Компьютерный синтез методов решения сложных практических задач




Скачать 32.07 Kb.
Дата 19.09.2016
Размер 32.07 Kb.

УДК 004.896(06) Интеллектуальные системы и технологии


А.В. КОЛЕСНИКОВ, Р.А. СЕДОВ

Калининградский государственный технический университет
КОМПЬЮТЕРНЫЙ СИНТЕЗ МЕТОДОВ РЕШЕНИЯ СЛОЖНЫХ ПРАКТИЧЕСКИХ ЗАДАЧ
Показаны ключевые проблемы решения сложных практических задач, рассмотрена мелкозернистая гибридизация, как один из подходов к синтезу методов решения таких задач и ее реализация в среде Matlab.
Возрастающая сложность систем управления приводит к ситуации, когда разработка интеллектуальной информационной системы для решения практических задач занимает все большее время, несмотря на растущее быстродействие вычислительной техники и широкий спектр доступных программных средств. Обычно к моменту завершения работ постановка задачи заметно устаревает и, вместо внедрения, приходиться заниматься разработкой по сути новой системы.

Большинство ученых сходятся в оценке главных причин этой ситуации: 1) актуальность решения не «игровых», искусственно упрощенных, а «сложных практических» задач, как неоднородных, субъективных сущностей с изменчивым составом и структурой; 2) рационализм и узкая дисциплинарная специализация научных школ, что приводит к одностороннему, ограниченному, несистемному рассмотрению сложных явлений; 3) компьютерные технологии по-прежнему остаются, главным образом, средой реализации методов, а не инструментальным средством их синтеза [3].

Выход из возникшей ситуации возможен в рамках методологии функциональных гибридных интеллектуальных систем (ГиИС) [1], синтезируемых над гетерогенным модельным полем, в результате чего подбирается структура, релевантная неоднородностям исходной проблемы, интерпретация которой на ЭВМ дает метод решения задачи. Примеры реализации крупнозернистых функциональных ГиИС можно найти в [1, 2, 4].

В тех случаях, когда не удается разработать гетерогенное модельное поле, переходят к мелкозернистой гибридизации и «генетической» парадигме. Для мелкозернистой гибридизации в распоряжении разработчика имеется библиотека «зерен» для каждого класса базисных методов-прототипов. Зерна – это составные части синтезируемого метода. Например, для логических рассуждений в системах с базами знаний – это набор подпрограмм интерпретатора (сопоставление с образцом, разрешение конфликтов и др.). Известно, что сопоставление с образцом – слабое звено экспертных систем. Его можно реализовать, например, нейронной сетью, которая справится с обработкой информации эффективнее. Комбинация моделей (гибрид), возникающая в результате такой «вставки» нейровычислений в схему логических рассуждений, будет свободна от недостатков одного метода за счет плюсов другого.

Известно множество примеров такой попарной мелкозернистой гибридизации, охвачены практически все возможные сочетания компонентов [1]. В последнее время появились новые разработки с тремя взаимодействующими методами, за рубежом передовая отраслью их внедрения - медицина [5]. Однако реализация таких гибридов остается науко – и трудоемкой задачей из-за отсутствия методик, моделей и инструментальных средств мелкозернистой гибридизации, направляющих и поддерживающих деятельность разработчика.

Для автоматизации проектирования мелкозернистых ГиИС в среде моделирования Simulink пакета Matlab разрабатывается интегрированная система синтеза методов решения задач. Simulink предоставляет удобный интерфейс для графического создания функциональных схем, описывающих синтезируемый метод и экспериментов с ним, а большое количество доступных библиотек Matlab облегчает разработку зерен для конструирования модельных комбинаций с учетом плюсов и минусов трех базисных методов: экспертных систем, генетических алгоритмов и нейронных сетей. Ведется работа по созданию мелкозернистого представления экспертной системы и нейронной сети, определяется спецификация дополнительных типов данных, характерных для ГиИС.



Планируется испытать разрабатываемую систему для синтеза метода решения задачи диспетчерского управления газотранспортной сетью.
Список литературы


  1. Колесников А.В. Гибридные интеллектуальные системы. Теория и технология разработки / Под ред. А.М. Яшина. СПб.: СПбГТУ, 2001. 711 с.

  2. Антамошин А.Н., Близнова О.В. и др. Интеллектуальные системы управления организационно-техническими системами / Под ред. А.А. Большакова. М.: Горячая линия-Телеком, 2006. 160 с.

  3. Кириков И.А., Колесников А.В., Седов Р.А. Методология гибридизации для компьютерного синтеза методов решения сложных практических задач в интеллектуальных системах. Искусственный интеллект: философия, методология, инновации // Материалы Первой Всероссийской конференции студентов, аспирантов и молодых ученых. М.: ИИнтеЛЛ, 2006. С. 355-358.

  4. Goonatilake Ed. S., Khebbal S., Intelligent Hybrid Systems. - Wiley & Sons, 1995.

  5. Dounias G., Hybrid computational intelligence in medicine. – In: Proceedings of the Workshop on Intelligent and Adaptive Systems in Medicine, Praha, 2003.




ISBN 5-7262-0710-6. НАУЧНАЯ СЕССИЯ МИФИ-2007. Том 3


База данных защищена авторским правом ©infoeto.ru 2022
обратиться к администрации
Как написать курсовую работу | Как написать хороший реферат
    Главная страница