Russia, Perm, Perm State Technical Universit

The characteristics of tasks of choice and appropriate methods of representation of knowledge are considered. For tasks of the specified class the special architecture of systems allowing to simplify procedure of search of the decisions and at the expense of it significantli reduce labour input of creation of expert sistems is offered.

Россия, Пермь, Пермский государственный технический университет

Рассмотрены характерные особенности задач выбора как объектов компьютеризации.и особенности формализации знаний для задач указанного класса. Предложена специальная архитектура систем, позволяющая значительно сократить трудоемкость и сроки создания экспертных систем.

Одним из достоинств экспертных систем (ЭС) является возможность их использования для решения самого широкого круга задач, в том числе неформализованных, которые до недавнего времени считались малодоступными для вычислительной техники. Однако несмотря на кажущуюся универсальность ЭВМ как инструмента, практика разработки ЭС свидетельствует о крайней неравномерности распределения их по областям применения и типам решаемых с их помощью задач. Так, анализ 195 экспертных систем, приведенных в справочнике [ 1] , показывает, что из 31 указанной области назначения на медицину, электронику, вычислительную технику и военные приложения приходится 128 систем, или 65,5%. Удельный вес ЭС, предназначенных для использования в промышленности, составляет всего 10,8%, что примерно в 2,5 раза меньше количества ЭС по медицинской тематике.

Столь же неравномерно распределение ЭС по типам решаемых задач. Например, из того же обзора видно, что около половины всех ЭС ориентировано на задачи диагностики и контроля. Мало систем разрабатывается для производственных отраслей, определяющих научно-технический прогресс в целом.

Указанное положение не является случайным. Оно обусловлено тем, что применение ЭС дает наибольший эффект при решении задач, которые характеризуются слабой формализацией и большую, иногда решающую роль играют знания и опыт высококвалифицированных специалистов (экспертов). Именно к таким предметным областям относятся упомянутые выше медицина, военное дело, электроника и некоторые другие.

Наряду с этим существует огромное множество задач в разных предметных областях, в которых знания изложены преимущественно в вербальной форме, но часть знаний представлена в виде данных и общая схема или принцип решения понятны специалисту. Главная трудность таких задач состоит в том, что их они не могут быть решены расчетными методами, основная процедура заключается в выборе наилучшей из нескольких имеющихся альтернатив, причем принцип предпочтения заранее не определен и зависит от ЛПР. По классификации работы [ 2] указанные задачи относятся к классу задач выбора и принятия решений. Особенно много таких задач возникает при техническом проектировании. Для многих из них характерны следующие особенности.

1. Целью решения является выбор дискретного значения выходного параметра из нескольких имеющихся при известном правиле предпочтения.

2. В источниках информации большинство знаний о предметной области задачи изложено в вербальной форме.

3. Фактуальные знания в основном получены экспериментальным путем.

4. Логические связи между используемыми понятиями задачи просты и не требуют подробных разъяснений для специалистов.

5. Выбор решения обычно зависит от большого количества факторов и их сочетаний.

При разработке ЭС целесообразно учитывать перечисленные особенности.

Применительно к задачам выбора в качестве формализмов знаний можно использовать продукционные правила и таблицы соответствий. Для уменьшения количества правил, вводимых в базу знаний ЭС, продукционные правила следует формулировать таким образом, чтобы в их правой части были указаны возможные значения выходного параметра (решения), а в левой - значения входных параметров, то есть факторов, оказывающих влияние на выбор решения. Особенность работы с такой системой высказываний состоит в том, что отпадает необходимость поиска решений по длинным цепочкам логических выводов. Процедура обработки знаний в системе сводится к поочередному сравнению кортежа исходных данных с посылками (левыми частями) правил и по результатам каждого сравнения делается независимый вывод.

Еще большая степень формализации достигается при использовании таблиц соответствий (ТС) [ 3] . Таблица соответствий в явном виде может быть представлена тройкой

ТС= a Y,X,Mn ,

где Y={ y₁, y₂, … y_m } - множество возможных решений, из которых производится выбор (область прибытия); X={ X₁, X₂, … X_n }- множество входных параметров, влияющих на выбор решения; М - матрица соответствий, показывающая связи между входными параметрами и решениями. При этом каждый i-й входной параметр может принимать некоторое множество значений, то есть X_i ={ x_i1, x_i2, … x_ik }, i = 1,n. Множество входных параметров и их значений образует область отправления ТС. Соответствия между значениями входных параметров и возможными решениями указываются с помощью булевой функции: 1 - соответствие есть, 0 - соответствия нет.

Следует заметить, что продукционные правила формата ЕСЛИ- ТО с развитой посылочной частью легко трансформируются в соответствующую строку ТС и обратно. По сравнению с системой высказываний вида продукций ТС более компактна, так как предусматривает кодирование всех атрибутов таблицы.

Если все знания, относящиеся к решению конкретной задачи, удается вложить в форму ТС, то выбор оптимального решения будет заключаться в поиске по ТС значения выходного параметра, имеющего соответствия с заданным кортежем исходных данных задачи. Алгоритмы автоматического поиска решений по ТС разработаны и приводятся в литературе [4,5 и др.]. Жесткая структура ТС позволяет унифицировать и упростить процедуру приобретения знаний системой, поэтому во многих случаях эксперт-разработчик может обойтись без помощи инженера по знаниям (когнитолога). Это означает, что ликвидируется одна из наиболее трудоемких и сложных стадий создания ЭС- стадия извлечения знаний из эксперта и связанные с ней проблемы.

Необходимо иметь в виду, что эффективность и корректность решения задач по рассмотренной технологии будет напрямую зависеть от качества табличных моделей. Практика построения таких моделей показала, что указание соответствий в матрице моделей с помощью булевой функции часто приводит к неоднозначности решений, генерируемых системой, то есть возможно получение множественных решений по одному кортежу данных. Оценка и корректировка моделей по граф-схемам алгоритмов выбора решений [4] применима только для сравнительно небольших ТС.

В связи с этим предлагается дополнить структуру ЭС специальным инструментальным средством, которое выполняет функции оболочки для построения ТС и одновременно автоматически тестирует табличную модель на предмет наличия неоднозначных решений при определенных кортежах исходных данных. Речь идет о развитии интерфейса разработчика модели на этапах ее построения и адаптации. Эксперту создаются условия для оперативной корректировки модели с целью преодоления неоднозначности решений или сужения альтернатив до приемлемого уровня.

Исследовательский прототип указанного программного средства разработан автором совместно с Б.И.Ярушкиным [6]. Тестирование системы на типовых задачах сварочного производства подтвердило реальность и эффективность предлагаемой системы создания ЭС.

Более общим случаем по сравнению с рассмотренным выше является ситуация, при которой сводить все продукционные правила в одну ТС становится нецелесообразным, так как матрица соответствий таблицы получается слишком разреженной, а размеры ТС- чрезвычайно большими. В этом случае можно идти по традиционному пути- созданию базы знаний продукционного типа. Возможен и гибридный вариант, при котором основу знаний системы составит ядро в виде ТС, аккумулирующей знания большинства правил, и дополнение в виде БЗ с относительно небольшим количеством продукций и текстовых комментариев произвольного вида. При этом изменится архитектура системы. Подготовка выбора оптимального решения передается эксперту и переносится на этап разработки табличной модели. На машину вывода возлагаются функции оказания помощи эксперту путем выдачи информации о существовании множественных решений и помощи пользователю системы при выборе решений из конкурирующих путем вывода на экран дисплея дополнительных правил и комментариев.

Реализация изложенного подхода позволяет значительно сократить трудоемкость создания объектно-ориентированных ЭС для рассматриваемого класса задач.

ЛИТЕРАТУРА

1. Искусственный интеллект: В 3-х кн. Кн.1. Системы общения и экспертные системы: Справочник / Под. ред. Э.В.Попова- М.:Радио и связь, 1990.- 464с.

2. Теория выбора и принятия решений / Макаров И.М., Виноградская Т.М., Рубчинский А.А. и др.- М.: Наука, 1982. - 328с.

3. Горанский Г. К. Алгоритм поиска решений при функциональных, всюду определенных сюрьективных соответствиях // Вычислительная техника в машиностроении.--Минск: ИТК АН БССР, 1966, октябрь. - С. 3- 36.

4. Танаев В.С., Поварич М.П. Синтез граф-схем алгоритмов выбора решений.-

-Минск: Наука и техника, 1974 - 112 с.

5. Автоматизированные системы технологической подготовки производства в машиностроении / Под ред. Г.К. Горанского - М.: Машиностроение, 1976.- 240 с.

6. Лазарсон Э.В., Ярушкин Б.И. Новый подход к созданию экспертных систем в области сварки // Сварка и родственные технологии: Тез. докл. международной конференции --Киев: ИЭС им. Е.О.Патона, 1998. - С.61- 62.