CC BY
86
3. Gustavsson R. Agents with Power. // CACM, Vol. 42. - 1999. - №3. - C.41-47.
4. Waldo J. The Jini Architechitecture for Network-centric Computing. // CACM, Vol. 42. -1999. - №7. - C. 76-82.
5. Communications of the ACM, Vol. 42. - 1999. - № 3.
6. Wong D., Paciorek N., Moore D. Java-based Mobile Agents. // CACM, Vol. 42.- 1999. -
.3. - . 92-96.
УДК 658.512
АЛ. Еремеев, В.В. Троицкий ПРЕДСТАВЛЕНИЕ ВРЕМЕННЫХ И ПРИЧИННО-СЛЕДСТВЕННЫХ ЗАВИСИМОСТЕЙ В СИСТЕМАХ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ РЕАЛЬНОГО ВРЕМЕНИ СЕМИОТИЧЕСКОГО ТИПА
Работа выполняется при финансовой поддержке РФФИ (проект 99-0100049).
Известно, что системы поддержки принятия решений реального времени (СППР РВ) представляют собой сложные программно-аппаратные комплексы, предназначенные для помощи лицам, принимающим решения (ЛПР) при управлении сложными объектами и процессами различной природы, как правило, в условиях жестких временных ограничений [1]. В [2-4] показано, что СППР РВ относятся к классу интегрированных динамических интеллектуальных систем семиотиче-,
, , -, , -.
СППР РВ семиотического типа формально можно определить набором 88 = < М, Я (М), Б (М), Б (88) >, где М = {М1,..., Мп} - множество формальных или семиотических (логико-) ,
(поиск решения, прогнозирование последствий принимаемых решений и развития проблемной ситуации, образное моделирование, оценка результатов и т.д.);
Я(М) - функция выбора необходимой модели или совокупности моделей в те;
Б(М) = {Б (М1),..., Б (Мп)}- множество функций модификации моделей М1,..., Мп ;
Б(88) - функция модификации системы 88 в целом, т.е. ее базовых элементов М, Я(М), Б(М) возможно самой Б(88).
Поиск решения в рамках конкретной модели М1 поддерживается правилами , , . одной модели на другую сопровождается, как правило, нарушением ("р^рывом") монотонности. Этот переход осуществляется посредством реакции на соответствующее событие (например, выход некоторого параметра за допустимые границы) или посредством применения нечеткого продукционного правила типа А'* (А^Б), где А' и А - нечеткие множества, описывающие проблемные ситуации или состоя-
( А А' -
шение сходства), B - результирующее нечеткое множество, * - операция композиции нечетких множеств.
Количество контролируемых и неконтролируемых параметров для сложного объекта типа энергоблока измеряется сотнями. Получение аналитического выражения функции управления и гарантия ее хорошей дифференцируемости для возможности применения классических методов теории устойчивости и теории аттракторов чрезвычайно сложно и обычно практически неосуществимо. Более того, для прогнозирования развития ситуации (процесса) при условиях недетерминизма и неполноты поступающей информации (например, по причине неисправности или отказа некоторых датчиков) известная марковская модель описания процесса должна быть заменена на более сложную немарковскую модель с временными параметрами типа [4,5]
s(t + t ') = f (s(t),s(t-t'),...,s(t-nt'),u(t),u(t-t'),..., u(t-mt'),v(t),v(t-t'),...,v(t-kt')), где s(t) - состояние в момент времени t,
s(t + t ') - состояние через заданный временной интервал t'; u(t) - измеряемые и управляемые параметры; v(t) - ,
фон или внешнее окружение (среду) объекта; f - ; n, m, k - .
Основной задачей СППР РВ для управления сложными объектами и процессами типа энергообъектов является помощь ЛПР для удержания объекта в нор-( ) .
, -тических ситуациях и базирующиеся на моделях и методах теории аттракторов [68], теории устойчивости решений в задачах выбора [9], методах геометризации управления сложными системами и методах когнитивной графики[10,11], методах обработки неопределенности и поиска решения на основе неклассических логик [12] с использованием темпоральных и причинно-следственных (каузшгьных) зави.
Представление временных и причинно-следственных (каузшгьных) зависимостей в моделях Mj и рассуждение (поиск решения) на основе этой информации в СППР РВ требует языка, который мог бы отображать истинность и ложность высказываний в различные моменты времени. Такой язык должен быть хорошо определенным и ясным как для разработчиков СППР РВ, так и для ЛПР, т.е. иметь хороший синтаксис и семантику.
В искусственном интеллекте существует множество способов представления меняющейся со временем информации (знаний). В основном применяются способы, базирующиеся на представлении мира в виде набора «мгновенных снимков» (си^аций и сущностей) и действий, переводящих мир из одной ситуации в другую. Классическими представителями данного подхода являются различные варианты ситуационного исчисления и STRIPS систем [13-18]. Предложенные методы обладают существенными недостатками по представлению сложных временных и причинно-следственных зависимостей между событиями, действиями и свойствами. Вызывает затруднение представление событий, имеющих длительность во време-; ,
; ,
появлением синергетических эффектов; а также внешних событий. Использование данного подхода в чистом виде в моделях Mj для СППР РВ может привести к ограничению круга представимых временных и причинно-следственных зависимостей предметной области.
Поэтому целесообразно при конструировании СППР РВ использовать подход, базирующийся на представлении времени и причинно-следственных (каузальных) отношений на основе различных временных логик. Логики обладают большей выразительной силой и пригодны для представления сложных временных за.
времени во временных логиках представлен в [17,19].
Mj
является наличие алгоритмов временного вывода, позволяющих проводить авто. ,
(поиска решения) должны работать в условиях жестких временных ограничений.
Можно выделить несколько временных логик обладающих привлекательными вычислительными свойствами. Среди них немонотонная временная логика, предложенная в [19], на основе которой реализована система немонотонных временных рассуждений BABY-SIT [20]. В качестве основы механизма представления - ( ) Mj
СППР РВ семиотического типа выберем временную интервальную логику Аллена [14,15,21].
. .
Интервальная временная логика Аллена является многосортной логикой предикатов первого порядка. Все связки и обозначения используются в обычном смысле: a, v, —I, =>, ^, V, 3 - соответственно конъюнкция, дизъюнкция, отрицание, , , .
Вводится примитивный объект (сорт) - интервал времени - и примитивное отношение - Meets (встречи двух периодов времени). Свойства отношения и интервалов времени задаются с помощью аксиом. Например: Vi.3 j, k. Meets(j,i) a Meets(i,k) - для любого интервала i существуют соприкасающиеся с ним с обоих j k.
Временной интервал интуитивно воспринимается как время, связанное с происхождением некоторого события или справедливостью некоторого свойства в
.
Между парой временных интервалов определяется набор базисных отношений, с помощью которых возможно представлять любые зависимости между ин-( . 1).
Содержательная интерпретация отношений следующая:
1. Before(x, y) - интервал x находится перед интервалом y;
2. Meets(x, y) - интервал x встречается с интервалом y (конец интервала x совпадает с началом интервала у);
3. Overlaps(x, y) - x y;
4. Starts(x, y) - x, y;
5. During(x, y) - x y;
6. Finishes(x, y) - x y;
7. Equal(x, y) - x y.
Инверсия этих отношений эквивалентна перемене мест аргументов.
Отношение Обозначение Инверсия ?начение
x before y b b x у , 1 1 1 1
x meets y m mj X у 1 1 1
x overlaps y o oj x У 1—Г1 i
i x i
x starts y s sj i y 1
i x |
x during y d dj 1 1 1 ^
x
x finishes y f fj 1 1 У 1 1
1 x 1
x equal y eq eq 1—У—i
Рис. 1. Базисные отношения между временными интервалами Задача временного рассуждения (вывода) в логике Аллена относится к классу задач по согласованию ограничений. В общем случае эти задачи относятся к классу NP-полных. Но в большинстве практических случаев удается решать задачу по согласованию временных ограничений за полиномиальное время, что позволяет разрабатывать применимые в СППР РВ алгоритмы временных рассуждений.
Подробное описание логики можно найти в [Allen 1984; Allen et al., 1994; Hayes 1995].
На основе описанной логики построен язык для представления различных причинно-следственных и временных зависимостей. Эти зависимости затем транс-
( ) Mj ,
базе высокоэффективного инструментального комплекса конструирования динамических экспертных систем G2 +GDA (Gensym Co., USA) [22], имеющего достаточно развитые средства учета времени в продукционных правилах и средства обработки событий происходящих в реальном времени. Однако в данном комплексе нет развитых средств планирования и предсказания развития ситуации во времени, что крайне необходимо для решения задач прогнозирования и оценки последствий принимаемых решений в СППР РВ.
Поэтому язык разработан в самостоятельной системе моделирования временных и причинно-следственных (каузшгьных) зависимостей, структурная схема кото. 2.
(расширение) G2+GDA.
Реализованы следующие базовые средства представления причинно:
♦ средства описания объектов предметной области (язык представления);
♦
( );
♦ G2 (items) -
стик.
. 2.
В настоящее время на кафедре Прикладной математики Московского энергетического института (технического университета) в рамках тематики создания се-
G2+GDA
отлаживается базовая версия языка представления причинно-следственных (кау) . -руется реализовать также:
♦ систему графического редактирования временных и причинно-следственных
;
♦ механизм вр еменного вывода.
Данные средства составят основу системы для работы с языком представления временных и причинно-следственных (каузштьных) зависимостей для СППР РВ семиотического типа. Полученные результаты и созданные на их основе программные средства применены в прототипе СППР РВ для поддержки оперативнодиспетчерского персонала атомного энергоблока [23,24].
ЛИТЕРАТУРА
1. Башлыков АЛ., Еремеев AM. Экспертные системы поддержки принятия решений в энергетике. - М.: Изд-во МЭИ, 1994.
2. . ., . . -теллекта и многоагентности в системах поддержки принятия решений на базе инструментального комплекса G2+GDA // Proc. of the Intemat. Workshop Distributed Artificial Intelligence Multi-Agent Systems ”DAIMAS”97 / June 15-18, 1997, St.-Peterburg, Russia. -1997. - C. 262-268.
3. Yeremeyev A.P. Organization of Semiotic Type Knowledge Representation Model for Dynamic Decision Support Systems // Proc. of Seventh Int. Conf. 'Artificial Intelligence and Informa-tion-Control Systems of Robots' AIICSR'97. Second Workshop on Applied Semiotics, Sept.
15, 1997. Smolenice Castle, Slovakia.- C. 77-81.
4. Yeremeyev A.P. The Organization of Real Time Decision Support Systems of a Semiotic Type // Proc. of Worcshop Applied Semiotics and Abstracts of CAI'98 Reports, Vol III, 1998. Push-chino, Russia. - . 3-7.
5. Whitehead S.D., Lin Long-Ji. Reinforcement Learning of Non-Markov Decision Processes // Artificial Intelligence. - 1995. - 73. - C. 271- 306.
6. . ., . . -
// . -
1996. - Вып.6." - С. 48-62.
ЗЗ
7. . . // . ,
серия "Теория и системы управления". - 1996. - Вып.2. - С.5-14.
8. Касти Дж. Большие системы. Связность, сложность и катастрофы. - М.: Мир, 1982.
9. Гордеев ЭМ., Леонтьев В.К. Задачи выбора в условиях неопределенности // В сб. Компьютер и задачи выбора / Автор предисл. Ю.И. Журавлев. - М.: Наука, 1989. - С. 120-14З.
10. . . // . , " -темы управления". - 1997. - Вып.1. - С. 16-27.
11. . .
// . . -
венному интеллекту с междунар. участием КИИ'98/ 5-11 октября, 1998, Пущино, Россия. - 1998, - З. - С. 54З-548.
12. Vagin V.N. Non-Classical Logics in Semiotic Systems // Proc. of Worcshop Applied Semiotics and Abstracts of CAI'98 Reports / Pushchino, Russia. - 1998. -З. - C. З4-З9.
13. . ., . ., . .
пространстве в интеллектуальных системах / Под ред. Д.А.Поспелова. - М.: Наука, 1989.
14. Allen J. F.. Towards a General Theory of Action and Time // Artificial Intelligence, 2З(2), July 1984. - C. 12З-154.
15. Allen J. F. and Ferguson G.. Actions and Events in Interval Temporal Logic// Technical Report 521. - 1994.
16. Shoham Y.. Reasoning about Change // MIT Press, Boston, MA. - 1988.
17. Shoham Y. and Goyal N. Representing Time and Action in Artificial Intelligence // Frontiers of Artificial Intelligence, MIT Press. - 1989.
18. Нильсон H. Принципы искусственного интеллекта. - М.: Радио и Связь, 1985.
19. Hayes P. J.. A Catalog of Temporal Theories // MIT Press. - 1989.
20. Tin E. and .Akman V. Situated nonmonotonic temporal reasoning with BABY-SIT // AI Communication. - 1997. - 10. - C. З-109.
21. Van Beek P. and Manchak D. W. The Design and Experimental Analysis of Algorithms for Temporal Reasoning // Journal of Artificial Intelligence Research. - 1996. - 4. - C. 1-18.
22. Попов Э.В., Фоминых КБ., Кисель Е.Б., Шапот М.Д. Статические и динамические экспертные системы. - М.: Финансы и статистика, 1996.
23. Башлыков АЛ., Вагин В.Н., Еремеев AM. Экспертные системы поддержки интеллектуальной деятельности операторов АЭС // Вестник МЭИ. - М.: Изд-во МЭИ, 1995. - С. 27-З6.
24. Еремеев AM., Симонов ДМ., Чибизова НМ. Реализация прототипа системы поддержки принятия решений реального времени на основе инструментального комплекса G2//nporpaMMHbie продукты и системы. -1996.-Вып.З.-С.21-26.
УДК 681.З.016
..
ОБ ЭВОЛЮЦИОННОМ ПОДХОДЕ К ПРОБЛЕМЕ ПРИНЯТИЯ РЕШЕНИЙ
Проблемы принятия решений заключаются в генерации альтернатив решений их оценки и выборе оптимальной на основе заданных критериев альтернативы [1,2]. Предлагается использовать методы эволюционного поиска и гомеостатические и синергетические принципы управления этим поиском для получения оптимального решения.
Основные задачи, возникающие при этом, - это обработка знаний, обучение и , , , хаоса упорядоченных систем, реализация экстремальных принципов природы, на,
решения.
З4
