CC BY
49
На приклад1 видно, що використовуються pi3Hi ви-води nopTiâ, pi3Hi стещальш peгiстpи опису порив, а також не збтаються адpecи фpагмeнтiв коду, що не заважае пpoгpамi iдeнтичнo пpацювати робота ^ог-pами була пepeвipeна пpактичнo, шляхом апаpатнo'i peалiзацi'i).
ÂÈCHOÂKÈ
Мeтoдика опису пpoгpамних i апаpатних мoдулiв з допомогою oб'eктiв дозволить пoлeгшити poзумiння ''хньо' poбoти за pахунoк наoчнocтi взаемодп блoкiв cиcтeми в щлому.
Викopиcтання унiвepcальнoi алгopитмiчнoi мови написаного по пpивeдeних мeтoдах дозволить poз-класти poбoту мiкpoкoнтpoлepа на eлeмeнтаpнi взаемодй' oб'eктiв, що дасть можлившть здiйcнювати eмуляцiю po6O™ дeяких апаpатних мoдулiв ^о^ам-но i викopиcтoвуючи наявнi в наявност апаpатнi мо-
дулi.
Унiвepcальна алгopитмiчна мова була випpoбува-на в пpoгpамнoму кoмплeкci MC-CAD v0.1, у якому peалiзoванe дизаcceмблipoвання пpoгpам чи rnpe^ лад аcceмблepнoi пpoгpами будь-якого типу мiкpoкoн-тpoлepiв в унiвepcальну алгopитмiчну мову з мeтoю подальшо' кoмпiляцii в аcceмблep чи бeзпocepeдньo у файл мiкpoкoнтpoлepа, що виконуеться, iншoгo до-вiльнoгo типу. Koмплeкc мicтить у coбi кoнcтpуктop мiкpoкoнтpoлepiв, за допомогою якого можна описати кожний з icнуючих мiкpoкoнтpoлepiв.
ПЕРЕЛ1К ПОСИЛАНЬ
1. Негода А. В. Автоматизация проектирования симуля-торов микропроцессоров и микроконтроллеров : дис. ... канд. техн. наук : 05.13.12 / Негода Дмитрий Викторович. - Ульяновск : РГБ, 2005. - 160 с.
2. Джаныбаев К. Язык спецификаций для верификации набора операций языков // Теория языков и автоматизация программирования : сб. науч. тр. / АН УССР, науч. совет по пробл. «Кибернетика», Ин-т Кибернетики им. В. М. Глушкова; [Ред-кол.: Е. Л. Ющен--ко]. - К. : ИК, 1986. - С. 19-24.
3. Стеблянко В. Г. Разработка входных языков кроссовых систем подготовки программ реального времени / Стеблянко В. Г., Марченко А. И., Подобед Л. Е. // Теория языков и автоматизация программирования : сб. науч. тр. / АН УССР, науч. совет по пробл. «Кибернетика», Ин-т Кибернетики им. В. М. Глушкова; [Ред-кол.: Е. Л. Ющенко]. - К. : ИК, 1986. - С. 41-48.
4. Белых А. А. Унификация архитектур однокристальных микроконтроллеров и ее применение для разработки программного обеспечения встраиваемых систем : дис. . канд. техн. наук : 05.13.15 / Белых Андрей Александрович. - М. : РГБ, 2006. - 179 с.
Надшшла 09.02.2009
Исследованы существующие методы создания алгоритмических языков программирования. Разработан универсальный алгоритмический язык программирования микроконтроллеров, который позволяет переводить программы с одного микроконтроллера в другой, а также задавать общий алгоритм программы при работе с любым видом микроконтроллеров.
The existing methods of creation of algorithmic languages of programming are investigated. The universal programming language of microcontrollers that allows to translate the program from one microcontroller to another and also to set common algorithm of the program at work with any kind of microcontrollers is developed.
УДК 004.853+004.832
В. В. Литвин
МУЛЬТИАГЕНТН СИСТЕМИ П1ДТРИМКИ ПРИЙНЯТТЯ Р1ШЕНЬ, ЩО БАЗУЮТЬСЯ НА ПРЕЦЕДЕНТАХ ТА ВИКОРИСТОВУЮТЬ
АДАПТИВН1 ОНТОЛОГ11
Досл1джено методи побудови та функщонування мультиаГентних систем тдтримки прийняття рШень, що базуються на прецедентах та використовують адаптивт онтологп, як входять у склад ттелектуаль-них агент1в. Розроблено метрику для визначення вíд-стан мíж прецедентом та поточною ситуащею на ос-новí адаптивних онтологт.
АНАЛ13 ДОСЛ1ДЖЕНЬ ТА ПОСТАНОВКА ПРОБЛЕМИ В ЗАГАЛЬНОМУ ВИД1
Зпдно до сучасного р1вня розвитку шформацшних технологш, а саме систем тдтримки прийняття р1-
© Литвин В. В., 2009 120
mem, poзpiзняють два напpями poзвитку сижм лоп-чного вивeдeння базованих на знаннях [1]:
- cиcтeми лопчного вивeдeння, заснованого на завалах;
- cиcтeми лопчного вивeдeння, заснованого на пpeцeдeнтах.
^актино ви pаннi e^mp^i cиcтeми мoдeлюва-ли хщ ухвалeння piшeння eкcпepтoм як дeдуктивний пpoцec з викopиcтанням лопчного вивeдeння, заснованого на давилах. Öe означало, що в cиcтeму зак-ладалася сукупшсть ^авил виг ляду «якщо... то...», зпдно до яких на пiдcтавi вхщних даних гeнepувавcя
ISSN 1607-3274 «Радioeлeктpoнiка. Iнфopматика. Упpавлiння» № 2, 2009
В. В. Литвин: МУЛЬТИАГЕНТШ СИСТЕМИ П1ДТРИМКИ ПРИЙНЯТТЯ Р1ШЕНЬ, ЩО БАЗУЮТЬСЯ НА ПРЕЦЕДЕНТАХ ТА ВИКОРИСТОВУЮТЬ АДАПТИВН1 ОНТОЛОГ11
той або шший висновок вир1шення проблеми, що щкавив користувача. Вибрана модель була основою для створення експертних систем перших поколшь, як були достатньо зручш як для розробниюв, так i для користувачiв-експертiв. Проте з часом було усвь домлено, що дедуктивна модель моделюе один з най-бшьш рiдкiсних пiдходiв, який використовуе експерт тд час вирiшення проблеми. 1дея виведення за правилами е привабливою, тому що вона Грунтуеться на добре формалiзованих поняттях, для яких шнують науковi методи, що довели свою застосовшсть i як дозволяють отримати рiшення, що не вимагають до-ведень.
Однак навколишнш свiт складний. 1снуе багато слабоформалiзованих завдань, для яких, можливо, будуть знайдеш рiшення. Крiм того, шнуе ряд зав-дань, для яких школи не буде знайдено формального ршення (судочинство, медицина). Актуальнiсть проблеми обумовлена i чисельнiстю таких завдань, i практичною потребою знайти хоча б одне яке-небудь вщ-повщне рiшення там, де через вдаутшсть строгого формалiзованого методу не можна знайти вс або найоптимальнШ рiшення.
Насправдi, замiсть того, щоб виршувати кожну задачу, виходячи з первинних принцишв, експерт часто аналiзуe ситуацiю в цiлому i згадуе, якi ршен-ня ухвалювалися рашше в подiбних ситуацiях. Попм вiн або безпосередньо використовуе щ рiшення, або, при необхiдностi, адаптуе 1х до обставин, що змши-лися для конкретно! проблеми.
Моделювання такого тдходу до вирiшення проблем, заснованого на досввд мину лих ситуацш, привело до появи технологи лопчного виведення, заснованого на прецедентах (англшською - Case-Based Reasoning, або CBR), i надалi - до створення програм-них продуктiв, що реалiзовують цю технолопю.
У рядi ситуацiй метод виведення за прецедентами мае серйозш переваги в порiвняннi з виведенням, що Грунтуеться на правилах, i особливо ефективний, коли:
- основним джерелом знань про завдання е досвщ, а не теорiя;
- ршення не унiкальнi для конкретно! ситуацп i можуть бути використаш в iнших випадках;
- метою е не гарантоване вiрне ршення, а краще з можливих.
Таким чином, виведення, засноване на прецедентах, е методом побудови iнтелектуальних систем, як приймають рiшення щодо дано! проблеми або ситуацп за наслщками пошуку аналогiй, що збертають-ся в базi прецедентiв.
Мета роботи - дослщити процес функцюнування мультиаГентних систем, що базуються на прецедентах та використовують адаптивнi онтологi! для тдтримки прийняття рiшень.
Постановка задачь Розробити структуру мульти-агентно! системи, що складаеться iз окремих штелек-туальних агентiв, якi мiстять множину прецеденпв та адаптивну онтологiю. Побудувати алгоритм функцюнування тако! системи. Ввести метрику для обчис-лення вщсташ мiж прецедентом та поточною ситу-ацieю. На основi отримано! вiдстанi приймати ра-цiональнi ршення.
ПРОЦЕС ПРИЙНЯТТЯ Р1ШЕНЬ
НА ОСНОВt ПРЕЦЕДЕНТ1В
Системи виведення за прецедентами дають дуже добрi результати в найрiзноманiтнiших завданнях, але мають ряд ктотних недолiкiв.
По-перше, вони взагалi не створюють яких-небудь моделей або правил, як узагальнюють попереднiй досв^, - у виборi рiшення вони Грунтуються на всьому масивi доступних юторичних даних, тому не-можливо сказати, на основi яко! конкретно шфор-мацi!, системи виведення за прецедентами видають сво! рiшення.
Можна видшити двi основнi проблеми, з якими зустрiчаються подiбнi системи: пошук найбiльш вiд-повiдних прецедентiв i подальша адаптацiя знайдено-го ршення.
В основi всiх пiдходiв до вщбору прецедентiв ле-жить той чи шший спосiб вимiрювання ступеня близькосп прецеденту i поточно! ситуацп. При таких вимiрюваннях обчислюеться чисельне значення деяко! мiри, що визначае склад множини прецедентiв, якi треба опрацювати для досягнення задовшьно! кла-сифiкацi! або прогнозування. Основним недолжом таких систем е вдаутшсть едино! методики вибору мiри близькость
Ще один недолiк методу пов'язаний з конструк-цieю прецедентiв i призначення ваг !х атрибутам, що зменшуе застосовнiсть таких систем в рiзних пред-метних областях (ПО).
Однак процес роботи таких систем добре вже вщо-мий (див. рис. 1). Шукаються вщсташ мiж поточною ситуацieю та наявними прецедентами. Вибираеться той прецедент, для якого ця вщстань е найменшою. Виконуеться чи пропонуеться до виконання те ршен-ня, яке вiдповiдаe цьому вибраному прецедентовi.
Щоб формально це описати, введемо таю позна-чення:
Pr = {Pr1, Pr2, PrN} - множина прецедентiв;
Ri - рiшення, яке приймаеться зпдно з прецедентом Prf;
S - поточна ситуащя;
dj(Prj, S) - вщстань мiж г-м прецедентом та поточною ситуащею;
о - оцшка прийнятого рiшення.
У бшьшоси випадкiв методи пошуку прецеденпв зводяться до iндукцi! дерев ршень або до алгорит-
Ошнка р|шення /?* для ситуацн й о(Як,5)
Рисунок 1 - Процес прийняття рШення на основ1 прецедент1в
Онтолопя ПО
Рисунок 2 - Процес прийняття рШення на основ1 прецедент1в з використанням онтологш
му «найближчого сус1да» [2], доповненого, можливо, використанням знань про предметну область (ПО). Що стосуеться адаптаци 1 використання знайденого р1шення, ця задача до цих тр залишаеться недос-татньо формал1зованою 1 дуже залежною в1д ПО.
Обидв1 проблеми - пошук прецедентов 1 адаптация вибраного ршення - виршуються (повн1стю або час-тково) 1з залученням фонового знання, шшими сло-
122
вами, використовуючи знання про ПО ^ошат knowledge). 1снують р1зн1 способи отримання 1нфор-мац1' про ПО.
- Залучення експертного знання. Воно може вира-жатися, наприклад, в обмеженнях, що накладаються на д1апазони змш ознак об'ект1в, або ж у формулю-ванн1 множини правил для розбиття бази прецедент1в на класи (побудова класиф1катора).
1607-3274 «Радюелектрошка. 1нформатика. Управлшня» № 2, 2009
В. В. Литвин: MУЛЬTИAГEHTHI CИCTEMИ ПIДTPИMKИ ПPИЙHЯTTЯ PI0EHÜ, ÙO БAЗУЮTЬCЯ HA ПPEЦEДEHTAX TA BИKOPИCTOBУЮTЬ AДAПTИBHI OHTOЛOГIÏ
- Oтpимaння нeoбxiдниx знань з нaбopy нaявниx дaниx мeтoдaми видoбyвaння знань (aнглiйcькoю -Data Mining). Cюди вiднocятьcя вci мeтoди виявлeн-ня зaкoнoмipнocтeй мiж даними, зoкpeмa, клacтepи-зaцiя, peгpeciя, пoшyк атощацш. Bикopиcтaння мe-тoдiв видoбyвaння даню мoжe видiлити вузьку гpyпy ^казни^в, вiд якиx зaлeжить xapaктepиcтикa, цiкaвить дocлiдникa, i пoдaти виявлeнy зaкoнoмip-нicть в aнaлiтичнiй фopмi.
- Фopмyвaння знань на ocнoвi нaвчaльнoï вибipки, нaдaнoï eкcпepтoм (навчання з yчитeлeм). Цeй cпociб включае oбидвa пepшиx.
Caмa ж iнфopмaцiя пpo ПO вiдoбpaжaeтьcя в ïï oнтoлoгiï [3]. Toмy нами пpoпoнyeтьcя пpoeктyвaти пpeцeдeнти та пoтoчнy cитyaцiю на oнтoлoгiю ПO; ввecти в мeжax oнтoлoгiï ПO мeтpикy, за дoпoмoгoю якoï шукати нeoбxiднy вщстань (див. pиc. 2). Kpiм тош, caмa oнтoлoгiя бyдe aдaптyвaтиcя дo ПO за pa-xyнoк мeтoдiв iнтeлeктyaльнoгo aнaлiзy дaниx (IAД). Ùo6 цi мeтoди викopиcтoвyвaлиcя, нам нeoбxiднo вecти icтopiю фyнкцioнyвaння iнтeлeктyaльнoï CTCTe-ми, тoбтo набутий нeю дocвiд poзв'язyвaння пoдiбниx задач, який бyдe збepiгaтиcя в apxiвi дaниx. A caмe y цьoмy apxiвi дaниx збepiгaютьcя пpийнятi cиcтeмoю piшeння вiдпoвiднo дo cитyaцiй та oцiнкa циx pi-шeнь. Для пpoцeдyp МД викopиcтoвyютьcя тiльки тi дaнi, для якиx oцiнкa пpийнятиx piшeнь е виcoкoю, тoбтo е вищoю за дeякий пopiг. Пpoблeмa oцiнювaн-ня пpийнятиx piшeнь y цiй po6oö нe poзглядaeтьcя, ocкiльки ця пpoблeмa дoбpe дocлiджeнa. Для то-тpiбнoгo шкалювання викopиcтoвyютьcя вiдoмi мaтe-матичш aпapaти, тaкi як тeopiя нeчiткиx мнoжин та вiднoшeнь, лшгв^тичш змшш тoщo [4].
Biдзнaчимo, щo викopиcтaння вищeoпиcaнoгo мeтo-ду знaxoджeння вщсташ, дoзвoляe шукати вiдcтaнь нe лишe мiж пpeцeдeнтaми та пoтoчнoю жгуащею, а тaкoж вiдcтaнь мiж piзними пpeцeдeнтaми чи piзними cитyaцiями.
Фopмaльнa мoдeль oнтoлoгiï О визнaчaeтьcя як впopядкoвaнa тpiйкa тaкoгo вигляду:
О = <X, R, F>,
дe X - cкiнчeнa мнoжинa ^н^п^в (пoнять, тep-мiнiв) пpeдмeтнoï oблacтi, яку задае oнтoлoгiя О; R -cкiнчeнa мнoжинa вiднoшeння мiж кoнцeптaми (то-няттями, тepмiнaми) задаго'^' пpeдмeтнoï oблacтi; F -cкiнчeнa мнoжинa фyнкцiй iнтepпpeтaцiï (аю;юмати-защя), зaдaниx на кoнцeптax aбo вiднoшeнняx orno-лoгiï О.
ПOНЯTTЯ AДAПTИBНOÏ OНTOЛOГtÏ
Eфeктивнicть aдaптaцiï oнтoлoгiï бази знань дo ocoбливocтeй пpeдмeтнoï oблacтi визначають закла-
дeнi в ïï CTpy^ypy eлeмeнти та мexaнiзми ïï omra^-зацп (тoчнiшe, адаптацп) шляxoм caмoнaвчaння пiд чac eкcплyaтaцiï. Oдним з пiдxoдiв дo peaлiзaцiï та-киx мexaнiзмiв е автоматичте зважування пoнять бази знань (БЗ) та ceмaнтичниx зв'язкiв мiж ними тд чac caмoнaвчaння. Цю poль бepyть на ceбe кoeфi-щенти вaжливocтi пoнять та зв'язкiв. Ïx poзпoдiл y БЗ мае вiдпoвiдaти таким ocнoвним вимoгaм:
- вiдoбpaжaти темантичну вагу пoнять ПO, в якш ця iнтeлeктyaльнa cиcтeмa peaльнo зacтocoвyвaтимeть-cя;
- фopмyвaтиcя тд чac нaпoвнeння БЗ та ^peray-вaтиcя вiдпoвiднo дo визнaчeниx ^авил;
- зaбeзпeчyвaти кoнтpoль цiлicнocтi БЗ;
- в^тов^ати вимoгaм мeтpики пpи ïx викopиc-тaннi для пopiвняння ceмaнтичнoï близькocтi пoнять.
Cтoïть завдання cфopмyлювaти вiдпoвiдний нaбip пpaвил пpиcвoeння вaгoвиx кoeфiцieнтiв (iнфopмa-цiйнoï ваги) гоняттям та твepджeнням y мoдeлi БЗ, щo зaбeзпeчить oцiнкy aктyaльнoï цiннocтi ïï iнфop-мaцiйнoгo натовтення та дocлiджyвaниx пoтoчниx ст-туацш (нaпpиклaд, вiднeceння тeкcтoвиx дoкyмeнтiв дo клaciв згiднo з УДK, oпиcaнo нижчe).
Пoкaжeмo мoжливicть виpiшeння cфopмyльoвaнo-гo завдання шляxoм ввeдeння дeякиx cпpoщeнь i пpипyщeнь. Пoдaмo базу знань y виглядi iмeнoвaнoгo гpaфa, чиcлoвi ceмaнтичнi xapaктepиcтики вepшин i peбep якoгo визнaчaютьcя за швними пpaвилaми. Biн е opieнтoвaним звaжeним мyльтигpaфoм з такими влacтивocтями:
1) на кoжний eлeмeнт (вepшинy) мoжe бути дo-вiльнa кiлькicть ^стлань;
2) кoжний eлeмeнт мoжe мати зв'язoк з бyдь-якoю кiлькicтю iншиx eлeмeнтiв;
3) кoжнoмy зв'язку (peбpy) y мoдeлi вiдпoвiдae пeвний нaпpям i кoeфiцieнт вaжливocтi зв'язку та дocтoвipнocтi вiдпoвiднoгo твepджeння, кoжнoмy то-няттю (вepшинi) - кoeфiцieнти вaжливocтi пoняття.
Koeфiцieнт вaжливocтi пoняття (зв'язку) - ^ чи-ceльнa мipa, кoтpa xapaктepизye знaчyщicть пeвнoгo пoняття (зв'язку) y кoнкpeтнiй пpeдмeтнiй oблacтi, i динaмiчнo змiнюeтьcя за тевними пpaвилaми y пpo-цeci eкcплyaтaцiï cиcтeми [З].
Haш пiдxiд дo пoдaння знань y фopмi звaжeнoï ceмaнтичнoï мepeжi (кoнцeптyaльниx гpaфiв) голя-гае y тoмy, щo будь-ята мoжливe yзaгaльнeння, тoбтo кoмплeкcнe, cклaдeнe пoняття завжди явним чинoм apтикyльoвaнe, нaзвaнe i як oкpeмий ^н^пт фiгypye в бaзi знань. ^му, якщo дeякe yзaгaльнeння мае ^льт влacтивocтi чи cпocoби фyнкцioнyвaння, вo-ни фiзичнo мoжyть бути peaлiзoвaнi чepeз влacти-вocтi та oпpaцювaння пoдiй вiдпoвiднoгo узагальню-вaльнoгo тон^шу.
Oтжe, ми poзшиpимo фopмaльнe гоняття oнтo-лoгiï, ввiвши в ïï фopмaльний oпиc кoeфiцieнти важ-
ливocтi пoнять тa вiднoшeнь. ^му тaкy oнтoлoгiю ми бyдeмo визнaчaти як п'ятipкy:
О = <X, R, F, W, L>,
дe W - вaжливicть пoнять X, L - вaжливicть в^-нoшeнь R.
Bизнaчeнy тaким чинoм oнтoлoгiю бyдeмo нaзивaти aдaптивнoю, тoбтo тaкoю, щo aдaптyeтьcя дo ПO зa paxyнoк мoдифiкaцi'i гонять тa кoeфiцieнтiв вaжли-вocтi n^x пoнять i зв'язкiв мiж ними.
Oдин iз cпocoбiв визнaчeння H^x кoeфiцieнтiв вa-жливocтi тa ïx змiнa 6удуть oпиcaнi niœHe. Tyт тшь-ки зaзнaчимo, щo змiнa циx кoeфiцieнтiв вiдбyвa-eтьcя вiдпoвiднo дo мoдифiкaцiï знaнь мeтoдaми irne-лeктyaльнoгo aнaлiзy дaниx. Meтoю тexнoлoгiï видo-бyвaння дaниx e виpoблeння нoвoгo знaння, якe ra-pиcтyвaч rnœe нaдaлi зacтocyвaти для пoлiпшeння peзyльтaтiв cвoeï дiяльнocтi. Moœna видшити, пpи-нaймнi, ciм мeтoдiв виявлeння i aнaлiзy знaнь: кта-cифiкaцiя; peгpeciя; клacтepизaцiя; aнaлiз acoцiaцiй; пpoгнoзyвaння тимчacoвиx пocлiдoвнocтeй (pядiв); aгpeгaцiя (yзaгaльнeння); виявлeння вiдxилeнь.
Meтoди 1, 2 i 4 викopиcтoвyютьcя, гoлoвним чи-нoм, для пpoгнoзyвaння, тoдi як ocтaннi зpyчнi для oпиcy нaявниx зaкoнoмipнocтeй y дaниx.
MÔËbTÈArEHTHt CÈCTEMÈ ПPИЙНЯTTЯ
PtrnEHb HA ÁA3t AДAПTИBНИX
OHTOËOrtÉ
Пpиймaти piшeння щoдo близькocтi (мeтpичнa oцiнкa) дocлiджyвaнoï cитyaцiï дo пpeцeдeнтa бyдe iнтeлeктyaльний aгeнт (IA). Зпдго з oзнaчeнням: iнтeлeктyaльний arern — цe aгeнт, який вoлoдie pя-дoм знaнь пpo ceбe тa нaвкoлишнiй cвiт, i пoвeдiнкa якoгo визнaчaeтьcя цими знaннями. Oчeвиднo, щo для нaшoгo пiдxoдy тaкий IA пoвинeн cклaдaтиcя з бaзи дaниx (БД) пpeцeдeнтiв, apxiвy дaниx (тoмy icтopiï фyнкцioнyвaння cиcтeми зaгaлoм) тa orno-лoгiï ПO, зa яку вiдпoвiдae цeй IA (див. pm. 3).
Iнтeлeктyaльний aгeнт здaтний y пpoцeci caмoнaв-чaння aдaптyвaтиcя дo кoнкpeтниx iнфopмaцiйниx
пoтpeб кopиcтyвaчa тa виявляти, збepiгaти i викopиc-тoвyвaти peлeвaнтнi дo вiдпoвiдниx зaдaч знaння [б]. Iнтeлeктyaльний aгeнт мoжe бути peaлiзoвaний в paм-rax пpoдyкцiйнoï, oб'eктнoï, нeйpoмepeжeвoï пapaдиг-ми чи ïx пeвнoгo пoeднaння. Bróip poзpoбникa вщ-штoвxyeтьcя вiд кoнкpeтниx eкcплyaтaцiйниx вимoг. Пpи цьoмy дoцiльнo мaкcимaльнo вiдклacти piшeння щoдo пpoгpaмнo-aпapaтнoï peaлiзaцiï, пoв'язaнi з o6-мeжeннями y вибopi oпepaцiйнoï cиcтeми чи томп'ю-тepнoï apxiтeктypи. У будь-ягаму paзi ocнoвoю irne-лeктyaльнoгo arerna е йoгo бaзa знaнь, a ядpoм бaзи знaнь е oнтoлoгiя [5, 7]. Зaгaльнi влacтивocтi IA виз-нaчaютьcя йoгo oнтoлoгieю, яга зaдae cпociб пoдaн-ня зтнь, мexaнiзми мipкyвaнь тa пpийняття pimern.
Ocкiльки oнтoлoгiя мicтить кoeфiцieнти вaжли-вocтi пoнять тa зв'язкiв, то oчeвиднo, щo цi кoeфi-щенти мaють бути piзними зaлeжнo в^ нaпpямy дь яльнocтi aгeнтa. Для пpиклaдy, тaкa oзнaкa як га-шeль мae piзнy вaжливicть з точки зopy тepaпeвтa тa oкyлicтa, xoчa oбидвa е лiкapями. To6to oкpeмий нaпpям (вiддiл) зaдaeтьcя дeяким iнтeлeктyaльним aгeнтoм, a вcя лiкapня зaгaлoм являе coбoю мульти-aremBy cиcтeмy.
Toмy нaшa iнтeлeктyaльнa cиcтeмa як цiлe c^a-дaeтьcя iз кiлькox iнтeлeктyaльниx aгeнтiв, тoбтo е мyльтиaгeнтнoю. Згiднo з oзнaчeнням: мульт^^ш^ cиcтeмa (MAC) — цe мгожита дeякиx oб'eктiв (areн-тiв), нeзaлeжниx, aлe здaтниx cтвopювaти кoмyнiкa-тивж cпiвтoвapиcтвo i cпiльнo poзв'язyвaти гашьи зaдaчi. Kpiм нaбopy IA, oпиcaниx вищe, нaшa MAC бyдe м^тити aгeнтa, який виpoблятимe нoвi зтання, тим caмим бyдe мoдифiкyвaти oнтoлoгiï ПO вiдпo-вiднo дo нaявниx кoнцeптiв, зв'язкiв тa кoeфiцieнтiв ïx вaжливocтi. Cтpyктypa пpoпoнoвaнoï MAC нaвeдe-нa нa pиc. 3.
Oчeвиднo, щo кoжний пpeцeдeнт oднoзнaчнo зa-дaeтьcя oнтoлoгieю, якa e чacтинoю зaгaльнoï oнтo-лoгiï, i тв^ки - oнтолoгieю oднoзнaчнo визнaчaeтьcя пpeцeдeнт. Toбтo мiж ними e oднoзнaчнa вiдпoвiд-нicть, яку зaпишeмo y виглядк
Pri ^ Oi ΠO.
Pucyнoк 3 - Cmpyкmypa MAC npuйняmmя pimern на ocнoвi
124
ISSN 1607-3274 «Paдioeлeктpoнiкa. Iнфopмaтикa. Упpaвлiння» № 2, 2009
В. В. Литвин: MУЛЬTИAГEHTHI CИCTEMИ ПIДTPИMKИ ПPИЙHЯTTЯ PIШEHЬ, ÙO БAЗУЮTЬCЯ HA ПPEЦEДEHTAX TA BИKOPИCTOBУЮTЬ AДAПTИBHI OHTOЛOГIÏ
Iнтeлeктyaльний aгeнт на ocнoвi мeтoдiв IAД мo-дифiкye oнтoлoгiю на ocнoвi cтapoï oнтoлoгiï та apxi-ву дaниx, який збepiгae вщшшдний IA. Toбтo:
IAД: <О, АД> ^ О
Poзглянeмo мeтoди задання пoчaткoвиx кoeфiцi-eнтiв oнтoлoгiï IA та ïx мoдифiкaцiю вiдпoвiднo дo piшeнь, oтpимaниx мeтoдaми IAД, а caмe мeтoдoм го-бyдoви дepeвa piшeнь [8]. Hexaй oнтoлoгiя метить мнoжинy пoнять X = {x1, x2, ..., Xn} та мнoжинy зв'яз-кiв R = {rl, r2, ..., rm}. W = {wl, w2, ..., wn} - TO-eфiцieнти вaжливocтi вiдпoвiдниx пoнять, L = = {ll, l2, ..., lm} - кoeфiцieнти вaжливocтi вiдпoвiдниx зв'язюв. Cпoчaткy ввaжaeмo, щo вci знaчeння wi = l, i = l, 2, ..., n; lj = l, j = l, 2, ..., m.
Hexaй y peзyльтaтi пoбyдoви дepeвa piшeнь ми o^ pимaли k piзниx пpaвил Rulel, Rule2, ..., Rulek. Koœœ пpaвилo Rules cклaдaeтьcя з шдмгожини ro-нять, тoбтo Rules = {xsl, Xs2, ..., Xst}. Дoдaeмo дo знaчeння w¡ oдиницю, якщo тоняття x¡ вxoдить y бyдь-якe пpaвилo Rules, s = l, ..., k. Aнaлoгiчнo, як-щo мiж пoняттями Xi та Xj iraye зв'язoк lp, тo зна-чсння lp збiльшyeмo на oдиницю, якш^ oбидвa пoняття Xi та Xj вxoдять в oднe пpaвилo. Thh caмим ми збiльшyeмo вaжливicть гонять, якi вxoдять y пpa-вила, та вiдпoвiдниx зв'язкiв. Цe вщговщае yявлeн-ню, щo пoняття ^знаки), якi пpиcyтнi y пpaвилax, е вaжливiшими, нiж iншi знaчeння.
CПOCtБ ВИЗ HA ЧEННЯ METPИKИ
Пpoпoнyeтьcя визначати в^стань мiж пpeцeдeн-тoм i ^туащею, як cyмy вiдcтaнeй мiж найважливь шими пoняттями пpeцeдeнтa та пoтoчнoю cитyaцieю. Taкиx вaжливиx гонять мoжe бути oднe, два; oднaк якщo ïx е бiльшe-piвнe тpьox, тo нами пpoпoнyeтьcя вибиpaти ropmi тpи. Ця кiлькicть визнaчeнa на oc-нoвi oпитyвaнь eкcпepтiв piзниx ПO i ввaжaeтьcя ними oптимaльнoю. У тaкoмy випадку ми мaeмo З ^н-
l 2 З . т
тpи ваг г-гo пpeцeдeнтa pri, pri, pri i З цeнтpи ваг пoтoчнoï cитyaцiï sl, s2, s3. Toдi icнye 9 piзниx вiдcтaнeй dipr'i, sk), j = l, 2, З; k = l, 2, З. Bибиpaeмo З нaймeншi з ниx та ïx cyмyeмo. Oтpимaнa таким чи-нoм cyмa й бyдe вiдcтaнню мiж пpeцeдeнтoм та го-тoчнoю cитyaцieю. Oчeвиднo, визнaчeнa таким чинoм вiдcтaнь зaлeжaтимe вiд тoгo як ми визнaчимo вiдcтaнь мiж двoмa cyмiжними вepшинaми. Для ^o-гo пpoпoнyeтьcя визначати вщсташ мiж вepшинaми, щo з'еднаш зв'язкoм як
дe Wi та Wj - кoeфiцieнти вaжливocтi вepшин Ci та Cj вiдпoвiднo; Lj - кoeфiцieнт вaжливocтi зв'язку мiж вepшинaми; Q - кoнcтaнтa, яка зaлeжить вiд кoнкpeтнoï oнтoлoгiï. Пpиймeмo, щo Lii = », тoдi d„ =0.
Дaлi знaxoдимo цeнтpи ваг кoнцeптyaльнoгo ^а-фа. Ц пepшi тpи вepшини для якиx cepeдня вiдcтaнь di е нaймeншoю:
di* = mindi.
i
Cepeдня вщстань di для вepшини Ci oбчиcлюeтьcя згiднo фopмyли
z
d*
di =
dij =
Q
■Wj )'
n - l
дe n - юльюсть вepшин гpaфa, d*j - нaйкopoтший шли1 мiж вepшинaми Ci та Cj, який oбчиcлюeтьcя за дoпoмoгoю вiдoмиx aлгopитмiв, нaпpиклaд Фopдa, Дeйкcтpи, Флoйдa - Уopшaллa [9].
Дaлi згiднo кoнцeптyaльнoгo гpaфa, щo задае oн-тoлoгiю пpeцeдeнтa шyкaeмo вщстань вiд дaнoгo пpe-цeдeнтa дo пoтoчнoï cитyaцiï. Якщo пoняття пoтoчнoï cитyaцiï нe вxoдять в кoнцeптyaльний гpaф, тo oнтo-лoгiю дaнoгo пpeцeдeнтa дoпoвнюeмo oнтoлoгieю вcьoгo IA дo якoгo вxoдить цeй пpeцeдeнт. Якщo ж нeoбxiднe пoняття дaлi нe вxoдить в oнтoлoгiю IA, то ж>ш вiдcyтнicть зyмoвлюe piCT вiдcтaнi дo бeзмeж-нocтi, oзнaчae нe близькicть пpeцeдeнтa iз пoтoч-нoю cитyaцieю.
Зaзнaчимo, пpoпoнoвaнa таким чинoм вiдcтaнь зaдoвoльняe тpьoм aкcioмaм мeтpики.
Дiйcнo, згiднo визнaчeння вiдcтaнi, aвтoмaтичнo викoнyютьcя двi пepшi aкcioми:
di Ci, Ci) = 0; di Ci, Cj) = di Cj, Ci).
Hexaй Rj - rniHx мiж вepшинaми Ci та Cj, який в^^в^е вiдcтaнi мiж ними. Toдi dij = dik + dk¡, як-щo вepшинa Ck лeжить на шляxy Rj i dij < dik + dk¡, якщo вepшинa Ck нe лeжить на шляxy Rj. A цe oз-начае, щo викoнyeтьcя тpeтя aкcioмa мeтpики.
Biдкpитим зaлишaeтьcя питання, як чacтo викopиc-тoвyвaти мeтoди IAД для мoдифiкaцiï oнтoлoгiï IA. Toбтo агент МД виcтyпae щe в poлi кoopдинaтopa, а питання мoмeнтiв втpyчaння е зaдaчeю кoopдинaцiï [l0]. У цш poбoтi цe питання те poзглядaтимeтьcя.
Poзглянeмo пpoпoнoвaний мeтoд на пpиклaдi кла-cифiкaцiï тeкcтoвoгo дoкyмeнтy, тoбтo йoгo вiднeceн-ня дo вiдпoвiднoгo УДK. Haбip УДK yтвopюe дepe-вo, ми бyдeмo клacифiкyвaти дoкyмeнти за найниж-чими piвнями УДK, тoбтo найнижчий piвeнь являе coбoю пpeцeдeнт. Cкiльки piзниx пpeцeдeнтiв бyдe вxoдити в IA зaлeжить вiд тoгo як oднaкoвo е важ-
ливими поняття, тобто незмшним е коефвдент i'x важливоси та вщповщних зв'язюв.
Онтолопю 1А в яку входять юлька УДК представ-лятимо у вигляд1 зважених концептуальних граф1в. Для кожного прецедента (найнижчого УДК) визна-чимо 3 центри ix шформацшно'' ваги, як використо-вуватимо для обчислення вщстаней м1ж прецедентом та поточним текстовим документом (ТД), який ми класифжуемо. Цей ТД ми теж задаемо у вигляд! концептуального графа з вщповщними коефщента-ми важливост! як визначаемо як статистична юль-юсть входжень понять та зв'язюв у текст. Для цього ТД теж визначаемо 3 центри ваг. Знаходимо вщстань м1ж текстом та прецедентами як суму трьох найко-ротших вщстаней серед 9 можливих. 1деальний ва-р1ант, коли центри ваг прецедента та поточного ТД ствпадають. Тод1 вщстань дор1внюватиме нулю.
Зазначимо, що таким методом можна не ильки класифжувати текстов! документи, а й знаходити вщстань м1ж будь-якими двома текстовими документами. Це у свою чергу дозволяе отримати деяку оцш-ку под1бност1 двох електронних текстових докумен-т1в, зпдно до яко'' можна впорядкувати щ документи, якщо деякий вважати вз1рцевим. Тим самим бу-дувати пошуков1 системи, функц1онування яких базу-еться на онтолог1ях ПО, що дозволяе здшснювати пошук не лише за ключовими словами, але й за контекстом. Приклад такого пор1вняння описано в [11].
висновки
Запропонований метод лопчного виведення, засно-ваного на прецедентах дозволяе розв'язувати задачу класифжацп та прийняття вщповщного до прецедента ршення. Метод Грунтуеться на знаходженш в1д-сташ м1ж поточною ситуац1ею та прецедентами i зна-ходженн! мШмально'' вщсташ. У свою чергу для зна-ходження в!дстан! використовуеться онтолог!я предметно'' област!, яка визначаеться як п'япрка еле-мент!в, а не як тршка як прийнято зг!дно стандартного означення. Нами запропоновано враховувати важлив!сть понять та зв'язк!в м!ж ними, а таку онтолопю називати адаптивною. Для правильного функ-ц!онування штелектуально'' системи коеф!ц!енти важ-ливост! понять та зв'язк!в модиф!куються на основ! досв!ду набутого системою, використовуючи методи штелектуального анал!зу даних. Ц коефщенти вико-ристовуються для обчислення в!дстан! м!ж прецедентом та поточною ситуащею. Показано, що визначена таким чином в!дстань задовольняе трьом акс!омам метрики.
Даний метод можна використати до класифжаци текстових докуменив зг!дно УДК або сшвставляти будь-як! два текстов! документи на ''х под!бн!сть. Шд час обчислення в!дстан! м!ж тестовими документами
враховуеться контекст документ!в ! в!дпов!дна до контексту семантика вжитих у них терм!н!в та сло-восполучень. Це дае можлив!сть зд!йснювати автома-тичний пошук докуменив, котр! найб!льше в!дпов!-дають запиту-прототипу, ! в!дкидати так!, що мають малу вагу ! не в!дпов!дають предметнш област!. За допомогою розробленого методу можна зд!йснювати автоматичний пошук документ!в, котр! найб!льше в!дпов!дають запиту-прототипу в мереж! 1нтернет, а також зд!йснювати його класиф!кац!ю та ранжування за релевантн!стю до заданого вз!рця.
ПЕРЕЛtK ПОСИЛАНЬ
1. Каменнова М. С. Корпоративные информационные системы: технологии и решения / М. С. Каменнова // Системы управления базами данных. - № 3. - 1995. -С. 88-99.
2. Дюк В. A. Data Mining / В. А. Дюк, А. П. Самойленко. -СПб : Питер, 2001. - 368 с.
3. Montes-y-Gymez М. Comparison of Conceptual Graphs / М. Montes-y-Gymez, A. Gelbukh, A. Lypez-Lypez // Mexican International Conference on Artificial Intelligence MICAI 2000. - Acapulco, Mexico, April 2000. - Lecture Notes in Artificial Intelligence № 1793. - Springer-Verlag, 2000. - P. 34-39.
4. Аверкин A. H. Нечеткие множества в моделях управления и искусственного интеллекта / А. Н. Аверкин, И. 3. Батыршин, А. Ф. Блишун. - М. : Наука, 1986. -206 с.
5. Даревич Р. Р. Mетод автоматичного визначення ¡нфор-мацшноТ ваги понять в онтологи бази знань / Р. Р. Даревич, Д. Г. Досин, В. В. Литвин // В1дб1р та обробка ¡нформацп. - 2005. - Вип. 22(98). - С. 105-111.
6. Рассел С. Искусственный интеллект / С. Рассел, П. Норвиг. - М., С.-П., К. : Вильямс, 2006. - 1408 с.
7. Montes-y-Gymez M. Flexible Comparison of Conceptual Graphs / M. Montes-y^mez, A. Gelbukh, A. Lypez-Lypez, R. Baeza-Yates // 12th International Conference on Database and Expert Systems Applications DEXA 2001. - Munich, Germany, September, 2001. - Vol. 2113. - Springer-Verlag, 2001. - P. 56-62.
8. Цветков А. М. Разработка алгоритмов индуктивного вывода с использованием деревьев решений /
A. М. Цветков // Кибернетика и системный анализ. -№ 1. - 1993. - С. 174-178.
9. Свами М. Графы, сети и алгоритмы / М. Свами, К. Тхуласираман. - М. : Наука, 1984. - 408 с.
10. Месарович М. Теория иерархических многоуровневых систем / М. Месарович, Д. Мако, И. Такахара. - М. : Мир, 1973. - 344 с.
11. Даревич Р. Р. Оцшка под1бност1 текстових доку-мент1в на основ1 визначення ¡нформацшноТ' ваги еле-мент1в бази знань / Р. Р. Даревич, Д. Г. Досин,
B. В. Литвин, 3. Т. Назарчук // Исскуственный интеллект. - № 3. - 2006. - С. 500-509.
Надшшла 29.04.2009
Исследуются методы реализации и функционирования мультиагентных систем поддержки принятия решений, базирующиеся на прецедентах и использующие адаптивные онтологии, которые включаються в состав интеллектуальных агентов. Разработана метрика для исчисления расстояния между прецедентом и текущей ситуацией на основе адаптивних онтологий.
Methods of developing and functioning multi-agent solution support systems based on precedents and using adaptive ontology which are the part of intelligent agents are analyzed. The method of distance definition between the precedent and current situation based on adaptive ontology is developed.
126
ISSN 1607-3274 «Радюелектронжа. 1нформатика. Управлшня» № 2, 2009
