CC BY
72008 СЕВЕРНЫЙ РЕГИОН: НАУКА, ОБРАЗОВАНИЕ, КУЛЬТУРА №1
НАУКА: МАТЕМАТИКА, ИНФОРМАТИКА
Ю.Г. Древс
НЕКОТОРЫЕ ВОПРОСЫ ПРОЕКТИРОВАНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ ИНФОРМАЦИОННЫХ СИСТЕМ
Интеллектуальная информационная система (ИИС) предназначена для информационной поддержки решений, принимаемых пользователем в соответствии с контекстом прикладной задачи, которую он решает. В современных ИИС эта функция развивается до уровня самостоятельного автоматического принятия решения с выдачей возможных вариантов. Конечно, окончательный выбор лучшего варианта остается за человеком, однако генерация возможных решений и их ранжирование - задача ИИС. Интеллектуальная информационная система представляет собой совокупность базы данных, базы знаний, системы управления базой данных и системы логического вывода, которая определяет правила извлечения знаний из базы и метод принятия решения
Эффективность ИИС определяется структурой и наполнением базы знаний, структурой системы логического вывода, а также структурой базы данных и ее системы управления.
Структуры базы знаний и базы данных во многом зависят от того, какая модель представления знаний и данных принята в данной системе. От выбора модели зависит система логического вывода и система управления базой данных, поэтому любые рекомендации по выбору таких моделей представляют значительный интерес для разработчика информационных систем.
Известны такие модели как логическая, алгоритмическая, продукционная, гибридная, объектно-ориентированная, а также модели в виде семантических сетей, сетей Петри и Е-сетей. В настоящее время широкое распространение получили объектно-ориентированные модели [1]. В таких моделях любую предметную область можно представить в виде множества объектов, связанных между собой семантическими (смысловыми) отношениями. Все объекты могут быть классифицированы по определенным правилам; классифицированные объекты образуют классы, и классовое множество формирует классовую модель предметной области. Эта модель - основной элемент построения баз данных и баз знаний, то есть информационной базы ИИС, выполненный на основе объектно-ориентированного подхода. Такая модель, с одной стороны, обобщает знания об объектах, и, с другой стороны, позволяет тиражировать объекты с заданными характеристиками.
В самом начале формирования база знаний может быть «пустой»; в дальнейшем она наполняется администратором баз в ходе диалога. Любой вводимый фрагмент должен быть выражен в терминах принятых понятий, между которыми допускаются вполне
определенные отношения. Конкретные значения устраняются и выделяется понятийная часть - описания правил включения конкретных экземпляров в множество. Правила включения могут быть использованы не только для ручного, но и для автоматизированного формирования модели предметной области.
Подобная задачи может быть поставлена в общем виде. Тогда ее можно сформулировать как проблему поиска унифицированных обобщенных атрибутов - идентифицирующих (то есть тех, которые определяют индивидуальность объекта) и атрибутов, определяющих состояние объекта. Подобная попытка была предпринята в работе [2], где рассматриваются возможности подобного обобщения.
В той же работе предлагается описывать не только статические значения атрибутов, но и возможность их изменения во время функционирования системы. Фактически это означает дальнейшее развитие объектно-ориентированного подхода, т.е. развитие моделей, в которых предусмотрено динамическое изменение структуры (удаление, изменение и добавление атрибутов, миграция объектов из класса в класс, порождение новых классов). Еще более продуктивным является способ реализации наследования преобразований по методу создания моделей объектов только в момент решения прикладной задачи или в момент организации взаимодействия объекта с другими объектами и с внешней средой [3].
Другой важный вопрос, от решения которого зависит структура баз - какими методами руководствуются, принимая то или иное решение. Из обзора, выполненного в работе [4], следует, что в настоящее время разработаны и используются в автоматическом режиме (то есть при машинной реализации) следующие методы.
1. Методы теории полезности и теории проспектов. Эти методы заключаются в вероятностной оценке полезности того или иного решения и выборе пути реализации наиболее вероятного решения путем анализа возможных альтернатив на дереве решений.
2. Метод анализа иерархий. Этот метод использует дерево критериев качества решения, в котором общие критерии последовательно делятся на критерии частного характера, каждый из которых характеризуется коэффициентом важности. Средством определения критериальной ценности альтернатив является их попарное сравнение по этому коэффициенту.
3. Метод расстановки приоритетов предполагает попарное сравнение вариантов решения по определенным критериям и расстановку вариантов в соответствии с этими оценками.
4. Метод цепных подстановок. Суть метода заключается в последовательной замене планируемой величины каждого фактора его фактическим значением при условии, что остальные факторы остаются неизменными.
Универсального метода принятия решения не существует: для каждой прикладной задачи его следует выбирать, сообразуясь с особенностями задачи и исходных данных.
Одной из важных задач проектирования баз данных и знаний является задача автоматизации создания этих баз. Задача автоматического построения баз знаний еще далека от своего решения, в то время как проблема автоматизации создания баз данных решена более полно.
Средства автоматизации проектирования структуры базы данных используются для создания модели данных на основе существующих баз данных, построенных произвольным образом, без учета ограничений, налагаемых обобщенной методикой проектирования [5]. Такая методика обеспечивает корректность базы данных. В средстве Rational
Rose существует генератор кодов и анализатор для языка С++, обеспечивающий реинжиниринг - восстановление модели проекта по исходным текстам программ. В средстве Oracle Desinger/2000 также существует возможность генерации пользовательских приложений. Генерируемые приложения включают в себя различные экранные формы, средства контроля данных, проверки ограничений целостности и автоматические подсказки.
Самым распространенным универсальным средством, обладающим подобными функциями, является средство Erwin фирмы Computer Associated. Его можно также применять для визуализации структуры базы данных, для ее документирования и для создания механизмов поддержки ссылочной целостности и бизнес-логики. К этому же типу принадлежат средства PowerDesigner фирмы Sybas и Vantage Team Builder фирмы Cayenne. Последнее средство поддерживает проектирование состава и связи вычислительных средств, распределение задач системы между вычислительными средствами, моделирование отношений типа «клиент-сервер», анализ использования менеджеров транзакций и некоторые другие возможности.
Из специализированных средств, ориентированных на конкретные базовые технологии, следует отметить Designer/2000 фирмы Oracle. Это средство обеспечивает поддержку полного жизненного цикла для систем, использующих СУБД Oracle.
Углубленное изучение эксплуатационных возможностей информационных систем можно провести методом имитационного моделирования. В работе [6] ИСС представлена
в виде приоритетной системы, состоящей из центрального сервера и множества рабочих станций. Эта система работает по принципу «клиент-сервер», когда сервер ищет и выдает пользователю ответ на заданный вопрос. На этой модели можно изучить поведение системы в зависимости от изменяемых параметров и выбрать значения параметров, при которых характеристики системы удовлетворяют заданным требованиям.
Прикладные задачи, которые решаются с помощью автоматизированных информационных систем, очень разнообразны. На кафедрах информатики и вычислительной техники и систем обработки информации и управления СурГУ они, в основном, связаны с решением теоретических и практических вопросов надежности, с теорией идентификации систем, с общими проблемами моделирования процессов и частными вопросами применения моделирования в медицине.
Прежде всего, эффективное решение этих задач связано с соответствующей организацией и процедурой заполнения базы знаний. Проекты таких решений предложены в работах [7, 8] применительно к медицинским ИСС. В них внимание уделяется проблеме заполнения базы знаний и построению блока логического вывода, который дает возможность пользователю применять экспертные знания. Пользователь вводит в экспертную систему описание конкретной ситуации, а механизм логического вывода обеспечивает поиск соответствующих знаний эксперта. Заполнение базы знаний экспертов рекомендуется проводить путем их опроса с помощью анкет.
Подобная задача вместе с другими задачами решается в проекте интеллектуальной информационной системы поддержки принятия решений при эксплуатации нефтепромысловых нефтепроводов [9].
Важной проблемой, от правильного решения которой зависит успех лечебных мероприятий, является прогнозирование хода лечения. Для ее исследования нужны модели развития болезни и ее изменение под действием лекарственных препаратов. Такие модели были созданы для дистресс-синдромов новорожденных [10, 11. 12], где использовались методы многомерного регрессионного анализа.
В области надежности значительная часть работ кафедр посвящена надежности нефтяных промысловых нефтепроводов.
В этой связи интересны исследования по исходным данным, которые используются при расчетах. Так, в работах [13, 14] показано, что закон распределения толщины стенки трубопровода изменяется в процессе эксплуатации и зависит от условий эксплуатации; время наработки до отказа слабо зависит от длины трубопровода.
Особую важность в условиях Западной Сибири приобретает исследование влияния на надежность трубопроводных систем внешних условий. К таким условиям относятся, в частности, динамически напряженные зоны Земли. Для них характерны деформационные процессы, которые сопровождаются временными вариациями магнитного поля, вызывающими деформации трубы. Такие деформации вызывают в металле труб усталостные явления и создают напряжения, близкие к пределу прочности стальных труб. Зная местоположение разломов, можно выбрать оптимальный вариант прокладки трубопровода, оптимальный материал конструкций и прогнозировать срок службы трубопровода.
Представляет интерес развитие новых методов теории надежности. Одним из них является метод теории катастроф [15]. Если классическая теория предполагает «плавное» течение процессов, то катастрофа - это скачкообразное изменение, возникающее в виде внезапного ответа системы на плавное изменение внешних условий. Были рассмотрены возможности применения метода в медицинских исследованиях и в теории надежности.
Некоторые результаты применения теории катастроф в медицине изложены в уже упоминавшихся работах [10, 12]. Суть подхода состоит в том, что состояние больного характеризуется некоторой устойчивой точкой равновесия. При ухудшении некоторых параметров (частота сердечных сокращений, функция кислорода, давление) критическая точка вырождается, а состояние пациента скачкообразно переходит в новое состояние (потеря устойчивости со всеми вытекающими отсюда последствиями). Знание условий таких переходов помогает прогнозировать ход лечения.
Применение метода теории катастроф в исследованиях надежности [16] позволило с помощью уравнений статистической динамики, теории упругости, механики разрушений твердых тел рассчитывать характеристики несущей способности трубопроводов, затем на основе закономерностей изменения состояний объекта во времени и под действием внешних факторов строить модель катастрофы, после чего рассчитывать характеристики безотказности.
Анализ всего комплекса выполненных работ позволяет утверждать, что на кафедрах информатики и вычислительной техники и автоматизированных систем обработки информации и управления СурГУ осуществляются комплексные исследования по всем основным направлениям построения интеллектуальных информационных систем.
Направления, по которым следует развивать исследования в ближайшем будущем, можно определить следующим образом.
В области теории построения интеллектуальных информационных систем это исследование методов оперативной аналитической обработки данных. В первую очередь, это изучение возможностей таких современных методов обработки информации, как нечеткая логика и генетические алгоритмы. Нечеткая логика позволяет получать точные количественные ответы при нечетко сформулированных исходных данных; генетические алгоритмы используют методы создания биологических систем, что позволяет успешно решать некоторые задачи векторной оптимизации.
Новые методы обработки информации и принятия решений требуют новых мето-
дов хранения знаний и данных; их изучение и развитие, несомненно, представляет собой важную задачу. Она связана с задачей построения вычислительных средств информационных систем в виде вычислительных систем с массовым параллелизмом. Поиск методов управления такими вычислительными системами и, в связи с этим, развитие методов моделирования также должны быть поставлены на повестку дня.
Обращаясь к методам решения прикладных задач, нужно отметить их большое и все расширяющееся разнообразие. Каждое приложение связано с собственным методом решения, так что здесь рекомендации неуместны. Тем не менее, следует обратить внимание на методы теории катастроф: в целом ряде случаев они позволяют получить весьма интересные результаты.
Примечания
1. Гавриленко Т.В., Иванов Ф.Ф. Формализованная объектно-ориентированная модель знаний предметной области // Системный анализ и обработка информации в интеллектуальных системах. - 2003. - №2.
2. Гавриленко Т.В. Элементы объектно-ориентированной модели представления знаний. Идентифицирующие атрибуты и атрибуты объекта // Системный анализ и обработка информации в интеллектуальных системах. - 2003. - №2.
3. Иванов Ф.Ф. Проблема формализации знаний о предметной области // Системный анализ и обработка информации в интеллектуальных системах. - 2003. - №2.
4. Лыков О.М. Обзор методов принятия решений //Системный анализ и обработка информации в интеллектуальных системах. - 2008. - №5.
5. Юнг С.В. Об одном подходе к автоматизации проектирования подсистем конечного пользователя // Системный анализ и обработка информации в интеллектуальных системах. - 2005. - №3.
6. Древс Ю.Г., Алаудинов А.Г., Середа А.И. Модель приоритетной обработки в системе «Клиент-сервер» // Системный анализ и обработка информации в интеллектуальных системах. -2008. - №5.
7. Федоров Д.А. Анализ и разработка блоков интеллектуальной информационной системы поддержки принятия решения врача // Системный анализ и обработка информации в интеллектуальных системах. -2008. - №5.
8. Острейковский В.А., Федин А.С. Структура интеллектуальной информационной системы поддержки принятия решений «Астма» и формализация предметной области // Системный анализ и обработка информации в интеллектуальных системах. -2007. - №4.
9. Генюш А.О. Интеллектуальная система поддержки принятия решений при эксплуатации нефтепромысловых трубопроводов // Системный анализ и обработка информации в интеллектуальных системах. -2008. - №5.
10. Жакот А.Д., Острейковский В.А. Моделирования состояния новорожденных с синдромом дыхательных путей методом многомерного регрессионного анализа и катастрофы типа «сборки» // Системный анализ и обработка информации в интеллектуальных системах. -2008. - №5.
11. Здрадовская Ю.И., Микшина В.С., Острейковский В.А. Линейные многофакторные модели оксигенотерапии больного респираторным дистресс-синдромом новорожденных // Системный анализ и обработка информации в интеллектуальных системах. -
2003. - №2.
12. Острейковский В.А., Челнокова Е.В. Оценка состояния пациентов с респираторным дистресс-синдромом методами многомерной регрессионной модели второго порядка и катастрофы типа «складка» // Системный анализ и обработка информации в интеллектуальных системах. - 2008. - №5.
13. Сметанин А.В. Анализ статистических данных толщинометрии при оценке характеристик надежности нефтяных трубопроводов в условиях Западной Сибири // Системный анализ и обработка информации в интеллектуальных системах. -2003. - №2.
14. Генюш А.О., Острейковский В.А. Оценка степени тесноты статистической связи между переменными в задаче исследования надежности нефтепромысловых трубопроводов // Системный анализ и обработка информации в интеллектуальных системах. -2003. - №2.
15. Генюш А.О. Влияние деформаций внутри динамически напряженных зон Земли на надежность нефтепромысловых трубопроводов // Системный анализ и обработка информации в интеллектуальных системах. - 2005. - №3.
16. Силин Я.В. Анализ методов физики отказов и теории катастроф для оценки надежности нефтепромысловых трубопроводов // Системный анализ и обработка информации в интеллектуальных системах. -2008. - №5.
