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
-
Колесников А.В. Гибридные интеллектуальные системы. Теория и технология разработки / Под ред. А.М. Яшина. СПб.: СПбГТУ, 2001. 711 с.
-
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.
-
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.
-
Goonatilake Ed. S., Khebbal S., Intelligent Hybrid Systems. - Wiley & Sons, 1995.
-
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
|