WWW.DISS.SELUK.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА
(Авторефераты, диссертации, методички, учебные программы, монографии)

 

Pages:     | 1 || 3 | 4 |

«ТРЕМБАЧ В.М. РЕШЕНИЕ ЗАДАЧ УПРАВЛЕНИЯ В ОРГАНИЗАЦИОННОТЕХНИЧЕСКИХ СИСТЕМАХ С ИСПОЛЬЗОВАНИЕМ ЭВОЛЮЦИОНИРУЮЩИХ ЗНАНИЙ Монография МОСКВА 2010 1 УДК 519.68.02 ББК 65 с 51 Т 318 РЕЦЕНЗЕНТЫ: Г.Н. ...»

-- [ Страница 2 ] --

Подсистема восприятия реального мира, в простейшем случае, представляет множество рецепторов. Основные задачи этой системы – воспринимать действительность через имеющиеся рецепторы и обеспечение процессов появления новых рецепторов, которые улучшают функционирование биологической системы и устранение из информационных процессов тех рецепторов, которые являются уже ненужными или избыточными.

Подсистема выработки необходимых действий является нервной сетью биологической системы. Ее основное назначение:

по сигналам от рецепторов создавать представления действительности;

вырабатывать управляющие воздействия;

передавать выработанные управляющие воздействия в подсистему воздействия на реальный мир (действительность);

формировать новые представления действительности обеспечение соответствия имеющихся представлений действительности текущей действительности.

Подсистема воздействия на реальный мир (действительность) представляет собой множество эффекторов. Основная задача эффекторов состоит в организации процессов обеспечения жизнедеятельности биологической системы и ее взаимодействием с внешней средой.

Формально структура информационной компоненты биологической системы (ИКБС) может быть представлена четверкой ИКБС = ПД, НСБС, Э, ФИК, ПД – множество элементов восприятия, формирующих исходные данные (сигналы от рецепторов) для представления действительности;

НСБС – множество элементов, обеспечивающих представление действительности, распознавание ситуаций действительности, соответствие представлений действительности реальной действительности, формирование управляющих воздействий, необходимых в реальной ситуации;

Э – множество эффекторов, обеспечивающих жизнедеятельность биологической системы и ее взаимодействие с внешней средой;

ФИК – механизмы взаимодействия ПД, НСБС и Э для эффективной организации функционирования биологической системы.

Для формирования, обеспечения соответствия действительности и эффективного использования (функционирования) биологической системы важную роль играет НСБС, структура которой формально может быть представлена четверкой:

НСБС = Верш, Связи, Wверш, Wсвязи, Верш – множество вершин, соответствующих сущностям действительности, Связи – множество информационных связей, соединяющих сущности действительности;

Wверш – весовые коэффициенты значимости вершин;

Wсвязи – весовые коэффициенты значимости связей.

Для компьютерных систем, основанных на знаниях, представления действительности формируются несколько иным образом.

Восприятие реального мира происходит опосредованно, через экспертов. Представления действительности (знания) у каждого эксперта хранятся в его памяти. Напрямую эти представления в БЗ СОЗ перенести невозможно.

Для задачи переноса представлений действительности (знаний) эксперта привлекается инженер по знаниям, основными задачами которого являются:

извлечение представлений действительности у экспертов; описание этих представлений в формализованном виде, используя логическую или сетевую парадигмы представления знаний; занесение представлений реального мира в БЗ компьютерной СОЗ. В компьютерных СОЗ организация накопления знаний, их актуализация состоит из многих этапов, основными из которых являются (рис. 2.4.):

Оценка поведения Подсистема Рис. 2.3. Структура системы представления действительности.

формирование представлений действительности (знаний) у экспертов;

извлечение представлений действительности (знаний), сформированных и находящихся в памяти экспертов;

формализация извлеченных представлений (знаний) действительности;

занесение представлений действительности (знаний) в память СОЗ.

На этапе формирования представлений действительности у экспертов все происходит как у биологических систем (рис. 2.3). К этапу извлечения представлений у эксперта в памяти, в основном, сформированы все необходимые для решения поставленных задач знания.

Извлечением знаний, приобретенными экспертами, занимается инженер по знаниям. У этого специалиста имеется большой арсенал методов решения этой задачи [3,6,8,21]. Знания, полученные от экспертов, бывают неполными, в силу ряда особенностей [3,6,8,19] и они в таком виде, без изменений, заносятся в базу знаний СОЗ.

При формализации извлеченных знаний используются, в зависимости от предметной области, логические, сетевые подходы к описанию представлений действительности. Но в силу недостатков, каждого из подходов, все чаще используются смешанные методы описания.

Формирование представлений действительности у экспертов Оценка поведен Подсистема восприятия реального Рис. 2.4. Основные этапы представления действительности в БЗ СОЗ.

Формализованные представления действительности, без изменений, инженер по знаниям заносит в память СОЗ, используя имеющиеся или специально разрабатываемые инструментальные средства.

Таким образом, в существующих СОЗ представления действительности являются неизменными (статичными) для длительного интервала времени.

Длительность такого интервала времени зависит от возможности экспертов принять участие в ревизии (доработке) имеющихся представлений и эффективности (целесообразности) их использования, а также необходимости добавления новых и коррекции имеющихся элементов представлений действительности (знаний).

2.3. Эволюционирующие знания При решении задач управления в ОТС требуется иметь точные, полные [4,6,18,20]. Для обеспечения успешного поведения системы знания должны постоянно уточняться. Для этого в представлении знаний должны:

появляться новые элементы, связи между ними;

удаляться ненужные элементы, связи между ними;

формироваться представления новых ситуаций (сущностей) и их ансамбли.

Следовательно, чтобы поведение системы было максимально успешным, система должна обеспечивать эти процессы подстройки представлений о реальном мире, делать их все более соответствующими действительности.

Знания, являющиеся результатом этих процессов, представляют собой эволюционирующие знания. Под эволюционирующими знаниями понимаются такие знания, элементы представления которых в кибернетической системе стремятся максимально соответствовать действительности, с целью обеспечения наилучшего поведения (использования) системы [15,18].

Формально эволюционирующие - EK знания можно представить в виде четверки:

где U - множество элементов представлений знаний: сущностей и связей между ними;

MFK – методы формирования и коррекции элементов представлений знаний;

MVFK– методы оценки (valuation) сформированных элементов представлений знаний MVUK – методы оценки использования знаний (оценка знаний в зависимости от успешности поведения системы).

В настоящее время существует множество моделей, характеризующих общие свойства эволюции кибернетических (биологических) систем. Авторы работы [5] для рассмотрения вопросов, связанных с эволюционным развитием сложных систем различной природы, используют пять наиболее представительных моделей (видов) эволюции: модель эволюции Ч. Дарвина, ламаркизм или модель эволюции Ж. Ламарка, салыпационизм (модель эволюции де Фриза), модель К. Поппера, синтетическая теория эволюции. В работе [9], посвященной обзору современных исследований эволюции биологических кибернетических систем, большое внимание уделено моделям простейших молекулярно-генетических систем. Для этих систем представлены методы теоретической популяционной генетики.

В работе за основу взят подход молекулярно-генетической эволюции. В рамках этого подхода представления действительности, для решения задач управления в ОТС, представляют собой сложноструктурированную, изменяющуюся во времени систему знаний. Для ОТС любая r –я ситуация действительности, в рамках обеспечения эффективного функционирования ОТС, соответствует подмножеству ситуаций действительности SDr, где r – номер ситуации действительности и r(1 D), D – максимальное число различаемых ситуаций действительности. Подмножество SDr в качестве элементов содержит параметры ПNПSrj из множества ПКС доступных КС для восприятия действительности {Пi}:

SDr = { ПNПSrj }, r(1 D); NПSrj{i}; j = 1,2, …,Nr; i = 1 N; (2.14) где SDr – подмножество, представляющее r-ситуацию действительности, r – номер ситуации действительности, r(1 D), D – максимальное число различаемых ситуаций действительности, ПNПSrj – параметры для представления ситуации r, NПSrj – номер параметра, представляющего r-ю ситуацию и имеющего в подмножестве SDr номер j, Nr – число параметров, необходимых для представления ситуации r, N – число параметров, необходимых для представления всех ситуаций действительности, Пi – параметры, имеющиеся для представления действительности, j – номер параметра в подмножестве SDr, i – номер параметра в множестве ПКС.

Любая ситуация r, в любой момент времени t может представляться Nr параметрами. Мощность подмножества SDr и его содержимое могут изменяться в какие-то моменты времени. Тогда в один из моментов (t +t) может возникнуть ситуация такая, что Nr(t) Nr(t+t), SDr (t) SDr(t+t) и даже, N(t) N(t+t). С учетом этих уточнений выражения (2.2) - (2.4) могут быть представлены в следующем виде:

В ходе представления ситуаций действительности SDr(t) каждый из параметров ПNПSrj SDr(t) может принимать значение ZПNПSrjl(t) из фиксированного набора значений для данного параметра NZПNПSrj(t):

где ZПNПSrjl(t) – l-е значение параметра ПNПSrj в момент времени t;

NZПNПSrj(t) – набор значений для параметра ПNПSrj в момент времени t;

l - номер значения параметра ПNПSrj для ситуации r в момент времени t, l1NVNПSrj(t);

NVNПSrj(t) – число различимых значений параметра ПNПSrj для ситуации r в момент времени t, NZПNПSrj(t) NZПNПSrj(t+t).

Один и тот же параметр Пi, при представлении различных ситуаций, может иметь различную значимость (вес), т.е. в ситуации представленной подмножеством SDr(t), r(1 D), этот параметр имеет один вес, а в ситуации представленной подмножеством SDр(t), р(1 D), р r – другую.

При представлении различных ситуаций действительности параметр может использоваться с одним и более значений. Для случая, когда используется более одного значения параметра, эти значения ранжируются в зависимости от их значимости (веса). Эти веса, с течением времени, могут изменяться.

Аналогично могут изменяться порог значимости сформированного элемента представления; квант приращения значимости для закрепляющих (положительных примеров и квант снижения значимости для отрицательных примеров; порог значимости при деградации элементов представления и другие.

Таким образом, для решения задач управления в ОТС, в представлениях ситуаций действительности, для повышения их ТОЧНОСТИ могут использоваться следующие элементы и их характеристики функционирования, повышения достоверности представления действительности (знаний):

• Множество параметров представляющих действительность и из которых выбираются наиболее подходящие (обеспечивающие максимальное значение Достоверности и Точности) • Для каждого параметра множество принимаемых значений и условий значимости этих значений • Условные оценки – оценки меняются в зависимости от контекста Для использования эволюционирующих знаний в решении задач ОТС, необходимо систему представления действительности строить по схеме аналогичной биологическим системам. В этом случае формирование представлений действительности будет осуществляться согласно структуре следующего вида (рис. 2.5.), где, в качестве основных, выделяются следующие задачи:

восприятие действительности;

представление ситуаций действительности;

накопление примеров ситуаций действительности в базе данных;

извлечение знаний из примеров действительности;

структуризация и хранение знаний в базе знаний;

формирование решений (реакций) на текущие ситуации действительности;

оценка экспертами представлений ситуаций, закономерностей действительности, сформированных решений.

В процессе восприятия действительности могут задействоваться все датчики (среда восприятия) ОТС, выходные значения которых используются при представлении ситуаций реального мира (действительности). Для представления примера ситуации действительности, обычно, используются только те параметры, которые необходимы для представления этого примера ситуации действительности.

Представление текущей ситуации реального мира (рис. 2.6) используется при формировании решений – реакций на текущую ситуацию, и заносится в БД, где хранятся примеры ситуаций. Из накапливаемых примеров извлекаются и структурируются, в формате интегрированного метода, представления знаний, новые представления действительности, которые запоминаются в БЗ.

Хранимые в БЗ представления действительности используются для формирования решений, а их соответствие действительности оценивается экспертами. Кроме оценок экспертов могут использоваться оценки, сделанные специальными интеллектуальными системами.

Рис. 2.5. Структура системы представления действительности в СУБЗ.

Результаты оценивания могут использоваться при представлении ситуаций действительности при извлечении знаний и формировании решений.

При представлении ситуаций реального мира оценивается множество параметров, используемых для описания ситуаций. Элементами этого множества должны быть те параметры, которые обеспечивают наилучшее представление действительности. С этой целью значение каждого параметра, для представления рассматриваемой ситуации, оценивается весовым коэффициентом, значение которого зависит от важности значений параметра при представлении этой ситуации. В зависимости от значений весовых коэффициентов изменяются элементы множества параметров, необходимых для релевантного представления рассматриваемой ситуации. При значениях wi ниже допустимого порога i-й параметр исключается из множества параметров, необходимых для релевантного представления рассматриваемой ситуации.

Рис. 2.6. Представление ситуации реального мира.

Для пополнения множества параметров, необходимых для релевантного представления рассматриваемой ситуации, могут использоваться эволюционные методы, в частности такие операции, как рекомбинация, мутация и отбор. Для этого каждый параметр представляется хромосомой. Используемое множество параметров считается элитным и переносится в новое поколение без изменений. Формируются в ходе рекомбинации дополнительные хромосомы. Дополнительные хромосомы могут формироваться различными способами: только случайным образом, только из элитных хромосом, комбинированным. С определенной вероятностью над дополнительными хромосомами проводятся мутации. Полученное множество параметров применяется для представления рассматриваемой ситуации действительности. Результаты применения оцениваются экспертами. Для параметров, оказывающих важное значение при представлении рассматриваемой ситуации, значение весового коэффициента этого параметра увеличивается. У параметров, которые понижают релевантность представления действительности, весовые коэффициенты понижаются. У параметров, которые не изменяют релевантность представления действительности, весовые коэффициенты остаются без изменений. Весовые коэффициенты понижаются для всех параметров, в зависимости от времени.

После оценки представления ситуации действительности осуществляется отбор лучших параметров. В ходе этого отбора из множества параметров исключаются все параметры со значениями весовых коэффициентов ниже пороговых. Не исключаются параметры, которые являются элитными.

Литература к главе 1. Виноградов А.Н., Жилякова Л.Ю., Осипов Г.С.. Динамические интеллектуальные системы. Ч.1. Представление знаний и основные алгоритмы.

Известия РАН. Теория и системы управления, М: Наука, 2002, №6.

2. Виноградов А.Н.,.Жилякова Л.Ю, Осипов Г.С.. Динамические интеллектуальные системы. Ч.II. Моделирование целенаправленного поведения.

Известия РАН. Теория и системы управления, М: Наука, 2003, №1, с.87Гаврилова Т.А., Хорошевский В.Ф., Базы знаний интеллектуальных систем - СПб: Питер, 2000. 384 с.

4. Дюк В., Самойленко А. Data Mining: уч.. курс. – СПб: Питер, 2001.

5. Емельянов В.В., Курейчик В.В., Курейчик В.М. Теория и практика эволюционного моделирования. – М.: ФИЗМАТЛИТ, 2003. – 432 с.

6. Осипов Г.С. Лекции по искусственному интеллекту. - М.: КРАСАНД, 2009. - 272 с.

7. Осипов Г.С. Динамические интеллектуальные системы//Искусственный интеллект и принятие решений. - 2008.- №1. С. 47-54.

8. Осипов Г.С. Приобретение знаний интеллектуальными системами: Основы теории и технологии. - М.: Наука. Физматлит, 1997. - 112 с. - (Проблемы искусственного интеллекта).

9. Редько В.Г. Эволюция, нейронные сети, интеллект: Модели и концепции эволюционной кибернетики / Предисл. Г.Г. Малинецкого. - Изд. 5-е, стереотипное. М.: КомКнига, 2007. - 224 с. (Синергетика: от прошлого к будущему.) 10. Стефанюк В.Л. Поведение квазистатической оболочки в изменяющейся нечеткой среде // В кн. КИИ - 94.Национальная конференция с международным участием "Искусственный интеллект 94". Сборник научных трудов в 2-х томах. Т.1., Рыбинск 1994, с. 199-203.

11. Сэлтон Г. Автоматическая обработка, хранение и поиск информации.

Нью-Йорк, 1968, Пер. с англ., под ред. А.И. Китова. М., "Сов. Радио", 1973, 560 с.

12. Тельнов Ю.Ф., Трембач В.М. Интеллектуальные информационные системы. Учебное пособие - М.: МЭСИ, 2009. - стр. 202.

13. В.М. Трембач, Интеллектуальная информационная система формирования компетенций для реализации модели непрерывного образования, // Научно-практический журнал «Открытое образование», МЭСИ, №4(77), 2010, с. 79- 14. В.М. Трембач Методы формирования, использования и анализа баз знаний //Экономика, статистика и информатика, - Вестник УМО, № 4, 2010, с. 145- 15. В.М. Трембач, Формирование и использование моделей компетенций обучающихся на основе эволюционирующих знаний, // Научнопрактический журнал «Открытое образование», МЭСИ, №6(77), 2009, с.

12- 16. Трембач В.М. Построение и использование моделей компетенций на основе эволюционирующих знаний // XII-я научно- практическая конференция "Реинжиниринг бизнес-процессов на основе современных информационных технологий. Системы управления знаниями": Сборник научных трудов / Моск. госуд. ун-т экономики, статистики и информатики - М., 2009, с. 298-302.

17. Трембач В.М. Применение интеллектуальных технологий к формированию компетенций обучающихся //Искусственный интеллект и принятие решений. - 2008.- №2. С. 34-54.

18. Трембач В.М. Методы представления эволюционирующих знаний, обеспечения и оценки их соответствия действительности. // В кн. КИИ - 2008.

Одиннадцатая национальная конференция по искусственному интеллекту с международным участием. Сборник научных трудов в 3-х томах. Т.3., М.: Физматлит, 2008, с. 315-322.

19. Трембач В.М. Приобретение знаний из опыта и внешних источников. // В кн. КИИ - 2006. Десятая национальная конференция по искусственному интеллекту с международным участием. Сборник научных трудов в 3-х томах. Т.3., М.: Физматлит, 2006, с. 1100-1108.

20. Трембач В.М. Компьютерные методы представления и формирования знаний для синтеза планов решений // Новости искусственного интеллекта. 2005. - № 3, стр. 51-62.

21. Частиков А.П., Гаврилова Т.А., Белов Д.Л. Разработка экспертных систем. Среда CLIPS. -СПб.: БХВ-Петербург, 2003. - 608 с.

22. Greisdorf H. Relevance: An Interdisciplinary and Information Science Perspective. Informing Science, 3(2): 67-72, 2000.

http://inform.nu/Articles/Vol3/indexv3n2.htm 23. TJ.Laffey et ol Real-time knowledge-based system, AIMagaiine, 9(1), pp 27Mizzaro S. Relevance: The Whole History. Journal of the American Society of Information Science, 48(9): 810-832, 25. Rijsbergen C.V. Foundation of evaluation. Journal of Documentation, 4(30):365-373, 1974.

26. M.E.Shoppcrs. Universal plans for reactive robots in unpredictable environments. In Proc. of IJCAI-87, 1987.

27. A-Wern, Reactive Abduction. In Proc. of ECAl-92. pp.159-163.

Глава 3. Методы представления эволюционирующих знаний для решения задач управления в организационно-технических системах 3.1. Интегрированный подход к представлению знаний Сложившиеся подходы к представлению знаний, логический, продукции, семантические сети, фреймы, имеют ограниченные области решаемых задач в силу присущих им свойств и ограничений [4,7,8,11,15,17,18,19,26], что не позволяет с их помощью описывать все многообразие реального мира.

В силу этого обстоятельства разработчики современных интеллектуальных систем используют интегрированные (смешанные) методы представления знаний. В интегрированных методах усиливаются достоинства классических подходов к представлению знаний, что расширяет область их использования и является удобным для формализации сложноструктурированной информации.

В работах [28,29] рассматривается метод представления знаний, основанный на многоуровневой логике. Он является интеграцией логического и семантического подходов к построению языка представления знаний. Этот подход является перспективным, но на данный момент не имеет развитых методов обработки и использования знаний, представляемых в данном формате [28,29].

В расширенных семантических сетях И. П. Кузнецова [6] однородность представления достигается за счет того, что имена отношений играют роль объектов и могут вступать в отношения. Важным в этой методе является возможность представления в нем продукций. При этом левой и правой частям продукций ставятся в соответствие сети Sn1 и Sn2, а продукция записывается в виде Продукции могут входить как в левые, так и в правые части других продукций. Для обработки информации, представленной с помощью РСС, использован принцип сопоставления по образцу в виде метода наложения двух сетей. В его основе лежат правила идентификации (означивания), позволяющие связывать вершины и сопоставлять сети в соответствии с законами логики [6]. Механизм обработки PCC имеет два существенных недостатка: слабая структурированность конструируемых программ и сложность организации процесса вычисления.

В неоднородных семантических сетях Г.С. Осипова [9, 11], в отличие от простых семантических сетей и расширенных семантических сетей, имеется возможность определения и использования отношений различных типов на множестве вершин сети. Наличие такой возможности позволяет более точно отображать семантику различных сообщений, извлекаемых из источников знаний, и выполнять над сетью программы моделирования рассуждений различных типов. Для моделирования рассуждений на неоднородных семантических сетях реализованы алгоритмы, основанные на использовании свойств отношений совместности и следования. Доказаны теоремы, устанавливающие связь между отношениями совместности и выполнимостью событий в различных состояниях НС. Аппарат неоднородных семантических сетей положен в основу системы прямого приобретения экспертных знаний SIMMER.

Обобщенная модель представления знаний о предметной области А. И.

Башмакова создавалась с учетом следующих требований [1,2]:

1. Возможность настройки на конкретную предметную область.

2. Наглядность представления (геометрическая интерпретация основных компонентов модели; средство визуального проектирования).

3. Высокая однородность модели, обеспечивающая простоту манипулирования знаниями.

4. Открытость, понимаемая как возможность расширения без переделки ядра модели.

5. Реализация свойства активности знаний.

6. Высокая структурированность, основанная на наличие в модели механизмов композиции и декомпозиции.

7. Оперирование с нечеткими представлениями.

8. Многоуровневая организация, включающая дружественный интерфейсный уровень, уровень базовых информационных структур, уровень базовых операций над знаниями (полный с точки зрения формальной логики), уровень комплексных операций работы со знаниями (верификация, разрешение противоречий, наследование, поиск), уровень стратегии управления операциями.

Обобщенная модель задается триадой вещь – свойство – отношение, из применения которой вытекают два основных принципа: взаимообоснования и взаимоперехода, обеспечивающие высокий уровень однородности средств моделирования представления знаний о предметной области. Объекты предметной области в обобщенной модели в зависимости от ситуаций, возникающих при решении прикладных задач, могут выступать в роли вещей, свойств или отношений (принцип взаимоперехода). Это же относится к категориям свойств отношений.

В обобщенной модели определена многоуровневая система операций (интерфейсных, базисных, верификации, разрешения противоречий, наследования, поиска), а также стратегий управления ими. Обобщенная модель используется в автоматизированной системе ФОРМОД.

Нечеткие семантические сети И. А. Перминова [12,13] возникли в силу необходимости описания и обработки значительных объемов разнородной и плохо формализуемой информации.

В [6] отмечается, что основным недостатком существующих языков искусственного интеллекта является их слабая структурированность в представлении данных, в организации процесса вычислений, т.к. помимо задач искусственного интеллекта необходимо решать и общепрограммистские задачи, к которым языки искусственного интеллекта применимы слабо. Это является препятствием для эффективного создания сложных систем. По этим причинам возникла задача создания хорошо структурированного, модульного языка искусственного интеллекта, который в то же время мог бы служить и языком общего назначения. Для устранения этих недостатков предложена модель объектно-ориентированной семантической сети OCC, а за основу языка манипулирования OCC взят Пролог, наиболее соответствующий структуре сети.

Объектная модель представлена классами, объектами и экземплярами объектов. Класс содержит выполнимые правила и описания вычислимых и невычислимых свойств. Свойства и методы имеют атрибут доступности из других классов и модулей. Как и в нечетком Прологе, выполнение программы базируется на методе нечеткой резолюции [12,13].

Данный подход расширяет логическую парадигму представления знаний, но не дает возможности описания всего разнообразия реального мира и его частей.

В целом существующие методы представления знаний позволяют расширить области их использования, но в полной мере не обеспечивают соответствие эволюционирующих знаний действительности, их дальнейшее использование для решения задач управления в ОТС. Это связано с тем, что в структуризации получаемых знаний сформировались объектное и процессное представление знаний. Для каждого из этих представлений формировались свои методы представления и использования знаний и эти методы редко дополняли друг друга.

При появлении задач одновременного представления и использования всех видов знаний, существующие методы оказались недостаточно эффективными, из-за своей изначальной ориентации на вычислительную обработку.

Автором предлагается метод интегрированного представления процедурных и фактуальных знаний, учитывающий особенности механизмов и приемов работы со знаниями, свойственных биологическим системам и в первую очередь – человеку.

В ходе эволюции кибернетических систем живой природы происходило развитие как аппарата восприятия и переработки информации о реальном мире, так и аппарата, обеспечивающего системе возможность воздействовать на реальный мир. Изначально нервная сеть (подсистема управления кибернетической системой) содержала рецепторы и эффекторы (для технических систем это датчики и исполнительные устройства), соединенные связями. В ходе эволюции биологические системы научились воспринимать окружающий мир не только как набор отдельных признаков (рецепторов), но и их комбинаций, иерархических структур - понятий, ассоциаций. От изначально простых функций нервной системы, заключающихся в передаче возбуждения от рецептора к эффектору, происходит переход к более сложным действиям:

формированию понятий о различных ситуациях, ассоциаций, регулированию, ассоциированию, моделированию и управлению ассоциациями (созданию новых планов достижения цели) [27].

Начиная с некоторого уровня возможно формирование моделей внешнего мира, т.е. "… происходит постепенное усовершенствование "познания" закономерностей в окружающей среде" [16,27]. В нервной системе появляются представления о рецепторах, эффекторах, признаках, понятиях, ситуациях, совершаемых действиях, ассоциациях. Нервная система представляет собой сложную иерархическую структуру, вершины которой представляют понятия (рис. 3.1.).

В кибернетике под понятием понимается множество ситуаций (аристотелевское понятие) [27]. Понятия образуются из признаков или понятий нижнего уровня структуры.

Признаки, понятия нижнего уровня структуры могут быть как простыми, так и сложными (составными).

Элементарным признаком для биологических систем является рецептор.

Из элементарных признаков образуются элементарные понятия, которые уже могут быть и сложными признаками. Возбужденная вершина-понятие иерархической структуры может передавать свое возбуждение на эффектор и/или на вершину-понятие верхнего уровня, выступая при этом в роли признака.

Рис. 3.1. Иерархия классификаторов (понятий) Одновременно возбуждающиеся вершины-понятия могут порождать (при постоянном сочетании) ассоциации. В процессе порождения ассоциаций (ассоциирования) происходит отбрасывание лишней информации, сжатие ее полезной части за счет организованности окружающей среды [27].

Признаки (рецепторы), понятия, ассоциации, управляющие воздействия (эффекторы) представляют собой сущности реального мира, поэтому основной единицей интегрированного метода представления является описание сущности.

Система понятий, ситуаций в биологической системе представляется в виде многоуровневой, сложноорганизованной сети. Вершины представляют понятия, описания ситуаций, действия (процессы), отношения – сущности, а дуги – это сформированные связи между вершинами-сущностями. Для представления многоуровневой, сложноорганизованной сети предлагается использовать описание вершины-сущности, включающее:

имя описываемой вершины-сущности;

список имен вершин-сущностей, связанных своими выходами с рассматриваемой, - список имен вершин-сущностей нижнего уровня;

список имен вершин-сущностей, связанных одним из своих входов с выходом рассматриваемой, - список имен вершин-сущностей верхнего уровня;

список имен вершин-сущностей составных связей, список имен вершин-сущностей ассоциаций.

Списки имен вершин-сущностей нижнего уровня и имен вершинсущностей верхнего уровня отражают таксономию понятий предметной области. Это позволяет представлять структуру описания реального мира и его частей в виде дерева или иерархии вершин-сущностей [3,4].

Для представления процессов взаимодействия вершин-сущностей (отражения процессов реального мира) в описание сущности добавляются логические компоненты:

предусловия, описывающие условия активизации рассматриваемой вершины-сущности через признаки активизации вершин-сущностей нижнего уровня;

постусловия – состояние признака активизации рассматриваемой вершины-сущности, множество представлений о ситуациях, которые активизируют рассматриваемую вершину-сущность.

В итоге, интегрированный подход к представлению знаний о реальном мире предполагает задание множества вершин-сущностей и взвешенных связей между ними. Каждая вершина-сущность описывается такими атрибутами как:

условия для активизации (предусловия), условия контроля наличия активизации вершины-сущности (постусловия), список имен вершин-сущностей нижнего уровня, список имен вершин-сущностей верхнего уровня, список имен вершин-сущностей ассоциаций, список имен вершин-сущностей составных связей, множество представлений о ситуациях, которые активизируют рассматриваемую вершину-сущность.

В иерархической структуре описания предметной области, на каждый момент времени, можно выделить три типа вершин-сущностей:

Входные вершины-сущности обеспечивают активизацию рассматриваемой вершины. Входные вершины-сущности могут быть как элементарными, так и составными. Элементарные входные вершины-сущности являются элементами кибернетической системы, через которые осуществляется восприятие реального мира или его частей. Описание такой вершины-сущности может включать:

список имен вершин-сущностей верхнего уровня, список имен вершин-сущностей ассоциаций, список имен вершин-сущностей связей.

Составные вершины-сущности являются элементами кибернетической системы, которые осуществляют обработку сигналов (данных), получаемых от элементарных входных элементов и формирование входных сигналов (данных) для составных внутренних и выходных вершин-сущностей. Составные внутренние вершины-сущности могут иметь связь с эффекторами, воздействующими на реальный мир или его части. В описание вершинысущности данного типа входят:

имя вершины-сущности, список имен вершин-сущностей нижнего уровня, список имен вершин-сущностей верхнего уровня, список имен вершин-сущностей ассоциаций, список имен вершин-сущностей-связей.

Выходные вершины-сущности являются элементами кибернетической системы, через которые осуществляется воздействие на реальный мир или его части. Описание вершины-сущности этого типа может включать:

список имен вершин-сущностей нижнего уровня, список имен вершин-сущностей ассоциаций, список имен вершин-сущностей составных связей.

Следует отметить, что элементарные входные и выходные вершинысущности, представляющие эволюционирующие знания, могут в определенные моменты становиться составными внутренними.

Для элементарных входных вершин-сущностей это происходит при появлении сущностей, которые требуют формирования новых, им соответствующих вершин, определяют предусловия и фиксируются в списке имен нижнего уровня уже не элементарной вершины-сущности. Например, появились новые системы (единицы) измерения – микрометр, или вместо количества в счете "много" появилась возможность различать "три", "четыре" и "пять".

Изменение типа выходных вершин-сущностей происходит при появлении (проявлении) сущностей, требующих формирования новых, им соответствующих вершин, состояние которых зависит от состояния рассматриваемой вершины-сущности. Имена новых вершин-сущностей фиксируются в списке имен верхнего уровня рассматриваемой вершины-сущности.

Каждый из атрибутов, описывающих вершину-сущность, - имя сущности (NS), предусловия (PRUS), список имен нижнего уровня (LNLS), постусловия (PSUS), список имен верхнего уровня (LNHS), список ассоциаций (LNA), список имен связей (LNR), множество представлений ситуаций SPS), выполняет свою, строго определенную роль в описаниях реального мира и его частей. Ниже представлен анализ каждого из этих атрибутов.

Имя (NS). Может выступать в роли идентифицирующего вершинусущность элемента, т.е. обеспечивать уникальность обозначения описания рассматриваемой сущности. В этом случае имя представляет собой набор символов, обеспечивающих уникальную комбинацию. Используется такой подход в вычислительных, информационно-вычислительных и некоторых информационно-поисковых системах для адресации областей информационно-вычислительного пространства.

Для решения задач, связанных с исследованиями в области искусственного интеллекта, имя выступает как единица языка, соответствующая [8], со стороны семантики отражению отдельного предмета, объекта или явления реального мира, а сточки зрения синтаксиса – субъекту или объекту высказывания. Для имени в описании сущности будет справедливо следующее утверждение (NS)(NS_LN_LS)(NS_LN_HS)(NS_CS)[(NS=NS_LN_LS)(NS=NS _LN_HS)(NS=NS_CS)], NS – набор символов, идентифицирующий рассматриваемую вершинусущность;

NS_LN_LS – имя из множества имен вершин-сущностей нижнего уровня, которое является частью описания вершины-сущности, имя которой принадлежит множеству имен верхнего уровня рассматриваемой сущности;

NS_LN_HS – имя из множества имен вершин-сущностей верхнего уровня, которое является частью описания сущности, имя которой принадлежит множеству имен нижнего уровня рассматриваемой сущности;

NS_CS – имя обсуждаемой (рассматриваемой) вершины-сущности реального мира.

Построение модели действительности, в соответствии с точкой зрения принятой в [8,11], предполагает выделение не только имен, но и содержания тех понятий, которые этими именами представлены. Набор признаков (вершин-сущностей) описывающих рассматриваемую вершину-сущность должен быть достаточен, как для отличения этой вершины-сущности от других вершин-сущностей, так и для соотнесения с действительностью. Имя указывает на описание конкретной сущности и эта его функция является достаточной для объектного подхода к представлению знаний.

Для процессного подхода имя должно всегда выступать как признак, означающий активизацию вершины-сущности или ее покой.

Во многих задачах признак активизации вершины-сущности и имя этой вершины-сущности могут представляться одним элементом описания. Но существуют задачи, где необходимо рассматривать не только активизированные концепты, но и пассивные, поэтому целесообразно разделять элемент описания, обозначающий активность или пассивность вершины-сущности и элемент, обозначающий сущность как объект.

Предусловия для рассматриваемой вершины-сущности (PRUS). Представляют собой описание ситуации (ситуаций) при которых вершина, соответствующая рассматриваемой сущности, будет активной. Описание ситуации (ситуаций) представляет собой, в простейшем случае, логическое выражение, состоящее из признаков активизации соответствующих вершинсущностей, которые поступают от активизированных вершин-сущностей без преобразований. В процессе формирования новой вершины-сущности ее связи могут иметь различные веса. Веса связей могут меняться в ходе эволюции знаний. С этой целью в описание связей (признаков активизации) вводятся веса этих связей W.

Список имен нижнего уровня для рассматриваемой вершины-сущности (LNLS). Включает имена вершин-сущностей которые определяют рассматриваемую вершину-сущность на объектном уровне.

Постусловие для рассматриваемой вершины-сущности (PSUS). Представляет собой признак активизации, свидетельствующий о переходе рассматриваемой вершины-сущности в активное состояние.

Список имен верхнего уровня для рассматриваемой вершины-сущности (LNHS). Включает имена вершин-сущностей, которые определяются рассматриваемой вершиной-сущностью на объектном уровне.

Список имен ассоциаций для рассматриваемой вершины-сущности (LNAS). Включает имена тех вершин-сущностей, которые постоянно присутствуют в представлении ситуации совместно с рассматриваемой вершинойсущностью.

Список имен составных связей для рассматриваемой вершины-сущности (LNRS). Состоит из множества имен вершин-сущностей, определяющих составные связи между вершинами-сущностями. Сложная связь представляет собой структуру из множества элементарных связей и условия. Условие может быть, как простейшим, так и иметь очень сложную, многоуровневую структуру.

Основная функция связи заключается в передаче сигнала от активизированной вершины-сущности на входы других сущностей, для их активизации.

Простые (элементарные) связи передают сигнал активизации без искажения, что приводит к выделению многих вершин и, тем самым, создает множество интерпретаций (возможных действий) для текущей ситуации. Для сокращения объема возможных решений должны активизироваться не все связи, а только те, которые соответствуют содержанию (контексту) текущей (рассматриваемой) ситуации. С этой целью элементарная связь между концептами разрывается и в разрыв вставляется мнимая вершина- сущность, которая имеет один вход условий активизации, один выход для сигнала о собственной активизации и множество входов, определяющих условие возможности передачи сигнала активизации.

Условие, определяющее возможность передачи сигнала активизации может быть, как простым логическим выражением, так и представлять собой сложное логическое выражение, описывающее правило распознавания ситуации или ее фрагмент.

Содержание описания вершины-сущности составной связи аналогично содержанию описания вершины-сущности и может включать:

NR – имя вершины-сущности рассматриваемой составной связи, PRUS – условие активизации вершины-сущности для составной связи, PSUS – признак активизации вершины-сущности, соответствующей рассматриваемой составной связи, LN_LS – имя вершины-сущности, от которой поступает сигнал активизации, LN_HS – имя сущности, к которой идет сигнал активизации, LN_R – список имен вершин-сущностей, которые образуют рассматриваемую составную связь, LN_A_R - список имен вершин-сущностей составных связей, ассоциирующихся с рассматриваемой.

Пример. В 1970-1980 гг. со связью "быть отличником", в отношении 12летних школьников, ассоциировалась связь "быть пионером".

Множество представлений ситуаций (SPS). Задает множество представлений о ситуациях, которые активизируют рассматриваемую вершинусущность.

Описание модели проблемной области – PAR, как множества сущностей, связанных между собой отношениями, имеет следующий вид:

где, S ={Si} – множество сущностей проблемной области – PAR;

R = {Ri} - множество взвешенных связей между вершинами-сущностями Si;

G – отображение, задающее между вершинами-сущностями Si связи из заданного набора типов связей R.

Сущности проблемной области Si задаются атрибутами:

Si = (NSi, PRUSi, PSUSi, LNLSi, LNHSi, LNRi, LNAi, SPSi, WSi), (3.2) где, PRUSi – предусловия активизации, PSUSi – постусловия вершины-сущности, LNLSi – список имен вершин-сущностей, определяющих Si и для рассматриваемой проблемной области связанных отношением "включает";

LNHSi - список имен вершин-сущностей, определяемых Si вершинойсущностью;

LNRi – список имен вершин-сущностей составных связей для Si с другими вершинами-сущностями, LNAi – список имен вершин-сущностей ассоциирующихся с рассматриваемой, SPSi - множество представлений о ситуациях, активизирующих рассматриваемую вершину-сущность.

WSi – вес/сила вершины-сущности Si.

Связи между вершинами-сущностями проблемной области R = {Ri} представляются:

где, NRi – имя связи, PRURi – предусловия, PSURi – постусловия, LNLRi – список имен вершин-сущностей связей, определяющих Ri;

LNHRi - список имен вершин-сущностей связей, определяемых Ri;

WRi – вес связи между вершинами-сущностями.

Отображение G представляется:

где, LNR – множество списков имен вершин-сущностей связей между вершинами-сущностями действительности, PRUR – условие применения списка имен вершин-сущностей связей между вершинами-сущностями действительности - предусловия, PSUR – множество признаков активизации списка имен вершинсущностей связей между вершинами-сущностями действительности - постусловия, WS – множество весов вершин-сущностей, WR – множество весов связей.

В формате интегрированного подхода к представлению знаний, где элементы действительности представляются вершинами-сущностями, описание проблемной области PAR (3.1), с учетом зависимостей (3.2-3.4), представляется следующим образом [22,23,24]:

где NK – имя вершины-сущности, PRU – предусловия активизации вершины-сущности, PSU – постусловия, LNI – список имен вершин-сущностей, определяющих рассматриваемую, LNO – список имен определяемых вершин-сущностей, LNR – список имен вершин-сущностей связей с другими вершинамисущностями, LNA – список имен вершин-сущностей, ассоциирующихся с рассматриваемой, WK – вес/сила вершины-сущности.

Предусловие Имена вершин-сущностей Представления о ситуациях, активизирующих вершину Рис. 3.2. Структура представления вершины-сущности действительности.

Такое представление [21,24] позволяет осуществлять полную навигацию по сети, строить проблемную область при принятии решений, накапливать опыт и максимально отображать существенные для объекта закономерности реального мира.

3.2. Операции над описаниями элементов эволюционирующих знаний для решения задач управления в ОТС Для работы с представлениями действительности - D, D = {EDu}, u=1, …, v, v – максимально доступное для кибернетической системы число сущностей, представляющих действительность, существуют различные операции – ОПD, ОПD = {опdj}, j = 1, …,, где – число различных операций над представлениями действительности D. Способ выполнения операций часто зависит от используемого метода представления действительности [10,25]. Ниже будут представлены способы выполнения операций применительно к интегрированному методу представления знаний.

Основными операциями с использованием интегрированного подхода к представлению знаний являются:

• преобразование представления фрагмента знаний к полному виду;

• поиск фрагмента по образцу;

• вставка/исключение фрагмента;

• обобщение;

• операции сходства/различия, • планирование.

Интегрированный метод представления действительности D позволяет представлять предметную область в виде иерархически взаимосвязанных вершин-сущностей (В-С). Таксономия понятий предметной области предполагает наличие вершин-сущностей, которые являются элементарными – ЭВСq, q= 1, …,t, где t – число элементарных вершин-сущностей, используемых кибернетической системой для представления действительности. Активизация элементарной вершины-сущности осуществляется системой восприятия действительности. Такая вершина-сущность считается абсолютно элементарной (АЭВ-С). Помимо абсолютно элементарных вершин-сущностей выделяются относительно элементарные вершины-сущности (ОЭВ-С), т.е.

такие вершины-сущности которые активизируются не системой восприятия действительности, а вершинами-сущностями, начиная с абсолютно элементарных и заканчивая вершинами-сущностями которые могут определять вершины-сущности рассматриваемого фрагмента знаний, но не являться описанием данного фрагмента знаний. Элементарные вершины сущности (ЭВ-С) являются основанием (базовыми) рассматриваемого фрагмента знаний. С помощью элементарных вершин-сущностей можно задавать любую вершину-сущность В-Сi, в рамках представления рассматриваемой действительности, где F – отображение множества ЭВ-Сr в рассматриваемую В-Сj;

r – номер элементарной вершины сущности r = 1,…,;

– число элементарных вершин-сущностей, необходимых для представления рассматриваемого фрагмента знаний ФЗ о действительности D.

Фрагмент знаний ФЗ о сущностях действительности EDu D, может представляться:

– в виде сетевой структуры (рис.3.3);

– в виде набора имен вершин-сущностей, определяющих рассматриваемую вершину-сущность EDu: K3; K7; … Ki; … Kv;

– именем вершины-сущности EDu: Kf; "Посадка".

С учетом таких понятий типов вершин-сущностей, как:

элементарные ЭВ-С: АЭВ-С и ОЭВ-С;

составные вершины-сущности (СВ-С), которые определяются как элементарными, так и составными вершинами-сущностями;

входные вершины-сущности являются терминальными вершинами-сущностями (ТВ-С) и определяют текущее состояние фрагмента представления сущностей действительности;

выходные вершины-сущности (ВВ-С), которые не определяют ни одну из вершин рассматриваемого фрагмента знаний, можно выделить два типа сетевых структур вершин-сущностей, характеризующих сущности действительности. Это:

сетевые структуры вершин-сущностей, имеющие в качестве входных вершин-сущностей элементарные;

сетевые структуры вершин-сущностей, где не все входные вершинысущности являются элементарными.

Рис.3.3. Сетевая структура вершин-сущностей (В-С) с абсолютно элементарными вершинами-сущностями (АЭВ-С) Преобразование представления фрагмента знаний к полному виду. Сетевые структуры вершин-сущностей (фрагменты знаний), у которых все входные вершины-сущности ТВ-С являются элементарными, имеют полный вид.

К сетевым структурам, у которых не все входные вершины-сущности являются элементарными, возможно применение операции преобразования представления этой сетевой структуры вершин-сущностей к полному виду. Задача приведения представления фрагмента знаний к полному виду может быть представлена следующим образом.

Имеется k-й фрагмент знаний - ФЗk :

ФЗk = (В-Сk1, В-Сk2, …, В-Сki, …, В-Сkn), Требуется привести представление фрагмента знаний ФЗk к полному виду, т.е. такому виду представления знаний, когда все терминальные вершины k-го фрагмента знаний ФЗk принадлежат подмножеству элементарных вершин-сущностей ЭВ-С k-го фрагмента знаний ФЗk:

где В-Сki – i-я вершина-сущность для описания k-го фрагмента знаний ФЗk;

ЭВ-С - множество элементарных вершин-сущностей для описания k-го фрагмента знаний ФЗk;

СВ-С - множество составных вершин-сущностей для описания k-го фрагмента знаний ФЗk;

ВВ-С - множество выходных вершин-сущностей для описания k-го фрагмента знаний ФЗk;

ТВ-С - множество терминальных вершин-сущностей для описания k-го фрагмента знаний ФЗk;

i – номер вершины-сущности в описании k-го фрагмента знаний ФЗk, i = 1n;

n – номер вершины-сущности в описании k-го фрагмента знаний ФЗk;

d – номер терминальной вершины-сущности для описания k-го фрагмента знаний ФЗk, d = 1h, h – максимальное число терминальных вершинсущностей для описания k-го фрагмента знаний ФЗk.

Данная операция выполняется следующим образом. Рассматриваются описания всех терминальных вершин-сущностей, которые не являются элементарными. В рассматриваемом описании из предусловий PRU выбираются имена вершин-сущностей, образующих условие. Если соответствующая вершина-сущность является элементарной, то дальнейшее рассмотрение описания этой вершины-сущности не проводится, а рассматриваются описания тех вершин-сущностей, которые не являются элементарными. Операция преобразования представления фрагмента к полному виду завершается при условии, что все терминальные (входные) вершины-сущности фрагмента знаний являются элементарными.

Поиск фрагмента по образцу. Поиск фрагмента по образцу [10] может выполняться различными способами. Если фрагмент сводится к одному концепту с именем, то происходит поиск концепта с таким именем. Если такого концепта нет, то поиск прекращается, так как нет искомого концепта. Если концепт найден, то происходит анализ найденного концепта искомому.

При задании фрагмента несколькими концептами поиск происходит через операцию преобразования представления фрагмента к полному виду. В этом случае образец для поиска представляется множеством элементарных понятий. Активированные концепты самого верхнего уровня будут соответствовать искомому фрагменту.

Вставка/исключение фрагмента. Операции вставки/исключения основываются на машинном обучении методом взвешивания связей. Основными этапами создания новых концептов - представлений действительности, являются [23]:

–поступление информации о ситуации;

–анализ поступившей информации;

–формирование имени концепта новой ситуации;

–формирование/ запрос оценки использования концепта рассматриваемой ситуации;

–усиление весов положительно оцененных связей и уменьшение весов отрицательно оцененных связей;

– анализ весов связей в описании нового концепта;

–задание признака окончания формирования нового концепта.

Для вставки фрагмента знаний выполняется его преобразование к полному виду, после чего он подается как обучающий пример с положительной оценкой. После определенных предъявлений примера будет сформирован в базе знаний необходимый фрагмент. Для операции исключения фрагмента он подается как обучающий пример с отрицательной оценкой. В итоге задаваемый фрагмент будет исключен из базы знаний.

Обобщение. Операции обобщения [10] могут выполняться по тому же принципу, что и предыдущие. Отличием операций обобщения от операций вставки/удаления является содержание обучающих примеров. В качестве примеров для операции обобщения используются концепты, имена которых указаны в списке имен концептов-ассоциаций. Активизация этих концептов, вместе с рассматриваемым, является условием активизации нового, обобщающего концепта.

Операции сходства/различия. Операции сходства/различия [10] базируются на методе интерпретации рассматриваемого фрагмента с последующей оценкой полученных результатов. Изначально проводится преобразование описания фрагмента к полному виду, после чего проводится его интерпретация. Результат интерпретации получает оценку в виде оценочной функции, например, отношения числа активизированных концептов к числу максимально возможных концептов для рассматриваемой ситуации. Используя допуски, пороги делается вывод о сходстве/различии фрагмента. Данная операция может использоваться при оценке компетенций обучаемых. Более сложным методом оценки сходства/различия и выявления недостающих в фрагменте концептов, является использование метода планирования. В этом случае фрагмент представляется как исходное состояние, а эталон – как целевое состояние. В этом случае возможно формирование индивидуальных планов решения по восполнению отсутствующих концептов.

Планирование. Важной операцией является операция планирования [10], включающая два этапа – собственно формирование плана решения и реализацию этого плана. Планирование операций для перехода из текущего состояния в требуемое может включать несколько шагов. На начальном шаге происходит сравнение требуемого состояния с текущим. При несовпадении формируется запрос к описанию проблемной области для поиска множества операций, необходимых для перевода в требуемое состояние. По этому запросу выбираются и предусловия концептов (операций), из которых формируется требуемое состояние для следующего шага планирования и т.д., до тех пор, пока на одном из шагов планирования будут устранены различия между текущим и требуемым состояниями.

На этапе реализации начинать выполнение необходимо с операций, которые спланированы на последнем шаге планирования. Тогда, после выполнения операций, спланированных на первом шаге планирования, требуемое состояние будет достигнуто [26].

Рассмотренные операции [10] ориентированы для работы с интегрированным методом представления знаний. Представленная демо-версия системы управления базами знаний использует большинство этих операций. При интерпретации фрагментов знаний используются весовые коэффициенты для оценки результатов. При развитии демо-версии, помимо весовых коэффициентов возможно использование факторов уверенности нечеткой логики Л.Заде [20].

Особенностью данного подхода к использованию операций над концептами является универсальность описания представлений действительности, их возможность к развитию, без дополнительных преобразований концептов.

3.3. Представление сложных связей, необходимых для решения задач управления в ОТС с помощью элементарных связей эволюционирующих знаний Предметная область, для решения задач управления в ОТС, является очень сложной и ее описание состоит из множества вершин-сущностей и связей между ними. При этом связи между вершинами-сущностями могут быть, как простыми (элементарными), так и сложными (составными). При интегрированном подходе к представлению знаний элементарными (базовыми) связями будут: «является частью» и «включает», т.е. определяющая и определяемая связи.

Составная связь представляет собой структуру из множества элементарных связей и условия. Условие может быть, как простейшим, так и иметь очень сложную, многоуровневую структуру.

Основная функция связи, в простейшем случае, и отношения, для сложной структуры взаимодействия сущностей, заключается в передаче сигнала от активизированной вершины-сущности на входы условий активизации других сущностей. Простые (элементарные) связи передают сигнал активизации без искажения, вмешательства, изменения его временных характеристик, что приводит к выделению многих вершин и, тем самым, создает множество интерпретаций (возможных действий) для текущей ситуации. Для сокращения объема возможных решений должны активизироваться не все связи, а только те, которые соответствуют содержанию (контексту) текущей (рассматриваемой) ситуации. С этой целью элементарная связь между концептами разрывается и в разрыв вставляется мнимая вершина-сущность, т.е. такая сущность, которая имеет один вход условий активизации, один выход для сигнала о собственной активизации и множество входов, определяющих условие возможности передачи сигнала активизации. Условие, определяющее возможность передачи сигнала активизации может быть представлено, как простым, так и сложным логическим выражением.

Содержание описания составной связи аналогично описанию вершины сущности и может включать:

NR – имя рассматриваемой связи, PRUS – множество признаков активизации сущностей (состояний, определяющих возможность передачи сигнала активизации), PSUS – признак активизации мнимой сущности, соответствующей рассматриваемой связей, LN_LS – имя сущности, от которой поступает сигнал активизации, LN_HS – имя сущности, к которой идет сигнал активизации, LN_R – список имен связей, которые образуют условие, определяющее возможность передачи сигнала активизации для рассматриваемой связи, LN_A_R - список имен связей, ассоциирующихся с рассматриваемой, LN_Ex – список примеров, активизирующих условие активизации составной связи, W - весовые коэффициенты.

Интегрированная модель представления знаний позволяет на основе элементарных связей создать составные связи между сущностями действительности. В процессе формирования составных связей можно выделить следующие основные этапы:

• выделение вершин-сущностей из проблемной области;

• выделение подмножества связей рассматриваемой вершинысущности с другими вершинами-сущностями;

• анализ каждой связи:

o если рассматриваемая связь не является элементарной, то определение (описание) ситуации при которой эта связь активизирована. Представление этой ситуации в виде предусловия для мнимой вершины-сущности;

o добавление в предусловие самой связи;

o выход мнимой вершины-сущности соединить с требуемой Создание составных связей является сложной и ответственной задачей, поскольку неверно сформированная связь может оказать негативное воздействие на результаты работы всей базы знаний.

Для снижения вероятности ошибок в составной связи целесообразно использовать вспомогательные инструменты, как для создания новых составных связей, так и для анализа существующих. При проведении исследований, в качестве таких дополнительных инструментов, использовались сети Петри [5,14,20], предназначенные для моделирования систем, состоящих из множества взаимодействующих друг с другом компонент. В исследованиях, в качестве компонент, рассматривались вершины-сущности. Вершинамсущностям, как и другим компонентам реальных систем присущ параллелизм.

В одном из подходов к проектированию и анализу различных систем, сети Петри используются, как вспомогательный инструмент анализа существующих систем. При создании анализируемой системы – составной связи, используются общепринятые методы проектирования. Полученная составная связь моделируется сетью Петри, а затем разработанная модель составной связи анализируется. При обнаружении в составной связи недостатков, их устранение происходит путем модификации составной связи. Модифицированная составная связь опять моделируется и проводится анализ. Если результаты анализа являются неудовлетворительными, то модификация составной связи, построение модели составной связи в виде сети Петри и ее анализ повторяются снова. Эти этапы свойственны для уже созданных составных связей и вершин-сущностей. В этом случае необходимы методы моделирования составных связей сетями Петри.

При создании новых вершин-сущностей, составных связей используется другой подход, при котором предполагается построение составной связи сразу в виде сети Петри. В этом случае методы анализа применяются только для создания составной связи, не содержащей ошибок. Затем сеть Петри преобразуется в составную связь в формате интегрированного метода представления знаний. Для этого подхода необходимы методы формирования составной связи в виде сети Петри и методы реализации сетей Петри в формате интегрированного подхода к представлению знаний [20].

Интегрированный подход предполагает использование многих методов представления действительности. Для качественного решения задач обучения, интерпретации и планирования представление (описание) любой сущности (включая составную связь) должно включать: имя, предусловие, постусловие, список имен нижнего уровня, список имен верхнего уровня. Из этого набора элементов представления (описания) сущности, для моделирования сетями Петри, необходимы предусловия и постусловия, которые обеспечивают динамику/протекание информационных процессов распознавания, обучения, планирования в БЗ.

Действительность состоит из множества сущностей, среди которых можно выделить два типа: сущности-действия - Сд и сущности признаки Сп.

Эти два типа сущностей присутствуют в составной связи. С использованием выделенных типов сущностей можно определить элементарную связь.

Определение. Элементарная связь представляет собой сущностьдействие, у которой постусловие повторяет предусловие, т.е. ПсУ = ПрУ.

Сущность, для моделирования сетью Петри, в формате интегрированного метода представления знаний, минимально может определяться тремя элементами в следующем виде:

Сщ = (И, ПрУ, ПсУ), где И = (и1, и2, …, иv) – конечное множество имен сущностей, v 0;

ПрУ = (ПрУ1, ПрУ2, …, ПрУv) – конечное множество предусловий сущностей, v 0;

ПсУ = (ПсУ1, ПсУ2, …, ПсУv) – конечное множество постусловий сущностей, v 0.

Составная связь СтС является пятеркой:

ИСтС = (и1, и2, …, иv1) – конечное множество имен сущностей составных связей, v1 0;

СП = (сп1, сп2, …, спn) - конечное множество сущностей-признаков, n 0;

СД = (сд1, сд2, …, сдm) - конечное множество сущностей-действий, m 0;

ПрУ = (ПрУ1, ПрУ2, …, ПрУv1) – конечное множество предусловий сущностей составных связей, v1 0;

ПсУ = (ПсУ1, ПсУ2, …, ПсУv1) – конечное множество постусловий сущностей составных связей, v1 0;

ПрУ: СД СПвх входная функция, сопоставляющая сущностидействию СД множество ее входных признаков;

ПсУ: СД СПвых выходная функция, сопоставляющая сущностидействию СД множество ее выходных признаков.

Сущность-признак спСП является входом для сущности-действия сдСД, если спПрУ(сд).

Сущность-признак спСП является выходом для сущности-действия сдСД, если спПсУ(сд).

Структура сети Петри для составной связи определяется ее сущностямипризнаками, сущностями-действиями, предусловиями и постусловиями [20,21].

Пример 3.1. Имеется ситуация "Робот находит объект". Данная ситуация представляет некоторые действия, выполняемые сущностью "робот". Очевидно, что связь "находит" является составной. Графически рассматриваемая ситуация представлена на рис.3.4.:

Рис. 3.4. Структурное представление ситуации «Робот находит объект»

Необходимо описать данную ситуацию (и в том числе составную связь) используя элементарные вершины-сущности и элементарные (базовые) связи. Описание ситуации буде проводиться в контексте необходимости полного описания составной связи "Находит". Поэтому описания сущностей "Робот" и "Объект" заведомо будут неполными. Пусть сущность «Робот» представляет собой исследовательскую систему поверхности планет и спутников солнечной системы, одной из задач которой является поиск определенного объекта. Все датчики и эффекторы (исполнительные органы) робота, кроме обеспечивающих передвижение – отдельные шаги, располагаются у него на передней панели и закреплены жестко. Поэтому, для того чтобы воспринять ситуацию или выполнить действия в каком-то из четырех направлений (впереди, справа, сзади, слева) робот должен туда повернуться.

Для поиска определенного объекта рассматриваемый робот должен уметь выполнять такие действия, как:

ОП1 – шаг вперед;

ОП2 – определение наличия объекта рядом;

ОП3 – поворот вправо на 90 градусов;

ОП4 – обнаружение объекта впереди;

и иметь, для восприятия окружающего мира, следующие признаки:

П1 – шаг выполнен;

П2 – объект рядом обнаружен;

П3 – поворот выполнен;

П4 – объект обнаружен впереди.

У робота имеются датчики Д1, Д2, Д3, Д4 для определения момента выполнения соответствующей операции из множества: ОП1, ОП2, ОП3, ОП4.

Кроме того робот может выполнять другие действия – выдвинуть манипулятор, взять объект/исследовать объект, отпустить объект, убрать манипулятор и т.д. а также иметь много других датчиков: объект захвачен манипулятором, манипулятор протянут к объекту, база рядом и т.д.

С учетом отмеченных действий и признаков составная связь «Находит»

может реализоваться следующим образом.

Пусть в исходном (начальном) состоянии имеется ситуация, когда объект определяется впереди линии нахождения робота, т.е. объект может быть и впереди слева, и впереди прямо, и впереди справа – П4=1. Необходимы такие действия, чтобы объект оказался впереди, рядом с роботом, т.е. П2=1.

В формате интегрированного метода представления знаний рассматриваемая составная связь представлена в таблице 3.1.

№ Обозначение Предусловие Постусловие Содержание п/п Представление знаний робота для функционирования составной связи применимо, как для формирования структуры плана выполнения задачи «Находит», так и для реализации этого плана. С использованием интегрированного МПЗ все эти операции выполняются в два этапа – формирование плана достижения цели и реализация сформированного плана.

Рис. 3.5. Блок-схема алгоритма поиска роботом объекта Объединение этих этапов возможно в виде блок-схемы алгоритма решения рассматриваемой задачи. Блок-схема алгоритма включает узлы двух типов (принятия решений – условные операторы, представляемые ромбами, и выполнения, представляемые прямоугольниками) и дуг между ними. Блоксхема алгоритма представлена на рис. 3.5.

Модель сети Петри является асинхронной и служит для отображения и анализа причинно-следственных связей в системе. Для привязки к определенным моментам времени тех или иных переходов в синхронных системах используются события. Переходы из состояния в состояния считаются "мгновенными". Сеть Петри [5,14] имеет четыре базовых элемента: позиции, переходы, дуги и метки (фишки). Для моделирования блок-схемы алгоритма решения рассматриваемой задачи сетью Петри узлы блок-схемы представляются переходами сети Петри, а дуги блок-схемы – позициями сети Петри.

Сеть Петри, моделирующая функционирование составной связи "Найти" – алгоритм поиска роботом объекта, будет включать такие переходы, как t1 – выполнение команды «Найти объект», t2 – определение наличия объекта рядом, t3 – объект рядом есть t4 – объекта рядом нет, t5 – выполнение шага вперед, t6 – обнаружение объекта впереди, t7 – объект впереди обнаружен, t8 – объекта впереди нет, t9 – выполнение поворота вправо на 90 градусов, t10 – объект найден.

Дуги блок-схемы, соединяющие узлы, представляются следующим образом:

s1 – можно начинать выполнение блока «найти объект», s2 – операция «определение наличия объекта рядом» выполнена, s3 – отсутствие объекта рядом зафиксировано, s4 – наличие объекта рядом зафиксировано, s5 – команда «выполнить шаг вперед» выполнена, s6 – команда «обнаружение объекта впереди» выполнена, s7 – отсутствие объекта впереди зафиксировано.

Сеть Петри, моделирующая составную связь в виде алгоритма поиска роботом объекта, представлена на рис. 3.6.

Рис. 3.6. Сеть Петри, моделирующая составную связь.

Построенная сеть Петри теперь может использоваться для анализа моделируемой составной связи. Основными подходами к анализу сетей Петри являются [5,14,20,21] методы, основанные на использовании дерева достижимости, подход, основанный на матричном представлении сетей Петри, решении матричных уравнений и методах преобразования сетей.

На основе дерева достижимости могут выполняться: анализ безопасности и ограниченности, анализ сохранения, покрываемости, живости. Но дерево достижимости, в общем случае, нельзя использовать для решения задач достижимости и активности, эквивалентности. Это объясняется наличием символа, обозначающего бесконечное множество значений маркировки позиции. При использовании символа наблюдается потеря информации, т.к.

конкретные количества фишек отбрасываются и учитывается только существование их большого количества. Матричные представления, решения матричных уравнений и методы преобразования сетей, являясь мощным средством анализа, оказываются пригодны только для отдельных подклассов сетей Петри или лишь в частных случаях.

Другой подход, к использованию сетей Петри, заключается в построении составной связи в виде сети Петри, исследовании полученной сети Петри на наличие ошибок и в последующем преобразовании сети Петри в составную связь. Для этого подхода необходим метод построения составной связи в виде сети Петри и преобразовании сети Петри в составную связь в формате интегрированного МПЗ. Основные этапы данного метода рассматриваются на примере 3.1. Составная связь представляется сетью Петри с использованием двух основополагающих понятий: условия и события.

Состояние составной связи описывается совокупностью условий.

Функционирование (срабатывание) составной связи состоит в осуществлении последовательности событий. Для возникновения события необходимо выполнение некоторых условий, называемых предусловиями. Возникновение событий может привести к выполнению условий, называемых постусловиями. В содержательном плане переходы соответствуют событиям, возникновения. Переход (событие) характеризуется определённым числом постусловию данного события. Совокупность переходов, позиций и дуг позволяет описать статическую составную связь. Для описания динамики используется еще один объект – маркер, или фишка позиции. Наличие фишки в некоторой позиции интерпретируется как истинность условия, соответствующего данной позиции [5,14]. Расположение маркеров в позициях называется разметкой сети. Текущее состояние исследуемой составной связи определяется распределением маркеров по позициям сети, а динамика поведения системы отображается перемещением маркеров по позициям сети. Переход, не имеющий ни одной входной позиции, называется истоком, а переход, не имеющий ни одной выходной позиции – стоком.

Основными событиями при срабатывании составной связи «Найти объект» являются следующие события:

t1-1 – начало выполнения команды «Найти объект»;

t1-2 – продолжение выполнения команды «Найти объект»;

t2 – определение наличия объекта рядом;

t3 – определение отсутствия объекта рядом;

t4 – выполнение шага;

t5-1 – определение наличия объекта впереди после поворота;

t5-2 – определение наличия объекта впереди после шага;

t6-1 – определение отсутствия объекта впереди после поворота;

t6-2 – определение отсутствия объекта впереди после шага;

t7 – выполнение поворота.

Для того, чтобы событие произошло, необходимо появление ситуации в которой это событие может быть реализовано. Сама ситуация определяется как совокупность некоторых условий возникновения события. При синтезе сети Петри каждому из событий ставится в соответствие переход сети Петри, имеющий соответствующий номер. Переходы последовательно связываются друг с другом следующими входными/выходными позициями:

s01 – активен датчик «Объекта рядом нет»;

s02 – активен датчик «Объект рядом есть»;

s03 – сигнал о поступлении команды «Найти объект»;

s04 – активен датчик «Объекта впереди нет»;

s05 – активен датчик «Объект впереди есть»;

s1– выполнение команды «Найти объект» разрешено;

s2 – объект рядом есть;

s3 – объекта рядом нет;

s5 – объект впереди есть;

s6 – объекта впереди нет;

s7 – поворот выполнен.

Полученная сеть Петри представлена на рис.3.7. Созданная модель синтезирована из предположения, что условия возникновения событий всегда выполняются. В силу этого предположения не требуется вводить новые позиции, которые соответствуют набору условий выполнения событий – срабатыванию переходов: t1-1, t1-2, t2,, t3,, t4,, t5-1,, t5-2, t6-1, t6-2, t7.

При исследовании синтезированной сети Петри, для составной связи, могут применяться методы анализа, позволяющие определять наличие или отсутствие таких основных свойств сетей Петри, как безопасность и ограниченность, сохраняемость, достижимость, живость. Для моделей составных связей наибольший интерес представляет анализ достижимости - возможность перехода из начального состояния в конечное (срабатывание составной связи). Возможно решение задачи по выявлению тупиковых ситуаций в составных связях [20,21]. Для рассматриваемого примера такой тупиковой ситуацией может быть нахождение объекта, который не находится на месте, а движется с роботом в одном направлении с той же скоростью. Понятно, что при неограниченных ресурсах робот будет двигаться к объекту бесконечно.

При обнаружении такой ситуации могут приниматься меры (введение дополнительных условий для выявления факта невозможности реализации действия) для своевременного отказа от выполнения намеченных действий.

Основными методами анализа свойств достижимости являются [5,14]:

– построение дерева достижимости;

– метод матричных уравнений.

Построение дерева достижимости. Построение дерева достижимости осуществляется для синтезированной сети Петри с начальной маркировкой µ0 = (1, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0) и взаиморасположением робота и объекта таким, что робот должен выполнить два шага (срабатывания перехода t4).

Далее из-за потери объекта, выполняется поворот, после чего объект станет виден, т.к. находится справа, а после одного шага робот подойдет к объекту.

Последовательность ситуаций, в ходе выполнения команды «Найти объект», показана на рис.3.8. Эти ситуации определяются позициями s01, s02, s03, s04, s05.

Из начальной маркировки (соответствующая ситуация показана на рис.3.8.а) может сработать переход t1-1, обеспечивающий начало выполнения команды «Найти объект». В результате срабатывания перехода t1-1 получается маркировка µ1 = (1, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0). Из маркировки µ1, для выявления отсутствия объекта рядом в исходном состоянии, выполняется переход t3 и формируется маркировка µ2 = (1, 0, 0, 0, 1, 0, 0, 1, 0, 0, 0, 0) из которой запускается переход t4, после срабатывания которого получается маркировка µ3 = (1, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0), соответствующая ситуации после выполнения шага, изображенной на рис.3.8.б). Поскольку позиции s01 и s остаются помеченными (принимают единичные значения), то возможным является срабатывание перехода t5-2 и формирование маркировки µ4 = (1, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0). Для полученной маркировки разрешенным является срабатывание перехода t1-2, что обеспечивает продолжение выполнения команды «Найти объект» и получается маркировка µ1 = (1, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0). Из маркировки µ1, для выявления отсутствия объекта рядом в исходном состоянии, выполняется переход t3 и формируется маркировка µ2 = (1, 0, 0, 0, 1, 0, 0, 1, 0, 0, 0, 0) из которой запускается переход t4, а сети Петри соответствует маркировка µ5 = (1, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0) для ситуации после выполнения шага, изображенной на рис.3.8. в). В этой ситуации изменяются значения позиций s04 и s05, что делает возможным срабатывание перехода t6-2 и сеть Петри получает следующую маркировку µ6 = (1, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0). Для маркировки µ6 разрешенным является переход t7, изменяющий значения позиций s04 и s05 для новой маркировки µ7 = (1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1). Маркировка µ7, соответствующая ситуации показанной на рис.3.8.г), разрешает срабатывание перехода t5-1, что определяет наличие объекта впереди после выполнения поворота и переводит в маркировку µ4 = (1, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0). Для маркировки µ4 разрешенным является срабатывание перехода t1-2, что обеспечивает продолжение выполнения команды «Найти объект» и получается маркировка µ1 = (1, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0). Из маркировки µ1, для выявления отсутствия объекта рядом в исходном состоянии, выполняется переход t3 и формируется маркировка µ2 = (1, 0, 0, 0, 1, 0, 0, 1, 0, 0, 0, 0) из которой запускается переход t4. Срабатывание перехода t4 изменяет значения позиций s01 и s02 (рис.3.8.д), в результате чего формируется новая маркировка µ8 = (0, 1, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0) в которой разрешенным является переход t5-2, формирующий новую маркировку µ9 = (0, 1, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0). При маркировке µ9 разрешен переход t1-2 приводящий к маркировке µ10 = (0, 1, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0). При маркировке µ10 и с учетом ситуации на рис.3.8.д), срабатывает переход t2 и достигается маркировка µ11 = (0, 1, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0), которая свидетельствует об отработке составной связи «Найти объект» и из которой не может быть запущен ни один переход. Такая вершина является терминальной и для рассматриваемой задачи выходной маркировкой.

Анализ сети Петри. Для синтезированной сети Петри (рис. 3.7) дерево достижимости представлено на рис.3.9. Из основных свойств сетей Петри [5.14] для составных связей могут использоваться следующие:

живость – отсутствие тупиковых состояний, исключая выходное (целевое) состояние составной связи;

безопасность – метки вершин включают только «0» и «1», что означает отсутствие зацикливаний;

правильность – сеть безопасна и живая;

пассивность переходов – переходу не соответствует ни одной дуги графа.

Рис.3.8. Последовательность ситуаций в процессе нахождения роботом Построенное дерево достижимости содержит только одно тупиковое состояние, которое является целевым для составной связи, что позволяет считать синтезированную сеть Петри живой. Метки вершин включают только «0» и «1», следовательно сеть безопасна. В итоге можно заключить, что сеть правильная. Кроме того, дерево достижимости не включает пассивные переходы.

Методы матричных уравнений. Альтернативным по отношению к определению сети Петри PN в виде (S, T, I, O) является определение сети Петри PN в виде двух матриц D- и D+, представляющих входную и выходную функции I и O [5,14]. Каждая из матриц D- и D+ имеет m = T строк (по одной на переход) и n = S столбцов (по одному на позицию).

Матричный вид сети Петри PN = (S,T,I,O) задаётся парой (D, D+), где D[k,i] = ^#(si,tk) – кратность дуги, ведущей из позиции pi в переход tk;

D+[k,i] = #^(si,tk) – кратность дуги, ведущей из перехода tk в позицию si, Матричная теория сетей Петри является инструментом для исследования и решения проблемы достижимости. Этот подход перспективен, но имеет ряд недостатков [14]. Не полностью отражается структура сети, так как встречные дуги между переходом и позицией взаимно уничтожаются. отсутствует информация о последовательности запусков переходов, что дает одному решению несколько последовательностей запуска переходов. Положительным моментом матричного подхода к анализу сетей Петри является компактность представления информации и высокая степень формализации.

Методика приведения синтезированной сети Петри к формату интегрированного метода представления знаний. Каждый переход и каждая позиция сети Петри представляют собой сущность. Структура описания сущности представлена на рис.3.2. Описание сущностей составной связи, синтезированной в виде сети Петри, происходит в следующей последовательности.

1. Формируется/запрашивается имя рассматриваемой сущности.

µ0=(1,0,1,0,1,0,0,0,0,0,0,0) µ1=(1,0,0,0,1,1,0,0,0,0,0,0) µ2=(1,0,0,0,1,0,0,1,0,0,0,0) µ3=(1,0,0,0,1,0,0,0,1,0,0,0) µ4=(1,0,0,0,1,0,0,0,0,1,0,0) µ1=(1,0,0,0,1,1,0,0,0,0,0,0) µ2=(1,0,0,0,1,0,0,1,0,0,0,0) µ5=(1,0,0,1,0,0,0,0,1,0,0,0) µ6=(1,0,0,1,0,0,0,0,0,0,1,0) µ7=(1,0,0,0,1,0,0,0,0,0,0,1) µ4=(1,0,0,0,1,0,0,0,0,1,0,0) µ1=(1,0,0,0,1,1,0,0,0,0,0,0) µ2=(1,0,0,0,1,0,0,1,0,0,0,0) µ8=(0,1,0,0,1,0,0,0,1,0,0,0) µ9=(0,1,0,0,1,0,0,0,0,1,0,0,) µ10=(0,1,0,0,1,1,0,0,0,0,0,0,) µ11=(0,1,0,0,1,0,1,0,0,0,0,0) Рис.3.9. Дерево достижимости для синтезированной сети Петри 2. По входным в позицию или переход дугам формируется предусловие сущности: условие включает имя сущности (перехода или позиции, если их имена идентичны) откуда берет начало дуга и признак его активности – «1».

Таким образом формируется каждое условие из предусловий сущности.

3. По выходным дугам формируется постусловие рассматриваемой сущности. Для обеспечения безопасности сети Петри признаки активности могут соответствовать признаку активности только для одной ситуации. В качестве постусловия берется признак срабатывания перехода или появление метки в позиции.

4. Список имен нижнего уровня формируется из имен сущностейпризнаков - позиций, используемых в предусловиях.

5. Список имен верхнего уровня формируется из имен элементов сети Петри в условиях которых присутствует признак срабатывания рассматриваемой сущности (перехода).

Для синтезированной сети Петри, моделирующей составную связь «Найти объект», выделяются следующие сущности-признаки и сущностидействия.

Сущности-признаки.

СП1 – активен датчик «Объекта рядом нет»;

СП2 – активен датчик «Объект рядом есть»;

СП3 – сигнал о поступлении команды «Найти объект»;

СП4 – активен датчик «Объекта впереди нет»;

СП5 – активен датчик «Объект впереди есть»;

СП6– выполнение команды «Найти объект» разрешено;

СП7 – объект рядом есть;

СП8 – объекта рядом нет;

СП9 – шаг выполнен;

СП10 – объект впереди есть;

СП11 – объекта впереди нет;

СП12 – поворот выполнен.

Сущности-действия.

СД1 – начало выполнения команды «Найти объект»;

СД2 – продолжение выполнения команды «Найти объект»;

СД3 – определение наличия объекта рядом;

СД4 – определение отсутствия объекта рядом;

СД5 – выполнение шага;

СД6 – определение наличия объекта впереди после поворота;

СД7 – определение наличия объекта впереди после шага;

СД8 – определение отсутствия объекта впереди после поворота;

СД9 – определение отсутствия объекта впереди после шага;

СД10 – выполнение поворота.

Описание сущности-признака СП1 - активен датчик «Объекта рядом нет». В составной связи «Найти объект», в качестве первого элемента, для представления в формате интегрированного метода представления знаний, рассматривается сущность-признак СП1 – активен датчик «Объекта рядом нет». Нумерация выполняемых шагов будет соответствовать пунктам приведенной ранее методики.

1. В качестве имени выбирается СП1.

2. Формирование предусловия – ПрУ. Для рассматриваемой сущности (позиции s01) ПрУ =, т.к. она является признаком активности датчика «Объекта рядом нет».

3. Формирование постусловия ПсУ. Признак активизации принимает значение «1» тогда, когда в данную позицию поступает метка. Следовательно ПсУ = (СП1 = 1).

4. В список имен нижнего уровня – СпИм_НУ входят имена сущностейпризнаков активизации, используемых в предусловиях, т.е. для сущности-признака СП1 СпИм_НУ =.

5. Список имен верхнего уровня – СпИм_ВУ формируется путем анализа выходных дуг, рассматриваемого элемента сети Петри. Выходная дуга рассматриваемой позиции s01 связана только с переходом t3, который соответствует сущности-действию СД3 – «определение наличия объекта рядом». Следовательно, СпИм_ВУ = (СД3).

Следующие позиции сети Петри в формате интегрированного метода представления знаний описываются аналогичным образом.

В качестве первого элемента из сущностей-действий СД1, для описания в формате интегрированного метода представления знаний, выбирается переход t1-1 – начало выполнения команды «Найти объект». Описание перехода t1-1 происходит аналогично описанию позиции.

1. Имя рассматриваемой сущности-действия – СД1.

2. Формирование предусловия – ПрУ. Для рассматриваемого перехода t1условием срабатывания является наличие метки в позиции s03 (активизация признака СП3), поэтому ПрУ = (СП3 = 1).

3. Формирование постусловия ПсУ. Признак активизации принимает значение «1» тогда, когда в данный переход поступает метка. Следовательно ПсУ = (СД1 = 1).

4. В список имен нижнего уровня – СпИм_НУ входят имена сущностейпризнаков (позиций), используемых в предусловиях, т.е. для сущностидействия СД1 СпИм_НУ = (СП3).

5. Список имен верхнего уровня – СпИм_ВУ формируется путем анализа выходных дуг, рассматриваемого элемента сети Петри. Выходная дуга рассматриваемого перехода t1-1 связана только с позицией s1, которая соответствует сущности-признаку СП6 – выполнение команды «Найти объект» разрешено. Следовательно, СпИм_ВУ = (СП6).

Следующие переходы сети Петри, в формате интегрированного метода представления знаний, описываются аналогичным образом.

п/п сущности В соответствии с изложенной методикой описание составной связи в формате интегрированного метода представления знаний представлено в таблице 3.2 [20,21].

Сформированная составная связь «Найти объект» не является статической, а позволяет создавать связь для всех допустимых ситуаций, т.е. является динамической.

1. Башмаков А.И., Башмаков И.А., Механизмы наследования, выявления и разрешения противоречий в обобщенной модели представления предметной области. Ч. II // Известия РАН. Теория и системы управления. 1995, №3. с.175-189.

2. Башмаков А.И., Башмаков И.А., Механизмы наследования, выявления и разрешения противоречий в обобщенной модели представления предметной области. Ч. I // Известия РАН. Техническая кибернетика. 1994, №5.

с.14-27.

3. Гаврилова Т.А. Онтологический подход к управлению знаниями при разработке корпоративных информационных систем // Новости искусственного интеллекта. – 2003. - №2. – с. 24-29.

4. Гаврилова Т., Хорошевский В. Базы знаний интеллектуальных систем.

Учебник.- СПб, Изд-во «Питер», 2001. Гаврилова Т.А., Хорошевский В.Ф., Базы знаний интеллектуальных систем - СПб: Питер, 2000. 384 с.

5. Котов В.Е. Сети Петри. - М.: Наука. Главная редакция физикоматематической литературы. 1984. - 160 с.

6. Кузнецов И.П. Расширенные семантические сети для представления и обработки знаний // Системы и средства информатики: Ежегод. Вып. 4 / РАН.

Ин-т проблем информатики М., 1993. с. 70- 7. Люгер, Джордж, Ф. Искусственный интеллект: стратегии и методы решения сложных проблем, 4-е издание.:Пер. с англ. - М.: Издательский дом "Вильямс", 2003 -864 с..

8. Осипов Г.С. Приобретение знаний интеллектуальными системами: Основы теории и технологии. - М.: Наука. Физматлит, 1997. - 112 с. - (Проблемы искусственного интеллекта).

9. Осипов Г.С. Построение моделей предметных областей. ЧI. Неоднородные семантические сети// Известия РАН. Техническая кибернетика, 1990, №5, с.32-45;

Осипов Г.С., Поспелов Д.А. Введение в прикладную семиотику Глава 10.

5. Операции в семиотических базах знаний// Новости искусственного интеллекта. 2002. - № 6, стр. 28- Осипов Г.С. Лекции по искусственному интеллекту. - М.: КРАСАНД, 11.

2009. - 272 с.

Перминов И.А. Нечеткая объектно-ориентированная семантическая 12.

сеть // Международный форум информатизации – 99: Доклады международной конференции «Информационные средства и технологии». Т.3., с.37- Перминов И.А. Объектно-ориентированный язык для оперирования 13.

семантическими сетями // Международный форум информатизации - 2000:

Доклады международной конференции «Информационные средства и технологии». Т3., с.212- Питерсон Дж. Теория сетей Петри и моделирования систем: Пер. с 14.

англ. -М.: Мир, 1984. -264 с., ил.

Рассел,Стюарт, Норвиг,Питер. Искусственный интеллект: современный 15.

подход, 2-е изд.: Пер. с англ. - М.: Издательский дом "Вильямс", 2007. с.

Редько В.Г. Эволюционная кибернетика М.: Наука, 16.

Приобретение знаний / Пер. с япон.: Под ред. С.Осуга., Ю. Саэки - М.:

17.

Мир, 1990. - 292 c.

Тельнов Ю.Ф. Интеллектуальные информационные системы в экономике. Учебное пособие. Издание третье, расширенное и дорабо-танное.

Серия "Экономика и бизнес". – М.: СИНТЕГ, 2002, 316 с.

Тельнов Ю.Ф., Трембач В.М. Интеллектуальные информационные системы. Учебное пособие - М.: МЭСИ, 2009. - стр. 202.



Pages:     | 1 || 3 | 4 |


Похожие работы:

«Министерство образования Республики Беларусь УЧРЕЖДЕНИЕ ОБРАЗОВАНИЯ ГРОДНЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ИМЕНИ ЯНКИ КУПАЛЫ И.И.Веленто ПРОБЛЕМЫ МАКРОПРАВОВОГО РЕГУЛИРОВАНИЯ ОТНОШЕНИЙ СОБСТВЕННОСТИ В РЕСПУБЛИКЕ БЕЛАРУСЬ И РОССИЙСКОЙ ФЕДЕРАЦИИ Монография Гродно 2003 УДК 347.2/.3 ББК 67.623 В27 Рецензенты: канд. юрид. наук, доц. В.Н. Годунов; д-р юрид. наук, проф. М.Г. Пронина. Научный консультант д-р юрид. наук, проф. А.А.Головко. Рекомендовано Советом гуманитарного факультета ГрГУ им....»

«В.Н. Ш кунов Где волны Инзы плещут. Очерки истории Инзенского района Ульяновской области Ульяновск, 2012 УДК 908 (470) ББК 63.3 (2Рос=Ульян.) Ш 67 Рецензенты: доктор исторических наук, профессор И.А. Чуканов (Ульяновск) доктор исторических наук, профессор А.И. Репинецкий (Самара) Шкунов, В.Н. Ш 67 Где волны Инзы плещут.: Очерки истории Инзенского района Ульяновской области: моногр. / В.Н. Шкунов. - ОАО Первая Образцовая типография, филиал УЛЬЯНОВСКИЙ ДОМ ПЕЧАТИ, 2012. с. ISBN 978-5-98585-07-03...»

«Министерство здравоохранения Российской Федерации Тихоокеанский государственный медицинский университет В.А. Дубинкин А.А. Тушков Факторы агрессии и медицина катастроф Монография Владивосток Издательский дом Дальневосточного федерального университета 2013 1 УДК 327:614.8 ББК 66.4(0):68.69 Д79 Рецензенты: Куксов Г.М., начальник медико-санитарной части УФСБ России по Приморскому краю, полковник, кандидат медицинских наук; Партин А.П., главный врач Центра медицины катастроф Приморского края;...»

«ТЕПЛОГЕНЕРИРУЮЩИЕ УСТАНОВКИ СИСТЕМ ТЕПЛОСНАБЖЕНИЯ В.М. ФОКИН ТЕПЛОГЕНЕРИРУЮЩИЕ УСТАНОВКИ СИСТЕМ ТЕПЛОСНАБЖЕНИЯ МОСКВА ИЗДАТЕЛЬСТВО МАШИНОСТРОЕНИЕ-1 2006 Т Т В Н В.М. ФОКИН ТЕПЛОГЕНЕРИРУЮЩИЕ УСТАНОВКИ СИСТЕМ ТЕПЛОСНАБЖЕНИЯ МОСКВА ИЗДАТЕЛЬСТВО МАШИНОСТРОЕНИЕ-1 УДК 621. ББК 31. Ф Рецензент Заслуженный деятель науки РФ, доктор технических наук, профессор, заведующий кафедрой Теплоэнергетика Астраханского государственного технического университета, А.К. Ильин Фокин В.М. Ф75 Теплогенерирующие...»

«АКАДЕМИЯ НАУК РЕСПУБЛИКИ ТАДЖИКИСТАН Г.Н. Петров, Х.М. Ахмедов Комплексное использование водно-энергетических ресурсов трансграничных рек Центральной Азии. Современное состояние, проблемы и пути решения Душанбе – 2011 г. ББК – 40.62+ 31.5 УДК: 621.209:631.6:626.8 П – 30. Г.Н.Петров, Х.М.Ахмедов. Комплексное использование водно-энергетических ресурсов трансграничных рек Центральной Азии. Современное состояние, проблемы и пути решения. – Душанбе: Дониш, 2011. – 234 с. В книге рассматриваются...»

«А.Н. КОЛЕСНИЧЕНКО Международные транспортные отношения Никакие крепости не заменят путей сообщения. Петр Столыпин из речи на III Думе О стратегическом значении транспорта Общество сохранения литературного наследия Москва 2013 УДК 338.47+351.815 ББК 65.37-81+67.932.112 К60 Колесниченко, Анатолий Николаевич. Международные транспортные отношения / А.Н. Колесниченко. – М.: О-во сохранения лит. наследия, 2013. – 216 с.: ил. ISBN 978-5-902484-64-6. Агентство CIP РГБ Развитие производительных...»

«Межрегиональные исследования в общественных науках Министерство образования и науки Российской Федерации ИНОЦЕНТР (Информация. Наука. Образование) Институт имени Кеннана Центра Вудро Вильсона (США) Корпорация Карнеги в Нью-Йорке (США) Фонд Джона Д. и Кэтрин Т. МакАртуров (США) Данное издание осуществлено в рамках программы Межрегиональные исследования в общественных науках, реализуемой совместно Министерством образования и науки РФ, ИНОЦЕНТРом (Информация. Наука. Образование) и Институтом имени...»

«Е.А. Урецкий Ресурсосберегающие технологии в водном хозяйстве промышленных предприятий 1 г. Брест ББК 38.761.2 В 62 УДК.628.3(075.5). Р е ц е н з е н т ы:. Директор ЦИИКИВР д.т.н. М.Ю. Калинин., Директор РУП Брестский центр научно-технической информации и инноваций Государственного комитета по науке и технологиям РБ Мартынюк В.Н Под редакцией Зам. директора по научной работе Полесского аграрно-экологического института НАН Беларуси д.г.н. Волчека А.А Ресурсосберегающие технологии в водном...»

«ISSN 2075-6836 Фе дера льное гос уд арс твенное бюджетное у чреж дение науки ИнстИтут космИческИх ИсследованИй РоссИйской академИИ наук (ИкИ Ран) А. И. НАзАреНко МоделИровАНИе космического мусора серия механИка, упРавленИе И ИнфоРматИка Москва 2013 УДК 519.7 ISSN 2075-6839 Н19 Р е ц е н з е н т ы: д-р физ.-мат. наук, проф. механико-мат. ф-та МГУ имени М. В. Ломоносова А. Б. Киселев; д-р техн. наук, ведущий науч. сотр. Института астрономии РАН С. К. Татевян Назаренко А. И. Моделирование...»

«УДК 80 ББК 83 Г12 Научный редактор: ДОМАНСКИЙ Ю.В., доктор филологических наук, профессор кафедры теории литературы Тверского государственного университета. БЫКОВ Л.П., доктор филологических наук, профессор, Рецензенты: заведующий кафедрой русской литературы ХХ-ХХI веков Уральского Государственного университета. КУЛАГИН А.В., доктор филологических наук, профессор кафедры литературы Московского государственного областного социально-гуманитарного института. ШОСТАК Г.В., кандидат педагогических...»

«Министерство образования и науки Российской Федерации Федеральное агентство по образованию Владивостокский государственный университет экономики и сервиса _ Российская академия наук Дальневосточное отделение Институт истории, археологии и этнографии народов Дальнего Востока Ю.Н. ОСИПОВ КРЕСТЬЯНЕ -СТ АРОЖИЛЫ Д АЛЬНЕГО ВОСТОК А РОССИИ 1855–1917 гг. Монография Владивосток Издательство ВГУЭС 2006 ББК 63.3 (2Рос) О 74 Рецензенты: В.В. Сонин, д-р ист. наук, профессор Ю.В. Аргудяева, д-р ист. наук...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ЭКОНОМИКИ И ФИНАНСОВ КАФЕДРА ЦЕНООБРАЗОВАНИЯ И ОЦЕНОЧНОЙ ДЕЯТЕЛЬНОСТИ Т.Г. КАСЬЯНЕНКО СОВРЕМЕННЫЕ ПРОБЛЕМЫ ТЕОРИИ ОЦЕНКИ БИЗНЕСА ИЗДАТЕЛЬСТВО САНКТ-ПЕТЕРБУРГСКОГО ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА ЭКОНОМИКИ И ФИНАНСОВ ББК 65. К Касьяненко Т.Г. К 28 Современные проблемы теории оценки бизнеса / Т.Г....»

«Камчатский государственный технический университет Профессорский клуб ЮНЕСКО (г. Владивосток) Е.К. Борисов, С.Г. Алимов, А.Г. Усов Л.Г. Лысак, Т.В. Крылова, Е.А. Степанова ЭКСПЕРИМЕНТАЛЬНАЯ ДИНАМИКА СООРУЖЕНИЙ. МОНИТОРИНГ ТРАНСПОРТНОЙ ВИБРАЦИИ Петропавловск-Камчатский 2007 УДК 624.131.551.4+699.841:519.246 ББК 38.58+38.112 Б82 Рецензенты: И.Б. Друзь, доктор технических наук, профессор Н.В. Земляная, доктор технических наук, профессор В.В. Юдин, доктор физико-математических наук, профессор,...»

«ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ АДЫГЕЙСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ЦЕНТР БИЛИНГВИЗМА АГУ X. 3. БАГИРОКОВ Рекомендовано Советом по филологии Учебно-методического объединения по классическому университетскому образованию в качестве учебного пособия для студентов высших учебных заведений, обучающихся по специальности 021700 - Филология, специализациям Русский язык и литература и Языки и литературы народов России МАЙКОП 2004 Рецензенты: доктор филологических наук, профессор Адыгейского...»

«Российская академия естественных наук Ноосферная общественная академия наук Европейская академия естественных наук Петровская академия наук и искусств Академия гуманитарных наук _ Северо-Западный институт управления Российской академии народного хозяйства и государственного управления при Президенте РФ _ Смольный институт Российской академии образования В.И.Вернадский и ноосферная парадигма развития общества, науки, культуры, образования и экономики в XXI веке Под научной редакцией: Субетто...»

«Семченко В.В. Ерениев С.И. Степанов С.С. Дыгай А.М. Ощепков В.Г. Лебедев И.Н. РЕГЕНЕРАТИВНАЯ БИОЛОГИЯ И МЕДИЦИНА Генные технологии и клонирование 1 Министерство сельского хозяйства Российской Федерации Министерство здравоохранения и социального развития Российской Федерации Омский государственный аграрный университет Институт ветеринарной медицины и биотехнологий Всероссийский научно-исследовательский институт бруцеллеза и туберкулеза животных Россельхозакадемии Российский национальный...»

«Олег Кузнецов Дорога на Гюлистан.: ПУТЕШЕСТВИЕ ПО УХАБАМ ИСТОРИИ Рецензия на книгу О. Р. Айрапетова, М. А. Волхонского, В. М. Муханова Дорога на Гюлистан. (Из истории российской политики на Кавказе во второй половине XVIII — первой четверти XIX в.) Москва — 2014 УДК 94(4) ББК 63.3(2)613 К 89 К 89 Кузнецов О. Ю. Дорога на Гюлистан.: путешествие по ухабам истории (рецензия на книгу О. Р. Айрапетова, М. А. Волхонского, В. М. Муханова Дорога на Гюлистан. (Из истории российской политики на Кавказе...»

«Д.В. БАСТРЫКИН, А.И. ЕВСЕЙЧЕВ, Е.В. НИЖЕГОРОДОВ, Е.К. РУМЯНЦЕВ, А.Ю. СИЗИКИН, О.И. ТОРБИНА УПРАВЛЕНИЕ КАЧЕСТВОМ НА ПРОМЫШЛЕННОМ ПРЕДПРИЯТИИ МОСКВА ИЗДАТЕЛЬСТВО МАШИНОСТРОЕНИЕ-1 2006 Д.В. БАСТРЫКИН, А.И. ЕВСЕЙЧЕВ, Е.В. НИЖЕГОРОДОВ, Е.К. РУМЯНЦЕВ, А.Ю. СИЗИКИН, О.И. ТОРБИНА УПРАВЛЕНИЕ КАЧЕСТВОМ НА ПРОМЫШЛЕННОМ ПРЕДПРИЯТИИ Под научной редакцией доктора экономических наук, профессора Б.И. Герасимова МОСКВА ИЗДАТЕЛЬСТВО МАШИНОСТРОЕНИЕ-1 УДК 655.531. ББК У9(2)305. У Р е ц е н з е н т ы:...»

«Межрегиональные исследования в общественных науках Министерство образования и науки Российской Федерации ИНО-центр (Информация. Наука. Образование) Институт имени Кеннана Центра Вудро Вильсона (США) Корпорация Карнеги в Нью-Йорке (США) Фонд Джона Д. и Кэтрин Т. Мак-Артуров (США) Данное издание осуществлено в рамках программы Межрегиональные исследования в общественных науках, реализуемой совместно Министерством образования и науки РФ, ИНО-центром (Информация. Наука. Образование) и Институтом...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РЕСПУБЛИКИ КАЗАХСТАН КОМИТЕТ НАУКИ ИНСТИТУТ ФИЛОСОФИИ И ПОЛИТОЛОГИИ КАЗАХСТАН В ГЛОБАЛЬНОМ МИРЕ: ВЫЗОВЫ И СОХРАНЕНИЕ ИДЕНТИЧНОСТИ Посвящается 20-летию независимости Республики Казахстан Алматы, 2011 1 УДК1/14(574) ББК 87.3 (5каз) К 14 К 14 Казахстан в глобальном мире: вызовы и сохранение идентичности. – Алматы: Институт философии и политологии КН МОН РК, 2011. – 422 с. ISBN – 978-601-7082-50-5 Коллективная монография обобщает результаты комплексного исследования...»








 
© 2013 www.diss.seluk.ru - «Бесплатная электронная библиотека - Авторефераты, Диссертации, Монографии, Методички, учебные программы»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.