- •Оглавление
- •1. Общая характеистика задач и методов проектирования 7
- •1. Математические методы проектирования 25
- •3. Эвристические методы проектирования 50
- •4. Использование методов искусственного интеллекта при проектировании 97
- •5. Задачи оптимизации 122
- •Введение. Основные положения, термины и определения
- •1. Общая характеистика задач и методов проектирования
- •1.1. Основные стадии и виды задач проектирования
- •1.2. Обоснование и оценка качества задач, решаемых рэс
- •1.3. Примеры системотехнического проектирования
- •1.3.1. Обоснование тактико-технических характеристик радиолокационных систем
- •1.3.2. Защита от активных помех
- •1.4. Организация проектирования
- •1.5. Основные этапы проектирования рэс
- •1.5.1. Основные этапы научно-исследовательской работы
- •1.5.2. Основные этапы опытно-конструкторской работы
- •1.6. Методы моделирования
- •Математические методы проектирования
- •2.1. Общие положения
- •2.2. Виды критериев качества
- •2.3. Нехудшие и худшие системы. Диаграммы обмена.
- •2.4. Методы отыскания нехудших систем
- •2.4.1. Метод рабочих характеристик
- •2.4.2. Весовой метод отыскания Мнх
- •2.4.3. Комбинированный метод отыскания Мнх
- •2.5. Применение условного критерия предпочтения
- •3. Эвристические методы проектирования
- •3.1. Тенденции развития бортового радиоэлектронного оборудования
- •3.2. Основные направления развития перспективных комплексов бортового оборудования
- •Архитектура системы «Pave Pillar»
- •3.3. Основные направления развития интерфейсов межмодульного обмена для сопряжения рэс
- •3.3.1. Основные понятия и определения
- •3.3.2. Модель взаимодействия открытых систем
- •3.3.2.1. Физический уровень
- •3.3.2.2. Канальный уровень
- •3.3.2.3. Сетевой уровень
- •3.3.2.4. Транспортный уровень
- •3.3.2.5. Сеансовый уровень
- •3.3.2.6. Представительский уровень
- •3.3.2.7. Уровень приложений
- •3.3.3. Классификация каналов межмодульного обмена
- •3.3.3.1. Управление обменом в сети типа «звезда»
- •3.3.3.2. Управление обменом в сети типа «кольцо»
- •3.3.3.3. Управление обменом в сети типа «шина»
- •3.3.4. Интерфейс магистральный последовательный системы электронных модулей (гост 26165.52-87)
- •3.3.4.1 Физическая организация мультиплексных каналов
- •3.3.4.2. Принцип управления обменом информации
- •3.4. Коммутируемые сети
- •3.4.1. Сети с коммутацией сообщений
- •3.4.2. Сети с коммутацией каналов
- •3.4.3. Сети с коммутацией пакетов
- •3.4.4. Модель взаимодействия открытых систем
- •3.4.4.1. Физический уровень
- •3.4.4.2. Канальный уровень
- •3.4.4.3. Сетевой уровень
- •3.4.4.4. Транспортный уровень
- •3.4.4.5. Сеансовый уровень
- •3.4.4.6. Представительский уровень
- •3.4.4.7. Уровень приложений
- •4. Использование методов искусственного интеллекта при проектировании
- •4.1. Бортовые экспертные системы
- •4.1.1. Классификация экспертных систем
- •4.2. Структура и принципы построения экспертных систем
- •4.3. Методы представления экспертных знаний
- •4.3.1. Логические исчисления
- •4.3.2. Фреймовая модель
- •4.3.3. Модель семантической сети
- •4.3.4. Продукционные правила
- •4.3.5. Нечеткие множества
- •4.4. Распознавание образов
- •4.4.1. Основные термины и определения
- •4.4.2. Качественное описание задачи распознавания
- •4.4.3. Основные этапы построения системы распознавания
- •4.4.3.1. Изображающие числа и базис
- •4.4.3.2. Восстановление булевой функции по изображающему числу
- •4.4.3.3. Булевы уравнения
- •5. Задачи оптимизации
- •5.1. Задача о наилучшей консервной банке
- •5.2. Одномерные задачи оптимизации
- •5.3. Численное решение одномерных задач оптимизации
- •5.3.1 Метод равномерного распределения точек по отрезку
- •5.3.2. Метод распределения точек по отрезку, учитывающий результаты вычисления целевой функции
- •5.3.3. Специальные методы
- •5.4. Многомерные задачи оптимизации
- •5.4.1. Метод покоординатного спуска
- •5.4.2. Метод градиентного спуска
- •5.4.3. Метод наискорейшего спуска
- •5.4.4. Проблема «оврагов»
- •5.4.5. Проблема многоэкстремальности
- •5.5. Линейное программирование.
- •5.5.1. Траекторная задача
- •5.5.2. Задача об использовании ресурсов
4. Использование методов искусственного интеллекта при проектировании
Искусственный интеллект – это сравнительно молодая, но бурно развивающаяся дисциплина, возникшая на стыке кибернетики, лингвистики, психологии и программирования. Теорию искусственного интеллекта (ИИ) можно определить как науку о знаниях, о том, как их добывать, представлять в искусственных системах, перерабатывать внутри системы и использовать для решения практических задач. В настоящее время можно отметить следующие направления в области ИИ, в которых проводятся исследования:
- обработка естественного языка и моделирование диалога;
- экспертные системы (ЭС);
- автоматическое доказательство теорем;
- робототехника;
- интеллектуальные вопросно-ответные системы;
- автоматическое программирование;
- распознавание образов;
- решение комбинаторных задач (головоломки, игры).
Термин «искусственный интеллект» впервые ввел профессор Стэнфордского университета Джон Маккарти, автор многих ярких работ по программированию. Он же провел первую конференцию по ИИ и начал теоретическую работу, которая привела к созданию символьного языка программирования ЛИСП.
В последнее время наибольший прогресс в области ИИ связан с созданием Экспертных систем (ЭС), предназначенных для решения задач экспертного оценивания ситуаций в различных предметных областях.
4.1. Бортовые экспертные системы
Экспертная система (ЭС) является созданным на базе ЦВМ информационно- консультативным (а иногда и управляющим) устройством, которое применяется в определенной области человеческой деятельности. ЭС призваны оказывать помощь специалистам, когда их собственных знаний, опыта и интуиции не хватает для принятия самостоятельного решения. Такие системы представляют собой машинные программы, решающие задачи примерно так же, как решает их эксперт в реальной обстановке. Это позволяет накапливать, систематизировать и сохранять знания и профессиональный опыт тех экспертов, которые выполняют задачи наилучшим образом.
Таким образом, можно дать следующее определение ЭС:
ЭС – это система искусственного интеллекта на базе вычислительной системы, в которую включены знания специалистов о некоторой предметной области и качество которых соответствует решениям, принимаемым экспертами – людьми.
В чем же отличие ЭС от обычных программ, также способных выдавать те или иные решения?
ЭС – это машинная программа, которая пытается моделировать знания качественного характера и знания человека-эксперта. Таким образом, ЭС позволяет оперировать со знаниями, представленными в описательной форме, когда невозможно использовать математические модели. Естественно, такая система должна обладать целым перечнем характеристик:
способностью рассуждать при неполных и противоречивых данных;
способностью объяснять цепочку рассуждений понятным для пользователя способом;
конструкция системы должна обеспечивать возможность эволюционного наращивания базы знаний (как в сознании человека);
на выходе ЭС должна выдавать совет, а не таблицу или красивые картинки на экране;
она должна быть экономически выгодна.