Диссертация (Методы и программные средства ускорения поиска решения в базах знаний нечетких экспертных систем), страница 16

Анализ эффективности алгоритма Fuzzy ReteДля разработанной системы было выполнено тестирование количествавычисления условий правил с использованием алгоритма Fuzzy Rete и без него.Результаты приводятся на графике, представленном на рис. 4.15.Рис. 4.15. Количество вычисленных условий правил в зависимости от количестваправил в базе экспертной системы для классического алгоритма перебора правили алгоритма Fuzzy Rete.Из представленного графика видно, что разработанный алгоритм Fuzzy Reteдаёт ускорение обработки базы правил порядка 35% относительно случая полного112перебора правил из базы знаний. Необходимо отметить, что указанные результатыэффективности алгоритма Fuzzy Rete получены для рассматриваемой базыправил. Эффективность разработанного алгоритма Fuzzy Rete зависит отконкретного набора правил: чем больше в них будет повторяющихся условий, тембольший эффект будет получен от их объединения в алгоритме.Оценка сложности поиска решения для нечёткой продукционной экспертнойсистемы на основе алгоритма Fuzzy Rete выполняется в сравнении с классическималгоритмом обработки правил нечёткой экспертной системы, не использующимметодов ускорения поиска решения поскольку алгоритм Fuzzy Rete являетсяпрактически аддитивным методом.

То есть он может быть использован послеприменения других методов ускорения поиска решения для получения лучшихрезультатов. Например, после исключения части правил из базы правил, илипосле фокусировки на определённом подмножестве правил, алгоритм Fuzzy Reteпозволит сократить вычисления за счёт объединения одинаковых условий воставшихся правилах.4.6. Выводы по главе 41.Разработанпрототипэкспертнойсистемы,функционирующейсиспользованием алгоритма Fuzzy Rete.2.Показан пример применения разработанного алгоритма Fuzzy Rete длярешения задачи формирования рекомендации лечения пациента приналичии у него определённых симптомов.3.Разработанный алгоритм Fuzzy Rete применён в нечёткой экспертнойсистеме нефте-водо-газового расходомера для решения задачи управленияработой нефтяной скважины, о чём получен акт о внедрении (Приложение2).4.Построена оценка сложности разработанного алгоритма Fuzzy Rete.Теоретически обоснована эффективность его применения.1135.Выполнен анализ эффективности применения разработанного алгоритмаFuzzy Rete на примере формирования рекомендаций лечения пациента.114ЗАКЛЮЧЕНИЕВ работе получены следующие результаты:1.Разработан алгоритм FuzzyRete для ускорения поиска решения в базахзнаний нечётких экспертных систем, заключающийся в объединениисоответствующих друг другу элементов нечётких правил и исключении ихповторной обработки.2.Выполнена классификация методов ускорения поиска решения в экспертныхсистемахпродукционноготипа.Выполненосравнениеалгоритмовускорения поиска решения в продукционных экспертных системах Rete,Treat, Leaps.

Рассмотрены их достоинства и недостатки. Показаны задачи,требующие решения при создании метода ускорения поиска решения в базахзнаний нечётких экспертных систем.3.Предложена формальная модель дерева решений алгоритма FuzzyRete длянечёткойпродукционнойбазыправил,позволяющаяпреобразоватьисходную продукционную базу правил в формат, подходящий для работыалгоритма FuzzyRete. Разработан алгоритм формирования модели.4.Разработана архитектура механизма поиска решения в нечёткой ЭС,функционирующей на основе предложенного подхода.5.В среде MS Visual Studio на языке C# с использованием СУБД MS SQLServer выполнена программная реализация прототипа нечёткой экспертнойсистемы, позволяющей формировать решение для подключаемой базыправил. Система позволяет выполнять редактирование нечёткой базыправил.

Экспертная система преобразует нечёткую продукционную базузнаний в дерево решений FuzzyRete и в дальнейшем формирует заключение,на основе обработки данной структуры.6.На разработанный в диссертации программный модуль ускорения поискарешения для нечётких экспертных систем получено свидетельство огосударственной регистрации программы для ЭВМ № 2016613791 от16.02.2016.1157.Разработанный прототип системы был использован в учебно-научномпроцессе кафедры ПМ НИУ «МЭИ», о чем имеется акт о внедрении.8.Разработанный алгоритм Fuzzy Rete был использован в нечёткой экспертнойсистеме нефте-водо-газового расходомера для решения задачи управленияработой нефтяной скважины, о чём имеется акт о внедрении.Реализованный алгоритм Fuzzy Rete позволяет существенно сократитьколичество действий, выполняемых нечёткой экспертной системой для поискарешения, и, таким образом, повысить эффективность её работы.116Литература1.

Башмаков А.И., Башмаков И.А. Интеллектуальные информационныетехнологии: Учеб. Пособие // –М.: Изд-во МГТУ им. Н.Э. Баумана, 2005.2. Э.В.Попов и др. «Статические и динамические ЭС», Финансы истатистика, 1996. - 211 с.3. Искусственный интеллект.

В 3-х кн. Кн. 2. Модели и методы: справочник. М.: Радио и связь, 1990. - 304 с.4. Гаврилова Т.А., Хорошевский В.Ф Базы знаний интеллектуальных систем.- Издательский дом "Питер", 2001. - 384 с.5. Рассел С., Норвиг П., Искусственный интеллект: современный подход.Издательский дом "Вильямс":, 2006. – 1407 с.6. Джексон П. Введение в экспертные системы. 3-е издание. Пер. с англ. —М.: Изд. дом «Вильямс», 2001. - 624 с.7.ДжонсМ.Т.Программированиеискусственногоинтеллектавприложениях. — М.: ДМК Пресс, 2004. - 312 с.8.

Дюк В. А., Самойленко А. Data Mining: учебный курс. — СПб: Питер,2001. - 368 с.9. Пупков К.А., Коньков В.Г. Интеллектуальные системы. – М.: МГТУ им.Баумана, 2003. – 348 с.10. Вагин В.Н.,. Еремеев А.П. Некоторые базовые принципы построенияинтеллектуальных систем поддержки принятия решений реальноговремени // Изв. РАН. ТиСУ, 2001, № 6,с. 114-123.11. Лорьер Ж. Л. Системы искусственного интеллекта.

Пер. с франц. — М.:Мир, 1991. - 568 с.12. Люгер Д. Ф. Искусственный интеллект. Стратегии и методы решениясложных проблем. 4-е издание. Пер. с англ. — М.: Изд. дом «Вильямс»,2003. - 864 с.11713. A Course in Fuzzy Systems and Control. Li-Xin Wang. Prentice-HallInternational, Inc.1997. – P. 448 . ISBN-13: 9780135408827.14. Zadeh L.A. Is there a need for fuzzy logic? // Information Sciences, Elsevier–2008. – № 178. – P. 2751-2779.15. Заде Л. Понятие лингвистической переменной и его применение кпринятию приближенных решений. М.: Мир, 1976.

166c.16. Заде Л. От обработки чисел к обработке слов – от манипулированияизмерениями к манипулированию восприятием. Международный журналприкладной математики и компьютерной науки, с. 307-324, т. 12, №3, 2002.17. Аверкин А.Н. Нечеткое отношение моделирования и его использованиедля классификации и аппроксимации в нечетких лингвистическихпространствах. -Изв.

АН СССР: Техническая кибернетика, 1982, N 2, с. 21.18. Аверкин А.Н., Батыршин И.З., Блишун А.Ф., Силов В.Б., Тарасов В.Б.. Подред. Д.А. Поспелова. Нечеткие множества в моделях управления иискусственного интеллекта - М.: Наука. Гл. ред. физ.-мат. лит., 1986.-312 с.19. Блюмин С.Л., Шуйкова И.А., Сараев П.В., Черпаков И.В. Нечёткая логика:алгебраические основы и приложения: Монография. – Липецк: ЛЭГИ,2002. – 111 с.20. Форги Ч., Rete: быстрый алгоритм для многошаблонных/многообъектныхзадач сопоставления с образцом, Искусственный интеллект, 19, с. 17-37,1982.21. Пантелеев, М.

Г. Проектирование процессоров обработки продукционныхбаз знаний на основе RETE-сети / М. Г. Пантелеев, Г. Г. Колосов //Искусственный интеллект. 2003. - №3. - С. 465-473.22. [Doo95] R.B. Doorenbos. Production matching for large learning systems. PhDthesis, Citeseer, 1995.23. [Mir87] D.P. Miranker. TREAT: A better match algorithm for AI productionsystems. Proceedings of AAAI 87, 1987.11824. [Bat94] D. Batory. The LEAPS algorithms. Department of Computer Sciences,University of Texas at Austin, Technical Report, pages 94–28, 1994.25. [Bro86] Lee Brownston. Programming Expert Systems in OPS5.

AddisonWesley, student edition, 1986.26. [Bat94] D. Batory. The LEAPS algorithms. Department of Computer Sciences,University of Texas at Austin, Technical Report, pages 94–28, 1994.27. [For79] C.L. Forgy. On the e_cient implementation of production systems[Ph.D. Thesis]. 1979.28. [For82] C.L. Forgy. Rete: A fast algorithm for the many pattern/many objectpattern match problem. Name: Artif. Intell, 1982.29. [Mir90] D.P. Miranker. TREAT: A better match algorithm for AI productionsystems. PhD thesis, 1990.30. [BW09] A. Burns and A.

Wllings. Real-Time Systems and ProgrammingLanguages. Pearson Education Limited, 2009.31. [BB09] E.J. Bruno and G. Bollella. Real-Time Java Programming with JavaRTS. Prentice Hall, 2009.32. А. Н. Гущин, И. А. Радченко. Экспертные системы: учебное пособие; Балт.гос. техн. ун-т. — СПб., 2007 — с.33. Полковникова Н.А., Курейчик В.М. Разработка модели экспертнойсистемы на основе нечёткой логики // Известия ЮФУ.

Техническиенауки.– 2014. – № 1 (150). – С. 83-92.34. Прикладные нечеткие системы: Пер. с япон. К. Асаи, Д. Ватада, С. Иваи идр. / Под ред. Т. Тэрано, К. Асаи, М. Сугэно. – М.: Мир, 1993. – 386 с.35. Вакин В. В., Корухова Л. С., Любимский Э. З., Малышко В. В.Ассоциативные методы планирования решений сложных задач. – М.:Препринт Института прикладной математики им.

М. В. Келдыша РАН, №81, 1997 г.36. Нечеткие множества в моделях управления и искусственного интеллекта /Под ред. Д.А. Поспелова. – М.: Наука. Гл. ред. физ.-мат. лит., 1986. – 321 с.11937. Круглов В.В., Дли М.И. Интеллектуальные информационные системы:компьютерная поддержка систем нечеткой логики и нечеткого вывода. –М.: Физматлит, 2002.38. Малышев Н.Г., Берштейн Л.С., Боженюк А.В.