CC BY
53
оптимальным для большего числа значений Я -уровней, либо для значений, близких к максимальному Я -уровню, т.е. равному единице.
, ,
Я -уровню, равному 1, являются наиболее возможными. Соответственно, оптимальным решением будем считать решение, полученное для значений Я, близких к единице. Поэтому значение целевой функции Z3* = 146 и соответствующие ему потоки из таблицы 1 являются оптимальными для данного примера. Это означает,
, 146, ( . .1)
источником s и стоком t, величина которого не превышает заданного значения, равного 10 (£1 + £2 = £ + £ =10).
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Кристофидес Н. Теория графов. - М.: Мир, 1978. - 432 с.
2. Кофман А. Введение в теорию нечетких множеств. / Пер. с франц. В.Б. Кузьмина. Под
ред. С.И. Травкина. - М.: Радио и связь, 1982. - 432 с.
3. J.L. Verdegay. Fuzzy Mathematical Programming. In M.M. Gupta and E. Sanchez (eds.),
Fuzzy Information and Decision Processes, North Holland, Amsterdam, 1982.
4. H.-J. Zimmermann. Fuzzy programming and linear programming with several objective functions. Fuzzy Sets and Systems. 1978, Vol.1, pp. 45-55.
5. B. Werners. Interactive multiple objective programming subject to flexible constraints. European Journal of Operations Research. 1987, Vol. 31, pp. 342-349.
6. H.-J. Zimmermann. Fuzzy set theory and its applications. 2nd ed. Dordrecht: Kluwer Academic Publishers, 1991.
7. L.R. Ford, D.R. Fulkerson. Maximal flow through a network. Canadian Journal of Mathematics. 1962, Vol. 8, pp. 399-404.
П.В. Сороколетов ИЗВЛЕЧЕНИЕ ЭКСПЕРТНЫХ ЗНАНИЙ В ИСАПР*
В настоящее время в области экспертных систем (ЭС) можно выделить два принципиальных направления, связанные с извлечением экспертных знаний (ЭЗ) [1-5]. Оба направления в конечном итоге сводятся к вопросу выбора (построения) адекватного языка описания предметной области в САПР, для которой разрабаты-. -.1.
Проблема извлечения ЭЗ носит психолингвистический и эпистемологический . -кусственного интеллекта (ИИ) [6,7]. Тем не менее, возможно решать задачи, порождаемые диалогом между экспертами и инженерами знаний, что позволяет быстро и эффективно строить язык описания предметной области. Кратко сформулируем .
* Работа выполнена при поддержке РФФИ (грант №06-01-00272) 36
-проблема выбора формального языка представления экспериментальных данных; -проблема построения набора необходимых операторов при формировании индуктивной модели__________
-проблема психологии эксперта, проблема интуиции;
-проблема интерпретации (инженер знаний не всегда правильно понимает высказывания эксперта);
-проблема формализации извлеченных вербальных знаний (формализация на языке инженерии знаний происходит в отрыве от эксперта и порождает "погрешность представления")__________
Проблема адекватности языка описания предметной области
Рис.1. Направления и методы извлечения экспертных знаний. Связанные с ними
проблемы
1. Основу языка описания составляет система понятий и отношений предметной области в САПР, выраженная в виде совокупности высказываний на профессиональном языке эксперта. Это представляется как "персональный конструкт". Персональный конструкт - это шкала. На одном полюсе располагается представление, включающее, как правило, несколько связанных понятий. Они представляются семантическими треугольниками (вербальное понятие - значение - объект). На другом полюсе - инверсия данного представления [8]. Персональный конструкт, вместе с тем, это еще и эксплицитная теория, характеризующая поведение конструкта на допустимом интервале его применимости и во взаимодействии с другими
, . любой конструкт можно только в семантическом пространстве, образуемом систе-. ,
формулируется как задача построения карты персональных конструктов эксперта.
( ),
на множестве выявленных конструктов. Перспективным представляется программная реализация данного подхода в виде диалоговой процедуры, используемой инженером знаний при опросах экспертов и ее экспериментальный анализ.
2. Реально в процессе создания ЭС конкретных САПР и их подсистем (на, ) .
Это ставит задачу не только выявления, но и унификации систем базовых понятий и отношений предметной области, принадлежащих разным участникам работ. Здесь обычно применяются различные варианты факторного анализа, схем ранжирования мнений экспертов и обработки нечеткой информации [9]. Полученный в результате инвариант используется в роли "системы координат", в пространстве
которых каждый участник диалога «эксперт-инженер» представляет свои комментарии. В качестве инварианта выступает ряд категорий, часть которых соответствует понятиям предметной области, а другие - отношениям (как между понятиями, так и между самими отношениями). При этом создается диалоговая процедура, построенная на основе системы опросников и меню, позволяющая представить (1)
как вектор в координатном пространстве категорий. Совокупность таких элементов-векторов удобно описывать в форме семантической сети [9]. Предлагаемый подход можно проиллюстрировать простой схемой (рис.2).
Рис. 2. Представление структурных элементов языка описания предметной области в системе категориальных координат
3. Эксперты обычно располагают достаточным объемом экспериментальных данных о своей предметной области. В таких случаях, в диалоге с экспертом, применение индуктивных методов, "слабых" в отдельности, становится оправданным. Они используются в виде набора вспомогательных процедур, реализованных программно и исполняемых по запросу инженера знаний. В такой форме как средство извлечения или уточнения дополнительных сведений о предметной области (при уже сформированном понятийном базисе) они повышают продуктивность работы .
Тогда создание диалоговой системы, включающей в себя набор перечисленных процедур и не связанной со сложной интеллектуальной обработкой (напри, ),
.
Одной из распространенных моделей представления знаний в САПР, и в экспертных системах (ЭС), в частности, является фреймовая модель [3]. Данный подход позволяет реализовать базу знаний (БЗ) как надстройку над любой современной реляционной СУБД (MS SQL, Oracle, MySQL, FoxPro и др.), сочетая ее возможности с интеллектуальной обработкой данных на основе механизма фреймов.
, -го языка манипулирования данными типа xBase, варианты которого были реализованы в хорошо известных «мшгых» СУБД dBase, Clipper и, позднее, Visual FoxPro (табл. 1) [3, 8].
Таблица 1
Фреймы и их элементы Конструкции языка СИррег, VFP, прием реализации
Фрейм СИррег-функция, класс УТР
Имя фрейма Имя СИррег-функции, имя класса в УТР
Значение фрейма Возвращаемое значение функции, публичное свойство класса
Целевой слот Параметр функции, свойство класса
Начальный слот Внутренняя РЫУАТЕ-переменная в СИррег, наследуемое свойство класса в УТР
Определяемый слот Параметр либо РЫУАТЕ-переменная, свойство класса
Имена слотов Имена параметров и переменных, имена свойств
Значения слотов Значения параметров и РЫУАТЕ-переменных, значения свойств экземпляра объекта, создаваемого на основе класса
Ссылка на субфрейм Вызов функции субфрейма как параметра головного фрейма-функции, инициализация объекта в УТР
Кратко сформулируем функции предлагаемой концептуальной системы в ИСАПР:
• ♦ автоматизированное выделение персональных конструктов экспертов в
удобном для дальнейшего (неформального) анализа виде, построение семантической карты каждого эксперта и ее первичная обработка;
• ♦ выявление базовых понятий и отношений предметной области (как ос-
новы для построения адекватного языка описания) с использованием полученной инженером знаний информации;
•♦ , -ных от разных экспертов, на основе категориальной "координатной сетки" и получение единого структурного описания предметной области в виде семантической сети;
•♦ -
ществующих индуктивных методов как способ извлечения дополнительных знаний предметной области или уточнения суждений эксперта; •♦ ,
поддержания баз данных и формируемых структурных элементов языка , ;
•♦
(как инженера знаний, так и эксперта) форме.
В заключение отметим, что данная система реализуется в виде программного средства и вместе с каким-либо языком инженерии знаний составляет основу для построения автоматизированного рабочего места (ДОМ) инженера знаний для решения задач САПР.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Осипов Г.С. Приобретение знаний интеллектуальными системами. - М.: Наука, 1997.
2. Джексон П. Введение в экспертные системы. - М.: Издательский дом «Вильямс», 2001.
3. . .
знаний - разработчика экспертной системы. Экспертные системы в научных исследованиях, автоматизации проектирования и производства. Материалы II Всесоюзного научно-технического семинара. - М.: МФ ЦИНК, 1990. - С. 12-19.
4. Попов Э.В. и др. Статические и динамические экспертные системы. - М.: Финансы и статистика, 1996.
5. Попов Э.В. Экспертные системы реального времени. Открытые системы №2(10), 1995. М1р:/МгушЫп.Ъоот.гаЛ1ос8/е8ГУ.Мт.
6. Дейт К. Введение в системы баз данных (седьмое издание). - М.: Вильямс. 2001.
7. Эволюционная эпистемология и логика социальных наук: Карл Поппер и его критики // Составление Д.Г. Лахути, В.Н. Садовского, В.К. Финна. - М.: Эдиториал УРСС, 2000.
8. Сороколетов П.В. Моделирование фреймов на основе функций и механизма сохранения РЫУАТЕ-переменных в языке СНррег. В отчете о НИР «Рюработка и исследование АРМ лингвиста для создания экспертной системы по анализу текстов. Проектирование АРМ лингвиста». Инв. №208, 1. - М.: МФ ЦИПК, 1989.
9. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. - М.: Эдиториал УРСС, 2002.
