)

ia valori în intervalul [0,1].



46

Ca o alternativă la funcţia clasică de evaluare a fiabilităţii, [Pha05] a dezvoltate o nouă

funcţie matematică numită: “sistemabilitate” , luând în considerare nivelul de incertitudine a

mediilor operaţionale care afecteză funcţia de predicţie a fiabilităţii sistemelor.

Sistemabilitatea este definită ca probabilitatea unui sistem de a executa funcţiile pentru o

anumită sarcină în medii operaţionale aleatoare. Matematic acest lucru se exprimă astfel:

(12)

în care:

– funcţia care masoară rata de hazard;

–factor de mediu;

– funcţie de disribuţie cumulativă pentru η;

Fiabilitatea este una dintre cele mai importante caracteristici solicitate de clienţi de la

dezvoltatorii de sisteme software. Au fost identificaţi peste treizeci de factori care

influenţează fiabilitatea unei aplicaţii. Dintre aceştia amintim: dificultatea de programare

(PDIF), nivelul tehnologiilor de programare (TLVL), procentul de cod refolosit (PORC)

[Pha06].

Fiabilitate a este cel mai des luată în calcul atunci când se evaluează calitatea serviciilor

(Quality of Service - QoS) asociată unei aplicaţii. Alte aspecte care sunt laute în considerare

când se evaluează QoS sunt: disponibilitatea, accesibilitatea, integritatea, performanţa şi

securitatea [CPE05].

Datorită importanţei acestei teme, ISO şi International Electrotechnical Commission

(IEC) au adoptat în 1991standrdul de calitate ISO/IEC 9126. Standardul specifică stributele

de calitate împărţite în şase grupe: funcţionalitate, fiabilitate, utilizabilitate, eficienţă,

mentenanţă şi portabilitate. Evaluarea fiabilităţi poate lua în considerare metrici precum:

metrica de maturitate, metrica de toleranţă la erori, metrica de recuperare şi metrici de

conformitate. Cei mai comuni indicatori de fiabilitate sunt [Pha06]:

Timpul mediu de eşec al sistemului (SMTTF)

SMTTF este cel mai des utilizat, dar şi cel mai incorect folosit. A fost eronat interpretat

drept “timpul minim de viaţă garantat”.

(13)

în care:

– funcţia de densitate pentru timpul de eşec T;

Mentenanţa

Mentenanţa este definită ca probabilitatea unui sistem care a eşuat să fie recuperat la

condiţiile specificate într-o perioadă de timp dată atunci când recuperarea se face după

proceduri şi resurse anterior specificate.



47

Cu alte cuvinte, mentenanţa este probabilitatea de a izola şi repara o eroare a sistemului

într-un anumit timp. Funcţia analizează timpul de înlăturare, înlocuire, rescriere a

componentei care a eşuat. De asemenea, se iau în calcul şi abilităţile necesare, echipamnetul

de suport necesar, documentarea:

(14)

în care:

–funcţia de densitate pentru timpul de refacere T;

Disponibilitatea

Fiabilitate este o masură ce necesită execuţia cu succes a sarcinilor pe parcursul unui

interval de timp la nivel de sistem complet. Pe parcursul acestei perioadenu sunt permise

schimbări sau corecţii. Disponibilitatea este o măsură ce permite unui sistem să fie corectat

atunci când apar eşecuri.

(15)

în care:

– perioada de timp în care sistemul funcţionează;

-perioada de timp în care sistemul nu funcţionează ;

3.1.2 Fiabilitatea în sistemele de compunere de servicii web

În timp ce serviciile web individuale sunt utilizate pentru realizarea sarcinilor

independente, este nevoie din ce în ce mai mare de a integra serviciile în fluxuri mai

complexe. Acest aspect este aplicat şi la nivelul aplicaţiei de management a lanţului de

aprovizionare. Tranzacţia este realizată prin compunerea serviciilor web individuale expuse

de agenţii participanţi la procesul de afaceri. Aplicaţiile bazate pe compunerea de servicii,

oferă posibilitatea reconfigurării rapide astfel încât să se poată adapta şi să poată beneficia zât

mai uşor de toate schimbările de pe piaţă. Comparativ cu abordările tradiţionale, compunerea

de servici permite modificarea funcţionalităţii aplicaţiei prin simpla modificare a serviciilor

web implicate, fără a fi nevoie de a rescrie codul aplicaţiei, reducând astfel ciclul de

dezvoltare al produselor software. În plus faţă de reducerea timpului de dezvoltare, sunt

reduse şi costurile de dezvoltare asociate [HNa07].

Aplicaţiile complexe pot fi vazute ca o colecţie de servicii web independente oferite de

diverse companii, în cazul nostru expuse de agenţi situaţi pe platforme diferite.

Interoperabilitatea devine astfel un aspect important, deoarece înteprinderile tradiţionale

complet integarate sunt înlocuite de reţele de afaceri în care fiecare companie este

specializată într-un anumit domeniu.

Abordările curente de compunere a serviciilor web pot fi clasificate astfel:



48

Manuală- este considerată consumatoare de timp şi în acelaşi timp cu un nivel ridicat

de erori. Persoana care realizează compunerea trebuie să cunoască foarte bine domeniul

[MRP10].

Semi-automată – utilizatorul este implicat în procesul de validare a fluxului generat, în

diverse etape ale procesului de compunere. Această abordare asigură de cele mai multe ori un

nivel ridicat de QoS.

Automată – implicarea utilizatorului este minima, iar sistemul trebuie să asigure

validarea fluxului.

Modelele existente de evaluare a fiabilităţii sistemelor au fost dezvoltate pentru aplicaţii

statice. Date fiind diferenţele dintre aplicaţiile monolitice şi cele bazate pe servicii web, multe

tehnologii, tehnici şi modele dezvoltate pentru aplicaţiile tradiţionale nu mai sunt valide. prin

urmare, nici modelele de evaluare a fiabilităţii nu mai sunt în concordanţă cu specificul

aplicaţiilor.

Există mai multe abordari în realizarea compunerii de servicii: metode bazate pe

inteligenţăartificială, reţele Petri, metode abstracte modelate prin funcţii matematice, etc, însă

toatea aceste metode au în comun faptul că mai multe servicii pot realiza funcţionalităţile

indeividuale necesare alcătuirii fluxului. În general, selecţia serviciilor participante se

realizează după criterii precum: cost, performanţă, reputaţie sau o combinaţie a acestor

atribute [YPi09], [JMR10]

În vederea creşterii fiabilităţii întregului lanţ de servicii web, propunem să le

considerăm ca fiind construite din servicii abstracte. În pasul de descoperire, pe lângă selecţia

serviciului web, care oferă cele mai bune caracteristici, reţinem de asemenea toate serviciile

care oferă funcţionalitatea solicitată. Dacă pentru un anumit motiv cel mai serviciu web nu

este disponibil la momentul execuţiei, un altul îl va înlocui.

Definim serviciu web abstract drept un grup de servicii web care asigură o

funcţionalitate specifică. Considerăm că serviciul abstract eşuează numai dacă toate serviciile

din grup eşuează. Astfel se calculează fiabilitatea unui serviciu abstract după următoarea

formulă:

(16)

în care:

numărul serviciilor web care asigură funcţionalitatea solicitată. Dacă atunci

este mai aproape de 1 decât fiabilitatea oricărui alt serviciu din grup.Cu alte cuvinte,

.

Fiabilitatea totală a unui sistem depinde de fiabilitatea subsistemelor sale, care este la

rândul ei influenţată de fiablitatea componentelor şi fiabilitatea conexiunii dintre componente.

Nivelul aşteptat de QoS este un criteriu important în momentul în care se construieşte un lanţ



49

de servicii web. Este cel mai des utilizată când mai multe servicii web răspund la cerinţe. În

vederea selectării unuia dintre ele, se ia în calcul valoarea QoS.Există mai multe abordări

pentru selecţia serviciilor astfel încât per total să se asigure cel mai ridicat nivel QoS. [Li10]

propune un algoritm de înlănţuire a serviciilor web în care metoda de optimizare este bazată

pe Multi-objective Chaos Ant Colony Optimization - MCACO care oferă rezultate mai bune

faţă de metodele anterioare bazate pe

Multi-objective Genetic Algorithms - MOGA [Liu05]. Unele dintre abordări propun

extinderea standardelor prin încorporarea informaţiilor legate de fiabilitate. O astfel de

abordare este o extensie a Web Service Description Language – WSDL şi se numeşte Q-

WSDL (QoS enabled WSDL) prezentată în [BAm10]. Această abordare adaugă informaţii

legate de QoS la limbajul standrd de descriere al serviciilor web.

Prezicerea fiabilităţii în compunere de servicii se poate realiza:

În etapa de proiectare – predicţie statică. Fiabilitatea este calculată la momentul

proiectării şi tot atunci sunt alese şi cele mai bune servicii. Această abordare asigură o

performanţă mai bună deoarece nu încetineşte faza de execuţie. Se pot utiliza algoritmi

complexi de evaluare a fiabilităţii.

La momentul execuţiei – predicţie dinamică. Predicţia fiabilităţii şi selecţia serviciilor

sunt realizate la momentul execuţiei. Avantajul faţă de etapa anterioară este realizat de faptul

că nu se modifică dacă seriviciile web implicate se modifică în timp. Dezavantajul este legat

de prelungirea timpului de execuţie ceea ce rezultă în necesitatea de a utiliza algoritmi de

evaluare mai puţin complexi.

În viziunea noastră, o evaluare mixtă ar trebui realizată. Fiabilitatea este evaluată prima

dată la momentul proiectării, atunci când se realizează lanţul de servicii web. Astfel se alege

cel mai fiabil lanţ. Prin stocarea tuturor serviciilor care pot realiza suncţionalitatea solicitată,

ni se permite schimbarea la momentul execuţiei a serviciilor care nu mai sunt disponibile.

Astfel este îmbunătăţită fiabilitatea, fără a încetini execuţia. Pe baza valorii fiabilităţii fiecărui

serviciu web, valoarea agregată a fiabilităţii poate fi calculată aşa cum este prezentat în

[HNa07] şi [BAm10]. Formulele au fost definite pentru servicii web, dar pot fi de asemenea

utilizate pentru servicii abstarcte:

1. – Fiabilitatea unei secvenţe:

(17)

în care reprezintă numărul de blocuri din secvenţă.Blocurile pot fi fie servicii web

individuale sau lanţuri de servicii web compuse din mai multe servicii.

2. – Fiabilitatea blocurilor alternative:



50

(18)

în care m este numărul de ramuri, este fiabilitatea condiţiei de test şi

probabilitatea ca ramura i să fie selectată. Astfel . Pentru un loc alternativ carea re

doar două ramuri, formula poate fi rescrisă astfel:

(19)

3. – Fiabilitatea blocurilor repetitive

(20)

în care fiabilitatea condiţiei de repetiţie, este fiabilitatea blocului

care se repetă şi LoopCount reprezintă numărul de repetări ale unui bloc

Pentru a exemplifica se consideră următoarea situaţie din cardul unui lanţ de

aprovizionare prezentată în figura de mai jos:

Fig.17 Exemplu de lanţ de servicii web pentru aplicaţie de modelarea lanţului de aprovizionare

Figura 17 prezintă un lanţ simplu de servicii web care genereză facturi pe baza adresei

de livrarea a produsleo. Primele două servicii web sunt de la furnizori externi, în timp ce

serviciul de facturare este deţinut de companie. Pentru fiecare serviciu abstarct, serviciile care

se potrivesc sunt stocate împreună cu nivelul lor de fiabilitate. Dacă s-ar fi stocat doar un

singur serviciu, iar sistemul nu ar mai fi avut posibilitatea să se recupereze în cazul unei erori,

valoarea funcţiei de fiabilitate ar fi următoarea: .

În abordarea noastră, pe baza faptului ca multe servicii chiar externe platformi pot

asigura traducerea dintre coordonatele GPS şi adresă, fiabilitatea este calculată astfel:

.

Dezavantajul abordării propuse este legat de faptul că în anumite situaţii poate fi un

singur serviciu web care să satisfacă cererea. În această situaţie, sistemul poate verifica lista

de servicii web adăugate după ce lanţul de servicii a fost proiectat, pentru a vedea dacă se

poate gasi un serviciu web. Daca nu este identificat nici un serviciu web, execuţia sistemului

va eşua.



51

3.2 Riscul în managementul lanţului de aprovizionare

În scopul clasificării furnizorilor identificaţi, în două categorii: siguri şi nesiguri, a fost

dezvoltat un model de clasificare binară, bazat pe reţea neuronală de tip wavelet.

Datorită competitivităţii schimburilor economice, fiecare firmă poate apare atât ca

producător, , urmărind atât maximizarea profitului, cât şi în calitate de consumator care

urmăreşte maximizarea utilităţii consumului [RAn10].

Mai jos se prezintă principalele etape ale aplicării modelului.

Etapa 1: Etapa de colectare a datelor

În cadrul acestei etape se crează setul de antrenament pentru etapele următoare. Setul de

antrenare este format din 45 de companii care sunt grupate în profitabile (32 de companii) şi

neprofitabile(13 companii). Pentru aceste companii se iau in calcul 10 indicatori financiari din

care se vor selecta cei mai relevanţi pentru algoritmul binar de clasificare. Calculele sunt

efectuate în MATLAB 7.9.0 şi am luat în considerare mai multe surse de date: [BVB10],

[ANAF10], [Mfin10], [LFi10], [KTD10].

Etapa 2: Etapa de “data mining” şi selecţie a indicatorilor

Pe parcursul acestei etape se identifică lista de indicatori financiari care vor fi luaţi în

calcul pentru prezicerea falimentului. De asemenea, pe parcursul acestei etape calculăm şi

valorile acestor indicatori. Selecţia variabilelor se realizează în trei paşi:

Pasul 1: analiza literaturii de specialitate: s-au obţinut cincizeci de variabile

reprezentând caracteristici precum: profitabilitate, nivelul de lichidităţi, stabilitatea, creşterea,

etc., a se vedea Tabelul 1 Tabel 1. Indicatorii utilizaţi pentru analiza financiară [Del10], [DSc10] completaţi cu alţi indicatori

Categoria Indicatorul

Profitabilitate Venitul brut raportat la volumul vânzărilor

Câştigurile fără dobândă şi taxe raportate la total active

Randamentul activelor totale

Randamentul capitalului

Cheltuieli financiare raportate la pasive

Cheltuieli financiare raportate la vânzări

Costul vânzărilor * Costul ratei de creştere a vânzărilor

Venitul net total raportat la dobânzi

Profit marginal

Costul vânzărilor raportat la vânzările nete

Cheltuielile financiare şi profitul normal raportat la total

active

Rata de creştere acheltuielilor financiare raportată la



52

active

Rata de creştere a cheltuielilor non-operaţionale

raportată la active

Profitul net raportat la capital

Câştiguri pe acţiune

Activitatea Datorii la cifra de afaceri

Rata de creştere a inventarului raportată la vânzări

Cifra de afaceri a activelor curente

Cifra de afaceri a activelor fixe

Cifra de afaceri a inventarului

Cifra de afaceri a activelor totale

Cifra de afaceri a activelor totale *

rata de creştere a vânzărilor

Lichiditatea Rata de solvabilitate

Coeficientul Window

Fluxul de lichidităţi la totalul pasivelor

Stabilitatea Rata de îndatorare

Rata de îndatorare pe termen lung

Quick ratio

Valoarea netă la total active

Numerar şi echivalente de numerar pentru datoriile

curente

Creşterea Rata de creştere a afacerii primare

Rata de creştere a activelor totale

Rata de creştere a vânzărilor

Rata de schimb a activelor totale

Rata de creştere a activelor totale

Rata de creştere a dobânzii

Venit minim de subzistenţă la total active

Trend Creşterea cheltuielilor financiare

Ratele de structura Proporţia activelor fixe

Proporţia activelor curente

Proporţia capitalului în active fixe

Proporţia pasivelor

Pasivele Rata curentă

Rata active-pasive

Ratafluxului de numerar la pasivele curente

Capital la ratade îndatorare



53

Rata pasivelor la ctive tangibile nete

Rata de acoperiere a dobânzii

Rata pasivelor la valoarea de piaţă a capitalului

Pasul 2: dintre aceşti indicatori au fost selectaţi opt, cei care au fost disponibili pe

internet;

În vederea obţinerii acestor date a fost dezvoltată o aplicaţie de web crawling. Aplicaţia

primeşte ca parametru de intrare codul fiscal al companiei şi crawlează site-urile amintite mai

sus.

Modulul de crawlere, nu caută doar date pe internet, dar are şi rolul de a calcula

indicatorii financiari pentru care au fost gasite datele necesare.

Pentru setul de antrenament format din patruzeci şi cinci de companii aplicaţia a fost

capabilă să identifice date doar pentru opt indicatori care vor fi detaliaţi. Figura18 prezintă un

ecran din aplicaţia de crawlere, în cazul în care s-a introdus un cod fiscal specific.

Fig. 18 Captură de ecran din aplicaţia de crwlere când se efectuează o căutare specifică

Dacă nu se introduce nici un cod fiscal, aplicaţia obţine date pentru companiile din

setul de antrenament. Rezultatele sunt prezentate mai jos:

Fig 19. Captură de ecran din aplicaţia de crwlere când nu se introduce un cod fiscal

Următoarele opt variabile au fost cele care au putut fi calculate pe baza datelor cel mai

des regăsite de către modulul de web crawling:

X1 – rata de îndatorare (DR);

X2 - Quick assets to total assets (QA2TA);

X3 – randamentul capitalului (ROE);



54

X4 –profit net raportat la capital (NPE);

X5 – Cheltuieli financiare raportate la vânzări (FE2S) ;

X6 – câştiguri pe acţiune (EPS);

X7 – cifra de afaceri a activelor curente (CAT);

X8 - Profit marginal (PM);

Pasul 3: Utilizând selecţia caracteristicilor pentru un anumit nivel de relevanţă, se reţine

un număr de trei variabile care vor fi utilizate în modelul propus.

Autorii în lucrarea [GEl03] au identificat avantajelealgoritmului de selecţie a

caracteristicilor:

1 facilitează vizualizarea datelor şi întelegerea datelor;

2 reducerea cerinţelor de măsurare şi stocare;

3 reducerea timpului de antrenamnet şi utilizare;

4 reducerea dimensionalităţii în vederea îmbunătăţirii perfomanţei predicţiei;

Algoritmul de selecţie a caracteristicilor este potrivit pentru antrenarea reţelelor

neuronale de tip wavelet. În vederea determinării caracteristicilor celor mai importante, am

antrenat o reţea neuronală folosind toate cele opt caracteristici prezentate la pasul anterior.

Acest procedeu este ilustrat in figura 20. Reţeaua este formată din trei straturi: stratul de

intrare, stratul ascuns şi stratul de rezultat. Toate nodurile fiecărui strat sunt complet conectate

cu nodurile din stratul următor. Stratul de intrare are opt noduri corespunzătoare

caracteristicilor luate în calcul. Stratul ascun are m noduri, iar stratul rezultat are un singur

nod, reprezentând clasificarea. Reţeaua este antrenată utilizând firmele luate în calcul pentru a

determina ponderile dintre noduri. Se consideră wij ponderea unei conexiuni dintre nodul de

intrare i şi nodul ascuns j (i = 1... ; j=1... ), iar ponderea asociată conexiunii dintre

nodul ascuns j şi nodul rezultat. În cazul nostru, numărul nodurilor de intrare, este egal cu

opt, şi reprezintă numărul variabilelor luate în considerare.

Fig. 20 Alegerea celor mai importante caracteristici pe baza influenţei lor din cadrul reţelei neuronale

Cele mai importante caracteristici sunt cele pentru care input-ula are cea mai mare

influenţă absolută asupra outputului. Se poate calcula impactul nodului de input i asupra



55

outputului nodului ascuns j folosind următoarea formulă în care împărţim ponderea nodului

ascuns asupra outputului cu relevanţa conexiunii dintre i şi j asupra tuturor inputurilor

conectate cu j:

(21)

Pentru fiecare nod de input calculăm indicatorul de importanţă:

(12)

(1) şi (2) pot fi combinate într-o singură formulă:

(23)

Pe baza indicatorului de importanţă, au fost selectate următoarele trei variabile:

X1 – rata de îndatorare; (stabilitate)

X7 - cifra de afaceri a activelor curente; (activitate)

X8 - profit marginal; (profitabilitate)

Rata de îndatorare (DR) este calculată astfel:

(24)

în care: TL=pasive totale; TA=active totale

DR indică proporţia datoriilor companiei raportată la activele sale. Aparţine categoriei

solvabilitate şi stabilitate.

Solvabilitate poate indica drept cauza eşecului politica financiară. Solvabilitatea oferă

de asemenea informaţii asupra riscului potenţial al companiei cu privire la volumul de

îndatorare şi se află în relaţie negativă cu ricul de apariţie al falimetului

Cifra de afaceri aactivelor curente (CAT), această rată este determinată prin

împărţirea volumului vânzărilor la activele curente şi este o rată a eficienţei. O eficienţă mai

mare poate fi tradusă printr-o profitabilitate mai mare, lichiditate mai bunăşi în final risc

diminuat [ERD09]

(25)

în care TS=volumul total al vânzărilor; CA-active curente

Profit marginal (PM) calculat sub forma raportului dintre profitul net şi vânzări sau ca

raport dintre venit net şi venit total. Un nivel ridicat al acestei rate indică o rată mare de

acoperire a costurilor de producţie şi prin urmare un risc mai mic.

(26)

în care: NP= profit net; TS=vânzări totale



56

Pentru ambele categorii luate în considerare (profitabile şi mai puţin profitabile) şi pe

baza setului iniţial de date (patruzeci si cinci de companii), valoarile medii ale indicatorilor

X1, X7 and X8 sunt calculate, iar rezultatele sunt prezentate în Tabelul 2. Aceste valori vor fi

luate în calcul la pasul următor care se referă la clasifcarea binară acompaniilor noi. Tabelul 2. Valorile medii ale indicatorilor calculate pentru cele două categorii de firme

Variabile X1 X7 X8

Valorile medii ale firmelor

profitabile

0.6745 1.4403 0.2428

Valorile medii ale firmelor

mai puţin profitabile

0.7946 1.0955 0.0140

Reprezentarea grafică avalorilor medii pentru variabilele de clasificarepentru ficare

dintre cele două seturi reprezentative sunt desenate în figura 21.

Fig. 21 Reprezentarea valorilor medii

În faza de selecţie a variabilelor am identificat un set de trei variabile care reprezintă cel

mai bine situaţia în care se află o companie. Utilizând variabilele identificate, putem să trecem

la etapa următoare: modelul de calsificare pentru prezicerea stării viitoare a companiei

(profitabilă sau mai puţin profitabilă) utilizând o reţea neuronală de tip wavelet.

Etapa3. Modelul de clasificare bazat pe reţele neuronale wavelet

În prezent există mai multe abordări pentru prezicerea “disconfortului” financiar al

corporaţiilor. De obicei aceste modele sunt bazate pe analiza discreţionară folosind funcţii

liniare. Astfel de abordări au dezavantajul că modelele trebuie să fie liniar separabile iar

eşantionale trebuiesc să urmeze o distribuţie normală multivariată. Alte abordări folosesc

modele de clasificare binară [MJe09] care presupun calculul unui nivel de similaritate între o

firmă nou considerată şi firmele din cele două seturi în care această firmă poate fi clasificată.

Reţelele neuronale sunt considerate a fi o metodă de succes pentru a depaşi astfel de limitări



57

[CRK09]. Sunt construite din din mai multe elemente de procesare numite neuroni. Ponderile

asociate conexiunilor dintre neuroni modelează caracteristicile de input-output. Reţelele

neuronale wavelet reprezintă o abordare care nu depinde de un set de condiţii iniţiale folosite

în momentul în care se defineşte sructura reţelei neuronale. Figura 18 prezintă o reprezentare

a unei funcţii wavelet folosind Wolfram Mathematica.

O funcţie individuală wavelet este definită de următoarea formulă:

(27)

Există mai multe metode de antrenare a reţelelor neuronale wavelet inclusiv evoluţia

diferenţială şi pragul de acceptanţă [CRK09]. În vederea antrenării reţelei am folosit următorii

paşi.

Fig 22 Reprezentarea funcţiei wavelet folosind Mathematica

Pasul 1: Asignam prima dată valori aleatoare conexiunilor dintre nodurile de intrae şi

nodurile ascunse şi dintre nodurile ascunse şi nodul rezultat, .

Pasul 2: Rezultatul unui eşantion , k = 1, . . ., np, unde np este numărul de eşantioane,

este calculat pe baza formulei:

(28)

în care k = 1,. . .,np, nin = numărul nodurilor input şi nhn = numărul nodurilor ascunse.

Pasul 3: Reducere erorii de predicţie pe baza datelor din setul de antrenament prin

ajustarea ponderilor

şi a valorilor pentru a, b. Eroarea este compusă după cum urmează:



58

(29)

Pasul 4: Întoarcerea la pasul 2 până când eroarea E este cât de mică posibil şi faza de

antrenament poate fi considerată încheiată.

Reţeaua WNN rezultată va avea trei noduri de intrare asociate celor trei valori

selectate X1, X7 şi X8.

Etapele algoritmului de predicţie a riscului de faliment şi ale algortimului de clasificare

prezentate anterior sunt rezumate în figura de mai jos:

Fig.23 Etapele algoritmului de prezicere a riscului de faliment şi algoritmului de clasificare.

Pe baza acestor clasificari agentul de tip consumator poate elimina din mulţimea

potenţialilor furnizori pe cei care prezintă risc de faliment.



59

Bibliografie [ANAF10] National Agency for Fiscal Administration, www.anaf.ro.

[And01] P. Andriani, Diversity, Knowledge and Complexity Theory: Some Introductory Issues, International Journal of

Innovation Management, vol 5, nr 2, p 257-274, 2001

[ATu03] A. Afuah, and C. Tucci , Internet Business Models and Strategies, Editura McGraw Hill, Boston, 2003

[BAm10] P.Bocciarelli, A. D’Ambrogio, A model-driven method for describing and predicting the reliability of composite services, Software & Systems Modeling, http://www.springerlink.com/index/10.1007/s10270-010-0150-3

[BGe01] R. Blattberg, G. Getz, et al.,Customer Equity, Boston, Harvard Business School Press, 2001

[BTu00] S. Bagchi, and B. Tulskie, e-business Models: Integrating Learning from Strategy Development Experiences and

Empirical Research, 20th Annual InternationalConference of the Strategic Management Society, Vancouver, 2000

[BVB10] Bucharest Stock Exchange, www.bvb.ro [CPE05] G.Canfora, M. Di Penta, R. Esposito, An approach for QoS-aware service composition based on genetic algorithms, Genetic And Evolutionary Computation Conference p.1069-1075, 2005 [Cre05] L.G Creţu, Information Technology for Organization (Re)Design (4), Revista “Informatica Economică”, vol 34, nr.2, p.90 – 98, 2005 [CRK09] N.Chauhan, V.Ravi, D.Karthik, Differential evolution trained wavelet neural networks: Application to bankruptcy prediction in banks, Expert Systems with Applications, nr 36, p 7659-7665, 2009 [DCo09] A. Dioşteanu, L. Cotfas, Agent Based Knowledge Management Solution using Ontology, Semantic Web Services and GIS, Informatica Economic Journal, Vol. 13, No.4, pp. 90-98, 2009 [Del10] C.Delcea, Pattern recognition in Financial Distress with Prior Grey Selection of Variables, IBIMA Conference, Istanbul, p 120-130, 2010 [DSc10] C.Delcea, E.Scarlat, Finding Companies’ Bankruptcy Causes using a Hybrid Grey-Fuzzy Model, Economic computation and economic cybernetics studies and research, nr 44, p 77-94, 2010 [ERD09] H.Etemadi, A. Rostamy, H. Dehkordi, A genetic programming model for bankruptcy prediction: Empirical evidence from Iran, Expert Systems with Applications, nr 36, 3199–3207, 2009 [FBT00] M.Fox, M. Barbuceanu, R. Teigen, Agent-Oriented Supply-Chain Management, The International Journal of Flexible Manufacturing Systems, Vol. 12, No. 2-3, April, p.165-188, 2000

[Fen01] D. Fensel, Ontologies: Silver Bullet for Knowledge Management and Electronic Commerce, Editura Springer-

Verlag, Heidelberg, 2001

[FIPA] Foundation for Intelligent Physical Agents. http://www.fipa.org.

[GEl03] I.Guyon, A. Elisseeff, An Introduction to Variables and Feature Selection, Journal of Machine Learning Research, nr.3, p. 1157-1182, 2003 [GFR08] R. Valencia-Garcia, et al. A knowledge acquisition methodology to ontology construction for information retrieval from medical documents, Expert Systems, vol. 25, Nr 3, p 314-334, 2008

[He06] M. He, et al. Designing a successful trading agent for supply chain management, Proc. of the 5th International Joint Conference on Autonomous Agents and Multi-agent Systems, 2006, Japan, p. 1159 - 1166, 2006

http://www.anaf.ro/



60

[HNa07] Z.Hangjung, D.Nazareth, Measuring reliability of applications composed of web services, System Sciences, p. 1-10, 2007 [Hod03] G. M. Hodgson, Capitalism, complexity, and inequality, Journal of Economic Issues, vol 37, nr 2, p 471-478, 2003.

[Jena] Jena Semantic Web Framework, disponibil la http://jena.sourceforge.net. [JMR10] E. H. Joyce, M. Manouvrier, M. Rukoz, TQoS: Transac-tional and QoS-Aware Selection Algorithm for Automatic Web Service Composition, IEEE Transactions on Services Computing, vol 3, no. 1, 2010.

[KMa02] W. C. Kim, and R. Mauborgne , Charting Your Company's Future, Harvard Business Review, 2002

[KTD10] KTD Invest, www.ktd.ro [LFi10] Romanian Companies Database, www.listafirme.ro [LGW09] H. P Luong, S. Gauch, and Q. Wang, Ontology-based Focused Crawling, Proc. IEEE International Conference on Information, Process, and Knowledge Management, pp 123-128, 2009 [Li10] W.Li,A Web Service Composition Algorithm Based on Global QoS Optimizing with MOCACO, Algorithms and Architectures for Parallel Processing p. 218-224,2010 [Lin07] H. N. Lin, et. al, An Iterative, Collaborative Ontology Construction Scheme, Proc. of the 2nd Conference on Innovative Computing, Information and Control, Japan, pp 150-154, 2007 [Liu05] S.Liu, A Dynamic Web Service Selection Strategy with QoS Global Optimization Based on Multi-objective Genetic Algorithm. In: Zhuge, H., Fox, G.C. (eds.) GCC 2005. LNCS, vol. 3795, p 84–89. Springer, Heidelberg,2005

[Liu09] M. Liu, et al., An weighted ontology-based semantic similarity algorithm for web service, Experts Sysems with Applications , vol. 36, pp 12480-12490, 2009 [LWa08] L. Lu, and G. Wang, A study on multi-agent supply chain framework based on network economy,”Computers & Industrial Engineering, Vol. 54, Issue 2, March 2008, p.288-300, 2008 [Men04] D. Menasce, Composing web services: A QoS view, IEEE Internet Computing, Vol. 8, Issue 6, p.88–90, 2004 [Mfin10] Public Finance Ministery, www.mfinante.ro [MJe09] J.Min, C.Jeong, A binary classification method for bankruptcy prediction, Expert Systems with Applications, nr 36, p. 5256–5263, 2009 [MRP10] R.Mohanty,V. Ravi, M.R. Patra, Web-services classification using intelligent techniques, Expert Systems with Applications Vol.37, no. 7, p 5484-5490, 2010 [OGC09] Geography Markup Language, disponibil la http://www.opengeospatial.org

[Ost04] A.Osterwalder, The Business Model Ontology - a proposition in a design science approach, Ph.D. thesis, In Institut

d'Informatique et Organisation, University of Lausanne, Ecole des Hautes Etudes Commerciales HEC, Lausanne,

Switzerland, 2004

[Pha05] H. Pham, A new generalized systemability model, International Journal of Performability Engineering, vol 1, no. 2, p. 145-155, 2005 [Pha06] H.Pham, System software reliability, Springer, 2006

[PBe01] L. Pitt, P. Berthon, et al. Pricing Strategy and the Net , Business Horizons, vol 44, nr 2, pag 45-54, 2001

[PKr07] M. Papazoglou, B. Kratz, Web services technology in support of business transactions, Service Oriented Computing and Applications, Vol. 1, No. 1, London: Springer, p 51-63, 2007 [RAn10]M. H. Rezvani, M.Analoui, An economic model for multi-service overlay multicast networks based on walrasian general equilibrium, Economic computation and economic cybernetics studies and research, 44, p 139-161,2010.

http://jena.sourceforge.net/

http://www.ktd.ro/

http://www.listafirme.ro/

http://www.mfinante.ro/



61

[SDC10] I. Smeureanu, A. Dioşteanu, L. Cotfas, Knowlegde Dynamics in Semantic Web Service Composition for Supply Chain Management Applications, Journal of Applied Quantitative Methods, Vol. 5, Issue.1, pp. 1, 2010 [SDD09] I. Smeureanu, A. Dioşteanu, A. Dardală, Semantic Networks for Modeling Supply Chain Business Flow, Proc. CSCS-17, 17th International Conference on Control Systems and Computer Science, Vol 2, p 547-554, 2009

[Wal00] J.Wallin, Operationalizing Competences, International Conference on Competence-Based Management, Helsinki,

2000

[Wan08] M. Wang, et al., On-demand e-supply chain integration: A multi-agent constraint-based approach, Expert Systems with Applications, Vol. 34, Issue 4, p.2683-2692, 2008 [YPi09] J.Yan, J. Piao, Towards QoS-Based Web Services Discovery, Lecture Notes In Computer Science,p 200–210, 2009



62

Anexa 1- Codul asociat ontologiei clientului <rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:owl="http://www.w3.org/2002/07/owl#" xmlns:xsd="http://www.w3.org/2001/XMLSchema#" xmlns:j.0="http://constructionfirm.com/" xmlns:rdfs="http://www.w3.org/2000/01/rdf-schema#" > <rdf:Description rdf:about="http://constructionfirm.com/maxTemperature"> <rdfs:range rdf:resource="http://www.w3.org/2001/XMLSchema#unsignedInt"/> <rdfs:domain rdf:resource="http://constructionfirm.com/Brick"/> <rdf:type rdf:resource="http://www.w3.org/2002/07/owl#DatatypeProperty"/> </rdf:Description> <rdf:Description rdf:about="http://constructionfirm.com/geogrphiCoordinates"> <rdfs:range rdf:resource="http://www.w3.org/2001/XMLSchema#string"/> <rdfs:domain rdf:resource="http://constructionfirm.com/Area"/> <rdf:type rdf:resource="http://www.w3.org/2002/07/owl#DatatypeProperty"/> </rdf:Description> <rdf:Description rdf:nodeID="A0"> <owl:cardinality rdf:datatype="http://www.w3.org/2001/XMLSchema#int">1</owl: cardinality> <owl:onProperty rdf:resource="http://constructionfirm.com/maxTemperature"/> <rdf:type rdf:resource="http://www.w3.org/2002/07/owl#Restriction"/> </rdf:Description> <rdf:Description rdf:about="http://constructionfirm.com/Domain"> <rdfs:label xml:lang="EN">Domain</rdfs:label> <rdf:type rdf:resource="http://www.w3.org/2002/07/owl#Class"/> </rdf:Description> <rdf:Description rdf:about="http://constructionfirm.com/Area"> <rdfs:label xml:lang="EN">Area</rdfs:label> <rdfs:subClassOf rdf:resource="http://constructionfirm.com/Brick"/> <rdf:type rdf:resource="http://www.w3.org/2002/07/owl#Class"/> </rdf:Description> <rdf:Description rdf:about="http://constructionfirm.com/requestedThing"> <rdfs:label xml:lang="EN">TradedThing</rdfs:label> <rdf:type rdf:resource="http://www.w3.org/2002/07/owl#Class"/> </rdf:Description> <rdf:Description rdf:about="http://constructionfirm.com/RequestedBrick"> <j.0:maxTemperature>150</j.0:maxTemperature> <rdf:type rdf:resource="http://constructionfirm.com/Brick"/> </rdf:Description> <rdf:Description rdf:about="http://constructionfirm.com/Brick"> <rdfs:label xml:lang="EN">Brick</rdfs:label> <rdfs:subClassOf rdf:resource="http://constructionfirm.com/requestedThing"/> <rdf:type rdf:resource="http://www.w3.org/2002/07/owl#Class"/> </rdf:Description> </rdf:RDF>



63

Anexa 2- Compunerea simplă AE - cod sursă public static PackageBrowser InstallPear(File installDir, File pearFile) { boolean doVerification = true; PackageBrowser instPear = PackageInstaller.installPackage(installDir, pearFile, doVerification); return instPear; } public static String PearInstallerTest(Vector<PackageBrowser> packageArray, String installDir, String ontoURI) throws TransformerConfigurationException, TransformerException { String xmlRes=""; try { Vector<AnalysisEngineDescription> analysisEngineDescVect=new Vector<AnalysisEngineDescription>(); String classpath=""; String datapath=""; Vector<String> pearDescPath=new Vector<String>(); Vector<String> mainComponentDescriptor=new Vector<String>(); Vector<String> mainComponentDescriptorID=new Vector<String>(); ResourceManager resourceMgr = UIMAFramework.newDefaultResourceManager(); for(int c=0; c<packageArray.size(); c++) { classpath+= packageArray.get(c).buildComponentClassPath()+";"; // PEAR package datapath datapath += packageArray.get(c).getComponentDataPath()+";"; // PEAR package main component descriptor mainComponentDescriptor.add(packageArray.get(c).getInstallationDescriptor().getMainComponentDesc()); // PEAR package component ID mainComponentDescriptorID.add(packageArray.get(c).getInstallationDescriptor().getMainComponentId()); // PEAR package pear descriptor pearDescPath.add(packageArray.get(c).getComponentPearDescPath()); //get AnalysisEngine from pear AnalysisEngineDescription ae_desc = UIMAFramework.getXMLParser().parseAnalysisEngineDescription(new XMLInputSource(packageArray.get(c).getInstallationDescriptor().getMainComponentDesc())); // Do full validation ae_desc.doFullValidation(resourceMgr); analysisEngineDescVect.add(ae_desc); } // Create an aggregate engine descriptor System.out.println("Starting the AED creation...."); AnalysisEngineDescription aggDesc = new AnalysisEngineDescription_impl();



64

FixedFlow_impl flow = new FixedFlow_impl(); Capability_impl cap; Vector<Capability> aggregateCapArray=new Vector<Capability>(); Capability[] capVector; Vector<String> flowVector=new Vector<String>(); for(int k=0; k<analysisEngineDescVect.size(); k++) { String key="AE"+k; aggDesc.getDelegateAnalysisEngineSpecifiersWithImports().put(key, analysisEngineDescVect.get(k)); flowVector.add(key); capVector= analysisEngineDescVect.get(k).getAnalysisEngineMetaData().getCapabilities(); for(int i=0; i<capVector.length;i++) { TypeOrFeature[]typeFeature= capVector[i].getOutputs(); for(int j=0;j<typeFeature.length;j++) { cap=new Capability_impl(); System.out.println("Type feature "+typeFeature[j].getName()); cap.addOutputType(typeFeature[j].getName(), true); aggregateCapArray.add(cap); } } } String[] flowArray=new String[flowVector.size()]; flowArray=flowVector.toArray(flowArray); flow.setFixedFlow(flowArray); aggDesc.getAnalysisEngineMetaData().setFlowConstraints(flow); Capability[] capArray = new Capability[aggregateCapArray.size()] ; capArray=aggregateCapArray.toArray(capArray); aggDesc.getAnalysisEngineMetaData().setCapabilities(capArray); // Create the aggregate engine using the resource manager DatabaseConnectionHelper.GetConnection(null); AnalysisEngine ae = UIMAFramework.produceAnalysisEngine(aggDesc, resourceMgr, null); System.out.println("test_string_1"); String commonName="AggregatedAEforONT_"; //obtain the name of the aggregated pear under the format AggregatedAEforONT_OntoID if(!DatabaseConnectionHelper.con.isClosed()) { System.out.println("Teste!"); PreparedStatement stmt = DatabaseConnectionHelper.con.prepareStatement("SELECT IdOntology from ontologydata where OntologyURI=?"); System.out.println("Ontology URI: "+ ontoURI);



65

stmt.setString(1,ontoURI); ResultSet rs=null; =stmt.executeQuery(); rs if(rs.next()) { if(rs!=null && rs.getInt(1)!=0) { commonName+=rs.getInt(1); System.out.println("commonName="+commonName); } else commonName=""; } else System.out.println("Problems with iteration in the resultset!"); } else { System.out.println("There was a problem when opening the connection!"); } if(commonName!="") { File f=new File(installDir+"\\"+commonName+".xml"); FileOutputStream fos= new FileOutputStream(f); xmlRes=""; if(f.exists()) { aggDesc.toXML(fos); fos.close(); StringBuffer fileData new StringBuffer(1000); = BufferedReader reader = new BufferedReader(new FileReader(f.getAbsolutePath())); char[] buf = new char[1024]; int numRead=0; while((numRead=reader.read(buf)) != -1){ String readData = String.valueOf(buf, 0, numRead); fileData.append(readData); buf = new char[1024]; } reader.close(); xmlRes=fileData.toString(); System.out.println("String Aggregated:\n "+xmlRes); System.out.println("Data successfully written!!"); //store the aggregated AE into the DB CallableStatement cs=DatabaseConnectionHelper.con.prepareCall("{call spRegisterAggregatedPear(?,?)}"); cs.setString("OntoURI", ontoURI); cs.setString("componentPath", f.getAbsolutePath()); cs.execute(); }



66

else System.out.println("FileNotExists!!!!!!"); } else throw new Exception("Problems occured when trying to retrive IdOntology!"); } catch (PackageInstallerException ex) { // catch PackageInstallerException - PEAR installation failed ex.printStackTrace(); System.out.println("PEAR installation failed"); } catch (IOException ex) { ex.printStackTrace(); System.out.println("Error retrieving installed PEAR settings"); } catch(InvalidXMLException ex) { ex.printStackTrace(); System.out.println("AE descriptor XML not valid!!!!"); } catch(ResourceInitializationException ex) { ex.printStackTrace(); System.out.println("Could not initialize resource"); } catch( Exception ex ) { ex.printStackTrace(); } return xmlRes; } public static String createComposedPearDescriptor( String installDirString, String sourceFileURLsString,String ontoURI ) { String outputSting=""; File installDir; Vector<File> sourceFile=new Vector<File>(); String pearFolder="D:\\TempFolder"; String[] sourceFileURLStringVector=sourceFileURLsString.split(","); for(int j=0;j<sourceFileURLStringVector.length;j++) { System.out.println("Download from URL.... "+sourceFileURLStringVector[j]); String[] temp=sourceFileURLStringVector[j].split("/"); String fileName=temp[temp.length-1]; System.out.println("The file name: "+fileName); System.out.println("Pear folder... " +pearFolder+fileName); sourceFile.add(downloadPear(sourceFileURLStringVector[j], pearFolder+fileName));



67

System.out.println("Download..."); } Vector<PackageBrowser> packageVector=new Vector<PackageBrowser>(); for (int i=0; i<sourceFileURLStringVector.length;i++) { installDir=new File(installDirString+"_"+i); if(!installDir.exists()) { installDir.mkdir(); System.out.println("Directory created... "+installDir.getName()); } packageVector.add(InstallPear(installDir, sourceFile.get(i))); } try { outputSting=PearInstallerTest(packageVector,installDirString,ontoURI); } catch(TransformerConfigurationException ex) { System.out.println(ex.getMessage()); } catch(TransformerException ex) { System.out.println(ex.getMessage()); } return outputSting; }



68

Partea a II-a

Modele de cooperare bazate pe agenti software

Autori – Universitatea Politehnica din Bucureşti

Prof. dr. ing. Adina Magda Florea – responsabil ştiinţific

Prof. dr. ing. Eugenia Kalisz

S.l. dr. ing. Alexandru Boicea

As. drd. ing. Andrei Mogos As. drd. ing. Andreea Urzica

CUPRINS

1 Cooperare bazata pe costuri in cazul agentilor motivati individual 71

1.1 Motivarea necesitatii cooperarii 71

1.1.1 Modelul de Rationament 71

1.1.2 Rationamentul Agentului 73

1.2 Structura de Control a Agentului 74

1.3 Reguli de Negociere bazate pe Cost 76

1.3.1. Reguli de Generare Cereri 76

1.3.2. Reguli de Evaluare a Cererilor Primite 77

1.3.3. Reguli de Evaluare a Raspunsurilor 78

1.4 Concluzii 78

2 Un model de învăţare bazat pe negociere pentru medii deschise multi-agent 80

2.1 Negocierea in sistemele multi-agent 80

2.2 Modelul de Negociere 81

2.2.1 Primitive de Negociere 82

2.3 Invatarea strategiei de negociere 84

2.4 Concluzii 89



69

1 Cooperare bazata pe costuri in cazul agentilor motivati individual

1.1 Motivarea necesitatii cooperarii

Intr-un sistem multi-agent, un agent exista si isi desfasoara activitatea intr-o societate

in care alti agenti ies si actioneaza. Prin urmare, coordonarea dintre agenti este esentiala

pentru atingerea obiectivelor si actionarea intr-o maniera coerenta, atat in cazul sistemelor

competitive, cat si a celor cooperative. Atunci cand agentii din sistem sunt motivati

individual, coordonarea si cooperarea nu pot fi luate ca atare. Cooperarea trebuie sa fie

planificata si atinsa prin comunicare si negociere.

In continuare se prezinta modelul si functionarea unui sistem multi-agent in care

agentii motivati individual urmaresc indeplinirea dorintelor lor non-contradictorii, in acelasi

timp cu indeplinirea propriilor obligatii si norme, atingerea unui castig maxim si stabilirea de

relatii bune cu ceilalti agenti din sistem. Se prezinta reprezentarea agentului in ceea ce

priveste modelul mental al acestora, atributele si modul de rationament al acestora, descrierea

functionarii sistemului, si procesul de negociere pentru atingerea acordului.

1.1.1 Modelul de Rationament

Intr-un sistem multi-agent, pentru a coopera eficient si a fi capabil sa negocieze

aceasta cooperare, un agent are nevoie de capacitatea de a reprezenta si rationa pe baza unui

model mental al comportamentului sau, si sa-si dezvolte si rationa modele celorlalti agenti din

sistem. Starea mentala a unui agent se caracterizeaza prin folosirea unor notiuni precum

credinte, dorinte, intentii, obiective, preferinte si obligatie, fiind o extindere a modelului BDI

[6] si a BDIG [4].

Convingerile sunt informatiile pe care agentul le are asupra mediului sau: ele includ

convingerile cu privire la lume si convingerile cu privire la starile mentale ale altor agenti.

Convingerile pot fi adevarate sau false; ele vor fi actualizate dupa observarea lumii si dupa

cumunicare cu alti agenti. Dorintele sunt acele lucruri pe care agentul ar dori sa le vada

realizate – dorintele nu trebuie sa fie consecvente si nu ne putem astepta ca un agent sa

actioneze asupra tuturor dorintelor. Intentiile sunt acele lucruri pe care agentul este fie

angajat sa le faca (intentia-sa) sau angajat sa le aduca (intentia-de-a). Primul tip de intentie

este reprezentat de acelea pe care agentul este capabil sa le atinga, in timp ce a doua categorie

le include pe acelea care nu sunt neaparat in propria raza de actiune, si pentru care agentul

trebuie sa coopereze cu alti agenti pentru a le indeplini.

Obligatiile sunt acele lucruri pe care agentul trebuie sa le respecte, iar preferintele sunt

valorile pe care un agent le asociaza cu propriile dorinte. Obiectivele agentului sunt selectate

ca un subset consistent al dorintelor agentului, in functie de preferintele sale mai mari si care

respecta obligatiile. Un agent “rebel” poate selecta obiectivele doar din setul de dorinte cele



70

].

mai preferate (mentinand in acelasi timp consistenta obiectivelor sale), astfel neincercand sa

isi indeplineasca propriile obligatii.

Fara a intra in detalii formale, modelul contine cateva operatori modali (unde w este o

wff in logica predicatelor de ordin intai), si anume: Beliw - agentul i crede w, Desiw - i

doreste w, Intiw - i intentioneaza w, Prefi (w,v) - i prefera w cu valoarea (preferinta) v, si Obiw

- i are obligatia w. Setul Pred al tuturor predicatelor posibile ce pot fi folosite pentru

descrierea conceptualizarii include trei predicate speciale: Abiw - agentul i are abilitatea w,

Consi (w,v) - i consuma v pentru executarea actiunii w (unde w este o intentie), si Gaini (w,v) -

i castiga v daca w este atins (w este un obiectiv). Semantica modelului este bazat in mare parte

pe structuri minimale [1

Comunicarea dintre agenti este efectuata prin intermediului unui set de mesaje (M) ce

contine:

Request(w, DeadLine, Payment) – cererea de a efectua w intr-un anumit interval de timp

DeadLine cu cosutul Payment pentru w

ModifyRequest(w, DeadLine, Payment) – raspunsul cu o cerere modificata (w va fi

efectuat dar cu valori diferite pentru DeadLine si Payment spre deosebire de cele initial

propuse)

Accept(w, DeadLine, Payment) – acceptarea cererii w cu DeadLine si Payment ca o

recompensa

Reject(w, Justification) – refuzarea cererii w cu o justificate Justification pentru refuz

Declare(w) – declararea ca w este o convingere

DealLine, Payment si Justification pot fi omise. Mesajele sunt transmise folosind:

Send: T x Ag x Ag M (cu Ag setul de agenti si T o multime de momente de timp

ordonata nemarginita in ambele directii) ce indica mesajele trimise la timpul tT de catre

expeditor catre receptor

Receive: T x Ag x Ag M ce indica mesajul receptionat la timpul tT de catre receptor

din partea expeditorului.

Exista, de asemenea, un set de norme general acceptate, care indica actiunile permise

in sistemele multi-agent.



71

Mental State Description of self mental state:

beliefs, desires, intentions, goals, preferences, obligations

Description of the mental states of other agents Description of the cooperation profile of other agents

Features Abilities, Consume, Gain

Messages request, modrequest, accept, reject, declare

NORMS

Inference Rules Inference Rules for updating the Mental State Inference Rules for Goal Selection Inference Rules for plan generation Inference Rules for evaluating the cooperation profile Inference Rules for negotiation

(a) Request generation & selection (b) Incoming request evaluation & answer generation (c) Answer evaluation & reply generation

Figura 1. Structura agentului.

1.1.2 Rationamentul Agentului

Un agent are cateva capabilitati de rationament ce includ rationamente despre starea

lumii, despre cum sa selecteze si sa isi atinga obiectivele si cu privire la modul de desfasurare

a negocierii. Negocierea se bazeaza in principal pe castigul pe care agentul il va avea prin

indeplinirea obiectivelor sale, dar criteriile de negociere vor cuprinde, de asemenea, profilul

de cooperare al agentilor cu care agentul a lucrat anterior si credintele sale despre starile

mentale ale acestora, incluzand de exemplu convingeri despre obligatiile pe care alti agenti

trebuie sa le respecte. Rationamentul din spatele negocierii este prezentat in sectiunea 4.

Dupa cum s-a precizat anterior, agentul are un set de reguli de inferenta (IR) pentru

selectarea setului curent de obiective al acestuia, o multime de IR pentru actualizarea starii

mentale (convingeri modificabile despre sine si despre alti agenti, dorinte in schimbare, etc.)

si IR pentru generarea de planuri pentru planurile de constructie in vederea atingerii

obiectivelor selectate. Actiunile in plan sunt indexate conform timpului T ce permite asocierea

unui termen limita pentru fiecare actiune. Dupa dezvoltarea unui plan agentul analizeaza

intentiile necesare pentru desfasurarea planului si identifica intentiile-sa si intentiile-de-a prin

investigarea propriilor abilitati. Pentru realizarea intentiilor-de-a agentul trebuie sa negocieze

indeplinirea acestora cu alti agenti din sistem. Pentru efectuarea unei negocieri corecte si

eficiente, agentul este de asemenea dotat cu un set de negociere IR (Fig. 1) si un set de IR

pentru evaluarea profilului de cooperare a altor agenti. Profilul de cooperare poate fi, de

asemenea, considerat ca o parte din convingerile agentului cu privire la alti agenti din sistem.



72

1.2 Structura de Control a Agentului Structura de control a agentului este in principal formata din doua faze. Prima faza

este dedicata controlului activitatilor agentului, care nu depind de alti agenti, in timp ce a doua

faza este dedicata in mod special negocierii si ajungerii la un acord. Prima faza cuprinde

selectarea obiectivului, generarea planului pentru obiectivele selectate si analiza intentiilor

conform planului general. Fiecare obiectiv are un castig asociat, dupa cum s-a precizat

anterior. Daca nu se specifica altfel, obiectivul este impartit in mod egal si asociat intentiilor

care vor conduce la realizarea obiectivului. Acest castig asociat la intentii va fi folosit de catre

agent in timpul efectuarii negocierilor.

Analiza planurilor generate se refera la doua aspecte: analiza daca actiunile

intentionate in cadrul planului incalca normele si cea daca actiunile se afla in gama actuala de

abilitati ale agentului. Fiecare analiza poate conduce la o revizuire a planului de generare sau

a selectiei obiectivului. Ca o consecinta a analizarii celui de-al doilea aspect agentul identifica

intentia-sa (ce actiuni sunt in intervalul propriilor abilitati) si pe cele de tip intentia-de-a.

Intentiile-de-a sunt ulterior analizate pentru identificarea agentilor care, conform

convingerilor agentului, sunt capabile sa le indeplineasca. Daca exista cel putin o intentie-de-a

care nu poate fi indeplinita de catre un alt agent (sau cel putin nu conform cunostintelor

agentului) agentul va revizui obiectivele sale sau planurile (daca exista un plan alternativ) sau

se va adresa unui facilitator la cerere (a se vedea arhitectura din [2]) ce poate sa ii recomande

un agent avand abilitatile necesare. Prima faza a controlului agentului este sumarizata in cele

ce urmeaza.

Faza I pentru agentul A

1. Select goals {Goals} as a noncontradictory subset of {DesA} considering {PrefA}

2. Generate plans for selected goals {PlansGoalA}

3. Analyze actions in {PlansGoalsA} from the point of view of norm compliance

4. if actions violate norms

5. then revise {PlansGoalsA} or {GoalsA}

6. Analyze action on {PlansGoalsA} from the point of view of agent’s abilities {AbA}

7. if there are intentions-that

8. then search description of other agents and identofy the agents {i} with {Abi} able to do

intentions-that

- if no such agents exist

- then address facilitator or revise {PlansGoalsA} or {GoalsA}

9. Perform all intentions-to



73

Cea de-a doua faza este dedicata negocierii, in cazul in care agentul a identificat

indentii-de-a necesare pentru atingerea propriului obiectiv. In pasul 6 al fazei I, agentul a

construit, pentru fiecare intentie-de-a, o lista cu agentii ce pot efectua respectivele actiuni. In

faza II agentul incearca ajungerea la un consens cu respectivii agenti in efectuarea acestor

actiuni. Negocierea poate fi efectuata de ambele parti sau de mai multe. In cazul negocierii

intre mai multe parti regulile de inferenta corespunzatoare vor spune agentului care sunt acei

agenti cu care se negociaza dintre aceia care au abilitatea de a efectua propriile intentii-de-a.

Un sumar al pasilor corespunzatori fazei II este prezentat mai jos.

Faza II pentru agentul A

1. Generate requests for agents in {i} to do intentions-that

2. Select requests {Reqi} to be sent

3. Send requests {Reqi}

4. Read answers to {Reqi}

5. Evaluate answers, accept them or generate counterproposals

6. Evaluate incoming requests {ReqA} and generate answers

7. Update mental model (including the cooperation profile)

8. Send answers to {ReqA} (accept or counterproposals)

Primul si al doilea pas vor aplica negocierea IR pentru a genera si selecta cererea

corespunzatoare si agentul/agentii asociati carora li se vor trimite cererile. Pasul 5 este dedicat

evaluarii raspunsurilor la aceste cereri si, in cazul receptionarii unei contrapropuneri (de

exemplu, cererea anterior trimisa va fi efetuata de un alt agent cu alte valori pentru DeadLine

si/sau Payment) noile conditii pot fi fie acceptate, rejectate cu o justificare, sau o contra-

propunere este generata cu modificari aduse valorilor propuse pentru DeadLine si Payment.

Pasul 6 este dedicat procesarii cererilor provenind de la alti agenti ce au nevioe de asistenta.

Agentul ce primeste cererea poate fie sa o acceptate si in consecinta va trimite un mesaj de

acceptare, sa o rejecteze cu sau fara o justificare, sau sa genereze o contra-propunere. Dupa

fiecare runda de negociere modelul de rationament este actualizat. Aceasta inseamna

convingerile, intentiile si chiar obiectivele (in cazul in care agentul se angajeaza sa efectueze

actiuni ce ar putea contrazice setul curent de obiective) si profilele de cooperare ale agentilor

cu care agentul curent a schimbat mesaje. Principalele aspecte ce definesc profilul de

cooperare al unui agent din punctul de vedere al altui agent sunt prezentate in Fig. 2.



74

No. of requests accepted by x (No_req)

A’s gain obtained from x’s previous actions (My_gain)

x’s credit as given by A (Given_credit)

No. of x’s requests rejected by A (No_reject)

No. of x’s abilities that may lead to A’s goal fulfillment (No_abil)

A’s credit as given by x (My_credit)

Figura 2. Descrierea lui A despre profilul de cooperare al altui agent x.

1.3 Reguli de Negociere bazate pe Cost Regulile de negociere pot fi impartite in trei parti: (a) reguli pentru generarea si

selectarea unei cereri initiale pentru executarea unei actiuni; (b) reguli pentru evaluarea

cererilor emise de alti agenti si generarea raspunsurilor adecvate, mai precis acceptare,

rejectare sau contra-propuneri; (c) reguli pentru evaluarea raspunsurilor obtinute pentru o

anumita cerere, pentru generarea de contrapropuneri, daca sunt necesare, si a raspunde la

intrebari (a se vedea si Fig. 1).

1.3.1. Reguli de Generare Cereri

Generarea cererilor consta in contruirea, pentru fiecare intentie-de-a, a unui mesaj

avand continutul:

(Action, DeadLine, Payment)

fiecare astfel de mesaj avand asociata o lista ListOfAgents de agenti capabili de

efectuarea actiunii. Valorile corespunzatoare pentru DeadLine si ListOfAgents sunt obtinute

in faza I (pasul 2, respectiv 6), in timp ce Payment si agentul/agentii particulari carora li se

trimite mesajul sunt fixati prin reguli de inferenta. Pentru determinarea valorii Payment,

agentul calculeaza initial valoarea maxima pe care e dispus sa o plateasca pentru Action,

insemnand ca prin calculul acestei valori nu va obtine nici un castig pentru Action. Fie N

intentia-de-a a agentului A si gN castigul asociat lui N, obtinut din GainA(w,v) al obiectivului

GoalAw ce a generat necesitatea pentru N (in timpul planificarii) si Pmax=gN. Atunci cele

doua posibile reguli pentru actualizarea valorii Payment si selectarea agentului x de catre

agentul A sunt prezentate mai jos.



75

if Action = N and MaxPayment.N = Pmax

and x isin ListOfAgents and No_req.x > 0

and My_gain.x > 0 and Given_credit.x > 0

then Rank.x = 4 and Payment.N = Pmax/2

if Action = N and x isin ListOfAgents

and No_reject.x > 0 and No_req.x = 0

and Given_credit.x = 0

then Rank.x = 2 and Payment.N = 0

Agentii sunt ordonati conform acestor reguli si agentul avand tangul maxim este cel

selectat pentru trimiterea cererilor. De exemplu, daca agentul y este selectat, atunci

Send(t, A, y) = Request(N, DeadLine, Payment)

1.3.2. Reguli de Evaluare a Cererilor Primite

Atunci cand un agent A primeste o cerere provenind din partea unui agent x, A

determina prima data daca actiunea ceruta se afla in raza sa de abilitati si daca nu contravine

normelor. In cazul in care una dintre aceste conditii este adevarata, A rejecteaza cererea lui x

prin emiterea unui mesaj

Send(t, A, x) = Reject(Action, Justification)

cu Justification {NotAbility, NotConfNorms}. Altfel, agentul verifica daca cererea

nu contravine propriilor obiective sau obligatii. Un agent care se conforma va rejecta orice

cerere ce ar putea conduce la o contradictie cu propriile obligatii. In cazul unei contradictii cu

obiectivele agentul va investiga profilul de cooperare al agentului x pentru a vedea daca are

sens renuntarea la unul dintre propriile obiective pentru satisfacerea cererii lui x. Un agent

care nu se conforma ce primeste o cerere N din partea lui x aflata in contradictie cu obligatiile

sale poate determina cat ar costa executia lui N (ConsA( N, v)) si, daca valoarea Payment in

Receive(t, A, x) = Request(N, DeadLine, Payment) este mai mare decat ceea ce consuma

pentru N, ar putea accepta cererea si revizui propriile obligatii pentru a mentine propria stare

fara contradictii. In acest caz este necesar un plan de revizie, precum si in cazul in care N

contrazice unul dintre obiectivele lui A.

Sa presupunem ca actiunea ceruta nu contravine nici obiectivele si nici obligatiile lui

A. In acest caz agentul A va investiga planul generat si va compara valoarea oferita pentru

Payment cu cat consuma el pentru N. Daca Payment este mai mare si limita de timp DeadLine

poate fi satisfacuta, atunci A va emite Send(t1, A, x) = Accept(N, DeadLine, Payment). In

acest moment A va adopta N ca una din propriile intentii. Daca valoarea Payment este mai

mica decat ceea ce consuma, agentul poate aplica regula (with Cost = v, ConsA(N, v)):



76

if Action = N and Consume.N = Cost

and Cost > Payment and No_req.x > 0

and My_gain.x > 0 and My_credit.x > 0

then Rank.x = 4

si sa actualizeze profilul de cooperare al agentului x cu Given_credit.x = Cost -

Payment

Ulterior agentul A emite un mesaj de acceptare pentru oricare agent ce a fost clasificat

superior decat o anumita valoare pentru cererea sa. Altfel, agentul A poate genera o contra-

propunere

Send(t1, A, x) = ModifyRequest(N, DeadLine, Payment1)

cu Payment1 Cost. Daca limita de timp nu poate fi atinsa agentul A va emite fie un

mesaj

Send(t1, A, x) = Reject(N, NotDeadLine}

sau o contra-propunere

Send(t1, A, x) = ModifyRequest(N, DeadLine1, Payment)

cu noua limita de timp DeadLine1, in functie de cum N poate fi atinsa prin comparatie

cu propriile planurile generate curent.

1.3.3. Reguli de Evaluare a Raspunsurilor

Un mesaj de acceptare Accept(N, DeadLine, Payment) din partea lui x pentru o cerere

a lui A va duce la terminarea negocierii, A considerand ca x va executa actiunea N in

intervalul de timp DeadLine. A va actualiza corespunzator profilul de cooperare al lui x. Un

mesaj de rejectare va avea acelasi efect, incluzand actualizarea profilului de cooperare, dar

poate conduce de asemenea la revizuirea convingerilor lui A legate de x, de exemplu daca

actiunea ceruta N nu este una dintre abilitatile lui x (Justification = NotAbility in mesajul de

rejectare). O contra-propunere la actiunea ceruta va fi tratata intr-o maniera similara celei

descrise pentru cererile primite, folosind ca si criteriu castigul si profilul de cooperare al lui x

pe care A l-a dezvoltat pana la momentul curent.

1.4 Concluzii Modelul mental al agentilor are la baza lucrari precum [6,4] dar aduce preferinte,

abilitati, obligatii si norme. Structura de control a agentilor din sistem respecta definita din

paradigma de programare orientata pe agenti descrisa in [7]. Adaugarea costurilor (castig si

consum) la modelele mentale leaga diversele modele existente bazate pe paradigma BDI si

alte modele alternative ce au la baza teorii economice, precum in [3]. Exista o serie de lucrari

asupra negocierii, pornind de la cele teoretice pana la unele mai practice. Lucrarea de fata se

concentreaza pe aspectele practice ale negocierii, omitand modelul formal de dedesubt.



77

Abordarea propusa poate fi comparata cu lucrari precum [5,8] dar are avantajul unui criteriu

de negociere flexibil si a unor strategii definite de reguli de negociere.

Am prezentat un model de agenti motivati individual intr-un sistem multi-agent

cognitiv in care agentii sunt dotati, pe langa notiuni mentale de BDI (convingeri-dorinte-

intentii) cu obiective, preferinte si norme. Comportamentul agentilor este motivat in mare

parte de castigul pe care il pot obtine din indeplinirea obiectivelor lor preferate si de

necesitatea cooperarii cu alti agenti pentru atingerea acestor obiective. In timpul cooperarii cu

alti membrii ai societatii de agenti un agent dezvolta profile de cooperare, ce sunt rafinate

treptat si folosite pentru controlul propriului comportament in timpul negocierii. In timpul

cooperarii si negocierii convingerile agentului asupra celorlalti agenti se actualizeaza astfel

incat agentul ajunge sa cunoasca mai multe despre ceilalti.

Sub diverse presupuneri asupra proprietatilor agentilor si criteriului/criteriilor de

negociere, sistemul poate modela cateva tipuri de agenti. Agentii pot fi conformi, avand astfel

capabilitatea de a-si onora toate obligatiile, sau pot fi modelati sa renunte la propriile obligatii

in cazul in care castigul propus este destul de stimulant. Agentii pot ceda credite altor agenti

daca istoria de cooperare justifica o asemenea actiune sau daca abilitatile celorlalti agenti sutn

importante pentru atingerea propriului obiectiv. Alte definitii ale regulilor de negociere pot

modela agenti mai increzatori ce intotdeauna cedeaza credit celorlalti, indiferent de propriul

castig.

Mai multe extensii ale modelului sunt curent considerate pentru dezvoltari ulterioare.

O posibila astfel de extensie este legata de adaugarea de conventii pentru monitorizarea

viabilitatii angajamentelor agentilor (intentii acceptate in timpul negocierii), urmate de

directiile prezentate in [5].

O alta extensie consta in integrarea modelului curent in arhitectura recursiva propusa

in [2] astfel incat sa dezvoltam agentii motivate individual in care un agent poate fi vazut ca o

colectie de agenti, si de a adauga roluri pentru modelarea diverselor grade de cooperare (de la

agenti complet motivati individual pana la agenti complet cooperanti). Desi modelul prezentat

pare sa fie capabil cu precadere sa se adreseze agentilor motivati individual, consideram ca un

comportament bazat pe costuri si istoria si experienta de cooperare poate furniza un cadrul de

lucru pentru implementarea unei game largi de profile de cooperare in sisteme multi-agent.

Bibliografie

[1] B.F. Chellas. “Modal Logic: An Introduction”, Cambridge University Press, Cambridge, UK, 1980. [2] A. Florea. “Intelligent Agents Technology in Virtual Enterprise Design”, In Preprints of ISoCE’98,

The First International Symposium on Concurrent Enterprising, Sinaia, pp.107 - 117, 4-6 Junie, 1998. [3] S. Kraus. “Negotiation and Cooperation in Multi-agent Environments”, Artificial Intelligence, vol.

94, no. 1-2, pp. 79-97, 1997. [4] S. Kraus, K. Sycara, and A. Evenchik. “Reaching Agreements Through Argumentation: a logical

model and implementation”, Artificial Intelligence, vol. 104, no.1-2, pp. 1-69, 1998.



78

[5] T. Norman, N. Jennings, P. Faratin, and A. Mamdani. “Designing and Implementing a Multi-agent Architecture for Business Process Management”. In Intelligent Agents III: Agent Theories, Architectures, and Languages, J.P. Muller, M.J. Wooldridge, and N.R. Jennings, Eds. Springer Verlag, pp.261-275, 1997.

[6] A.S. Rao and M.P. “Georgeff. Modeling Rational Agents Within a BDI-architecture”. In R. Fikes and E. Sandwall, editors, Proc. of Knowledge Representation and Reasoning (KR&R-91), Morgan Kaufman, pp.473-484, 1991.

[7] Y. Shoham. “Agent-oriented programming”, Artificial Intelligence, vol. 60, no. 1, p.51-92, 1993. [8] C. Sierra, P. Faratin, N. Jennings. “A Service-oriented Negotiation Model between Autonomous

Agents”. Preprint submitted to Elsevier Science, pp.24, 1998.

2 Un model de învăţare bazat pe negociere pentru medii deschise multi-agent 2.1 Negocierea in sistemele multi-agent

Negocierea este esenţială în scenarii in care în care agenţi autonomi au conflict de interese şi

dorinţa de a coopera. Negociere automată între agenti inteligenti a devenit astfel tot mai

importanta în aplicaţii care necesită luarea de decizii asistate de calculator, cum ar fi e-

commerce, alocarea distribuita a resurselor, sau întreprinderi virtuale. Mediile unor astfel de

aplicatii sunt în mod inerent deschise deoarece ele sunt populate cu agenţi de auto-interes

proiectati şi / sau deţinuti de persoane diferite şi nu există informaţii complete despre

preferinţele sau despre procesul de luare a deciziilor al agenţilor participanti. Pentru a fi cu

adevărat autonom şi a obţine performanţă atunci când efectuează o negociere, un agent ar

trebui să fie capabil să anticipeze atât rezultatul negocierii cat şi cel mai bun potential

partener cu care sa înceapa o negociere. Abordarile bazate pe invatare automata cum ar fi

invatarea bazata pe recompensa pot contribui la adaptarea strategiei agentului în timpul

negocierii şi comercializarea, obţinerea unor rezultate mai bune şi a unor retributii crescute.

Propunem un cadru de negociere care include obiecte de negociere care cuprind mai multe

aspecte ale elementului negociat, şi seturi diferite ale primitivelor de negociere pentru agenţi

cognitivi şi, în special, a agenţilor BDI. În contextul unui mediu deschis, un mecanism pentru

a învăţa cum să negocieze este necesar, dar învăţarea ar trebui să aibă loc fără o cunoaştere

prealabilă a mediului şi a agenţiilor din ea. În acest scop, propunem o abordare a învăţarii care

ii permite negociatorului sa invete care primitiva de negociere sa fie folosita intr-un anumit

stadiu de negociere; abordarea este bazata pe o metoda de invatare de tip Q-learning (invatare

prin recompensa de tip Q).

Lucrarea este structurată după cum urmează. Secţiunea 2 prezintă modelul de negociere al

agenţilor auto-interesaţi într-un mediu deschis, Secţiunea 3 prezintă primitivele de negociere

şi protocolul, Secţiunea 4 descrie modelul de invatare a negocierii şi reprezentarea asociata a

starilor negocierii, Secţiunea 5 se ocupă cu lucrările inrudite, în timp ce secţiunea 6 este

dedicată concluzilor şi lucrarilor viitoare.



79

2.2 Modelul de Negociere

Modelul de negociere pe care il propunem cuprinde un set de agenţi cognitivi motivati

individual care sunt capabili sa rationeze cu privire la diferite probleme in ceea ce priveste

obiectul care urmează să fie negociat. Un model de agenti BDI (Beliefs,Desires,Intentions) [1]

este în continuare necesar pentru a sprijini setul extins de primitive definit în cele ce urmeaz.

Într-un model BDI agenţii sunt dotati cu convingeri despre mediul înconjurător şi despre alţi

agenţi din mediu, intenţiile de a executa acţiunile structurate în planuri, şi dorinţe, care

reprezintă rezultatele pe care agenţii doresc să le obţină. Un subset consistent de dorinte

formeaza obiectivele agentului spre acele planuri care urmeaza să fie dezvoltate.

Mediul agentului este deschis, agenţii fiind capabili sa intre si sa iasa din mediu în timpul

vieţii lor. Un facilitator se presupune ca e prezent şi e conştient / informat cu privire la

identitatile agenţilor şi abilităţile lor. Nici un detaliu suplimentar despre interactiunile agenţi-

facilitator nu sunt date, insa o serie de scheme ale acestor interacţiunii pot fi găsite în [2].

Aspectele diferite care trebuiesc tratate într-o negociere sunt grupate într-un obiect de

negociere. Un obiect de negociere (NO) este gama de probleme asupra trebuie sa se realizeze

acorduri, asa cum sunt definite în [3]. Obiectul de negociere poate fi: un articol pe care

agentul A vrea să-l cumpere de la B; o acţiune pe care agentul negociatorul A ii cere agentului

B sa o efectueze pentru el; un serviciu pe care agentul A ii cere lui B, de exemplu, realizare

unui bazin de inot, o oferta a unui serviciu pe care agentul A este dispus sa il efectueze pentru

B, cu conditia ca B sa fie de acord cu conditiile agentului A, de exemplu o companie de

comunicare oferindu-i unui client potential un serviciu competitiv de apeluri la distanta.

Un obiect de negociere are un număr de atribute, cum ar fi preţul, termenul limită sau

planificarea, calitatea, sancţiuni, etc, fiecare atribut având un nume, o valoare, un tip, şi un

simbol care indică dacă atributul poate fi modificat sau nu. În timpul negocierii, valorile unor

atribute pot fi modificate sau unele atribute suplimentare pot fi adăugate obiectului de

negociere, de exemplu, un număr de minute gratuite pentru convorbirile la distanta în

serviciul de comunicare oferite de o companie. Un obiect de negociere are astfel o serie de

atribute care pot fi negociate, şi altele care nu pot fi modificate în timpul negocierii. O astfel

de structură pentru un obiect de negociere permite capturarea unei game largi de situaţii,

pentru a specifica în mod corespunzător modificări în timpul negocierilor, şi pentru a estima

utilitatea unei modificari NO în timpul negocierii. Se presupune că agenţii implicaţi într-o

negociere au acces la o înţelegere comună a semanticii unei NO.

Un cadru de negociere (NF) specifica cadrul pentru negocierea unui obiect de negociere

particular. Un cadru de negociere conţine numele cadrului, setul de primitive de negociere

permis în acel cadru de lucru, protocolul de negociere care trebuie urmat, un suport pentru

obiectul negociat şi un substituent pentru agentul (ii), cu care va negocia - fie negociere cu un



80

singur partener sau cu mai multi. Atunci când doreste să înceapă o negociere, un agent preia

un cadru de negociere, care este cel mai potrivit pentru negocierea obiectului, adaugă NO-ul

la acest cadru, şi adaugă lista de cunostinte sau doar un agent la acest cadru. Un agent poate

avea o bibliotecă de cadre negociate sau il poate interoga pe facilitator pentru noi cadre

negociate. În scopul utilizarii sau a înţelegerii unui NF, un agent trebuie să înţeleagă

primitivele negocierii cadrului, care funcţioneaza ca ontologie a negocierii, şi să poată să

urmeze protocolul specificat în acel NF. Cadrul de negociere modeleaza procesul de

negociere prin separarea semantică a protocolului de negociere de partea semantica a

obiectului de negociere.

2.2.1 Primitive de Negociere

Primitivele de negociere pe care le propunem în modelul nostru pot fi împărţite într-un set de

primitive de negociere de bază şi un altul extins. Primitivele de negociere de bază cuprind un

set de primitive care sunt, într-o formă sau alta, destul de frecvente în negocierea euristica

(conform clasificării de tehnici de negociere din [3]). Aceste primitive sunt:

Propose NO- cererea unui obiect de negociere

Accept NO- acceptarea cererii pentru NO

Reject NO - respingerea cererii pentru NO

ModifReq NO NO’ - modificarea cererii prin modificarea unor valori de atribute şi /

sau prin adăugarea de atribute NO-ului pentru a obtine NO’.

De exemplu, negociatorul A emite o cerere pentru un element, o acţiune, sau un serviciu care

trebuie asigurat, sau de serviciu care urmează să fie oferite, cererea fiind directionata, să

spunem, catre agentul B. Agentul B poate accepta cererea, poate să o respingă, şi poate

modifica cererea prin shimbarea valorii unui atribut de NO sau prin adăugarea unui nou

atribut. Negociere poate continua prin efectuarea de mai multe etape consecutive în care unul

sau alt agent modifică NO, un contract de succes a fost încheiat sau negocierea a esuat.

În cazul agenţilor BDI, vom extinde setul de negociere stabilit printr-un set de primitive de

negociere care reprezintă argumente că negociatorul, iar în unele cazuri agentul de legatura

poate să utilizeze în timpul negocieri. Fiecare tip de argument defineşte precondiţiile pentru

utilizarea acestuia. În cazul în care precondiţiile sunt îndeplinite, atunci agentul poate utiliza

argumentul. Printre tipurile de argument posibile menţionate în literatura [3, 4], am selectat

pentru setul de primitive de negociere extins următoarele argumente şi primitive de negociere

asociate:

Appeal to past promise (Apel la promisiunea trecuta) - negociatorul A reaminteşte

agentului B de o promisiune trecuta în ceea ce priveşte NO, de exemplu, agentul B a

promis agentului A sa efectueze sau sa ofere NO într-o negociere anterioară.



81

Precondiţii: A trebuie să verifice dacă o promisiune de NO (rasplata viitoare) a fost

primita în trecut într-o negociere încheiata cu succes. Negotiation primitive:

Remember NO ;( Negociere primitiva: Amintiţi-vă NO;)

Promise of a future reward - Promisiunea unei rasplate viitoare - Negociatorul A

promite să facă un NO pentru alt agent A la un moment dat în viitor. Precondiţii: A

trebuie să găsească o singura dorinţa a agentului B pentru un interval de timp viitor,

dacă este posibil, o dorinta care poate fi satisfăcuta printr-o acţiune (serviciu) pe

care A o poate efectua în timp ce B nu poate. Negotiation primitive: Promise NO

;(Negociere Primitiva: Promisiunea NO;).

Appeal to self interest – (Apel pentru interes propriu) – Agentul A este de părere că

încheierea contractului de NO este în interesul superior al lui B şi încearcă să-l

convingă pe B de acest lucru. Precondiţii: A trebuie să găsească (sau sa deduca), una

dintre dorintele lui B care este îndeplinită în cazul în care B are NO (de exemplu, A

crede că, clienţii vor dori servicii convenabile de comunicare) sau, alternativ, A

trebuie să găsească un alt obiect de negociere NO’, care este oferit în prealabil pe

piaţă (de exemplu, un alt serviciu de comunicare) şi se crede ca NO este mai bună

decât NO’. Negotiation primitive: CompareD NO Desire or CompareO NO NO’;

Threat - Amenintare - negociatorul face ameninţarea de a refuza sa faca / sa ofere

ceva lui B (de exemplu A il ameninţă pe B că va întrerupe furnizarea de energie

electrică în cazul în care B nu achita factura), sau ameninţă că va face ceva pentru a

contrazice dorinţele lui B. Precondiţii: A trebuie să găsească una dintre dorintele lui

B direct îndeplinite de către un NO pe care A o poate oferi sau A trebuie să găsească

o acţiune care este în contradicţie cu ceea ce crede ca este una din dorintele lui B.

Negotiation primitive: TreatForbid NO or ThreatDo NO.

Protocolul de negociere poate fi descris intuitiv prin utilizarea unui arbore aşa cum se arată în

Figura 1 (reprezentat pentru setul de negociere de baza), unde A este negociator şi B este

agentul cu care A negociază. Nodurile din arbore reprezintă starile în care unul sau altul

dintre agenţii de negociere trebuie să emită o negociere primitiva: starile SA corespund

deciziilor negociatorului, în timp ce SB starile agentului cu care A negociază. Starile dublu

incercuite sunt stari terminale, atunci când negocierea se termină. Tranzitiile de la o stare la

alta sunt etichetate cu primitivele negocierii posibile. Arborele de negociere este construit din

punct de vedere al negociatorului, şi anume, starile SA sunt stari în care agentul A are

controlul asupra primitivelor pe care le emite, în timp din starile SB este B cel care va

răspunde, prin urmare A nu are nici un control . Modelul descris este similar cu un arbore

dintr-un joc de noroc, cu noduri SB care corespund nodurilor şansă.



82

pA1=Accept pA

2=Reject pA3=ModifReq

pB1=Accept

. . . . . . . . . . . . . .

pB2=Reject

pA=Propose

pB3=ModifReq

SA

13

SA

SB

SA

11 SA

12

SB

13SB

11 SB

12

Figure 1: Arbore de negociere cu stari SA si SB alternative

O modalitate alternativă pentru specificarea protocolului de negociere consta in utilizarea unei

Definite Clause Grammar cum este descris în [5] şi [6]. Această a doua modalitate de a

specifica protocolul de negociere este utila pentru o reprezentare compactă a protocolului în

cadrul negocierii şi pentru o definiţie executabil formala a pasilor negocierii posibili să fie

urmati de un agent.

2.3 Invatarea strategiei de negociere

Secţiunea anterioară a arătat că un agent poate avea mai multe posibilităţi / primitive de

negociere pentru a efectua o negociere spre succesul (sau insuccesul) contractului. Este

modelul de lucrae a deciziei in cazul agentului cea care dictează care este strategia de

negociere ce va fi utilizata [3]. Strategiile euristice sunt destul de puternice în acest caz, dar

ele sunt dependente de domeniu, destul de greu să ne dam seama, şi consumatoare de timp.

Propunem o abordare de consolidare a invatarii care ar putea permite negociatorului sa invete

ce primitive de negociere sa foloseasca intr- un anumit stadiu al negocierii.

Invăţare de armare este sarcina cu care se confruntă un agent care învaţă un comportament

adecvat prin interacţiuni cu un mediu dinamic, prin recompensa si pedeapsa, care poate fi

considerat un semnal de armare primit de agent din partea mediului [7]. În modelul nostru,

agentul încearcă să înveţe o aproximare a unei politici optime prin utilizarea unui algoritm de

invatare-Q [8]. Un algoritm de învăţare Q-learning (algoritm Q-învăţare) este un model de

învăţare în care agentul foloseşte functia Q(a,s)) - valoarea de a face o acţiune a în starea s. O

politică este o mapare a starilor in acţiunile care maximizează unele măsuri pe termen lung de

recompensa, în cazul nostru de utilitate pentru starile în care agentul se confruntă cu o decizie

în ceea ce priveşte negocierea primitivă care urmeaza a fi emisa. Utilităţile starilor sunt legate



83

de valorile Q(a,s) ca U(s) = maxaQ(a,s). Într-un algoritm Q-învăţare avem următoarea

definiţie a funcţiei Q:

Ss'

a' Q(s',a')T(s,a,s')R(s)Q(s,a) max (1)

unde S este un set de stari, A este un set de acţiuni, R este funcţia recompensa R: S x A R,

a este actiunea care are loc în starea actuală s, s 'este starea următoare, a’ este acţiunea luata

în starea s’ şi T (s, a, s ') este funcţia de tranziţie a starii definită peste distribuţia de

probabilitate a tranziţiei de stare, potrivit unui Proces Markov de Decizie (MDP). Cu toate

acestea, un agent folosind un Q-algoritm de invatare nu trebuie să înveţe un model al mediului

deoarece actualizările Q pot fi calculate folosind Q-regula de învăţare, unde este rata de

învăţare:

Q(s,a) Q(s,a) + (R(s) + maxa’Q(s’,a’)-Q(s,a)) (2)

Q-regula de învăţare are un caracter anticipativ, deoarece utilizează stari şi acţiuni viitoare

pentru calcul Q (a,s), şi anume valoarea de a face acţiunea a în starea actuală s.

Pentru a aplica algoritmul de Q-learning pentru negociere se realizeaza o modificare a

arborelui de negociere, aşa cum se arată în figura 2. De data aceasta, nodurile din arbore

reprezintă o stare care corespunde la două etape ale procesului de negociere, un pas asociat

unei primitive emisa de către agentul A şi un alt pas asociat cu răspunsul agentului B. În acest

fel, un SAk şi o stare succesiva SB

k care urmeaza sunt unite în aceeaşi stare. Tranziţiile sunt

etichetate de data aceasta cu o secvenţă de doua primite de negociere, una emisa de agentul A

în SAk şi a doua care corespunde răspunsului lui B în SB

k. Să facem următoarea notaţie:

kBij

Aik ppa )( (3)

unde pAi este una din primitivele negocierii permise în stare SA

k (în cazul în care i variaza

peste toate aceste primitive) şi <pijB> este unul dintre răspunsurile permise ale lui B în starea

SBk atunci când primeste pA

i. Numim ak o acţiune compusa în procesul de negociere.

Folosind acesta nou reprezentare, putem vedea spaţiul de stari ca o MDP în care agentul A ar

emite o actiune de negociere compusa ak în starea SAk şi ar merge non-determinist într-una

dintre urmatoarele stari posibile, SAk+1, pentru fiecare actiune ak având acelaşi pA

i. Astfel,

non-determinismul este generat de lipsa de cunoaştere a răspunsului exact dat de către agentul

B pentru o anumita negociere primitiva pAi emisa de către A.

Regula noastra de invatare Q este acum obţinuta prin substituirea s si a în ecuaţia (2), cu

starile corespunzătoare şi acţiunile combinate definite mai sus, după cum urmează:

)),(),(max)((),(),( 111

kAkk

Ak

a

Akk

Akk

Ak aSQaSQSRaSQaSQ

k

(4)



84

Atunci când negociază cu un agent, relaţiile de actualizare (4) nu sunt aplicate pentru k=0,

primul nivel în arbore, deoarece acest nivel corespunde întotdeauna unei propuneri. Atunci

când se considera cazul unei negocieri intre mai multe parti, nivelul k = 0 este, de asemenea,

luat în considerare în Q-invatare, deoarece agentul trebuie să înveţe la care agentul ar face cel

mai bine o anumita propunere.

pA3=ModifReq

pB1=Accept pA

1=Accept pB=ok

pA =Propose pB

1=Accept

SA

AB R

B

pA =Propose pB

2=Reject

pA =ProposepB

3=ModifReq

N AB

RB

pA3=ModifReq

pB3=ModifReq

AA

RA

pA2=Reject

pB=ok pA

3=ModifReqpB

2= Reject

N

. . . . . . . . . . . . . .

Figure 2: Arborele de negociere cu starile SA si SB comprimate

În scopul de a aplica în mod eficient algoritmul Q-learning trebuie sa fie proiectata o

clusterizare de stari. În modelul nostru propus am considerat echivalenţa de stari prezentata în

Figura 3 şi vom sancţiona mai multe runde de negocieri prin recompensele asociate obţinute

în starile corespunzătoare; o stare finală de acceptare, de exemplu, va avea o utilitate mai mică

dacă se obţine după mai multe ModifReq decât în cazul în care acordul ar fi fost atins dintr-un

pas. În Figura 3, SI este starea în care începe negocierea (fostă SA), SN este starea de negociere

generica (atinsa de către una sau mai multe perechi ale ModifReq). Numărul de mesaje

ModifReq schimbate în procesul de negociere este fie par fie impar, în funcţie de expeditorul

mesajului final - agentul sau agentul B.

O negociere se încheie în două situaţii:

Agent A a primit de la B un mesaj de Acceptare / Respingere, ajungând in starea SAB sau

SRB

Agentul A trimite un mesaj de încheiere (Acceptare / Respingere) şi B confirma recepţia,

prin intermediul unui mesaj ok, ajungând in starea SAA sau SRA.



85

Figure 3: Tranzitii de stare in timpul procesului de negociere

Primitive: P – Propose, Mx, Ax, Rx – ModifReq/Accept/Reject trimise de agentul x (A or B),

ok – trimis de agentul B

Fiecare dintre cei doi agenti de negociere ar putea folosi o politica de "time-out", suspendand

procesul de negociere după un anumit număr de iteraţii. Această situaţie poate fi considerată

ca un caz special de Respingere şi, în consecinţă, nu este tratată în mod explicit. Starile finale

ale negocierii (SAB, SAA - de succes, SRB, SRA– de esuare), pot fi atinse fie direct din starea

iniţială SI, sau după mai multe tranziţii de stare prin intermediul starii de negociere SN.

O recompensă într-o stare finală de acceptare este +1 şi într-o stare finală de respingere este -

1. Orice stare intermediară în care o modificare a obiectului de negociere este propusa

primeşte 1/k din recompensa, în care k se presupune a fi numărul maxim de runde de

negociere. Două modificări succesive, astfel, corespund cu -2/k. Recompensele asociate

fiecărei stari sunt, de asemenea, prezentate în Figura 3. Tabelul 1 prezintă recompensele,

utilitatile şi acţiunile pentru a ajunge la o stare finală reprezentata in Figura 3.

Modelul din figura 3 poate fi extins prin luarea în considerare a unui set extins de primitive de

argumentare ale negocierii ca instanţe ale ModifReq, (Appeal to past promise, Promise of a

future reward, Appeal to self interest, Threat) (Recurs la promisiunea din trecut, Promisiunea

de o rasplata viitoare, Apel la interes propriu, Amenintare). În acest caz, dacă setul de

negociere conţine N tipuri de mesaje, apoi perechile {MA, MB} în procesul de negocieri vor

avea N2 variante. Deşi numărul de stari grupate creşte în acest caz, algoritmul Q de invatare

poate rezolva în mod eficient această situaţie.



86

Table 1: Recompense stari finale si utilitati

Actions to reach a final state State State reward State utility { P, AB } SAB +1 +1 { P, RB } SRB -1 -1 { P, MB, AA, ok} SAA +1 +1 – 1/k { P, MB, RA, ok } SRA -1 -1 – 1/k { P, MB, { MA, MB }n , AA, ok } SAA +1 +1 – (2n+1)/k { P, MB, { MA, MB }n , RA, ok } SRA -1 -1 – (2n+1)/k { P, MB, { MA, MB }n , MA, AB } SAB +1 +1 – 2(n+1)/k { P, MB, { MA, MB }n , MA, RB } SRB -1 -1 – 2(n+1)/k

Pentru un agent cognitiv, procesul de învăţare Q este componenta care determină valorile pe

care agentul le va utiliza în procesul decizional pentru anticiparea celei mai bune cai de

acţiune spre un obiectiv propus. Regula de învăţare Q are un puternic caracter anticipativ,

deoarece utilizează stari şi acţiuni viitoare pentru calcululul lui Q(a,s) - valoarea de a face o

acţiune a în starea s.

Procesul de învăţare ar putea reprezenta o primă fază generatoare de model din viaţa

agentului. Cand aceasta faza este completa agentul va folosi datele colectate ca anticipări în

procesul de negociere, alegand în consecinţă urmatoarea primitiva care urmeaza sa fie emisa.

Deoarece comportamentul altor agenţi este nedeterminist, starea următoare, atinsa după

răspunsul agentului partener de negociere, nu este întotdeauna cea anticipata de modelul de

negociere. A doua fază, de învăţare libera, care utilizează modelul de negociere generat în

faza de învăţare, are un caracter anticipatoriu slab.

2.4 Concluzii

Invatarea automata şi alte euristice au fost aplicate la problema negocierii [10], folosind

tehnici precum modele de calcul evolutiv şi co-evolutiv, logica fuzzy, abordări grafico-

teoretice, sau consolidarea învăţării [11]. În [12], autorii prezintă o abordare evolutiva de

învăţare pentru proiectarea agenţilor adaptivi ai negocierii. Ei folosesc un algoritm genetic

pentru obţinerea potenţialelor soluţii de negociere, agenţii acestora adaptivi ai negocierii se

adapteaza la schimbarea comportamentelor adversarilor lor prin învăţarea despre preferinţele

acestora prin intermediul contra-ofertelor lor anterioare. În [13] autorul adoptă invatarea

asimetrica de consolidare multiagent pentru rezolvarea problemei de stabilire a preţurilor

dinamic, prin modelarea problemei de stabilire a preţurilor dinamic ca un joc Markov. Articol

foloseşte două metode de învăţare: metoda functiei de valoare a gradientului şi metoda

gradientului de politică. În [14], autorii dezvolta un algoritm de învăţare Q pentru a stabili

politicile optime în cadrul a doi jucatori ai jocurilor Markov sumă zero. În [15] este prezentata

o extensie a acestei abordari pentru cazul generic al jocurilor sumă, în cazul în care agenţii



87

determină mai întâi un mixt de strategie de profil de echilibru Nash pentru joc şi apoi

utilizeaza acest profil pentru algoritmul de invatare Q pentru a determina o politică optimă. În

[16], negocierea este modelata ca un set de două procese Markov decizionale non-stationare şi

un algoritm de iterare a valorii este folosit pentru a învăţa o politică optimă de negociere.

Spre deosebire de abordările anterioare, modelul nostru nu are nevoie sa construiasca un

model al mediului şi propune o reprezentare în care negocierea este vazuta ca un singur MDP

asupra starilor de negociere fuzionate. În plus, abordarea noastră poate include diferite tipuri

primitive de negociere şi să le trateze în mod uniform şi poate fi extinsă la negociere intre mai

multe parti.

Am elaborat un model al unui proces de negociere, care surprinde o mare varietate de situatii

şi obiecte posibile de negociere şi care combină o negociere euristica cu una bazata pe

argumentare. Ne-am definit un set de primitive de negociere şi un protocol de negociere care

cuprinde mai multe opţiuni posibile de proiectare care pot fi selectate în funcţie de domeniul

unei anumite probleme. Primitive propuse de negociere combina facilităţi de modificare a

obiectului negociat cu posibilitatea de a specifica diferite tipuri de argumente care implică

aceste obiecte foarte negociate; este prima astfel de abordare dupa cunoştinţele noastre. Am

prezentat structuri pentru specificarea obiectului de negociere şi a cadrului de negociere care

permit separarea obiectul negociat de protocolul de negociere.

Agenţii pot fi dotati cu diferite primitive de negociere, dar acestea trebuie să aibă un proces

decizional care va permite apoi să aleagă pe cel mai bun la un moment dat. Am modelat

procesul de negociere ca Proces Decizional Markov şi am propus un algoritm de invatare Q

care foloseste recompense de stari fuzionate în spaţiul starii negociate pentru a invata cum

să negocieze. Algoritmul de invatare Q poate fi, de asemenea, utilizat de către negociator

pentru a alege între mai mulţi agenţi din lista de cunoştinţe a agentului pe cel cu care să

negocieze, în cazul de negociere intre mai multe parti.

Folosind regula de invatare Q agenţii nu trebuie să modeleze mediul sau pe alti agenti cu care

ei negociaza; prin urmare, abordarea noastră propusă este potrivita pentru medii deschise şi de

învăţare on-line. Desi agentii folosind o abordare de invatare Q nu modeleaza mediul, ei

contin un model anticipativ al lor din punct de vedere al valorilor Q pe care le-au calculat in

timpul invatarii. Aceste valori le permit să aleagă presupusul primitiva de negociere corecta la

un anumit moment in proces, in functie de predictia modelului de negociere a ceea ce se va

intampla la un moment din urma.

Bibliografie [1] A.S.Rao, M.P.Georgeff, “Modeling Rational Agents Within a BDI-architecture”, edited by

R.Fikes and E.Sandwall, Morgan Kaufman, Proc. of Knowledge Representation and Reasoning (KR&R-91), 1991, pp. 473-484.



88

[2] A.Florea, E.Kalisz, “Anticipatory Attributes of Agent Behaviour in MAS”, CP627, Computing Anticipatory Systems: CASYS 2001 - Fifth International Conference, edited by D.M.Dubois, American Institute of Physics 0-7354-0081-4/02, p.359-364.

[3] N.R.Jennings, e.a., “Automated negotiation: prospects, methods, and challenges”, Int. J. of Group Decision and Negotiation 10 (2), 2001, pp.199-215.

[4] S.Kraus, K.Sycara, A.Evenchik, “Reaching agreements through arumentation: a logical model and implementation”, Artificial Intelligence, Elsevier Science, 104, 1998, pp. 1-69.

[5] Y.Labrou, T.Finin, “Semantics and conversations for an agent communication language”, In Readings in Agents, M. Huhns and M. Singh, editors, Morgan Kaufmann, San Francisco, 1998, pp.235-242.

[6] A.Florea. “Using Utility Values in Argument-based Negotiation”, In Proc. of IC-AI'02, the 2002 International Conference on Artificial Intelligence, Las Vegas, Nevada, USA, 24-27 June 2002, CSREA Press, p.1021-1026.

[7] Kaelbling, L.P., M.L. Littman, and A.W. Moore, “Reinforcement learning: a survey”, Journal of Artificial Intelligence Research, 4, 1996, pp. 237-285.

[8] Watkins, C.J. and P. Dayan, “Q-learning”, Machine Learning, 8(3), 1992, pp. 279-292. [9] D.M.Dubois, "Review of Incursive, Hyperincursive and Anticipatory Systems – Foundation of

Anticipation in Electromagnetism,” in Computing Anticipatory Systems: CASYS'99 – Third International Conference, edited by Daniel M. Dubois, AIP Conference Proceedings 517, American Institute of Physics, Melville, NY, 2000, pp. 3-30.

[10] D.Zeng, K.Sycara, “Benefits of learning in negotiation”, in Proc of the 14th National Conference on Artificial Intelligence and 9th Innovative Applications of Artificial Intelligence Conference (AAAI- 97/IAAI-97), AAAI Press, 1997, pp. 36-42.

[11] Y.Shoham, R.Powers, T.Grenager, “Multi-agent reinforcement learning: a critical survey”, Technical report, Stanford University, 2003.

[12] R.Y.K.Lau, e.a., “An evolutionary learning approach for adaptive negotiation agents”, International Journal of Intelligent Systems, 21(1), 2006, pp.41-72.

[13] V.Könönen, “Dynamic pricing based on asymmetric multiagent reinforcement learning”, International Journal of Intelligent Systems, 21(1), 2006, pp.73-98.

[14] M.L.Littman. Markov games as a framework for multi-agent reinforcement learning. Proc. of the 11th Int. Conference on Machine Learning (ML-94), 1994.

[15] J.Hu, M.P. Wellman. Multiagent reinforcement learning: Theoretical framework and an algorithm. Proc. of the 15th Int. Conf. on Machine Learning (ML-98), 1998.

[16] V.Narayanan, N.R.Jennings, “An adaptive bilateral negotiation model for e-commerce settings”, in 7th Int. IEEE Conf. on E-Commerce Technology, Munich, Germany, 2005, pp. 34-39.



89

Partea a III-a

Modele de compunere si descompunere a serviciilor semantice



As. drd. ing. Andrei Mogos As. drd. ing. Andreea Urzica



90

1 Introducere

Atat serviciile Web cat si Web-ul semantic reprezinta doua tehnologii importante in

domeniul cercetarilor din stiinta calculatoarelor. In [12], este data urmatoarea definitie pentru

un serviciu web: “Un serviciu Web este un system software proiectat pentru a sprijini

interactiunea calculator - calculator intr-o retea”. Web-ul semantic reprezinta web-ul ce poate

fi procesat si interpretat de calculator. Dupa cum se mentioneaza in [1], “Web-ul semantic nu

este un alt Web, ci o extensie a Web-ului current, in care informatiile sunt furnizate cu

semnificatie bine definite, care permit o cooperare mai buna intre oameni si calculatoare”.

Serviciile web semantice pun la un loc cele doua tehnologii prezentate mai sus:

servicii web si web-ul semantic. Serviciile web semantice sunt serviciile web ce au o

decscriere web demantica formala. Folosirea acestui tip de descrieri semantice fac posibila

realizarea automata a unor operatii importante peste serviciile web automatizarea:

descoperirea, selectia, compunerea, precum si invocarea serviciilor [7].

Compunerea serviciilor web semantice reprezinta o problema actuala si foarte

importanta in domeniul de cercetare al serviciilor web. Exista o serie de metode semiautomate

pentru aceasta problema [11], dar marea majoritate a rezultatelor se refera la abordari

automate. O parte dintre metodele principale folosite pentru compunerea automata a

serviciilor web sunt: planificare bazata pe inteligenta artificiala [6], [4], [8], sisteme multi-

agent [5], limbaje logice [9], reguli [10].

Prezentam o abordare de compunere a serviciilor web semantice bazata pe potrivire de

sabloane. Dandu-se o descriere semantica, sub forma unei liste de descrieri semantice ce

corespund unui numar de servicii web semantice dintr-o biblioteca de servicii web semantice,

se doreste crearea unui serviciu web semantic nou, care sa corespunda descrieriii semantice

initiale, prin folosirea serviciilor web semantice din biblioteca data; acest obiectiv este realizat

pe baza descompunerii descrierii semantice initiale. In continuare vor fi analizate cateva

structuri posibile ale descrierii semantice initiale si va fi prezentat un algoritm de

descompunere, precum si un sistem software pentru rezolvarea problemei. Ideea de baza

consta in determinarea sabloanelor similare in descrierea semantica initiala si folosirea lor

pentru a facilita o rezolvare eficienta a problemei.

2. Descrierea problemei

Sa consideram descrierea semantica SD pentru un serviciu semantic S si o biblioteca

de servicii semantice, numita biblioteca SWS. Descrierea semantica SD are urmatoarea forma:

, in care sunt descrieri semantice ce corespund unor

servicii web din biblioteca SWS. Serviciile web semantice din biblioteca SWS vor fi numite

1 2 ... nSD SD SD SD 1 2, , ..., nSD SD SD



91

servicii web semantice elementare si descrierile lor semantice vor fi numite descrieri

semantice elementare. Se doreste constructia unui serviciu web semantic S care sa corespunda

descrierii semantice SD folosind servicii web semantice din biblioteca SWS. Serviciul web

semantic S va corespunde rezultatului compunerii unor servicii web semantice elementare.

Consideram ca biblioteca SWS poate contine un numar de servicii semantice web

elementare care corespund aceleiasi descrieri web semantice elementare. Fiecare serviciu web

semantic elementar are asociat un coeficient de calitate. Nu ne va interesa cum poate fi

modificat acest coeficient (crescut / scazut). Acest coeficient a fost introdus numai pentru a

ajuta sistemul software sa faca alegerea unui serviciu web semantic (cel ce are coeficientul de

calitate cel mai mare) dintre serviciile web semantice ce au aceeasi descriere semantica.

3. Algoritmi de potrivire de sabloane

Potrivirea sirurilor (sau potrivirea sabloanelor) repreinta urmatoarea problema [3]:

dandu-se un sir (in mod general, numit sablon) si un text, trebuie sa se determine o aparitie,

sau mai general, toate aparitiile sirului in text; lungimea sablonului este m si lungimea textului

este n. Sablonul si textul folosesc acelasi alfabet finit a carui dimensiune este a.

Exista o serie de algoritmi pentru rezolvarea acestei probleme [3], de exemplu,

algoritmii: Karp-Rabin, Shift Or, Knuth-Morris-Pratt, Galil-Giancarlo, Colussi, Boyer-Moore,

Horspool, Quick Search, Two Way, Optimal Mismatch, Maximal shift, Alpha Skip Search.

Dupa cum se arata in [3], “algoritmul Boyer-Moore este considerat cel mai eficient

algoritm de potrivire de siruri in aplicatii uzuale”. Prima data, algoritmul Boyer-Moore a fost

prezentat in [2].

In continuare este prezentata o scurta descriere a algoritmului Boyer-Moore, asa cum

este descris in [3]: algoritmul aliniaza marginea din stanga a sablonului cu marginea din

stanga a textului si compara caracterele din sablon cu caracterele din text de la dreapta la

stanga. In momentul in care algoritmul determina o nepotrivire sau o potrivire completa in

text, sablonul va fi deplasat la dreapta folosind doua functii: good-suffix shift si bad-character

shift. Algoritmul Boyer-Moore consta din doua faze: faza de preprocesare si faza de cautare.

In timpul fazei de preprocesare cele doua functii sunt precalculate in timp O(m+a). Faza de

cautare are complexitatea O(mn), dar algoritmul realizeaza cel mult 3n comparatii de

caractere pentru un sablon neperiodic. Performanta cea mai buna a algoritmului este O(n/m).

4. Metoda de descompunere

In aceasta sectiune este prezentata metoda de descompunere ce va fi folosita de

sistemul software pentru a obtine serviciul web semantic S care corespunde descrierii

semantice initiale SD. Sunt analizate cateva structuri posibile ale descrierii semantice SD si



92

este propusa o solutie pentru fiecare situatie. In final este prezentat algoritmul mrincipal ce

descrie metoda de descompunere a descrierii semantice.

Situatii posibile

a) Descrierea semantica initiala contine fiecare descriere semantica o singura data, ce

corespunde unui serviciu web semantic elementar. Descrierea formala pentru descrierea

semantica SD va fi urmatoarea:

jin SDSDincatastfelnjiSDSDSDSD },...,2,1{, , ... 21 (1)

In aceasta situatie, descrierea semantica SD este descompusa in urmatoarele descrieri

semantice: . Pentru fiecare din aceste descrieri semantice, sistemul va cauta

in biblioteca SWS un serviciu web semantic elementar corespunzator. Numim algoritmul

pentru acest tip de descompunere DecompositionMethod1. Dupa procesul de descompunere,

in timpul procesului de cautare, sistemul va trebui sa realizeze n cautari in biblioteca SWS.

1 2, , ..., nSD SD SD

In cele ce urmeaza este prezentat un exemplu simplu, in care fiecare descriere

semantica elementara este reprezentata printr-un caracter:

- fie SD a b c d

- rezultatul descompunerii: , , ,a b c d

b) Descrierea semantica initiala SD contine descrieri semantice elementare cu multiple aparitii

in SD, dar nu exista secvente de descrieri semantice elementare cu multiple aparitii in SD.

Descrierea formala a descrierii semantice SD este urmatoarea:

2121......

, }, ..., ,2 ,1{ , , ,

} ..., ,2 ,1{, , ...

121221212121

21

jjii

jin

SDSDSDSDincatastfel

jjiijjiicunjjiidar

SDSDincatastfelnjiSDSDSDSD

(2)


semantice: , cu k1 2, , ...,

ki i iSD SD SD n in care aceste descrieri semantice sunt toate descrieri

semantice diferite din SD. Vom numi algoritmul care corespunde acestui tip de descompunere

DecompositionMethod2.

Dupa procesul de descompunere, in timpul procesului de cautare, in momentul gasirii

unui serviciu web semantic elementar din biblioteca SWS, acest serviciu este introdus in

biblioteca Auxiliary SWS. In acest caz, sistemul trebuie sa realizeze k cautari in biblioteca

SWS.



93

ca elementara este reprezentata printr-un caracter:

- fie

la SD contine secvente de descrieri semantice elementare cu

ultiple aparitii in SD. Descrierea formala pentru descrierea semantica SD este urmatoarea:

In cele ce urmeaza vom prezenta un exemplu simplu, in care fiecare descriere

semanti

SD a b c a d c e

- rezultul descompunerii este: , , , ,a b c d e

c) Descrierea semantica initia

m

} ..., ,2 ,1{,,, , ... 212121 n njjiiSDSDSDSD

2121......

, 12122121

jjii SDSDSDSDincatastfel

jjiijjiicu

(3)


semantice: cu in

care ac

1 2 1 2 1 2 r

este secvente de descrieri semantice reprezinta toate secventele diferite de descrieri

semantice fa em

avea secvente cu cel putin o descriere semantica elementara. In acest caz, sistemul trebuie sa

efectueze cel mult ...p q r

( ... ), ( ... ), ... ( ... )p qi i i j j j l l lSD SD SD SD SD SD SD SD SD

ra a avea indici comuni din SD. In aceasta descom

...p q r n

punere consideram ca put

cautari in biblioteca SWS. Vom numi algoritmul care

corespunde acestui tip de descompunere DecompositionMethod3.

Dupa procesul de descompunere, in timpul procesului de cautare, cand se construieste

pe baza serviciilor web semantice elementare din biblioteca SWS, un serviciu web din

descom

zentata printr-un caracter:

ie

unere

urmatoarea:

: Type = getDecompositionType(SD)

puneri, acel serviciu este introdus in biblioteca Auxiliary SWS. Se observa ca pot fi

servicii web semantice in biblioteca Auxiliary SWS care corespund secventelor de lungime 1.

De asemenea observam, ca in aceasta situatie, vor fi create servicii semantice noi prin

compunerea serviciilor web semantice elementare care corespund descrierilor semantice

elementare din unele secvente.

In cele ce urmeaza este prezentat un exemplu simplu, in care fiecare descriere

semantica elementara este repre

- f a b c a b a d e a b c a b f d e

- rezultatul descompunerii este: ( ), , ( ),a b c a b a d e f

SD

Metoda principala de descomp

Metoda principala de descompunere este

1: DecompositionMethod(SD) {

2



94

sitionMethod(SD, Type)

ecompositionMethod(D)

p, AuxDecomp) }}

ompositionType’ analizeaza descrierea semantica SD pentru a

etermina metoda de descompunere care corespunde situatiei curente:

Decom

r un proces recursiv de descompunere (a se observa

re

ftware este prezentata in Figura 1.

Figure 1. Arhitectura sistemului

Main Agent receptioneaza o descriere sem arce descrierea completa

D a serviciul web semantic ce corespunde descri Aceasta descriere completa

ntine

3: Decomp = applyDecompo

4: for-each D in Decomp {

5: if length(D) > 1 {

6: AuxDecomp = D

7: update(Decom

8: return Decomp }

Functia ‘getDec

d

positionMethod1, DecompositionMethod2 sau DecompositionMethod3. Dupa aceasta,

metoda de descompunere selectata este aplicata pentru descompunerea descrierii semantice

SD folosind functia ‘applyDecompositionMethod’. Algoritmul Boyer-Moore este folosit

pentru toate problemele de determinare a potrivirilor de sabloane, care trebuie rezolvate in

timpul procesului de descompunere.

Dupa cum se poate observa, in cazul situatiei c) unde este aplicata metoda

DecompositionMethod3, este necesa

liniile 5-7 din algoritm).

5. Sistemul softwa

Structura sistemului so

antica SD si into

erii semantice.C

co toate informatiile necesare pentru accesa acel serviciu web semantic. Decomposition

Agent foloseste algoritmul prezentat in sectiunea anterioara si descompune descrierea

semantica SD receptionata de la Main Agent. Composition Agent compune toate serviciile

Main Agent

Auxiliary

SWS Library

Decomposition SWS Library Agent

Composition Agent

Patte hing Agent

rn Matc

Searching Agent

SD

CD



95

ntat o metoda de compunere pentru servicii web semantice bazata pe

determinarea potrivirilor sabloanelor. Scopul acestei metode consta in determinarea unui nou

mantic poate insemna un task dificil din punctul de vedere al

resurse

tarile viitoare se vor analiza

proprie

m and Hendler, James and Lassila, Ora. The Semantic Web, Scientific American, May 2001 Stephen and Moore, J Strother. A fast string searching algorithm, Communications of the

ACM, vol. 20, 1977, pages 762-772 v-

web semantice corespunzatoare unei descompuneri in scopul crearii unui nou serviciu web

semantic compus. In final, acest agent va transmite catre Main Agent descrierea completa a

serviciului web semantic care corespunde descrierii semantice SD. Composition Agent va

introduce in biblioteca Auxiliary SWS serviciile web pe care le creeaza in timpul procesului

de compunere. Searching Agent realizeaza cautarea serviciilor web semantice in cele doua

biblioteci de servicii web semantice, astfel ajutand Composition Agent in timpul procesului

de compunere. Pattern Matching Agent foloseste algoritmul Boyer-Moore pentru rezolvarea

tuturor problemelor de determinare a potrivirilor sabloanelor trimise de Decomposition Agent,

Composition Agent si de the Searching Agent.

6. Concluzii

Am preze

serviciu semantic compus, care corespunde unei descrieri semantice, folosind servicii web

elementare dintr-o biblioteca.

In cazul in care biblioteca de servicii web contine multe servicii web semantice,

cautarea unui serviciu web se

lor de calcul necesare. Avantajul principal al metodei propuse consta in minimizarea

numarului de cautari, analizand structura descrierii semantice initiale. Metoda este foarte

folositoare in cazul in care o parte din descrierile semantice elementare care fac parte din

descrierea semantica initiala SD au multiple aparitii in SD. Performantele cele mai bune sunt

obtinute in cazul in care numarul acestor aparitii este ridicat.

Descrierea semantica initiala folosita in aceasta lucrare este reprezentata sub forma

unei liste de descrieri semantice elementare. In dezvol

tatile unei descrieri semantice mai generale, in scopul de a crea o metoda care sa

acopere un numar mai mare de cazuri de compunere a serviciilor web semantice.

Bibliografie

1. Berners-Lee, Ti2. Boyer, Robert

3. Charras, Christian and Lecroq, Thierry. Exact String Matching Algorithms, http://www-igm.unimlv.fr/~lecroq/string/ offmann, Jörg and Bertoli, Piergiorg4. H io and Pistore, Marco. Web Service Composition as Planning, Revisited:

(AAAI-07), 22-26 July 2007, Vancouver, British Columbia, Canada, vol. 2, pages

5. K

In Between Background Theories and Initial State Uncertainty, in Proceedings of the 22nd Conference on Artificial Intelligence 1013-1018 umar, Sandeep and Mishra, Ravi Bhusan. Multi-Agent Based Semantic Web Service Composition Models, in

Journal of Computer Science, Infocomp, 2008, vol. 7, iss. 3, pages 42-51



96

06, Athens, GA, USA, pages 385-

7. edings of the 22 Conference on Artificial Intelligence (AAAI-07), 22-26 July 2007, Vancouver,

8. ference (ESWC 2008), Tenerife, Canary Islands, Spain,

9. nal Conference on Knowledge Representation and Reasoning (KR 2002), 22-

10.ngs of OWL-S: Experiences and Directions Workshop in

11. Descriptions, in Proceedings of Web Services: Modeling, Architecture and Infrastructure

12.

6. Lécué, Freddy and Léger, Alain. A formal model for semantic Web service composition, in Proceedings of the 5th International Semantic Web Conference (ISWC 2006), November 20398 Lécué, Freddy and Delteil, Alexandre. Making the Difference in Semantic Web Service Composition, in Proce nd

British Columbia, Canada, vol. 2, pages 1383-1388 Lin, Naiwen and Kuter, Ugur and Sirin, Evren. Web Service Composition with User Preferences, in Proceedings of the 5th European Semantic Web Con1-5 June 2008, pages 629-643 McIlraith, Sheila and Son, Tran Cao. Adapting Golog for Composition of Semantic Web Services, in Proceedings of the 8th Internatio25 April 2002, Toulouse, France, pages 482-493 Meditskos, Georgios and Bassiliades, Nick. A Semantic Web Service Discovery and Composition Prototype Framework Using Production Rules, in Proceediconjunction with the 4th European Semantic Web Conference (ESWC 2007), 3-7 June 2007, Innsbruck, Austria Sirin, Evren and Hendler, James and Parsia, Bijan. Semi-automatic Composition of Web Services using SemanticWorkshop in conjunction with the 5th International Conference on Enterprise Information Systems (ICEIS 2003), 23-26 April 2003, Angers, France Web Service Architecture W3C Working Group: “Web Services Architecture”, February 2004, http://www.w3.org/TR/ws-arch/



97

Partea a IV-a

Modele de incredere, reputatie si norme in sisteme de agenti pentru procese de e-business

Autori – Universitatea din Craiova

Prof. dr. ing. Costin Bădică – responsabil ştiinţific

Conf. dr. ing. Amalia Bădică

As. Dr. Elvira Popescu

Drd. ing. Sorin Ilie Drd. ing. Mihnea Scafes



Prof. dr. ing. Eugenia Kalisz

As. drd. ing. Andrei Mogos Drd. ing. Andreea Urzică



98

1 Model de reputatie imbunatatit cu factor de iertare pentru agentii e-business

1.1 INTRODUCERE Reputatia este unul dintre conceptele ce stau la baza selectarii partenerilor in tranzactiile de

afaceri electronice. Participantii din cadrul unei piete electronice globale, de obicei

cumparatori si vanzatori, sunt reprezentati cu ajutorul agentilor software. Similar societatii

umane, un agent va fi de acord sa se angajeze intr-o noua relatie de afaceri guvernata de o

multime de termeni si conditii contractuale numai cu parteneri de afaceri cu reputatie buna.

Acest lucru inseamna ca, daca un agent are o buna reputatie in interiorul unei societati de

agenti, este foarte probabil ca alti agenti vor decide sa-l selecteze in realizarea unor noi

tranzactii de afaceri.

In stransa legatura cu reputatia este conceptul de incredere. Afacerile electronice de succes se

bazeaza de obicei pe crearea unor relatii de incredere consistenta si durabila cu potentialii

clienti de-a lungul unei perioade semnificative de timp. Increderea este un concept complex,

care are o multitudine de fatete (Srinivasan, 2004). Desi nu exista un consens unanim cu

privire la definirea sa, increderea poate fi privita ca o masura subiectiva a credintei unui agent

in capabilitatile, onestitatea si siguranta altui agent, bazata pe experientele directe proprii

(relatii de tipul unu-la-unu), pe cand reputatia este considerata a fi o masura obiectiva a

credintei unui agent in capabilitatile, onestitatea si siguranta altui agent, bazata pe

recomandarile primite de la alti agenti (relatii de tipul unu-la-multi) (Badica et al., 2006).

In continuare, pentru a clarifica terminologia, daca se dau doi agenti a si b, vom considera

reputatia agentului a pentru agentul b ca masura gradului credintei lui b in capabilitatea,

onestitatea si siguranta agentului a. Vom nota aceasta valoare cu Rb,a. De obicei, intr-o

asemenea relatie se spune ca agentul a are rolul credibil, iar agentul b are rolul increzator

(Jøsang, Ismail, & Boyd, 2007). Se observa ca, prin prisma aceasta, parametrii a si b pot sa

reprezinte atat agenti singulari, cat si grupuri de agenti.

Distinctia intre rolurile credibil – increzator intr-o relatie de afaceri evidentiaza cele doua

fatete ale dihotomiei incredere – reputatie. Conform fatetei reputatie, putem vorbi despre

reputatia agentului a asa cum este vazuta de agentul b, pe cand conform fatetei incredere,

putem vorbi despre increderea dezvoltata de agentul b in agentul a. In cadrul acestui raport

vom discuta despre conceptul de reputatie, intrucat consideram ca acest concept este mai

adecvat domeniului afacerilor electronice. Intuitiv, reputatia poate fi utilizata pentru a

caracteriza din punct de vedere calitativ o anumita afacere, intrucat acest termen este strans



99

legat de concepte de marketing frecvent intalnite cum sunt marca si imagine (Jøsang, Keser,

& Dimitrakos, 2005).

In mod traditional, reputatia este evaluata prin colectarea feedback-ului in urma interactiunilor

anterioare intre partenerii de afaceri (Badica et al., 2006; Ganzha et al., 2006). Exista multe

abordari pentru modelarea si evaluarea reputatiei in sistemele de agenti, pornind de la metode

simple de evaluare si pana la modele matematice complexe bazate pe grafuri sau modele

sofisticate bazate pe logica sau incertitudini, conform urmatoarelor lucrari de referinta:

(Sabater & Sierra, 2005; Wang & Lin, 2008; Jøsang, Ismail, & Boyd, 2007).

In abordarea noastra, am modelat afacerea electronica printr-un mediu semi-competitiv in

care agentii trebuie sa decida daca se angajeaza sau nu intr-o tranzactie de afaceri cu un

anumit partener (Foued et al., 2009). Deciziile se iau pe baza reputatiei potentialilor parteneri,

deci, cu cat este mai mare reputatia unui partener, cu atat este mai mare beneficiul agentului

prin angajarea intr-o tranzactie cu acel partener.

In modelul dezvoltat, consideram ca agentii sunt grupati in “societati”. Vom avea in vedere

doua astfel de societati: o societate vanzator si o societate cumparator. Relativ la aceste

societati, conform propunerii initiale a lui (Foued et al., 2009), in functie de sursele de

informatie care pot fi utilizate in calculul reputatiei, se definesc patru tipuri de reputatie: (i)

reputatia directa a unui anumit vanzator pentru un anumit client cumparator; (ii) reputatia

directa a unui anumit cumparator pentru un anumit vanzator; (iii) reputatia unui anumit

vanzator pentru societatea cumparatorilor; (iv) reputatia societatii vanzatorilor pentru un

anumit cumparator.

Reputatiile directe (primele doua tipuri) sunt imbogatite cu un model continand un factor de

iertare (Henderson, 1996) care, in principiu, propune aplicarea filosofiei “reconcilierii”.

Aceasta inseamna ca, odata cu trecerea timpului, fiecare agent ar trebui sa uite greselile facute

de un partener in timpul tranzactiilor anterioare. In plus, modelul nostru cu factor de iertare

introduce o perspectiva optimista asupra realitatii. Prin urmare, un agent ar trebui sa acorde

intotdeauna credit partenerului sau, adica initial sau dupa o perioada suficienta de timp fara

nici o interactiune, reputatia partenerului ar trebui sa aiba sau sa creasca la valoarea maxima

posibil.

In prezentul raport, vom introduce modelul computational conceput de noi pentru reputatie,

vom arata cum poate fi imbunatatit acest model cu un factor de iertare si con-resistance, vom

schita proiectarea unui sistem multi-agent pe care l-am folosit in experimente si vom discuta

rezultatele experimentale obtinute.



100

1.2 MODEL DE REPUTATIE CU IERTARE

1.2.1 Tipuri de reputatie

Tranzactiile din cadrul afacerilor electronice se modeleaza prin “contracte semnate”. In urma

unui proces de negociere, intre un agent cumparator si un agent vanzator se incheie un

contract. Cumparatorul trimite un apel pentru propuneri catre fiecare membru al societatii

vanzatorilor. Unii vanzatori sunt capabili sa satisfaca termenii si conditiile apelului si decid sa

coopereze, trimitand o propunere. Cumparatorul va selecta un vanzator preferat (care isi

maximizeaza propria utilitate) si aceasta selectie va defini un “contract semnat” intre

cumparator si vanzatorul selectat. In continuare, vom generaliza aceasta abordare la un

contract generic, referitor la oferirea unui anumit serviciu unui agent solicitant de catre un

agent furnizor.

Un contract intre doi agenti specifica multimea de termeni ai serviciului pe care agentul

furnizor este de acord sa il ofere agentului solicitant, prin urmare putem spune ca avem

contracte semnate cu mai multe clauze. De exemplu, daca agentul furnizor este un vanzator si

agentul solicitant este un cumparator, atunci contractul va specifica termenii vanzarii, putand

sa includa aspecte legate de: timpul de livrare, livrarea produsului corespunzator etc. Daca S

este multimea de termeni si fiecare termen k are o pondere stabilita wk care masoara

importanta termenului respectiv pentru solicitant, atunci solicitantul poate evalua contractul

cu ajutorul formulei: C = kS wk tk , unde tk = 1 daca agentul solicitant este multumit de

termenul k al serviciului livrat, iar in caz contrar tk = 0. Se observa ca, intrucat ponderile

termenilor serviciului satisfac conditia wk 0 si kS wk = 1, atunci 0 C 1.

In dezvoltarea modelului nostru vom considera doua societati de agenti: societatea

cumparatorilor B = {b1, b2, …, bm} si societatea vanzatorilor S = {s1, s2, …, sn}, unde m este

numarul de cumparatori si n este numarul de vanzatori. Agentii cumparatori cauta sa realizeze

angajamente in tranzactii de afaceri electronice cu agentii vanzatori. O tranzactie presupune

semnarea si derularea unui contract intre doi agenti. Pe baza gruparii agentilor in societati,

conform propunerii facute de (Foued et al., 2009), putem defini patru tipuri de masuri pentru

reputatie.

Reputatia directa se defineste intre un agent cumparator si un agent vanzator pe baza

rezultatelor contractelor anterioare dintre ei. Daca |B| = m si |S| = n, atunci putem defini 2mn

reputatii intre bi si sj (se observa ca relatia reputatiei nu este simetrica). Valoarea reputatiei

directe se actualizeaza dupa derularea fiecarui contract cu formula R = C + (1 - )R , unde

R si R sunt noua, respectiv vechea valoare a reputatiei directe, iar C este valoarea ultimului



101

contract derulat intre agenti. Parametrul 0 < < 1 controleaza importanta relativa a valorii

contractului curent in valoarea actualizata a reputatiei directe. Se observa cu usurinta ca daca

R > 0 atunci R > 0, prin urmare, daca valoarea initiala a reputatiei directe este diferita de zero,

atunci reputatia directa va fi intotdeauna strict pozitiva. Dar, conform abordarii optimiste

asupra lumii, valorile initiale pentru toate reputatiile directe sunt setate la 1, rezultand astfel ca

in modelul nostru valorile reputatiei directe sunt intotdeauna strict pozitive.

Se iau in considerare atat reputatia directa a unui anumit vanzator pentru un anumit

cumparator, cat si reputatia directa a unui anumit cumparator pentru un anumit vanzator,

deoarece un contract semnat intre un cumparator si un vanzator defineste o multime de

angajamente pentru vanzator si o multime de angajamente pentru cumparator. De exemplu,

vanzatorul se angajeaza sa livreze un produs cu anumite caracteristici specificate, la un

anumit pret si respectand un termen limita, iar cumparatorul se angajeaza sa accepte si sa

plateasca pentru produsul primit in timp util si care respecta caracteristicile convenite.

Reputatia unui anumit vanzator pentru societatea cumparatorilor se defineste intre societatea

cumparatorilor si fiecare membru al societatii vanzatorilor si defineste imaginea vanzatorului

in fata intregii societati a cumparatorilor. Aceasta reputatie este influentata de reputatia directa

a respectivului vanzator fata de fiecare cumparator. Daca |S| = n atunci putem defini n

reputatii intre multimea de cumparatori B si vanzatorul sj. Reputatia unui anumit vanzator

pentru societatea cumparatorilor se calculeaza ca media reputatiilor directe ale vanzatorului sj

fata de fiecare membru bi al societatii vanzatorilor, adica RB,j = (iB Ri,j) / m, unde Ri,j este

reputatia directa a vanzatorului sj pentru cumparatorul bi.

Reputatia societatii vanzatorilor pentru un anumit cumparator se defineste intre fiecare

membru al societatii cumparatorilor si societatea vanzatorilor. Aceasta reputatie este

influentata de reputatia directa a fiecarui vanzator in fata respectivului cumparator. Daca |B| =

m atunci putem defini m reputatii intre bi si S. Reputatia societatii vanzatorilor fata de un

anumit cumparator se calculeaza ca medie a reputatiilor fiecarui vanzator sj fata de

cumparatorul bi, adica Ri,S = (jS Ri,j) / n, unde Ri,j este reputatia directa a vanzatorului sj

pentru cumparatorul bi.

1.2.2 Factorul de iertare

Reputatia este cumulativa si dinamica, deci depinde de timp. Pe masura trecerii timpului,

reputatia se actualizeaza in doua moduri: (i) ori de cate ori se incheie si se deruleaza un nou

contract intre un agent vanzator si un agent cumparator, reputatia se actualizeaza, reflectand

starea rezultatelor contractului; (ii) ori de cate ori a trecut o perioada de relaxare suficient de

mare t fara niciun contract semnat, reputatia se actualizeaza printr-o usoara crestere.



102

Factorul de iertare actioneaza prin declansarea actualizarii reputatiei directe conform ecuatiei

urmatoare: R(t+t) = min{(1+)R(t),1}. t si > 0 sunt parametrii modelului reputatiei cu

iertare. Parametrul controleaza gradul in care creste reputatia, iar t controleaza viteza cu

care este crescuta reputatia. Se observa ca, in conformitate cu aceasta ecuatie, valoarea

reputatiei va fi intotdeauna apropiata de 1. Daca nu se semneaza contracte pentru o perioada

suficient de lunga de timp, atunci valoarea reputatiei va converge spre 1, reflectand astfel

viziunea optimista asupra realitatii.

Perechea de parametri (t,) caracterizeaza un anumit agent increzator si se poate considera

ca defineste profilul de iertare al agentului increzator. De exemplu, cu cat este mai mare

valoarea lui si mai mica valoarea lui t, atunci cu atat mai mare este capacitatea agentului

increzator de a ierta, adica acel agent increzator este capabil sa ierte mai repede. In cazul in

care partea increzatoare are rolul de cumparator, putem defini profilul de iertare al

cumparatorului.

Se observa ca, in principiu, iertarea inseamna ca agentul increzator va creste reputatia

agentului credibil cu un increment dat R(t). Incrementul reputatiei este proportional cu

valoarea curenta a reputatiei R(t). Acest lucru poate fi interpretat astfel: daca un agent are mai

multa incredere intr-un partener (adica partenerul are o valoare mai mare pentru reputatia

R(t)), atunci el este de asemenea capabil sa ierte mai repede greselile partenerului (deoarece

valoarea incrementului reputatiei R(t) este mai mare). Mai mult, deoarece R(t) > 0, rezulta ca

incrementul reputatiei R(t) este strict pozitiv, determinand astfel o crestere stricta a reputatiei

agentului credibil.

1.2.3 Adaugarea Con-Rezistentei

Similar societatii umane, un agent va decide sa incheie un nou contract cu un alt agent daca si

numai daca agentul care furnizeaza serviciul cerut are o buna reputatie, castigata in urma unor

interactiuni reusite de-a lungul unei perioade semnificative de timp. Conform (Salehi-Abari &

White, 2009), un om de incredere, sau con-om, este cineva care are avantaj in fata celorlati

dupa ce le-a castigat increderea construindu-si o buna reputatie si apoi exploatand-o in scopuri

proprii private. Acest sablon comportamental este cunoscut sub numele de siretlicul

increderii. Modelul reputatiei cu factor de iertare introdus de noi poate fi imbunatatit cu

caracteristica con-rezistenta, inspirata de (Salehi-Abari & White, 2009).

Relativ la siretlicul increderii, pentru includerea sa intr-un model de reputatie trebuie avute in

vedere doua aspecte. Mai intai, ori de cate ori se detecteaza un siretlic de incredere, reputatia



103

agentului con-on ar trebui redusa mai mult decat inainte. In principiu, acest lucru se poate

realiza prin cresterea valorii parametrului care controleaza importanta relativa a valorii

contractului curent in valoarea actualizata a reputatiei directe la o noua valoare >.

Presupunand ca se detecteaza un siretlic de incredere, aceasta inseamna ca valoarea

contractului curent C este mica, in timp ce agentul are o reputatie mare R > C. Deci, prin

actualizarea reputatiei directe cu formula R = 'C + (1 - )R, se va ajunge la o valoare strict

mai mica decat C + (1 - )R (adica decat valoarea care ar fi putut fi obtinuta prin ignorarea

detectarii siretlicului de incredere).

In al doilea rand, dupa fiecare urmatoare interactiune reusita sau dupa o perioada de relaxare

urmatoare unei detectii a unui siretlic de incredere, reputatia agentului con-om trebuie crecuta

cu mai multa precautie. Deci, ori de cate ori se obtine o interactiune reusita dupa un

eveniment de detectare a unui siretlic de incredere, reputatia va fi crescuta cu un increment

mai mic. In acest caz, con-omul are o reputatie scazuta, dar valoarea contractului curent C

este mare, adica C > R. Acest efect se poate obtine prin scaderea valorii parametrului care

controleaza importanta relativa a contractului curent C in valoarea actualizata a reputatiei

directe la o noua valoare <. In final, ori de cate ori urmeaza o perioada de relaxare dupa

detectarea unui siretlic de incredere, iertarea ar trebui sa fie mai lenta. Acest efect se poate

obtine prin actualizarea profilului de iertare al agentului increzator (t,) la (t',') astfel

incat ' si t't si cel putin o inegalitate sa fie stricta.

Facem observatia ca pedepsele ar trebui sa fie mai mari dupa fiecare greseala, pentru a

descuraja agentul con-om sa mai utilizeze siretlicuri de incredere. De asemenea, pedepsele pot

fi scazute conform modelului cu factor de iertare. Aceste posibile extensii ale modelului

nostru vor fi tratate intr-o dezvoltare viitoare.

1.3 PROIECTARE SI IMPLEMENTARE

In cadrul acestui proiect, am conceput si implementat un sistem multi-agent in care am

incorporat modelul de reputatie descris anterior, utilizand platforma multi-agent JADE

(Bellifemine, Caire, & Greenwood, 2007). Sistemul reprezinta o piata virtuala distribuita, in

care se pot intalni agenti software reprezentand cumparatori si vanzatori, pot negocia si

incheia contracte de afaceri electronice cu clauze multiple.

Arhitectura sistemului este prezentata in Figura 1. Conform modelului nostru, in sistem se pot

regasi doua grupuri de agenti: grupul SellerSociety si grupul BuyerSociety.



104

Figura 1.Arhitectura sistemului

In cadrul modelului nostru operational, am evaluat experimental trei dintre tipurile de

reputatie, astfel: (i) reputatia directa a unui anumit vanzator pentru un anumit cumparator, (ii)

reputatia unui anumit vanzator pentru societatea cumparatorilor si (iii) reputatia societatii

vanzatorilor pentru un anumit cumparator. Acest lucru inseamna ca in modelul nostru am

inregistrat modalitatera de evaluare de catre cumparatori a vanzatorilor, pe baza contractelor

incheiate intre ei. Sistemul poate fi extins prin adaugarea unei noi functionalitati, pentru a

permite vanzatorilor sa evalueze reputatia cumparatorilor, utilizand aceleasi principii de

modelare si fara a afecta arhitectura curenta a sistemului din Figura 1.

Grupul agentilor BuyerSociety contine urmatoarele tipuri de agenti software: Buyer,

BuyerManager si InterpreterB:

Agentul Buyer este de fapt agentul care reprezinta un cumparator intr-o aplicatie de e-

business. In sistem pot fi introdusi mai multi agenti de acest tip, fiecare din ei

reprezentand un cumparator diferit, care poate sa selecteze vanzatori cu care sa

interactioneze. Pentru rularea sistemului este necesar cel putin un agent Buyer.

Agentul BuyerManager are rolul de manager al societatii de cumparatori. Fiecare agent

Buyer care se alatura sistemului va trebui sa raporteze rezultatele sale agentului

BuyerManager. In sistem poate fiinta un singur agent BuyerManager. Conform figurii 1,

fiecare agent Buyer trimite agentului BuyerManager rezultatul fiecarui contract derulat cu

un agent Seller. Rezultatele sunt memorate de catre agentul BuyerAgent intr-o baza de

date. Executia sistemului este condusa de catre grupul de agenti BuyerSociety si deci



105

agentul BuyerManager este responsabil cu detectarea sfarsitului executiei, adica a

finalizarii unui numar prestabilit de contracte.

Agentul InterpreterB actioneaza ca interpretor al informatiei capturate in timpul executiei

sistemului din partea cumparatorilor. Principalul sau scop este sa interpreteze si sa

analizeze aceasta informatie, pentru a genera in mod dinamic un raport care afiseaza

rezultatele executiei cu privire la reputatiile calculate din partea cumparatorilor. In acest

scop, agentul InterpreterB utilizeaza o componenta non-agent software numita AnalyzerB.

Grupul agentilor SellerSociety contine urmatoarele tipuri de agenti software: Seller,

SellerManager si InterpreterS:

Agentul Seller este agentul care actioneaza ca vanzator intr-o aplicatie de e-business. Pot

exista mai multi agenti de acest tip in sistem, fiecare dintre ei reprezentand un vanzator

diferit, pe care cumparatorii il pot selecta pentru incheierea de contracte. Pentru executia

sistemului este necesar cel putin un agent Seller.

Agentul SellerManager are rolul de manager al societatii vanzatorilor. Fiecare agent

Seller care intra in sistem va trebui sa raporteze rezultatele sale catre agentul

SellerManager. Este permis un singur agent SellerManager in sistem. Conform figurii 1,

fiecare agent Seller trimite catre SellerManager rezultatul fiecarui contract derulat cu un

agent Buyer. Multimea de rezultate finale este memorata de catre agentul SellerManager

intr-o baza de date.

Agentul InterpreterS actioneaza ca interpretor al informatiei capturate in timpul executiei

sistemului de partea vanzatorilor. Principalul sau scop este de a interpreta si analiza

aceasta informatie, pentru a genera in mod dinamic o multime de rapoarte care afiseaza

statistici ale executiei referitoare la rezultatele contractelor incheiate si vanzarilor

efectuate. Pentru aceasta, InterpreterS utilizeaza o componenta non-agent software numita

AnalyzerS. Executia sistemului este condusa de agentii cumparatori, deci sfarsitul

executiei sistemuluieste recunoscut mai intai de catre agentul BuyerManager agent si dupa

aceea ceilalti agenti sunt instiintati cu privire la finalizarea executiei (vezi figura 1).

Executia sistemului este organizata pe sesiuni de executie. In timpul unei sesiuni, fiecare

agent cumparator bi are un anumit numar de contracte ci de incheiat inainte de terminarea

executiei. Intre doua incheieri consecutive de contracte pentru un cumparator exista un

interval de timp . Acest interval reprezinta timpul necesar pentru derularea unui anumit

contract. Prin urmare, timpul de executie pentru fiecare agent cumparator bi in timpul unei

sesiuni este egal cu ci. Daca fiecare cumparator bi isi incepe activitatea la momentul de timp

Ti, atunci timpul total de executie al unei sesiuni va fi max1im {Ti+ci} - min1im{Ti}, unde

m este numarul total de cumparatori care participa in sistem.



106

Presupunem ca avem o multime finita C de bunuri care sunt tranzactionate in timpul unei

sesiuni de executie. Pentru fiecare bun c C, vanzatorul sj este capabil sa furnizeze o

cantitate qc,j. Se observa ca, daca qc,j = 0, atunci bunul c nu este disponibil pentru vanzare la

vanzatorul sj in timpul sesiunii de executie curente.

O sesiune de executie cuprinde trei faze: (i) initializare, (ii) tranzactii si (iii) post-procesare.

In timpul fazei de initializare, se creeaza si se initializeaza agentii. Primul pas il reprezinta

crearea agentilor din grupul SellerSociety. Atunci cand un agent Seller apare online, el se va

inregistra la Directory Facilitator din JADE, cunoscut si ca agentul DF (Bellifemine, Caire,

& Caire, Greenwood, 2007) si apoi initializeaza bunurile pe care este capabil sa le vanda,

adica propriul sau catalog de produse si cantitatile corespondente. Dupa aceea, se creeaza

agentii din grupul BuyerSociety. Atunci cand un nou agent Buyer apare online, el preia mai

intai lista de agenti Seller care sunt disponibili la momentul respectiv in sistem prin

interogarea agentului DF. In pasul urmator, acesta trimite lista agentilor Seller disponibili

catre agentul BuyerManager si apoi informeaza agentul BuyerManager ca va incepe sesiunea

de executie – adica procesul de incheiere de contracte cu agentii Seller.

Agentii InterpreterB si InterpreterS realizeaza analiza si interpretarile datelor achizitionate in

timpul executiei si apoi afiseaza rezultatele in timpul fazei de post-procesare. De asemenea,

agentii SellerManager si BuyerManager sunt utilizati pentru memorarea tuturor informatiilor

achizitionate in timpul executiei intr-o baza de date centrala. Pentru a-si atinge scopul, acesti

agenti sunt actualizati continuu de catre agentii Seller si Buyer, ori de cate ori se genereaza

noi informatii in timpul executiei, pana la incheierea sesiunii de executie.

In continuare vom prezenta detaliile interactiunilor dintre agenti in timpul fazei de

tranzactionare a unei sesiuni de executie (vezi figura 2). Aceste interactiuni cuprind atat

protocoalele de interactiune, cat si mesajele schimbate intre agenti. Executia este dirijata de

catre agentii Buyer, care contacteaza continuu agentii Seller in vederea incheierii de noi

contracte.

Conform diagramei de interactiune prezentate in figura 2, ori de cate ori un agent Buyer

incepe executia, el va notifica mai intai agentul BuyerManager cu mesajul start_sim,

mentionand si numarul total de contracte maxContr pe care le are de incheiat in timpul

sesiunii curente. Dupa aceea, agentul Buyer genereaza aleator un bun comType care va fi

tranzactionat in cadrul contractului curent si intreaba agentii Seller daca pot furniza acel bun

prin intermediul mesajului do-have(comType). Agentii Seller raspund fie cu mesajul do-have-



107

yes(comType), fie cu mesajul do-have-no(comType), in functie de posibilitatea de a furniza

sau nu bunul comType.

In pasul urmator, agentul Buyer selecteaza un agent Seller cu cea mai mare reputatie dintre cei

care au raspuns pozitiv la cererea sa, prin mesajul buy(comType) – acesta este momentul in

care consideram ca se incheie un contract pentru vanzarea bunului comType de catre agentul

selectat Seller catre agentul curent Buyer. Derularea acestui contract este modelata prin

schimbul de mesaje sold(comType, status) si respectiv refused(probType) sau not-

refused(probType). Parametrul status reprezinta problemele care pot sa apara in cadrul unui

contract pe partea vanzatorului, adica probleme de livrare sau calitate scazuta a produselor

vandute. In cadrul modelului nostru, consideram ca fiecare din aceste probleme poate sa apara

independent, cu o anumita probabilitate. Parametrul probType reprezinta problemele care pot

sa apara pe partea cumparatorului, cum ar fi intarzierea platii de catre cumparator pentru

produsul achizitionat.

In continuare, agentul Seller trimite rezultatele tranzactiei curente catre agentul

SellerManager folosind mesajele refusedInfo(buyer, seller, yes_no, probType) si

sold(comType, status, buyer), iar agentul Buyer informeaza agentul BuyerManager ca a fost

finalizat un nou contract, prin intermediul mesajului end-contr(contrNo, seller, r). Parametrul

contrNo reprezinta numarul contractului, parametrul seller reprezinta partenerul Seller din

contract, iar parametrul r reprezinta reputatia directa actualizata avanzatorului Seller. Atunci

cand se finalizeaza si ultimul contract, adica atunci cand conditia contrNo = maxContr devine

adevarata, agentul Buyer anunta agentul BuyerManager cu mesajul end-sim ca a ajuns la

sfarsitul sesiunii de executie. Atunci agentul BuyerManager detecteaza sfarsitul sesiunii de

executie pentru toti agentii Buyer, adica evalueaza conditia noRegBuyers = noTermBuyers ca

fiind adevarata (numarul de cumparatori inregistrati este egal cu numarul de cumparatori

finalizati) si anunta pe InterpreterB si SellerManager. In final, agentul SellerManager pe

InterpreterS, iar ambii agenti InterpreterB si InterpreterS pot incepe interpretarea si analiza

datelor achizitionate pe parcursul executiei, in timpul fazei de post-procesare.



108

Figura 2. Interactiunile agentilor in timpul unei sesiuni de executie

1.4 REZULTATE EXPERIMENTALE 1.4.1 Scenariu experimental

Am realizat o serie de experimente cu sistemul mult-agent descris care utilizeaza reputatie cu

factor de iertare. Vom prezenta rezultatele obtinute cu un scenariu simplu de comert

electronic constand in 8 agenti cumparatori: dan, sorin, ana, radu, alex, george, john, mike si

9 agenti vanzatori: cel, emag, magic, mcomp1, ..., mcomp6. Acest scenariu se refera la

comercializarea de componente de PC si PC-uri. In particular, am considerat urmatoarea

multime de bunuri: C = {laptop, imprimanta, tastatura, cpu, monitor}. Bunurile disponibile la

fiecare vanzator sunt prezentate in tabelul 1.

In acest scenariu, un cumparator evalueaza rezultatul unui contract pe baza unei multimi S de

patru criterii: probleme de livrare, probleme de calitate, probleme legate de pret si alte

probleme. Ponderile acestor criterii au fost stabilite astfel: w1 = 0.2, w2 = 0.4, w3 = 0.3 si w4 =

0.1. Parametrul care controleaza importanta contractului curent pentru actualizarea reputatiei

directe a fost setat la = 0.5. Numarul de contracte incheiate de fiecare cumparatora fost setat

la ci = 10.



109

Agent vanzator

Bunuri Profil

Cel {laptop, cpu} slab Emag {laptop, tastatura, imprimanta, cpu} slab Magic {laptop, monitor, cpu} slab mcomp1 {laptop} normal mcomp2 {laptop} normal mcomp3 {cpu} normal mcomp4 {laptop} normal mcomp5 {tastatura} normal mcomp6 {imprimanta} normal

Tabelul 1. Bunurile vandute si profilele agentilor vanzatori in scenariul

experimental

Pentru a captura “partea buna” a comportamentului unui agent vanzator, introducem profilul

vanzatorului ca un tuplu de valori (pk)kS astfel incat 0 pk 1 pentru orice k S, unde S este

multimea de termeni (clauze) cu care vanzatorul este de acord atunci cand stabileste sa

furnizeze un produs catre un anumit cumparator in cadrul unui contract incheiat. pk reprezinta

probabilitatea ca vanzatorul sa esueze in satisfacerea termenului (clauzei) k a serviciului. Cu

cat este mai scazuta valoarea lui pk, cu atat este mai buna calitatea termenului k al serviciului.

In scenariul nostru am definit doua profile pentru vanzatori: normal si slab, dupa cum este

prezentat in tabelul 2. Asignarea profilelor catre agentii vanzatori este prezentata in tabelul 1.

Profilul vanzatorului

Probleme de livrare

Probleme de calitate

Probleme de pret Alte probleme

normal 0.30 0.20 0.20 0.30 slab 0.45 0.35 0.35 0.45

Tabelul 2. Profilele vnzatorilor pentru scenariul experimental

Am definit de asemenea doua profile pentru cumparatori: normal si forgiving, dupa cum se

prezinta in tabelul 3. Profilul cumparatorului este caracterizat de cei doi parametri ai

modelului cu factor de iertare (t,). Timpul de relaxare pentru cresterea reputatiei a fost setat

la t = 3 pentru ambele profile ale cumparatorilor, in care reprezinta unitatea de timp

pentru executie. Unitatea de timp a fost setata la 1 secunda in experimentele derulate de noi.

Profilul cumparatorului

t Agentii cumparator asignati

normal 3 0.1 {dan, radu, alex, george, john, mike} forgiving 3 0.2 {ana, sorin}

Tabelul 3. Profilele cumparatorilor pentru scenariul experimental



110

1.4.2 Compararea reputatiilor directe fara si cu factor de iertare

In figura 3 am prezentat o comparatie intre reputatia directa fara factor de iertare (figura 3a) si

reputatia directa cu factor de iertare (figura 3b) a vanzatorului cel pentru cumparatorul radu.

In figura 3b, se observa ca pentru 3 unitati de timp (contractele cu numerele 2, 3 si 4)

cumparatorul radu nu incheie nici-un contract cu vanzatorul cel. Prin urmare, conform regulii

factorului de iertare, reputatia creste usor. Pe de alta parte, reputatia ramane constanta in

figura 3a, unde nu se incheie noi contracte.

a. Reputatia directa fara factor de iertare b. Reputatia directa cu factor de iertare Figura 3. Comparatie intre reputaiile directe ale vanzatorului cel pentru

cumparatorul sorin fara (a) si cu (b) factor de iertare

1.4.3 Compararea reputatiilor directe ale aceluiasi vanzator pentru cumparatori cu profil normal si forgiving Figura 4 prezinta o comparare a reputatiilor directe ale aceluiasi vanzator (emag in acest caz)

pentru agenti cumparatori cu profile diferite (cumparatorul mike cu profil normal si

cumparatorul ana cu profil forgiving).

a. Reputatia directa a vanzatorului emag pentru cumparatorul mike cu profil normal

b. Reputatia vanzatorului emag pentru cumparatorul ana cu profil forgiving

Figura 4. Comparatie intre reputatiile directe ale vanzatorului emag pentru

cumparatorul mike (profil normal) si cumparatorul ana (profil forgiving)



111

Conform figurii 4a, cel de-al saselea contract incheiat de cumparatorul mike a fost cu

vanzatorul emag. Intrucat emag are profilul slab, dupa un singur contract reputatia sa pentru

cumparatorul mike scade drastic de la 1 la 0.8, din cauza faptului ca rezultatul contractului 6 a

fost evaluat la 0.6 de catre mike, cu semnificatia ca unuii din termenii (clauzele) contractului 6

nu au fost respectati in timpul acestei tranzactii. Mai mult, intrucat cumparatorul mike are

profil normal, prin aplicarea factorului iertare, el va creste reputatia lui emag cu 0.1 in fiecare

pas consecutiv, deoarece in timpul pasilor 7, 8, 9 si 10 nu sunt contracte incheiate intre mike si

emag.

Analzand Figura 4b putem observa ca acel contract realizat de cumparatorul ana cu

vanzatorul emag descreste reputatia lui emag pentru ana de la 1 la 0.8. Totusi, deoarece ana

are un profil iertator, in timpul pasilor 8, 9, si 10 ea va creste reputatia lui emag cu 0.2 (nu cu

0.1, ca in profilul normal), astfel ca reputatia va fi restaurata la 1.

1.4.4 Compararea reputatiilor directe ale vanzatorilor cu profil normal si slab

pentru acelasi cumparator

Figura 5 prezinta o comparatie a reputatiilor directe ale vanzatorului mcomp6 cu profil normal

si ale vanzatorului magic cu profil slab pentru acelasi vanzator (sorin in acest caz particular).

a. Reputatia directa a vanzatorului mcomp6 (profil normal) pentru cumparatorul sorin

b. Reputatia directa a vanzatorului magic seller (profil slab) pentru cumparatorul sorin

Figura 5. Compararea reputatiilor directe ale vanzatorilor mcomp6 (profil

normal) si magic (profil bad) pentru cumparatorul sorin

Conform figurii 5b, vanzatorul magic esueaza sa indeplineasca termenii contractuali in mai

multe situatii – contractele semnate in pasii 2, 3, 8, si 10. Cea mai evidenta obvious situatie

este aceea a contractului 3 unde reputatia descreste de la 0.9 la 0.55. Totusi, cumparatorul

sorin avand un profil forgiving, va reface partial reputatia lui emag's in pasii 4, 5, 6, si 7,

atingand in acest ultim pas o reputatie de 0.75.



112

Totusi, pe Figure 5a se poate observa rezultatul tranzactiilor realizate de vanzatorul mcomp6

cu profil normal si cumparatorul forgiving sorin. mcomp6 esueaza o singura data si reputatia

sa descreste la 0.9.

1.4.5 Compararea reputatiilor vanzatorilor cu profil normal si slab pentru

societatea de cumparatori

Figura 6 prezenta o comparatie a reputatiilor vanzatorului mcomp6 cu profil normal si a

vanzatorului emag cu profil slab pentru societatea cumparatorilor. Observati ca aceste valori

au fost obtinute prin medierea reputatiilor directe a vanzatorilor mcomp6 si emag pentru

fiecare dintrte cei 8 membrii ai societatii de cumparatori.

Figura 6b arata clar profilul slab al vanzatorului emag. Reputatia sa are o tendinta

descrescatoare. Exista doar doua puncte (2 si 4) in care reputatia este usor crescuta datorita

factorului de iertare. Totodata observati descresterea puternica a reputatiei in primul pas, ce

confirma profilul slab al lui emag.

a. Reputatia directa a vanzatorului mcomp6 (profil normal) pentru societatea de cumparatori

b. Reputatia directa a vanzatorului emag seller (profil slab) pentru societatea de cumparatori

Figura 6. Compararea reputatiilor directe ale vanzatorilor mcomp6 (profil

normal) si emag (profil slab) pentru societatea de cumparatori

Figura 6a arata clar profilul normal (adica mai bun decat slab) al vanzatorului mcomp6, prin

comparatie cu profilul slab al vanzatorului emag. Pe aceasta figura putem observa doar o

singura descrestere a reputatiei, prin comparatie cu cele 4 decresteri din Figurea 6b.



113

1.4.6 Reputatia societatii de vanzatori pentru un cumparator

Figura 7 afiseaza reputatia societatii de vanzatori pentru agentul cumparator radu. Aceasta

valoare a reputatiei a fost obtinuta prin medierea reputatiilor directe ale fiecarui agent

vanzator pentru cumparatorul radu. Tendinta descrescatoare a acestei reputatii pentru un

anumit cumparator (radu in acest caz) poate fi explicata luand in calcul compozitia societatii

de vanzatori – 6 vanzatori cu profil normal si 3 vanzatori cu profil slab. Observati ca atat

vanzatorii cu profil normal cat si cei cu profil slab au probabilitati nenule de esec pentru

termenii contractuali.

Figura 7. Reputatia societatii de vanzatori pentru cumparatorul radu

1.5 CONCLUZII

In acest raport am propus un model simplu de reputatie pentru societati de agenti din aplicatii

de e-business. Modelul a fost extins prin adaugarea parametrilor factorului de iertare, conform

filosofiei de reconciliere si considerand o imagine optimista a realitatii. Modelul a fost

implementat experimental si evaluat initial cu ajutorul platformei JADE intr-un scenariu

implicand doua societati de agenti: societatea cumparatorilor si societatea vanzatorilor. Ne

propunem sa extindem sistemul multi-agent pentru a putea modela si alte forme de reputatii

(spre exemplu pentru a captura cum vanzatorii evalueza cumparatorii). In plus, ne planificam

sa realizam mai multe experimente cu un numar mai mare de agenti vanzator si comparator,

avand profile cat mai diverse.

Bibliografie Bădică, C., Ganzha, M., Gawinecki, M., Kobzdej, P., & Paprzycki, M. (2006). Towards trust management in an agent-based e-commerce system – initial considerations. In A. Zgrzywa (Ed.), Proceedings of the MISSI 2006 Conference (pp. 225–236). Wroclaw University of Technology Press. Bellifemine, F.L., Caire, G., & Greenwood, D. (2007). Developing Multi-Agent Systems with JADE. John Wiley & Sons Ltd.



114

Foued, B., Ait-Kadi, D., Mellouli, S., & Ruiz, A. (2009). A reputation-based model for semicompetitive multi-agent systems. International Journal of Intelligent Information and Database Systems, 3, 146–162. Ganzha, M., Gawinecki, M., Kobzdej, P., Paprzycki, M., Bădică, C. (2006). Functionalizing trust in a model agent based e-commerce system. In M. Bohanec et. al. (Eds.), Proceedings of the 2006 Information Society Multiconference (pp. 22–26). Josef Stefan Institute Press. Henderson, M. (1996). The Forgiveness Factor – Stories of Hope in a World of Conflict. Grosvenor Books USA. Huynh, T.D., Jennings, N.R., & Shadbolt, N.R. (2006). An integrated trust and reputation model for open multi-agent systems. Autonomous Agents and Multi-Agent Systems 13(2), 119–154. Jøsang, A., Keser, C., & Dimitrakos, T. (2005). Can we manage trust? In P. Herrmann, V. Issarny, & S. Shiu, S. (Eds.), Trust Management, Third International Conference, iTrust’2005 (pp. 93–107). Lecture Notes in Computer Science, 3477, Springer. Jøsang, A., Ismail, R., & Boyd, C. (2007). A survey of trust and reputation systems for online service provision. Decision Support Systems, 43, 618–644. Sabater, J. & Sierra, C. (2001). Regret: A reputation model for gregarious societies. In Regret: A reputation model for gregarious societies, (pp. 61–69). Montreal, Canada. Sabater, J. & Sierra, C. (2005). Review on computational trust and reputation models. Artificial Intelligence Review, 24, 33–60. Salehi-Abari, A. & White, T. (2009). Towards con-resistant trust models for distributed agent systems. In Proceedings of the 21st International Joint Conference on Artificial Intelligence, IJCAI 2009 (pp. 272–277). Morgan Kaufmann Publishers Inc. Sathiyamoorthy, E., Iyenger, N., & Ramachandran, V. (2010). Agent based trust management framework in distributed e-business environment. International Journal of Computer Science & Information Technology, 2, 14–28. Scarlat, E. & Maries, I. (2009). Towards an increase of collective intelligence within organizations using trust and reputation models. In N.T. Nguyen, R. Kowalczyk, & S.M. Chen (Eds.), First International Conference on Computational Collective Intelligence. Semantic Web, Social Networks and Multiagent Systems, ICCCI 2009 (pp. 140–151). Lecture Notes in Computer Science, 5796, Springer. Srinivasan, S. (2004). Role of trust in e-business success. Information Management & Computer Security, 12(1), 66–72. Wang, Y. & Lin, K.J. (2008). Reputation-oriented trustworthy computing in e-commerce environments. IEEE Internet Computing, 12, 55–59. Yu, B. & Singh, M.P. (2000). A social mechanism of reputation management in electronic communities. In Cooperative Information Agents IV - The Future of Information Agents in Cyberspace, CIA 2000 (pp. 154–165). Lecture Notes in Computer Science, 1860, Springer. Zacharia, G. & Maes, P. (2000). Trust management through reputation mechanisms. Applied Artificial Intelligence, 14(9), 881–908.



115

2 Un model de piata bazat pe schimburi intre agenti software

2.1 Introducere Conceptul de organizatie a fost acceptat da catre comunitatea cercetatorilor in sistememe

multiagent atat drept un bun instrument pentru controlul autonomiei agentilor cat si un

mecanism de asigurare a unui comportament global coerent in cazul sistemelor deschise.

Printre mecanismele de control folosite in organizatiile multiagent, in special de organizatiile

mari, sistemele normative reprezinta actuala provocare in cadrul comunitatii de cercerare.

Impunerea normelor in societatile multiagent poate conduce la dezvoltarea de organizatii

flexibile, in care agentii nu sunt nici complet autonomi, intrucat trebuie sa respecte normele,

nici total restrictionati printr-un comportament prestabilit.

Modelele de Incredere si Reputatie sunt deja cunoscute ca fiind probleme cheie in proiectarea

sistemelor multiagent . Astfel de modele reusesc sa sintetizeze informatia necesara unui agent

pentru o selectie sigura si eficienta a partenerilor de interactiune in cazul situatiilor incerte.

Aceasta lucrare isi propune sa construiasca o conexiune intre modelele normative pe de o

parte si modelele de incredere si reputatie pe de alta parte, pentru a simula mai bine

functionarea comunitatilor din lumea reala. Mecanismele propuse pentru calculul increderii si

reputatiei agentilor cu scopuri individuale, ce vor sa stabileasca relatii de colaborare pentru a-

si atinge scopurile, au fost inspirate din jocul de societate premiat “Settlers of Catan”. Settlers

of Catan este un joc de societate cu mai multi jucatori proiectat de Klaus Teuber [9].

Principiile motoare ale acestui joc au fost considerate drept un relevant caz de interactiune

intre agenti ce doresc sa colectioneze diverse cantitati de resurse prin schimburi de tip troc.

Mecanica jocului este simpla in timp ce dinamica suficient de complexa: jucatorii “produc”

resurse prin aruncarea zarurilor si pot efectua schimburi de resurse intre ei sau cu banca

pentru a realiza combinatia de resurse necesara finalizarii unui produs.

Chiar si in ziua de astazi exista numeroase situatii in viata reala in care sunt necesare

schimburi prin troc, spre exemplu, schimbul de cunostinte sau de servicii. Lucrarea de fata

prezinte un scenariu in care agentii fac schimb de bunuri doar prin troc si propune un

mecanism care subliniaza strategiile pe care agentii le pot utiliza pentru a-si maximiza

profitul. Modelul foloseste conceptele de incredere si reputatie in contextul unui sistem

normativ. Acest model poate fi adaptat si aplicat in aplicatii de comert electronic care

faciliteaza schimburile intre colectionari.

Reputatia este un concept ce are atat rol informativ cat si punitiv in cadrul unui grup social. In

modelul de fata, plasarea agentilor in clase de reputatie are doar un rol punitiv si nu ajuta la

dezvoltarea de strategii de fraudare (spre exemplu, alegerea intentionata a unei clase de

reputatie scazuta).



116

Modelul descris foloseste o autoritate centrala pentru inpunerea normelor, sanctionand

violarea normelor prin ajustarea valorii reputatiei. In acelasi timp, fiecare individ isi evalueaza

partenerul folosind o scala de valori personala pentru stabilirea nivelului de incredere.

Autoritatea Centrala are puterea sa altereze reputatia unui agent, influentandu-i astfel castigul,

dar responsabilitatea detectarii si raportarii cazurilor de violare a normelor este lasata in

seama agentilor. Ideea dependentei dintre sanctionarea incalcarilor si motivatia agentilor de a

le raporta se regaseste si in lucrarea [3]. Autorii lucrarii [3] propun ca ambele parti implicate

intr-o obligatie cu un deadline sa se poata exprima in cazul unei incalcari de norme. Unele

lucrari sustin ideea responsabilizarii sistemului pentru (ex: o organizatie electronica [11] sau o

institutie electronica [4]) pentru detectarea incalcarilor si impunerea normelor care sunt

proiectate in mediu (in unele cazuri chiar regimentate in asa fel incat incalcarile sa nu fie

posibile) [3]. Folosirea plangerilor poate fi gasita si in lucrarea [2], lucrare ce incearca

gestionarea increderii in sisteme peer-to-peer. Pentru a permite unui agent sa obtina toate

plangerile referitoare la un alt agent anume, intr-o maniera total descentralizata, autorii

folosesc un sistem de stocare replicat, prezentat in [1]. Un punct important in [2] este

reprezentat de incercarea de a face fata situatiilor in care agenti rau intentionati care plaseaza

plangeri nefondate la adresa partenerilor lor. Spre deosebire de abordarea noastra, autorii

lucrarii [2] folosesc valori binare ale increderii, ceea ce nu permite nici o negociere cu privire

la clauzele contractuale. In loc sa fie exclusi din comunitate, asa cum se intampla in [6], in

sistemul din prezenta lucrare agentii ce nu se conformeaza normelor sunt liberi sa stea, doar

ca nivelul scazut al increderii si reputatiei dobandite ii va impiedica sa obtina recompensa

dependenta de clasamentul final.

2.2 Sistemul de agenti

Comunitatea de agenti prezentata aici consta in agenti cu drepturi si responsabilitati egale,

care au luat toti cunostinta de acelasi set de norme si recunosc aceeasi Autoritate Centrala

(notata AC de aici inainte) ce detine informatii despre toti agentii din sistem (valoarea

reputatiei si capabilitatile de productie pentru fiecare agent). Autoritatea centrala recalculeaza

periodic valorile reputatiei, publicandu-le pe un sistem de tip „black-board” pentru a putea fi

consultate de toti agentii cu nici un cost. Cand intra in sistem, fiecare agent producator se

inregistreaza la AC si isi alege un produs pe care sa il dezvolte. Produsul este considerat a fi

finalizat atunci cand agentul a adunat toate resursele specificate in componenta produsului.

Un agent are o anumita reputatie si apartine clasei de reputatie corespunzatoare, asa cum este

descris in Sectiunea 4.1. In plus, fiecare agent retine cate o valoare a increderii pe care o are in

fiecare dintre partenerii sai, mai vechi, sau actuali, asa cum este explicat in Sectiunea 4.2.

Periodic, pe mansura ce agentii intra sau parasesc sistemul, sunt calculate niste clasamente.

Aceste clasamente iau in considerare: timpul consumat, procentajul realizat din produsul



117

primit ca scop, reputatia castigata si numarul de resurse la care agentul are acces direct. Locul

pe care se claseaza un agent determina recompensa pe care o va primi, agentii fiind astfel

motivati sa adopte strategii eficiente (ex: cum sa isi creasca viteza de productie fara a pierde

din reputatie). Motorul motivational intern al unui agent este acela de a ajunge pe un loc cat

mai inalt in clasamentele periodice.

Fie m o multime de tipuri de resurse din sistem. Fiecare agent are acces direct la un numar de

i tipuri de resurse (1 < i < m, i diferit pentru fiecare agent), numite resurse interne de aici

inainte. Intrucat este foarte mica probabilitatea ca un agent sa isi atinga produsul stabilit drept

scop folosindu-se exclusiv de resursele interne, el trebuie sa le obtina pe celelalte prin

schimburi cu alti alti agenti. Vom numi resursele obtinute prin troc, schimbate la rate

negociate, resurse externe.

Pentru fiecare tip de resursa interna, un agent are asociata o rata de exploatare specifica. Rata

de exploatare arata numarul de unitati din acel tip primit de un agent la fiecare tur.

Figura 1 Gestionarea resurselor individuale

Figura 1 ilustreaza felul in care fiecare agent isi gestioneaza resursele interne si externe.

Segmentul mai intunecat semnifica procentul de resurse acumulate din necesarul total. Fie r

multimea tipurilor de produse. Dezvoltarea unui produs consta doar in adunarea numarului de

unitati din fiecare tip de resursa componenta. Pentru fiecare pereche produs, tip de resursa

exista asociata cantitatea necesara.

2.3 Modelul

Mecanismul de sincronizare folosit de modelul prezentat aici se bazeaza pe ture. Fiecare tur

consta in doi pasi. In primul pas, un agent poate fie plasa o oferta catre un alt agent, fie trimite

un mesaj de informare catre AC prin care sa inregistreze o incalcare a normelor. Dupa ce a

primit toate ofertele, un agent le poate accepta sau refuza in functie de propriile sale interese

si de informatiile despre reputatie.

In cel de-al doilea pas, un agent poate raspunde pozitiv la o cerere de colaborare, ceea ce duce

la un schimb instantaneu resurse. Tot in acest pas AC va raspunde cu un mesaj de confirmare

la instiintarile de violare a normelor pe care le-a primit in primul pas.

Lista agentilor existenti in sistem, capabilitatile lor de productie precum si valorile actualizate

ale reputatiei sunt accesibile tuturor, in orice moment, fara nici un cost.



118

2.3.1 Reputatia

In aceasta lucrare Reputatia este considerata drept o masura globala a comportamentului

agentului, o informatie centralizata, disponibila oricarui participant din sistem, adunata din

surse multiple si folosita ca valoare de referinta. Reputatia asociata unui agent este

reprezentata printr-o valoare intreaga, direct proportionala cu nivelul reputatiei, situata intre o

valoare minima, -RpBound, si una maxima, RpBound. Functia Rp este cea care asociaza

fiecarui agent valoarea curenta a reputatiei sale.

, unde Z reprezinta multimea numerelor intregi.

La intrarea in sistem, valoarea reputatiei unui agent este initializata la 0. Dupa un anumit

numar de ture (numit de aici inainte perioada de evolutie), Autoritatea Centrala recalculeaza

valorile reputatiei prin aplicarea urmatorului set de reguli:

daca numarul_tranzactiilor(a) > 0 atunci

daca numarul_de_incalcari_raportate == 0 atunci

daca reputatie(a) < RpBound atunci reputatie(a) +=1

altfel

daca reputatie(a) > (-1*RpBound) atunci

reputatie(a)-=1

altfel reputatie(a) = reputatie(a)

unde numarul_tranzactiilor(x) intoarce un intreg reprezentand numarul tranzactiilor in care

agentul x a participat in decursul ultimei perioade de evolutie, iar reputatie(x) reprezinta

valoarea reputatiei pe care a obtinut-o agentul x de cand a intrat in sistem si pana in prezent.

Am ales o scala discreta pentru reprezentarea reputatiei pentru a pastra modelul cat mai

simplu si ilustrativ in acelasi timp. Exista alte modele, [5], [8], care considera evaluarea

performantei unui agent printr-o valoare binara (bun/rau). Noi am extins aceasta scala si am

stabilit trei clase de reputatie.

In functie de valoarea reputatiei fiecaruia, agentii sunt impartiti pe trei clase de reputatie:

Trustworthy, Neutral, Untrustworthy, asa cum se arata in Figura 2. Pe axa R se situeaza

nivelele de reputatie. R

Figura 2 Clasele de reputatie si ratele de schimb

1:3

1:1

1:1

1:1

Neutral

Trustworthy

Untrustworthy

RpBound

0

RpBound / 3 1:2

1:2- RpBound / 3

- RpBound



119

Modelul de reputatie prezentat in aceasta lucrare poate fi cu usurinta extins pentru a lua in

considerare si diverse alte functii precum: diversitatea (diminuand ponderea unei opinii

primite de prea multe ori de la aceeasi sursa), variabilitatea in valorile de evaluare [7] sau

validitatea (excluzand valorile ce sunt prea departe de seria celolalte valori primite) si a oferi

astfel o valoare a reputatiei mult mai realista.

Reputatia poate fi privita ca fiind un capital social, intrucat influenteaza interactiunile de

schimb prin alterarea incredereii intr-un potential partener, modificand astfel ratele de schimb.

Valoare acelorasi bunuri depinde de reputatia vanzatorului. Acest principiu motiveaza agentii

sa obtina o reputatie cat mai mare, respectandu-si angajamentele.

2.3.2 Increderea

In aceasta lucrare Increderea este considerata a fi o opinie subiectiva a unui agent asupra

comportamentului partenerilor sai de tranzactii, bazata pe interactiuni directe.

Valoarea prin care se arata cat de mult are incredere agentul A1 in agentul A2 este

reprezentata printr-un intreg, folosindu-se aceeasi grila ca si reprezentarea reputatiei. Fiecare

agent pastreaza o tabela actualizata a valorilor increderii pentru fiecare dintre agentii cu care a

interactionat. La inceputul simularii agentii nu au nici o inregistrare in aceasta tabela. Atunci

cand trebuie sa decida daca sa interactioneze sau nu cu un agent necunoscut, agentii folosesc

valoarea reputatiei acelui agent (valoare care este publicata gratuit de catre AC) ca si valoare a

increderii.

Dupa un numar fixat de ture (perioada de evolutie), fiecare agent recalculeaza increderea

pentru fiecare fost colaborator al sau conform urmatorului set de reguli: daca numarul_interactiunilor(a1, a2) > 0 atunci

daca incalcari_norme == 0 atunci

daca incredere(a1, a2)< RpBound atunci incredere(a1,a2)+=1

altfel

daca incredere (a1, a2) > (-1 * RpBound) atunci

incredere (a1, a2) -=1

altfel incredere (a1, a2) = incredere (a1, a2)

unde numarul_interactiunilor(x, y) intoarce un intreg reprezentand numarul interactiunilor

dintre agentul x si agentul y in timpul ultimei perioade de evolutie iar incredere(x,y)

reprezinta increderea pe care o are agentul x in agentul y.

2.3.3 Norme

Consideram setul de norme folosit de acest model ca fiind „imposive” conform clasificarii din

lucrarea [10], adica norme ce forteaza o entitate sa faca o actiune sau sa ajunga intr-o anume

stare. Pentru a simplifica scenariul am ales o singura regula generala: Agentii trebuie sa



120

respecte ratele de schimb afisate in Figura 2, conform clasei de reputatie in care se afla. Rata

de schimb intre un agent apartinand clasei Trustworthy si un agent apartinand clasei

Untrustworthy este de 1:3 (pentru fiecare unitate pe care o da agentul din clasa superioara

primeste 3 unitati de la celalalt agent), 1:2 pentru agenti apartinand claselor adiacente si 1:1

intre agenti apartinand aceleiasi clase.

Atat Autoritatea Centrala cat si agentii producatori sunt responsabili pentru impunerea

normelor in felul urmator: un agent poate plasa o plangere la AC ori de cate ori intalneste

nerespectarea unui contract, adica daca nu i s-a livrat numarul de unitati promis din tipul

stabilit. Un agent poate observa violarea unei norme doar daca aceasta a aparut in timpul

uneia dintre interactiunile sale cu un alt agent.

2.3.4 Rezultatele implementarii

Pe baza a diversi parametri ce contribuie la evaluarea realizarilor unui agent, pe parcursul

simularii se efectueaza periodic clasamente. Recompensa urmarita de un agent este invers

proportionala cu locul obtinut in clasament. Parametri luati in considerare in masurarea

calitatilor unui agent pot fi: timpul consumat in realizarea produsului, valoarea finala a

reputatiei sale, sau capitalul initial (cate dintre tipurile de resurse interne ale agentului intrau

in compozitia produsului definit drept scop).

Am dezvoltat un sistem de testare cu scopul de a regla valorile de intrare ale sistemului

multiagent prin modificarea diversilor parametri: numarul de agenti, numarul de resurse,

numarul de produse, ingredientele produselor si cantitatile asociate, ratele de productie a

resurselor pentru fiecare agent precum si diversele valori de prag si de probabilitate care

influenteaza generatorul de date sau comportamentul agentului. Am desfasurat mai multe

experimente cu multimi intre 40 si 100 de agenti. Am variat perioada de evolutie de la 100 la

20 de runde si am observat ca pe masura ce perioada de Figura 3. Valorile reputatiei in functie de incalcarea normelor

evolutie este mai mica, cu atat este mai mare valoarea de reputatie atinsa in media de catre

agenti, intrucat acestia au mai multe oportunitati de a-si reface reputatia si mai putine sanse de

a incalca o norma in acea perioada. Un exemplu de evolutie a valorilor reputatiei alaturi de

numarul total de incalcari ale normelor per agent este ilustrat in Figura 3.



121

In Figura 4 agentii sunt aliniati pe abscisa dupa locul obtinut in clasamentul in functie de

timpul consumat (agentul numerotat cu 1 este cel care a terminat primul produsul asignat).

Graficul prezinta modul in care numarul de incalcari ale normelor si numarul de resurse

interne influenteaza viteza de dezvoltare a produsului.

Figura 4. Incalcarea normelor si capitalul initial in functie de clasamentul de timp

Procentul ramas de indeplinit consta in cantitatea de resurse externe ce trebuie adunate prin

schimburi de la alti agenti. Curba de tendinta arata ca agentii care au mai multe resurse ce

trebuie obtinute din exterior petrec mai mult timp in realizarea produsului. Analizand

distributia numarului de incalcari ale normelor se observa un numar mic de agenti foarte de

neincredere. Sistemul poate fi considerat bine echilibrat per ansamblu pentru ca acesti agenti

foarte de ne incredere (cu o valoare foarte mica a reputatiei), desi rar ocupa ultimele locuri in

clasamentul dupa timpul consumat, nu ajung niciodata pe primele locuri.

2.4 Strategii

Dat fiind un set de norme, agentii ar trebui sa dezvolte si sa foloseasca un set de strategii

pentru selectarea partenerilor de interactiune. Un agent poate decide daca sa informeze sau nu

Autoritatea Centrala in urma observarii unei incalcari a normelor. Actiunea rezultata in urma

acestui proces de decizie poate varia in functie de nivelul de dezvoltare in care se afla

produsul de realizat. Intrucat comunicarea cu AC costa un tur, agentul poate alege sa nu

raporteze frauda. Agentul producator va fi interesat sa informeze AC la observarea unei

nereguli in special in primele stagii de dezvoltare, deoarece amenzile primite de ceilalti agenti

ii pot pune in clase inferioare de reputatie, scazand astfel costurile tranzactiilor. Tranzactiile

cu agenti din clase inferioare de reputatie sunt mai profitabile dar si mai riscante. Cand se alfa

la ultimele etape ale dezvoltarii produsului sau, interesul unui agent de a informa Autoritatea

Centrala despre o neregula poate scadea pentru ca incearca sa termine produsul cat mai repede

si nu isi permite sa piarda un tur. Astfel, contributia agentilor la acuratetea valorilor reputatiei

scade spre finalul dezvoltarii produselor lor. Acestea sunt decizii gestionate intern de catre

fiecare individ. Dupa ce si-a finalizat produsul, interesul unui individ de a informa AC despre

nereguli poate creste deoarece este in favoarea lui ca ceilalti agenti sa termine cat mai tarziu

posibil; asadar, un astfel de agent va raporta o plangere de cate ori observa o frauda.

Un agent incalca o norma cand nu furnizeaza toate unitatile promise din resursa stabilita

conform contractului. Tindem sa credem ca acest comportament va aparea mai frecvent cand



122

un agent este foarte aproape de finalizarea produsului sau si de aceea pretuieste mai mult

timpul decat reputatia. Dat fiind mecanismul de sincronizare propus de acest model,

consideram ca acest tip de incalcare a normelor are loc cu premeditare intrucat agentii pot

evalua toate ofertele, si calcula unde urmeaza a-si investi resursele in turul curent inainte de a-

si lua un angajament. Cand evalueaza ofertele primite sau inspecteaza lista de agenti ce ofera

o anume resursa, agentul A1 calculeaza clasa de reputatie pentru fiecare dintre acesti agenti

folosing urmatoarele doua reguli:

1. Daca nu exista o colaborare anterioara cu agentul analizat, A2, agentul evaluator, A1

considera increderea sa in A2 ca fiind egala cu reputatia lui A2, furnizata de

Autoritatea Centrala.

2. Daca agentul evaluator, A1, are deja o inregistrare referitoare la agentul analizat, A2,

atuncu clasa de reputatie a lui A2 este data de media dintre reputatia public disponiblia

si increderea pe care A1 o are fata de A2.

Prima regula exprima influenta reputatiei acumulate in initializarea unei relatii. Cea de-a doua

regula arata cum experienta personala influenteaza perceptia asupra reputatiei cuiva.

Motivatia pentru cea de-a doua regula vine din nevoia de a compensa eventualele anomalii in

calculul global al reputatiei. Pot exista cazuri in care un agent rau intentionat, agentul D, vrea

sa denigreze reputatia unui agent ce se conformeaza normelor sistemului, agentul A, si trimite

numeroase plangeri nefondate despre A Autoritatii Centrale. Daca agentul B a mai

interactionat in trecut cu agentul A si valoarea increderii sale in agentul A este mare, folosirea

mediei intre incredere si reputatie va duce la o valoare mai apropiata de adevar.

Toti agentii ar dori sa scada pozitia celorlalti participant pe grila de reputatie, pentru aceasta

chiar atunci cand reputatia afisata public are o valoare mare, ei pot minti in privinta valorii

increderii contabilizate intern. Aceasta situatie este tratata prin impunerea unui acord care

trebuie aprobat de catre ambele parti in cazul oricarei tranzactii. Contractul nu este stabilit

pana cand cele doua parti nu cad de acord in privinta clasei de reputatie in care fiecare isi

incadreaza partenerul. Aici negocierea joaca un rol esential. Nivelu reputatiei afisat public

poate fi folosit intotdeauna ca valoare de referinta in timpul negocierilor si este interesul

ambelor parti sa incerce sa isi plaseze partenerul cat mai corect pe grila de reputatie pentru a

obtine un acord.

In vederea unor dezvoltari viitoare, nivelul pe care fiecare agent isi plaseaza partenerul in

grila de reputatie ar trebui determinat intr-un mod mai realist, folosind media ponderata intre

incredere si reputatie. Ponderile folosite ar trebui sa fie invers proportionale intre ele si

corelate cu numarul de interactiuni anterioare. In acest fel, Agentul A va acorda o mai mare

importanta reputatiei agentului B atunci cand nu a interactionat niciodata sau de foarte putine

ori cu el in trecut si va actiona mai mult conform propriilor sale evaluari in privinta gradului

de incredere al agentului B atunci cand exista experienta mai multor interactiuni.



123

2.5 Concluzii

Aceasta lucrare propune un model de evaluare a increderii si reputatiei in sisteme multiagent

luand in considerare si impunerea setului de norme asociat sistemului multiagent.

Modelul propus foloseste interactiuni de schimb non-monetare. Procesul de selectare a

partenerului pentru schimbul de bunuri ia in seama atat reputatia obtinuta de catre candidat (o

masura globala) cat si valoarea subiectiva a increderii in candidatul respectiv (valoare stabilita

in urma altor interactiuni directe). Valorile de incredere pe care agentii si le asociaza unii

altora sunt calculate conform unui set de norme specifice sistemului. Modelul adreseaza

problema penalizarilor prin plasarea agentilor in diferite clase de reputatie, in conditiile in

care apartenenta la clase diferite implica modificarea costurilor pentru aceasi bunuri.

Articolul studiaza modul in care normele sunt impuse prin utilizarea unei Autoritati Centrale.

Intrucat folosirea unei autoritati centrale implica doua neajunsuri importante, si anume, supra-

incarcarea retelei de comunicatie intre agenti si existenta unui singur punct de ce poate

compromite intregul sistem, studiem in continuare noi metode in vederea implementarii unei

solutii descentralizate rezistenta la fraude. Ca si obiective viitoare ne propunem sa investigam

cum poate fi tratata posibilitatea ca un agent sa depuna o evaluare injusta si sa adaugam un

sistem paralel de reputatie: reputatia evaluatorilor.

Bibliografie

1. Aberer, K.: P-Grid: A self-organizing access structure for P2P information systems. In: Cooperative Information Systems, pp. 179—194, Springer, (2001)

2. Aberer, K. and Despotovic, Z.: Managing trust in a peer-2-peer information system. In: CIKM ’01: Proceedings of the tenth international Conference on Information and Knowledge Management, pp 310—317, New York, ACM Press, (2001)

3. Cardoso, H.L. and Oliveira, E.: Directed Deadline Obligations in Agent-based Business Contracts. In: Proceedings of the 8th International Joint Conference on Autonomous Agents and Multiagent Systems, (2009)

4. Esteva, M. and Rodriguez-Aguilar, J.A. and Sierra, C. and Garcia, P. and Arcos, J.L.: On the formal specifications of electronic institutions. In: Lecture Notes in Computer Science. Springer Verlag, (2001)

5. Mui, L., Mohtashemi, M. & Halberstadt, A. : A computational model of trust and reputation for e-business. In: 35th Hawaii International Conference on System Science (HICSS 35 CDROM). IEEE Computer Society (online publication), (2002)

6. de Pinninck, A.P. and Sierra, C. and Schorlemmer, M.: Friends No More: Norm Enforcement in Multi-Agent Systems. In: Proceedings of the 6th international joint conference on Autonomous agents and multiagent systems. ACM New York, (2007)

7. Sabater, J. & Sierra, C.: REGRET: a reputation model for gregarious societies. In: Castelfranchi, C. & Johnson, L. (eds.), Proceedings of the 1st International Joint Conference on Autonomous Agents and Multi-Agent Systems, pp. 475–482, (2002)

8. Sen, S. & Sajja, N.: Robustness of reputation-based trust: Boolean case. In: Castelfranchi, C. & Johnson, L. (eds.), Proceedings of the First International Joint Conference on Autonomous Agents and Multi-Agent Systems, Vol. 1, pp. 288–293, (2002)

9. Catan Official Site, http://www.catan.com/en/download/?SoC_rv_Rules_091907.pdf, (last accessed 2009). 10. Vazquez-Salceda, J. and Aldewereld, H. and Dignum, F.: Implementing Norms in Multiagent Systems, In: Proceedings

of the 2nd German conference, MATES 2004 Multiagent system technologies, Springer Verlag, (2004) 11. Vazquez-Salceda, J. and Dignum, F.: Modelling electronic organizations. In: Multi-Agent Systems and Applications III,

pp. 1070--1085 (2003)



124

Partea a V-a

Translator din BPEL in Event Calculus in scopul verificarii serviciilor business web

Autori – Universitatea de Vest din Timişoara

Prof. dr. Viorel Negru – responsabil ştiinţific

Prof. dr. Dana Petcu

Prep. drd. Ovidiu Aritoni Prep. drd. Ciprian Pungilă



125

1 Introducere

Complexitatea serviciilor web creste de la an la an si implica din ce in ce mai multe

interactiuni cu obiecte business din cadrul unor procese complexe distribuite. Pentru a ne

putea folosi de serviciile business web la capacitatea lor maxima avem nevoie de o executie

corecta si fiabila a acestora. Prin analiza si urmarirea acestora, vom putea ca sa le intelegem si

sa le controlam mai bine. In cadrul acestui raport vom acoperi tehnicile folosite in aplicatia

BPEL Validator cu care vom face o verificare a serviciilor business web.

Arhitecturile orientate spre servicii (SOA) sunt tot mai populare in cadrul proceselor business.

Aceste au devenit o arhitectura esentiala pentru BPM (Business Process Management). SOA

permite ca o aplicatie sa fie considerata ca compunere de servicii, sisteme de management

de workflow-uri (WfMSs -Workflow Management Systems) si alte aplicatii mai vechi. Astfel,

un proces business devine un set de servicii compuse care poate fi partajat pe mai multe

unitati business, organizatii sau parteneri. Desi exista produse care sa faciliteze modelarea,

analiza si simularea proceselor business, cuplarea BPM si SOA este mai buna deoarece

aceasta poate fi direct implementata (ex. folosind WSBPEL). Din pacate, exista si neajunsuri:

posibilitatea de adaptare si de gestionare automata a proceselor. Verificarea automata a

proceselor poate fi facuta static (in momentul con- ceperii acestora) sau dinamic (in timpul

rularii acestora). Pe baza modelului procesului se poate construi un automat finit care sa

permita o evaluare a acestuia. Pentru ca procesul sa fie verificat in tipul rularii acestuia, acesta

trebuie sa permita audit. Pe datele obtinute in urma rularii procesului se pot aplica diverse

tehnici de data mining care sa extraga comportamentul acestora in timpul rularii (vor putea fi

observate erori sau strangulari). Scopul acestui raport este de a studia anumite tehnici de

verificare a serviciilor web. Avand log-ul unui serviciu web, noi vom verifica daca apar dis-

crepante intre modelul procesului si instanta executata. Vom folosi Event Calculus pentru a

rationa asupra log-urilor de evenimente a unui process business pentru a-i verifica consistenta.

Acest raport este un rezultat al aplicatiei BPEL Validator, aplicatie care reprezinta un inceput

in validarea automata a serviciilor web.

2 Arhitectura generala a BPEL Validator

Arhitectura generala a BPEL Validator e dupa cum urmeaza: O parte din aplicatie se va folosi

de fisierele BPEL (Business Process Execu- tion Language) si WSDL (Web Service

Definition Language) pentru a mapa structurile BPEL si a le converti in formule Event

Calculus. O a doua parte din cadrul aplicatiei se va folosi de log-urile generate de instanta

BPEL din cadrul BPWS4J pentru a extrage evenimentele Event Calculus. Avand atat



126

formulele cat si evenimentele putem deduce devieri de comportament in cadrul serviciului.

Din pacate, la momentul respectiv nu exista un validator automatizat pentru Event Calculus.

O metoda alternativa validarii folosind Event Calculus este cea folosind Spike (Theorem

Prover). Acesta a fost folosit in mod similar cu Event Calculus.

3 Event Calculus Se defineste Event Calculus ca fiind un limbaj logic care permite o reprezentare si un

rationament asupra actiunilor si efectelor acestora. Componentele de baza in Event Calculus

sunt fluentii si actiunile. In Event Calculus putem specifica valoare fluentilor la un anumit

timp, actiunile care iau parte la anumite puncte in timp si efectele actiunilor.

3.1 Convertirea fisierelor BPEL

Business Process Execution Language (BPEL) este un limbaj standard executabil OASIS

pentru specificarea actiunilor din cadrul proceselor business din cadrul serviciilor web. BPEL

poate exporta si importa informatiile folosind in mod exclusiv interfetele serviciilor web.

Convertirea a presupus identificarea elementelor esentiale si convertirea acestora in Event

Calculus.

Exemple de transformari:

BPEL receive:

<receive name=”receiveRequest” partner=”UI” portType=”sns:CRSUI”

operation=”CarRequest” variable=”Req” createInstance=”yes”>

<source linkName=”receive-to-auth”/>

<correlations> ... </correlations>

</receive>

Event Calculus receive:

Happens(invoke rc(UI,CarRequest(oID1)),t1, ¬(t1,t1)^

Initiates(invoke rc(UI,CarRequest(oID1)),equalTo(Req.Loc,vReq.Loc),t1)^

Initiates(invoke rc(UI,CarRequest(oID1)),equalTo(Req.CId, vReq.CId),t1)

BPEL assign:

<assign name=”a1”>

<copy>

<from variable=”Req” part=”Loc”/>

<to variable=”Q” part=”Loc”/> </copy>

</assign>



127

Event Calculus assign:

((9t2) (t1 < t2) ^ Happens(assign(a1,aID),t2,¬(t2,t2)) ^ (t3) (t2 < t3) ^

Initiates(assign(a1,aID),equalTo(Q.Loc, vReq.loc),t3)

BPEL invoke:

<invoke name=”findCar” partner=”IS” portType=”crns:CRSIS” operation=”FindAvailable”

inputVariable=”Q” outputVariable=”Res”> ... </invoke>

Event Calculus invoke:

(9t4) Happens(invoke ic(IS,FindAvailable(oID2,vQ)),t4,¬(t3,t4)) ^

(9t5)Happens(invoke ir(IS,FindAvailable(oID2,vQ)),t5, ¬(t4,t5)) ^

Initiates(invoke ir(IS,FindAvailable(oID2,vQ)), equalTo(Res,vRes), t5))

3.2 Convertirea fisierelor log

Fisierele BPEL si WSDL folosite pentru a general formulele Event Calculus sunt folosite in

cadrul BPWS4J[?]. BPWS4J este o platforma dezvoltata in cadrul IBMcare este folosita

pentru crearea si rularea proceselor BPEL4WS.

Log4j va fi folosit pentru generarea de log-uri. Formatul acestora va depinde de modul in care

acesta este configurat si de engine-ul care va executa procesele de business.

Ex1 :

2006-03-13 10:40:39,634 [Thread-35] INFO bpws.runtime - Outgoing res-

ponse: [WSIFResponse:serviceID = http://tempuri.org/services/Custom-

erRegCustomerRegServicefb0b0-fbc5965758–8000operationName =

isFault = false outgoingMessage = org.apache.wsif.base.WSIFDefau-

ltMessage@1df3d59 name:null parts[0]:[JROMBoolean: : true]

faultMessage = null contextMessage = null]

2006-03-13 10:40:39,634 [Thread-35] DEBUG bpws.runtime.bus - Response

for external invoke is[WSIFResponse:serviceID=http://tempuri.org/se-

rvices /CustomerRegCustomerRegServicefb0b0-fbc5965758–8000

operationName = authenticate isFault = false outgoingMessage =

org.apache.wsif.base.WSIFDefaultMessage@1df3d59 name:null parts[0]:

[JROMBoolean: : true]faultMessage = null contextMessage = null]

2006-03-13 10:40:39,634 [Thread-35] DEBUG bpws.runtime.bus - Waiting

for request

Ex2 :

19 Mar 2008 16:26:55,480 [http-8080-Processor25] INFO bpws.runtime -

Outgoing response: [WSIFResponse:



128

serviceID = ’http://loans.org/wsdl/loan-approvalloanapprovalServiceBP’

operationName = ’approve’

isFault = ’false’

outgoingMessage = ’org.apache.wsif.base.WSIFDefaultMessage@1684e26

name:null parts[0]:[JROMString: accept: yes]’

faultMessage = ’null’

contextMessage = ’null’]

19 Mar 2008 16:42:43,042 [http-8080-Processor23] INFO bpws.runtime -

Incoming request: [WSIFRequest:

serviceID = ’http://loans.org/wsdl/loan-approvalloanapprovalServiceBP’

operationName = ’approve’

incomingMessage = ’org.apache.wsif.base.WSIFDefaultMessage@771eb1

name:null parts[0]:[JROMInt: amount: 100] parts[1]:[JROMString: name:

Doe] parts[2]:[JROMString: firstName: John]’

contextMessage = ’org.apache.wsif.base.WSIFDefaultMessage@801059 name:null

parts[0]:http://tempuri.org/services/loanapproverloanApprovalPT

parts[1]:customer

parts[2]:http://xml.apache.org/axis/v1’]

O forma formalizata in Event Calculus a log-ului dupa prelucarea de data mining ar putea fi:

L1 : Happens(rc.CSS.Enter(v1, l1), 1)

L2 : Happens(rc.U IS.RelKey(v1, c1, l1), 5)

L3 : Happens(ic.CIS.Available(v1, l1), 9)

L4 : Happens(rc.U IS.RetKey(v1, l1), 15)



L7 : Happens(ic.CIS.Available(v2, l2), 26)


L9 : Happens(rc.U IS.RelKey(v2, c2, l2), 29)

L10 : Happens(ic.CIS.Available(v2, l2), 34

L11 : Happens(rc.U IS.CarRequest(c1, l2), 49)

L12 : Happens(ic.CIS.F indAvailable(l2, veh), 50)

L13 : Happens(ir.CIS.F indAvailable(l2, veh), 51)

L14 : Initiates(ir.CIS.F indAvailable(l2, v2), 51)

L15 : Happens(re.U IS.CarHire(c1, l2, v2), 52)




129

4 Concluzii

Posibile directii de studiu ar fi extinderea modelelor la WS-Policy si WS- Agreement. O alta

directie ar fi monitorizarea in timp real a serviciilor si cum ar functiona sistemul de detectie,

raportare si recuperare in urma unei erori.

Bibliografie [1] Mohsen Rouached, Walid Gaaloul, Wil M. P. van der Aalst, Sami Bhiri, Claude Godart. Web Service Mining and Verification of Properties: An approach based on Event Calculus. Lecture Notes in Computer Science. 2006

[2] Mohsen Rouached. Une approche rigoureuse pour l’ingenierie de compositions de services Web. PhD thesis, Universite Henri Poincare Nancy 1. 2008

[3] http://en.wikipedia.org/wiki/Event_calculus

[4] http://en.wikipedia.org/wiki/Business_Process_Execution_

Language

[5] http://www.alphaworks.ibm.com/tech/bpws4j

[6] http://logging.apache.org/log4j/

Date post:	05-Jan-2020
Category:	Documents
Upload:	others
View:	3 times
Download:	0 times

SCIPA: Servicii software semantice de Colaborare şi...

Documents