Диссертация (Методы и программные средства ускорения поиска решения в базах знаний нечетких экспертных систем), страница 2

Анализ эффективности алгоритма Fuzzy Rete ............................................... 1124.6. Выводы по главе 4 ............................................................................................ 113ЗАКЛЮЧЕНИЕ ......................................................................................................... 115Литература ...................................................................................................................

117Приложение 1. Свидетельство о государственной регистрации программы дляЭВМ .............................................................................................................................. 1255Приложение 2. Акты о внедрении результатов работы .......................................... 126Приложение 3. Исходный текст основных модулей программы ...........................

128Приложение 4. Правила нечёткой экспертной системы расходомера .................. 1526ВВЕДЕНИЕВ работе исследованы и разработаны методы и программные средства поискарешений для систем поддержки принятия решений (СППР) на основе методовискусственного интеллекта (ИИ).Полученные результаты были использованы для разработки архитектурынечёткой экспертной системы (ЭС) и выполнения программной реализациипрототипа ЭС с использованием методов ускорения поиска решения.Разработанный прототип ЭС был использован в учебно-научном процессекафедры ПМ.Актуальность темы исследования.На данный момент ЭС стали основным инструментом, который используетсядля решения различных типов задач (интерпретация, предсказание, диагностика,планирование, конструирование, контроль, отладка, инструктаж, управление) всамых разнообразных проблемных областях [1].

В основе функционированияэкспертных систем (ЭС) лежит модель знаний [2]. Она содержит наборпринципов, которые описывают состояние и поведение объекта исследования.Наиболее широко применяемой моделью знаний для экспертных систем являетсяпродукционная модель в силу своей простоты, удобства обработки и понятностиконечному пользователю [3].Однако в последнее время большое распространение приобретают нечёткиеэкспертные системы.

Данный тип экспертных систем базируется на набореправил, в которых используются лингвистические переменные и нечёткиеотношения для описания состояния и поведения исследуемого объекта[4].Правила, представленные в таком виде, наиболее приближены к естественномуязыку, поэтому нет необходимости использования отдельного специалистаинженера по знаниям для создания и редактирования правил. В большинстве7случаев они могут быть отредактированы самим экспертом практически безспециальной подготовки [5].В связи с увеличением числа правил и масштабов таких нечётких экспертныхсистем на первый план исследований выдвигаются различные методы ускоренияпоиска решения в данных системах, а также задачи адаптации моделей знанийсистем, для использования таких методов [6].Для обеспечения ускорения поиска решения в базах знаний нечёткихэкспертных систем в работе предлагается использовать методы искусственногоинтеллекта[7], реализованные для классических экспертных систем, в частности,алгоритм Rete, предусматривающий однократное вычисление одинаковыхусловий правил, и выполнить его преобразование, позволяющее применитьданный алгоритм в нечётких экспертных системах.

Также, потребуется создатьмодель знаний для поиска решения согласно разрабатываемому методу.Выполненные исследования опираются на результаты работ как в областиконструирования ЭС, моделирования алгоритмов поиска решений, так и в областиискусственного интеллекта Д.А.

Поспелова, В.К. Финна, В.Н. Вагина, А.П.Еремеева, И.А. Башмакова, А.И. Башмакова, С.М. Ковалёва, О.П. Кузнецова, В.М.Курейчика, А.Н. Аверкина, Г.С. Осипова, Т.В. Рыбиной, В.Б. Тарасова, И.Б.Фоминых, В.Ф. Хорошевского и др., а также зарубежных ученых Л.А. Заде, Ч.Форги (L. Forgy), В. Новака (V.

Novak), Р. Ягера (R. Yager) и др.Объектомисследованияявляютсяметодыпоискарешениявпродукционных экспертных системах. Предметом исследования являютсяметоды ускорения поиска решения в продукционных экспертных системах иметоды модификации баз знаний, направленные на ускорения поиска решения.Целью работы является исследование и разработка методов и программныхсредств ускорения поиска решения для нечётких экспертных систем.Для достижения данной цели в работе были поставлены следующие задачи:8• исследование и анализ основных характеристик и особенностей ЭС, анализмоделей знаний ЭС;• анализ методов ускорения обработки правил в экспертных системах иразработка их классификации;• разработка алгоритмов для ускорения поиска решения в нечёткой ЭС наоснове алгоритма Rete;• разработка модели знаний для обеспечения оптимизации базы правил ипоиска решения в нечёткой ЭС, согласно предложенному алгоритму;• разработка архитектуры механизма поиска решения для нечёткой ЭС, наоснове предложенного метода;• программная реализация прототипа нечёткой ЭС, функционирующей наоснове предложенного алгоритма.Методы исследования.

Поставленные задачи решаются с использованиемметодов дискретной математики, математической логики, искусственногоинтеллекта, методов нечёткой логики, теории программирования.Научная новизна исследования состоит в следующем:1. Предложена формальная модель знаний для поиска решения согласноразработанномуалгоритмуFuzzyRete.Даннаямодельпозволяетоптимизировать и сократить объём базы правил нечёткой экспертнойсистемы.2. Разработан алгоритм Fuzzy Rete для ускорения поиска решения в базахзнаний нечётких экспертных систем, созданный на основе алгоритма Rete, изаключающийся в сокращении объёма вычислений за счёт объединениянечётких условий в нечёткой базе правил, представленной в форматеразработанной формальной модели.3.

Предложена архитектура решателя нечёткой ЭС, функционирующего наоснове разработанного подхода.94. Разработан алгоритм преобразования знаний из базы знаний экспертнойсистемы в формат предложенной формальной модели для обеспеченияработы алгоритма Fuzzy Rete. Также данный алгоритм позволяет оцениватьстепени близости нечётких условий в нечёткой базе правил и выполнять ихобъединение.Предложенныйалгоритмпозволяетсокращатьобъёмнечёткой базы правил без существенной потери точности вычислениянечётких условий.Практическая значимость работы заключается в создании программныхсредств для реализации ускорения поиска решения на основе алгоритма FuzzyRete для нечётких ЭС и реализации прототипа нечёткой ЭС, повышающихэффективность и расширяющих интеллектуальные возможности компьютерныхсистем.Практическаязначимостьработыподтверждаетсяиспользованиемразработанных в диссертации программных модулей, в том числе модуляускорения поиска решения для нечётких экспертных систем, зарегистрированногов государственном реестре программ для ЭВМ (2016 свидетельство № 2016613791от 16 февраля 2016 г.), в НИР кафедры ПМ, выполняемой по гранту РФФИ №1507-04574, и государственному заданию Минобрнауки РФ №2.737.2014/К, а такжев учебно-научном процессе кафедры ПМ НИУ «МЭИ», о чем имеется акт овнедрении.Достоверностьнаучныхрезультатовподтвержденатеоретическимивыкладками, данными компьютерного моделирования, а также сравнениемполученных результатов с результатами, приведенными в научной литературе.Апробация работы.

Основные положения и результаты диссертациидокладывались и обсуждались на 19-ой, 20-ой, 21-ой научных конференцияхаспирантов и студентов «Радиотехника, электроника, энергетика» в МЭИ (г.10Москва, 2013 – 2015 г.), на XXI,XXII Международной научно-техническойконференции «Информационные средства и технологии »в МЭИ (г. Москва, 2013– 2014 г.), на Международной конференции "Инновационные подходы к решениютехнико-экономическихпроблем"вМИЭТ(г.Зеленоград,2014г.),начетырнадцатой национальной конференции по искусственному интеллекту смеждународным участием КИИ-2014 (г.

Казань, 2014 г.).Публикации.Основныерезультаты,полученныепривыполнениидиссертационной работы, опубликованы в 10 печатных работах и из них три вжурнале из перечня ВАК.Структура и объем работы. Диссертация состоит из введения, 4 глав,заключения, списка использованной литературы (82 наименования) и 4приложений. Диссертация содержит 124 страницы машинописного текста (безприложений).СОДЕРЖАНИЕ РАБОТЫВо введении обоснована актуальность темы диссертации, ее научная новизнаи практическая значимость, сформулирована цель работы и приведено краткоесодержание диссертации по главам.В первой главе рассмотрены основные понятия экспертных систем,классификацияэкспертныхсистем.Приводитсяканоническаяструктураэкспертной системы. Рассматриваются этапы разработки экспертных систем.Перечисленыосновныепреимуществапримененияэкспертныхсистем.Рассмотрены различные модели знаний, описан способ представления знаний вэкспертных системах с помощью продукционных правил и преимуществаприменения данного подхода.

Рассматриваются основные понятия нечёткихэкспертных систем, на основе которых предложена формальная постановка11задачи ускорения поиска решения в базе правил нечёткой экспертной системы.Рассматриваются этапы нечёткого логического вывода.Вовторой главе приводится разработанная классификацияметодовускорения обработки правил в экспертных системах. Рассмотрен синтаксическийи семантический подходы к решению поставленной задачи. Обоснованодальнейшее рассмотрение способа, заключающегося в объединении элементовразличных правил, в силу его универсальности.

Рассмотрено сравнениеалгоритмов Rete, Treat, Leaps. Показаны их достоинства и недостатки. Приводитсяописание работы алгоритма Rete для продукционных экспертных систем, какнаиболее известного метода, обеспечивающего поиск одинаковых условий вправилах и исключающего их повторное вычисление.Втретьейглавепредлагаетсяразработаннаяформальнаямодельпредставления дерева решений для разработанного алгоритма Fuzzy Rete.Приводятся примеры представления правил из базы знаний в форматепредложенной формальной модели. Рассматривается алгоритм Fuzzy Rete дляускорения поиска решения в базах знаний нечётких экспертных системпродукционного типа.

Разработаны процедуры оценки близости концевых ипромежуточныхузловдеревьевправил.Вконцеглавыпредлагаетсяразработанная архитектура механизма поиска решения в базах знаний нечёткихэкспертных систем, предусматривающая использование алгоритма Fuzzy Rete дляускорения вывода.В четвёртой главе рассмотрено применение предложенного алгоритма FuzzyRete для решения задачи формирования рекомендации лечения пациента приналичии у него определённых симптомов. Рассматривается разработанныйпрототип экспертной системы, функционирующей с использованием алгоритмаFuzzy Rete.

Приведена разработанная схема базы данных приложения. Далеерассмотрено практическое применение разработанного алгоритма Fuzzy Rete внечёткой экспертной системе нефте-водо-газового расходомера для решениязадачиуправленияработойнефтяной12скважинынаосновезначенийконтролируемыхпараметровнефтянойскважины.Приводитсяописаниепостановки задачи, примеры правил, пример построения дерева решений и поискарешения нечёткой экспертной системой на основе алгоритма Fuzzy Rete. В концеглавы выполнена оценка сложности алгоритма Fuzzy Rete. Также рассмотренаоценка эффективности использования разработанного алгоритма Fuzzy Rete.В заключении приводятся выводы по работе.13ГЛАВА 1.