Autoreferat - Wydział Informatyki, Elektroniki i Telekomunikacji

Autoreferat - Wydział Informatyki, Elektroniki i Telekomunikacji

Autoreferat
dr inż. Jarosław Koźlak
Katedra Informatyki,
Wydział Informatyki, Elektroniki i Telekomunikacji,
Akademia Górniczo–Hutnicza
Al. Mickiewicza 30, 30–059 Kraków, e-mail:[email protected]
www: http://home.agh.edu.pl/~kozlak
1.
Wprowadzenie
Po ukończeniu XII Liceum Ogólnokształcacego
˛
w Krakowie i zdaniu matury rozpoczałem
˛
w 1989 roku studia na kierunku Informatyka, na Wydziale Elektrotechniki, Automatyki i Elektroniki Akademii Górniczo–Hutniczej w Krakowie. Studia te ukończyłem w roku 1994, broniac
˛
magisterska˛ prac˛e dyplomowa˛ pt. Symulacja ewolucji aktywnych agentów, której promotorem był
prof. dr hab. inż. Edward Nawarecki. Od 1994 roku rozpoczałem
˛
prac˛e w Katedrze Informatyki
AGH na stanowisku asystenta. W 1995 roku podjałem
˛
realizacj˛e doktoratu w trybie „en co-tutelle”
(dwóch promotorów pochodzacych
˛
z różnych ośrodków, które po obronie przyznaja˛ swoje dyplomy), którego promotorami byli prof. Yves Demazeau (INP Grenoble/IMAG) i prof. dr hab.
inż. Edward Nawarecki (AGH). Tytuł doktoratu brzmiał: Zachowanie integralności funkcjonalnej
w otwartych systemach wieloagentowych z odtwarzalnymi zasobami. Praca ta dotyczyła zarza˛
dzania zasobami poprzez negocjacje oraz zapewnienia realizacji usług wymaganych do działania
systemu, stosujac
˛ podejście rynkowe. W ramach realizacji doktoratu miały miejsce trzy moje półroczne pobyty we Francji (Laboratoire Leibniz, IMAG, Grenoble) w latach 1996, 1997 i 1998.
Obrona doktoratu odbyła si˛e w 2000 roku, uzyskałem tytuły doktora nauk technicznych w dyscyplinie Informatyka (AGH, Kraków) oraz doktora INPG (Institut National Polytechnique de Grenoble, Francja). Od 2001 roku jestem zatrudniony w Katedrze Informatyki na stanowisku adiunkta.
Po doktoracie, uczestniczac
˛ w działalności zespołu Inteligentnych Systemów Informacyjnych
w Katedrze Informatyki, prowadziłem prace zwiazane
˛
z różnymi zastosowaniami systemów agentowych (m.in. użyciem agentowych modeli rynkowych do zarzadzania
˛
procesem produkcji [A01]1
lub zarzadzania
˛
siecia˛ komputerowa˛ [C02]).
Moje zainteresowania problematyka˛ systemów transportowych skrystalizowały si˛e w okresie
pobytu na Université de Technologie de Belfort-Montbéliard (UTBM) we Francji, w laboratorium Systèmes et Transport – SeT, gdzie zostałem zaproszony do pracy na stanowisku maitre de
conferences. Moja działalność w tej instytucji obejmowała 3 dłuższe pobyty (dwa półroczne i jeden 2-miesi˛eczny) w latach 2002, 2003 oraz 2005. W tym okresie, jak również po powrocie do
kraju, prowadzone przeze mnie badania (m.in. w ramach grantu KBN2 i projektu Polonium3 koncentrowały si˛e na rozwiazywaniu
˛
problemów transportowych przy użyciu podejścia agentowego.
W nieco szerszej perspektywie obszar moich badań można określić jako modelowanie i rozwia˛
zywanie problemów logistycznych przy zastosowaniu podejść agentowych i heurystycznych.
Wyniki nast˛epnie prowadzonych badań stały si˛e przedmiotem licznych publikacji, w których
wskazać można nast˛epujace
˛ watki
˛ tematyczne:
1
2
3
Wybrane 15 pozycji stanowiacych
˛
cykl tematyczny zwiazany
˛
z obszarem monografii habilitacyjnej oraz sama monografia maja˛ wyróżnione cytowania (pogrubiona˛ czcionka)
˛ i sa˛ wymienione w oddzielnej liście Wybrane prace
zwiazane
˛
z zawartościa˛ monografii
Grant KBN 3 T11C 025 27, Planowanie agentowe w zmieniajacym
˛
si˛e dynamicznie środowisku z uwzgl˛ednieniem
sytuacji kryzysowych, AGH, 2004-2007, wykonawca
Projekt współpracy mi˛edzynarodowej mi˛edzy Polska˛ i Francja,˛ Polonium, AGH, 2003-2004, wykonawca
– podejście agentowe do rozwiazywania
˛
problemów logistycznych (rozwiazywanie
˛
problemów
transportowych, modelowanie i sterowanie ruchem drogowym, modelowanie działań przedsi˛ebiorstw na rynku);
– zastosowanie technik eksploracji danych oraz analiza powiazań
˛
wyst˛epujacych
˛
w mediach
społecznych oraz innych typach sieci złożonych;
– podejście ontologiczne do opisu i integracji wiedzy dziedzinowej oraz do komponowania
usług.
Cz˛eść tych rezultatów wykorzystana została przy pisaniu scharakteryzowanej poniżej monografii habilitacyjnej, inne zaś (wykraczajaca
˛ poza ramy monografii) zostana˛ naszkicowane w kolejnej cz˛eści autoreferatu.
2.
2.1.
Monografia habilitacyjna
Motywacja i zamierzenia
Przyst˛epujac
˛ do pisania monografii przyj˛eto, że prowadzone rozważania dotyczyć b˛eda˛ systemów transportowych jako pewnej klasy problemów logistycznych rozwiazywanych
˛
przy użyciu metod heurystycznych. Cechy charakterystyczne tych problemów, takie jak duża złożoność
obliczeniowa, heterogeniczność rozwiazań,
˛
a przede wszystkim możliwość dekompozycji na elementy o dużym stopniu autonomii, wskazuja˛ na celowość zastosowania podejścia agentowego,
które stwarza duża˛ swobod˛e w zakresie wyboru struktur i algorytmów działania systemu decyzyjnego dedykowanego do rozwiazywania
˛
powyższej klasy problemów.
Zasadność przyj˛ecia tak określonego obszaru badawczego znajduje pełne potwierdzenie w przegladzie
˛
bogatej literatury światowej, który przedstawiono w rozdziałach 2 i 3 monografii. Co
wi˛ecej, gł˛ebsza analiza powyższych rozdziałów wskazuje, że istnieje jeszcze wiele zagadnień,
dla których brak zadawalajacego
˛
rozwiazania.
˛
W dużym stopniu dotyczy to modeli i systemów
decyzyjnych opartych na wykorzystaniu paradygmatu agentowości. W szczególności stwierdzić
można:
– brak uniwersalnej metodyki tworzenia systemów agentowych dostosowanych do potrzeb modelowania i poszukiwania rozwiazań
˛
problemów transportowych;
– brak wystarczajacych
˛
materiałów dotyczacych
˛
realizacji systemów o dużej uniwersalności,
a szczególnie do rozwiazywania
˛
problemów dynamicznych;
– brak szerszych odniesień do możliwości wykorzystania metod sztucznej inteligencji do poprawy efektywności obliczeń (np. uczenie rozpoznawanie sytuacji, adaptacja stosowanych algorytmów);
– pomimo powstawania w ostatnim czasie szeregu rozwiazań
˛
dla planowania transportu, sa˛ one
zazwyczaj adresowane do szczegółowych, konkretnych problemów, brakuje rozwiazań
˛
uniwersalnych, majacych
˛
dodatkowo wyeksponowana˛ własność rozszerzalności, wspomagajac
˛ a˛
rozwiazywanie
˛
zestawu zwiazanych
˛
różnych problemów badawczych.
Obserwacje powyższe stanowiły motywacj˛e do takiego ukierunkowania prowadzonych badań,
aby mogły chociaż w cz˛eści wypełnić wskazane luki.
Realizowane zamierzenia badawcze obejmowały nie tylko stworzenie koncepcji rozwiazań
˛
modelowych i formalizacj˛e algorytmów, lecz również pełna˛ implementacj˛e zaprojektowanego środowiska agentowego oraz jego weryfikacj˛e poprzez przeprowadzenie eksperymentów symulacyjnych i testów numerycznych.
Dlatego zdecydowano si˛e na wybór odpowiedniego referencyjnego problemu transportowego,
dla którego dost˛epne sa˛ wyniki benchmarków mogace
˛ stanowić materiał porównawczy, dla prowadzonych testów stworzonego systemu. Uznano, że warunek ten spełniaja˛ cz˛esto opisywane
w literaturze problemy typu Vehicle Routing Problem (VRP), a w szczególności wariant określany
2
jako Pickup and Delivery Problem with Time Windows (PDPTW). W konsekwencji, wi˛ekszość rezultatów prowadzonych testów była odnoszona do znanych z literatury rozwiazań
˛
tego problemu.
PDPTW polega na obsłużeniu zbioru zleceń transportowych przy użyciu floty pojazdów, ponoszac
˛ możliwie jak najmniejsze koszty, wyrażane przede wszystkim liczba˛ używanych pojazdów,
sumarycznym pokonanym dystansem i sumarycznym czasem podróży. Zlecenia transportowe sa˛
opisywane przez położenia, gdzie wykonywane sa˛ operacje załadunku i wyładunku, potrzebna˛
ładowność i przedziały czasowe, w których należy wykonać operacje załadunku i wyładunku.
Można wyróżnić dwa rodzaje problemów transportowych – statyczne i dynamiczne. W wariancie
statycznym wszystkie zlecenia sa˛ znane przed budowa˛ zbioru tras b˛edacego
˛
rozwiazaniem,
˛
problem ten ma charakter optymalizacyjny. W uj˛eciu dynamicznym, zlecenia moga˛ nadchodzić także
po uzyskaniu pierwszego rozwiazania,
˛
problem ma charakter symulacyjny i wymaga modelowania przemieszczania si˛e pojazdów.
Prowadzone prace dotyczyły obu tych przypadków, jednak docelowym był problem dynamiczny. Badania nad problemem statycznym miały raczej na celu przetestowanie skuteczności
operacji modyfikacji tras oraz algorytmów optymalizacyjnych, które nimi steruja.˛ Prowadzone
badania można rozważać również z perspektywy zastosowań algorytmów heurystycznych oraz
podejścia wieloagentowego.
Innym badanym obszarem komplementarnym z problemami transportowymi było modelowanie ruchu i sterowanie ruchem drogowym. Zagadnienie to jest silnie zwiazane
˛
z problemem transportu, gdyż z jednej strony opisuje zachowanie środowiska, w którym złożone problemy transportowe sa˛ rozwiazywane,
˛
a z drugiej poprzez odpowiednie sterowanie ruchem można poprawić
jakość uzyskanych rozwiazań
˛
problemów transportowych.
Monografia powstała jako wynik cyklu badań realizowanych w okresie około 10 lat. Dlatego też, dla pełniejszego scharakteryzowania dokonań z tego okresu, zdecydowano si˛e skrótowo
przedstawić „drog˛e rozwojowa”
˛ prowadzonych prac, wskazujac
˛ publikacje jakie powstały w tym
okresie i w istotnym stopniu składaja˛ si˛e na materiał zawarty w monografii.
2.2.
Algorytmy i rozwiazania
˛
pilotowe
W ramach wst˛epnych prac nad problemami transportowymi, istotna˛ rol˛e odegrało badanie
(głównie statycznych) problemów przy pomocy różnych podejść heurystycznych. Rozwiazywano
˛
przede wszystkim problem PDPTW, ale pewne prace dotyczyły także problemu VRPTW (Vehicle Routing Problem with Time Windows). Stosowano różne rodzaje heurystyk (algorytmy ewolucyjne, poszukiwanie z tabu, podejścia agentowe). W pracy [A02] przeanalizowano użycie do
rozwiazania
˛
problemu PDPTW algorytmu ewolucyjnego, który stanowił adaptacja˛ algorytmów
i operacji użytych dla rozwiazania
˛
problemu VRPTW majacego
˛
słabsze ograniczenia. Opracowano także ewolucyjny algorytm wyspowy rozwiazuj
˛ acy
˛ problem PDPTW, gdzie na poszczególnych wyspach wykonywane były algorytmy ewolucyjne lub algorytm tabu oferujace
˛ rozwiazania
˛
o różnych własnościach. Wykorzystywany system agentowy umożliwiał wymian˛e fragmentów
najlepszych rozwiazań
˛
statycznego problemu PDPTW uzyskanych przy pomocy innych algorytmów, prowadzac
˛ do poprawiania uzyskanych rozwiazań
˛
([C07] i [E08]). W rezultacie uzyskano
rozwiazania
˛
równe lub zbliżone do najlepszych znanych rozwiazań
˛
rozpatrywanych problemów
testowych dla problemów statycznych PDPTW. W pracy [E05] dokonano przegladu
˛ rezultatów
działania kilku stworzonych prototypowych systemów rozwiazuj
˛ acych
˛
problemy transportowe
przy pomocy algorytmów ewolucyjnych, tabu oraz systemu agentowego.
Powstał także algorytm koewolucyjny rozwiazuj
˛ acy
˛ dynamiczny problem transportowy
VRPTW z uwzgl˛ednieniem analizy sytuacji kryzysowych [C04].
Kolejnym kierunkiem badań było opracowanie zestawu rozwiazań
˛
prototypowych dla dynamicznego PDPTW i jego rozszerzeń. Pierwotna˛ koncepcj˛e modelu systemu do rozwiazywania
˛
dynamicznych problemów transportowych zaprezentowano w [C01]. Model ten został nast˛epnie
3
rozbudowany, przeprowadzono także implementacje oraz ewaluacje stworzonego środowiska pilotowego ([A03] i [A09]) z uwzgl˛ednieniem opisu interakcji agentowych oraz organizacji systemu.
Zlecenia w prezentowanym systemie były generowane dynamicznie w oparciu o rozkład Poissona. Badana była podatność rozwiazania
˛
na sił˛e nałożonych ograniczeń (ładowność pojazdów,
szerokość okien czasowych). Stosowano środowisko agentowe oparte na symulacji zdarzeniowej
(w dwóch wersjach: implementacja w j˛ezyku Java oraz rozwiazanie
˛
używajace
˛ platformy wieloagentowej MadKit). Zlecenia wstawiano do tras, w których wyst˛epował najmniejszy przyrost
kosztów, agenci mogli także prowadzić negocjacje wymieniajac
˛ si˛e pojedynczymi zleceniami, jeśli prowadziło to do zmniejszenia ponoszonych kosztów.
Zajmowano si˛e także analiza˛ skutków sytuacji kryzysowych powstajacych
˛
w wyniku zmian
czasów przejazdów i blokady sieci drogowej [A04].
W pracy [A06] przedstawiono rozwiazywanie
˛
dynamicznego PDPTW uwzgl˛edniajace
˛ przy
modyfikacji tworzonych tras wiedz˛e stochastyczna˛ na temat prawdopodobieństw pojawienia si˛e
zleceń w poszczególnych w˛ezłach sieci drogowej reprezentowanej przez graf. Wprowadzona modyfikacja poprawiała procent obsługiwanych zleceń (widoczne dla wi˛ekszej liczby pojazdów) oraz
zwi˛ekszała całkowita˛ wartość zysku (szczególnie widoczne dla stosunkowo niewielkiej liczby
pojazdów). W [C05] zaprezentowano wersj˛e modelu uwzgl˛edniajac
˛ a˛ zmienne czasy przejazdów
przez poszczególne trasy, funkcj˛e kary i mi˛ekkie okna czasowe oraz badanie wpływu aktualności
wiedzy oraz stosowanych wzorców ruchu na uzyskiwany wynik. Wreszcie, w [D13] dokonano
przegladu
˛ stworzonych modeli agentowych do rozwiazywania
˛
PDPTW dla różnych założeń dotyczacych
˛
przewidywalności czasów przejazdów oraz nadchodzacych
˛
zleceń.
Jako wynik tego etapu prac powstało kilka systemów pilotowych, agentowych i heurystycznych, rozwiazuj
˛ acych
˛
różne wersje problemów transportowych. Uzyskane przy ich użyciu wyniki
stanowiły punkt wyjściowy do dalszych prac, zwiazanych
˛
z konstrukcja˛ uniwersalnego środowiska do rozwiazywania
˛
różnych rodzajów problemów transportowych, wykorzystujacego
˛
obok
heurystyk dziedzinowych także uniwersalne algorytmy uczenia oraz eksploracji danych (omówione w punkcie 2.3.).
2.3.
Identyfikacja sytuacji przy zastosowaniu technik uczenia oraz eksploracji
Do realizacji procesu decyzyjnego w systemie wieloagentowym, istotna jest właściwa identyfikacja sytuacji, w której znajduje si˛e agent oraz dobór właściwych strategii post˛epowania. Przeprowadzenie takiej identyfikacji cz˛esto może nie być sprawa˛ prosta,˛ gdyż jest uzależniona od
licznych czynników wpływajacych
˛
wzajemnie na siebie. Konfiguracja systemu przystosowujaca
˛
go do konkretnych sytuacji jest działaniem kłopotliwym i czasochłonnym, dlatego korzystne jest
opracowanie uniwersalnych rozwiazań,
˛
które ułatwiaja˛ lub automatyzuja˛ ten proces.
W oparciu o zgromadzone doświadczenia przy tworzeniu różnych rodzajów rozwiazań
˛
problemów transportowych, a także prowadzone prace zwiazane
˛
z eksploracja˛ danych, zdecydowano si˛e zrealizować uniwersalne środowisko wieloagentowe umożliwiajace
˛ rozwiazywanie
˛
danej klasy problemów transportowych, przy użyciu różnych algorytmów heurystycznych oraz z
zastosowaniem algorytmów eksploracji danych do identyfikacji sytuacji4 . Stosowano również algorytm uczenia ze wzmocnieniem do wyboru najkorzystniejszego wariantu konfiguracji algorytmów. W tym celu zaproponowano zestaw kilkudziesi˛eciu miar opisujacych
˛
sytuacje, w których
moga˛ znaleźć si˛e pojedynczy agenci jak też cały system. Miary te opisuja˛ różne aspekty problemu
– rozmieszczenie przestrzenne i czasowe zleceń, charakter przestrzenny i czasowy zbudowanych
tras oraz przeprowadzone w ostatnim czasie lub możliwe aktualnie do wykonania wymiany zleceń
mi˛edzy trasami.
4
Grant MNiSW N N516 366236, Wspomaganie decyzji w logistyce poprzez rozpoznawanie sytuacji i analizy wzorców z zastosowaniem metodologii agentowych, AGH, 2009-2012, kierownik
4
Dyskusj˛e możliwych zastosowań procesu uczenia si˛e w systemie agentowym rozwiazuj
˛ acym
˛
szeroki zakres problemów transportowych, wraz z odpowiednim modelem agenta, oraz wst˛epne
eksperymenty wykorzystujace
˛ różne techniki uczenia przedstawiono w [C13].
Rozszerzenia badanego dynamicznego problemu PDPTW obejmuja:
˛ zestawianie zespołu transportowego (inspirowane systemem Teletruck5 ) złożonego z kilku elementów tak, by najlepiej odpowiadał aktualnym potrzebom [C11,C14], oraz uwzgl˛ednianie różnych rodzajów sytuacji kryzysowych (zwiazanych
˛
z pojazdami, siecia˛ drogowa˛ i zleceniami)[C12]. Dokonano porównania
wpływu dost˛epnych zestawów elementów transportowych na koszt rozwiazania
˛
oraz zaproponowano model organizacyjny systemu holonicznego oraz algorytm dobierania elementów transportowych tworzacych
˛
jednostk˛e transportowa˛ (pojazd) w oparciu o listy preferencji odnośnie agentów–
partnerów, biorac
˛ pod uwag˛e przewidywane możliwości obsługi dost˛epnych zleceń i zwiazane
˛
z tym koszty.
Uwzgl˛edniono różne rodzaje propagacji informacji o zaburzeniach czasów przejazdu i techniki
predykcji przejazdów przez odcinki dróg [E20]. Środowisko to było rozwijane przez kilka lat, jego
najbardziej kompletny opis znajduje si˛e w [MON].
Do doboru strategii (konfiguracji algorytmów) stosowano statyczne reguły [B16] lub algorytm
uczenia ze wzmocnieniem [C18], natomiast do identyfikacji poszczególnych sytuacji obsługiwanych przez te same konfiguracje strategii – statycznie zadane przedziały wartości poszczególnych
miar oraz klastry i drzewa decyzyjne.
2.4.
Modelowanie i optymalizacja ruchu drogowego
Kolejnym obszarem prowadzonych badań było modelowanie i optymalizacja ruchu drogowego. Wykorzystane modele ruchu sa˛ oparte na automacie komórkowym (model Nagela
-Schreckenberga6 i jego rozszerzenia). Stosowane były różne algorytmy sterowania ruchem –
różne algorytmy sterowania światłami, a także możliwe jest uwzgl˛ednienie (podczas budowy i
modyfikacji tras pojazdów) informacji o aktualnym stanie ruchu. Wyniki z tego obszaru obejmuja:
˛
– rozwiazania
˛
prototypowe dotyczace
˛ zarzadzania
˛
ruchem poprzez sterowanie skrzyżowaniem,
stosujac
˛ model obracajacej
˛ si˛e bryły sztywnej [E06],
– model systemu sterujacego
˛
ruchem miejskim wykorzystujacy
˛ cz˛eściowe dane o ruchu w Krakowie oraz algorytm zarzadzania
˛
ruchem [F07],
– agentowe środowisko do modelowania i optymalizacji ruchu drogowego ([A08]), z uwzgl˛ednieniem opisu różnych agentów optymalizujacych
˛
ruch oraz uzyskanych wyników, wykonano
szereg eksperymentów dla różnych poziomów nat˛eżenia ruchu, różnych topologii skrzyżowań
oraz różnych algorytmów sterowania sygnalizacja˛ świetlna˛ i ich konfiguracji.
Głównym efektem tych prac było stworzenie kilku pilotowych systemów do modelowania
i sterowania ruchem, a zwłaszcza wst˛epnej wersji środowiska, które po pewnych rozszerzeniach
(zwiazanych
˛
głównie z obsługa˛ wielopasowości) zostało wykorzystane jako wersja podstawowa
systemu do modelowania i sterowania ruchem, prezentowana w monografii [MON].
2.5.
Modele i algorytmy decyzyjne
Materiał opisany w tym punkcie stanowi w pełni oryginalny rezultat badań autora monografii
i nie stanowił dotad
˛ przedmiotu publikacji.
5
6
H.-J. Burckert, K. Fischer, G. Vierke, Transportation Scheduling with Holonic MAS – the TELETRUCK Approach.
Third International Conference on Practical Applications of Intelligent Agents and Multiagent Technology (PAAM
98), 1998
K. Nagel, M. Schreckenberg, A Cellular Automaton Model for Freeway Traffic Journal de Physique I, wol. 2(12),
str.2221—2229, 1992
5
Skonstruowano zestaw modeli, stanowiacych
˛
przyrostowe rozszerzenia i operujacych
˛
na zbiorze zdefiniowanych wspólnych elementów, opisujacych
˛
poszczególne typy agentów i środowisk
w ramach modelu uniwersalnego, przeznaczonych do rozwiazywania
˛
problemów transportowych
oraz ruchu drogowego. Przedstawiony tryb budowy modeli (zawierajacy
˛ opisane elementy wykonawcze, planujace
˛ i uczace
˛ si˛e agentów oraz środowisko grafowe, w którym agenci działaja)
˛
pozwala na konstrukcj˛e szerokiej klasy rozwiazań
˛
dedykowanych do różnych obszarów zastosowania. W monografii zaprezentowano nast˛epujace
˛ modele agentów ukierunkowane na rozwiazy˛
wanie problemów transportowych:
– Model podstawowy, umożliwiajacy
˛ rozwiazywania
˛
problemu PDPTW, z twardymi lub mi˛ekkimi oknami, a także ze statycznie zdefiniowanymi regułami, które moga˛ wybierać strategie post˛epowania w zależności od aktualnie zidentyfikowanej sytuacji. Model ten umożliwia
budow˛e strategii opartych na doborze konfiguracji algorytmów z trzech nast˛epujacych
˛
klas:
wstawiajacych
˛
zlecenia do tras według różnych funkcji kosztów, optymalizujacych
˛
przydział
zleceń do pojazdów po przydzieleniu nowego zlecenia jednemu z pojazdów oraz bardziej intensywnego procesu optymalizacji przeprowadzanego, gdy nie udaje si˛e obsłużyć nowego zlecenia nie przekraczajac
˛ aktualnie wykorzystywanej liczby pojazdów.
– Pierwszy model rozszerzony, który uwzgl˛ednia dodatkowo zmienne czasy przejazdów mi˛edzy
punktami (w wyniku zmiany stanu ruchu), różne metody pozyskiwania informacji o zmiennych czasach przejazdów oraz różne sposoby przewidywania przyszłych czasów przejazdów.
– Drugi model rozszerzony, który wykorzystuje algorytmy uczenia maszynowego i eksploracji
danych do automatycznego rozróżniania sytuacji (stosujac
˛ techniki klastrowania i drzew decyzyjnych) oraz przypisywania do poszczególnych sytuacji najkorzystniejszych strategii budowy
planów (przy pomocy uczenia ze wzmocnieniem).
Podobnie, skonstruowano trzy modele dla symulacji ruchu drogowego i sterowania ruchem:
– Model podstawowy, umożliwiajacy
˛ modelowanie ruchu pojazdów przy pomocy automatów
komórkowych (rozszerzony model Nagela-Schreckenberga uwzgl˛edniajacy
˛ obsług˛e wielu pasów ruchu), użycie różnych metod sterowania sygnalizacja˛ świetlna˛ (statycznie ustawione
fazy, algorytm SOTL7 , lub algorytm RL8 ) oraz dostarczanie pojazdom informacji o aktualnym
stanie ruchu. Pojazdy maja˛ możliwość zmian zaplanowanych tras w reakcji na te informacje.
– Pierwszy model rozszerzony, który uwzgl˛ednia predykcj˛e zag˛eszczeń ruchu w przyszłych etapach (przy pomocy algorytmów eksploracji danych), używajacy
˛ zestawu miar opisujacych
˛
stan ruchu i różnych definicji zag˛eszczeń oraz wykorzystujacy
˛ wyniki tej predykcji do ograniczenia liczby zag˛eszczeń ruchu.
– Drugi model rozszerzony, wyróżniajacy
˛ kluczowe skrzyżowania (stosujac
˛ miary sieci złożonych) oraz przeprowadzajacy
˛ automatyczna˛ dekompozycj˛e sieci drogowej na wydzielone podobszary, w ramach których przeprowadzone jest dopasowywanie rozkładów faz sygnalizacji
świetlnej uwzgl˛edniajace
˛ potrzeby określone przez skrzyżowania kluczowe.
Stosujac
˛ analogiczny sposób budowy agentów, możliwe jest stosunkowo proste połaczenie
˛
elementów obu wspomnianych wyżej dziedzin. Według mojej wiedzy, zaproponowane podejście,
a w szczególności zastosowanie identyfikacji sytuacji dla problemu transportowego, jest rozwia˛
zaniem oryginalnym. Podejście to cechuje si˛e duża˛ uniwersalnościa,˛ możliwe jest dodawanie lub
wymiana miar, algorytmów opisujacych
˛
strategie oraz algorytmów identyfikacji sytuacji, czy też
wyboru najlepszej strategii dla danej sytuacji. Konfigurujac
˛ odpowiednio wspomniane wyżej modele i środowiska można rozwiazywać
˛
różne problemy zbliżonej klasy (problemy transportowe:
problemy z twardymi lub mi˛ekkimi oknami czasowymi, użycie różnych funkcji jakości, stałych
7
8
C.Gershenson, Self-organizing Traffic Lights, Complex Systems, wol 16(1), str. 29-53, 2005
M. Wiering, J. Vreeken, J. Van Veenen, A. Koopman, Intelligent Traffic Light Control, Technical report UU-CS2004-029, Utrecht University, 2004
6
lub zmiennych czasów przejazdów, różnych sposobów pozyskiwania informacji o zmianach środowiska; modelowanie i sterowanie ruchem: różne modele ruchu pojazdów, różne definicje zag˛eszczeń, różne sposoby przeciwdziałania powstawaniu zag˛eszczeń, różne konfiguracje sieci drogowej, czy sygnalizacji świetlnej).
2.6.
Badania eksperymentalne
W monografii przedstawiono także przykładowe scenariusze eksperymentalne i wyniki, dla
wszystkich prezentowanych modeli. Udało si˛e uzyskać rezultaty zbliżone do najlepszych znanych rozwiazań
˛
dla statycznych problemów transportowych i zazwyczaj niewiele odbiegajace
˛ od
nich wyniki dla przygotowanych silnie dynamicznych problemów. Pokazano, jak bardzo pogarsza si˛e jakość rozwiazań
˛
przy pojawianiu si˛e zaburzeń ruchu i czasów przejazdów. Ponadto pokazano, że w wi˛ekszości przypadków użycie wskazanych technik predykcji zaburzeń umożliwia
uzyskanie lepszych wyników w planowaniu tras. Stosujac
˛ techniki automatycznej identyfikacji sytuacji (klastrowanie, drzewa decyzyjne) i uczenia si˛e najkorzystniejszych strategii post˛epowania
(q–learning) udało si˛e poprawić jakość uzyskiwanych rozwiazań
˛
dla znacznej cz˛eści rozpatrywanych przypadków, a także w wielu przypadkach wyraźnie obniżyć czas obliczeń.
Dla ruchu drogowego pokazano, że model agentowy zachowuje si˛e zgodnie z oczekiwaniami.
Użycie predykcji pozwoliło na zidentyfikowanie wi˛ekszości nadchodzacych
˛
zag˛eszczeń ruchu
oraz na znaczace
˛ ograniczenie ich liczby. Przy właściwym doborze liczby wydzielonych obszarów sieci drogowej udało si˛e także ograniczyć liczb˛e pojazdów znajdujacych
˛
si˛e w systemie, czyli
zapewnić ich szybsze przejazdy.
3.
Inne watki
˛ tematyczne prowadzonych prac
3.1.
Modelowanie przedsi˛ebiorstw działajacych
˛
na rynku
Zagadnienie to stanowi bardziej ogólny problem niż badanie problemów transportowych, które
może stanowić jeden z jego elementów składowych. Ponadto rozwiazuj
˛ ac
˛ ten problem napotyka
si˛e analogiczne klasy zagadnień dotyczacych
˛
identyfikacji sytuacji, doboru optymalnych strategii
działania oraz zastosowania technik uczenia maszynowego i eksploracji danych, jak te rozpatrywane w stosowanym podejściu do rozwiazywania
˛
problemów transportowych.
Zastosowanie rozwiazań
˛
agentowych do modelowania przedsi˛ebiorstw działajacych
˛
na rynku
oraz optymalizacji strategii ich działania pozwala na konstrukcj˛e modeli przedsi˛ebiorstw obdarzonych autonomia˛ działajacych
˛
w środowisku rynkowym.
Opublikowano nast˛epujace
˛ rezultaty tej grupy prac:
– Analiza strategii produkcji i zarzadzania
˛
magazynem przy użyciu podejścia agentowego (jako
sposobu organizacji systemu) oraz algorytmu ewolucyjnego (algorytm doboru stosowanych
strategii). Wykorzystywano tutaj dostarczone przez firm˛e ABB9 ’10 dane na temat produkowanych komponentów oraz możliwości poszczególnych producentów [C08].
– W rozwiazaniach
˛
prototypowych przedstawionych w pracach [D12,C06] stosowano ewaluacj˛e
możliwych scenariuszy działań oraz wybór najbardziej rokujacych
˛
na sukces. Badano efekty
uzyskane przez przedsi˛ebiorstwa o różnych profilach decyzyjnych.
– Prezentacja model systemu rynkowego [A10] oraz analizy wyników uzyskanych przy pomocy
systemów prototypowych. Zaproponowano tam koncepcj˛e modelu uniwersalnego systemu
agentowego, uwzgl˛edniajacego
˛
elementy organizacji systemu agentowego oraz przedstawiono
9
10
Projekt współpracy mi˛edzy AGH i ABB Sp.z.o.o, Przygotowanie analizy optymalizacji sposobu produkcji, kierownik, 2006
Projekt współpracy mi˛edzy AGH i ABB Sp.z.o.o, Wykonanie środowiska agentowego do optymalizacji sposobu
produkcji, kierownik, 2006.
7
zastosowanie tego modelu dla potrzeb opisu systemu przedsi˛ebiorstw działajacych
˛
na rynku.
Pokazane zostały wybrane wyniki eksperymentalne dotyczace
˛ wpływu dost˛epnych mocy produkcyjnych na uzyskane wyniki finansowe przedsi˛ebiorstwa, ewolucji funkcji jakości przedsi˛ebiorstwa w czasie symulacji oraz wpływu zmian preferencji klienta na wyniki uzyskiwane
przez przedsi˛ebiorstwa.
– Algorytm negocjacji mi˛edzy podmiotami w opracowanym środowisku rynkowym modeluja˛
cym przedsi˛ebiorstwa [C15], uwzgl˛edniajacy
˛ sił˛e negocjacyjna˛ uczestniczacych
˛
podmiotów,
zgodnie z ekonomicznymi regułami modelu rynkowego.
– Wybór strategii post˛epowania przez modelowane przedsi˛ebiorstwo w środowisku rynkowym
przy pomocy algorytmu uczenia ze wzmocnieniem [C16].
– Zastosowanie technik eksploracji danych (klastrowania), uczenia maszynowego oraz różnych
rodzajów predyktorów, do identyfikacji sytuacji i określania strategii działania stosowanych
przez przedsi˛ebiorstwo na rynku i ich wpływ na uzyskiwane przez nie wyniki [C17]. W pracy
tej przedstawiono także najbardziej rozbudowana˛ wersj˛e środowiska symulacyjnego do modelowania przedsi˛ebiorstw na rynku.
Głównym efektem prac z tego obszaru jest stworzenie uniwersalnego środowiska do modelowania działania przedsi˛ebiorstwa na rynku, uwzgl˛edniajacego
˛
zarzadzanie
˛
magazynem, negocjacje, predykcj˛e przyszłych warunków oraz automatyczne uczenie si˛e doboru strategii działania dla
danej sytuacji.
3.2.
Integracja komponentów wiedzy i kompozycja usług
Wykorzystanie podejścia ontologicznego oraz komponowanie usług stanowia˛ techniki, które
także moga˛ być przydatne w badaniach nad dziedzina˛ systemów wieloagentowych oraz budowa˛
systemów wieloagentowych do rozwiazywania
˛
różnych problemów logistycznych. Na przykład,
wykorzystałem j˛ezyki ontologiczne do opisu budowy komunikatów oraz specyfikacji dziedziny
problemowej (opis parametrów przedsi˛ebiorstw, wytwarzanych produktów i produktów wejściowych, stan magazynu, a także specyfikacja zamówień) użytych w środowisku do modelowania
działań przedsi˛ebiorstw na rynku.
Prowadzono prace zwiazane
˛
z reprezentacja˛ wiedzy przy pomocy j˛ezyków opisu ontologii
oraz integracja˛ wiedzy wyrażonej w ten sposób. Do reprezentacji wiedzy najcz˛eściej używano j˛ezyk ontologiczny OWL. W celu integracji wiedzy zastosowano mi˛edzy innymi porównywanie semantyczne poj˛eć oraz ich atrybutów, algorytm similarity flooding [D06] oraz ontologie wyższego
poziomu. Przygotowano opisy wiedzy dla takich dziedzin jak zakażenia szpitalne11 , podejmowanie decyzji przez przedsi˛ebiorstwo [C10] czy zintegrowana akcja ratownicza [D20,E16].
Kolejne prace dotyczyły zaprojektowania infrastruktury umożliwiajacej
˛ komponowanie usług
opisanych przy pomocy ontologii [C09]. Opracowane zostały pilotowe realizacje agentowych systemów do zarzadzania
˛
zintegrowana˛ akcja˛ ratownicza,˛ w której uczestniczy wi˛eksza liczba pod12
miotów . Rozwiazania
˛
były oparte na kompozycji usług webowych, stosujac
˛ BPEL (Business
Process Execution Language) oraz negocjacje mi˛edzy agentami [D20,E16,B12].
11
12
Grant KBN nr 4T11C023 23, Konstrukcja modeli wiedzy systemów ekspertowych z uwzgl˛ednieniem procesu akwizycji wiedzy i eksploracji danych, AGH, 2002-2005, wykonawca
Projektu kluczowy POIG01.03-01-00-008/08-00, Nowe technologie informacyjne dla elektronicznej gospodarki
społeczeństwa informacyjnego oparte na paradygmacie SOA, 1 stycznia 2009 - 31 grudnia 2012. Udział jako partner:
IPI PAN, wykonawca
8
3.3.
Identyfikacja i analiza kluczowych jednostek oraz grup w ewoluujacych
˛
społecznościach
Stosunkowo nowym obszarem prowadzonych badań jest analiza sieci społecznych. Moje prace
w tej dziedzinie rozwin˛eły si˛e w wyniku uczestnictwa w projektach zwiazanych
˛
z bezpieczeństwem publicznym 13 ’ 14 ’ 15 .
Badania w dziedzinie analizy sieci społecznych oraz eksploracji danych pozwoliły mi na zgromadzenie doświadczeń, które nast˛epnie wykorzystuj˛e w systemach wieloagentowych, a w szczególności podczas budowy niektórych spośród modeli, które sa˛ prezentowane w monografii habilitacyjnej.
Jednym z istotnych kierunków tych prac było konstruowanie modelu ewoluujacej
˛ organizacji w mediach społecznych [E14,A11], wykorzystywanego do analizy portalu społecznościowego
oraz blogosfery. Prowadzone analizy, przy pomocy metod sieci społecznych, skupiały si˛e przede
wszystkim na badaniu bilingów telefonicznych oraz blogosfery.
Analiza bilingów telefonicznych dotyczyła identyfikacji ról jednostek w organizacji [F04,D16],
a także dynamiki sieci (opisywanej przez miary i role) oraz niespodziewanych anomalii [D14].
W oparciu o uzyskane dane przeprowadzono analizy kilku scenariuszy oraz uzyskano przydziały
ról zbliżone do rzeczywistych.
Badania blogosfery miały na celu skonstruowanie algorytmu identyfikacji stabilnych grup
w społeczności oraz identyfikacj˛e kluczowych blogerów [E13,E15,A11]. W [E17] badana była
dynamika poszczególnych stabilnych grup oraz identyfikowane były zdarzenia zwiazane
˛
z przekształcaniem si˛e grup (stały rozmiar, wzrost, zmniejszenie, połaczenie
˛
grup, rozpad grupy). W pracy
[E18] przedstawiono poszerzony model blogosfery, uwzgl˛edniajacy
˛ również sentyment wyst˛epujacy
˛ w poszczególnych komentarzach oraz przeprowadzono odpowiednie analizy. W [E19] wyróżniono różne role dla blogerów, zarówno globalnie jak i w grupach, biorac
˛ pod uwag˛e ich aktywność postowa˛ i komentarzowa˛ oraz zorientowanie na budowanie własnej pozycji lub interakcje
z innymi użytkownikami. Prowadzone były także badania nad predykcja˛ przyszłych zmian zachodzacych
˛
w grupach przy użyciu różnych algorytmów klasyfikatorów, prace te stanowia˛ rozwini˛ecie prac omówionych w [E17].
W rezultacie prac, w których uczestniczyłem w tym obszarze, powstały platformy do wykonywania analiz sieci społecznych stworzonych dla omawianych rodzajów danych. Nasz artykuł
[E18] został nagrodzony – uznany za najlepszy artykuł na konferencji SocInfo 2012.
4.
Podsumowanie działalności naukowej
Za swoje oryginalne osiagni˛
˛ ecia uważam przede wszystkim opracowanie metodyki budowy
systemów agentowych do rozwiazywania
˛
problemów decyzyjnych w dynamicznym środowisku,
skonstruowanie zestawu modeli systemów wieloagentowych oraz budow˛e konfigurowalnych środowisk umożliwiajacych
˛
rozwiazywanie
˛
problemów planowania transportu oraz modelowania
i sterowania ruchem [MON].
W zakresie osiagni˛
˛ eć badawczych sa˛ to:
– Stworzenie koncepcji realizacyjnej systemów agentowych do rozwiazywania
˛
problemu transportowego oraz symulacji i sterowania ruchem;
13
14
15
Grant MNiSW nr R 00 001 Zastosowanie metod sztucznej inteligencji i technologii agentowych do wspomagania
działań operacyjnych i śledczych oraz procedur dowodowych z uwzgl˛ednieniem przest˛epstw internetowych, AGH,
2006-2009, wykonawca
Grant MNiSW 0032/R/T00/2008/06, Pozyskiwanie i weryfikacja informacji dla potrzeb wspomagania działań organizacyjnych i operacyjnych służb bezpieczeństwa publicznego, AGH, 2009-2010, wykonawca
Projekt w 7 Programie Ramowym UE, Temat 10, nr 218086, AGH, Intelligent information system supporting observation, searching and detection for security of citizens in urban environment, AGH, 2009-2013, wykonawca
9
– Opracowanie zestawu modeli i architektur agentowych, stanowiacych
˛
elementy systemu, w tym
wariantów uwzgl˛edniajacych
˛
uczenie i rozpoznawanie sytuacji;
– Zaproponowanie metodyki post˛epowania podczas tworzenia klasy systemów wieloagentowych o określonych cechach charakterystycznych (takich jak zmienność środowiska, identyfikowanie sytuacji oraz dostosowanie strategii budowy planów do zmieniajacej
˛ si˛e sytuacji);
– Koncepcja zestawu miar oraz opracowanie i dobór algorytmów wykorzystujacych
˛
te miary do
dynamicznej identyfikacji stanów środowiska.
Na poziomie realizacyjnym i eksperymentalnym warto wskazać nast˛epujace
˛ dokonania:
– Stworzenie koncepcji i kierowanie realizacja˛ konfigurowalnego systemu do rozwiazywania
˛
szerokiej klasy problemów transportowych oraz środowiska do modelowania i sterowania ruchem drogowym;
– Opracowanie planu badań eksperymentalnych, umożliwiajacych
˛
weryfikacj˛e działania zrealizowanych rozwiazań
˛
oraz pozyskanie materiału pozwalajacego
˛
na ocen˛e poszczególnych
funkcjonalności systemu;
– Całościowa˛ ocen˛e otrzymanych rezultatów pozwalajac
˛ a˛ na potwierdzenie walorów badawczych i użytkowych, wynikajacych
˛
z zastosowania koncepcji agentowości w systemach decyzyjnych.
Opracowane modele i środowiska symulacyjno–obliczeniowe posiadaja˛ szerokie możliwości
konfiguracji i rozbudowy, co stwarza moim zdaniem możliwość prowadzenia dalszych badań w
tych obszarach. Moga˛ one obejmować wprowadzanie nowych algorytmów decyzyjnych, wykorzystujacych
˛
zaproponowane miary, a także uwzgl˛ednianie oddziaływań mi˛edzy decyzjami podejmowanymi podczas sterowania ruchem i efektywnym planowaniem tras pojazdów.
5.
Działalność w gremiach naukowych
Uczestniczyłem w Komitetach Naukowych i Programowych mi˛edzynarodowych konferencji
o tematyce zwiazanej
˛
z:
– systemami wieloagentowymi (i sztuczna˛ inteligencja):
˛
• cyklicznie, od 2010 roku: International Conference on Practical Applications of Agents
and Multi-Agent Systems (Salamanca, Spain)) – artykuły konferencji indeksowane m.in.
przez Web of Science, Scopus, DBLP;
• 13th edition of the Ibero-American Conference on Artificial Intelligence – IBERAMIA
2012 (Cartagena de Indias – Colombia) – artykuły konferencji indeksowane m.in. przez
Web of Science, DBLP;
• Fifth IEEE International Conference on Soft Computing as Transdisciplinary Science and
Technology CSTST’08 (Paris/Cergy Pointoise, France), – artykuły konferencji indeksowane m.in. przez Scopus, DBLP;
– analiza˛ sieci społecznych:
• 2nd–3rd International Workshop on Social Network Analysis in Applications – SNAA
2012 (Istanbul, Turkey), SNAA 2013 (Niagara Falls, Canada)) w ramach konferencji The
2013 IEEE/ACM International Conference on Advances in Social Networks Analysis and
Mining (ASONAM) –artykuły konferencji indeksowane m.in. przez Scopus, DBLP;
– rozwiazywaniem
˛
problemów stosujac
˛ podejścia inspirowane zjawiskami i procesami naturalnymi i biologicznymi:
• 11th International Conference on Parallel Problem Solving From Nature – PPSN XI (Krakow, Poland, 2010) – artykuły konferencji indeksowane m.in. przez Web of Science, Scopus, DBLP;
10
– akwizycja,˛ reprezentacja˛ i przetwarzaniem wiedzy (w tym opartej na reprezentacji ontologicznej), a także budowa˛ cyfrowych ekosystemów, tworzonych przez współdziałajace
˛ złożone
elementy softwarowe, w tym szczególnie budowa˛ aplikacji webowych:
• cyklicznie: kilka tracków w ramach International Conference on Signal-Image Technology and Internet-based Systems – SITIS, od 2005 roku, artykuły konferencji indeksowane
m.in. przez Web of Science, Scopus, DBLP;
• ACM SAC Advances in Spatial and Image-based Information Systems –ASIIS, od 2009
roku, artykuły konferencji indeksowane m.in. przez Web of Science, Scopus, DBLP;
• ACM conference on Management of Emergent Digital EcoSystems – MEDES, od 2009
roku, materiały konferencyjne publikowane w serii Lecture Notes in Computer Science,
artykuły konferencji indeksowane m.in. przez Scopus, DBLP;
• IEEE International Conference on Digital Information Management ICDIM’07 (Lyon,
France), ICDIM’08 (London, UK), ICDIM 2013 (Islamabad, Pakistan), – artykuły konferencji indeksowane m.in. przez Web of Science, Scopus, DBLP;
– wytwarzaniem oprogramowania:
• 3rd International Conference on Industrial Informatics and Systems Engineering – IISE
2010.
Zrecenzowałem przynajmniej 90 artykułów konferencyjnych jako członek Komitetów Naukowych konferencji oraz około 14 artykułów jako oficjalny recenzent.
Recenzowałem także 5 artykułow do czasopism Journal of Multimedia Processing and Technologies (członek Editorial Board), Multimedia Tools and Applications (lista A, 20 punktów ministerialnych), IEEE Multimedia Journal, Progress in Artificial Intelligence.
Byłem członkiem Komitetów Organizacyjnych nast˛epujacych
˛
konferencji International Workshop Decentralized Intelligent and Multi-Agent Systems, DIMAS’95 w Krakowie i 2nd International Workshop of Central and Eastern Europe on Multi-Agent Systems, CEEMAS-2001, w 2001
roku w Krakowie oraz 11th International Conference on Parallel Problem Solving From Nature –
PPSN XI w 2010 roku w Krakowie.
W ostatnim czasie organizowałem workshop Agent-based Approaches for the Transportation
Modelling and Optimisation w ramach konferencji XI International Conference on Practical Applications of Agents and Multi-Agent Systems PAAMS 2013, pełniłem funkcj˛e co-chair oraz byłem
współredaktorem materiałów konferencyjnych, które ukazały si˛e w serii Communications in Computer and Information Science, Springer, 2013 pod tytułem Highlights in Practical Applications
of Agent and Multi-Agent Systems.
6.
Działalność dydaktyczna
Prowadziłem i prowadz˛e nadal nast˛epujace
˛ przedmioty (jako osoba odpowiedzialna za przedmiot oraz wykładowca) w Katedrze Informatyki, na Wydziale IEiT (a wcześniej na Wydziale
EAIiE) AGH:
– Systemy Operacyjne:
• 2 rok studiów inżynierskich stacjonarnych, 4 semestr studiów,
• 2 rok studiów inżynierskich niestacjonarnych, 4 semestr studiów,
– Programowanie Systemowe:
• 4 rok studiów inżynierskich stacjonarnych, 7 semestr studiów,
• 2 rok studiów magisterskich niestacjonarnych, 3 semestr studiów
– Programowanie Systemów Agentowych i Wielorobotowych:
• 2 rok studiów magisterskich stacjonarnych, 2 semestr studiów magisterskich
– Zaawansowane Techniki Integracji Systemów:
• 2 rok studiów magisterskich stacjonarnych, 3 semestr studiów magisterskich
11
W ramach tych przedmiotów prowadziłem także zaj˛ecia laboratoryjne lub projektowe.
Prowadziłem zaj˛ecia z Systemów Operacyjnych, Programowania systemowego i Systemów
zdecentralizowanych i agentowych dla studentów zagranicznych (z Turcji, Hiszpanii, Włoch) w
ramach programu Erazmus.
Byłem opiekunem 43 obronionych prac dyplomowych magisterskich oraz 5 obronionych prac
i projektów inżynierskich. W ramach współpracy mi˛edzynarodowej, prowadziłem dwa staże inżynierskie dla studentów piatego
˛
roku studiów uczelni francuskich ESISAR/INPG Valence oraz
ESIGETEL Paryż, które były poświ˛econe kompozycji usług webowych przy pomocy podejścia
wieloagentowego oraz analizie działań użytkowników na platformie Twitter stosujac
˛ metody analizy sieci społecznych.
Opiekowałem si˛e stażystami zagranicznymi, które były odbywane w naszej Katedrze w okresie letnim w ramach projektu Erazmus (6 studentów z Francji w latach 2009-2012) oraz staży
The International Association for the Exchange of Students for Technical Experience – IAESTE
(studenci z Niemiec, Turcji, Wysp Zielonego Przyladka,
˛
Sierra Leone, Iranu, Tajlandii, Pakistanu,
Indii i Hongkongu).
7.
Działalność organizacyjna
– Byłem członek komisji prowadzacej
˛ egzamin końcowy dla studiów magisterskich na kierunku
Informatyka.
– Obecnie jestem członkiem Wydziałowej Komisji Wyborczej.
– Pełniłem rol˛e technical editorial chair podczas konferencji PPSN 2010, zajmowałem si˛e składem 2–tomowych materiałów konferencyjnych wydanych w serii Lecture Notes Springera.
– Opiekowałem si˛e stażystami zagranicznymi przebywajacymi
˛
w ramach staży IEASTE oraz
Erazmus.
Wybrane prace zwiazane
˛
z zawartościa˛ monografii
[A01]
[A02]
[A04]
[A06]
[A08]
[A09]
[A10]
Krzysztof Cetnarowicz, Jarosław Koźlak. Multi-agent system for flexible manufacturing systems management. W: From Theory to Practice in Multi-Agent Systems, Second International Workshop of Central
and Eastern Europe on Multi-Agent Systems, CEEMAS 2001 Cracow, Poland, September 26-29, 2001,
Revised Papers, Lecture Notes in Computer Science 2296, str. 73–82, Springer, 2002.
Jean-Charles Creput, Abder Koukam, Jarosław Koźlak, Jan Łukasik. An Evolutionary Approach to Pickup and Delivery Problem with Time Windows. W: Proceedings of the 4th International Conference
Computational Science (ICCS 2004), LNCS 3038. Springer, 2004.
Edward Nawarecki, Jarosław Koźlak, Grzegorz Dobrowolski, Marek Kisiel-Dorohinicki. Discovery of
Crises via Agent-Based simulation of a Transportation System. W: Proceedings of the 4th international
Central and Eastern European conference on Multi-Agent Systems and Applications, CEEMAS’05, str.
132–141, Berlin, Heidelberg, 2005. Springer-Verlag.
Jarosław Koźlak, Jean-Charles Créput, Vincent Hilaire, Abder Koukam. Multi-Agent Approach to Dynamic Pick-up and Delivery Problem with Uncertain Knowledge about Future Transport Demands. Fundamenta Informaticae: Annales Societatis Mathematicae Polonae, 71(1):27–36, 2006.
Jarosław Koźlak, Grzegorz Dobrowolski, Marek Kisiel-Dorohinicki, Edward Nawarecki. Anti-crisis
Management of City Traffic Using Agent-based Approach. Journal of Universal Computer Science,
14(14):2359–2380, 2008.
Jarosław Koźlak, Jean-Charles Créput, Vincent Hilaire, Abderrafiaa Koukam. Multi-agent Environment
for Modelling and Solving Dynamic Transport Problems. Computing and Informatics, 28(3):277–298,
2009. Slovak Academy of Sciences. Institute of Informatics.
Edward Nawarecki, Jarosław Koźlak. Building multi-agent models applied to supply chain management.
Control and Cybernetics, 39(1):149–176, 2010.
12
[C05]
[C07]
[C11]
[C12]
[C13]
[C14]
[C17]
[C18]
[MON]
Jarosław Koźlak. Learning in Cooperating Agents Environment as a Method of Solving Transport Problems and Limiting the Effects of Crisis Situations. W: Y. Shi, G. D. van Albada, J. Dongarra, P. M. A.
Sloot, redaktorzy, Computational Science—ICCS 2007, LNCS 4488 , Berlin, Heidelberg, 2007. SpringerVerlag.
Jarosław Koźlak, Marek Kisiel-Dorohinicki, Edward Nawarecki. Towards Agent-based Evolutionary
Planning in Transportation Systems. W: Rough sets and intelligent systems paradigms: international
conference, RSEISP 2007, LNCS 4585, 2007.
Michał Gołacki, Jarosław Koźlak, Małgorzata Żabińska. Holonic-based environment for solving transportation problems. W: Proceedings of the 4th International Conference on Industrial Applications of
Holonic and Multi-Agent Systems: Holonic and Multi-Agent Systems for Manufacturing, HoloMAS ’09,
str. 193–202, Berlin, Heidelberg, 2009. Springer-Verlag.
Michał‚ Konieczny, Jarosław Koźlak, Małgorzata Żabińska. Multi-agent crisis management in transport
domain. W: Gabrielle Allen, Jaroslaw Nabrzyski, Edward Seidel, Geert van Albada, Jack Dongarra,
Peter Sloot, redaktorzy, Computational Science – ICCS 2009, Lecture Notes in Computer Science 5545,
str. 855–864. Springer Berlin / Heidelberg, 2009.
Bartłomiej Śnieżyński, Jarosław Koźlak. Agent-based system with learning capabilities for transport
problems. W: Proceedings of the Third international conference on Computational collective intelligence: technologies and applications - Volume Part II, ICCCI’11, str. 100–109, Berlin, Heidelberg, 2011.
Springer-Verlag.
Jarosław Koźlak, Sebastian Pisarski, Małgorzata Żabińska. Application of holonic approach for transportation modelling and optimising. W: Yves Demazeau, Michal Pechoucek, Juan Corchado, Javier Perez,
redaktorzy, Advances on Practical Applications of Agents and Multiagent Systems - 9th International Conference on Practical Applications of Agents and Multiagent Systems, PAAMS 2011, Salamanca, Spain, 6-8
April 2011, vol. 88 Advances in Intelligent and Soft Computing, str. 189–194. Springer, 2011.
Paweł Kolarz, Jan Marszałek, Jarosław Koźlak, Małgorzata Żabińska. Multi–agent environment for modelling and analysing market strategies. Procedia Computer Science, 9(0):1533 – 1542, 2012. Proceedings
of the International Conference on Computational Science, 2012.
Jarosław Koźlak, Sebastian Pisarski, Małgorzata Żabińska. Situation patterns in multi-agent systems
for solving transportation problems. W: Yves Demazeau, Jörg P. Müller, Juan M. Corchado Rodriguez,
Javier Bajo Perez, redaktorzy, Advances on Practical Applications of Agents and Multi-Agent Systems,
vol. 155 Advances in Intelligent and Soft Computing, str. 109–114. Springer Berlin / Heidelberg, 2012.
Jarosław Koźlak. Agentowe modele transportu i ruchu drogowego. Wydawnictwa AGH, 2013.
Wykaz pozostałych cytowanych prac
[A03]
[A11]
[B12]
[B16]
[C01]
[C02]
[C04]
Jarosław Koźlak, Jean-Charles Creput, Vincent Hilaire, Abder Koukam. Multi-agent Environment for Dynamic Transport Planning and Scheduling. W: M. Bubak, G. van Albada, P. Sloot, J. Dongara, editors,
Computational Science - ICCS 2004, 4th International Conference, Krakow, Poland, June 6-9, Part 3, Lecture Notes in Computer Science 3038. Springer-Verlag, 2004.
Anna Zygmunt, Piotr Bródka, Przemyslaw Kazienko, Jarosław Koźlak. Key person analysis in social communities within the blogosphere. J. UCS, 18(4):577–597, 2012.
Mariusz Balawajder, Bartosz Czerwiński, Adam Kudła, Jarosław Koźlak, Małgorzata Żabińska. Agentowy
system soa wykorzystujacy
˛ aukcje do przydziału zadań. Automatyka : półrocznik Akademii GórniczoHutniczej im. Stanisława Staszica w Krakowie, 15(2):61–70, 2011.
Jarosław Koźlak, Sebastian Pisarski, Małgorzata Żabińska. Rozwiazywanie
˛
problemów transportowych
wykorzystujace
˛ metody identyfikacji wzorców sytuacyjnych. Automatyka : półrocznik Akademii GórniczoHutniczej im. Stanisława Staszica w Krakowie, 15(2):255–262, 2011.
Pablo Gruer, Vincent Hilaire, Jarosław Koźlak, Abder Koukam. A Multi-agent Approach to Modeling
and Simulation of Transport on Demand Problem. W: Jerzy Sołdek, Leszek Drobiazgiewicz, redaktorzy,
Artificial intelligence and security in computing systems : 9th international conference, ACS 2002 : October
23-25 2002, str. 119–126. Norwell : Kluwer Academic Publishers, 2003.
Artur Maj, Jarosław Jurowicz, Jarosław Koźlak, Krzysztof Cetnarowicz. A multi-agent system for dynamic
network reconfiguration. W: Vladimír Marík, Jörg P. Müller, Michal Pechoucek, redaktorzy, Multi-Agent
Systems and Applications III, 3rd International Central and Eastern European Conference on Multi-Agent
Systems, CEEMAS 2003, Prague, Czech Republic, June 16-18, 2003, Proceedings, Lecture Notes in Computer Science 2691, str. 511–521. Springer, 2003.
Rafał Dreżewski, Łukasz Dronka, Jarosław Koźlak. Co-Operative Co-Evolutionary System for Solving
Dynamic VRPTW Problems with Crisis Situations. W: V. Mar̆ík, V. Vyatkin, A. W. Colombo, redaktorzy,
Holonic and Multi-Agent Systems for Manufacturing, LNAI 4659, str. 81–92, Berlin, Heidelberg, 2007.
Springer-Verlag.
13
[C06]
[C08]
[C09]
[C10]
[C15]
[C16]
[D06]
[D12]
[D13]
[D14]
[D16]
[D20]
[E05]
[E06]
[E08]
[E13]
Jarosław Koźlak, Grzegorz Dobrowolski, Edward Nawarecki. Agent-Based Modeling of Supply Chains in
Critical Situations. W: Y. Shi, G. D. van Albada, J. Dongarra, P. M. A. Sloot, redaktorzy, Computational
Science—ICCS 2007, LNCS 4488, Berlin, Heidelberg, 2007. Springer-Verlag.
Jarosław Koźlak, Jan Marszałek, Leszek Siwik, Maciej Zygmunt. Selection of efficient production management strategies using the multi-agent approach. W: Proceedings of the 5th international Central and
Eastern European conference on Multi-Agent Systems and Applications V, CEEMAS ’07, pages 343–345,
Berlin, Heidelberg, 2007. Springer-Verlag.
Adam Luszpaj, Edward Nawarecki, Anna Zygmunt, Jarosław Koźlak, Grzegorz Dobrowolski. Ontology
matching in communication and web services composition for agent community. W: Hans-Dieter Burkhard, Gabriela Lindemann, Rineke Verbrugge, László Zsolt Varga, redaktorzy, Multi-Agent Systems and
Applications V, 5th International Central and Eastern European Conference on Multi-Agent Systems, CEEMAS 2007, Leipzig, Germany, September 25-27, 2007, Proceedings, Lecture Notes in Computer Science
4696, str. 337–339. Springer, 2007.
Anna Zygmunt, Jarosław Koźlak, Leszek Siwik. Agent-based environment for knowledge integration. W:
Gabrielle Allen, Jaroslaw Nabrzyski, Edward Seidel, G. Dick van Albada, Jack Dongarra, Peter M. A.
Sloot, redaktorzy, Computational Science - ICCS 2009, 9th International Conference, Baton Rouge, LA,
USA, May 25-27, 2009, Proceedings, Part II, str. 885–894, 2009.
Łukasz Jankowski, Jarosław Koźlak, Małgorzata Żabińska. Contracts negotiation in market environments
taking into consideration the strength of each economic player. W: Yves Demazeau, Michal Pechoucek,
Juan Corchado, Javier Perez, redaktorzy, Advances on Practical Applications of Agents and Multiagent
Systems, vol. 88 Advances in Intelligent and Soft Computing, str. 299–308. Springer Berlin / Heidelberg,
2011.
Dawid Chodura, Paweł Dominik, Jarosław Koźlak. Market strategy choices made by company using reinforcement learning. W: Juan Corchado, Javier Perez, Kasper Hallenborg, Paulina Golinska, Rafael Corchuelo, redaktorzy, Trends in Practical Applications of Agents and Multiagent Systems, vol. 90 Advances
in Intelligent and Soft Computing, str. 83–90. Springer Berlin / Heidelberg, 2011.
Jaroslaw Kozlak, Anna Zygmunt, Adam Luszpaj, Kamil Szymanski. The process of integrating ontologies for knowledge base systems. W: Krzysztof Zielinski, Tomasz Szmuc, redaktorzy, Software Engineering: Evolution and Emerging Technologies, vol. 130 Frontiers in Artificial Intelligence and Applications,
str. 259–270. IOS Press, 2005.
Grzegorz Dobrowolski, Jarosław Koźlak, Edward Nawarecki. Systemy agentowe w zarzadzaniu
˛
sytuacjami kryzysowymi. W: Rozwój informatycznych systemów wieloagentowych w środowiskach społecznogospodarczych. Wydawnictwo Placet, 2007.
Jarosław Koźlak, Edward Nawarecki. Agentowe modele problemów transportowych. W: Rozwój informatycznych systemów wieloagentowych w środowiskach społeczno - gospodarczych. Wydawnictwo Placet,
2007.
Jarosław Koźlak, Anna Zygmunt, Tomasz Grabiec, Anna Pietraszko. Analysis of social data dynamic. W:
A. Bruckner, redaktor, Selected Contemporary Problems of Information Systems, str. 89–101, Katowice,
2009. Polskie Towarzystwo Informatyczne.
Anna Zygmunt, Jarosław Koźlak. Praktyczne elementy zwalczania przest˛epczości zorganizowanej i terroryzmu : nowoczesne technologie i praca operacyjna, chapter Zastosowanie podejścia sieci społecznych
do wspomagania prowadzenia analizy kryminalnej dotyczacej
˛ danych billingowych. Wolters Kluwer, Warszawa, 2009.
K. Cetnarowicz, T. Dyduch, J. Koźlak, M. Żabińska, P. Błaszczyk, M. Niedźwiecki, K. Rzecki, L. Belava,
G. Wa̧chocki, P. Bech, J. Dziedzic, and M. Ptaszek. Soa-based multi-server agent system — application
for integrated rescue action. W: SOA infrastucture tools : concepts and methods. Poznań University of
Economics Press, 2010.
Rafał Dreżewski, Marek Kisiel-Dorohinicki, Jarosław Koźlak. Agent-Based and Evolutionary Planning
Techniques Supporting Crises Management in Transportation Systems. W: A. Dolgui, G. Morel, C. E.
Pereira, redaktorzy, 12th IFAC Symposium on Information Control Problems in Manufacturing (INCOM
2006), volume 1, str. 495–500. IFAC, 2006.
Przemysław Świda, Jarosław Koźlak, Jean-Charles Créput. Modeling and Optimization of City Traffic with
the Agent Approach. W: Information Control Problems In Manufacturing. A Proceedings volume from the
12th IFAC International Symposium. Elsevier Science, 2006.
Jarosław Koźlak, Marek Kisiel-Dorohinicki. Hybrid Island Model of Evolutionary Algorithm for Pickup
and Delivery Problem with Time Windows. In Proceedings of the 4th IFAC Conference on Management
and Control of Production and Logistics. IFAC, 2007.
Jarosław Koźlak, Anna Zygmunt, Edward Nawarecki. Modelling and analysing relations between entities
using the multi-agent and social network approaches. W: J. Dańda, J. Derkacz, A. Głowacz, redaktorzy,
MCSS 2010 : Multimedia Communications, Services and Security : IEEE International Conference : Kraków, 6–7 May 2010 : proceedings, Kraków, 2010.
14
[E14]
[E15]
[E16]
[E17]
[E18]
[E19]
[E20]
[F04]
[F07]
Jarosław Koźlak, Anna Zygmunt. Agent-based modelling of social organisations. W: International Conference on Complex, Intelligent and Software Intensive Systems, CISIS 2011, June 30 - July 2, 2011, Korean
Bible University, Seoul, Korea, str. 467–472. IEEE Computer Society, 2011.
Anna Zygmunt, Piotr Bródka, Przemyslaw Kazienko, Jarosław Koźlak. Different approaches to groups and
key person identification in blogosphere. W: International Conference on Advances in Social Networks
Analysis and Mining, ASONAM 2011, Kaohsiung, Taiwan, 25-27 July 2011, pages 593–598. IEEE Computer Society, 2011.
Krzysztof Cetnarowicz, Jarosław Koźlak, Małgorzata Żabińska. Multi-agent approach for composition and
execution of scenarios based on web services. W: International Conference on Complex, Intelligent and
Software Intensive Systems, CISIS 2011, June 30 - July 2, 2011, Korean Bible University, Seoul, Korea, str.
478–483. IEEE Computer Society, 2011.
Bogdan Gliwa, Stanisław Saganowski, Anna Zygmunt, Piotr Bródka, Przemysław Kazienko, Jarosław Koźlak. Identification of group changes in blogosphere. W: IEEE/ACM International Conference on Advances
in Social Networks Analysis and Mining, ASONAM 2012 Istanbul, Turkey, 26-29 August 2012. IEEE Computer Society, 2012.
Bogdan Gliwa, Jarosław Koźlak, Anna Zygmunt, Krzysztof Cetnarowicz. Models of social groups in blogosphere based on information about comment addressees and sentiments. W: Social Informatics - 4th Int.
Conf., SocInfo, Lausanne, Switzerland, volume 7710 of Lecture Notes in Computer Science, pages 475–488.
Springer, 2012.
Bogdan Gliwa, Anna Zygmunt, Jarosław Koźlak. Analysis of roles and groups in blogosphere. W: Robert Burduk, Konrad Jackowski, Marek Kurzyński, Michał Woźniak, Andrzej Żołnierek, redaktorzy, Proceedings of the 8th International Conference on Computer Recognition Systems CORES 2013, vol. 226
Advances in Intelligent Systems and Computing. Springer, 2013.
Jarosław Koźlak, Sebastian Pisarski, Małgorzata Żabińska. Multi-agent models for transportation problems
with different strategies of environment information propagation. W: Yves Demazeau, Toru Ishida, Juan
M. Corchado Rodriguez, Javier Bajo Perez, redaktorzy, Advances on Practical Applications of Agents and
Multi-Agent Systems, Lecture Notes in Computer Science. Springer Berlin / Heidelberg, 2013.
Wojciech Piekaj, Grzegorz Skorek, Anna Zygmunt, Jarosław Koźlak. Środowisko do identyfikowania wzorców zachowań w oparciu o podejście sieci społecznych. W: T. Morzy, M. Gorawski, R. Wrembel, redaktorzy, Technologie Przetwarzania Danych : II Krajowa Konferencja Naukowa, Poznań, 2007.
Mateusz Bukowski, Jarosław Koźlak, Tomasz Zawada. City traffic modelling and optimisation using agent
environment. W: Proceedings of 7th Conference on Computer Methods and Systems, Krakow, Poland,
November 26-27 2009.
15