Модели, алгоритмы и инструментальные средства создания экспертных систем на базе функциональных сетей тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Хабибулина, Надежда Юрьевна
- Специальность ВАК РФ05.13.18
- Количество страниц 226
Оглавление диссертации кандидат технических наук Хабибулина, Надежда Юрьевна
Введение
Глава 1. Гибридная модель предметной области на базе функциональной сети параметров
1.1 Общая характеристика моделей и языков представления знаний
1.2 Концептуальная гибридная модель предметной области на базе функциональной сети параметров
1.3 Язык представления знаний — фреймы на сети параметров 36 Выводы
Глава 2. Алгоритмы формирования гибридной модели предметной области на базе функциональной сети параметров и поиска решений на данной модели
2.1 Процедуры поиска решений на моделях представления знаний
2.2 Эвристический алгоритм оптимизации базы знаний
2.3 Алгоритмы поиска решения на гибридной модели предметной области на базе функциональной сети параметров
2.3.1 Постановка задач поиска решений
2.3.2 Алгоритм прямого вывода на функциональной сети параметров с учетом альтернативности знаний и гибридности функциональных зависимостей в модели
2.3.3 Алгоритм обратного вывода на функциональной сети с учетом альтернативности знаний и гибридности функциональных зависимостей в модели
2.3.4 Алгоритм поиска оптимального решения на функциональной сети параметров с учетом альтернативности знаний и гибридности функциональных зависимостей методом прямого вывода
2.3.5 Алгоритм поиска оптимального решения на функциональной сети параметров с учетом альтернативности знаний и гибридности функциональных зависимостей методом обратного вывода
2.3.6 Выбор более эффективного алгоритма поиска оптимального решения на функциональной сети параметров
Выводы
Глава 3. Инструментальное программное средство создания гибридных экспертных систем, основанных на функциональных сетях
3.1 Общая характеристика инструментальных средств построения экспертных систем *
3.2 Инструментальное программное средство создания экспертных систем, использующих гибридную модель на базе функциональной сети параметров
3.2.1 Назначение системы "WinESISP"
3.2.2 Каталог пользователей системы "WinESISP"
3.2.3 Каталог требований к системе "WinESISP"
3.2.4 Структура системы "WinESISP"
3.2.5 Функциональные возможности системы "WinESISP" 108 Выводы
Глава 4. Экспертные системы на базе гибридных моделей, использующих функциональную сеть параметров
4.1 Информационная система оценки финансово-экономического состояния предприятия
4.1.1 Общая характеристика предметной области
4.1.2 Модель статического и динамического экспресс-анализа финансово-экономического состояния предприятия, использующая функциональную сеть параметров
4.1.3 Модель традиционного анализа финансового состояния предприятия, использующая функциональную сеть параметров
4.1.4 Реализация экспертной системы "Информационная система оценки финансово-экономического состояния предприятия" и ее практическое использование
4.2 Экспертная система анализа уровня развития социально-экономической системы
4.2.1 Общая характеристика модели анализа уровня развития социально-экономической системы
4.2.2 Экспертная система анализа уровня энергосбережения в регионе
4.2.2.1 Общая характеристика предметной области
4.2.2.2 Модель оценки уровня энергосбережения в регионе
4.2.2.3 Реализация экспертной системы "Информационная система оценки уровня энергосбережения в регионе" и ее практическое использование
4.2.3 Экспертная система анализа уровня развития, эффективности функционирования и классификации технопарков России
4.2.3.1 Общая характеристика деятельности технопарка
4.2.3.2 Модель анализа уровня развития, эффективности функционирования и классификации технопарков России, использующая функциональную сеть
4.2.3.3 Реализация экспертной системы "Анализ уровня развития, эффективности функционирования и классификации технопарков России" и ее практическое использование
4.2.4 Экспертная система выбора организационной структуры социально-экономической системы
4.2.4.1 Общая характеристика предметной области
4.2.4.2 Модель выбора организационной структуры территориальной системы нефтепродуктообеспечения
4.2.4.3 Реализация экспертной системы выбора организационной структуры территориальной системы нефтепродуктообеспечения и ее практическое использование 157 4.3 Экспертная система выбора более эффективного алгоритма решения задачи оптимизации
4.3.1 Общая характеристика предметной области
4.3.2 Модель выбора алгоритма решения задачи оптимизации, использующая функциональную сеть параметров
4.3.3 Реализация экспертной системы выбора алгоритма решения задачи оптимизации, использующая функциональную сеть параметров и ее практическое использование
Выводы
Рекомендованный список диссертаций по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК
Информационная технология разработки целевых программ на основе объектно-ориентированной методологии моделирования2005 год, доктор технических наук Силич, Мария Петровна
Разработка интеллектуальных компонентов информационных систем предприятий2000 год, доктор технических наук Пятковский, Олег Иванович
Гибридная экспертная система для управления процессами коксования2000 год, кандидат технических наук Бойкова, Оксана Геннадьевна
Исследование и разработка устройств на основе термоэлектрических преобразователей и их оптимизация эвристическими методами1998 год, кандидат физико-математических наук Омельченко, Александр Евгеньевич
Разработка системы концептуального моделирования и автоматизации синтеза сценариев регулирования регионального рынка труда1998 год, кандидат технических наук Котомин, Александр Борисович
Введение диссертации (часть автореферата) на тему «Модели, алгоритмы и инструментальные средства создания экспертных систем на базе функциональных сетей»
Актуальность темы диссертации.
Методы инженерии знаний, логико-лингвистического моделирования, теории нечетких множеств и теории экспертных систем (ЭС) все чаще используются в процессе принятия решений по управлению социально-экономическими системами. Они позволяют формализовать эвристические знания экспертов - специалистов по управлению некоторым классом социально-экономических систем и на базе этих знаний посредством специальных процедур вывода находить решение различных задач в данной предметной области (ПО).
Формализацию знаний экспертов проводят с помощью специальных моделей и языков представления знаний. Наибольшее распространение получили следующие модели представления знаний: логические, логико-лингвистические, семиотические, структурно-лингвистические (сетевые и фреймы), продукционные [2, 6-10, 14, 20-24, 28-29, 32-38, 49-57 и др.]. Использование того или иного представления зависит от ПО и от типа задач, для решения которых создается ЭС.
Среди задач принятия решений по управлению социально-экономическими системами выделяются задачи анализа и синтеза системы. Для решения данных задач, как правило, используются модели, основанные на логической парадигме, т.е. ориентированные на представление процедурного, операционного знания - знания о причинно-следственных связях между характеристиками (параметрами) системы. Чаще всего для представления таких знаний используют продукционные модели, основой которых являются правила-продукции типа "ЕСЛИ-ТО" [12, 20-23, 28, 46 - 57, 67 и др.].
Однако формализация операционных знаний о социально-экономических системах зачастую вызывает трудности, связанные с разнородностью знаний: характеристиками системы выступают как количественные, так и качественные параметры, в том числе и нечеткие, а зависимости между ними могут быть выражены как в виде правил-продукций, так и в виде аналитических формул или различных алгоритмических процедур. Таким образом, необходимо объединение разнородного операционного знания в рамках единой гибридной модели и построение на базе данной модели гибридной ЭС [51].
Необходимость использования гибридных ЭС для повышения обоснованности принимаемых решений показана в работах Поспелова Г.С.
51], Поспелова Д.А. [52, 53], Попова Э.В. [49, 50], Джексона П. [14] и др. отечественных и зарубежных специалистов, внесших заметный вклад в исследование и формирование концепции интеллектуальных систем в целом [2-14, 16, 17, 20-29, 32-39, 49-59 и др.].
Гибридность ЭС специалисты по инженерии знаний рассматривают в разных аспектах [9, 14, 16, 23, 25, 26, 36, 49, 51, 58, 59, 67, 68, 82, 85, 86, 90].
Изначально под гибридностью ЭС понимали сочетание (комбинирование) разных моделей представления знаний для создания базы знаний ЭС. Даже в таких ранних системах, как MYCIN, информация, специфическая для ПО, хранилась в разных формах - например, в виде порождающих правил (правил-продукций) и в виде таблиц медицинских параметров [14, 36, 67, 81, 83]. Другие программы (например, CENTAUR) можно было считать гибридными в том смысле, что в них объединялись разные способы представления знаний, а затем эти знания использовались с разной целью — для решения проблемы и формирования пояснений. Позже исследовательские системы (например, XPLAN) приобрели более сложную архитектуру, которая для создания ЭС объединяла в себе разнообразные программные инструменты и модели. В системах на базе доски объявления ("классной доски"), например, HEARSAY, ВВ*, объединялись разнообразные источники знаний, которые могли иметь совершенно разные внутренние структуры. Дальнейшее развитие в данном направлении — разработка систем, в которых объединяются традиционные программы решения проблем и конфликтов и компоненты самообучения и критического анализа (например, ODYSSEUS) [14].
В данной работе будем придерживаться терминологии, предложенной в [21]: "термин "гибридные системы" целесообразно применять для описания ЭС (гибридных ЭС), в которых используются и методы инженерии знаний, и формализованные методы, а так же методы традиционного программирования и математики".
Основной проблемой при разработке гибридных ЭС является организация взаимодействия разнородных фрагментов знаний, в частности, определение последовательности вызова процедур, проводящих расчеты по аналитическим формулам и определенным алгоритмам, а так же осуществляющих логический вывод с использованием эвристических закономерностей (например, в виде правил-продукций). Для решения данной проблемы используются методы планирования в пространстве задач, большинство из которых используют явно заданную сеть планирования [47, 51-53, 76, 82]. К ним относится и метод, использующий сеть функциональных зависимостей между параметрами ПО (функциональную сеть параметров) [8, 25, 26, 32,51,61-62, 64, 65].
Основой данного метода является представление знаний о некоторой статической ПО с помощью гибридной модели, объединяющей разнородные компоненты базы знаний — аналитические формулы, правила-продукции и алгоритмические процедуры посредством сети функциональных зависимостей, что значительно упрощает решение проблемы взаимодействия этих компонент. Кроме того, структурирование исполняемых утверждений посредством функциональной сети упрощает процесс создания модели ПО за счет наглядности, "прозрачности" модели, существенно снижает трудоемкость поиска решений и увеличивает скорость вывода заключений за счет "сужения" на каждом шаге множества проверяемых утверждений, что особенно важно при решении задачи выбора оптимальных вариантов параметров системы [62].
Для формирования базы знаний на основе гибридной модели, использующей функциональную сеть параметров, был разработан язык ФСП (Фреймы на Сети Параметров) [62]. Этот язык позволяет представить структурированные составляющие модели в базе знаний таким образом, чтобы она была удобна для обработки программой вывода. Были разработаны следующие алгоритмы вывода на модели, использующей функциональную сеть: алгоритм прямого вывода для решения задачи интерпретации, алгоритмы прямого и обратного вывода для решения задачи оптимизации. Вывод можно проводить как на надежных, так и на ненадежных знаниях.
Для автоматизации процесса построения ЭС на базе гибридных моделей, представленных на языке ФСП, разработан ряд инструментальных систем "ЭСИСП", "МИС", "ЭСФС", относящихся к классу оболочек [60-62, 98, 99]. Данные системы позволяют быстро и с малыми затратами строить прототипы ЭС, поскольку процесс создания баз знаний, их корректировки и использования для поиска решений довольно прост и не требует программирования, что облегчает проведение исследований и экспериментов. С их помощью был создан ряд прототипов ЭС различного назначения: "Тест-зрение" для экспресс-диагностики состояния зрения; "Тромбо-тест" для диагностики тромбоопасности по данным тромбоэлластограммы; "КЭНС" для проектирования оптимальных структур корреляционно-экстремальных навигационных систем; ЭС оценки лидерских качеств по результатам тестирования и др. [60-62, 95, 102].
Несмотря на достигнутые успехи в развитии и применении методологии представления знаний в виде гибридной модели, использующей функциональную сеть зависимостей параметров, построение на ее основе ЭС анализа и синтеза социально-экономических систем вызывает значительные трудности. Это обусловлено наличием следующих проблем.
Возможность задания в качестве функциональных зависимостей процедур-функций хоть и декларировалось, но реально не была предусмотрена: ни язык ФСП, ни алгоритмы вывода, ни представленные оболочки не предполагают включения в модель процедур. Между тем, при решении задач анализа и синтеза социально-экономических систем часто используются процедуры такие, как поиск и загрузка данных из базы данных, определение лингвистического значения нечеткого понятия по его количественному значению и заданной функции принадлежности и наоборот (фаззификация, дефаззификация), генерация случайного значения параметра ПО и т.д.
Существующий метод построения модели функциональных зависимостей не предусматривает также представление альтернативных (вариативных) знаний. Однако ситуация, когда различные эксперты (или даже один и тот же эксперт) задают различные способы определения одного и того же параметра, встречается очень часто при описании закономерностей, присущих социально-экономическим системам, что обусловлено их сложностью.
Нерешенной также остается проблема выбора в каждом конкретном случае стратегии логического вывода на базе знаний — прямой или обратной. Ее решение предполагает исследование зависимости трудоемкости алгоритмов прямого и обратного вывода от характеристик гибридной модели (под трудоемкостью алгоритма понимается количество обращений к функциональным зависимостям).
Кроме того, актуальной является задача оптимизации базы знаний с целью сокращения количества составляющих ее правил-продукций, т.е. сокращение ее объема.
Таким образом, развитие методов и средств построения ЭС на базе гибридной модели, использующей функциональную сеть параметров, обеспечивающее возможность использования разнородных и вариативных знаний экспертов для принятия решений по управлению социально-экономическими системами, является актуальной задачей.
Цель работы и задачи исследования. '
Целью диссертационной работы является создание моделей, алгоритмов, инструментальных средств построения гибридных ЭС на базе функциональных сетей параметров, а также их применение для создания конкретных ЭС анализа и синтеза социально-экономических систем.
Для достижения поставленной цели в диссертационной работе были сформулированы следующие задачи:
- разработка модели на базе функциональной сети параметров и языка представления модели, допускающих задание различных видов функциональных зависимостей и альтернативных способов определения одного и того же параметра модели;
- построение эвристического алгоритма оптимизации базы знаний, позволяющего сокращать ее объем;
- разработка алгоритмов поиска решений на функциональной сети параметров, модифицирующие существующие алгоритмы вывода с учетом включения в модель в качестве функциональных зависимостей процедур-функций, а также возможности задания альтернативных способов определения параметров;
- исследование зависимости трудоемкости алгоритмов поиска оптимального решения от характеристик модели и вывод рекомендаций по выбору более эффективного алгоритма;
- разработка инструментального средства создания ЭС на базе гибридной модели функциональных зависимостей параметров;
- создание прикладных ЭС для решения задач анализа и синтеза социально-экономических систем.
Методы исследования.
Для выполнения работы используются методы инженерии знаний и теории ЭС, в том числе методы нечеткого вывода на системах продукций, фреймовые, сетевые представления знаний.
Научная новизна.
Научной новизной в диссертационной работе обладают следующие результаты:
1) гибридная модель ПО на базе функциональной сети параметров, позволяющая задавать зависимости между параметрами в виде правилпродукций, аналитических формул и процедур-функций, а так же допускающая задание альтернативных способов определения одного и того же параметра;
2) язык ФСП представления гибридной модели для формирования баз знаний, допускающий задание в качестве функциональных зависимостей между параметрами процедур-функций и введение альтернативных зависимостей для отдельных параметров;
3) эвристический алгоритм оптимизации базы знаний, позволяющий без потери информации о ПО сокращать общее количество правил-продукций, используемых при составлении гибридной модели;
4) алгоритмы прямого и обратного вывода на предложенной гибридной модели, осуществляющие поиск решения в условиях разнородности и вариативности знаний и обладающие большей гибкостью и вычислительной эффективностью по сравнению с традиционными алгоритмами вывода на системах продукциях;
5) результаты исследования алгоритмов поиска оптимального решения на гибридной модели, использующих прямой и обратный вывод, в виде аналитических формул расчета трудоемкости алгоритмов.
Основные положения, выносимые на защиту.
1) Разработанные гибридная модель ПО на базе функциональной сети параметров и язык ФСП описания данной модели позволяют задавать зависимости между параметрами в виде правил-продукций, аналитических формул, процедур-функций и альтернативные способы определения параметров модели.
2) Предложенный эвристический алгоритм оптимизации базы знаний сокращает объем базы знаний без потери информативности модели.
3) Разработанные алгоритмы прямого и обратного вывода на функциональной сети параметров позволяют находить все возможные решения задач интерпретации, поиска допустимого решения и оптимизации и обеспечивают сокращение объема вычислений.
4) Выведенные формулы расчета трудоемкости алгоритмов позволяют сделать вывод, что когда число истоковых параметров модели значительно превышает число неистоковых параметров, для решения задачи оптимизации более эффективен алгоритм обратного вывода и, наоборот, когда число неистоковых параметров значительно превышает количество истоков, лучше использовать алгоритм прямого вывода.
Практическая ценность и реализация результатов работы.
Полученные научные результаты реализованы в виде конкретных моделей, алгоритмов, программ, экспертных систем. Основными результатами внедрения являются:
- инструментальное средство "\УтЕ818Р", позволяющее быстро и с малыми затратами строить гибридные ЭС, поскольку процесс создания баз знаний, их пополнения, корректировки и использования для поиска решений довольно прост и не требует программирования;
- информационная система оценки финансово-экономического состояния предприятия, позволяющая проводить статический и динамический экспресс-анализ, моделирование и прогнозирование устойчивости предприятия при изменении тех или иных финансовых показателей;
- ЭС оценки уровня развития технопарков России и их классификации;
- ЭС анализа уровня энергосбережения в регионе;
- ЭС выбора типа организационной структуры социально-экономической системы.
Разработанный в диссертационной работе инструментальный комплекс "ХУтЕБКР" используется в учебном процессе на кафедре компьютерных систем в управлении и проектировании (КСУП) Томского государственного университета систем управления и радиоэлектроники. Все перечисленные практические разработки подтверждены актами внедрения, приведенными в приложении 10.
Результаты применения разработанных моделей, языка, алгоритмов и инструментального средства для построения конкретных ЭС показали их эффективность при решении задач анализа и синтеза социально-экономических систем.
Личный вклад автора.
1) Вид гибридной модели на базе функциональных сетей параметров, допускающей включение процедур-функций и задание альтернативных способов определения параметров, разработан совместно с Силич М.П.
2) Расширение языка ФСП в части использования процедур-функций и возможности задания альтернативных способов определения параметров предложено лично автором.
3) Алгоритмы прямого и обратного вывода, модифицирующие существующие алгоритмы вывода на функциональной сети параметров, разработаны автором.
4) Модель зависимости трудоемкости предложенных алгоритмов оптимизации, использующих прямой или обратный вывод, от основных характеристик модели разработана совместно с Силич М.П.
5) Эвристический алгоритм оптимизации базы знаний разработан лично автором.
6) Программная реализация инструментального программного комплекса "WinESISP" проведена совместно с Чурсиным A.B.
7) Создание гибридной модели оценки финансово-экономического состояния предприятия осуществлено совместно с Силич М.П. и Горбаток З.В.
8) Модель оценки уровня энергосбережения в регионе разработана совместно с Силич М.П., Яворским М.И. и Литваком В.В.
9) Модель оценки уровня развития технопарков России создана на основе метода, предложенного Шукшуновым В.Е.
10) Модель выбора типа организационной структуры создана совместно с Фельдманом JI.A.
11) Лично автором проведены различные эксперименты на построенных ЭС, проанализированы полученные результаты с целью проверки адекватности модели, получены конкретные результаты внедрения созданных ЭС.
Апробация результатов работы.
Основные положения и результаты диссертационной работы неоднократно докладывались и обсуждались на различных конференциях и семинарах, в том числе на: международных научно-практических конференциях "Природные и интеллектуальные ресурсы Сибири" (СИБРЕСУРС) (Красноярск, 1997; Барнаул, 1998; Тюмень, 2000; Барнаул, 2001); региональной научно-практической конференции студентов, аспирантов и молодых ученых "Сибирская школа молодого ученого" (Томск, 1998 г.); региональной научно-технической конференции студентов и молодых специалистов "Радиотехнические и информационные системы и устройства" (Томск, 1999 г.); 3-ем международном симпозиуме "Application of The Conversion Research Results for International Cooperation" (SIBCONVERS'99) (Томск, 1999); всероссийской научно-технической конференции "Научная сессия ТУ СУР" (Томск, 2002, 2003, 2004, 2005 г.г.); всероссийской-научно-практической конференции "Электронные средства и системы управления" (Томск, 2003); 8-м международном русско-корейском симпозиуме "KORUS 2004" (Томск, 2004); международной конференции по проблемам управления (Москва, 1999).
Публикации.
Основные результаты по материалам диссертационной работы опубликованы в 28 печатных работах, из которых 7 статей, 20 докладов и свидетельство о регистрации программного продукта в "Отраслевом фонде алгоритмов и программ" [69-74, 93, 97-106, 120-125, 128-131].
Основные работы опубликованы в сборниках научных статей "Автоматизация проектирования, идентификация и управление в сложных системах" (Томск: Изд-во НТЛ 1997), "Автоматическое и автоматизированное управление сложными системами" (Томск: Изд-во ТГУ 1998), "Интеллектуальные автоматизированные системы проектирования, управления и обучения" (Томск: Изд-во ТГУ 2000) под ред. проф., д.т.н. Тарасенко В.П. Также статьи были опубликованы в журналах: "Информационные технологии" (Москва, №9, 2004), "Известия Томского политехнического университета" (Томск, №2, 2005), "Вестник Томского государственного университета" (Томск, Т.284, 2004).
Структура и объем работы.
Диссертационная работа, объемом 228 машинописных страниц, содержит введение, четыре главы, заключение, список литературы (132 наименования), 19 таблиц, 48 рисунков, 10 приложений.
Похожие диссертационные работы по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК
Разработка методов и алгоритмов настройки гибридной экспертной системы на решение задач оценки в социальных и экономических объектах2003 год, кандидат технических наук Тютина, Марина Васильевна
Нейросетевые и гибридные методы и программные средства повышения эффективности поддержки принятия решений в интеллектуальных системах2011 год, кандидат технических наук Ковалев, Иван Витальевич
Нейросетевое моделирование камеральных налоговых проверок торговых предприятий и оптимизация их постналогового дохода2003 год, кандидат технических наук Габдрахманова, Наиля Талгатовна
Исследование нейросетевых и гибридных методов и технологий в интеллектуальных системах поддержки принятия решений2003 год, доктор технических наук Комарцова, Людмила Георгиевна
Научные основы автоматизации и моделирования процессов управления на основе гибридных систем поддержки принятия решений с открытой структурой2006 год, доктор технических наук Балдин, Александр Викторович
Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Хабибулина, Надежда Юрьевна
Выводы
1. Информационная система оценки финансово-экономического состояния предприятия позволяет проводить текущий статический и динамический экспресс-анализ финансово-экономического состояния предприятия, устанавливать и контролировать необходимые и достаточные ограничения основных показателей финансовой деятельности предприятия с целью поддержания или увеличения финансовой устойчивости, моделировать и прогнозировать устойчивость предприятия при изменении тех или иных финансовых показателей.
2. Экспертная система анализа уровня развития социально-экономической системы, позволяет определять интегрированную оценку развития на основе первичных показателей с учетом мнений экспертов относительно важности показателей. Система используется для проведения ретроспективного или сравнительного анализа, прогнозирования или моделирования состояния социально-экономической системы.
3. Использование экспертной системы оценки уровня энергосбережения в регионе для решения задачи ретроспективного анализа изменения уровня энергосбережения в Томской области в период 1999 - 2002 г.г. показало положительную динамику изменения интегральной оценки энергосбережения, обусловленную, в первую очередь, положительной динамикой оценки реализации энергосберегающей политики (этот показатель имеет довольно высокий вес), а также оценки энергонезависимости.
4. На базе экспертной системы анализа уровня развития, эффективности функционирования и классификации технопарков России проведен сравнительный анализ 40 технопарков России. По результатам анализа Томский технопарк был отнесен к технопаркам-лидерам.
5. В результате использования экспертной системы выбора организационной структуры социально-экономической системы для оценки эффективности существующего вида оргструктуры предприятия ОАО "Красноярскнефтепродукт" и выбора оптимальной структуры было выявлено, что эффективность существующей функционально-ориентированной организационной структуры находится на среднем уровне, оптимальной на данный период развития предприятия является оргструктура на основе автономных центров.
6. Экспертная система выбора алгоритма решения задачи оптимизации с учетом характеристик конкретной гибридной модели предметной области позволяет получать рекомендации, какой из алгоритмов — основанный на методе прямого вывода или методе обратного вывода - более эффективен в данном конкретном случае.
7. Разработанные экспертные системы уровня развития социально-экономической системы позволяют не только получать решения конкретных задач, но и корректировать знания в базе знаний, т.е. правила-продукции, аналитические формулы и процедуры. Для определения весовых коэффициентов показателей, используемых в формулах, на основе экспертного ранжирования показателей разработан отдельный программный модуль.
Заключение
В диссертационной работе решена актуальная научно-техническая задача по развитию методологии создания гибридных экспертных систем, основанных на функциональных сетях, имеющая существенное значение для проведения анализа и синтеза социально-экономических систем. Диссертационная работа имеет внутреннее единство и является совокупностью новых научных результатов и положений, развивающих теорию и практику применения экспертных систем при принятии решений по управлению социально-экономическими системами.
К основным результатам, полученным в данной диссертационной работе, можно отнести следующее.
1) Предложена модификация гибридной модели ПО на базе функциональной сети параметров и языка ФСП описания данной модели, которая позволяет задавать экспертные знания о статических предметных областях совокупностью параметров, их значений и функциональных зависимостей между параметрами в виде правил-продукций, аналитических формул, процедур-функций, а так же альтернативные способы определения отдельных параметров модели.
2) Разработан эвристический алгоритм оптимизации базы знаний, в результате работы которого происходит сокращение общего количества правил-продукций в базе знаний. Данное сокращение количества правил происходит без потери информации о ПО и приводит, во-первых, к уменьшению объема памяти компьютера, используемого для хранения базы знаний, а во-вторых, к уменьшению времени, затрачиваемого для полного перебора правил при решении задач интерпретации, поиска допустимого решения и оптимизации
3) С учетом ввода в модель в качестве функциональных зависимостей между параметрами процедур-функций и возможности задания альтернативных знаний разработаны алгоритмы решения следующих задач:
- задачи интерпретации (прямая задача), как задачи нахождения значений целевых параметров при заданных текущих значениях базовых параметров прямого. Для ее решения разработан алгоритм прямого вывода на функциональной сети;
- задачи поиска допустимого решения (обратная задача), как задачи нахождения значений базовых параметров при заданных текущих значениях целевых параметров. Для ее решения разработан алгоритм обратного вывода на функциональной сети параметров;
- задачи оптимизации, как задачи нахождения комбинации значений базовых параметров, при которой достигается целевое состояние, заданное совокупностью критерия эффективности и ограничений. Для решения данной задачи возможно использование как алгоритма прямого вывода, так и алгоритма обратного вывода на функциональной сети параметров.
4) Предложены аналитические формулы расчета трудоемкости алгоритмов прямого и обратного вывода, на базе которых сформулированы рекомендации по выбору наилучшего алгоритма для решения задачи оптимизации: прямой вывод эффективнее использовать для моделей, в которых число базовых параметров значительно меньше числа остальных параметров, и, наоборот, для моделей, в которых число базовых параметров превышает число остальных, эффективнее алгоритм обратного вывода.
5) Создано инструментальное средство "\\^пЕ818Р", позволяющее быстро и с малыми затратами строить гибридные ЭС анализа и синтеза социально-экономической системы, поскольку процесс создания баз знаний, их пополнения, корректировки и использования для поиска решений довольно прост и не требует программирования.
6) Разработана информационная система оценки финансово-экономического состояния предприятия, позволяющая проводить статический и динамический экспресс-анализ, моделирование и приближенное прогнозирование устойчивости предприятия при изменении тех или иных финансовых показателей;
7) Созданы следующие экспертные системы: ЭС оценки уровня развития технопарков России и их классификации, ЭС анализа уровня энергосбережения в регионе, ЭС выбора типа организационной структуры социально-экономической системы.
Разработанный в диссертационной работе инструментальный комплекс "\¥тЕ818Р" используется в учебном процессе на кафедре компьютерных систем в управлении и проектировании (КСУП) Томского государственного университета систем управления и радиоэлектроники. Все перечисленные практические разработки подтверждены актами внедрения.
Результаты применения разработанных моделей, языка, алгоритмов и инструментального средства для построения конкретных ЭС показали их эффективность при решении задач анализа и синтеза социально-экономических систем.
Список литературы диссертационного исследования кандидат технических наук Хабибулина, Надежда Юрьевна, 2005 год
1. Аверкин, А. Н. Нечеткие множества в моделях искусственного интеллекта / А. Н. Аверкин // Вопросы кибернетики. Проблемы искусственного интеллекта. -М. : ВИНИТИ, 1980. -С. 79-86.
2. Аверкин, А. Н. Толковый словарь по искусственному интеллекту / А. Н. Аверкин, М. Г. Газе-Раппопорт, Д. А. Поспелов. М. : Радио и связь, 1992. -255 с.
3. Автоматизированные информационные технологи в экономике: учебник / И. Т. Трубилина и др.. — М. : Финансы и статистика, 2001. — 416 с. :ил.
4. Алиев, Р. А. Производственные системы с искусственным интеллектом / Р. А. Алиев, Н. М. Абдикеев, М. М. Шахназаров. М. : Радио и связь, 1990. -264 с.
5. Блишун, А. Ф. Сравнительный анализ методов измерения нечеткости / А. Ф. Блишун // Изв. АН СССР, Техн. кибернетика. 1988. - №5. - С. 5176.
6. Братко, И. Программирование на языке Пролог для искусственного интеллекта / И. Братко // пер. с англ. М. : Мир, 1990. - 560 с.
7. Варламов, О. О. Эволюционные базы данных и знаний для адаптивного синтеза интеллектуальных систем. Миварное информационное пространство: Монография/ О. О. Варламов. М.: Радио и связь, 2002. -287 с.
8. Васютин, С. В. Базы данных. Интеллектуальная обработка информации / Васютин С. В., Гарев А. Ф., Корнеев В. В., Райх В. В. М. : Нолидж, 2000.-352 с.
9. Венда, В. Ф. Системы гибридного интеллекта / В. Ф. Венда. — М. : Машиностроение, 1990.—267 с.
10. Гаврилов, А. В. Гибридные интеллектуальные системы / А. В. Гаврилов. Новосибирск : Изд-во НГТУ, 2003. - 164 с.
11. Гаскаров, Д. В. Интеллектуальные информационные системы. Учеб. Для вузов / Д. В. Гаскаров. М. : Высш. шк., 2003. - 431 с.
12. Гаврилова, Т. А. Базы знаний интеллектуальных систем / Т. А. Гаврилова, В. Ф. Хорошевский. СПб.: Питер, 2000. - 384 с.
13. Грановская, Р. М. Интуиция и искусственный интеллект / Р. М. Грановская, И. Я. Березная — JT. : изд-во Ленинград, ун-та, 1991. -272 с.
14. Джексон, П. Введение в экспертные системы : уч. пос. / П. Джексон. -М. : Издательский дом "Вильяме", 2001. 642 с.
15. Достоверный и правдоподобный вывод в интеллектуальных системах/ В. Н. Вагин, Е. Ю. Головина, А. А. Загорянская, М. В. Фомина; Ред. Д. А. Поспелов. М.: Физматлит, 2004. - 704 с.
16. Емельянов, В. В. Теория и практика эволюционного моделирования/ В. В. Емельянов, В. В. Курейчик, В. М. Курейчик. М.: Физматлит, 2003. - 432 с.
17. Заде, Л. А. Основы нового подхода к анализу сложных систем и процессоров принятия решений / Л. А. Заде // Математика сегодня: пер. с англ. -М. : Знание, 1974. С. 5-48.
18. Заде, Л. А. Понятие лингвистической переменной и его применение к принятию приближенных решений / Л. А. Заде. — М. : Мир, 1976. — 238с.
19. Искусственный интеллект. Применение в интегрированных производственных системах / под ред. Э. Кьюсиака. — М. : Машиностроение, 1991.
20. Искусственный интеллект: Модели и методы: справочник / под ред. Д. А. Поспелова. М. : Радио и связь, 1990. - Кн. 2. - 304 с.
21. Искусственный интеллект: Программные и аппаратные средства: Справочник / под ред. В. Н. Захарова, В. Ф. Хорошевского — М. : Радио и связь, 1990. Кн. 3. - 368 с.
22. Искусственный интеллект: Системы общения и экспертные системы: справочник / под ред. Э. В. Попова. — М. : Радио и связь, 1990. Кн. 1. - 464 с.
23. Ковригин, О. В. Язык Лисп и его модификации / О. В. Ковригин, К. Г. Перфильев // Искусственный интеллект: Программные и аппаратные средства, кн. 3 М. : Радио и связь, 1990. - С. 21-33.
24. Колесников, А. В. Гибридные интеллектуальные системы для поддержки принятия решений / А. В. Колесников // Тр. Межд. Конф.
25. Интеллектуальное управление: новые интеллектуальные технологии в задачах управления 1СГГ99. М.: Физматлит, 1999. - С.59-63.
26. Колесников, А. В. Проблемно-структурная технология разработки приложений гибридных интеллектуальных систем / А. В. Колесников // Тр. VII национ. конф. по искусственному интеллекту с международным участием КИИ-2000, Т. 2. М. : Физматлит, 2000.
27. Круглов, В.В. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода / В. В. Круглов, М. И. Дли. -М.: Физматлит, 2002.
28. Ларичев, О. И. Системы поддержки принятия решений: современное состояние и перспективы развития / О. И. Ларичев, А. Б. Петровский // Итоги науки. Техническая кибернетика. -М. : ВИНИТИ, 1987. -Т. 21.
29. Левин, Р. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике / Р. Левин, Д. Дранг, Б. Эдельсон. М. : Финансы и статистика, 1991. - 239 с.
30. Леоненков, A.B. Нечеткое моделирование в среде MATLAB и fuzzyTECH / А. В. Леоленков. СПб.: БХВ-Петербург, 2003. - 287с.
31. Леоненков, А. В. Самоучитель UML / А. В. Леоненков СПб. : БХВ-Петербург, 2001. -304 с.
32. Лозовский, B.C. Экстенсиональная база данных на основе семантических сетей / В. С. Лозовский // Изв. АН СССР. Техн. кибернетика. 1982. - №5. - С. 23-42.
33. Лорьер, Ж.-Л. Системы искусственного интеллекта / Ж.-Л. Лорьер. М.: Мир, 1991.-568 с.
34. Люггер, Д. Ф. Искусственный интеллект: стратегии и методы решения сложных проблем / Д. Ф. Люггер. М. : Издательский дом "Вильяме", 2003.-864с.
35. Малышев, Н. Г. Нечеткие модели для экспертных систем в САПР/ Н. Г. Малышев, Л. С. Берштейн, А. В. Боженюк. М.: Энергоатомиздат, 1991. -136 с.
36. Мешалкин, В. П. Экспертные системы в химической технологии. Основы теории, опыт разработки и применения / В. П. Мешалкин М. : Химия, 1995. -368 с.
37. Минский, М. Фреймы для представления знаний: пер. с англ. / М. Минский. -М. : Энергия, 1979. 151 с.
38. Моррис, У. Т. Наука об управлении. Байесовский подход: пер. с англ. / У.Т.Моррис. -М. : Мир, 1971. -304 с.
39. Нейлор, К. Как построить свою экспертную систему: пер. с англ. / К. Нейлор. -М. : Энергоатомиздат, 1991. -286 с.
40. Нечеткие множества и теория возможности. Последние достижения / под ред. Ягера Р. Р. М. : Радио и связь, 1986. - 408 с.
41. Нечеткие множества в моделях управления и искусственного интеллекта. -М. : Наука, 1986.-312 с.
42. Нильсон, Н. Принципы искусственного интеллекта / Н. Нильсон. — М. : Радио и связь, 1985. 376 с.
43. Обработка нечеткой информации в системах принятия решений/ А. Н. Борисов и др.. -М. : Радио и связь, 1989. -304 с.
44. Основы системного анализа и проектирования АСУ: учебн. пособие / под ред. A.A. Павлова. Киев : Высшая школа, 1991.
45. Осовский, С. Нейронные сети для обработки информации: Пер. с польского/ С. Осовский; Ред. И. Д. Рудинский. М.: Финансы и статистика, 2002. - 344 с.
46. Осуга, С. Обработка знаний: пер. с япон. / С. Осуга. М. : Мир, 1989. - 293 с.
47. Перевозчикова, О. JI. Системы диалогового решения задач на ЭВМ / О. JL Перевозчикова, Е. JI. Ющенко. Киев : Наукова думка, 1986. - 264 с.
48. Перегудов, Ф. И. Основы системного анализа: учеб. пос. / Ф. И. Перегудов, Ф. П. Тарасенко. Томск : Изд-во HTJI, 1997. - 396 с.
49. Попов, Э. В. Статические и динамические экспертные системы: учеб. пособие / Э. В. Попов, И. Б. Фоминых, Е. Б. Кисель, М. Д. Шапот. М. : Финансы и статистика, 1996. - 320 с.
50. Попов, Э. В. Экспертные системы. Решение неформализованных задач в диалоге с ЭВМ / Э. В. Попов. М. : Наука, 1987. - 228 с.
51. Поспелов, Г. С. Искусственный интеллект основа новой информационной технологии. Сер. Академические чтения / Г. С. Поспелов. -М. : Наука, 1988. -200 с.
52. Поспелов, Д. А. Логико-лингвистические модели в системах управления /Д.А.Поспелов. -М. : Энергоиздат, 1981. -232 с.
53. Поспелов, Д. А. Ситуационное управление. Теория и практика / Д. А. Поспелов. -М. -.Наука, 1986. -288 с.
54. Построение экспертных систем: пер. с англ. / под ред. Ф. Хейеса-Рота, Д. Уотермана, Д. Лената. -М. : Мир, 1987. -441 с.
55. Представление и использование знаний: пер. с япон. / под ред. X. Уэно, М. Исидзука. -М. : Мир, 1989. -220 с.
56. Приобретение знаний: пер. с япон. / под ред. С. Осуги, Ю. Саэки. М. : Мир, 1990. -304 с.
57. Реальность и прогнозы искусственного интеллекта: сб. статей, пер. с англ. // под ред. В. Л. Стефанюка. -М. : Мир, 1987. -247 с.
58. Рыбина, Г. В. Интегрированные экспертные системы: Современное, состояние, проблемы и тенденции / Г. В. Рыбина // Изв. РАН, Теория и системы управления. 2002. — № 5. - С. 111 - 126.
59. Рыбина, Г. В. Современные экспертные системы: тенденции к интеграции / Г. В. Рыбина // Приборы и системы управления. 2001. —№ 8. -С. 18-21.
60. Силич, В. А. Использование "ЭСИСП" для создания экспертных систем и в обучении / В. А. Силич, М. П. Силич // Автоматизация проектирования, идентификация и управление в сложных системах : сб. науч. тр. -Томск : изд-во НТЛ, 1997. С. 134-144.
61. Силич, В. А. Проектирование автоматизированных систем управления на основе иерархических семантических моделей : дис. докт. техн. наук : защищена 05. 05. 1995 / В. А. Силич. Томск, 1995. - 415 с.
62. Силич, М. П. Метод формирования гибридных моделей и инструментальный комплекс для построения экспертных систем : дис. канд. техн. наук : защищена 23. 02. 1994 / М. П. Силич. Томск, 1993. -138 с.
63. Тарасов, В. Б. Развитие прикладных интеллектуальных систем: анализ основных этапов, концепций и проблем / В. Б. Тарасов, Н. М. Соломатин // Вестн. МГТУ : спец. выпуск "Системы искусственного интеллекта". — М. : МГТУ, 1994. -№1.
64. Тыугу, Э.Х. Концептуальное программирование / Э. X. Тыугу. М. : Наука, 1984.-255с.
65. Тыугу, Э.Х. Интеграция знаний / Э. X. Тыугу // Изв. АН СССР. Техн. кибернетика. 1989.-№5.-С.З-13.
66. Уинстон, П. Искусственный интеллект : пер. с англ. / П. Уинстон. М. : Мир, 1980.-419 с.
67. Уотермен, Д. Руководство по экспертным системам : пер с англ. / Д. Уотермен. -М. : Мир, 1989. -388 с.
68. Фоминых, И. Б. Интеграция нейронных и символьно-логических моделей в интеллектуальных технологиях / И. Б. Фоминых // Тр. VII национ. конф. по искусственному интеллекту с международным участием КИИ-2000, Т. 2. М. : Физматлит, 2000.
69. Хабибулина, Н. Ю. Алгоритм обратного вывода на функциональной сети / Н. Ю. Хабибулина, О. А. Чумак // Тез. докл. регион, научно-технич. конф. "Радиотехнические и информационные системы и устройства", 25 мая 1999 г. -Томск : ТУ СУР, 1999. -С. 21-24.
70. Хабибулина, Н. Ю. Поиск решений на модели функциональных отношений / Н. Ю. Хабибулина, М. П. Силич // Информационные технологии. -2004. -№9. С. 27-33.
71. Хендерсон, П. Функциональное программирование. Применение и реализация : пер. с англ. / П. Хендерсен. М. : Мир, 1983. - 209 с.
72. Ходашинский, И. А. Методы, модели, алгоритмы, инструментальные средства построения имитационно-лингвистических систем : дис. докт. техн. наук / И. А. Ходашинский. — Томск : Томск.госуд.университет систем управления и радиоэлектроники, 2004. — 357 с.
73. Хювёнен, Э. Мир Лиспа. В 2-х т. Введение в язык Лисп и функциональное программирование : пер. с финск. / Э. Хювёнен, Й. Сеппянен. -М. : Мир, 1990.
74. Чень, Ч. Математическая логика и автоматическое доказательство теорем / Ч. Чень, Р. Ли. М. : Наука, 1983.-360 с.
75. Экспертные системы / Л. Н. Голубева, Е. Н. Покатаева, А. П. Частиков и др.; Ред. Б. М. Васильев. М.: Знание, 1990. - 47 с.
76. Экспертные системы для персональных компьютеров. — Минск: Вышэйшая школа, 1990. — 104 с.
77. Экспертные системы. Принципы и примеры : пер. с англ. / А. Брукинг и др.. -М. : Радио и связь, 1987. -224 с.
78. Экспертные системы: состояние и перспективы: сб. науч. трудов/ под ред. Д. А. Поспелова. -М. : Наука, 1989. 152 с.
79. Элти, Дж. Экспертные системы. Концепции и примеры / Дж. Элти, М. Кумбс. — М. : Финансы и статистика, 1987. 191 с.
80. Эрлих, А. И. Проблемы моделирования в интеллектуальных системах / А. И. Эрлих // Вестн. МГТУ : спец. выпуск "Системы искусственного интеллекта". -М. : МГТУ, 1994. -№1.
81. Ярушкина Н.Г. Основы теории нечетких и гибридных систем. Учебное пособие / Н. Г. Ярушкина. М. : Финансы и статистика, 2004. - 320 с.
82. Golding, A. R. Improving accuracy by combining rule-based and case-base reasoning / A. R. Golding, Rosenbloom P. S. — Artificial Intelligence. — 1996/ -P.215-254.
83. Ignizio, James P. Introduction to expert sistems: The Development and Implementation of Rule-Based Expert Systems/ James P. Ignizio. New York; St. Louis; San Francisco: McGraw-Hill, Inc., 2002. - 4026. p.
84. McElroy, M. W. The new knowledge management : complexity, learning and sustainable innovation / M. W. McElroy. Butterworth-Heinemann, 2003.
85. Medsker, L. R. Hybrid Neural Network and Expert System / L. R. Medsker. -Boston/Dordrecht/London : Kluwer Academic Publishers. 1994.- 121 p.
86. Medsker, L. R. Hybrid Intelligent Systems / L. R. Medsker // International Journal of Computational Intelligence and Organization. 1996. — Vol. 1 -P. 10-20.
87. Tiwana, A. The knowledge management toolkit : practical techniques for building a knowledge management system / A. Tiwana. — Prentice Hall PTR. — 2000.
88. Силич, М. П. Метод формирования гибридных моделей для построения экспертных систем / М. П. Силич // сб. статей Автоматическое и автоматизированное управление сложными системами. — Томск : изд-во Том. ун-та, 1998. -С. 126-131.
89. Силич, М. П. Системная технология: объектно-ориентированный подход / М. П. Силич. Томск : Том. гос. ун-т систем управления и радиоэлектроники, 2002. - 224 с.
90. Симанков, В. С. Методика выбора инструментальных средств для разработки экспертных систем / В. С. Симанков, А. А. Тулин // Автоматизация и современные технологии. -2003. -№ 1. -С. 12—16.
91. Хабибулина, Н. Ю. Инструментальная система для создания экспертных систем, использующих функциональные сети / Н. Ю. Хабибулина, В. А. Силич // Тез. докл. междун. конф. по проблемам управления. — М. : изд-во ИЛУ, 1999. Т. 3. -С. 255-256.
92. Хабибулина, Н. Ю. Инструментальный комплекс для создания экспертных систем, использующих модели функциональных отношений / И. Ю. Хабибулина, М. П. Силич // Известия Томского политехнического университета. -2005. -Т. 308. -№2. -С. 149-152.
93. Абрютина, M. С. Анализ финансово-экономической деятельности предприятия: учебно-практическое пособие / М. С. Абрютина, А. В. Грачев. М. : Издательство "Дело и Сервис", 2001. - 272 с.
94. Вентцель, Е. С. Исследование операций / Е. С. Вентцель. М. : Высшая школа, 2001.
95. Евланов, Л. Г. Теория и практика принятия решений / Л. Г. Евланов. -М. : Экономика, 1984. 176 с.
96. Литвак, В. В. Региональный вектор энергосбережения / В. В. Литвак, В. А. Силич, М. И. Яворский. Томск : STT, 1999. - 320 с.
97. Литвак, В. В. Энергосбережение от программы к реализации. Томская область: управление, экономика, политика / В. В. Литвак, В. А. Силич, М. И.Яворский. - 1998- №1-2. -С. 50-54.
98. Подиновский, В. В. Оптимизация по последовательно применяемым критериям / В. В. Подиновский, В. М. Гаврилов. — М. : Сов. Радио, 1975. 187с.
99. Саати, Т. Аналитическое планирование. Организация систем: пер. с англ. / Т. Саати, К. Керне. М. : Радио и связь, 1991. - 224 с.
100. Савицкая, Г. В. Анализ хозяйственной деятельности предприятия / Г. В. Савицкая. -Минск : ООО "Новое знание", 1999. 688 с.
101. Силич, М. П. Использование слабоформализуемых зависимостей в модели функциональных отношений / М. П. Силич // Известия Томского политехнического университета. —2004. —Т. 307. №6. -С. 21-25.
102. Тельнов, Ю. Ф. Интеллектуальные информационные системы в экономике / Ю. Ф. Тельнов. — М. : Московский гос. университет экономики, статистики и информатики, 1998. 174 с.
103. Трахтенгерц, Э. А. Компьютерная поддержка принятия решений / Э. А. Трахтенгерц. -М. : Синтег, 1998.
104. ФЦП "Энергоэффективная экономика" на 2002-2005 годы и на перспективу до 2010 года. Москва, 2001.
105. Хабибулина, Н. Ю. Информационная система оценки финансово-экономического состояния предприятия / Н. Ю. Хабибулина, М. П. Силич, 3. В. Горбаток // Вестник Томского государственного университета. 2004. - Т. 284. - С. 90-95.
106. Хабибулина, Н. Ю. Автоматизация процесса принятия решений / Н. Ю. Хабибулина, Б. Д. Шагдарова // Тез. докл. всеросс. научно-технич. конф. "Научная сессия ТУСУР-2005", 26-28 апр. 2005 г. , в 4 частях. -Томск : Изд-во ТУСУРа, 2005. Ч. 2 - С. 335-337.
107. Шеремет, А. Д. Методика финансового анализа / А. Д. Шеремет, Р. С. Сайфулин. М. : Инфра-М, 2000.
108. Шукшунов, В. Е. Состояние, уровни развития и классификация технопарков России (выпуск 1) / В. Е. Шукшунов, А. М. Варюха. М. :"Испо-Сервис", 1997. -72 с.
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.