Геловани В.А. и др. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях

Подождите немного. Документ загружается.

3.3. Анализ систем поддержки принятия решений 101

Ребро и связываемые им вершины образуют подграф семантической се-

ти,

несущий минимальную с позиций системы знаний информацию —

факт наличия связи определенного типа между соответствующими объек-

тами. Более сложные подграфы семантической сети отображают и более

сложные факты.

При использовании семантической сети для представления знаний

важны классификация типов объектов и вьщеление фундаментальных

связей между объектами.

Одна из разновидностей аппарата семантических сетей связана с кон-

цепцией фрейма. Фрейм можно рассматривать как фрагмент семантиче-

ской сети, предназначенный для описания объекта (ситуации) проблем-

ной сети со всей совокупностью присущих ему свойств. При фреймовом

подходе вьщеляются обобщенные, конкретные и агрегатные фреймы

для представления соответствующих типов объектов проблемной среды.

Фреймовый подход позволяет более последовательно использовать не-

которые важные механизмы представления знаний, и в первую очередь

процедурные знания.

Представляя фреймом обобщенный объект прюблемной среды, мож-

но ассоциировать процедуры с некоторыми свойствами объекта. Посколь-

ку фрейм может представлять часть общей системы знаний, появляется

возможность связывания с ним знаний, полезных для операции со-

поставления. В частности, это могут быть ассоциируемые с фреймом

процедуры, обеспечивающие необходимые для сопоставления преобразо-

вания. Такая возможность применения ассоциированных процедур явля-

ется специфической для фреймового подхода. Известен и ряд других

возможностей использования ассоциированных процедур для фреймов.

Продукционные МПЗ являются удобным и наиболее распространен-

ным средством представления логики принятия решений экспертом в ин-

теллектуальных системах. Посредством таких систем часто определяются

и метазнания, описывающие различные эвристические стратегии напра-

вленного поиска в больших поисковых пространствах. Сочетание семан-

тических МПЗ как средств описания состояний ПО и продукционных

МПЗ,

определяющих возможные преобразования над состояниями, ча-

сто позволяет повысить эффективность интеллектуальных систем по срав-

нению с системами, базирующимися на каком-либо одном формализме

представления знаний. Применительно к открытым и динамически.м

ПО,

а также ориентируясь на реальный масштаб времени функциони-

рования интеллектуальной (экспертной) системы, интерес представляют

функциональные модели, обладающие свойствами асинхронности и ада-

птируемости. Такие модели допускают их модификацию (пополнение,

изменение, удаление продукционных правил) не только на стадии фор-

мирования МПЗ (что свойственно традиционным каноническим систе-

мам продукций), но и на стадии собственно принятия решений (что

является особенностью не полностью определенных или недетермини-

рованных систем). Кроме того, асинхронность продукционных моделей

позволяет их параллельную обработку, что существенно сокращает вре-

мя поиска решения по сравнению с традиционными последовательны-

ми схемами.

102 Глава 3. Методы поиска решений для динамических баз знаний

Современный этап развития интеллектуальных систем характери-

зуется интеграцией методов представления знаний. Основой для такой

интеграции служит концепция объектно-ориентированного программи-

рования.

В объектно-ориентированном программировании программа пред-

ставляется набором активных объектов-комплексов, состоящих из струк-

туры данных и совокупности процедур. Объекты способны выдавать

другим объектам сообщения и принимать от других объектов сообщения,

а также выполнять те или иные манипуляции над структурами данных

в соответствии с принятыми сообщениями. Структурные объекты могут

рассматриваться как фреймы, снабженные ассоциативными процедура-

ми.

Выделяются процедуры двух

типов:

методь! и демоны. Каждый метод

предназначен для обработки сообщений определенного типа и иници-

ируется тогда и только тогда, когда объект получает сообщение этого

типа. Демоны ассоциируются с элементами структуры данных объек-

тов,

которые называются активными значениями. При определенных

операциях доступа к активным значениям и их модификации иницииру-

ются демоны, вызывающие те или иные действия, логически связанные

с выполняемым действием.

При объектно-ориентированном подходе можно реализовать не толь-

ко процедурные методы представления знаний и методы, основанные

на семантических сетях и фреймах, но и логические. Более того, по-

скольку логические утверждения рассматриваются при таком подходе

как объекты, появляется возможность классификации и структуриро-

вания наборов формул, что, по крайней мере, частично компенсирует

недостатки логических моделей представления знаний.

Таким образом, объектно-ориентированный подход следует рассма-

тривать как одну из перспективных основ для построения систем искус-

ственного интеллекта.

Какая модель знаний наиболее эффективно и полно может предста-

вить данную предметную область — является основным соображением

при выборе «пустой» программной оболочки работы со знаниями для

последующего наполнения.

3.3.2.3.

Методы поиска решения

Существующие методы решения задач, используемые в СОЗ, можно

классифицировать следующим образом:

• методы поиска в одном пространстве, предназначенные для работы

в малых областях, статических областях, при полноте заложенной

в СОЗ модели, при полных и точных данных;

• методы поиска в иерархических пространствах, предназначенные для

работы в больших статических областях;

• методы поиска при неточных и неполных данных;

• методы поиска в динамической проблемной области, предназна-

ченные для работы с областями, изменяемыми во времени и(или)

в пространстве;

3.3. Анализ систем поддержки принятия решений 103

• методы поиска, использующие несколько моделей, предназначен-

ные для работы с областями, для описания которых одной модели

недостаточно.

В интеллектуальных системах применяются следующие методы по-

иска решения:

• прямой, обратный или комбинированный (двунаправленный);

• гипотетический довод;

• метод «доски объявлений»;

• логический вывод;

• индуктивный поиск;

• использование «демонов»,

• метауправление;

• достоверный вывод.

Метод поиска решения является одной из наиболее «вербальных» ха-

рактеристик СОЗ, так как его организация существенно зависит от многих

особенностей проблемной среды. Базовыми в настоящее время являются

две стратегии поиска решений: «сверху-вниз» (от целей к посылкам) или

«снизу-вверх» (от посьшок к цели). В то же время, реально в СОЗ обна-

руживаются едва ли не все стратегии эвристического поиска и решения

задач, разработанные в теории искусственного интеллекта.

Гипотетический довод (генерация гипотез) относится к методам ре-

шения, при которых для облегчения выбора может быть сделано одно

или несколько вспомогательных предположений.

Важным методом формирования заключений, который можно найти

во многих СОЗ, является возможность генерации правил или деревьев

решений индуктивно из примеров. Люди-эксперты часто способны сфор-

мулировать свои экспертные оценки в форме примеров гораздо лучше,

нежели в виде правил. Следовательно, методы индуктивного обучения

зачастую являются идеальными методами накопления знаний с целью

быстрого формирования прототипа, где примеры могут быть просто

выражены в форме заключения, связанного с простым нахождением

атрибутов. Процесс получения индуктивного вывода обычно начинается

с одного из входных параметров, для которых ищется дерево, характе-

ризующееся минимальным числом решений, требуемых для получения

заключения.Это «дерево минимальной глубины» находится путем ци-

клического просмотра всех параметров как возможных начальных узлов,

и при этом используется определенный алгоритм для выбора порядка,

в котором должны просматриваться параметры для оставшихся узлов

и для определения того, какие из параметров являются излишними.

Многие СОЗ допускают использование «демонов», которые управляют

локальными значениями и исполняют процедуры, когда появляются

условия, соответствующие этим демонам.

104 Глава 3. Методы поиска решений для динамических баз знаний

ГЛногие СОЗ обеспечивают выбор стратегий принятия решений или

процедур поиска. Такое управление называют мета-управлением. Одной

из форм мета-управления является использование управляющих блоков,

которые предсташ1яют собой общие процедуры, позволяющие системе

определить те действия, которые необходимо выполнить в данной си-

туации с целью сокращения поиска, обеспечивая размещение большого

числа правил в комбинаторно ограниченном пространстве поиска.

Метод «классной доски» используется в классе кооперативных СОЗ,

которые обмениваются распределенной информацией на общей струк-

туре данных, называемой «классная доска». Механизм задания плана

решения может быть использован для облегчения управления решением,

разрабатываемым на классной доске.

В СОЗ логика в общем случае относится к методу доказательства

теорем, включающему унификацию [95]. Унификация — подстановки

переменных, выполняемые таким образом, чтобы сделать два элемен-

та попарно идентичными. Общими логическими реализащшми являют-

ся варианты языка логического программирования PROLOG, который

использует относительно исчерпывающий метод поиска с единичной

глубиной погр^окения.

Поскольку достоверность данных, правил и процедур обычно менее

100%,

то большинство систем включают возможности управления и об-

работки достоверности. Они имеют разнообразные методы объединения

недостоверных правил и информации для определения достоверного зна-

чения для результата. Наиболее общим методом является объединение

коэффициентов уверенности; этот метод представляет собой некоторую

производную от метода, использованного в СОЗ MYCIN

[102].

Исполь-

зуются также нечеткие логические и вероятностные схемы.

Важной характеристикой СОЗ является также степень интеграции

различных моделей и методов поиска Желательна именно полная инте-

грация, поскольку в этом случае все возможности СОЗ могут быть ис-

пользованы на решение некоторой проблемы (если такая необходимость

возникнет). Например, в случае СОЗ, объединяющей продукционную

МПЗ и средства прямого и обратного вывода, может быть применен ком-

бинированный (двунаправленный) поиск, который в случае большого

пространства поиска зачастую эффективнее однонаправленного.

3.3.2.4. Основные возможности интерфейса с разработчиком СОЗ

и критерии его выбора

Под интерфейсом с разработчиком будем понимать весь комплекс

подсистем СОЗ, ориентированный на:

• приобретение новых знаний;

• тестирование содержимого БЗ;

• трассирование и пояснение процесса вывода решения.

Различные СОЗ предоставляют разработчику различный уровень воз-

можностей, которыми он может пользоваться при создании своей СОЗ

или настройке СОЗ на конкретную предметную область. Несложные СОЗ

представляют разработчику жесткие, строго определенные структуры.

3.3. Анализ систем поддержки принятия решений

105

в которые вносятся знания. Более совершенные СОЗ обеспечивают раз-

работчику более широкий выбор возможностей представления знаний,

использование разнообразных стратегий принятия решений. Обеспечи-

ваются также и различные уровни средств отладки наполняемой СОЗ.

На рис. 3.5 показаны возможности интерфейса с разработчиком, которые

могут использоваться в СОЗ.

ФорЕиирование

базы знаний

Экранный piviaicrop

Строчный реда1Сгор

Графический

интерфейс

Возможность

расширения

«ПОМОЩЬ»

Средства

отладки

Редактор базы зшшяй

Графический редактор

Проверка

непротиворечнвснпв

Сннтаксическая

проверка

Графическое представление

Ш, дерева вывода

Управление поиском

Управление доступом

к базе знаний

Приоритеты

«КАК?»

«ПОЧЕМУ?»

«ПОМОЩЬ»

Формирование

интерфейса с

пользователем

Форматирование экрана

Программы

работы с графикой

Описание расшвревия

сискмы

Иллюстративная графика

«ПОМОЩЬ»

Рис.

3.5

106 Глава 3. Методы поиска решений для динамических баз знаний

Процесс приобретения знаний является наиболее сложным этапом

разработки СОЗ. Одна из наиболее сложных задач, для выполнения

которой предназначен интерфейс с разработчиком, заключается в том,

чтобы помочь эксперту структурировать знания о проблемной области.

Средства формирования БЗ в первую очередь должны содержать

подсистемы по редактированию БЗ: это могут быть как средства редак-

тирования текстовой информации, так и средства по занесению в БЗ

и редактированию графической информации. Формирование БЗ с помо-

щью предлагаемых меню упрощает работу разработчика по сравнению

с вводом информации на командном языке системы. Развитые СОЗ

предоставляют возможность разработчику как подключать к СОЗ другие

системы (например, более мощный редактор), так и наращивать СОЗ —

включать новые возможности.

Средства отладки наполняемой СОЗ должны содержать средства

по отладке БЗ (графическое представление взаимосвязей, свободное тек-

стовое и графическое редактирование, синтаксическая и семантическая

проверка, проверка непротиворечивости), по управлению доступом к БЗ

для сокращения времени поиска и доступа, содержать возможность за-

дания приоритетов правилам, предоставлять информацию по запросам

«Как?» («Как достигнуто то или иное заключение?») и «Почему?» («По-

чему выбрано именно это заключение среди альтернативных?»). К числу

важнейших следует отнести возможность отображения дерева вывода

и его корректировки.

Формирование интерфейса с пользователем должно быть удобным

и мощным — должно предоставлять разработчику возможность проекти-

рования совершенного интерфейса с пользователем.

Современные СОЗ обязательно должны обеспечивать возможность

импорта-экспорта данных при работе с различными базами данных (Or-

acle,

Informix, Progres), брать информацию из них и записывать новую.

Возможность вызова внешних профаммных модулей в процессе ре-

шения проблемы также является характерным критерием развитости СОЗ.

3.3.2.5. Основные возможности интерфейса

с конечным пользователем СОЗ и критерии его выбора

Возможности СОЗ во многом определяются ее интерфейсом с ко-

нечным пользователем. На рис. 3.6 показаны возможности интерфейса с

разработчиком, которые могут использоваться в СОЗ. Поскольку боль-

шинство СОЗ реально осуществляет интеллектуальную поддержку, то

интерфейс с конечным пользователем часто проектируется так, что-

бы обеспечить средства интерактивного диалога. Этот диалог и(или)

средства начального ввода с точки зрения пользователя выглядят как

структурированная схема ввода данных типа меню, которая позволяет

пользователю отвечать на запрюсы системы. В некоторых случаях для уве-

личения гибкости системы может быть предоставлена возможность ввода

нескольких или неопределенных ответов пользователя и возможность

делать заключения (путем снижения достоверности результирующих за-

ключений). В сложных системах часто для задания направления рассужде-

ний используются графические средства, когда СОЗ отвечает на вопрос

3.3. Анализ систем поддержки принятия решений

J 07

пользователем

Начальное

сокращение области

решений

пользователем

Несколько решений

I Со^фанение примеров | | Щ

I Отчуждаемость ЭС I 1»

Рис. З.б

пользователя «как?», в более простых системах может быть предоставлен

список правил, которые поддерживаются системой при выводе заключе-

ний. Р1а вопрос пользователя «Почему необходима эта информация?»

СОЗ часто отвечают ссылкой на правило, для которого потребовалась эта

информация. Возможность системы отвечать на вопросы пользователя

«почему» и «как» является важной, поскольку она увеличивает степень

понимания пользователем возможности СОЗ в части принятия решений.

108 Глава 3. Методы поиска решений для динамических баз знаний

Одной из возможностей, часто реализуемых в различных СОЗ, явля-

ется использование средств, которые обеспечивают конечному пользова-

телю возможность выбирать альтернативные значения параметров и на-

блюдать их влияние на результат (эти средства активизируются вопросом

«что если?»). Реализуются также средства, позволяющие пользователю

выполнить начальное сокращение перечня вопросов, так что система

может не рассматривать области, которые пользователь считает неподхо-

дящими или необязательными, могут быть предусмотрены также средства

сохранения примеров для последующего анализа или использования.

Очень сложные СОЗ часто включают средства интерактивной фафи-

ки и моделирования, которые улучшают взаимодействие системы с ко-

нечным пользователем, поскольку пользователь более глубоко начинает

понимать возможности управления, предоставляемые системой.

Также отчуждаемость построенной СОЗ от СОЗ-родителя является

важной характеристикой современных СОЗ.

3.3.2.6.

Классификация функциональных применений

систем

поддержки принятия

решений,

основанных

на знаниях

Одним из основных соображений по выбору оболочки экспертной

системы является то, какой вид практической или функциональной

деятельности может быть достаточно легко реализован с помощью ОСОЗ.

Ниже дается обзор основных функциональных приложений СОЗ:

Классификация. Несомненно, что наиболее общим функциональным

предназначением СОЗ является классификация. Классификация означает

выбор ответа из фиксированного набора альтернатив на основе введенной

информации. Ниже даны некоторые разновидности классификации.

Интерпретация измерений: описание ситуации по информации, по-

ступающей от датчиков Здесь имеется в виду выбор гипотезы, выпол-

ненный на основании данных измерений, и информации, на основании

которой делаются умозаключения. Интерпретирующие СОЗ имеют де-

ло не с четкими символьными представлениями проблемной ситуации,

а непосредственно с реальными данными. Им приходится обрабатывать

информацию зашумленную, недостаточную, неполную, ненадежную или

ошибочную. Здесь необходимы специальные методы реп1:страции ха-

рактеристик непрерывных потоков данных, сигналов или изображений

и методы их символьного представления.

Диагностика: выявление причин неправильного функционирования

системы по результатам наблюдений. При диагностике СОЗ не только

интерпретирует данные с целью определения затруднения, но и просма-

тривает также дополнительную информацию, когда такая информация

помогает ей продолжить линию рассуждений. Такие СОЗ используют

описание ситуаций, характеристики поведения или знания о конструк-

ции компонент, чтобы установить вероятные причины неправильного

функционирювания диагностируемой системы. Диагностические систе-

мы часто }шляются консультантами, которые не только ставят диагноз,

но и помогают в отладке.

3.3. Анализ систем поддержки принятия решений 109

Отладка: сопоставление рецептов испранления неправильного функ-

ционирования системы. Многие существующие отладочные СОЗ работа-

ют с простыми таблицами связей между типами неисправностей и предла-

гаемыми рецептами их исправления, но общая проблема отладки требует

проектирования рецептов восстановления и их оценивания через про-

гнозирование их эффективности. Отладочные системы часто включают

диагностические компоненты для определения причин неисправности.

Ремонт: выполнение последовательности предписанных исправлений

Следует отметить малое количество СОЗ этой области вследствие необ-

ходимости фактического выполнения ремонтных процедур на объектах

реального мира, что затруднительно.

Консультация. Экспертная система может быть достаточно полезна

для неопытного пользователя. Такие СОЗ на основании цели, которую

преследует пользователь и исходя из реальной ситуации, отраженной

в экспертной системе, выдают предположение о том, что делать дальше.

Совет вырабатывается по мере того, как меняется состояние предметной

области.

Обучение: Такие СОЗ подвергают диагностике, «отладке» и исправле-

нию поведение обучаемого. Обучающие системы создают модель того,

что обучающийся знает и как он применяет эти знания к решению про-

блемы. Системы диагностируют и указывают обучающемуся его ощибки,

анализируя модель и строя планы исправления указанных ошибок. Они

исправляют поведение обучающихся, выполняя эти планы с помощью

непосредственных указаний обучающимся.

Проектирование и синтез: построение конфигурации объектов при

заданных ограничениях, или на основе выбора из набора альтернатив.

Интеллектуальная поддержка. Здесь имеется в виду СОЗ, которая в за-

висимости от требований пользователя может давать совет, вьщавать

требуемую информацию из БЗ или выполнять различные подзадачи.

Предсказание. Здесь имеется в виду прогнозирование того, что может

произойти в будущем, на основании имеющейся информации. Такой

ггрогноз может выдаваться либо только на основании экспериментальных

данных, либо этот прогноз может формироваться с использованием

моделей и формул; более динамичные системы могут использовать для

облегчения прогнозирования имитационное моделирование.

Составление расписания. В данном случае имеется в виду упорядочение

по времени заданного набора задач таким образом, что эти задачи могут

быть выполнены с имеющимися ресурсами и без взаимного влияния

одной задачи на другую.

Планирование: выбор наборов действий из сложного набора альтерна-

тив для достижения поставленной пользователем цели. Это более сложная

задача, чем составление расписания. Во многих случаях временные и ре-

сурсные ограничения оказываются недостаточными для удовлетворения

всех поставленных целей.

Диспетчеризация: наблюдение за результирующей ситуацией на осно-

вании предсказанного или предполагаемого ее развития и ее изменение

110 Глава 3. Методы поиска решений для динамических баз знаний

пользователем или системой при замеченном отклонении от ожидаемого

или предпочтительного развития.

Управление. Это комбинация диспетчеризации системы и соответ-

ствующих действий в ответ на данные диспетчеризации для достижения

поставленных целей. Во многих случаях допустимая задержка в ответе

не должна превышать нескольких миллисекунд. В таком случае система

считается системой реального времени. «Реальное время» определяется

как «ответ в пределах допустимого времени задержки» с целью контроля

состояний системы во время работы.

Синтез информации. Экспертная система, выполняющая эту функцию,

может принимать информацию и выдавать новую форму ее организации.

Одним из применений может быть индуктивное определение дерева

решений из примеров.

Изобретение. Изобретение в основном аналогично синтезу информа-

ции, за исключением того, что упор здесь делается на нахождение новых

связей, порядка или идей.

Имеются также и другие функции. Во многих случаях они могут быть

достаточно просто декомпозиционированы из уже описанных функций.

Таким образом, например, проектирование и некоторые другие функции

могут быть часто разбиты на подзадачи, которые могут быть решены

с помощью классификации.

3.3.2.7.

Классификация существующих оболочек систем поддержки

принятия

решений,

основанных

на знаниях,

и их

сравнительный

анализ

Существуют разные подходы к проблеме классификации оболочек

систем поддержки принятия решений, основанных на знаниях (СОЗ).

При классификации существенно — какой фактор или какую груп-

пу фактов принять за точку или систему отсчета. Можно разделить СОЗ

по способам хранения и представления знаний, можно разделить по уров-

ню и степени «интеллектуализации» интерфейса с пользователем и т. п.

Некоторые авторы классифицируют ОСОЗ в зависимости от продолжи-

тельности разработки и прохождения определенных этапов тестирования.

За основу возьмем классификацию оболочек, предложенную

П.

Хар-

мером. В этой классификации СОЗ разделяются по двум факторам,

максимальное количество обрабатываемых и хранимых правил; способ

построения дерева вывода. По количеству обрабатываемых правил ОСОЗ

делятся на малые, средние и большие. К малым СОЗ относятся оболочки

с количеством правил 50-100, к средним — от 500 до 1500, и к боль-

шим — поддерживающие свыше 1500 правил. По способу построения

и организации дерева вывода СОЗ делятся на:

• индуктивные. Обобщают правила из введенных пользователем в ба-

зу знаний примеров. Системы такого рода используют алгоритмы

преобразования примеров в правила и определяют структуру дерева

решения;