CC BY
97
УДК 681.3
ОРГАНИЗАЦИЯ СОВРЕМЕННЫХ ДИАЛОГОВЫХ СИСТЕМ ОПТИМАЛЬНОГО ПРОЕКТИРОВАНИЯ
С.Ю. Белецкая, Н.В. Боковая
Рассматриваются особенности, основные функции и базовые структурные компоненты современных диалоговых систем оптимального проектирования
Ключевые слова: диалоговая система, оптимальное проектирование, интеллектуальный интерфейс, библиотека методов
Проблемы, связанные с принятием оптимальных решений, занимают особое место в автоматизированном проектировании. Проектные процедуры оптимального параметрического и структурного синтеза составляют основу большинства маршрутов проектирования, а результаты их выполнения оказывают решающее влияние на успех проектирования в целом. Это обусловливает повышенные требования к построению процедур поиска оптимальных вариантов и эффективности средств их программной поддержки.
С усложнением задач и усилением требований к обоснованности принимаемых решений необходим всесторонний, комплексный анализ объекта проектирования, учет взаимосвязи многих факторов в их динамике, обеспечение возможности гибкого и оперативного управления оптимизационным процессом. Практическая реализация такого подхода приводит к построению интегрированных сред оптимизации, в которых наряду с процедурами, обеспечивающими решение самой оптимизационной задачи, имеются подсистемы управления базой данных, комплекс “сервисных” программ, модули формирования и корректировки модели, блоки анализа и обработки результатов оптимизационных расчетов и др. При решении оптимизационных задач наиболее эффективным является диалоговый режим, позволяющий непосредственно включать пользователя в процесс поиска оптимальных решений с привлечением его знаний, интуиции и опыта. Диалоговые системы оптимального проектирования (ДСОП) объединяют в гибком интерактивном режиме формальные и неформальные элементы оптимизационного процесса в единую человеко-машинную техно-
Белецкая Светлана Юрьевна - ВГТУ, д-р техн. наук, доцент, Е-шаИ sapris@mail.ru Боковая Нэлли Викторовна - РГТЭУ, канд. техн. наук, доцент, Е-шаП bokovaya@vfrsute.ru
логию принятия оптимальных решений[1,2,3]. Одной из основных целей создания ДСОП является обеспечение эффективного многоме-тодного режима работы при непосредственном участии конечного пользователя с привлечением его знаний, интуиции и опыта. Созданию и применению ДСОП способствует использование современных технических и инструментальных средств, существенно расширивших возможности разработчиков программного обеспечения.
Результат решения задач оптимизации зависит от рационального распределения функций между проектировщиком и системой. Современные ДСОП предоставляют пользователю функции прямого воздействия на оптимизационный процесс. При этом имеются возможности корректировать постановку задачи, изменяя текущий метод или его параметры; асинхронно останавливать процесс решения и возобновлять его из текущего состояния; управлять составом и формой выдачи информации на итерациях. Современные системы оптимизации обладают механизмом накопления сведений о решаемой задаче, контекстно-стью восприятия и ассоциативностью воспроизведения информации. Важнейшим атрибутом современных ДСОП является наличие средств графической поддержки процессов оптимального проектирования. Процедуры графической визуализации позволяют использовать наглядно-образные механизмы интуиции проектировщика и значительно облегчают идентификацию текущей проектной ситуации, что особенно важно при решении слабоформа-лизованных задач оптимального выбора. Средства машинной графики, использующиеся при решении оптимизационных задач, можно разделить на две категории. Основу первой составляет графика метода оптимизации - процедуры визуализации информации о целевой функции и ограничениях. Эти процедуры позволяют оценить эффективность метода, каче-
ство настройки параметров, модифицировать используемые алгоритмы. Другую категорию составляет графика предметной области, которая является дополнительным средством, позволяющим давать физическую интерпретацию решаемой задаче.
В развитых системах оптимизации наметилась тенденция по интеллектуализации пользовательского интерфейса [2,3,4]. "Дружественность" общения достигается за счет простоты и лаконичности языковых средств, воспроизведения привычной обстановки и способов манипулирования информацией, непосредственного восприятия и воздействия на оптимизационный процесс. Сложная структура диалога, его многофункциональность и многоаспектность вызывает потребность в развитых средствах конструирования диалога, а также технологических и инструментальных средствах его ведения, создающих возможность гибкого взаимодействия человека и ЭВМ. В этой связи в состав ДСОП включаются блоки связи с проектировщиком и модули адаптивного управления диалогом, обеспечивающие адаптацию к различным по уровню квалификации категориям пользователей.
Важным фактором, во многом определяющим эффективность применения программных средств при решении и анализе задач оптимального проектирования, является возможность использования опыта специалистов в данной предметной области, который трудно формализовать в виде программных процедур. В этой связи ставится задача предоставления таким специалистам инструментальных средств, позволяющих не только решать оптимизационные задачи, но и исследовать их с точки зрения качества получаемого решения. В ряде работ по данной проблематике [3,5] указывается на необходимость создания с возможности обучения и самообучения пользователя в процессе решения задач оптимизации.
Наиболее важным этапом при построении ДСОП является формирование библиотеки методов, область применения каждого из которых определяется особенностями решаемой задачи. При этом существенной оказывается полнота библиотеки, которая оценивается не количеством реализованных алгоритмов, а их способностью обработки широкого класса ситуаций, возникающих в процессе оптимального проектирования. Так как решение задач оптимального проектирования с помощью одного алгоритма, как правило, не позволяет получить приемлемый результат, современные сис-
темы оптимизации основаны на комплексном применении различных оптимизационных процедур и реализации многометодных стратегий поиска, позволяющих получать оптимальное решение с минимальными затратами вычислительных ресурсов.
В системах оптимального проектирования реализуются различные подходы к организации комбинированных стратегий решения. Первый из них связан с применением на начальном этапе глобальных процедур для получения оценки глобального экстремума (зачастую грубой) и последующим уточнением решения в окрестности оптимума быстро сходящимися локальными алгоритмами [4,5].
Широко применяется также стратегия использования в качестве стартовых алгоритмов стандартных оптимизационных схем с целью получения начального приближения для последующих процедур. Как правило, стандартные алгоритмы позволяют достаточно быстро попадать на дно оврагов, затем останавливая свою работу (при этом полученное решение ошибочно трактуется как точка локального экстремума). Такие ситуации служат признаком переключения на более тонкие алгоритмические процедуры [6].
Распространенным подходом является оптимизация различных стартовых позиций. Такой подход предполагает запуск одного алгоритма несколько раз с различными начальными приближениями. Совпадение полученных результатов во всех стартовых позициях означает достаточно высокую вероятность нахождения оптимума внутри допустимых пределов. Часто применяется также стратегия последовательного запуска нескольких различных оптимизационных процедур с последующим сравнением полученных результатов [4,7].
В ряде систем оптимизации используется параллельное решение задачи одновременно двумя и более алгоритмами [5]. В этом случае производится запуск нескольких оптимизационных процедур и контролирующего блока, в функции которого входит наблюдение за ходом отдельных процессов и корректировка их траекторий на основании оценки текущей ситуации. При параллельном решении каждый алгоритм выполняет несколько итераций поиска, после чего управление передается контролирующему блоку, который сравнивает полученные результаты и осуществляет переключение оптимизационных процедур.
Многометодный режим работы ДСОП вызывает необходимость разработки развитых средств адаптации к особенностям решаемых
задач. При этом важную роль играет как параметрическая адаптация, т.е. регулировка параметров оптимизационных процедур, так и структурная, состоящая в настройке алгоритмической базы на решение конкретной проблемы. Очевидна целесообразность формирования проблемно-адаптивных процедур, позволяющих выбирать наиболее эффективную вычислительную схему на основании динамической оценки свойств конкретной задачи оптимизации.
Проблема структурной адаптации алгоритмической базы оптимального проектирования предполагает выделение характеристик оптимизационных задач, на основании которых осуществляется выбор наиболее приемлемого алгоритма, а также определение критериев для сопоставления эффективности различных процедур оптимизации. Основными характеристиками оптимизационных задач являются размерность, типы критериев и ограничений, особенности матриц и векторов, качество начального приближения и др. Среди наиболее типичных проблемных ситуаций, возникающих в ходе оптимального проектирования, обычно определяются наличие оврагов, близость текущей точки к оптимуму, близость к границе допустимых значений, нахождение в зоне локального экстремума и т. д. Качество оптимизационных процедур характеризуется некоторой совокупностью факторов, среди которых можно выделить: скорость сходимости; область сходимости; характеристику времени решения; оценку точности результата; количество вычислений значений критериев для получения оптимального решения; трудоемкость одной итерации. Обычно используются либо отдельные частные, либо обобщенные интегральные показатели [8].
Широко распространенным приемом автоматической адаптации алгоритмического обеспечения к особенностям конкретной оптимизационной задачи непосредственно по ее постановке является использование таблиц решений [3], по которым на основании классификации задачи осуществляется выбор наиболее рациональных алгоритмов и стратегий их применения. К этому подходу близко примыкает стратегия, основанная на использовании архива, или базы данных, отражающего опыт решения данной системой различных задач. При этом алгоритм выбирается на основании соотнесения свойств решаемой задачи с теми задачами, данные о которых имеются в архиве. Использование данных стратегий возможно только при полной формализации ре-
шаемой задачи и возможности идентификации ее свойств на априорном уровне.
При неполноте априорного математического описания объектов проектирования применяется ряд подходов, основанных на предварительном исследовании критериев оптимальности перед оптимизационным процессом. С этой целью в ряде систем применяется графическое представление оптимизируемых функций с целью последующего анализа пользователем [1]. Распространен также прием, заключающийся в аппроксимации поверхности поиска функциями более простого вида [2]. Более перспективной представляется стратегия автоматического анализа поверхности функции качества. При этом перед началом поиска анализируются сечения функции качества по каждой переменной методом ранговой корреляции [3]. В работе [6] предложены процедуры выделения структурных составляющих оптимизационных задач, облегчающих идентификацию их свойств.
Наиболее перспективным направлением в решении проблемы выбора наиболее эффективных оптимизационных процедур непосредственно по постановке задачи является использование средств и методов искусственного интеллекта [7,8]. Основным достоинством такого подхода является концентрация совокупности знаний и опыта специалистов в данной предметной области и возможность осуществления процесса выбора рациональной оптимизационной процедуры при неполноте описания объекта проектирования, ошибочности, неоднозначности и противоречивости априорной информации. При этом автоматической управление оптимизационным процессом производится с помощью экспертных компонент, осуществляющих определение стратегий решения задачи на основании опытных знаний, накопленных при использовании различных методов оптимизации. Формирование процедур и правил в базе знаний интеллектуального блока осуществляется как по результатам решения практических и тестовых задач оптимизации, так и на основании личного опыта и оценок разработчика. Возможность принятия решений в условиях неточности и неопределенности априорных сведений об оптимизационной модели обеспечивается использованием формализмов нечеткой логики.
Очевидно, что гибкость и адаптируемость алгоритмической базы оптимального проектирования возможна только на основе ее модульной организации. При этом алгоритмическая база в общем может быть представлена
как совокупность модулей оптимального проектирования и проблемно-адаптивных процедур их комплексирования в зависимости от специфики решаемых задач.
Таким образом, в современных человекомашинных системах оптимального проектирования выделяются следующие базовые структурные компоненты [1,4,7,8]:
- библиотека модулей оптимального проектирования, содержащая набор оптимизационных процедур различных классов;
- средства интеллектуальной поддержки комплексирования модулей, осуществляющие генерацию вычислительных схем в зависимости от специфики решаемых задач;
- блок управления оптимизационным процессом, обеспечивающий связь между программными компонентами системы, определение стратегий оптимального проектирования, организацию многовариантных расчетов, выполнение директив проектировщика;
- модуль формирования и корректировки оптимизационной модели, осуществляющий ввод исходных данных для оптимизации, контроль достоверности и полноты описания задания на оптимальное проектирование, выявление структуры модели;
- процедуры анализа и обработки результатов оптимального проектирования, обеспечивающие протоколирование поиска решения, сравнение эффективности различных процедур, графическую визуализацию результатов оптимизационного процесса и их содержательную интерпретацию;
- база данных, содержащая сведения о структуре и параметрах оптимизационных моделях, вычислительных процедурах и их характеристиках, результатах решения прикладных задач оптимального проектирования;
- средства поддержки пользовательского интерфейса, обеспечивающие активное участие пользователя в процессе поиска опти-
мального решения, осуществляющие эффективный информационный обмен и рациональное распределение функций между проектировщиком и системой.
Диалоговые системы оптимизации относятся к методо-ориентированным системам обработки информации и являются инвариантными относительно предметных областей их приложения. Введение в состав системы дополнительных блоков проблемной ориентации позволяет произвести настройку на непосредственное решение прикладных задач. При этом структура программного обеспечения должна обеспечивать гибкую перестройку на другую предметную область без его существенной модификации.
Литература
1. Батищев Д.И. Оптимизация в САПР / Д.И. Батищев, Я.Е. Львович, В.Н. Фролов. - Воронеж: Изд-во ВГУ, 1997. 416 с.
2. Потапов М. А. Интегрированные системы оптимизации // Изв. РАН. Техн. кибернетика. 1994. №1. С. 189-197.
3. Георгиев В.О. Обзор методов и средств построения формальных моделей диалоговых систем // Управляющие системы и машины, 1991. № 4. С. 89-101.
4. Норенков И. П. Основы автоматизированного проектирования. М.: МГТУ им. Баумана, 2002. 336 с
5. Барский А.Б. Параллельные технологии решения оптимизационных задач // Приложение к №2 журнала "Информационные технологии". 2001. 24 с.
6. Шалтянис В. Анализ структуры задач оптимизации. - Вильнюс: Москлас, 1989. 123 с.
7. Белышев Д.В. Программный комплекс мно-гометодных интеллектуальных процедур оптимального управления /Д.В. Белышев, В.И. Гурман // Автоматика и телемеханика, 2003. №6. С.60-67.
8. Белецкая С.Ю. Моделирование и поиск оптимальных решений при проектировании сложных систем. - Воронеж: ВГТУ, 2005. 175 с.
Воронежский государственный технический университет Российский государственный торгово-экономический университет
THE ORGANIZATION OF MODERN OPTIMUM DESIGNING DIALOGUE SYSTEMS
S.U Beletskaya, N.V. Bokovaya
Features, the basic functions and structural components of modern optimum designing dialogue systems are considered
Keywords: dialogue system, optimum designing, intellectual interface library of methods
