Удк 321. 3 Использование экспертных систем при построении моделей компоновки блоков1
|
| УДК 321.3 ИСПОЛЬЗОВАНИЕ ЭКСПЕРТНЫХ СИСТЕМ ПРИ ПОСТРОЕНИИ МОДЕЛЕЙ КОМПОНОВКИ БЛОКОВ1 В.В. Курейчик, П.В. Сороколетов Предлагается гибридная модель, основанная на сочетании фреймового, продукционного, объектно-ориентированного и реляционного подходов к представлению знаний в сочетании с элементами нечеткой логики и механизма «правил активации».Основное назначение модели соответствует концептуальному моделированию объектов интеллектуальных САПР на этапах создания быстрого прототипа и ранних стадиях исследовательского варианта экспертных систем. Разработана инструментальная программная система КРИС (Конструктор Разработчика Интеллектуальных Систем). Это позволило повысить качество проектирования систем – на – кристалле. Введение Развитие технологии экспертных систем (ЭС) в интеллектуальных САПР приводит к появлению ЭС класса "Личный консультант" [Саймон, 2004; Попов, 1996a; Попов, 1995b; Осипов, 1997; Микони, 1999; Джексон, 2001; Дейт, 2001; Уотермен, 1989; Попов, 1990c] Это стимулирует рост потребностей в экспертных знаниях (ЭЗ) как товарном продукте. При этом возможности индустрии знаний по-прежнему определяются способностью инженеров знаний извлечь ЭЗ в процессе неформального диалога с экспертами предметной области. Процедуру работы инженера знаний упрощенно можно представить как итерацию, состоящую из двух шагов [Попов, 1990c; Аверкин А.Н. и др., 1990; Тарасов, 2002; Сороколетов, 1990; Попов, 2004d]. Накопление знаний в САПР в диалоге с экспертами и их вербальное описание; перевод вербальных знаний на один из языков инженерии знаний, реализующий подходящий формализм представления, и проверка модели предметной области на адекватность. В настоящее время существует достаточно большой выбор оболочек ЭС и языков, отражающих различные формализмы представления. Характер указанной процедуры и инструментов моделирования задач САПР, в частности, компоновки блоков ЭВА, ставит ряд эпистемологических и психолингвистических проблем, которые: затрудняют адекватное представление знаний в САПР и снижают продуктивность работы инженера; представляются разрешимыми на сегодняшнем уровне развития когнитивных наук. Среди таких проблем укажем: 1. Проблема стереотипа. Выбор средств моделирования в САПР происходит не только на основе особенностей задачи, но и за счет влияния субъективного фактора. «Предпочтительное» средство навязывает стереотипные формы мышления инженера и - через терминологию, язык - негативно воздействует на эксперта – носителя знаний предметной области. 2. Проблема огрубления. Любая формализация вербальных знаний приводит к огрублению исходных понятий и неизбежна для каждой модели представления. Так, например, переход от Аристотелевой общей логики, характерной для устных форм интервьирования и обладающей полнотой в смысле Гёделя, к логике предикатов, характерной для продукционных моделей ЭС, означает утрату полноты представления знаний [Уотермен, 1989]. «Экспертное знание» обладает также рядом свойств, которые выделяют его из общего понятия «знание». При использовании распространенных моделей представления теряются важные подмножества данных свойств. Обе проблемы взаимосвязаны и требуют создания гибридных моделей представления, выступающих в роли «хорошего стереотипа», адекватно отражающего основные характеристики ЭЗ. Авторы проанализировали вопросы раскрытия понятий «знание» и «экспертное знание» во взаимосвязи друг с другом и установили ряд конституирующих признаков. Предлагается построение модели ЭС инженером знаний в сфере САПР. Это позволяет строить эффективные интеллектуальные САПР (ИСАПР) с ЭС. ^ Термины проблемной области в САПР редко соответствуют тем понятиям, которые использует эксперт. Эксперт пользуется специальным языком. Эксперт, как правило, не использует в рассуждениях многочисленные свойства реальных объектов САПР, а пользуется обобщенными характеристиками, не имеющими прямых физических аналогов. Экспертным знаниям присуща ограниченная когнитивная сложность: эксперт обычно не использует сложных правил; взаимодействие между фрагментами знаний, по-видимому, ограничено. Экспертные знания носят объектно-ориентированный характер. Значительная роль (особенно в задачах проектирования) принадлежит познанию через отрицание по типу "это не есть Х", где свойства понятия (класса понятий) Х определены явно. Для любого фрагмента ЭЗ, в какой бы форме оно не выступало, имеется граничное условие его применимости. Контекст указывается двояко: посредством умолчания и диапазона ожидания (свойств объекта, значений параметра). Диапазон при этом выступает, как правило, в виде списка значений, связанных отношением "И"/"ИЛИ", либо нечеткого множества. Эксперт пользуется гибкой стратегией «разделяй и властвуй» (разбиения общей проблемы на подзадачи и перехода от подзадачи к подзадаче). Гибкость заключается в изменении стратегии решения в зависимости от хода решения; именно это позволяет избегать полного перебора вариантов. Эксперт не пользуется сложными отношениями между понятиями в САПР. Объединение фрагментов ЭЗ в целостную структуру происходит, в основном, двумя способами: за счет установления прямых ассоциативных связей по типу «это относится к Х»; посредством имплицирования некоторых фрагментов экспертных знаний. Чем выше квалификация эксперта, тем большую размерность имеет его личная матрица импликаций. Следует отметить, что перечисленные признаки экспертных знаний вписываются в понятие «персональный конструкт» практически в том виде, как оно (понятие) было сформулировано в области экспериментальной психиатрии в работах Дж. Келли [Kelly, 1955]. С учетом данных признаков предлагается построение модели ЭС инженером знаний в сфере САПР. ^ Предлагается гибридная модель, основанная на сочетании фреймового, продукционного, объектно-ориентированного и реляционного подходов к представлению знаний в сочетании с элементами нечеткой логики и механизма «правил активации». Одной из распространенных моделей представления знаний в ИСАПР, и в экспертных системах (ЭС) в частности, является фреймовая модель [Попов, 1996a; Попов, 1995b; Осипов, 1997; Микони, 1999; Джексон, 2001; Дейт, 2001; Уотермен, 1989; Попов, 1990c; Попов, 1990c; Аверкин А.Н. и др., 1990] Данный подход позволяет реализовать базу знаний (БЗ) как надстройку над любой современной реляционной СУБД (MS SQL, Oracle, MySQL, FoxPro и др.), сочетая ее возможности с интеллектуальной обработкой данных на основе механизма фреймов. Здесь каждый фрейм представляется отдельной функцией. Имя фрейма соответствует имени функции, а его значение, определенное в процессе означивания фрейма - возвращаемому функцией значению. Целевые слоты моделируются параметрами функции, начальные слоты - локальными переменными, описанными внутри тела функции. Определяемые слоты могут описываться двумя способами. Активации фрейма соответствует вызов функции. Иерархические связи между фреймами различных уровней организуются путем подстановки функции, моделирующей субфрейм, в качестве параметра функции родительского фрейма. Здесь допустимы не только древовидные иерархии, но и сети фреймов с циклическими участками. Наследование свойств фрейм-моделей достигается автоматически при соблюдении следующих принципов описания слотов: слоты фрейма, выражающие наследуемые его субфреймами свойства, должны описываться переменными в теле головной функции-фрейме. В субфреймах данные имена не должны декларироваться в качестве переменных. При условии их определенности в родительском фрейме, данные слоты-переменные становятся доступны также в любом субфрейме. Модель является основой разрабатываемого языка инженерии знаний KRIS (Knowledge Representation Instrumental System) и представляет собой следующее. Экспертные знания представляются в виде совокупности поименованных сетей фреймов. Фрейм можно представить как: (ИМЯ_ФРЕЙМА, коэффициент_использования, время_последнего_ использования, указатель_сети, КУ, (имя_слота_1, параметр_типа_1, параметр_типа_2, параметр_типа_3, тип_диапазона, метод_получения, запрос_текст, (значение_1 КУ1, значение_2 КУ2, ... ), (умолчание_1 КУ1, умолчание_2 КУ2, ... ), (элемент_диапазона_1 КУ1, элемент_диапазона_2 КУ2, ... )), (имя_слота_2, ... )), ... ))) Для каждого слота, таким образом, помимо основного значения указываются значение по умолчанию и допустимый (ожидаемый) диапазон значений, представляющие собой отношения с двумя атрибутами: элементом значения и коэффициентом уверенности (КУ). Для всех слотов устанавливаются три признака типа слота. Параметр_типа_1 указывает на тип слота как параметра подзадачи: начальный (I), целевой (G), определяемый (D). Параметр_типа_2 задает тип списка элементов значения слота: И-список (А), ИЛИ-список (О), нечеткое множество (S). Параметр_типа_3 определяет тип элементов данного списка. Допустимы следующие типы элементов: Процедуральные типы: R - правило-продукция, A - правило активации, P - присоединенная процедура, F - вызов функции, значение которой берется в качестве элемента слота. Специальные типы: X - ассоциативная ссылка на фрейм (подсеть), U - неопределенный элемент, его атрибуты типа определяются в момент нахождения значения. Типы элементов данных: I - целое число, D - действительное число, C - произвольная символьная строка, L - логическое значение (true, false), V - «регистровые» переменные; служат в роли «почтовых ящиков» для прямого обмена между фреймами (сетями) и для связи с числовыми моделями ПО. B - ссылка на БД: отношение (таблица) внешней реляционной БД, представляющее значение слота.
Функционирование модели происходит следующим образом. Процедуральные слоты определяют локальные законы поведения фреймов как объектов и законы их взаимодействия. Первое реализуется посредством (R, P, F)-слотов, второе - посредством (V, B, A)-слотов. R-слоты представляют собой наборы правил-продукций традиционного вида IF- THEN-ELSE, параметрами которых выступают активные фреймы и их отдельные слоты. Активным назовем фрейм, включенный в список кандидатов на вычисление G-слотов при помощи специального механизма активации, являющегося частью машины вывода рассматриваемой модели. На R-правила наложен принцип ограничения взаимодействия. R-правило может изменять значения только слотов того фрейма, в котором оно описано. А-слоты представляют собой наборы продукций с консеквентом специального вида THEN activate(<ФРЕЙМ>), где <ФРЕЙМ> - имя фрейма, активируемого специальной функцией активации [Микони, 1999; Сороколетов, 1990]. Описанный таким образом фрейм представляет персональный конструкт в смысле Дж. Келли [Kelly, 1955], локальное поведение которого определяется присоединенными к нему наборами R-правил, и который может (в зависимости от состояния задачи) имплицировать другие конструкты. Описывая различные условия в А-правилах, можно явным образом программировать стратегию решения задачи, а указывая А-слоты в качестве определяемых и целевых - проектировать изменение стратегии в процессе решения задач ИСАПР. Для реализации последней возможности в машину вывода могут быть встроены специальные функции конструирования А-правил. Фреймовая модель основана на принципе фрагментации (кластеризации) знаний [Микони, 1999]. При решении задач САПР они в основном используются для компоновки блоков с высокой размерностью. При представлении таблицы в виде фрейма поля записи являются его полями. Например, фрейм – коммутационная схема данных запишется следующим образом (табл.1). Таблица 1.
Здесь под параметрами понимается число блоков ЭВА, критерием является суммарное число внешних связей между блоками. С помощью такого фрейма можно описать любую реальную локальную ситуацию компоновки. Использование аппарата разработанных ссылок позволяет реализовать любые сложные модели представления знаний в САПР путём детализации любых фреймов [Микони, 1999; Аверкин и др., 1990]. Тогда в слот вместо номера схемы можно поместить ссылку на список схем. Аналогично можно детализировать любой слот. Фрейм-прототип задаётся совокупностью фреймов-примеров. Основной механизм вывода во фреймовых моделях – это сопоставление. Если фрейм содержит слот «RuleSet:» (множество правил), то при обращении к этому фрейму при обработке правил его вычисление прерывается. Далее начинается реализация правил, находящихся в слоте «RuleSet:». Если при их реализации устанавливается значение этого фрейма, то производится возврат к точке обработки модели представления, из которой пришли во фрейм. Если в правилах фрейма есть имя другого объекта со слотами RuleSet:, то управление передаётся на него и т.д. [Микони, 1999; Сороколетов, 1990]. Например, приведём запись фрейма со слотом «RuleSet:» Name: Действие выбор алгоритма компоновки Long Name: Действие алгоритма по разбиению графовой модели на части Type: Текст алгоритма RuleSet: /*Эти правила определяют действия пользователя, ЭС или алгоритма, выполняемые в неблагоприятной ситуации разбиения: IF при разбиении графа IS не происходит минимизации суммарного числа внешних рёбер THEN действие оператора IS перейти на другую схему поиска оптимальных решений разбиения графа на части с минимизацией суммарного количества внешних ребер. Машина вывода включает в себя три основные компоненты: прямой и обратный вывод на локальных наборах продукций, задаваемых R-слотами; механизм вывода и активации для наборов А-правил; общая стратегия управления моделью, представляется следующим алгоритмом: 1. В сети фреймов-конструктов выделяются целевые. Это конструкты с нулевым рангом импликации, т.е. фреймы, которые не активируются ни из каких других фреймов сети. Данные целевые фреймы описывают структуру требуемого решения задачи экспертизы. Они активируются и образуют список 0-го уровня активации. 2. Если значения всех G-слотов для текущего уровня активации известны, то возврат к предыдущему уровню активации. 2.1. Если уровень нулевой, то решение достигнуто, конец вывода, переход к шагу 4; иначе переход на шаг 3. 3. Запуск механизма (1) для R-слотов активных фреймов текущего уровня активации в порядке убывания приоритетов фреймов. 3.1. Если значения всех G-слотов определены, то возврат к предыдущему уровню активации, переход на шаг 2.1, иначе переход: 3.1.1. Включить в список текущего уровня активации все фреймы, ассоциированные с целевыми посредством X-слотов, если таковые есть или не были рассмотрены ранее переход к шагу 3. 3.1.2. Иначе запуск механизма (2) и переход на следующий уровень активации переход на шаг 3. 4. Конец работы алгоритма. Заключение Отметим две особенности предлагаемой модели представления ЭЗ, связанные с реализацией и использованием. Списки значений слотов и фреймы могут быть представлены в виде составных отношений с именем <ИМЯ_ФРЕЙМА> и соответствующими атрибутами. Аналогично можно рассматривать и сети. Это позволяет реализовать различные варианты данной модели в среде любой реляционной СУБД. Основное назначение модели соответствует концептуальному моделированию объектов ИСАПР на этапах создания быстрого прототипа и ранних стадиях исследовательского варианта ЭС. Описанный способ моделирования фреймов применен при создании инструментальной программной системы КРИС (Конструктор Разработчика Интеллектуальных Систем) [Сороколетов, 1990]. Это позволило повысить качество полученной топологии при разработке систем – на – кристалле. ^ [Саймон, 2004] Саймон Г. Науки об искусственном// М.: Эдиториал УРСС, 2004. [Попов Э. В. и др., 1996a] Попов Э. В. Статические и динамические экспертные системы// М.: Финансы и статистика, 1996. [Попов, 1995b] Попов Э.В. Экспертные системы реального времени// Открытые системы. №2(10), 1995. http://kiryushin.boom.ru/docs/esrv.htm. [Осипов, 1997] Осипов Г.С. Приобретение знаний интеллектуальными системами// М.: Наука, 1997. [Микони, 1999] Микони С.В. Взаимодействие БЗ и системы выбора// Интеллектуальное управление: новые информационные технологии в задачах управления М.: Наука,1999,с.68-72. [Джексон, 2001] Джексон П. Введение в экспертные системы// М.: Издательский дом «Вильямс», 2001. [Дейт, 2001] Дейт К. Введение в системы баз данных// (седьмое издание) М.: Вильямс, 2001. [Уотермен, 1989] Уотермен О. Руководство по экспертным системам// М.: Мир, 1989. [Попов, 1990c] Попов Э.В.Искусственный интеллект: В 3 кн. Кн. 1. Системы общения и экспертные системы. Справочник / Под ред. Э.В. Попова. М.: Радио и связь, 1990. [Аверкин и др., 1990] Аверкин А.Н. Приобретение и формализация знаний. Искусственный интеллект. М.: Радио и связь, 1990. [Тарасов, 2002] Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. М.: Эдиториал УРСС, 2002. [Сороколетов, 1990] Сороколетов П.В. Модель представления знаний как стереотип мышления инженера знаний - разработчика экспертной системы// Экспертные системы в научных исследованиях, автоматизации проектирования и производства. Материалы II Всесоюзного научно-технического семинара. М.: МФ ЦИПК, 1990, с.12-19. [Попов, 2004d] Попов Э. В. Общение с ЭВМ на естественном языке. М.: Эдиториал УРСС, 2004. [Kelly, 1955] Kelly G. The Psychology of Personal Constructs. Vols 1 and 2. Norton, New York, 1955. 1 Работа выполнена при частичной финансовой поддержке программы развития научного потенциала высшей школы 2006-2008 годы (проекты РНП.2.1.2.2238, РНП 2.1.2.3193) |
Похожие:
 | Удк 681. 518: 658. 386 Тарасюк А. П., Спасский А. С Использование генетических алгоритмов в экспертных системах диагностики уровня качества подготовки специалистов | | Осуществление эмоционально-волевой регуляции учебной деятельности при обучении математике Именно поэтому современная психология и педагогика ориентированы на изучение психических явлений, установление их закономерностей... |
| Тема: «Использование электронно-логических элементов при проектировании интеллектуальных систем управления» Автор: Валеев Линар Специальность: «Автоматизация технологических процессов и производств» 3курс Научный Милованов А. С Тема: «Использование электронно-логических элементов при проектировании интеллектуальных систем управления» | | Формирование математических моделей систем Этапы формирования моделей Разработка любой математической модели (в том числе модели электромеханической системы) состоит из следующих этапов |
| Использование онтологий в экспертных системах и системах поддержки принятия решений Загорулько Ю. А., Загорулько Г. Б Использование онтологий в экспертных системах и системах поддержки принятия решений | | Удк 658. 153: 334. 7 Управление оборотными средствами предприятия с применением экономико-математических моделей карпычева Е. Ю В статье рассмотрена эффективность использования оборотных средств на основе построения экономико-математических моделей. Данная... |
| Удк 658. 153: 334. 7 Управление оборотными средствами предприятия с применением экономико-математических моделей карпычева Е. Ю В статье рассмотрена эффективность использования оборотных средств на основе построения экономико-математических моделей. Данная... | | Логико-алгебраические спецификации имитационных моделей агентно-ориентированных систем Зинкина Н. С. Логико – алгебраические спецификации имитационных моделей. // Проблемы информатики в образовании, управлении, экономике... |
| Удк 004. 81 Система поддержки принятия решений на основе нечетких когнитивных моделей «игла» Рассмотрены архитектура и функциональные характеристики многопользовательской системы поддержки принятия решений на основе нечетких... | | Создание экспертных систем средствами пролога Экспертные системы (ЭС) это сложные программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и... |