Построение интеллектуальных систем поддержки принятия решений

Тип работы:
Реферат
Предмет:
Кибернетика


Узнать стоимость

Детальная информация о работе

Выдержка из работы

Заключение. Наиболее перспективным направлением в создании адаптивных СППР является применение современных методов принятия решений и соответствующих вычислительных процедур, объединяющих методы интеллектуального извлечения знаний, технологии эволюционного моделирования и методы искусст-.
Поэтому выявление скрытых закономерностей между переменными характеризующими поведение исследуемых динамических систем является актуальной проблемой интеллектуального анализа данных. Интеграция существующих методов Data mining с новейшими перспективными направлениями развития методов эволюционного моделирования позволит повысить эффективность процедур прогнозирования, классификации, кластеризации, ассоциации и других видов логических закономерностей в данных.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Прохорович В. Е. Прогнозирование состояния сложных технических комплексов. — М.: Наука, 1999.
2. Растригин Л. А., Пономарев Ю М. Экстраполяционные методы проектирования и управления. — М.: Машиностроение, 1986.
3. Трахтенгер11 Э. А. Субъективность в компьютерной поддержке управленческих решений. — М.: СИНТЕГ, 2002. & quot-
4. Кулагин В. П. и др. Инновационные технологии и информатизация образования: учеб. для вузов. — М.: Янус-К, 2005. — 180 с.
Кравченко Юрий Алексеевич
Технологический институт федерального государственного образовательного учреждения высшего профессионального образования «Южный федеральный университет» в г. Таганроге.
E-mail: krav-jura@yandex. ru.
347 928, г. Таганрог, пер. Некрасовский, 44.
Тел.: 8(8634)371−651.
Кафедра систем автоматизированного проектирования, доцент.
Kravchenko Yriy Alekseevich
Taganrog Institute of Technology — Federal State-Owned Educational Establishment of Higher Vocational Education «Southern Federal University».
E-mail: krav-jura@yandex. ru.
44, Nekrasovskiy, Taganrog, 347 928, Russia.
Phone: 8(8634)371−651.
The Department of Computer Aided Design- associate professor.
УДК 519. 24
ПЛ. Сороколетов ПОСТРОЕНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ*
Описаны основные принципы построения интеллектуальных систем поддержки принятия решений. Основными из них являются принципы «Бритвы Оккама» и «целое больше части» Приведена иерархическая СППР на микро, макро и мета — уровнях. Приведены
*
Работа выполнена при поддержке: РФФИ (грант № 07−01−174), г/б № 2.1.2. 1652.
новые алгоритмы преобразования информации в СППР, позволяющие получать наборы.
Искусственный интеллект- принятие решений- система поддержки принятия решений- экспертная система- знания- база знаний- база данных.
P.V. Sorocoletov CONSTRUCTION OT INTELLECTUAL SYSTEMS OF SOLUTION SUPPORT
The main principals of intellectual systems of solution support construction are described. The main ones are «Okkama's razor» and «The whole is bigger than one part». Hierarchical system of solution support (SSS) on micro-, macro and meta levels is proposed. New algorithms of information conversion in SSS allowing to get sets of effective solutions are proposed.
Artificial intelligence- solution making- system of solution support- expert system- knowledge- knowledge base- data base.
.
(ИСППР) лежит понятие искусственного интеллекта (ИИ). Проблемы И И тесно связаны с организацией знаний об окружающем мире в виде математических структур, например, множеств, графов, алгоритмов, которые отражают реальные связи и отношения между любыми объектами в природе (в частности, в предметной области) [1−3].
Под ИСППР понимают организационно-техническую систему, состоящую из интеллектуального комплекса средств поддержки принятия решений взаимосвязанного и взаимодействующего с пользователями и сетями ЭВМ и выполняющую решения заданных задач [4].
Укрупненная структура ИСППР по аналогии с другими интеллектуальными системами будет состоять из четырех подсистем: адаптивной- интерактивной- обрабатывающей- подсистемы управления и блока «внешняя среда». Первая подсис-
: -, -. -[5,6].
уровнями организована связь на основе полных и неполных, четких (нечетких) графов и гиперграфов. На каждом уровне строится интегрированная целевая функция, определяются свои граничные условия и ограничения. Далее строится обоб-
. -, -метауровне будут частными целевыми функциями. Здесь реализуется эффект «матрешки» (англ. — nesting). В этом случае
ЦФ1= a1K1 + a2K2 + … anKn, (a1 + a2 + … an = 1), (1)
где ЦФ1 — целевая функция на микроуровне, K1, K2, …, Kn — частные целевые
функции, а1, а2, …, an — коэффициенты, определяющие степень принадлежности (важности) каждого критерия на этом уровне, n — число частных критериев. Соот-, —
ЦФ2= Р1М1 + Р2М2 + … PnMn, (Р1 + Р2 + … Pn = 1), (2)
ЦФ3= у 1R1 + y2R2 + … ynRn, (y1 + у2 + … yn = 1), (3)
где ЦФ2 (ЦФ3) — целевая функция на макроуровне (метауровне), Mi, М2, …, Mn
(R1, R2, ., Rn) —, 1, 2, ., n (1, 2,. n) — -
фициенты, определяющие степень принадлежности (важности) каждого критерия на макро- (мета) уровне, n — число частных критериев. Отметим, что для простоты
взято общее число частных критериев (п) на всех уровнях. Тогда обобщенная (интегрированная) целевая функция ИСППР запишется:
ЦФинт= ШЦФ1 + 02ЦФ2 + 03ЦФ3, (01+02+03 = 1), (4)
где 01, 02, 03 — коэффициенты, определяющие степень принадлежности (важности) каждого критерия микро-, макро- и метауровня в интегрированном критерии ().
На каждом из этих уровней реализуются заданные комплексы алгоритмов при взаимодействии с внешней средой. Автор предлагает для разработки таких алгоритмов использовать положения теории и основные принципы моделирования эволюций и адаптации алгоритмов к окружающей (внешней) среде. Такая ИСППР может быть представлена в следующем виде (рис. 1.) [4,5].
Рис. 1. Трехуровневая адаптивная система
,.
Эта среда является регулятором работы СППР. В качестве внешней среды может, (,), —
тема и т. п. Взаимодействие может осуществляться различными способами:
¦ в виде четкого и нечеткого полного графа (гиперграфа) —
¦ на основе звезды, дерева и других видов неполных четких и нечетких
() —
¦ на основе четкого и нечеткого функционального («многие к одному») со-
-
¦ на основе четкого и нечеткого инъективного («один к многим») соответ-
-
¦ на основе биективного (взаимнооднозначного) соответствия.
Вторая подсистема анализирует входные описания на языке пользователя на основе имеющихся знаний и формирует внутреннее неполное и расплывчатое.
X = {х1, х2, …, х1} и определение на нем нечеткого множества, А = {& lt- ц1, х1& gt-,
& lt- М2, х2& gt-, … & lt- ц1, х1& gt-,}. При этом М е М (Х) функция принадлежности элемента х1, а величина М (Х) изменяется на интервале [0,1]. Третья подсистема превращает неполное и расплывчатое описание задачи в полное и четкое и снова передает его
.
удовлетворительного решения. Четвертая подсистема управляет процессом решения, взаимодействуя с 1, 2 и 3 подсистемами.
(. 2)
[5]. Здесь в качестве множества {П1, П2, …, Пп} будет выступать множество пользователей или ЛПР. Диалоговый процессор (ДП) является структурной единицей интеллектуального интерфейса ввода, вывода. Наилучшей формой реализации ДП в ИСППР будет совместная программная и аппаратная реализация на основе ней,. Пользователь во взаимодействии с ДП на основе адаптации, блочно иерархического подхода и принципов декомпозиции может производить разбиение необходимой задачи принятия решений (ПР) систем больших размерностей на совокупности функциональных подзадач меньшей размерности. При этом должен сохраняться основной синергетический принцип: «целое больше части». Другими словами, после разбиения задачи ПР на части и решения их при получении общего решения должны быть не потеряны основные свойства, присущие общей задаче.
Рис. 2. Концептуальная схема ИСППР
Основная цель планировщика — поиск информации. Совместно с экспертной системой (ЭС) он осуществляет анализ преобразованных данных, полученных из ДП. В зависимости от значений внутренних, внешних и управляющих параметров конструктивных ограничений, заданных режимов работы и т. п. выбирается не. (),
,
осуществляет реализацию процедур поиска для нахождения множества решений и для выбора некоторого подмножества эффективных решений среди имеющихся.
В ИСППР БЗ будет состоять из трех основных блоков: база общих знаний, база системных знаний, база прикладных знаний. В первом блоке будут храниться ,. блоке будут храниться знания о всех внутренних связях самой системы. В третьем блоке будут храниться все прикладные знания, например, описание предметных областей, правила и ограничения на процесс принятия решений, комплексы алго-. (), -вуют в ИСППР и взаимодействуют с БЗ, последние позволяют обрабатывать знания и в результате этого получать новые знания [2].
Предлагается совместное использование экспертных систем (ЭС) и методов эволюционной адаптации для эффективного решения таких задач. ЭС ИСППР позволяют разработать структурированную схему, отражающую весь ход процесса принятия решений в неопределенных и расплывчатых условиях. ЭС ИСППР в основном моделируют и интерпретируют действия пользователя по организации своих знаний об объекте и делают из них выводы. В основном ЭС ИСППР состоит
: (), -щий грамматический разбор предложений пользователя во время работы- примитивы в обработке знаний- структура языка, обеспечивающая возможность выполнения пошаговой компиляции [4,5].
БЗ помогают создавать порядок из хаоса. Основная цель БЗ получать, хра-, -плывчатых неупорядоченных знаний. В отличие от стандартных БД, которые также присутствуют в ИС и взаимодействуют с БЗ, последние позволяют обрабатывать знания и в результате этого получать новые знания [2]. В настоящее время при принятии решений используются семиотические БЗ. Основные требования в них для объектов, называемых знаниями, являются именованность, структурированность,, , [5].
в виде сети фреймов или графов. Причем, каждый фрейм связывает воедино знания о данной ситуации ПР и предсказывает, какие объекты будут обрабатываться, какие события могут произойти. В СППР фреймы являются совокупностью процедурных и декларативных знаний о прикладных моделях и состоят из множества слотов. Слоты содержат знания о конкретной ситуации принятия решений. Кроме того, слоты могут осуществлять вызов алгоритмов и различных процедур и т. д. Слоты одного фрейма взаимодействуют со слотами других фреймов, образуя в случае бинарных связей граф, а в случае п-арных связей — гиперграф [2−5].
Важной задачей является поиск и преобразование информации в таких графовых и гиперграфовых моделях [5]. Можно предложить совместное использование ЭС и методов эволюционной адаптации для эффективного решения таких задач. Экспертные системы в СППР позволяют разработать структурированную схему, отражающую весь ход процесса принятия решений. Эта схема дает возможность составить конечное множество вопросов, которые помогут пользователю эффективно произвести весь процесс ПР [1−5]. Принятие решений — это творческий, интеллектуальный труд ЛПР, пользователя и СППР. ПР часто определяют как процесс преобразования потребности в результат, являющийся элементом в эволюционирующей технологической среде. В этой связи ПР можно интерпретировать как локальный акт самоорганизации в интегрированной среде, который планируется и направляется самой средой [5].
Запишем цепочку формальных преобразований в СППР: Исходные требования =& gt- Протокол поведения =& gt- Абстрактная грамматика =& gt- Логическая структура
=& gt- Функциональная схема. Отметим, что каждый элемент в этой цепочке является ().
В настоящее время важной задачей при принятии решений является разработка и построение нечетких ЭС. Это программно-адгоритмические комплексы, выполняющие разнообразные функции принятия решений. Они могут: консульти-- - обучать пользователя и ЭВМ- обучаться в процессе решения конкретной задачи- давать советы пользователю и ЭВМ- классифицировать рассматриваемую проблему- производить поиск на заданных математических моделях- принимать конкретное решение на любом этапе оптимизации- делать достоверные выводы из неполных и расплывчатых данных и знаний- взаимодействовать с другими ЭС- передавать и приобретать новые знания. К ним относятся причинные модели, категории,, .
Понятие «анадогия» (от греческого соответствие, сходство) — сходство предметов в каких-то свойствах. Аналогия — один из основных приемов описания при принятии решений. В работе [4] отмечено, что новая идея появляется в результате сравнения двух объектов, которые еще не сравнивались, а процесс познания есть отыскание аналогий. При этом важны не поверхностные аналогии, а изоморфизмы в математическом смысле, т. е. строгое соответствие между всеми элементами сравниваемых систем. На пути проведения аналогий между концепциями происходит целенаправленное развитие новой теории СППР [4 ].
,
.
().
Основная цель МФО — поиск новых модификаций известных свойств при.
выбранных объектов на совершенствуемый объект, который лежит как-бы в фоку..
1..
2. Построение на множестве X нечеткого множества А= {& lt-щ (х), х1& gt-}, 1 = 1, 2, … Субъективное определение ЛПР функции принадлежности для каждого элемента множества X.
3..
4. —.
5..
6. Генерирование «идей» присоединением к фокусному объекту признаков
.
7. Составление сочетаний путем свободных ассоциаций.
8. Оценка полученных сочетаний и отбор полученных решений. Отметим, что данный пункт целесообразно выполнять ЛПР или экспертной подсистеме.
9. В случае удовлетворительного результата переход к п. 10. В противном
— А. 3.
10..
Запишем теперь нечеткий алгоритм метода гирлянд случайностей и ассоциаций. Основная цель этого алгоритма — найти оптимальное (кв^иоптимальное) количество подсказок для новыз идей путем образования ассоциаций.
1..
2. Построение на множестве X нечеткого множества А= {& lt-щ (х), х1& gt-}, 1 = 1, 2, … Субъективное определение ЛПР функции принадлежности для каждого элемента множества X.
3. Определение «гирлянды» (набора) синонимов заданного множества объек-
.
4. Произвольный (направленный) выбор гирлянды случайных (заданных).
5. Образование комбинаций из элементов набора синонимов и случайных (заданных) объектов. Другими словами, каждый синоним соединяется с каждым объ-
.
6. Составление перечня (таблицы) признаков случайных (заданных) объектов.
7. Генерирование идей путем поочередного присоединения к анализируемому
,. 6. ,
генерируются наборы ассоциаций.
8. Генерирование новых идей — а именно, к элементам наборов синонимов объекта присоединяют элементы набора ассоциаций.
9. Выбор множества альтернатив и их анализ. Если результат удовлетворителен, то переход п. 10. Если нет, выбор или построение новых множеств X и, А и переход к п. 3.
10..
11. (-).
12. Конец работы алгоритма.
Данные алгоритмы преобразовывали поверхностные представления знаний. Эти знания представляются как простые эмпирические ассоциации, которые формируются на основании условных правил, типа «Если X, то У» или их модифика-.
по организации своих знаний об объекте и делают из них выводы. В определенном смысле ЭС СППР помогает ЭВМ применить опыт пользователя при принятии эф.
В заключение отметим, что важнейшим в развитии СППР является принцип ««,, или принцип синтезированной троицы на любом иерархическом уровне, что следует из учений древности и современных исследований. Отметим, что описанная архитектура ИСППР переносит опыт пользователя в ЭВМ для принятия эффектив-.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Грешшов А. А. Математические методы принятия решений. — М.: Изд-во МГТУ им. Н. Э. Баумана, 2006.
2. Гаврилова Т А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. — СПб.: Питер, 2000.
3.. , —
. — .:, 2000.
4.. … —. :
МАКС Пресс, 2001.
5. .,. .,.. -
лирования. — М.: Физматлит, 2003.
6. .,. .,.. Известия РАН. Теория и системы управления. — 2007, № 5. — С. 114−126.
Сороколетов Павел Валерьевич
ЗАО «СЕДИКОМ», г. Москва.
E-mail: SorokoletovPV @gidroogk. ru.
.: 8(8495)787−5358.
Начальник отдела.
Sorokoletov Pavel Valerievich
CAS «SEDIKOM», Moscow, Russia.
E-mail: SorokoletovPV @gidroogk. ru.
Phone: 8(8495)787−5358.
Chief of department.
УДК 004. 932. 2
AX. Харина, АЛ. Кучуганов
ЛОГИЧЕСКИЙ СИНТЕЗ МОДЕЛИ ИНТЕРЬЕРА ПО ФОТОИЗОБРАЖЕНИЯМ
Статья посвящена разработанному способу синтеза трехмерной геометрической модели предметов интерьера по фотоизображениям. Целью работы является исследование возможности реконструкции трехмерной (3D) модели по одному или нескольким фотоизображениям при минимальном участии оператора. Основными задачами стали распознавание проекций объектов, получение дополнительной информации, необходимой для, 3D.
3D — -.
A.S. Kharina, A.V. Kuchuganov
LOGIC SYNTHESIS OF INTERIOR MODEL BY PHOTOGRAPHIES
The article covers the way of interior three-dimensional geometrical model synthesis by photographies. The aim is to research ability of three-dimensional (3D) model reconstruction by single or multiple photographies with lightly human intervention. The major tacks are object projection recognition, acquisition of supplementary information, three-dimensional model reconstruction.
3D model reconstruction- inference- pattern recognition.
Построение 3D геометрических моделей существующих или когда-либо су,, -ных областях — в сфере архитектуры, для восстановления экстерьеров и интерьеров, являющихся культурно-историческим наследием, в строительстве, для контроля сочетаемости новых проектируемых строений с существующим архитектурным ансамблем, в планировании ремонтных работ для построения 3D геометрических моделей на этапе согласования работ с заказчиком до и после ремонта, в криминалистике для восстановления трехмерной картины преступления, в организа-,
оборудования в производственных цехах.
Для решения этой задачи сегодня используются как универсальные автоматизированные системы геометрического моделирования 3Ds Max, Maya, Rhinoceros и др., так и специализированные — ориентированные именно на реконструкцию моделей по фотографиям Photomodeler, ImageModeler, Canoma и другие. Кроме перечисленных коммерческих систем существует ряд научно-исследовательских и экспериментальных систем (Make3D, Pop-up Photo и др.) [1]. Однако трудоемкость восстановления трехмерных геометрических моделей все еще остается очень высокой, прежде всего из-за большого объема ручного труда [2]. Таким образом, можно считать актуальной задачу снижения трудоемкости подготовки трехмерных

ПоказатьСвернуть
Заполнить форму текущей работой