6.3. Банк и базы данных сапр
БНД САПР - это подсистема, обеспечивающая включение, хранение и выдачу информационных массивов, содержащих разнообразные сведения о проектируемых объектах. Как отмечалось выше, БНД включает базы данных (БД) и систему управления базами данных (СУБД). БД - это совокупность информационных массивов, а СУБД представляет программное обеспечение для управления БД, заключающееся в реализации доступа к БД со стороны прикладных программ проектирования, а также со стороны пользователя, когда требуется изменить содержание и формы записи в БД. В настоящее время разработано много типов СУБД для поддержания различных структур данных, которые могут быть использованы для обеспечения информационных потребностей САПР.
По характеру использования БНД делятся на индивидуальные (их имеет каждый пользователь) и коллективные (для использования всеми проектировщиками через систему специальных паролей). По срокам хранения информации и размещения ее в различных видах запоминающих устройств БНД бывают оперативные и долговременные.
БНД - это сложная информационная программная система, функционирование которой невозможно реализовать полностью в автоматическом режиме. Управление режимами и контроль за ее состоянием осуществляется человеком (администратором БНД), который составляет внешние и внутреннюю модели данных, управляет размещением информации на физических носителях, поддерживает целостность БНД, вносит изменения. Под внешними моделями данных (ВШМ) понимаются модели пользователей, описывающие реальные данные (например, в виде логической модели типа концептуального описания). Внутренняя модель данных (ВНМ) - это физическое машинно-ориентированное представление данных.
Рассмотрим, как осуществляется взаимодействие БНД с прикладными программами пользователя (ПП) (рис. 6.3).
ПП обращаются с запросами к СУБД, которая формирует обращение к программным средствам того или иного метода доступа к БД. Эти программные средства входят в состав операционной системы (ОС). При обращении к ОС СУБД использует информацию о конкретной ВШМ данных пользователей и внутренней логической модели (схемы) данных ВНМ. Полученные данные сначала поступают из БД в системный буфер (СБ), а затем помещаются в доступную конкретному пользователю рабочую область (РО).
Таким образом, СУБД можно рассматривать как некоторую надстройку к ОС, через которую происходит обращение пользователя к массивам информации.
6.4. Модели данных
СУБД работает с массивами информации, представленными в виде моделей данных. Модели могут быть синтаксические и семантические.
Синтаксические модели имеют вид табличных или графовых моделей. В табличных моделях все данные представляются единообразно, так, что экземпляры каждого типа можно рассматривать как строки некоторой таблицы. В графовых моделях различают собственно данные, имеющие табличное представление и рассматриваемые как вершины графа, и данные-связи, соответствующие дугам графа. Графовые модели бывают иерархические и сетевые.
Семантические модели (символьные, основаны на логических связках) характеризуются наличием средств спецификации, позволяющих связывать данные различных типов путем операций обобщения, агрегации, ассоциации и т.п. Семантические модели обладают значительно более развитыми возможностями в представлении свойств данных. Их появление вслед за синтаксическими отражает тенденции интеллектуализации компьютерных систем и обеспечивает переход от баз данных к базам знаний, которые являются логическим продолжением БД. Базы знаний поддерживают и моделируют некоторые элементы интеллектуальной деятельности человека, и БД являются их компонентами. На основе баз знаний и БД строятся интеллектуальные банки данных, позволяющие решать трудноформализуемые задачи экспертных систем. Особенностью знаний, в отличие от данных, является то, что они всегда обладают возможностью содержательной интерпретации, содержат многочисленные классифицирующие соотношения между единицами знаний, отражающие характер их взаимосвязи, а также ситуативные связи, определяющие ситуативную совместимость отдельных событий или фактов, что позволяет строить процедуры анализа знаний.
Сложные комбинации фактов можно построить с помощью сетевых элементов. Пример представления фактов с помощью семантической сети приведен на рис.6.4. Факты формируются из объектов (атрибутов) и связей между ними (отношений).
Семантические сетевые модели ограничивают представление знаний достаточно жесткой структурой. Более гибкими являются модели представления знаний на основе фреймов (фреймовые модели) - формальных конструкций, содержащих как информационные, так и процедурные элементы, обеспечивающие преобразование информации внутри фрейма и связь его с другими фреймами.
Концепция фреймов широко применяется для построения проблемно-ориентированных систем представления знаний. Для представления знаний в ТС могут использоваться фрейм-соединение и фрейм-закон функционирования.
Фрейм представляется в виде ориентированного графа с помеченными вершинами и дугами. Одна вершина выделена для предикатного (функционального) символа, остальные - для аргументов выделенного символа. Для каждой аргументной вершины задана область допустимых значений D, которая может заполняться в процессе активизации фрейма в соответствии с определенными условиями (вершины-слоты). В качестве заполнителя слота может выступать и другой фрейм.
Фрейм-соединение представлен на рис. 6.5 и предназначен для описания различных типов соединений (механических, гидравлических и др.), встречающихся в ТС. Он отражает стереотипную ситуацию “субъект х соединяет объект y с объектом z способом w”.
Предикатная вершина помечена символом F и именем фрейма “соединить”. Дуги имеют метки отношений: S - субъект; О - объект; К - отношение “посредством чего”. Вершины, обозначенные прямоугольником с меткой D, описывают область допустимых значений соответствующего аргумента или фрейм-соединение, содержащий компоненты, входящие в О и S.
Фрейм-закон функционирования (рис. 6.6) предназначен для описания аналитических законов изменения параметров во времени. Он описывает ситуацию “вычислить значение параметра р в момент времени t с использованием функции f, имеющей аргументы а1,..., аm”. Метки дуг обозначают отношения: vf - вид функции; - время; arg - аргумент функции; res - результат применения функции.
Для реализации моделей представления знаний разработано большое количество языков представления знаний, которые можно разделить на три группы:
1) языки обработки символьной информации, используемые для программирования задач искусственного интеллекта. Характерными представителями этой группы являются LISP, РЕФАЛ, SNOBOL, наиболее распространен LISP;
2) языки, ориентированные на поиск решения и доказательство теорем, которые характеризуются достаточно простыми средствами представления, но сложными методами обработки информации. Поэтому основное внимание в этих языках уделяется эффективности механизмов управления программой. К таким языкам относятся PLANNER, QLISP и др. Наиболее распространен PLANNER, в котором используется язык LISP;
3) языки представления знаний общего назначения, в которых данные представляются в виде многоуровневой фреймовой структуры, а модель ситуации - в виде иерархически организованного множества понятий. Эти языки используют более поздние идеи искусственного интеллекта. Их представителями являются языки KRL и FRL, которые также широко используют расширенные варианты языка LISP.
В последние годы в качестве языка для систем искусственного интеллекта и организации баз знаний широко применяется язык PROLOG, основанный на математической логике.