автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.11, диссертация на тему:Метод формирования гибридных моделей и инструментальный комплекс для построения экспертных систем

О г 1 I а

ТСМСКИЙ ПОЛИТЕХНИЧЕСКИ! УНИВЕРСИТЕТ

На правах рукописи УДК 610.66

СШШЧ Мария Иэтроша

К5ЕТ0Д ФОРМИРОВАНИЯ ГИБРИДНЫХ НОДШШ' К ШШТРЭТШГГАЛЬШЙ КОШИЕКО ДЛЯ ПОСТРОЕНИЯ ЭКСПЕРТНЫХ СИСТЕМ.

Специальность 05.13.11 - матйматпчесноэ и программное оОвспвчвниэ ва'шслительшх машн й систем.

АВТОРЕФЕРАТ диссвртации на соискание ученой степени кандидата тэхнпчоскпх наук

Томск - 1Э94

Работа выполнена в НИИ автоматики и электромеханики при

Томской государственной радиоэлектроники.

академии

систем

управления и

Научный руководитель:

- академик WAP35, доктор технических наук, профессор Тарасенко Владимир Петрович

Официальные оппоненты;

- член-корр, РАТН, доктор технических наук, пр<~>фессор Ца. лаков Юрий Поликарпович

- кандидат технических наук, ст.н.с. Ходашинский Илья Александрович

Ведущая организация: Сибирский, информационно-

вычислительный центр СО РАН

Защита состоится " 23" 1994 г. в ¿Г часов на

заседании Специализированного Совета Д.0С3.80.03 в Томском политехническом университете по адресу: 634004, Г. Томск, ул. Советская 84.

\

С диссертацией мокно познакомиться в ОиОлиотике Томского политехнического университета.

Автореферат разослан -У/- н _ 1994 Г.

Ученый секретарь Специализированного Совета к.т.н., доцент

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Экспертные системы (ЭС) получили в последнее время широкое распространение, особенно в таких областях, как медицина, психология. Центральное место при построении экспертных систем занимают метода и модели представления знаний. Выбор метода представления знаний и, в тог.? числе, разработка нового зависит от класса решаемых задач.

Среди задач, решаемых с помощью экспертных систем, выделяется класс, так называемых, задач доопределещш, к которым относятся задачи с неполной и неточной информацией о предметной области. Цель решения таких задач - выбор из множества альтернативных текущих состояний предметной области того, которое адекватно исходным данным. К этому классу, в частности, относятся задачи интерпретации и диагностики, в которых по некоторым первичным характеристикам, снимаемым с диагностируемого объекта определяется соответствуйте заключение о состоянии объекта, диагноз.

К рассматриваемому классу задач доопределения можно отнести п задачи выбора оптимальных вариантов, в которых из множества альтернативных текущих состояний предметной области (вариантов) нужно выбрать то, которое соответствует целевому состоянию, задаваемому в виде совокупности критерия выбора и ограничений.

Чаще всего для задач доопределения используется продукционное представле1ше знаний. Однако оно имеет ряд недостатков,, особенно существенных для задач поиска оптимальных решений.

Один из возможных путей преодоления этих недостатков -структуризация знаний, например, на основе функциональной • сети. При этом необходима разработка некоторой смешанной формы представления знаний, позволяющей недостатки -одного языка восполнить достоинствами другого.

Еще одна причина для создания новых смешанных форм представления знаний - необходимость совмещения в рамках одной модели как семантических, эвристических знаний, так и традиционных математических моделей, т.е. формирования гибридных моделей. Методы формирования гибридных моделей являются еще слабо разработанными.

Цель работы. Целью диссертационной работы является разработка:

- метода построения гибридной модели представления знаний на основе функциональной сети;

- языка представления знаний для формирования баз знаний на основе гибридных моделей;

- алгоритмов поиска решений, в том числе оптимальных, на гибридных моделях;

- инструментальной системы построения экспертных систем, использующих гибридные модели для описания предметной области;

- экспертной системы для массовой экспресс-диагностики состояния зрения;

- прототипа психодиагностической системы оценки лидерских качеств.

Метода исследования. Для выполнения работы используются: методы инженерии знаний, метода построения экспертных систем, математическая логика, метода нечеткой логики.

Научная новизна. Научной новизной в диссертационной работе обладают следующие результаты:

- метод формирования гибридных моделей ' представления знаний на основе сети зависимостей параметров;

- язык ФСП (фреймы на сети параметров) для формирования баз внаний на основе гибридных моделей предметных областей;

- алгоритмы прямого и обратного вывода на сети параметров для решения задач интерпретации и задач выбора оптимальных вариантов.

Практическая ценность и реализация результатов. Полученные научные результаты реализованы в виде конкретных методик, моделей, алгоритмов, программ, експертных систем.

Результаты конкретного внедрения:

1. Разработана инструментальная проблемно-независимая ¡экспертная система (оболочка) ЗСИСП, реализованная на ПЭВМ типа Ш РС ХТ/ДТ. Система используется для научных исследований и в учебной процессе в ряде ВУЗов Москвы, Томска.

2. Разработана автоматизированная обучающая система "Экспертные системы" на базе ЭСИСП. ДОС внедрена на кафедрах ДОИ, ОАСУ И на ФПК ТИАСУРа (г.Томск) в учебный процесс.

3. Создана промышленная экспертная система "Тест-зрение" для массовой экспресс-диагностики состояния зрения. Распространяется, как коммерческий продукт. Система использовалась для обследования состояния зрения у учащихся средней школы Ä32 г.Томска.

4. Разработан прототип вкспертной системы оценки лидерских качеств по результатам тестирования.

Перечисленные внедрения подтверждены соответствующими актами.

Апробация работы. Результаты работы неоднократно докладывались на различных конференциях и семинарах, в том числе на:

- III региональной научно-практической конференции "Молодые ученые и специалисты народному хозяйству", г.Томск, 1980;

- I Всесоюзной научно-технической конференции "Синтез и проектирование многоуровневых систем управления, т.Барнаул, 1982;

- Всесоюзном научно-практическом семинаре "Прикладные аспекты управления сложными системами", г.Кемерово, 1983;

- IV региональной научно-практической конференции "Молодые ученые и специалисты народному хозяйству", г.Томск, 1983;

- республиканском семинаре "Опыт и проблемы разработки территориальных АСУ", г.Томск, 1983;

- V региональной научно-практической конференции "Молодые ученые и специалисты - ускорению НТП", г.Томск, 1986;

- III Всесоюзной конференции "Проблемы и метода принятия -решений в организационных системах управления", Москва Звенигород, 1988;

- Всесоюзной конференции "Территориальные неоднородные информационно-вычислительные системы, г.Новосибирск, 1988;

- Всесоюзной научно-технической конференции "Человеко-машинные системы и комплексы принятия решений", Таганрог, 1989;

- Всесоюзном совещашш по экспертным системам, Суздаль, 1990.

Системы ЭСЙСП и "Тест-зрение" экспонировались в течение

1991-1993 г.г. на ряде российских и международных выставок» в том числе: "Комтек-91" (г.Москва), "Сибирская ярмарка" (г.Новосибирск, Омск), "Балтийская ярмарка" (г.Рига), "Комтек-93" (г.Москва), "Международный компьютерный форум" (г.Москва).

Публикации. По теме диссертации опубликовано 14 печатных работ.

Структура и о&ьеи работа. Диссертация состоит из введения, четырех глав, заключения и пяти приложений, список литературы содержит 109 наименований.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ.

В первой главе содержится анализ существующих моделей представления знаний, используемых в инженерии знаний для создания вкспертных . систем. Делается вывод о необходимости разработки смешанной формы представления знаний для создания гибридных моделей предметных областей.

Построение гибридной модели начинается с описания предметной области. В качестве основной информационной единицы для описания используются параметры (характеристики, атрибуты) двух типов: лингвистические переменные и обычные, количественные. Обозначим множество параметров через X = (х). Каждому параметру х соответствует множество его значений (домен): в,- { а;, ч;, ... а; ).

Для количественных параметров домен задается просто интервалом изменения значений. Для лингвистических переменных формируется терм-множество лингвистических значений, в том числе в виде "нечетких" множеств.

Состояние моделируемого объекта для ' некоторой конкретной ситуации задается совокупностью фактов, каждый из которых представляет собой пару "параметр - текущее значение": < х , <3| >. Для задания фактов используется предикат Р((х - "параметр х.( принимает значение х«Х,

Тогда текущее состояние объбкта задается совокупностью: & * >'.

где Х..Х,, ... х„ < X, ^«Ю,. ... (£„60..

Это вкстенсиональная компонента модели.

Выделим во множестве параметров X подмножество, так называемых, "базовых" параметров (х У с X, значения которых не зависят от других. Это первичные, непосредственные характеристики о&ьекта. Остальные параметры непосредственно или опосредованно ваьисят от базовых. Среда небазовых параметров выделим подшо5зство "целевых" параметров (х )с с X.

Если задать отобрааешш базовых параметров в целевые Г: Ц )в — 1х)с, ¿о язбоо состояние обгокта мокет задаваться только значеюшш

базовых параметров, соответствующие значения же целевых параметров определяются с помощью отображения.

Отображение Г есть интенсионвл, отражающий закономерности и связи (логические, количественные, причинно-следственные и другие)' между параметрами. В предлагаемом методе построения гибридных моделей отображение базовых параметров в цэлэвна будем задавать совокупностью функциональных отношений мэвду параметрами, структура которых задается с помощью однородной семантической сети.

Сеть параметров представляет собой ориентированный граф баз циклов и петель, вершинами которого являются параметры, а лугами -отношэ1шя зависимости. В истоках соти располагаются базовые параметры Ц >в, в стоках - целевые параметры }с. Медку ними находятся промежуточные параметры. Кааднй узел сети может иметь любое коночное количество входящих и исходящих дуг.

Формально сеть связей L описывается о помощью прэдшсата Рг (х ) - "пераметр х непосредственно зависит от параметра х*:

ь = < и ' -» РЕ(х5,хг) а Р,(хг,х5) & ...>.

Для описания сети достаточно каждому небазовому параметру х^ХЧЦ)" сопоставить мношство:

{ ж ! Р.(х ,х.) ).

I ' ^ I

Ir-сеть фиксирует структуру зависимостей мэкду параметрами. Она задает как бы "каркас" модели. Затем для кавдого узла сети формируются семи зависимости в виде совокупности правнл-продукшй либо аналитических формул.

Для записи правила будем пользоваться предикатами: Pt (х., н Р8 (х, g[) - "параметр х принимает некоторое значение из области При этом Ps(x, gj) s Ц € ej (Р, Ц»

Пусть некоторый параметр х9 непосредствэюю зависит от параметров х(, х., ... хл, т.е. выполняется:

И - P,(VV & & ... & PjK'V

функциональная зависимость параметра х0 от х,, х,,... х0 «.f (х,^. ... х„) записывается с помощью совокупности правил:

Р.Ц.ф & р,(х,,е() » ... & P.^.ef) -р,ц.£> & р,(х1>8;) & ... & р8(х,££) р, (х0,ф

Р5(х,^) & Р.СХ,,^) & ... & Р.цх> -

Смысл этих правил следующий: если параметр х, принимает вначениа в области ^ и параметр хг - в области и т.д., то вначение параметра хо будет (к = Т7т).

.Область значений ^ может задаваться формулой вида: 4 = ( а; V V < V ...). Б втом случае имеет место:

Таким образом, мы тлеем дело с конъюнктивными системами продукций, в которых используются хорновские выражения:

( Р., & И, & ... - Н ), где В. - предикат или хорновский дизъюнкт.

- Для параметров, принимающих непрерывные количественные .значения область ¿с может задаваться формулой вида:

а( ^ х. « Ь( V аг « х « Ьа V ... где а1, Ьк - числовые константы или текущие значения других параметров либо математические формулы. В правой части правила для числовых параметров значение также мокат вычисляться по некоторой математической формуле.

Зависимости в виде математических формул могут также быть представлены в виде правил с пустой условной частью.

Надежность правил-продукций характеризуется степенью достоверности СД^ (0 < СДрг 1). Степени достоверности правил определяются экспертами при построешш модели. Надежность значения параметра х оценивается степенью достоверности параметра СД(Р1.(х1,<^)). Степени достоверности параметров определяются в процессе поиска решения для некоторой конкретной ситуации.

Таким"образом, модель предметной области представляется в влдз следующей совокупности:

Ы » < X, С, I, Р>, гдэ % - множество параметров,

О = у В - мноаество доменов параметров,

Ь - сеть связей параметров,

? - функциональные отношения, связыващие зничения различ1шх

пораызтров.

Чтобы использовать модель для решения некоторой задачи, к с:-у шобходимо добавить исходные да!шые для задачи и цель вывода (пойоко резания) на модели. Задачу будем определять следующим

3 - < И, I, 0 >,

где М - модель предметной области, I - исходные данные для задачи, С - цель вывода.

В данной работе рассматриваются два типа вадач:

1. Задача интерпретации.

Исходными данными являются значения базовых параметров, описывающие предметную область в данной конкретной ситуации, т.е. исходной посылкой вывода является:

И — Р.Ц.^) & Р,(х,Р.Ц.ф, где х(, х,....х; € (х}°.

Цель вывода - найти значение некоторого заданного параметра, соответствующее исходным данным, т.е. для заданного пврвметра ■ хп необходимо найти текущее значение для которого выполняется:

И-.Р(<х,сЗр.

2. Задача поиска оптимального варианта.

Исходные данные представляют собой целевое состояние объекта в виде совокупности критерия эффективности, и ограничений. Цель вывода - найти такую комбинацию значений базовых параметров, при которой удовлетворялись бы ограничения и достигалось бы наилучшее значение критерия эффективности.

Для задания целевого состояния объекта из множества параметров выбирается параметр х^' ? Ц , являющийся критерием эффективности. Ему ставится в соответствие правило а, по которому --из любой совокупности значений критерия можно выбрать оптимальное значение. Для критерия, принимающего количественные значения, это могут быть "максимизация" или "минимизация". Чтобы задать правило г для критерия, являющегося лингвистической переменной, на всем множестве значений критерия устанавливаются отношения предпочтения:

а - < И - Р.'К.ф & & ...>,

где Р4(<1®,с£) - предикат, имеющий .смысл: "значение <1® предпочтительнее значения с

Соответствие критерия эффективности правилу ъ задается с помощью предиката: Р}- "оптимальное значение параметра х^' определяется по правилу й".

Затем из множества X выделяется подмножество Ц >** с {х( параметров, на которые накладываются ограничения. Для каждого параметра хе (х >"! определяется область значений ^, в ч которой он должен находиться. Ограничения записываются с помощью предиката

Таким образом, деловое состояние задает«» совокупностью:

И -P.Oi'.a);

.И - P,(xt4) & Р, & ... & г, <*„.£).

где X; xt, х,.... хйе {xk}°sc X.

Необходимо найти соответствущую комбинацию значений базовых параметров:

. И - Р.Сх,,^) & & ... & Р, (х.,tii).

где xt, е Сх.}®. '

Для удобного представления гибридной модели, использующей сеть параметров, и формирования на ее основе базы знаний (БЗ) был разработан язык ФСП (Фреймы на сети параметров). Этот язык позволяет структурировать все составляющие модели и представить ее в БЗ таким образом, чтобы она была удобна для обработки программой вывода.

Для описания модели на языке ФСП все составляющие модели: наименования параметров, множества их значений, зависимости мевду параметрами, совокупность правил, формул, ограничения и т.д. группируются по параметрам.

Каздай параметр описывается фреймом. В табл.1 приведен шаблон фрейма параметра (протофрейм). Там ке указано содержание слотов для двух типов параметров: типа HUM - параметров, принимающих числовые значения и типа LIST - параметров с лингвистическими значениями

Таблица 1.

имя фрейма: номер параметра Я

наименования слотов значения слотов

для типа ЫШ для типа LIST

наименование параметра . домен входящие связи функциональ. зависимость текущее значение степень достоверности ограничения | правило предпочтения текст интервал измон-я номера параметров ПРАВИЛА-Н число в рамках интервала число 5=0 <1 интервал ш!п или шах текст список значений номера параметров ПРАВИЛА-N значение из списка число Ю <1 список список

В табл.2 приведен шаблон фрейма правила. Формула такие записывается во фрейме правила. Таблица 2

имя фрейма: номер правила

наименования слотов значения слотов

тип ШМ тип ЫБТ

условие 1 условие 2 заключение сд интервал — и _ число/формула число $0 <1 список _ п _ значение число К) <1

При описании гибридной модели на языке ФСП для каждого параметра составляется свой фрейм путем заполнения слотов своими значениями. Т.е. каждому параметру соответствует свой "экземпляр" фрейма. Для каждого небазового параметра создается массив экземпляров фреймов правил.

Фреймы параметров связаны друг с другом через слот <входящие связи>. Т.е. вместо сети параметров мы имеем сеть фреймов. Сеть фреймов структурирует базу правил-продукций и базу фактов, в качестве которой здесь выступает совокупность слотов стекущее значение> фреймов параметров. Это позволяет осуществлять управление выводом на множестве продукций. Сеть фреймов параметров при атом выступает своего рода "мета-знанием" по отношению к продукционной системе.

Структуризация информации в виде . фреймов удобна для представления модели внутри компьютера - позволяет использовать такие понятия языков программирования, как массивы структур, а такта облегчает осуществление синтаксического и логического контроля при вводе информации в базу знаний.

Достоинства языка ФСП вытекают из того, что он сочетает в себе различные языки представления знаний. Так, структурированность информации достигается за счет фреймового представления, связность и наглядность - за счет сети, модульность и независимость отдельных правил - за счет продукционного представления.

Вторая глава посвящена методам поиска решений на гибридной модели, использующей сеть параметров. В начале главы дается обзор существующих методов вывода на моделях представления знаний. Делается вывод, что сеть параметров можно использовать для управления выводом с целью повышения эффективности вывода.

Затем приводятся алгоритмы поиска решения на модели, описанной в главе 1, для двух типов задач: задач интерпретации и задач оптимизации. Для первого типа задач предлагается алгоритм прямого вывода на сети параметров> в также разновидность алгоритма для поиска решения на ненадежных знаниях.

■ Пусть требуется найти значение параметра-х0, т.е. найти такое значение" для которого И - (хо,с!10).

Сначала методом обратной волны определяем "путь вывода" -цепочку параметров, значения которых необходимо найти в процессе поиска решения. Для этого определяем параметры, отстоящие от х0 на одно ребро, т.е. непосредствено на него влияющие:

С Х,.*,....*,, I И - Р,{ХС,Х() & 8с ...& Р,(Х0,ХВ) Ь

Номера этих параметров содержатся в слоте <входящие связи> фрейма параметра хв. Теперь для каждого параметра из найденных на последнем шаге, в свою очередь, определяются параметры, от которых он непосредственно зависит. И так далее до тех пор, пока не достигнем истоков. Затем перепишем, для удобства, полученную последовательность параметров в обратном порядке: от истоков до заданного параметра.

Теперь методом прямого вывода, последовательно продвигаясь по "путч вывода" от истоков к заданному параметру, определяем текущие значения каждого параметра. Если очередной параметр - исток, то его текущее значение задается пользователем: И - Р^хД), где х^Ц)" и записывается в слот <текущев значение> соответствующего фрейма. Если очередной параметр из "пути вывода" не исток, то значение определяется по правилам, дщйо вычисляется по формуле, записанным в слоте функциональная "зависимостью и так до тех пор, пока не дойдем до искомого параметра.

При поиске решения на ненадешшх знаниях для каждого параметра кроме текущего значения определяется и его степень достоверности. Для параметров, являющихся истоками, степень достоверности СД( Р, (х )) задается пользователем при задании текущих значений этих параметров. Для остальных параметров степень достоверности зависит от СД правила, по которому определяется его

значение и от СД параметров, входящих в правило и вычисляется по формулам.

Предложенный алгоритм прямого вывода на сети параметров можно рассматривать как комбинацию прямого н обратного вывода, поскольку он предполагает предварительное вычленение "пути вывода". Таким образом, преодолен основной недостаток традиционного алгоритма прямого вывода - нецеленаправленность вывода и, как следствие, вывод лишних фактов.

Для задач оптимизации предлагаются два алгоритма - прямого а обратного вывода на сети параметров.

1. Алгоритм прямого вывода на сети параметров.

В данном алгоритме используется та ке стратегия, что и для поиска значений параметров при заданных истоках. Сначала строится "путь вывода" методом обратной волны от критерия и параметров, но которые наложены ограничения, до истоков. Затем формируются всевозможные сочетания значений истоков (варианты): Р(х4,а') &Р((хг,^) & ... ЬР.Ц.а!)

Р.Ц.сз]) а Р.Ц.Ф & & Р.Ц-Ф

где х , х5, ... ^ « (х}° - базовые (истоковые) параметры.

Общее количество всех возможных комбинаций значений истоков вычисляется по формуле: * |В11 * ... * где П

множество значений параметра х( (1 = Г71 )•

Если истоковый параметр пригашает непрерывные значения, то осуществляется переход к дискретным значениям. Для этого весь диапазон изменения значений параметра делится на интервалы п границы интервалов берутся в качестве дискретных значений. В этом случае решение получается с погрешностью.

Для каздой сгенерированной комбинации значений истоков, последовательно продвигаясь по "пути вывода", определяются значения остальных параметров так, как это описано выше.

Таким образом, для параметров, задающих целевое состояние, определяются значения, соответствующие данному варианту:

где г' - критерий, хя,хт1,..,хп е ЦУ9 - параметры, па которые наложены ограничения.

Затем для каждого параметра х1 е(х }<>3 проверяется, входит ли найденное значение в область допустимых значений £. Еата для какого-либо параметра ограничение не удовлетворяется, . то данный

вариант отбрасывается. Если для некоторого варианта все ограничения удовлетворяются, то сравнивается полученное значение критерия (Р^'.ф с лучшим из значений критерия для ранее рассмотренных вариантов. Если текущее значение критерия предпочтительнее наилучшего значения <1*. т.е.

И-Р/а^.й*).

то лучшим значением теперь становится текущее значение критерия и данный вариант запоминается, как наилучший на данном шаге. В противном случав вариант отбрасывается.

После того, как будут перебраны все варианты, вариант, удовлетворяющий ограничениям и с наилучшим значением критерия будет оптимальным. Монет быть и несколько вариантов с одинаковыми значениями критерия.

2. Алгоритм обратного вывода на сети параметров.

Данный алгоритм применим только в случаях, когда модель не содержит формул, т.е. зависимости мекду значениями параметров задаются- только системой правил-продукций.

Поиск оптимального варианта предлагается осуществлять в несколько итераций. На первой итерации полагаем, что критерий эффективности принимает свое наилучшее значение и что целевые ограничения выполняются. ■ Продвигаясь от параметров, задающих целевое состояние к истокам методом обратного вывода, определяем, имеется ли хоть один вариант, удовлетворяющий этим исходным условиям. В противном случав переходим ко второй итерации. Полагаем критерий равным значению, ближайшему к наилучшему. И ищем варианты, удовлетворяющие атому значению критерия и цела виг.: ограничениям и т.д. до тех пор, пока не будет найден оптимальный вариант либо окажется, что допустимых вариантов нет.

Таким образом, время поиска решения зависит от число итераций. Максимальное число итераций равно количеству значений критерия эффективности (обычно - не более 10). Если критерий эффективности принимает непрерывные значения, то осуществляется переход к дискретным значением путем разбиения всего диапазона изменений значений на интервалы.

На любой итерации процесс вывода осуществляется пошагово. На каждом шаге выделяются параметры, для которых проверяется выводимость их значений, т.е. формируется свой список целей вывода. На первом шаге он состоит из критерия эффективности и параметров, входящих в ограничения. На втором шаге - . из

параметров, отстоящих на одно ребро от параметров, входящих в список целей на предыдущем шаге и т.д., пока не дойдем до истоков.

В процессе поиска решения возникают "разветвления" по следующим причинам. Во-первых, в допустимую область, задаваемую ограничением или определяемую по правилу, может входить несколько различных значений, которые вычисляются по различным правилам. Во-вторых, к одному и тому зе значению параметра могут приводить несколько различных правил. Предлагается метод прохождения дерева вывода "с возвратом" (бэктрекингом) аналогично алгоритму обратного вывода "вглубь". Однако по сравнению с последним алгоритм обратного вывода на сети параметров является более эффективным, поскольку при его использовании возникает меньше ветвлений в дереве вывода. В традиционном алгоритме обратного вывода для каждого параметра рассматривается кавдое отдельное значение, составляющее область. Каздому значению соответствует своя ветвь в дереве вывода. В предлагаемом ке алгоритме в процессе вывода запоминаются и затем анализируются сразу области значений. При этом для одного и того жа параметра могут быть найдены разные области, которые потом накладываются друг на друга. Область значений при этом сужается и сокращается количество ветвей в дереве вывода.

Можно рассматривать алгоритм обратного вывода на сети параметров как комбинацию алгоритмов обратного вывода "вглубь" и "вширь".

Сравнительный анализ применения алгоритмов прямого и обратного вывода на сети параметров для задач оптимизации на различных моделях показал, что когда число истоков значительно превышает число неистоковых параметров, лучше использовать обратный вывод и, наоборот, когда число неистоковых параметров значительно превышает количество истоков, лучше использовать прямой вывод.

Анализ эффективности предложенных алгоритмов по сравнению, с традиционными алгоритмами прямого и обратного вывода на системах продукций показал, что кроме уже упомянутых выше преимуществ оба алгоритма сокращают время вывода и 'засчет структурированности база правил и базы фактов.

Поиск подходящего правила ведется не во всей базе правил, как в традиционных алгоритмах, а внутри группы правил, относящихся, к одному парамотру, для которого в данный момент осуществляется

поиск значения. Обозначим общее количество правил в через Кок и пусть оно разделено на п групп по числу вычисляемых с помощью правил, т.е. неистоковых Допустим, что группы правил примерно равны. Тогда количество перебираемых правил к на каждом шаге в п чем в традиционном алгоритме:

К

1г - а>

к - НгГ

Очевидно, что чем-больше число групп, на которые разделено все множество правил, тем больше эффект от применения сетевы* алгоритмов вывода по сравнению с традиционными.

За счет структурированности "базы фактов" сокращается время оценки каждого правила. При проверке условий в правиле нет необходимости осуществлять перебор выведенных на данный момент фактов в поисках нужного, машина вывода прямо обращается к нужному адресу - к слоту «текущее значение) конкретного фрейма.

В третьей глвва вначале дается обзор существуйте инструментальных программных средств создания экспертных систем, на основании которого делается вывод о целесообразности разработка оболочки ЗС, ориентированной на язык представления знаний ФСП, обосновывается выбор языка Си в качества языка реализащп оболочки.

Для автоматизации процесса построения экспертных систем не базе использования гибридных моделей, представленных на языке ФСП, разработана инструментальная система ЭСИСП (экспертная система, использующая сеть параметров), относящаяся к классу оболочек.

ЭСИСП имеет структуру, типичную для оболочек, и включает I себя блоки: база знаний, блок наполнения базы знаний (редакто] БЗ), машина вывода, блок объяснений, база данных, блок управления,

Главное меню ЭСИСП включает в себя 6 режимов:

- "Описание ЭСИСП";

- "Формирование новой базы знаний";

- "Изменение и просмотр базы знаний";

- "Поиск решений при заданных истоках";

- "Поиск оптимальных решений".

Первый режим используется для обучения пользователей все] типов работе о ЭСИСП. Следующие два режима предназначены да инженера по знаниям, В этих режимах он работает с блоко! наполнения базы знаний. При этом режим "Изменение и просмотр БЗ'

базе знаний параметров, параметров, максимальное раз меньше.

имеет следующие под режимы:"Корректировка БЗ", "Дополнение БЗ", "Просмотр БЗ". Третий и четвертый режимы предназначены для конечного пользователя и позволяют осуществлять поиск решения на созданных базах знаний для задач двух типов - задач интерпретации и задач оптимизации.

ЭСИСП позволяет быстро и с минимумом затрат строить прототипы экспертных систем, поскольку процесс создания баз знаний, их пополнения, корректировки и использования для поиска решения довольно прост и не требует программирования, что облегчает проведение исследований, экспериментов. Система рассчитана на неподготовленного в области программирования пользователя п обладает удобным, "дружественным" интерфейсом.

ЭСИСП предназначена для эксплуатации на ПЭВМ типа IBM PO KT/AT и IBM-совместимых компьютерах, (операционная среда MS DOS). Использование языка Си позволило создать очень компактное программное обеспечение. Загрузочный модуль системы занимает всего192КЬ. Программное обеспечение системы было разработано, как совокупность отдельных программных модулей, объединяемых в единый загрузочный модуль на этапе компоновки. Это позволило при разработке коммерческих версий экспертных систем объединять отдельные программные модули оболочки ЭСИСП с программным обеспечением, созданным специально для прикладных ЭО.

4 Четвертая глава посвящена практическому использованию описанных в гл. 1 и 2 методов построения моделей ПО и алгоритмов поиска решений на моделях, а также описанной в гл. 3 оболочки ЭСИСП. Приводится описание экспертной системы "Тест-зрение" для массовой экспресс-диагностики состояния зрения, описание прототипа ЭС "Лидер" для оценки степени выраженности лидерских качеств, а также применение системы ЭСИСП для обучения.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Предложен метод построения гибридных моделей представления знаний на основе сети зависиммостей параметров; сформулированы два типа задач на модели - задачи интерпретации и задачи поиска оптимальных решений.

2. Разработан язык представления знаний ФСП для построения баз знаний на основе гибридных моделей, использующих сеть параметров.

3. Предложены алгоритмы поиска решений для двух типов задач: для задач интерпретации алгоритм прямого вывода на сети параметров и разновидность алгоритма для ненадежных знаний; ' для задач оптимизации - алгоритмы прямого и обратного вывода на сети параметров.

4. Создана инструментальная система ЭСИСП, ориентированная на язык представления знаний ФСП, относящаяся к классу оболочек экспертных систем.

б. Создана коммерческая экспертная система "Тест-зрение".

6. Разработан прототип экспертной системы "Лидер".

ПУБЛИКАЦИИ

1. Балова Т.Г., Синишина (Силич) М.П. Алгоритмы проектирования микропрограмм с языка элементарных функций. // Мат-лы III регион, нэуч.-практ. конф. Молодые ученые и специалисты народному хозяйству. - Томск: Изд-во ТГУ, 1980, с.73-75.

2. Силич В.А., Синишина (Силич) М.П. Построение иерархических со-дервательных моделей управления организационно-технологическими объектами. //Тез. докл. Всерос. н.-т. конф. Синтез и проектирование многоуровневых систем управления. - Барнаул, 1982, с.65-66.

3. Силич В.А., Силич М.П., Фрицлер A.A. Проектирование АСУ региональным целевым комплексом области на основе содержательных моделей.//Тез. докл. Всесоюз. н.-п. семинара Прикладные аспекты управления сложными системами. - Кемерово, 1983, с.25-26.

4. Большедворова Е.Л., Синишина (Силич) М.П., Фрицлер A.A. Метол совершенствования функционирующие АСУ. // Мат-лы IV регион, науч.-прект. конф. Молодые ученые и специалисты народному хозяйству. - Томск: Изд-во ТГУ, 1983, с.4-6.

Б. Панина Т.К., Синишина (Силич) М.П., Силич В.А.'Разработка иерархии задач годового планирования показателей УМНЦС.// Мат-лъ IV регион, науч.-практ. конф. Молодые ученые и специалист! народному хозяйству. - Томск: Изд-во ТГУ, 1983, с.30-32.

6. Силич В.А., Силич М.П. Метод синтеза сложных систем на основе иерархических содержательных Моделей.// Мат-лы респуб. семинара Опыт и проблемы разработки территориальных АСУ.- Томск: Изд-во ТГУ, 1983, с.58-59.

7. Сшнч В.А., Силич М.П., Фрицлер A.A. Метод синтеза АСУ и огс использование при проектировании АСУ региональным целевы»,

комплексом "Нефть и газ". - В кн.: Опыт разработки и проектирования АСУ территорией /Под ред. D.H. Ехлакова.- Томск: изд-во ТГУ, 1987, с.182-187.

8. Силич М.П. Выбор оптимального варианта совершенствования АСУ. //Мат-лы V регион, науч.-практ. конф. Молодые ученые и специалисты - ускорению НТП. - Томск: изд-во ТГУ, 1986, с.16.

9. Силич М.П. Поиск оптимального решения на логико-лингвистичес-

кой модели - ВИНИТИ, Й 4867-В87 деп., 1987. - 20 с.

10. Силич М.П. Семантическая модель, использующая сеть параметров. // Тез. докл. III Всесоюз. конф. Проблемы и метода принятая решений в организационных системах управления - м. (ВНИИСН), 1988, с. 174-175.

11. Силич М.П., Фрицлер A.A. Логико-лингвистическая модель выбора типового варианта функциональной подсистемы территориальной АСУ.//Тез. докл. Всесоюз. конф. Территориальные неоднородные информационно-вычислительные систему. - Новосибирск,1988.

12. Силич В.А., Силич М.П. Экспертная система "ЗСИСП".//Тез. докл. Всесоюз. н.-т. конф. Человеко-машинные систегш и комплексы принятия решений. - Таганрог, 1989, с. 87-88.

13. Силич В.А., Силич М.П., Каун О.П. Интегрированная оболочка "ЭСИСП" для построения экспертных систем.//Тез, докл Всесоюз.

совещания по экспертным системам. - Суздаль, 1990.

14. Фетисов A.A., Фрицлер A.A., Силич В.А., Силич М.П. Экспертная система экспресс-диагностики зрения.// Юбилейный сборник науч. работ К 100-летию кафедры глазных болезней СГМУ. - Т^-лск, 1992, С.24-2Б.

Заказ 4 Тираж 100

Ротапринт ТАСУР