автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.16, диссертация на тему:Нечеткие методы и модели принятия решений в человеко-машинных и организационных системах гибридного интеллекта

(V

о> 5

министерство обшего и профессионального образования ^ российской федерации

"^таганрогский государственный радиотехнический °ч! университет

На правах рукописи

АСТАНИН Сергей Васильевич

1ЕЧЕТКИЕ МЕТОДЫ II МОДЕЛИ ПРИНЯТИЯ РЕШЕНИЙ В ЧЕЛОВЕКО-МАШИННЫХ И ОРГАНИЗАЦИОННЫХ СИСТЕМАХ ГИБРИДНОГО

ИНТЕЛЛЕКТА

'пециальность:

5.13.16 - применение вычислительной техники, математического моделирования н математических методов в научных исследованиях;

5.13.17 - теоретические основы информатики.

Автореферат диссертации на соискание ученой степени доктора технических наук

Таганрог - 1997

Работа выполнена в Таганрогском государственном радиотехническом уш всрснтсте, г.Таганрог.

НАУЧНЫЕ КОНСУЛЬТАНТЫ: доктор технических наук,

профессор Л.С.Берштейн,

доктор технических наук, профессор В.Г.Захаревич.

ОФИЦИАЛЬНЫЕ ОППОНЕНТЫ, доктор технических наук,

профессор Ю.И.Клыков

доктор технических наук, профессор Е.П. Попечителев

доктор технических наук, профессор Ю.В.Чернухин

ВЕДУЩАЯ ОРГАНИЗАЦИЯ Вычислительный Центр Российской Академии наук.

Защита состоится "_"_1997 г. в_часов иа заседанш

специализированного совета Д 063.13.02 по защите диссертаций на со «скани ученой степени доктора технических наук при Таганрогском государственно» радиотехническом университете по адресу:

347945, г.Таганрог, пер. Некрасовский, 44, ауд.Д-406.

С диссертацией можно ознакомиться в библиотеке Таганрогского государ ственного радиотехнического университета.

Автореферат разослан "_"_1997 г.

Ученый секретарь специализированного совета кандидат технических наук, доце

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. Одной из центральных; проблем в развитии выделительной техники является создание ЭВМ нового поколения. Решение этой эоблемы связано, с одной стороны, с разработкой новой архитектуры и создани-11 новой элементной базы, с другой, с интеллектуализацией ЭВМ. Важность разутая последнего направления определяется как возрастанием числа и роли интел-гктуальных задач, так и существующим разрывом между возможностями ЭВМ и этребностями современных техники, производства и управления. Данная диспро-эрция обычно связывается с трудностями общения человека с ЭВМ. Это касается 1к разработки, так и использования программных средств конечным пользователи. В первом случае получение программного продукта, решающего некоторую дачу (комплекс задач) в профессиональной области пользователя, связано с при-ючением достаточно широкого круга специалистов, взаимодействующих в инте-штивном режиме. При этом, модификация программного обеспечения требует тчительного времени. Описанная ситуация обуславливает необходимость изме-;ния технологии использования ЭВМ посредством привлечения конечных поль-тателей к процессам решения профессиональных задач, сопровождения про-1аммных продуктов н разработки программного обеспечения. Другая сторона «пропорции в общении человека и ЭВМ заключается в трудности использования шечным пользователем разработанного для него программного продукта. Не-■ютря на ориентацию программного продукта на предметную область, программке обеспечение не обладает средствами ориентации на конкретного потребителя, леющего собственные представления по интерпретации, оценке, а также индиви-'альный стиль и приемы обработки и анализа информации. Данный круг вопро-1в связывают с необходимостью придания программному обеспечению свойства [аптации к конечному пользователю. Для этих целей необходимо разработать >вый тип систем, обеспечивающих процессы взаимной адаптации человека и ЗМ. Обладая свойством адаптации ЭВМ становится действительно интеллекту-ьным партнером человека при решенин общей задачи из проблемной области ловека. Постановка такой проблемы дает новый взгляд на интеллектуализацию ЗМ, которая оснащается средствами адаптации к человеку не только на языковом овне, но и на системном, психологическом, а для ряда типов взаимодействий ловека и ЭВМ, и на психофизиологическом уровне. Поэтому актуально создание стем, обеспечивающих адаптацию человека и ЭВМ, а в общем случае, человека машины. Данная проблема носит междисциплинарный характер и в последние ды получила свое развитие в рамках исследований по разработке интеллектуаль-IX гибридных систем и систем гибридного интеллекта, обеспечивающих взаимо-йствие, общение и решение общих профессиональных задач двух партнеров нтеллектов): человека - конечного пользователя и ЭВМ (программного обеспе-ния). Теоретические и практические предпосылки создания таких систем соста-ли фундаментальные и прикладные исследования ученых различных областей

знаний Б.М.Теплова, В.Д.Небылицына, В.Д.Шадрикова, В.Ф.Венды, Б.Ф.Ломова психологической науке, А.А.Петровского, Б.Ф.Поршнева, Г.М.Андреевой и д при анализе социально-психологических характеристик коллективо Л.В.Выготского, А.Н.Леонтьева, А.Р.Лурия и др. в психологической теории отр жения, И.П.Павлова, П.К.Анохина и др. в физиологии высшей нервной деятельн сти, Л.Т.Кузина, Д.А.Поспелова, В.М.Глушкова, В.М.Ахутина, Ю.И.Клыкое Т.Шеридана, И.Ложе и др. в теории взаимного приспособления человека и маш ны, Н.Нильсона, Г.Генцена, Л.Заде, А.Н.Мелихова, Л.С.Берштейг С.А.Орловского и др. в разработке математического аппарата, позволяющего м делировать взаимодействие человека и машины в рамках распознавания образе представления и обработки знаний, теории логического программирования, иску ственного интеллекта.

Актуальность теоретических и практических разработок человек машинных систем гибридного интеллекта подтверждается потребностью в комп ютерных информационных средствах, обеспечивающих многоцелевую деятел ность человека в условиях ограниченных ресурсов, дефиците времени на принят решений, неполноты и противоречивости исходной информации, наличия множ ства альтернатив. Основой диссертации явились исследования, которые выполи лись в рамках важнейших научно-исследовательских и хоздоговорных работ промышленными предприятиями, предприятиями здравоохранения, а также с гласно координационным планам Министерства Обороны России.

Диссертация представляет собой результат проведения и обобщения разр боток, выполняемых с начала 80-х годов при непосредственном участии автора кафедрах экономической информатики и коммерции, математического обеспс ния ЭВМ, микропроцессорной техники, ОКБ "Ритм", НКБ "МИУС" ТРТУ.

Настоящая работа связана с решением крупной научной проблемы, име щей важное народнохозяйственное значение - разработкой математических и ci темотехнических основ построения компьютерной адаптивной интеллектуальн среды поддержки принятия решений в организационных, организациош технических и человеко-машинных системах гибридного интеллекта для цел обеспечения адаптивного общения человека и ЭВМ при решении ими общих г теллектуальных задач из проблемной области человека.

Целью диссертационной работы является разработка теоретических ochoi принципов организации компьютерных человеко-машинных и информационнс советующих систем гибридного интеллекта, позволяющих повысить эффект! ность функционирования систем "человек-машина" и "человек-компьютер" за с1 обеспечения адаптивного общения человека и машины при решении интеллек-альных задач на основе моделей поведения человека, моделей взаимодейств элементов гибридного интеллекта, а также механизмов логических и правдог добных рассуждений.

В диссертации разрабатываются, исследуются и защищаются следуюш основные положения:

Принципы построения и архитектура компьютерной адаптивной интеллекту-ьной среды поддержки принятия решений в системах гибридного интеллекта;2). гтоды моделирования взаимодействия элементов и оценки качества функциони-вания системы гибридного интеллекта;

Модель поведения системы гибридного интеллекта в условиях многоцелевой ятельности и ограниченных ресурсах;

Модели правдоподобных рассуждений при анализе нечетких ситуаций в непол-IX и противоречивых базах знаний;

Модели формирования нечетких ситуационных сетей и распознавания нечетких туаций;

Методы и модели управления на основе анализа нечеткой ситуационной сети, Модель гетерогенной базы структур знаний и декларативный язык описания дач компьютерной адаптивной интеллектуальной среды поддержки принятия шеннй.

Метод исследования заключается в применении системного подхода к раз-ботке и реализации методов и моделей поведения и рассуждений, базирующемся методологии теорий искусственного интеллекта, нечетких множеств, ситуаци-1ного анализа и управления, нечеткой логики, нечетких графов, логического, олюционного и эвристического программирования, психологии и физиологии, гономики программирования.

Научная новизна. Основным научным результатом диссертации является зработка теоретических основ и принципов построения компьютерной адаптив-ш интеллектуальной среды систем гибридного интеллекта, позволяющей органи-вать процесс решения интеллектуальных задач субъектами гибридного интел-кта: человека и ЭВМ (интеллектуальной информационно - советующей системы, юграммного обеспечения и т.д.), осуществлять оценку качества функционирова-т гибридного интеллекта и на этой основе формировать стратегии поиска реше-ш, обеспечивать хранение и обработку структур знаний о характеристиках и ;обенностях партнеров общения и проблемной области. Принципиальный вклад развитие исследований в области создания компьютерных систем гибридного тллекта составляют:

разработка принципов построения адаптивной интеллектуальной среды; разработка и исследование системной модели взаимодействия элементов гиб-щного интеллекта,

разработка поведенческих трансформационных моделей стратегического управ-:ния,

разработка и исследование метода синтеза знаний на основе индуктивного ^общения;

■ разработка и исследование моделей правдоподобных рассуждений в базе непол-лх, недоопределенных и противоречивых знаний;

организация многошагового логического вывода на основе нечеткого исчисле-1Я секвенций;

7) исследование и разработка синтаксиса и семантики языка описания задач гет рогенной базы знаний адаптивной интеллектуальной среды.

Достоверность полученных в диссертации теоретических выводов по, тверждена результатами:

• моделирования на ЭВМ алгоритмов правдоподобных рассуждений при созд нчи информационно - советующих систем руководителей;

• моделирования на ЭВМ алгоритмов синтеза знаний в системе медик биологического эксперимента;

• обработки знаний и организации логического вывода в системе имитационн го моделирования;

• использования правдоподобных рассуждений в системах медицинского назн чения: дифференциальной диагностики сердечно-сосудистой системы орг низма и спектрофотограммы.

Практическая ценность полученных в диссертации результатов состоит теоретической и системотехнической основе построения компьютерных человек машинных систем гибридного интеллекта. Предложенные математические метол и модели доведены до уровня алгоритмов, большая часть которых реализована ] ЭВМ. Научные и практические результаты, полученные в диссертации, предста ляют интерес как при построении человеко-машинных систем, решающих инте лектуальные задачи в сложной среде, моделировании организационных и орган зационно-технических систем с целью оптимизации управления ими, так и п| создании ЭВМ и программного обеспечения нового поколения, включающ! средства адаптации к конечному пользователю на уровне анализа его поведенч ских моделей.

Результаты диссертации были внедрены в научно-исследовательских опытно-конструкторских разработках, проводимых в ОКБ "Ритм" и НКБ "МИУ< Таганрогского государственного радиотехнического университета, для предпр ятий Министерств общего и среднего машиностроения, авиационной и космич ской промышленности, при создании моделирующих бортовых комплексов, п] постановке и решении задач моделирования операторской деятельности в медик биологических комплексах, при разработке программного обеспечения решен диагностических медицинских задач, при разработке информационно - совету] щих систем в организационных структурах управления.

Результаты, полученные автором, использовались в 15 научн исследовательских и хоздоговорных работ по тематикам утвержденных Мннисте ством общего и профессионального образования Российской Федерации, И МБ СПП при Президиуме РАН, ЦНИИМАШ, а также Российским фондом фундаме тальных исследований

Апробация работы. Основные положения диссертационной работы док/ дывались и обсуждались на Всесоюзной научно-технической конференц "Применение математических методов обработки медико-биологических данных ЭВМ" (Москва, 1984); на Всесоюзной научной конференции "Применение пр

пемно-ориентированных информационно-измерительных комплексов в эколого-гнетических исследованиях" (Кишинев, 1986); на 2-й Всесоюзной конференции ^нформатика-87" (Ереван, 1987); на Всесоюзных научно-практических школах-гминарах "Программное обеспечение ЭВМ: индустриальная технология, интел-ектуализация разработки и применения (Ростов-на-Дону-Терскол, 1988, 1990, 991); на Всесоюзной научно-технической конференции (Пермь, 1987); на 8-й еспубликанской конференции "Бионика-89" (Киев, 1989), на 3-й Всесоюзной на-чно-технической конференции "Проблемы создания технических средств для иагностики и лечения сердечно-сосудистых заболеваний" (Львов, 1990); на 39-й и 0-й научно-технических конференциях профессорско-преподавательского состава РТУ (Таганрог, 1993, 1994); на международной конференции по проблемам мо-елирования "Биомод-92" (Санкт-Петербург, 1992); на Национальной конференции международным участием "Искусственный интеллект-94" (Москва, 1994); на аучно-практической конференции врачей военных здравниц Кавказских Мине-зльных Вод "Диагностика, санаторно-курортное лечение и реабилитация больных заболеваниями внутренних органов, нервной системы и опорно-двигательного ппарата" (Ессентукки, 1994), на научно-технической конференции с международ-ым участием «Компьютерные технологии в инженерной и исследовательской еягельности» (Таганрог, 1996), на 5-м европейском конгрессе «Intelligent Tech-iques and Soft Computing» (Aahen, Germany, 1997).

Публикации. Результаты теоретических и экспериментальных исследований ашли свое отражение в 48 печатных работах и двух монографиях.

Структура и объем работы Диссертация состоит из введения, шести глав, жлючения, списка используемых в диссертации литературных источников и при-эжения. Общий объем диссертации - 446 стр., основного текста - 404 стр., вклю-ая 33 рис., 4 таблицы и 17 стр. списка литературы из 168 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы диссертационной работ) сформулированы цель и задачи исследований, отмечены полученные в рабо новые научные результаты, их практическая ценность, реализация, апробация структура диссертации.

В первом разделе определяется целесообразность построения компьюте, ных человеко-машинных систем гибридного интеллекта, излагается концепт систем гибридного интеллекта и приводится методология их анализа, формулир ются основные принципы, которые следует положить в основу разработки комп ютерной адаптивной интеллектуальной среды (КАИС) и ее особенности в систем; гибридного интеллекта, предлагается архитектура адаптивной интеллектуальнс среды, позволяющая реализовать системный подход для обеспечения взаимоде ствия и общения элементов гибридного интеллекта.

Функционирование компьютерной среды базируется на модели гибридно;

интеллекта, под которой понимается совокупность

(RX^S,^,^), где S - состояние внутренней среды системы, <p:R х с; —> V(R) - функция, став щая в соответствие набору оценок ресурсов по каждой цели оценку системно ресурса гибридного интеллекта V(R); f:V(R(t)) х Pjt —> V(R(t + 1)) -функци

ставящая в соответствие текущей оценке системного ресурса и управляюще? решению оценку исхода или последствий применения управляющего решена ^/:V(R(t +1)) х Р., Р. - функция выбора управляющего решения в зависим

сти от оценки исходов; P. х S —> Pjk - функция выбора процедуры реализащ управляющего решения Pig в зависимости от состояния внутренней сред A:PU х S —» [0,1] - функция оценки управляющего решения в зависимости от с стояния внутренней среды.

Функционирование модели основано на использовании ситуационной сети, кот рая имеет три уровня управления. Первый уровень связан с выбором управляющ) решений относительно оценки системного ресурса и определяет гомеостатическ управление. Суть гомеостатического управления состоит в следующем: люб выбранное управляющее решение не может повлечь за собой снижение системн го ресурса ниже некоторой критической величины. Второй уровень ситуационн< сети позволяет оценить управляющие решения относительно исход* (результатов) их реализации, а также последовательности управлений относител но выбранной цели. Данный уровень определяет управление по конечной цел Третий уровень ситуационной сети позволяет осуществить анализ программш

горитмов реализации управляющих решений и как и первый уровень определяет меостатическое управление, но относительно вычислительных ресурсов КАИС.

Во втором разделе приводятся основные результаты, связанные с модели-ванием системы гибридного интеллекта, построение поведенческой модели бридного интеллекта, в условиях многоцелевой деятельности и ограниченных сурсов; разработка алгоритмов правдоподобных и немонотонных рассуждений в ютиворечивых и неполных базах знаний.

Поведенческая модель системы гибридного интеллекта основана на понятии четкой компромиссной игры под которой понимается система множеств

(N, рд, {I,}, (HJ, [F;}), i = u, е N = (1, 2,К , п}— множество игроков; Хр Х,,К , Хп — универсальные южества стратегий игроков; /,,/2,К,У — универсальные множества исход-)й информации из внешней среды, определяющей частные интересы игроков, «четкое подмножество в Х] х Rs, определющее допустимые стратегии каждо-| игрока, где Rs - относительный системный ресурс организации; Fi — нечеткая 1сика системного ресурса гибридного интеллекта для всех возможных стратегий рока / при условии, что данный игрок первым допускается к использованию :сурсов организации.

На множествах стратегий игроков заданы нечеткие функции предпочтения

•X. —> [0,1], i = 1, п . Данные функции определяют интересы игроков на ножестве стратегий исходя из информации внешней среды. Для реализации стра-:гий игроков требуется использование некоторого множества ресурсов Г . Пусть

даны функции ф^Х, х X, х/\ хХп —> ¡\'(Г )], где v(r )eR4- относитель-w оценка ресурса 1 — го игрока, причем значение ф,(Х„ Х,,К , Хп) интернируется как оценка достаточности ресурсов / - го игрока для реализации стра-:гий из множества X. в ситуации (Хр X,, К , Хп). Будем считать, что цель "рока i описывается нечетким множеством G1 с функцией принадлежности ч. : R —> [0,1]. Нечеткая цель игрока определяет качество решения его частной дачи при определенных значениях системного ресурса. Допустимые стратегии гроков определяются функциями принадлежности х [0,1], причем

тчение ^¡(х,, v(r)), i = I, n, х( eXj , v(r) eRs, интерпретируется как

денка допустимости стратегий i — го игрока при ограничении ресурсов на ик гализацию. Вводится нечеткая оценка системного ресурса относительно выборов гратегий каждым игроком как нечеткое множество второго уровня:

где цн^1,К§1,К,4п) = цмч(£1к£к£л(х1,К,хп), х, еХ,, К , х„ еХп

На множествах F; задается цель системы гибридного интеллекта как множеств а уровня вида

MSpK ЛЛ = ^(а^ЛЛ-ЛЛп))-

Значения |aF , £,i3K , определяют оценки устойчивости состо>

ния гибридного интеллекта, а а - минимальное значение системного ресурса, пр котором существует возможность реализации целей системы.

Поставим задачу согласования выбора стратегий игроков, при котором знг чение системного ресурса характеризуется оценкой не ниже значения а, а вь бранные стратегии определяются максимально возможными значениями функци

Hi. Но, и v(r.)).

Введем нечеткие множества В; в X, х Х2хЛ хХп с функциями прина;

лежности вида (х,, х2,К , xn) = min (|и0 , Ц;}, х{ еХ(, i = l,ri

Нечеткие множества D( определяют область возможных решений i — го игрока формируются как пересечения соответствующих нечеткого множества цели, н< четкого множества допустимых стратегий и нечеткого предпочтения стратег»: исходя из информации внешней среды. Для задания нечеткой области возможнь решений игроков использовался подход Беллмана-Заде в соответствии с которы решение задачи определяется как пересечение нечетких множеств цели и о гран: чений в пространстве X, х Х^хА хХп.

Для дальнейшего анализа игры уточняется какие решения игроков являкур допустимыми. С этой целью в Di вводятся множества уровня Ai, полагая, т число есть степень принадлежности альтернативы (х,1, Х2',К , хп' ) нече кому множеству решений i — го игрока. Тогда множество допустимых решен! / - го игрока можно определить следующим образом:

'цв (х,, х2,К , х„), VnD (х„ x2,K , xn) > Kit 0, Уцр(х„ х2,К , х.) < V

u ,(х„ х,,К , X.)

[ечеткое множество допустимых стратегий определяет наилучшие стратегии - го игрока с точка зрения его интересов (предпочтений выбора стратегий) в словиях ограниченных ресурсов, вызванных возможными стратегиями других гроков.

Назовем нечетким равновесным решением 1 — го игрока рассматриваемой гры П лиц нечеткое подмножество множества X, х Х,хД хХп вида

¡ивг(х1? х,,К , х„) = min(nB.(x„ х,,К , xn),K х2,К , xn)J,

че )J.D (х,, х,,К , Хп) — нечеткое множество допустимых стратегий У - го иг-ока, а (х,, х1; К , xn), j = 1, П „ j Ф i - возможные стратегии остальных гроков. Очевидно, что ситуация (х,, Х2,К , Хп) со значением равным nax( (]U (Xр X,,К , Xn)J) в наибольшей степени устраивает i — го игрока, а итуацня (Хр Х,,К , Хп), соответствующая min 1Пах( {цв,(х,, Х,,К , Xn)j),

наибольшей степени будет удовлетворять всех игроков. Назовем такую ситуацию итуацией равновесия нечеткой компромиссной игры. Ситуации равновесия явля-)тся основой для соглашения тех игроков, стратегии которых определяются зна-ениями равными тах( ({.цДХр х2,К , Хп)}). Подобные ситуации обладают

ледующим важным свойством: изменение стратегии любого игрока у , которого е устраивает ситуация равновесия, с сохранением стратегий других игроков, при-одят в ситуации, которые являются недопустимыми для у . Данное свойство нтуаций равновесия вынуждает игрока у присоединиться к коалиции интересов стальных игроков, но на основе соблюдения общей цели системы гибридного нтеллекта. Так как значения системного ресурса гибридного интеллекта являются азличными в зависимости от того, кто из игроков первым получает доступ к ре-урсам организации, то перестановки игроков, в рамках ситуаций равновесия, озволяют получить и разные значения системного ресурса. Следовательно, сис-емный ресурс является вторым фактором к соглашению между игроками как эле-енгамн одной организации - системы гибридного интеллекта. Пусть 7Г — воз-ожные перестановки игроков, относительно первоначального доступа к ресурсам истемы, Соглашение игроков тги назовем компромиссным решением рассматри-аемой нечеткой игры П лиц, если ситуации равновесия соответствует системный есурс со значением равным тах ц,, (хр Х,,К , Хп). Компромиссные решения

озволяют обеспечить максимальный выигрыш системы гибридного интеллекта в итуациях равновесия в условиях совместного использования игроками ограни-енных ресурсов.

С целью обработки базы неполных и противоречивых знаний предложен алгоритмы правдоподобных рассуждений КАИС, основанные на использоваш компенсационных операторов при обработке нечетких ситуаций, нечеткой мер сравнения противоречивых заключений и механизме вывода по аналогии для сл чая независимых признаков описываемых нечетких ситуаций. Приведен прим применения данных алгоритмов в области дифференциальной диагностики се дечно-сосудистой системы человека.

В последнее время при разработке и исследованиях интеллектуальных си тем много внимания уделяется задаче, связанной с представлением знаний ) умолчанию, а также манипуляций с такими знаниями. Важность использован немонотонных рассуждений в компьютерной адаптивной интеллектуальной сре состоит в возможности изменения парадигмы принятия решений при появлен дополнительной информации. Это связано с тем, что используемые эксперта] правила, определяющие связи между ситуациями проблемной области, лишь пр близительно точны и не всегда применимы. Рассматривается решение задачи I следования объектами свойств с исключениями для систем сетевого и объектнс представления знаний. В качестве средства реализации правил по исключен! вводится логика отрицаний, основанная на использовании алгоритмов правдог добных рассуждений и аппарате теории нечетких множеств. Логика отрицан базируется на следующих определениях и утверждениях.

Определение 1. Пусть Ь — некоторая логика, а А — предложение в н Будем говорить, что А а — выполнимо в интерпретации М, если для каждс

объекта еМ задано число а £ [0,1], определяющее меру истинности

для каждого объекта Ш; е М .

Определение 2. Пусть Ь — некоторая логика, А — предложение в ней М — интерпретация А. Будем говорить, что А в общем выполнимо в М , ее А а — выполнимо на всей совокупности объектов ГП( £ М (М как общност

и А в частности выполнимо в М, если А а.'— выполнимо на каждом обье

пу е М .

В первом случае интерпретацию М будем называть общей, во-втором, стной интерпретацией А.

Определение 3. Интерпретация (модель) М, является внутренней по от шению к интерпретации М , если М, является объектом М .

Внутренняя модель определяет возможность существования подклас класса М .

Утверждение 1. Пусть Ь — некоторая логика и А предложение в ней. гда, если интерпретация А не имеет внутренних моделей и сама не является ш

;нней по отношению к некоторой интерпретации, то логика L является моно->нной (необходимость монотонности логики).

Определение 4. Пусть А предложение логики L,, В — предложение логи-t L-, с соответствующими интерпретациями М, и М7 . Пусть А в общем и в 1СТНОСТИ выполнимо в M,, а В в общем и в частности выполнимо в М2, при-:м общая интерпретация М, является внутренней моделью частной интерпрета-ш Mj. Назовем логику L, отрицанием логики Lj, если A Otj — выполнимо в )щей интерпретации Mt при а, < 1 и А ОС., — выполнимо в частной интерпре-ции М, при а, < 1, причем а, < а, .

Утверждение 2. Если частная и общая а — интерпретации предложения А )гнки L совпадают при (X = 1, то логика L является монотонной остаточность монотонности логики).

Запрет на вывод правдоподобных формул в случае первоначального вывода жоторой правдоподобной формулы ограничивает систему вывода, т.к. в этом |учае вывод первоначальной формулы будет зависеть от порядка применения >авнл вывода. Логика отрицаний свободна от подобных запретов и базируется на ¡пользовании правдоподобных моделей нечеткой логики. Рассмотрим семантику ; использования в немонотонных рассуждениях. Пусть А нечеткое предложение >гики L(, а В нечеткое предложение логики L2, причем L, является отрицани-1 L, Тогда, если М, и М2 — интерпретации L, и L,, соответственно, то об-ая интерпретация В является внутренней моделью частной интерпретации А, является элементом Ш| е М,. В соответствии с определением 1 элементы 1, принадлежат упорядоченным классам, определяющих возможность обладания

m некоторыми свойствами, которые указываются предложениями А и В. Для »работки истинностей предложений была введена функцию комбинирования идетельств 3, которая в логике отрицаний является правилом вывода для немо-сгонных рассуждений.

В третьем разделе рассматриваются методы построения нечетких ситуаци-1ных сетей и анализа нечетких ситуаций.

С целью синтеза нечетких ситуационных сетей (НСС) предложены прямой и ¡ратный методы формирования НСС для случаев, когда состояния объекта равления определяются совокупностью лингвистических (нечетких) признаков и руктурой, задающей нечеткое отношение взаимозависимости значений признав, а переходы из состояния в состояние осуществляются под влиянием управ-ющих решений. Суть прямого подхода состоит в моделировании переходов из туации S, в ситуацию S. под воздействием управляющего решения Rt из мно-

жества К = {Яр...,Кг]. Под нечеткой ситуацией Б понимается нечеткое мж жество второго уровня Б = {< М-Дук)/ ук >}, ук е У, У = {Ур---,УР] " множество признаков, значениями которых описываются состояния обьеьг управления;< К(Ук) >= {< цДТ^ X >). V е V = {1,2,..., Ьк} и Т^ " значения соответствующего признака. Для каждой ситуации § е формирует! подмножество ситуаций 6 в которые переходит объект под воздействие управляющих решений из множества Я . Затем вершина ситуационной се: соединяется дугой с каждой вершиной из , причем каждая дуга нагружает соответствующим управляющим решением и степенями предпочтения этих реш ний в ситуации . Пусть известны отношения взаимозависимости значений пр знаков, заданные матрицами вида "признак ук —признак у,", которые ставят соответствие значениям признака ук - Ту значения признака у, — Т^,. На пер сечении строк и столбцов матриц проставляются коэффициенты ), о

ределяющие степени влияния значения Т^ на формирование значения Т^.. Фо мирование данных матриц может осуществляться экспертным путем, либо в пр цессе эксперимента с использованием механизма синтеза знаний, рассмотренно ниже. Ситуация € 85 определяется в результате максиминной композиции

отношением, задающим К,, и отношением взаимозависимости значений приз! ков.

Суть обратного метода построения НСС заключается в подборе внешн локальных управляющих решений и формировании на их основе управляющс решения, позволяющего осуществить переход их одного состояния объекта в д{ гое. Подбор локальных управляющих решений основан на анализе отношен взаимозависимости значений признаков состояний ресурсов.

С целью распознавания текущих нечетких ситуаций исследуются зада классификации, распознавания образов и рассуждений по аналогии; предлагаю: методы распознавания нечетких ситуаций; вводится понятие структурной ана.1 гни, базирующейся на нечетком сходстве отношений между признаками ситуащ исследуются и разрабатываются модели и алгоритмы поиска аналогии и постр< ния рассуждений на ее основе; рассматриваются модели рассуждений по аналог при анализе фрейм - ситуационных и семантических сетей.

Характерной особенностью задач классификации и распознавания обра: является то, что сравнение объектов осуществляется на одном и том же наос признаков, причем признаки, как правило, независимы. Для установления ана. гии в большей степени важны не признаки объектов и их значения, а отношен

■ществуюшне между значениями признаков. Соответственно, аналогия трактует-I как сходство отношений рассматриваемых объектов. Анализ задач классифика-■ш, распознавания образов и рассуждений по аналогии позволяет сделать вывод о >м, что все эти задачи относятся к одному и тому же классу интеллектуальных дач в их основе лежит понятие сходства объектов. Отличие состоит в том, что эи сравнении объектов учитывается разная сущность сходства: при классифика-ш и распознавании объектов, описываемых независимой совокупностьюпризна->в, рассматривается сходство значений признаков объектов; при установлении млогии между объектами - сходство отношений между значениями зависимых эизнаков.

Суть подхода к распознаванию нечетких ситуаций с независимой совокуп-эстью признаков, описывающих состояния объекта управления, состоит в пред-авлении каждой нечеткой ситуации в; точкой в П — мерном пространстве при-тков и, т.е. каждая ситуация описывается нечетким подмножеством в и. ля формирования эталонных классов нечетких ситуаций использовался алгоритм анна-Беждека, который формулируется следующим образом. Пусть ,, 32,..., — множество типовых нечетких ситуаций, каждая из которых опи-лвается набором признаков У = {у,, у,,..., уп}. Назначим типовые ситуации в 1честве центров нечетких кластеров. Пусть Б;,...,Б, - множество текущих онтролируемых) ситуаций. Вычислим функции принадлежности ^ (1 = 1,..., 1) нечетким кластерам Б,, используя следующую формулу.

и

X в^Ур) - яду;).

= Т^-1-

i, ■

£ 8,(у;> - 8,(у;)

Р=1

(е БДУр) — функции принадлежности признаков ур ситуациям и

гветственно. В данном случае Яг(у) является центром Г — го кластера, а

¡(Ур) элементом кластера. С учетом описания текущей ситуации sj с функциями

зинадлежностями кластерам Б,, ..., — ]Иг(з|), центры кластеров уточнятся по формуле:

seS

Как и в алгоритме Данна-Беждека считаем, что размытое разбиение сфор мировано, если 8 < Е, где 8 — мера отклонения текущего значения функцш принадлежности от предьщущего; 8 — некоторый порог.

Использование аналогии в компьютерной адаптивной интеллектуально! среде имеет большое значение для моделирования рассуждений системы гибрид ного интеллекта. Это связано с тем обстоятельством, что построение баз знанш ряда задач, сходных с уже описанными, можно осуществлять автоматически н основе установления аналогии. При рассмотрении механизма рассуждений п аналогии вводится следующее определение объекта. Объект с именем Q обозна чается в категориях формы и содержания. Признаки, черты или свойства объект: характеризующие его единичное (частное) проявление назовем внутренним сс держанием объекта. Внутреннее содержание структурно организовано, т.е. имеете способ взаимосвязи признаков, который выступает внутренней формой объекта определяет общее проявление объекта. Кроме внутреннего содержания и внутреь ней формы объект Q может обладать внешним содержанием, т.е. совокупносты свойств (структурно организованных или нет), характеризующих внутренню! форму объекта.

Внутреннюю форму объекта будем представлять слабосвязным ориешт рованным нечетким графом G = (V, U, met), где V — конечное множеств вершин (термов), U = (jJ.u(v„ Vp) / (V;,vp)}, (vi5Vp 6 V) - нечеткое мн< жество дуг с функцией принадлежности Ц ц (V i, V р), определяющей степень hi тинности отношения li el) между вершинами vi? Vp, met: U —> L — функци сопоставляющая каждому ребру графа метку 1 е L .

Опишем модель объекта в виде тройки М = (G, W*, Я.), г; G — внутренняя форма объекта, W* — множество оценок (свойств), определяь щих внешнее содержание объекта, а X: V —> W* — соответствие между множ ством вершин графа G и внешним содержанием объекта. Определим для кажде вершины Vj 6 V нечеткий образ Г("У() = {ц(и) / Vr), г; Jj(u) = jJu(vi, Vr), V, — множество вершин смежных Vi, при нечетком соотве ствии Г = (V, V, U). Пусть существует функция V —» S, г, S = (Sp S,,K , S,} — семейство подмножеств, такое что

= ((Г(у,)), Э2 = £(Г(у,),Г(ук)),1 ^ к, Б, - ^(Г(у,), Г(ук), Г(ур)), Б, = С(Г(у,),К,Г(У„)).

Утверждение 4. Если Б образованно посредством функции ^, соответст-ощей операции пересечения " I " такой что

((Г(у1),К,Г(уп)) = штое„ д(и)/ уг,

: — множество ребер инцидентных Уг, то Б является полугруппой с опе-

~ чти

диеи 1

Выделим в Б непустое подмножество

I = (м(иг,)/ чЩ = ¡1,2,К

; С| — число элементов I , и0 = (и,) — множество ребер инцидентных верши-Уг. Подмножество I обладает следующими свойствами:

элементы подмножества I образованы непустым замыканием относительно операции " I " вне зависимости от ориентации дуг слабосвязного графа О ; для любого элемента Б £ Б и любого элемента 1 е I 8 I 1 = 11 Б принадлежит I ;

среди элементов I нет элементов с вершинами, которым инцидентны только выходящие дуги.

Будем выделять два подмножества I : подмножество вершин 1 = (у^} С V и подмножество ребер и1 С и , инцидентных V' . Очевидно,

0 V' является множеством внешней устойчивости графа О . Поскольку I от-[чно от 0, то для любого элемента Б 6 Б 5 I I непусто. Так как любой \ £ I

<еет вид |Ди)/ V , то удаление и аналогично выполнению условия

1 ] = 0. Это означает, что между вершинами графа Vк 6 V1 и V, 6 V \ V1 ; существует связей, что равносильно разрушению структуры объекта, представ-:нного графом О .

Окрестностью базового множества I назовем подмножество вершин графа г, смежных вершинам множества V1.

Пусть в, = (V,, и,) и й, = (У2, и,) — внутренние формы объектов А В , и пусть для них построены полугруппы Б, и Б., с выделением базовых мно-еств полугрупп 1,,12. Тогда модели объектов, представленные графами О, и I, являются сходными, если для элемента е( = |Д(ии )/ У^ из 12 найдется

элемент ^ = д(и0 )/ V' из 1, такой что и0 = и0; (или наоборот) и среди I иц нет таких, которые бы отличались по типу (входящие, выходящие) от дуг и(, . Выделим в 01 и О, подграфы О} = (У^и1), V,, с: V,, О ^ = ( У,,, и ~), V а У2, и установим соответствие Ц/ между вершина! V,, и У21 относительно инцидентных им дуг и' = и' с учетом ориентац! Легко видеть, что V,, и У21 образованы вершинами базовых множеств и их окр стностями.

Определение 12. Аналогией между графами в, и 02, сходными относ

тельно своих базовых множеств, назовем граф конъюнкции А = (V, и), г

и = и1 = и2, а любая вершина V 6 V образована парой вершин V; е \

V. £ V,, между которыми определено соответствие V)/.

В соответствии с данным определением аналогия строится на основе опер ции обобщения вершин базовых множеств и их окрестностей.

Степенью аналогии графов 6-, и G2 назовем величину, определяемую в ражением

1

где VрV^ еУр и1к,и,к е!Л, к е Т = (1,2,К ^, I - число изоморфных с

ношений, для всех V.) — Ц„,к(У , V,) Ф 0 . Данная формула показыва

на какую среднюю относительную величину отличаются степени доверия к отн шениям и] и и,.

Пусть М, и М2 — модели объектов А и В, причем М, представляет с бой хорошо изученную модель объекта А, т.е. существует соответств! А,: V, —» \У , где W — внешнее содержание объекта А, а М2 — модель об екта В с неизвестным внешним содержанием. Пусть между внутренними форм ми объектов С, =(^,11,) и С, = (У2, и,) установлена аналоп А = (V, х У2,и). Будем считать, что между А и И/' существует соответств! у: У( х У, —> \У , если существует соответствие X'. —> V/ .

Соответствие ф еНот(02, V/ ) назовем выводом по аналогии для м< дели М2, если существует морфизм 7: V, х V, —» .

Процедура рассуждений по аналогии строится следующим образом: выделяются базовые множества сравниваемых описаний объектов; определяется сходство базовых множеств в соответствии с условиями; определяются аналогии между объектами с вычислением степеней аналогий; выделяются те аналогии для которых степени больше некоторого порога; на основе аналогии для неизученного объекта делаются такие же заключения как и для хорошо изученного с учетом степени аналогии.

Иллюстрацией подхода явились примеры рассуждений по аналогии для слу-ев описания объектов в виде фрейм-ситуационных к семантических сетей.

В четвертом разделе рассматриваются модели ситуационно-логического равления и синтеза знаний адаптивной интеллектуальной среды.

Одним из наиболее важных этапов при выборе управляющих решений явля-ся определение состояний, в которые нужно перевести объект управления из кущего состояния В организационных системах доминирующая роль в опре-лении предпочтений выбора управляющих решений принадлежит человеку и висит не только от знания характеристик текущего состояния и требований ре-аемой задачи, но и от этапов ее решения. Последнее особенно важно при реше-ш многошаговых задач. В этой связи рассматриваются методы определения ратегических и тактических целевых состояний на основе анализа нечеткой си-ационной сети. В первом случае выбор решения определяется этапом решаемой дачи и текущим состоянием системы гибридного интеллекта, во-втором - оцен-)й недоминнруемости имеющихся альтернатив.

Использование принципа самоорганизации при построении компьютерной [аптивной интеллектуальной среды предполагает возможность обучения ком-шкса в процессе решения пользователем типовых задач проблемной области, од обучением КАИС будем понимать автоматическое формирование системы 1аний на основе индуктивного обобщения частных примеров задач и выдвижения ^лирических гипотез. Рассмотренный механизм индуктивного вывода позволяет )1явить зависимости между параметрами на основе анализа наблюдений значений фаметров и предыстории поведения объекта. Пусть Д,..., Д, - признаки объек-I X. Каждый признак определяется, в общем случае, набором юнств: .¡В"), 1 = 1,2,..., и = 1,2,.... Пусть имеется база данных 8, [фиксированных в последовательные моменты времени 14, значений свойств при-1аков ЬДк), к = 1,14, 3 = 1, П . При анализе 8 требуется установить закономер-эсти во влиянии свойств одного признака на другой.

Определение 5. Если аи а1+1, Ь1, Ь — значения свойств А и В, зафикси-

эванные в последовательные моменты времени при Ь) = Ь|+], то интервал

А, = [с^, С А назовем базовым множеством нечеткой переменной (БМН1 причем с^ и с^ определяются решением системы уравнений:

Га, =

К, = ^ - Ц - с^'

где на каждом шаге используется предельное значение . В соответствии с дг ным определением значения а,, а(+1 рассматриваются как точки плана экспер мента, формирование которых заключается в вычислении границ интервала, 31 чения которого, относительно 1> (Ь|И), подобны.

Определение 6. Выражение вида Ак —^ Ь5, где Ак — БМНП, сформиг ванное в соответствии с определением 5 и Ь5 е В наблюдается одновременнс а, 6 Ак, назовем эпмирической гипотезой 1-го рода.

Определение 7. Пусть (а,} и {Ь,) — наблюдения значений свойств, заф! сированные в последовательные моменты времени и Ак —>, Ь5 — эмпирическ гипотеза 1-го рода для некоторого а, при 1 < 1 < г. Изменения значений а, д 1>(г+1) таких, что а, £ Ак, а Ь( = Ь8 назовем антиципацией по отношению к I если найдется значение Ьр , (р > Г + 2), отличное от Ь5 для всех Ь, = Ь. п 1<р. При этом, если а, — антиципация, то условно будем считать, что а, и 1 зафиксированы в один и тот же момент времени.

Определение 8. Если а, является антиципацией по отношению к некотор му Ьр, то выражение вида а, —>., Ьр назовем эмпирической гипотезой 2-го род;

Определение 9. Если сформирована эмпирическая гипотеза 1-го ро Ак —>, Ь8, то ее можно преобразовать в эмпирическую гипотезу 2-го рода, ее.

среди а, е Лк найдется такое значение, которое является антиципацией по с ношению к Ь .

Утверждение 3. Если а( — антиципация по отношению к Ьр, то эмпирии екая гипотеза 2-го рода имеет интервальный характер вида Ак —>-, Ьр а, е Ак.

Данные определения и утверждение позволяют в процессе наблюдения динамикой значений признаков перейти к рассмотрению нечетких переменно

данных на интервалах значений, а далее, к нечетким кванторам, определенным I эмпирических гипотезах 1-го и 2-го рода. Для получения правдоподобных ги->тез с учетом подобного обобщения предлагается процедура, позволяющая оце-ггь формируемые гипотезы. Процедура основана на использовании следующих "феделений.

Определение 10. Нечеткие переменные Ак и Ак , назовем совпадающими, :ли Ак = Ак+1 для всех Ак —>, Ь8 и Ак+1 —>, Ь8 . Здесь " =" - операция не-:ткого равенства.

Определение 11 Операцией совмещения нечетких переменных Ак и Ак+1 *зовем операцию пересечения нечетких подмножеств Ак I Ак+1, если нечеткие ;ременные Ак и Ак+1 являются совпадающими.

Исходя из данных определений можно сделать следующее заключение: если ^ « Ак+1, го Ак I Ак+| —>, Ья . Использование в качестве операции совмеще-

ия нечетких переменных операции пересечения нечетких подмножеств Ак и

обусловлено тем обстоятельством, что в этом случае не учитываются незнаемые наблюдения. Использование операции пересечения нечетких подмножеств эзволяет избавиться от избыточной информации в наблюдениях и уменьшить пело анализируемых гипотез.

С целью практического применения механизма индуктивного обобщения, редложен формальный язык автоматического порождения гипотез для общего 1учая, который является языком многосортной нечеткой логики предикатов с занторамн.

Далее рассматривается вариант нечеткого исчисления секвенций, ориенти-эванный на применение в системах ситуационного логического вывода. Данное счисление расширяет возможности дедуктивных систем за счет использования ечетких предикатов и кванторов. С целью компьютерной реализации механизма этического вывода разработаны стратегия и машинно-ориентированный алго-итм доказательства теорем в экспертных системах продукционного типа Рас-мотренный подход к использованию нечеткого исчисления секвенций в продук-ионных базах знаний позволяет использовать более богатый язык для описания редметных областей, сохраняя при свойственную для продукционных систем рганизацию логического вывода.

Решение многих интеллектуальных задач является не одномоментным ак-эм, а процессом. При этом достижение цели осуществляется посредством после-овательной реализации множества подцелей, связанных между собой временем, оследовательностью, либо приоритетом выполнения. К таким задачам, в частно-ги, относятся задачи управления организационными системами, задачи реализа-ии проекта, задачи управления разработками НИР, задачи управления военными перациями и т.д. Особенностью моделирования подобных задач является зависи-

мость от принимаемого решения индивидуума, недетерминированный характ* управления, зависимость результатов решения от времени реализации и предыд щих решений. С целью построения модели поведения ЛПР при решении зад; стратегического управления, рассмотрим нечеткий недетерминированный автома под которым понимается шестерка

А =< и, X, У, 80, 5, СГ > ,

где и = {(Л,, и,,..., ито} — конечное множество входов,

X = {Х„ X,,..., Хп ] — конечное множество состояний,

У = [У„ У2,..., У ) — конечное множество выходов,

8: X х и х X -> [0,1] — функция переходов,

<Т.X х У —> Ь — функция выходов, 50 —начальное состояние.

Среди множества состояний автомата выделяется множество финальш (заключительных) состояний X п. Нас будет интересовать такой тип автомата, д. которого каждое состояние Хр 1 е I = (1, К , П} зависит от предыдущего с стояния Хм. Подобная зависимость может определяется последовательносп реализации подцелей, приоритетом выполнения и т.п. При подобном рассмотр нии цель декомпозируется на I последовательных (по времени решения) подз дач. Будем интерпретировать X, как множество состоянии I — й подзадач

У|, ] е J = [1,К ,р}~ как множество интервалов времени реализации решени

Ь — как множество доходов, связанных с реализацией решения и £ и на инте вале времени У^. Очевидно, что в рассматриваемом типе автомата т = П им

жет трактоваться как число последовательных этапов (шагов) достижения цели.

При традиционном использовании автоматной модели, состояния, упра ляющие решения, функции переходов и выходов известны, либо из экспериме тальных данных, либо экспертным путем. Необходимость учета индивидуально опыта и стиля принятия решений ЛПР не позволяет задавать подобным образе параметры автоматной модели. Это связано со следующими обстоятельствами:

- невозможностью точного задания функции выходов, вследствие связи ее индивидуальной оценкой ЛПР ресурсов, необходимых для реализации реи. ний;

- необходимостью учета личного опыта ЛПР при прогнозе состояний подзад при воздействиях внешней среды.

Управляющие решения и состояния подзадач, протекающие во времени, С дем трактовать как нечеткие события на интервале Ук,1 < к < р. При так< подходе функция переходов может задаваться экспертным путем и отражать у: имеющийся опыт управления подобным классом динамических систем, исходя

жтического опыта специалистов при применении управляющих решений. При iM, естественно, не учитывается результат применения решения в зависимости времени его реализации, а также личностные особенности принятия решений [Р, связанные с анализом текущего состояния внешней среды и индивидуальным зедением. Для учета данного обстоятельства необходимо осуществить привязку эавляющих решений к интервалам времени и построить индивидуализировано функцию переходов. С этой целью учитывается исходная информация от ЛПР, лючающаяся в задании прогноза применения управляющих решений в зависнет» от возможных состояний подзадач в виде функции fx: Xt х U, —> [0,1], а ;же прогноза перехода управляемого процесса из исходного состояния S0 на )вом шаге решения в зависимости от ограничений на имеющиеся ресурсы. На юве этой информации программируется автоматная модель. Для этого на каж-а шаге решается система композиционных уравнений вида:

ц(Х,)/ U, = ju(X,^)/ U,_, oS(Xi_1, Xj) / U,;

M(U,) = ^Jo^X^U,)

: "d'-знак операции "композиция"; ^(Xj)/ U,, ц(Хм)/ U, , - нечеткие

гнки возможности управляемого процесса находится в состояниях Xj5 XU1 при

вменении управляющих решений U, и U,_, соответственно; fi(U, )—нечеткая

гнка использования ЛПР управляющего решения U,. Полученные оценки груп-

эуются попарно, исходя из следующего условия (¿(Uj) < Ц(Х() / U, . Форми-зание пар по такому принципу согласуется с реальным выбором решения: со->янию с максимальной оценкой возможности должно соответствовать управ-ощее решение также с максимальной оценкой использования его ЛПР. Выделе-з пар позволяет выявить наиболее возможные связи по управляющим решениям жду состояниями подзадач. При этом каждое управляющее решение, марки-ощее связь, характеризуется нечеткой оценкой использования его ЛПР и нечет-1 оценкой дохода (нормированный доход), получаемого ЛПР, в зависимости от :мени его реализации.

Применяя подход, используемый в динамическом программировании, мож-выделить классы стратегий ЛПР. В первую очередь нас будет интересовать тот icc, стратегии которого позволяют достичь цели и характеризуются максималь-ми оценками связей между состояниями подзадач. Для выделения таких страте-i на множестве финальных состояний определяются состояния, соответствую-е цели. Далее выделяются состояния на (п — 1) — м шаге, переход из которых в 1евые состояния п — го шага характеризуется управляющими решениями с гнкой равной

а(и„-.) = max (min(|i(Un J, ох> _ Un _ ))

Подобная процедура осуществляется для каждого шага решения, вплоть до сс стояния 80. Использование процедуры позволяет выделить возможные стратеги ЛПР, представляющие собой взвешенные пути на графе от вершины Б0 до верши из множества Хп. Каждый Ц — й путь представляет собой взвешенную относг тельно управляющих решений последовательность вида

в, =(80,и0,х?,и1к,х:-;;,и._1,х:-),

где Ги, = 1, п — количество состояний XV — й подзадачи. Элементы (состояни цели) множества Хп могут представлять для ЛПР различную ценность, что во: можно отразить заданием на Хп нечеткой цели в виде функци М-(ё) = ИК.К.Ю)' где Ь — размерность множества Х;

М-(Х*), 71 = 1, Ь — функция принадлежности состояния X* нечеткой цели g . этом случае каждую стратегию из класса ТС можно оценить следующим образом: РОД = тт(а(ив),а(и1),К,а(и„„1),ц(Х:)).

Стратегия, имеющая оценку тах([3(8*)) наиболее соответствует индивидуал

ч 4

ному стилю принятия решений ЛПР, но не всегда может соответствовать мака мальной функции принадлежности состояния цели § . Полученное противореч! при построении модели поведения ЛПР можно избежать используя следующ! способы:

- изменением предпочтений ЛПР;

- изменением исходных матриц переходов и выходов;

- использованием такой организации управления на основе модели поведен! ЛПР, которая бы учитывала только конечную цель, т.е. состояние нечеткс цели с максимальной функцией принадлежности.

Очевидно, что необходимость в трансформации стратегий возникает в т случаях, когда выбранная исходная стратегия перестает быть эффективной по с ношению к нечетко заданной цели. При этом важно определить те пространстве но-временные точки графа (вершины), где подобная трансформация возможна, целью определения пространственно-временных точек трансформации стратег: введено понятие коэффициента свободы выбора (КСВ) ЛПР. Под КСВ будем п

нимать отношение числа допустимых стратегий из класса Б* с Р(Б*) > £ к с

щему числу стратегий из этого же класса. Здесь £ означает порог возможност ЛПР в достижении поставленной им цели, используя индивидуальный стиль по£ дения. Очевидно, что чем меньше значение КСВ, тем меньше у пользователя вар антов в достижении поставленной цели, без изменения индивидуальной стратеги

Заданная подобным образом автоматная модель поведения ЛПР является ¡томатом с программируемой структурой и процессом: программируемое^ про-:сса определяется прогнозом ЛПР; программируемое^ структуры - временной >гикой переходов и оценкой состояний.

В пятом разделе анализируется концепция гетерогенной базы знаний и юсновывается необходимость ее разработки для представления структур знаний элементах гибридного интеллекта и решаемых человеком и системой задачах, злагаются требования к языку описания задач, позволяющего формализовать в 1мках единого представления структуры знаний, и обосновывается его деклара-!вный уровень. Рассматриваются синтаксис и семантика языка описания задач и шводится общая структура абстрактной машины обработки знаний, обеспечн-ющей обработку знаний, описанных в терминах языка.

Применение разнообразных моделей принятия решений в системах гибридно интеллекта определяется не только классами задач агентов, но и необходимо-ыо постоянного изменения логики рассуждений в зависимости от сути и харак-ра наличной информации как при взаимодействии, так и при поиске общего шения. Рассмотренные выше методы и модели КАИС базируются на нечеткой тике и правдоподобных рассуждениях и позволяют решать задачи концептуально анализа, концептуального синтеза и концептуального управления. При реали-ции КАИС одной из проблем явилась проблема представления знаний, обеспе-1вающих эффективное использование рассмотренных в диссертационной работе :тодов и моделей принятия решения. Модель гетерогенной базы знаний содер-1т, в общем случае, несколько традиционных представлений знаний: предикаты формулы нечеткой логики, нечеткие продукции, нечеткие семантические и си-ационные сети, и наконец фреймы. Такая модель логично вытекает из ряда ис-едований, связанных с сопоставлением разных представлений в предположении ществования между ними изоморфных отображений. Для формального пред-авления модели гетерогенной базы знаний предложен язык описания задач, лючающих девять предложений: описание константы, описание множества, нсание структуры (фрейма), определение предиката, определение функции, оп-целение формулы, правило, факт и блок знаний. С целью реализации языка опи-4ия задач предложен вариант абстрактной машины обработки знаний, позво-ющей осуществить практическую реализацию языка на основе существующей <итектуры ЭВМ с расширением ее возможностей за счет использования акселе-горных приставок, ориентированных, главным образом, на параллельную обра-тку знаний.

В шестой раздел включены сведения о результатах разработок и практиче-эго применения, созданных при непосредственном участии автора, интеллекту-зных систем. В частности, рассмотрено использование концепции гибридного теллекта, а также разработанных методов и моделей принятия решений КАИС, и создании автоматизированной интеллектуальной системы медико - биологи-жого эксперимента, имитационно - моделирующего комплекса, управленческих

информационно-советующих систем, систем поддержки принятия решений в за; чах медицинской диагностики.

В приложении приведены результаты экспериментов, моделирования, также документы, подтверждающие практическую значимость и эффективное диссертационной работы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В диссертации обобщены результаты исследований в области построен компьютерной адаптивной интеллектуальной среды поддержки принятия решен в человеко-машинных системах гибридного интеллекта, ориентированной на ] шение задач взаимной адаптации двух партнеров принятия решений: человека информационного обеспечения ЭВМ, учета в результате общения индивидуальн особенностей человека и стиля его деятельности, модификации структуры инфс мационных связей в процессе общения и анализа информационной потребное пользователя, анализа и синтеза стратегий управления поведением организацис ной системы. Основное внимание было уделено проблемам разработки математ ческих и системотехнических принципов, методов и моделей построения компь терной адаптивной интеллектуальной среды для целей обеспечения адаптивне общения человека и ЭВМ при решении ими общих интеллектуальных задач проблемной области человека, и моделирования поведения организационных а тем. При решении этих проблем получены следующие результаты.

1. Предложена концепция построения компьютерных человеко-машинн систем гибридного интеллекта, базирующаяся на создании адаптивной интелл< туальной среды имитирующей, посредством совокупности математических, ал) ритмических и программных средств, с одной стороны, рассуждения разработ> ков СЧМ, с другой стороны, результаты мыслительной деятельности человека.

2. Разработаны принципы построения и архитектура компьютерной ад< тивной интеллектуальной среды, позволяющей с системных позиций осуществ1 оценку поведения организационной структуры и построить взаимодействие с 1 ловеком на основе коллегиальных соглашений и изменения логики рассужденш процессе общения, анализа ситуаций и прогноза последствий предлагаемых реи ний.

3. Предложена иерархическая модель системы гибридного интеллекта, г зволяющая формализовать взаимодействие элементов организационной структу на основе принципов гомеостатического управления и управления по конечн цели

4. Разработана оригинальная модель поведения гибридного интеллекта, ( зирующаяся на понятии нечеткой компромиссной игры. Использование этой N дели позволяет организовать поведение элементов гибридного интеллекта с у том общих целей и частных интересов.

5. Предложены алгоритмы правдоподобных рассуждений на основе анализа :полной, недоопределенной и противоречивой информации. Использование ал-ритмов в компьютерной адаптивной интеллектуальной среде системы гибридно-

интеллекта придает ей гибкость, активность и динамизм за счет возможности танизации нечеткого правдоподобного вывода в базе неполных и противоречи-IX знаний.

6. Разработаны алгоритмы формирования нечетких ситуационных сетей, >ед назначенные для автоматического синтеза описания динамических объектов и >делирования управляющих решений, а также алгоритмы выбора управляющих шений, позволяющие осуществить целенаправленный поиск оптимальных так-ческих и стратегических решений в зависимости от этапа решения задачи, теку-зго состояния системы гибридного интеллекта и оценки недоминируемости 1еющихся альтернатив.

7. Разработана модель индуктивного обобщения, позволяющая автоматиче-и формировать систему знаний среды посредством анализа частных примеров и щвижения эмпирических гипотез. С целью компьютерной реализации модели ¡едложено исчисление правдоподобных гипотез представляющее собой много-ртный язык логики предикатов с нечеткими кванторами.

8. Разработаны модели поведения ЛПР при решении задач стратегического равления, отличительной особенностью которых является возможность учета [дивидуального стиля принятия решений человека.

9. Разработано нечеткое исчисление секвенций, ориентированное на применив в системах ситуационного логического вывода при анализе нечетких ситуа-юнных сетей. С целью компьютерной реализации механизма логического выво-, основанного на нечетком исчислении секвенций, разработаны стратегия и ма-шно - ориентированный алгоритм доказательства теорем в экспертных системах >одукционного типа;

10. Введено понятие структурной аналогии, которое позволяет формализо-ть описания сравниваемых объектов в категориях формы и содержания. Понятие руктурной аналогии явилось основой для формирования механизма описаний ъектов в виде нечетких слабоориентированных графов и формализации схем иска аналогий и правдоподобных выводов.

11. Предложена концепция гетерогенной базы знаний для компьютерной аптнвной интеллектуальной среды, позволяющая в рамках единого языка описай используемых моделей принятия решений, обеспечить гибкость рассуждений ¡ависимости от сути и характера наличной информации как при взаимодействии ементов гибридного интеллекта, так и при поиске согласованных решений. На нове гетерогенной модели базы знаний разработан язык описания задач деклара-вного типа, который является промежуточным языком компьютерной адаптив-й интеллектуальной среды;

12. На основе проектирования и практической реализации принципов по-роения систем гибридного интеллекта показано приложение теоретических и

методологических положений, рассмотренных в диссертационной работе, Д1 различных классов систем "человек-машина".

Основные положения работы изложены в следующих публикациях:

1. Астанин C.B., Берштейн JI.C., Захаревич В.Г. Проектирование интеллектуальн« го интерфейса "человек-машина", Ростов-на-Дону, Изд.РГУ, 1991.-110с.

2. Астанин C.B., Захаревич В.Г. Информационно-советующие комплексы систе гибридного интеллекта. Таганрог: Изд. Таганрогского государственного радиоте: нического университета, 1997.-136с.

3. Пьявченко О.Н., Астанин C.B. Разработка принципов построения адаптивнс системы информационного взаимодействия//Материалы ХХХХ научно-техн.кош -Таганрог, 1995.-С15-18

4. Астанин C.B. Моделирование поведения организационных систем на ochoi нечеткой компромиссной игры.//Изв.ТРТУ. "Управление в социальных и эконом ческих системах". Таганрог: Изд.ТРТУ, 1997.

5. Астанин C.B. Комплексный подход к моделированию функционального состо ния человека-оператора на основе теории нечетких множеств// Космическая 6hoj 1989.-N4.-C.29-33.

6. Астанин C.B. Использование теории нечетких множеств для анализа и оцеш функционального состояния человека-оператора/ Тезисы докладов Всесоюзнс научно-технической конференции "Актуальные вопросы применения радиоэле тропики в медицине". -Москва-Куйбышев, 1988.

7. Астанин C.B., Ларин C.B. Генератор экспертных систем с нечетким продукц онным выводом//Тезисы докладов 8-й республиканской конференции "Бионик 89".-Киев: Изд.инст.киберн. АН УССР.-С.74.

8. Астанин C.B., Ларин C.B. Принцип организации экспертных систем продукц онного типа с нечетким выводом//Тезисы докладов 3-й Всесоюзной научн технической конференции "Проблемы создания технических средств для диагн стики и лечения сердечно-сосудистых заболеваний.4.2.-Львов,1990.-С.5.

9. Астанин C.B., Гринберг Я.3. Нечеткие меры близости в реализации приближе ных решений/ЛГезисы докладов Всесоюзной научно-практической кон "Программное обеспечение ЭВМ:индустриальная технология, интеллектуализац разработки и применения".-Ростов-на-Дону, 1988.-С. 125.

10. Астанин C.B. Алгоритмы выбора управляющих решений при моделирован динамических объектов в ситуационных экспертных системах //Электронное мо; лирование. №4. 1997.

11. Астанин C.B. Логика отрицаний как средство реализации немонотонных рг суждений/Медицинские информационные системы.-Таганрог: ТРТИ, 1990, Вып -С.112-116.

12. Астанин C.B., Захаревич В.Г. Лингвистический подход к распознаванию пс хофизиологического состояния человека-оператора // Медицинские микрокомг ютерные системы. - Ростов-на-Дону: РОДНМИ, 1986, С.52-53.

13. Астанин C.B. Синтез знаний в интеллектных системах анализа функционалы

состояния на основе индуктивного обобщения / Медицинские информационные стемы. -Таганрог: ТРТИ, 1993. Вып.4.-С. 176-182.

. Астанин C.B. Логический вывод на основе нечеткого исчисления секвен-1Й//Тезисы докладов научно-практической школы - семинара "Программное •еспечение ЭВМ: индустриальная технология, ин-теллектуализация разработки и тменения". 4.2.-Ростов-на-Дону, 1988.-С.123-124.

. Астанин C.B., Захаревич В.Г. Нечеткий секвенциальный вывод в системах об-ботки знаний// Тезисы докладов 2-й Всесоюзной конференции "Информатика-".-Ереван, 1987.-С. 57.

Астанин C.B., Баканов Г.Б., Захаревич В.Г. О приложении нормативных усло-й управления к АСУ предприятий с дискретным характером производства. В . :Методы построения алгоритмических моделей сложных систем. Таганрог, т.5, 1980.

Астанин C.B. Моделирование многошаговых задач принятия решений при четких исходных данных.-Электронное моделирование, T.9,N5,1987. С.93-97. . Астанин C.B. Трансформационная модель поведения. Межвузовский сборник учных трудов "Объектно-ориентированный анализ и проектирование адаптив-.IX интеллектуальных систем реального времени".-Новочеркасск: Изд НГТУ, '96.-С. 85-91.

Астанин C.B. Нечеткая автоматная модель стратегического управле-1я//Изв.ТРТУ. "Интеллектуальные САПР" - Таганрог: Изд.ТРТУ, 1997. С 1291.

Астанин С.В, Синютин С.А., Соломонов В.И. Экспертная система анализа ектрофотометрин СОЖ-желудка// Тезисы докл. Всесоюзной конф. "Методы следования, лечения, аппаратные системы и ЭВМ в гастроэнтерологии". Ессен-ки-Железноводск: Кавказкая здравница, 1991.-С.264-265.

. Астанин C.B. Использование аналогии в нечетких системах принятия решена/Материалы XXXIX научно-технической конференции - Таганрог. 1993.-С.29-

I.

Астанин C.B. Рассуждения по аналогии на основе гомоморфизма ориентиро-нных графов. Межвузовский сборник научных трудов "Объекгно-шентированный анализ и проектирование адаптивных интеллектуальных систем алыюго времени".-Новочеркасск: Изд.НГТУ, 1996.-С.31-38. . Астанин C.B., Захаревич В.Г. Семантический язык для представления лингвис-ческих знаний по оценке состояния человека-оператора//Тезисы докладов 4-й ;есоюзной научно-технической конференции "Проблемы техники в медицине", зилиси, ч.1, 1986-С. 10-11.

■. Астанин C.B., Захаревич В.Г. Представление знаний в экспертной диагности-ющей системе ЭСОС//Тезисы докладов 2-й Всесоюзной конференции [нформатика-87",Ереван, 1987.

25. Астанин C.B. Декларативный язык описания задач//Тезисы докладов Всесок ной научно-практической конференции "Гибридные интеллектуальные системы Ростов-на-Дону - Терскол, ч.1, 1991.-С.17-18.

26. Астанин C.B., Зейтман Л.Г., Ярцева Т.А. Система активного диалога врача л диагностики ПФС оператора по биологически активным точкам//Тезисы доклад Всесоюзного совещания "Структура и организация диалоговых систем реальнс времени", Иркутск, 1986.

27. Астанин C.B. Информационное обслуживание оператора посредством управ.) ния системой отображения информации. В сб.: Вопросы медицинской электро! ки, Таганрог, вып. 5, 1984.

28. Астанин C.B. Синтаксис и семантика языка описания задач // Материалы 1¿ научно-технич.конф., Таганрог, 1993.-С.26.

29. Астанин C.B., Омельницкий В.И. Разработка декларативного языка гибридно типа для представления знаний. //Изв.ТРТРУ. "Интеллектуальные САПР" - Tan рог: Изд.ТРТУ, 1996.-С.

30. Астанин C.B., Захаревич В.Г. Динамическая система для контроля параметр состояния человека-оператора/ЛГезисы докладов Всесоюзной научно-техническ конф. "Применение математических методов обработки медико-биологическ данных и ЭВМ в медицине", М., 1984.-С.54-56.

31. Астанин C.B., Захаревич В.Г. Интеллектуальные информацион? измерительные системы в медико-биологических исследованиях//Тезисы доклад Всесоюзной научной конф. "Применение проблемно-ориентированных инфорл ционно-измерительных комплексов в эколого-генетических исследованиях". Кишинев, 1986.

32. Астанин C.B., Каримов А.Г., Черчаго А.Я. Исследование подходов к синте устойчивой структуры эргатического комплекса. В сб.:Вопросы медицинск электроники, вып.4, 1982.-С.72-77.

33. Астанин C.B. Моделирование интеллектуальных систем средствами инст] ментальной экспертной среды//Тезисы докладов международной конф. по npo6j мам моделирования в бионике "Биомод-92".-Санкт-Петербург, 1992.

34. Астанин C.B. Использование нечетких отношений в многоконтурной моде адаптации СОИ к пользователю. В сб.:Вопросы медицинской электроники, Тагг рог, 1986.-С.48-51.

35. Астанин C.B. Формирование правдоподобных заключений в интеллектуальн информационно-справочной системе руководителя. /Материалы 24-й научр технич.конф., Таганрог, 1993.-С.18-21.

36. Астанин C.B. Логика решений в экспертных системах, использующих приб.г женные рассуждения//Тезисы докладов Всесоюзной научно-технической коь Пермь, 1987.

37. Астанин C.B., Захаревич В.Г. Принятие приближенных решений в систем человек-машина. В сб.:Медицинские информационные системы.-Таганрог:ТРТ вып.2. 1990.

станин C.B. Информационное обслуживание оператора посредством управле-;истемой отображения информации. В сб.: Вопросы медицинской электрони-аганрог, вып.5, 1984.-С.28-34.

Останин C.B. К обоснованию выбора системы кодирования отображаемой >рмацни//Применение общетехнических достижений при создании средств хачн, обработки и отображения медицинской информации.-зд.ЦООНТИ,1983.-С. 104-106.

^станин C.B., Захаревич В.Г., Кожухова С В. Математическая модель адапта-формы представления информации оператору в человеко-машинных систе-Методы и средства обработки сложной графической информации.-кий.ТПИ, 1985.-С. 183-184.

^станин C.B., Захаревич В.Г. Об адаптации формы представления информации атору в человеко-машинных системах.-Кибернетика и вычислительная техни-ып 74. -Киев:Наукова думка, 1987.-С.

юрецкий A.A., Маковей Н И., Синютин С.А., Астанин C.B. Интеллектуальная иологическая рабочая станция на базе IBM PC с экспертной системой. Труды 1ународного семинара "Информатика в медицине".-Рига, 1991. кгганин C.B., Захаревич В.Г. Экспертные системы в медицине//Тезисы докла-эегионального медико-технического семинара "Приборы и системы в диагно-г и лечении заболеваний внутренних органов", Железноводск, 1988. ^станин С В., Захаревич В.Г. Интеллектуальные системы принятия решений в цине//Тезисы докладов Всесоюзного научно-практического семинара еллектуалыюе программное обеспечение ЭВМ".-Ростов-на-Дону-Терскол. 1990.

)мельницкий В.И., Астанин С.В Инструментальная среда разработки эксперт-систем поддержки принятия решений. Межвузовский сборник научных трудов >ектно-ориентированный анализ и проектирование адаптивных интеллекту-ых систем реального времени".-Новочеркасск: Изд.НГТУ, 1996.-С.51-58. алустов Г Г., Астанин C.B. Автоматический анализ ритмограмм с целью клас-1кации патологии. В сб.: Медицинские информационные системы.-нрог.ТРТИ, вып.4, 1993.

\станин C.B. Математическая модель формирования тактики и стратегии врат лечении и реабилитации пациента /Материалы научно-практической конфе-,ии врачей военных здравниц Кавказских Минеральных Вод "Диагностика, горно-курортное лечение и реабилитация больных с заболеваниями внутрен-органов, нервной системы и опорно-двигательного аппарата".-Ессентуки, -С.60-61.

Останин C.B. Модель системы гибридного интеллекта. // Материалы научно-ической конференции »Компьютерные технологии в инженерной и исследова-ской деятельности». Таганрог: Изд.ТРТУ. 1996.-С.8-13.

49. Astanin Sergey V. The Behavior Model of Strategic Controlling, 5-th European ( gress on Intelligent Techniques & Soft Computing, Aachen, Germany, September S 1997, V.l, pp.353-358.

50. Omelnitsky V., Astanin S. The Development Tools for Expert Systems with F Knowledge Base. 5-th European Congress on Intelligent Techniques & Soft Сотри Aachen, Germany, September 8-11, 1997, V.2, pp.987-991.

Личный вклад автора в работах, написанных в соавторстве, состоит в дующем:

• работы [1, 12, 30, 31, 37] - разработка принципов построения интеллекту ной среды в системах "человек-машина" и ее математического обеспеченш

• работы [2, 3] - разработка концепции построения систем гибридного ин лекта, математических моделей поведения и правдоподобных рассужде: обоснование принципов функционирования компьютерной адаптивной ин лектуальной среды;

• работы [7, 8] - механизмы правдоподобных рассуждений в экспертных си мах продукционного типа;

• работа [9] - определение нечеткой меры близости;

• работы [15, 23, 24] - разработка семантических конструкций языка предста ния структур знаний и механизма логического вывода, основанного на не ком исчислении секвенций;

• работы [16, 27, 32, 40] - разработка алгоритма выделения пространстве1 временных точек контроля состояний динамических объектов и модели а, тивного взаимодействия пользователя с информационной системой;

• работы [20, 42-44] - разработка принципов построения экспертных сш медицинского назначения и их математического обеспечения;

• работы [31, 47, 50] - разработка семантических конструкций декларатиш языка описания задач и механизмов правдоподобных рассуждений;

• работа [46] - постановка задачи классификации и распознавания ритмогра*. пространстве независимых признаков.