1.СППР – людино-машинні об’єкти, які дозволяють особам, які приймають рішення (ОПР), використовувати дані, знання, об’єктивні та суб’єктивні моделі для аналізу і розв’язання слабкоструктурованих проблем.
Слабкоструктуровані задачі – включають як кількісні, так і якісні змінні, причому домінують якісні аспекти.
Неструктуровані проблеми мають лише якісний опис.
2. СППР – комп’ютерна система, яка дозволяє ОПР поєднувати власні суб'’ктивні переваги з комп’ютерним аналізом ситуації при виробленні рекомендацій в процесі прийняття рішень.
Головне тут – поєднання суб’єктивних переваг з комп’ютерними методами.
3. СППР – комп’ютерна інформаційна система, яка використо-вується для різних видів діяльності при прийнятті рішень в ситуаціях, коли неможливо чи небажано мати автоматичну систему, яка повністю виконує весь процес рішення.
Робота колективів, технічних систем управління базується завжди на обміні, обробці інформації та прийнятті рішень, які засновані на аналізі цієї інформації. Для складних систем зростає об’єм інформації, підвищуються вимоги до надійності і оперативності обробки інформації та прийняття рішень.
Розподілені системи підтримки прийняття рішень виконують функції:
- генерують варіанти рішень;
- виконують оцінку та моделюють можливі наслідки рішень, дають можливість обрати кращий варіант з існуючих не на основі досвіду та інтуіції, а на основі формалізованих оцінок та прогнозу результатів;
- дозволяють узгодити групові рішення.
Головне: системи підтримки прийняття рішень допомагають спеціалісту, який приймає рішення, більш чітко сформулювати, дослідити та прийняти обгрунтовану дію (рішення), яке базується на більш глибокому розумінні ситуації.
Конкретна система може виконувати не всі, а частину названих функцій.
Розподілені системи підтримки прийняття рішень складаються з експертних систем, розташованих в зв’язаних між собою вузлах обчислювальної мережі, кожен з яких може незалежно розв’язувати свої частинні задачі, але для розв’язання загальної проблеми ні один з них не має достатніх знань, інформації та ресурсів (чи деяких з них), тобто загальну задачу вони розв’язують лише спільно, об’єднуючи свої локальні можливості та узгоджуючи частинні рішення.
Доцільність застосування розподілених систем:
1. Складні задачі розв’язуються з використанням методів декомпозиціії, не дивлячись на величезні можливості обчислювальної техніки.
2. Сучасні комп’ютерні технології орієнтуються на використання мережових структур, де задачі розв’язуються не централізовано, а розподілено.
3. Технологічні та виробничі процеси є розподіленими (функціонально, територіально, функціонально та територіально) тому й системи управління відповідно розподілені також.
4. Розподілені в просторі системи полегшують обмін інформацією та прийняття узгоджених рішень групами спеціа-лістів.
5.Принцип модульної побудови найкраще реалізується саме в розподілених системах підтримки прийняття рішень.
Таким чином розподілені системи підтримки прийняття рішень (РСППР) дозволяють здійснювати:
- постійний обмін інформацією про ситуацію та можливих рішеннях;
- знаходити локальні оптимальні рішення, отримані шляхом перебору можливих варіантів;
- моделювати наслідки рішень для оцінки їх правильності та ефективності;
- узгоджувати групові рішення.
Варіанти СППР:
1. Рішення приймається в автоматичному режимі в одному вузлі (ЕОМ, система автоматичного чи ручного введення (інформації, засоби візуалізації). Експертна система визначає ситуацію (ідентифікує), приймає та/чи реалізує управління.
2. Рішення приймає спеціаліст, в розпорядженні якого є СППР, а експертні системи пропонують варіанти.
3. Рішення пропонуються різними експертними системами, які є в одному вузлі, але оцінюють ситуацію з різних “точок зору”. Вони можуть запропонувати різні рішення, які корегуються спеціалістам.
4. Рішення пропонуються різними експертними системами, які знаходяться в різних вузлах мережі, але й спеціалісти можуть знаходитись в різних вузлах.
В різних вузлах можуть прийматись різні рішення.
5. Рішення пропонують різні спеціалісти на різних вузлах мережі, і ці рішення необхідно узгоджувати.
6. Можливий варіант, коли різні рішення пропонуються і експертними системами, і спеціалістом - експертом
Варіанти 3-6 – відносяться до розподілених СППР.
Експертні системи – клас інтелектуальних інформаційно-вимірювальних та управлінських систем. Інтелектуальні системи завжди оперують знаннями, тобто замість традиційних технологій накопичення та обробки даних тут використовується технологія накопичення та обробки знань.
Експертні системи (ЕС) відносяться до інтелектуальних комп’ютерних систем і призначені для моделювання (імітації) поведінки досвідчених спеціалістів-експертів при розв’язанні задач з певної предметної області.
Є різні визначення експертних систем, наприклад Комітет Britich Computer Societu:
“ЕС - втілені в ЕОМ компоненти досвіду експерта, засновані на знаннях, в такій формі, що комп’ютер може дати інтелектуальну пораду чи прийняти інтелектуальне рішення відносно розв’язуваної функції. Бажано також, щоб була додаткова властивість (часом саме її вважають головною) – спроможність системи за вимогою пояснити хід своїх міркувань зрозумілим для користувача способом. Все це забезпе-чується в результаті програмування, заснованого на формальних правилах.”
4. Факти і механізми висновків чітко відділені один від одного.
5.ЕС будується так, щоб була можливість поступового нарощування її можливостей (функцій).
6. ЕС заснована на використанні правил.
7. На виході ЕС видає пораду - не таблицю з цифр, не картинки на екрані - а чітку відповідь.
8. ЕС економно вигідна (вимога до її роботи!).
Основні особливості експертних систем (ЕС). При створенні та розвитку ЕС роль програміста змінюється: від розробки детальних процедур до складання переліка – вимог до системи.
Створення, обробка та зберігання масивів знань – виключно трудомісткий процес, для реалізації якого потрібні значний об’єм пам’яті та швидкодія.
Для ЕС характерно:
- наявність еврістичних засобів для формування та перевірки гіпотез і закономірностей;
- використання для спілкування природньої мови;
- можливість аналізувати значні масиви інформації для пошуку елементів, які відповідають певним вхідним сигналам;
- в основі функціонування повинен лежати формальний математичний апарат – різновидність апарату дедуктивних систем (дедуктивна система засновується на базі аксіом та правил висновків, а механізм її функціонування - генерація висновків в алфавіті обраного обчислення);
Основна термінологія ЕС:
- аксіоми та результати обробки дедуктивної системи - факти, які складають вміст бази даних;
- продукційні правила, отримувані від експертів – зміст бази знань;
- спеціалісти по наданню даних та знань – інженери по знанням;
- побудова доведень – міркування;
- обгрунтування шляхів досягнення рішень – пояснення;
- алгоритм для побудови доведень – машинний висновок.
До функціональної схеми (рис.8.4):
Блок спілкування дозволяє вводити та виводити інформацію на природній (для даної професійної області) мові, організує спілкування з користувачем, пропонує йому набір дій і дозволяє зрозуміти припущені помилки.
Блок навчання допомагає недосвідченому користувачу освоїти роботу з ЕОМ в діалоговому режимі, навчає на простих прикладах.
В розв’язувачеві блок попереднього висновку перевіряє принципову можливість отримання факту, формує фактор впевненості в отримуваних фактах. На основі знань із бази знань здійснюється пошук потрібного рішення. В ЕОМ V покоління розв’язувач заміняє програміста і будує програми за словесним описом задачі користувачем.
користувач
Рис.8.4. Функціональна схема ЕС
В базі знань інформація за допомогою спеціальних засобів класифікується, узагальнюється, оцінюється її непротирічність, об’єднуються інформаційні одиниці. В результаті – виникає структурована модель проблемної області, в якій відображені особливості, закономірності та способи рішення задач. Цим всім керує блок підтримки бази знань.
Блок пояснення – один з основних, що виділяє ЕС в окремий клас. Користувач може звертатись до цього блоку із запитанням:
- “що таке Х?”. Тоді ЕС після пошуку в базі зань видає всю наявну інформацію про Х. Часто необхідно отримати логічним шляхом на основі зберігаємих фактів нові факти;
- “як отримано У?”. Користувач бажає ознайомитись з міркуваннями системи при отриманні фактів чи висновків;
- “чому отримано У, а не Z?” – пояснення альтернатив;
- “навіщо потрібен Х?”. Обгрунтування беруться з моделі проблемної області, яка зберігається в базі знань.
Це фактично розподілення праці між користувачем, системним аналітиком, системним та прикладним програмістом і ЕОМ в процесі постановки та розв’язання на ній різних задач.
Рис.8.5. Функціональна модель інтелектуальної системи
1.(I І) – для спілкування системи із зовнішнім середовищем (користувачем) шляхом перетворення текстової, графічної, образної чи мовної інформації у внутрішню форму подання і навпаки. I І синтезує програму для ЕОМ і має два блоки: процесор спілкування і планувач (планировщик).
2.Здійснює постановку задачі та прийняття рішень на основі аналізу тематики вхідного повідомлення та наявних знань. Логічний висновок використовує правила дедукції і факти з бази знань.
3. Формує програму розв’язання задачі з використанням знань про методи її рішення.
4. Виконує запрограмовану обробку інформації
Інтелектуальні можливості системи визначаються базою знань, яка містить:
5. – інформація про принципи взаємодії із зовнішнім середовищем (мови спілкування, способи комунікації, форми подання інформації;
6. – формалізована інформація про навколишній світ (смислові питання, відношення, зразки поведінки, способи формування нових понять);
7.- відображають еврістичний аспект розвитку досвіду системи в розв’язанні задач, включають базу алгоритмів у вигляді процедурно заданих моделей типових рішень, методів доведень, стандартних форм перетворень і інш.
8.- відображають технологічний аспект розвитку системи і містять інформацію про саме операційне середовище – ресурси, способи доступу, принципи взаємодії, алгоритми управління, контролю та відновлення. Наявність структурних знань забезпечують гнучкість і адаптивність системи.
Різновидність інтелектуальних систем – ЕОМ (сьогодні і наступних поколінь), які повинні:
- сприймати усну мову;
- “розуміти” графічний текст, рисунки;
- друкувати з голоса;
- сортувати данні і вибирати з них необхідні для конкретної задачі;
- адаптувати і вдосконалювати власний досвід, програмне забезпечення;
- обирати алгоритми розв’язання і синтезувати необхідні програми за умовами задачі.
Побудова бази знань
База знань (БЗ) спочатку пуста, і інженер по знанням виясняє шляхом опитування спеціалістів – експертів формулювання закономірностей (продукційних правил) та фактів, характерних для досліджуваної предметної області. Це інтерактивний процес і здійснюється він шляхом спроб та помилок. БЗ створюється накопиченням фактологічної інформації, тестуванням створеної ЕС та додаванням нових знань по необхідності.
Документальна
інформація
Перевірка елементної
Збирання нових знань системи
та підготовка
коментарів
Рис.8.6. Схема побудови бази знань
Інженер по знанням повинен вміти:
- отримувати потрібні знання, формувати модель предметної області та підтримувати її при функціонуванні ЕС;
- знаходити в спеціальній літературі необхідні знання;
- обробляти думки експертів, знаходити узгоджені форму-вання, представляти їх в логічному зв’язку і послідовності;
- обирати методи формалізації знань;
- організовувати в БЗ необхідні моделі та підтримувати в робочому стані.
При побудові ЕС формулюється множина правил, які можуть бути неповними чи протирічними, а точно передбачити поведінку системи неможливо, тобто використовуються прийоми еврістичного програмування.
ЕС за призначенням:
- консультаційні (інформаційні);
- дослідницькі;
- управляючі.
За складністю та об’ємом БЗ:
- неглибокі;
- глибокі.
Неглибокі ЕС створюються за короткий час (2-3 місяці) і мають відносно малі БЗ і БД (кілька сотень правил і фактів, причому фактів значно більше). Більшість висновків (заключень) є прямими наслідками інформації з БЗ. Тут, в основному емпіричні знання, не зв’язані з моделями процесів та явищ. Ці ЕС призначені для розв’язання простих задач типу відповіді на запити (технічна інформація).
Глибокі ЕС формують висновки з моделей процесів, які є в БЗ, а модель – набір правил, призначених для пояснення великої кількості даних. Часто знання, отримані з глибоких ЕС, вражають своєю неочевидністю.
ЕС не обов’язково повинна бути глибокою. Наприклад, консультативна медицинська ЕС співставляє за допомогою правил симптоми хвороби з накопиченими в БЗ. Це неглибокі ЕС, але вони працюють швидко, більш точно, ніж люди, і мають переваги у виборі альтернатив.
Відомі ЕС в комп’ютерних фірмах, наприклад ІВМ: ЕС для консультацій з випробувань та ремонту накопичувачів інформації.
запит
консультація
Знання
Рис.8.6. Структура ЕС
Представлення знань в ЕС. При розробці ЕС виконуються етапи:
- концептуалізація (аналіз проблемної області, типів даних, зв’язки між ними, методи розв’язання задач);
- формалізація (способи представлення знань, формалізація понять, методів розв’язання, моделювання роботи системи, оцінка адекватності понять меті, способи маніпулювання даними).
- наповнення бази знань;
- тестування ЕС, перевірка її компетентності;
- дослідна ескплуатація.
Способи подання знань:
- логічні моделі;
- мережові моделі;
- продукційні моделі;
- фреймові.
Для ЕС управління ТП найбільш зручними є фреймові, які використовують каузальні (причинні) сценарії. Це ієрархічна структура знань, наочний опис об’єкта, доступність, можливість використання взаємозв’язків між характерними об’єктами предметної області.
Фрейм – фрагмент знань, який асоціюється із стереотипними ситуаціями і має вигляд структурованих наборів даних. Кожний набір даних - “слот”, який може вказувати на інший фрейм, тобто встановлювати між ними зв’язки. В фреймі можуть бути очікувані параметри ситуації. Ідея фрейма схожа з ідеєю запису при обробці даних: всі атрибути об’єкта зібрані разом в єдиній комбінаційній структурі. Таким чином, фрейм – засіб організації знань.
Для ЕС, які використовуються при управлінні технологічними об’єктами, використовують каузальні сценарії у вигляді фреймо-подібних списочних структур. Сценарій – основна структурна одиниця бази знань, це формалізований опис стандартної послідовності взаємозв’язаних фактів, які визначають типову ситуацію предметної області.
U1
х
U2
а)
МПСУ
U1
U3
U2 х
б)
U1
U4 х
в)
Рис.8.7. Структури автоматичних систем
а) дистанційне управління оператором; б) автоматизоване управління; в) використання ЕС
ТОУ
...... .... .... ..... ....
........... .............
Рис 8.8. Схема предметної області
Каузальність в сценарії: будь-яка попередня дія створює умови для наступної. Використовуються відношення:
n1 – необхідна і достатня причина;
n2 – достатня причина;
n3 – обумовлена причина.
Рис.8.9.
Структура ЕС
Зводяться множини:
- дій чи рекомендацій
D={d1,d2,…,dn};
- конструкцій об’єкта
K={k1,k2,…,kl};
- властивостей конструкцій
E={l1,l2,…,lp};
- ситуацій
W={w1,w2,…,wm};
- управлінь
U={u1,u2,…,uq}.
На множині дій допускаються відношення:
R1 - дія di виконується раніше dj;
R2 - дія di є частиною dj;
R3 - дія di приводить до dj;
R4 - дія di супроводжується dj;
Для БЗ використовується список сценаріїв у вигляді фреймів однакової структури.
КСЦ ім’я(каузальний сценарій)
виконавець;
мета;
порядок дій;
ситуації;
умови;
результати.
Можливі схеми міркувань на сценаріях, які викорис-товуються при висновках
1. В КСЦ слот “мета” має дію d*ÎD, а слот “порядок дій” - список дій (d1, d2...dn). Тоді мають місце відношення:
(di R1 d*)(di n3 d*)(di R2 d*), i=1,n
2.Для кожної дії di слота “порядок дій” виконуються відношення
(di R1 dj), i < j
3.Для значення слота «мета» d*ÎD і значень слота “результати” має місце відношення
(Ui R1 d*), i=1,q
4. Для d*ÎD (слот “порядок дій”) та Ui ÎU (слот “результати”) справедливе відношення
(di R1 Uj)
5.Для кожного di в полі “порядок дій” може існувати КСЦ в полі “мета” якого є di, а в полі “порядок дії” (d1...dn) .
6. Для кожної ситуації w ÎW в слоті “ситуації” та дії (d1...dn) виконується
(Wi n2 dj), j=1,n
7. Якщо для виконання di КСЦ 1 необхідно виконати дії (d1...dn) слота “порядок дій” КСЦ 2, тоді
(dk n3 di),(dk R2 di), k=1,n
БД описує всі необхідні конструкції об’єкта і представлена одноранговою мережею фреймів, кожний з яких має структуру:
- ім’я конструкції (значення);
- ім’я властивості (значення);
- поточне значення (величина);
- номінальне значення (величина);
- одиниці вимірювань (значення);
- допустима різниця (величина).
Приклади сценаріїв БЗ
*Сценарій
КЦЛ Пуск сушильної установки
[Виконавець]
Оператор
[Мета]
Почати процес сушіння
[Порядок дій]
Подати сигнал про пуск
Включити систему вентиляції
Відкрити клапан топочної труби
Почати подачу палива в топку
Включити двигун конвейера сухого вугілля
Включити живильник розвантажувальної камери
.
.
.
.
[Причина]
Розпорядження про пуск СУ
[Умови]
? Чи є дозвіл на пуск
[Результати]
топка – клапан @ закритий
топка – шибер @ відкритий
топка – живильник @ включений
.
.
.
димосос – температура перед @ 100
димосос – температура підшипників @ 40
- КСЦ Зупинка СУ
.
.
.
Процес формування рішення. Етапи:
- розпізнавання ситуації;
- вироблення рекомендацій на основі логічного висновку.
Розпізнавання ситуації – на основі класичної теорії розпізна-вання образів. Образ - структурований наближений опис досліджува-ного об’єкта (явища), причому існує лише часткова визначеність опису як ідентичності, схожості, подібності. При цьому співставлення образів – основна задача розпізнавання та штучного інтелекту в цілому.
Для задач управління ТП розпізнавання образів – це визначення технологічної ситуації та віднесення її до певного класу. В цих задачах немає формалізованого опису та використовується різнородна, в тому числі якісна інформація.
Методи розпізнавання:
- моделі з використанням принципу розділення (R – моделі);
- статистичні моделі;
- моделі з використанням методу потенціальних функцій (П мо-делі);
- моделі обчислення оцінок (Г – моделі);
- методи засновані на алгебрі логіки (Л – моделі).
Основні вимоги до вибору методу – кількість обчислень та час.
Розглянемо модель обчислення оцінок (Г – модель). Постановка задачі:
- дано: множина М об’єктів w і на цій множині існує розбиття на кінцеве число підмножин (класів) Wі, i=1,m, ;
- розбиття визначено не повністю, задана лише деяка інфор-мація I0 про класи Wі.
- об’єкти w задаються значеннями деяких ознак Xj, j=1,n. Сукупність значень Xj визначає опис I(w) об’єкта w.
- кожна з ознак може приймати значення з різних множин допустимих значень, наприклад
{0,1} – ознака не виконана чи виконана;
{0, 1, d-1} – ступінь визначеності ознаки має різні градації, d>2
Опис об’єкта I(w)=(х1(w)...хn(w)), називають стандартним, якщо хj(w) приймає значення з множини допустимих значень.
Тоді задача із стандартною інформацією полягає в тому, щоб для об’єкта w та наборів класів W1...Wm за навчаючою інформацією I0(W1...Wm) про класи та описи I(w) обчислити значення предикатів Рі(wÎWі), і=1,m. Апріорна інформація в задачі розпізнавання з класами, які не перетинаються, може задаватись у вигляді таблиці ТN,M(табл.8.1.)
В основі алгоритмів розпізнавання лежить природній еврістичний підхід – принцип прецедентності, тобто прийняття рішення по аналогії – аналогічних ситуаціях діяти одинаково.
Один з простих алгоритмів передбачає обчислення оцінок на основі частинної прецедентності, а саме: порівняння опису розпізнаває-мого об’єкта I(w/) з описом об’єктів в ТN,M і визначення класу, до якого цей об’єкт відноситься. Рішення виноситься на основі обчислення ступеню подібності розпізнаваємого об’єкта (рядка) з рядками, належність яких до заданих класів відома.
Таблиця 8.1.
Вихідні дані навчання
Об’єкт
Х1
Хj
Xn
Клас
w1
wi
wm
w/
а1,1
аі,1
аm,1
b1
a1,j
ai,j
am,j
bj
a1,n
ai,n
am,n
bn
W1
Wi
Wm?
[1, c.122-150, 5, c.180-200]
Контрольні питання
1. Проблема вибору в складних системах, її риси.
2. В чому полягає вибір на основі критеріїв?
3. Поясніть структуру прийняття рішень з багатоешелонною та багатошаровою ієрархіями
4. Які складові має процес прийняття рішень?
5. Особливості прийняття рішень в умовах визначеності і ризику.
6. Дайте характеристику багатокритеріальних задач прийняття рішень
7. Які згортки критеріїв використовуються при прийнятті рішень?
8. В чому особливість прийняття рішень в умовах невизначеності?
9. Дайте визначення та область застосування систем підтримки прийняття рішень
10. Призначення та склад експертних систем
11. Як відбувається побудова бази знань експертних систем?