автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.17, диссертация на тему:Комбинированный метод обработки недоопределенных знаний в экспертных системах

МИНИСТЕРСТВО НАУКИ И ТЕХНИЧЕСКОЙ ПОЛИТИКИ РОССИЙСКОЙ ФЕДЕРАЦИИ РОССИЙСКИЙ НАУЧНО-ИССЛЕДОВАТЕЛЬСКИЙ ИНСТИТУТ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ И СИСТЕМ АВТОМАТИЗИРОВАННОГО ПРОЕКТИРОВАНИЯ

На правах рукописи

ШАПОТ Марина Дмитриевна

УДК 681.3

Комбинированный метод обработки недоопределенных знаний в экспертных системах

Специальность: 05.13.17 - теоретические основы информатики

Автореферат диссертации

на соискание ученой степени кандидата технических наук

Москва - 1994

Работа выполнена в Российском научно-исследовательском институте информационных технологий и систем автоматизированного проектирования (РосНИИ ИТ и АН)

НАУЧНЫЙ РУКОВОДИТЕЛЬ - доктор технических наук, профессор

Попов Э.В.

ОФИЦИАЛЬНЫЕ ОППОНЕНТЫ - доктор технических наук, профессор

Вагон В.Н. - кандидат технических наук, с.н.с. Рыбина Г.В.

ВЕДУЩАЯ ОРГАНИЗАЦИЯ - Вычислительный Центр Российской Академии

Наук (ВЦ РАН)

Защита состоится 1994 г, в /¿7 часов

на заседании специализированного совета Д 064.48.fl РосНИИ ИТ и АП по адресу: 129090, Москва, ул. Щепкина, 22.

С диссертацией можно ознакомиться в спец. совете РосНИИ ИТ и АП.

Автореферат разослан 1994 г.

' >

Ученый секретарь специализированного совета, доктор технических наук л А.АЛ1трик

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность теми обусловлена возрастающей потребностью в экспертных системах (ЭС). Эти системы позволяют решать неформализованные (НО) задачи, не имеющие эффективных алгоритмических решений, с помощью моделирования рассуждений экспертов. НФ-задачи составляют важный и довольно широкий класс задач в различных сферах научно-технической деятельности и особенно распространены в "описательных" дисциплинах и областях. В тех случаях, когда применение ЭС оказывается возможным, оно обеспечивает значительный экономический эффект, что приводит к стремлению расширить область использования методов ЭС. При попытке применения ЭС для решения новых типов НФ-задач возникли серьезные трудности, одна из причин которых проанализирована в работе. Основным источником мощности ЭС являются экспертные знания, обычно представляющие собой множества эвристических приемов и правил, содержащих не-доопределенность. Методы обработки недоопределенных знаний в ЭС должны адекватно отражать те способы решения задач в условиях неопределенности, к которым прибегают эксперты. Использование неадекватных методов усложняет создание ЭС, приводит к низким темпам разработки и низкому качеству функционирования, нередко - к отказу от использования ЭС.

Знания экспертов могут содержать различные виды недоопределен-ности: неполноту, неточность, нечеткость. НФ-задачи можно подразделить на простые (для их решения достаточно знаний, содержащих только один вид недоопределенности) и сложные (все остальные). Реально сложные НФ-задачи распространены более широко, чем простые, и представляют значительный практический интерес. Нередко расширение базы знаний, используемой при решении простой НФ-задачи, переводит последнюю в разряд сложных. Таким образом, необходимым условием широкого внедрения ЭС в практику является умение решать сложные НФ-задачи.

Существующие методы обработки недоопределенных знаний можно подразделить на количественные и качественные.

Количественные методы позволяют работать с неточными и нечеткими знаниями. В рамках этих методов используются числовые оценки определенности знаний. Вывод основан на общем принципе, согласно которому при вычислении оценки каждого выводимого результата учитывается вклад всех знаний, исходя из которых результат может быть получен. Количественные методы эффективны в тех случаях, когда решение строится на основе неточных или нечетких знаний при отсутствии точных причинно-следственных моделей области. Следует отметить, что эвристический харак-

тер экспертных знаний и ряда количественных методов не позволяет, как правило, создавать методики выбора методов с учетом особенностей конкретных НФ-задач. На практике приходится подбирать подходящий метод, а ото приводит к итерациям в ходе разработки. Каждая итерация оказывается довольно трудоемкой, поскольку требует перепрограммирования ЭС или перехода к новому инструментальному средству.

Качественные методы ориентированы на работу с неполными знаниями. При решении задачи недостающие знания восполняются предположениями, исходя из которых осуществляется логический вывод возможного решения. Качественные методы эффективны в тех случаях, когда удается построить причинно-следственную модель проблемной области (возможно, неполную), причем решение задачи происходит в условиях неполноты исходных данных.

В сложных НФ-задачах используются как причинно-следственные модели, так и неточные и нечеткие знания об исходных данных и отношениях в проблемной области, поэтому для их решения не удается использовать существующие методы. Количественные и качественные методы дополняют друг друга, поэтому целесообразно разработать общий метод, объединяющий достоинства количественных и качественных методов. Кроме того, для упрощения и ускорения процесса подбора количественного подхода к работе с неопределенностью, новый метод должен обеспечивать простую настройку на различные количественные подходы, а также допускать задание нестандартных подходов.

Поскольку количественные и качественные методы основаны на различных принципах решения задач в условиях неопределенности, их объединение требует создания новой модели рассуждений. Большинство используемых на практике ЭС основаны на правилах, что связано с результатами психологических исследований, проведенных Ньюэллом и Саймоном. Подобные 9С базируются на понятии дедуктивной системы, поэтому создание метода обработки недоолределенных знаний требует расширения этого понятия на случай работы с характеристиками определенности формул.

Цепь работы состоит в разработке, исследовании и внедрении комбинированного метода обработки недоолределенных знаний, обеспечивающего обработку различных видов недоопределенности.

Для достижения этой цели были решены следующие задачи:

1. Исходя из анализа видов недоопределенности знаний в ЭС, исследована и разработана модель представления и интерпретации знаний с различными видами недоопределенности; для этого было предложено расширение понятия дедуктивной системы на случай введения характеристик определенности формул.

2. lía основе предложенной модели разработан комбинированный метод обработки недоопределенных знаний, обеспечивающий обработку различных видов недоопределенности и допускающий настройку на различные количественные подходы к работе с неопределенностью.

3. Комбинированный метод реализован в виде программных средств, предназначенных для использования в составе программного обеспечения конкретных ЭС и инструментальных средств создания ЭС. Исследована возможность эффективного использования метода и реализующих его программных средств при решении сложных НФ-задач.

4. Разработаны: методика использования комбинированного метода при создании баз знаний ЭС; методика использования программных средств, реализующих метод, в общем программном обеспечении ЭС и инструментальных средств.

5. Комбинироганкни метод внедрен в инструментальные средства создания ЭС, использован в конкретных системах.

Научная нодиапа работы состоит в:

расширении понятия дедуктивной системы на случай введения характеристик определенности аксиом и выводимых формул, которое обеспечивает общий подход к описанию количественной и качественной обработки недоопределенности в ходе вывода;

разработке на основе предложенного расширения модели комбинированной обработки недоопределенных знаний в ЭС, основанных на правилах, сочетающей настраиваемую количественную обработку с качественной;

создании комбинированного метода, обеспечивающего обработку различных видов недоопределенности и удовлетворяющего всем требованиям, вытекающим из специфики ЭС и особенностей решения сложных НФ-задач.

Практическая значимость работ» заключается в реализации комбинированного метода в виде программных средств, предназначенных для использования в составе программного обеспечения конкретных ЭС и инструментальных средств создания ЭС. Использование комбинированного метода и реализующих его программных средств позволяет применять ЭС для решения сложных НФ-задач. Возможность настройки комбинированного метода на различные количественные подходы к работе с неопределенностью снижает трудоемкость разработки базы знаний за счет упрощения подбора адекватного подхода.

Реализующие метод программные средства включены в инструментальные средства разработки ЭС, в том числе - оболочки ЭКСПЕРТИЗА, ЭКСПЕРТ и НИК. Эти инструментальные средства использовались при создании ряда

ЭС, в том числе следующих: системы анализа аварийных ситуаций изделия СИРЕНА; систем технической диагностики (цифровых вычислительных схем, устройства управления клавиатурой ПЭВМ 1ВМ РС); системы иридодиагностики; систем диагностики и выбора метода лечения сосудистых опухолей; комплекса систем диагностики и выбора метода лечения хронических неспецифических заболеваний легких; системы по оценке состояния гидротехнического сооружения. Указанные инструментальные средства используются более , чем в 50 организациях.

Апробации и публика нки. Основные результаты диссертационной работы докладывались на Республиканской конференции "Проблемно-ориентированные диалоговые системы" (Батуми, 1988), на Всесоюзной научно-практической конференции "Гибридные интеллектуальные системы" (Терскол, 1991), на Всесоюзных конференциях по искусственному интеллекту (Минск 1990, Тверь 1992), на семинарах ДПНТО им. А.С.Попова и семинарах секции по экспертным системам Совета по комплексной проблеме "Искусственный интеллект" при Президиуме РАН.

По теме диссертации опубликовано 9 работ.

Диссертация состоит из введения, четырех глав, заключения, списка литературы и приложения. Основной текст включает 155 машинописных страниц, 15 рисунков и 4 таблицы. Список литературы включает 97 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы работы, формулируется основная цель, новизна и практическая значимость. Указывается, что выносится на защиту.

В первой главе рассмотрена проблема обработки недоопределенных знаний при решении НФ-задач. .....

В разделе 1.1 обоснована важность и актуальность этой проблемы. Даны определения видов недоопределенности знаний (неполноты, неточности и нечеткости), введены понятая простых и сложных НФ-задач и показано, что необходимым условием широкого внедрения ЭС в практику является умение решать сложные НФ-задачи.

, В наиболее распространенных на практике ЭС, основанных на правилах, недоопределенность знаний приводит к необходимости построения , выводов решений на базе некоторого расширения понятия дедуктивной ' системы на случай работы в условиях неопределенности. Показано, что используемый способ расширения и основанный на нем метод обработки недоопределенных знаний определяют способы представления и интерпрета-

ции этих знаний при выводе решений, что используемый в ЭС метод оказывает принципиальное влияние на функционирование всех компонентов ЭС и на качество работы системы в целом.

В настоящее время существует несколько подходов к работе с неопределенностью и, следовательно, методов обработки недоопределенных знаний, обладаюпщ различными областями эффективного применения. Эвристический характер многих количественных методов, а также итеративность процесса разработки ЭС приводят, как правило, к необходимости подбора адекватного метода. Переход к новому методу требует, в общем, изменения всех компонентов ЭС, а также базы знаний разрабатываемой системы. Этот переход сопровождается перепрограммированием ЭС или выбором нового инструментального средства. В том и Другом случае объем требуемых изменений велик, что существенно снижает темпы разработки ЭС. Таким образом, недоопределенность знаний оказывает существенное влияние на темпы создания и развития (модификации) ЭС.

Исходя из тогй, что метод обработки недоопределенных знаний должен обеспечивать создание ЭС высокого качества при высоких темпах разработки и модификации, а также из необходимости решения сложных НФ-задач, в разделе 1.2 сформулированы требования к методам обработки, применяемым в ЭС. При выдвижении требований учитывались: характеристики ЭС, по которым оценивается качество их функционирования; результаты проведенного выше анализа процесса разработки ЭС; способы и приемы решения сложных НФ-задач, к которым прибегают эксперты. Сформулированы следующие требования.

1. Обработка различных видов недоопределенности знаний.

2. Множественность результатов, выводимых в условиях неопределенности, т.е. получение всех возможных или всех наиболее правдоподобных (значимых) вариантов решения задачи.

3. Получение оценок определенности вариантов решений.

4. Ясность, прозрачность метода и возможность построения объяснений для конечного пользователя.

5. Возможность снижения неопределенности промежуточных результатов в ходе решения задачи;

6. Возможность неточного задания оценок определенности.

7. Решение задач в условиях неполноты исходных данных с возможностью последующего уточнения результатов.

8. Эффективность реализации метода.

9. Настраиваем ость-метод а на особенности решаемых задач и используемые способы представления и интерпретации знаний.

10. Открытость метода, т.е. возможность подключения нестандартных подходов к работе с неопределенностью.

11. Проблемная независимость метода.

В разделе 1.3 проведен сравнительный анализ существующих методов обработки недоопределенных знаний в ЭС, а также рассмотрены лежащие в их основе подходы к работе с неопределенностью. Используемые подходы и основанные на них методы подразделяются на количественные и качественные. Среди количественных рассмотрены методы, основанные на теории вероятностей, теории Демпстера-Шафера, теории возможностей, нечеткой логике и теории подтверждений. Среди качественных рассмотрены методы построения решений в альтернативных пространствах.

Проведенный анализ показал, что ни один из методов не удовлетворяет выдвинутым требованиям в полном объеме, поэтому возникает необходимость в создании нового метода. Поскольку количественные и качественные методы дополняют друг друга с точки зрения требований, сделан вывод о том, что новый метод должен объединять количественную обработку с качественной.

В разделе 1.4 сформулирована цель работы и определены способы ее достижения. Поставлена задача разработки, исследования и внедрения в практику комбинированного метода обработки недоопределенных знаний, обеспечивающего обработку различных видов недоопределенности, сочетающего достоинства качественных и количественных методов и допускающего настройку на количественные подходы к работе с неопределенностью.

Вторая глава посвящена разработке математических основ комбинированной обработки недоопределенных знаний.

В разделе 2.1 для наиболее распространенных на практике систем, основанных на правилах, рассмотрена модель обработки точных знаний М0. Знания о характеристиках предметной области представляются с помощью атрибутов, а знания об отношениях - проблемных правил, описывающих способы нахождения значений одних атрибутов (целевых) по значениям других. Проанализированы виды и источники недоопределенности знаний, которые могут возникать в рамках модели М0. Недоопределен-ность может относиться к знаниям о предметной области и к знаниям о способах решения задач. В первом случае возможна недоопределенность знаний: об отдельных характеристиках области - значениях атрибутов (неточность - значение атрибута известно лишь с точностью до некоторого подмножества его области определения; нечеткость - значение атрибута задается нечетким понятием, а для решения задачи требуется точное значение; неполнота - значение не известно); о состоянии области в целом (вследствие недоопределенности значений атрибутов). Во втором случае

возможны: неточность правил (для некоторых состояний предметной области не удается точно указать значение целевого атрибута правила); нечеткость (для некоторых состояний можно указать только нечеткое значение целевого атрибута); неполнота (для некоторых состояний это значение неизвестно).

В разделе 2.2, исходя из проведенного анализа, построена модель комбинированной обработки недоопределенных знаний в ЭС, основанных на правилах, М,. В этой модели объединены качественная обработка, заключающаяся в построении альтернативных решений исходя из некоторых предположений, и количественная, состоящая в вычислении оценок определенности получаемых результатов и настраиваемая на различные количественные подходы к работе с неопределенностью. Для представления недоопределенных знаний вводятся характеристики (оценки определенности и идентификаторы альтернативных решений) значений атрибутов и проблемных правил. Предложено расширение понятия дедуктивной системы. В этом расширении с каждой формулой связывается некоторая характеристика ее определенности СЬ^), а с каждым правилом вывода Я - некоторый оператор.^, позволяющий вычислять характеристику, выводимого результата по характеристикам посыпок правила. Каждая формула, в общем случае, может быть выведена различными способами с различными характеристиками. Для получения итоговой характеристики вводится операция Ф - объединение свидетельств. Пусть ^¡.СЬ^^ (Ы<п) - аксиомы,

К).....- правила вывода, С=1»|.....- множество формул. Обозначим:

С1)кс(2[()=Гк(СЬ(й1).....С11^к)) при - множество всех совокуп-

ностей формул из С, к которым применимо Е. Выводом называется последовательность:

^.СЬ^К ^п+ЛпмК - ^пнА^пн)* (О

где 0=1.....р1.....И);

сь(еп+0 = © сьКк,с(?п+;) (¡=1.....1).

к е С е 1^1,..¿п+Н!*0

В предложенном расширений понятия дедуктивной системы не вводятся ограничения на природу характеристик (качественные или количественные), а также на стратегию построения вывода.

Расширенная модель комбинированной обработки имеет вид:

М, = < А, Аа, УА, к, ¥, £, Е, БК >, (2)

где А - множество атрибутов; Аа - множество альтернативных атрибутов (А'сА) для построения альтернативных решений; УА - множество властей определения атрибутов; к - функция оценивания определенное-: .

ти значений атрибутов и проблемных правил; Р - множество функций проблемной области; Р - множество предикатов проблемной области; Е -множество проблемных правил; БР - компонент настройки на количественные подходы.

Знания о состоянии предметной области представляются в виде совокупности альтернативных пространств - описаний классов состояний, образующих разбиение множества всех возможных состояний в соответствии со значениями альтернативных атрибутов. Выбор альтернативных атрибутов из А определяется особенностями решаемой задачи. В рамках каждого класса состояние предметной области описывается совокупностью недоопределенных значений атрибутов. Недоопределенное значение атрибута А представляется множеством вида: 1к(у):уеУА!. В зависимости от используемого количественного подхода к работе с неопределенностью оценка может представлять собой вероятность, фактор уверенности и т.д. Выделяется два способа оценивания определенности: оценивание существования (кд(у) характеризует определенность того, что в реальном мире А=у); оценивание целесообразности (кА(у) характеризует определенность того, что выбор у в качестве значения А обеспечит получение требуемого результата). Оценки определенности всех значений вычисляются в предположении, что состояние реального мира относится к тому классу, в рамках которого эти оценки получены. С классами состояний также связываются оценки определенности, получаемые исходя из оценок альтернативных атрибутов, характеризующих эти классы. Решение задачи сводится к выводу недоопределенных значений для заранее указанных атрибутов во всех возможных пространствах, а также получении оценок определенности для этих пространств.

Недоопределенные связи в М| описываются правилами вида:

"ЕСЛИ С(А1,...^), (3)

ТО С ОПРЕДЕЛЕННОСТЬЮ к А^А,.....АК)",

где условие применимости С(А1,...ДМ) задается правильно построенной формулой исчисления предикатов, не содержащей кванторы (подразумевается, что переменные, которыми являются имена атрибутов, связаны квантором всеобщности), а способ вычисления значения целевого атрибута задается Функциональным выражением или константой (возможно, недоопределенной).

Для снижения недоопределенности промежуточных результатов предлагается использовать правила-ограничения, которые задаются точными условиями, накладывающими ограничения на значения альтернативных атрибутов.

В разделе 2.3 сформулированы задачи количественной обработки.

Для этого рассмотрены различные виды недоопределешшх связей между атрибутами, с учетом способа оценивания, и указано их описание в терминах расширенного понятия дедуктивной системы и, более удобное на практике, в терминах правил модели М(. Зто позволило выделить набор функций, используемых в ходе вывода для вычисления оценок определенности. Реализация функций определяется выбранным количественным подходом и, следовательно, для настройки на каждый подход достаточно задать описания этих Функций.

При рассмотрении видов связей выделены следующие случаи.

1. Оценивание существования для целевого атрибута, принимающего точно одно значение - задается группой правил. В случае целевых атрибутов, принимающих числовые значения, получается правило, задающее неточные вычисления.

2. Оценивание существования для целевого атрибута, который может иметь несколько значений.

3. Оценивание целесообразности для всех видов атрибутов.

4. Правила нечетких рассуждений.

В разделе 2.4 сформулированы задачи качественной обработки, которая предназначена для поддержки вывода нескольких альтернативных решений задачи, представляемых альтернативными пространствами. В М[ с каждым значением атрибута, выведенным с некоторой оценкой определенности, связывается качественная характеристика, называемая поддержкой. Она представляет собой список идентификаторов пространств, в которых выведен этот результат. Для идентификации пространств используются те значения альтернативных атрибутов, которые не удалось вывести точно и которые были приняты в этих пространствах как предположения. Подобное представление, использованное в системе ATMS, обеспечивает минимальность и корректность идентификаторов, а также простую их обработку при выводе.

Применение каждого проблемного правила сопровождается поиском общей поддержки для всех посыпок правила и приписыванием этой поддержки результату (fR в терминах расширенного понятия дедуктивной системы). Если выведенный результат был ранее получен с другой поддержкой, строится объединение поддержек (©). В работе приведено описание fR и ©, рассмотрена обработка противоречивых пространств. Указаны способы вычисления оценок определенности пространств.

В альтернативных пространствах могут решаться различные типы задач, Рассмотрены типы, выделяемые на основе следующих факторов: количество реально возможных пространств (удовлетворяющих правилам-ограничениям); требования к виду получаемого решения; наличие дополни-

тельных метаограничений на допустимые пространства, позволяющих фокусировать поиск решения. Исходя из выделенных типов определены возможные стратегии аффективного решения задач в альтернативных пространствах: поддержка вывода без оценивания определенности значений (А); поддержка вывода во всех пространствах с оцениванием определенности значений (В); поддержка вывода в пространстве с наибольшей текущей оценкой определенности (С).

В третьей главе разработан комбинированный метод, основанный на модели М|. В разделе 3.1 приведено общее описание метода, в разделе 3.2 - алгоритмы решения задач количественной обработки, а в разделе 3.3 - качественной. Функциональная схема комбинированной обработки приведена на рис. 1.

В ходе приобретения знаний ^етод обеспечивает компиляцию фокусирующих метаограничений и, если это предусмотрено разработчиком, отсечение противоречивых контекстов. Ограничения задаются в виде конъюнкций простых ограничений вида: контекст решения содержит некоторое заданное значение альтернативного атрибута (а-значение); ограничение на количество предположений (а-значений) в контексте решения; порог для оценок определенности контекстов; значение некоторого указанного альтернативного атрибута должно быть наибольшим/наименьшим или выведено с наибольшей оценкой определенности. Компиляция метаограничений направлена на построение минимального непротиворечивого ограничения. Отсечение противоречивых контекстов осуществляется построением вывода в режиме стратегии А.

Перед началом вывода проводится настройка на количественные подходы к ' работе с неопределенностью, а также режим качественной обработки. Настройка на количественный подход заключается в указании некоторого стандартного подхода, реализованного в методе, или описании нестандартного. Описание подхода состоит в задании способов вычисления всех функций количественной обработки (ФКО), указанных в главе 2. В методе реализованы наиболее распространенные подходы к работе с неточностью: теория подтверждений, эвристическое расширение, байесовского подхода и теория Демпстера-Шафера. Настройка на режим качественной обработки заключается в установке стратегии (режима поддержки) А, В или' С.

В ходе вывода применение каждого правила сопровождается: вычислением оценки определенности результата по оценкам определенности посылок правила в соответствии с текущим количественным подходом, а также нахождением качественной характеристики (поддержки) выведенного значения. Рассмотрены алгоритмы 'вычисления оцёйок для всех виде-

Применение правил нечетких раседидений

Неточные вычисления

9X01

; фКОп

Разработчик ЭС 1

Коялиляцяя знаний -1-

ремении

Настройка на количественные подходы

Рабочая паяять}

Обцение с конечный пользователе»

База знаний

Ксшкдяция

фокдсирзвцих

яетаограничений

Настройка на рвш качественной обработки

Режив А

Режкв В

—[Реш с!

I_I

Просяотр и яодификациа] паияти контекстов !

Снихение числа !

альтернативных реаений!

Построение объяснений

Конечный пользователь

Рис. Ь Функциональная схена коябянированной обработки недоопределенных знаний

ленных в главе 2 видов недоопределенных связей. Для дискретных целевых атрибутов (случай 1) реализованы методы, основанные на теории вероятностей, теории Демпстера-Шафера и теории возможностей. Для правил с неточными вычислениями реализован подход, основанный на теории возможностей с заданием неточных величин с помощью множеств уровня. В условии может задаваться конъюнкция простых условий, построенных с использованием предикатов "равно", "не более" и "не менее". Для наиболее' распространенного случая - линейное выражение в правой части - реализован алгоритм нахождения недоопределенного числового значения целевого атрибута. В остальных случаях вычисление основывается на использовании интервальных функций. Допускается расширение метода за счет подключения новых функций. Для случаев 2 и 3 реализовано 6 стандартных подходов, а также допускается задание нестандартных. В правилах нечетких рассуждений (случай 4) в условии допускается конъюнкция простых условий вида "В есть С", где С - нечеткое подмножество области определения атрибута В. Реализован алгоритм нахождения нечеткого значения целевого атрибута на случай задания нечетких подмножеств с помощью множеств уровня.

Разработаны алгоритмы нахождения поддержек для предложенных стратегий, а также алгоритмы вычисления оценок определенности контекстов.

При объяснении получаемых результатов обеспечивается не только выдача информации о состоянии рабочей памяти (текущих результатах и имеющихся1 контекстах, суммарных оценках определенности полученных результатов), но и формирование рекомендаций по снижению неопределенности решений: какой альтернативный атрибут (или значение альтернативного атрибута) из перечисленных следует уточнить, чтобы в наибольшей степени снизить количество альтернативных пространств. 8та информация необходима для проведения тестирования в задачах диагностики.

Показано, что комбинированный метод удовлетворяет всем требованиям, сформулированным в главе 1. Для достижения наибольшей эффективности метода необходимо учитывать особенности реальной задачи при выборе стратегии вывода в альтернативных пространствах, а кроме того использовать метаограничения - например, на оценки определенности пространств.

В четвертой главе рассматривается реализация комбинированного метода в виде программных средств, внедрение в инструментальные средства разработки и в конкретные ЭС.

В разделе 4.1 описаны программные средства, реализующие метод

и включающие 7 подсистем: компиляции фокусирующих метаограничений, обработки сложных правил, обработки правил с неточными вычислениями, обработки простых правил, обработки нечетких правил, поддержки качественной обработки, выдачи рекомендаций по снижению неопределенности промежуточных результатов. Разработаны две версии программных средств. Первая реализует метод полностью и предназначена для использования на ЕС ЭВМ; реализована на языке программирования Лисп в виде библиотеки символьных модулей, общий объем - 284 Коайта. Вторая версия предназначена для использования на ПЭВМ типа IBM PC XT/AT, реализована в виде библиотеки объектных модулей на языке программирования Си, общий объем - 134 Кбайта. Во второй версии реализована настраиваемая количественная обработка, а также режим С качественной обработки, что вызвано ограниченностью вычислительных ресурсов ПЭВМ.

В разделе 4.2 проанализированы типовые приложения методов ЭС (интерпретация, прогнозирование, диагностика, проектирование, планирование и управление) и наиболее часто применяемые в них стратегии решения задач. Показано, что комбинированная обработка позволяет успешно применять методы инженерии знаний в тех случаях, когда усложнение постановки задачи приводит к ухудшению качества ЭС или невозможности ее использования в рамках чисто количественных или качественных методов.

Рассмотрено экспериментальное исследование комбинированного метода и реализующих его программных средств на тестовой задаче по принятию решений в критической ситуации при обнаружении сброса химического вещества. Решение получалось тремя методами: количественным байесовским, качественным и комбинированным. Комбинированный метод обеспечил получение решений при наиболее полной постановке задачи, при этом потребовался наименьший объем базы знаний: 365 правил для комбинированного метода, 415 для количественного и 398 для качественного. Объем требуемой оперативной памяти составил: для комбинированного метода - 920 Кбайтов, для количественного - 860 Кбайтов, для качественного - 900 Кбайтов. Среднее время решения задачи составило 17.30 мин. для комбинированного метода, 21.27 мин. для количественного и 32.50 мин. для качественного....... .

Рассмотрен опыт использования комбинированного метода в создании медицинских приложений и показано, что в каждом случае проводился подбор количественного подхода к работе с неопределенностью, причем обычно рассматривалось 2-4 варианта. Настраиваемость метода позволила провести разработку ЭС без трудоемкого перепрограммирования.

В разделе 4.3 приведена методика использования комбинированной обработки лри создании базы знании 9С, ориентированная на экспертов и инженеров по знаниям; приведена методика включения программных средств, реализующих комбинированную обработку, в программное обеспечение ЭС и инструментальных средств. Расширение программных средств за счет определения новых нестандартных количественных подходов к работе с неопределенностью, а также новых функций неточных вл делений, осуществляется с помощью диалоговой программы INSTALL.

В разделе 4.4 рассмотрено внедрение комбинированного метода и реалиэуяют его программных средств в настраиваемые оболочки ЭС -системы ЭКСПЕРТИЗА, ЭКСПЕРТ и комплекс НИК. В системе ЭКСПЕРТИЗА (ЕС ЭВМ), предназначенной для создания глубинных ЭС с большим объемом баз знаний, используется первая версия программных средств; в качестве основного количественного подхода к работе с неопределенностью принята теория подтверждений. В системе ЭКСПЕРТ (IBM PC), предназначенной для разработки эффективных ЭС в относительно несложных облй^лх, используется вторая версия программных средств; в качестве основного количественного подхода принят байесовский. В комплексе НИК (IBM PC), позволяющем создавать ЭС на основе поверхностных и глубинных знаний в статических и динамических областях, использованы обе версии программных средств.

Перечисленные инструментальные средства использованы при создании ряда ЭС, 7 из которых рассмотрены в работе. Система ЭСАД предназначена для анализа аварийных ситуаций, возникающих лри работе телемонитора СИРЕНА. Система СОНЭТ предназначена для диагностики цифровых вычислительных схем в случае одиночной ошибки. Комбинированный метод и реализующие его программные средства были использованы в системе диагностики одиночных неисправностей в устройстве управления клавиатурой IBM PC. Система ГЕМ предназначена для. диагностики и выбора метода лечения гемангиом в области лица и шеи. Комплекс систем по диагностике и выбору методов лечения хронических неспецифических заболеваний легких представляет собой справочное средство для врача-практика, а также может использоваться в обучении. Система ИРИД предназначена для проведения диагностики по' иридолотческим признакам во время диспансеризации. Система ПЛОТИНА разработана для контроля состояния гидротехнического сооружения.

В Сршжшш приведено описание способов обращения к подсистемам средств комбинированной обработки.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Исходя из анализа видов недоопредепенности знаний в экспертных системах, разработана и исследована модель представления и интерпретации знаний с различными видами недоопределенностн, позволяющая сочетать количественные и качественные подходы к работе с неопределенностью. Для решения этой задачи было расширено понятие дедуктивной системы на случай введения характеристик определенности формул.

2. На основе предложенной модели разработан комбинированный метод обработки недоопределенных знаний, обеспечивающий работу с различными видами недоопределенностн и допускающий настройку на различные количественные подходы к работе с неопределенностью. Метод удовлетворяет всем требованиям, вытекающим из специфики экспертных систем и особенностей сложных неформализованных задач. Комбинированный метод позволяет: обрабатывать неточность, нечеткость и неполноту знаний; использовать стандартные и нестандартные количественные подходы к работе с неопределенностью; осуществлять неточные и нечеткие вычисления при решении задач; получать альтернативные варианты решения задачи и оценки определенности этих вариантов; поддерживать три различные стратегии вывода альтернативных решении, что позволяет учитывать особенности решаемых задач.

3. Метод реализован в виде программных средств комбинированной обработки. Средства могут использоваться в составе программного обеспечения как конкретных экспертных систем, так и инструментальных средств разработки экспертных систем, способы представления знаний в которых могут быть описаны в терминах расширенной модели. Средства реализованы в виде совокупности подсистем, которые могут использоваться в полном объеме или частично, а также допускают расширение. Это позволяет учитывать особенности конкретных областей приложения и доступные вычислительные ресурсы.

Реализованы 2 версии средств: для ЕС ЭВМ на языке программирования Лисп и для ПЭВМ типа IBM PC на языке программирования Си. Первая версия средств включает 284 Кбайтов символьных модулей, вторая-134 Кбайта объектных модулей. Для расширения средств в каждой версии реализована диалоговая программа INSTALL.

4. Проведено исследование комбинированного метода на тестовой задаче по формированию решений в критической ситуации. Показано, что использование комбинированного метода обеспечило более эффективное решение задачи и повышение качества рекомендаций системы за

счет адекватной обработки недоопределенных знаний.

5. Проанализирован опыт использования количественных настраиваемых методов" при создании реальных систем медицинской диагностики. Показано, что- во"'всех случаях'возникала необходимость гп"одбора количественного подхода в рамках одного и того - же способа' представления знаний. Использование настраиваемой количественной обработки позволило сократить трудоемкость и сроки создания" систем за счет исключения этапа переноса баз знаний на новые инструментальные средства.

6. Разработана методика использования комбинированного метода при создании базы знаний экспертной системы, определяющая порядок настройки метода на тот или иной стандартный количественный подход, способ задания нестандартных подходов й порядок использования различных стратегий качественной обработки для повышения эффективности вывода решений.

7. Разработана методика использования средств комбинированной обработки при создании программного обеспечения экспертных систем. Определены способы включения средств в программное обеспечение, а также порядок их расширения.

8. Комбинированный метод и реализующие его программные средства внедрены в инструментальные средства разработки экспертных систем, в том числе - оболочки ЭКСПЕРТ, ЭКСПЕРТИЗА и НИК, а также в конкретные экспертные системы и в частности: систему ЭСАД, предназначенную для анализа аварийных ситуаций телемонитора СИРЕНА; системы технической диагностики СОНЭТ (поиск неисправностей в цифровых вычислительных схемах) и поиска одиночных неисправностей в устройстве управления клавиатурой ПЭВМ IBM PC); систему- ИРИД для проведения иридодиагностики !в"ходе' диспансеризации; систему' ГЕМ, предназначенную для диагностики и выбора методов лечения гемангиом; комплекс систем по диагностике и выбору методов лечения хронических неспецифических заболеваний легких; систему ПЛОТИНА по оценке состояния гидротехнического сооружения. Потенциальный годовой экономический эффект от использования программных средств комбинированной обработки в системе ЭСАД составляет 124.4 тыс.руб., а годовой экономический эффект от использования комбинированного метода и реализующих его программных средств в системе ЭКО - 29.3 тыс.руб. в ценах до 1992 г.

СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Шапот М.Д., Попов Э.В., Кирсанов Б.С. Опыт разработки и использования настраиваемых оболочек экспертных систем. - В кн.:

Труды респ. конференции "Проблемно-ориентированные диалоговые системы".- Батуми: 1988, кн.1, с.173-177.

2. Шаг.от М.Д., Бакланов В.М., Уткин A.B. Представление знаний

в системе ЭКО. - Экспертные системы на персональных компьютерах. Материалы семинара - М.: МДНТП, 1989, с.48-52.

3. Шапот М.Д. Экспертные системы: вывод решений в условиях неопределенности. - Технология проектирования интеллектуальных систем. Материалы семинара. - М.: МДНТП, 1989, с.48-51.

4. Шапот МЛ Вывод решений в условиях неопределенности в системе ЭКО. - Экспертные системы на персональных компьютерах. Материалу семинара- М.: МДНТП, 1989, с.52-56.

5. Шапот МЛ, Бакланов В.М., Кирсанов Б.С., Попов Э.В., Уткин A.B. ЭКО - средство построения экспертных систем. - Труды второй всесоюзной конференции по искусственному интеллекту. Выставка. - Минск, 1990,

6. Шапот МЛ, Кирсанов Б.С. Система ОБЕЗБОЛИВАНИЕ/ЭКСПЕРТ. -В кн.: Искусственный интеллект, кн.1, Системы общения и экспертные системы: Справочник/ под ред. Попова Э.В. - М.: Радио и связь, 1990, с.394-399.

7. Шапот М.Д. Разработка проблемно-ориентированных оболочек экспертных систем на основе системы ЭКО. - Тезисы докладов Бессоюзной научно-практической конференции "Гибридные интеллектуальные системы", ч.1., Терскол, 1991,с.61-63.

8. Шапот М.Д., Бакланов В.М., Кирсанов Б.С., Попов Э.В., Уткин A.B. Экспертная оболочка ЭКО 3.4. - Труды третьей конференции по искусственному нтеллекту, т.1. - Тверь, 1992, с.174-177.

9. Изделие ЭКСПЕРТ. АТЛ 00071-01 31 01. Описание применения. -М.: НИИ "Восход", J988.

с.35-38.

Рази. 88 ЗЕЗ.

ii.02.54