2.5.4. Экспертные системы приближенных рассуждений

ЭСС данного подкласса входят в подкласс расчетно-оценочных ЭСС и, возможно, являются самыми распространенными в практике экономического анализа дел.

Разрабатываться они могут на основе РОЦ-технологий с той лишь разницей, что вместо дерева целей должны использоваться гипотезы появления тех или иных событий, представленные деревьями И – ИЛИ.

Применение жестких правил обработки знаний возможно в тех областях, где удается установить детерминированные или стохастические зависимости между объектами и их свойствами. Довольно часто связи такого рода описать или невозможно, или затруднительно. Распространенность подобной ситуации потребовала создания иного класса ЭСС, характерной чертой которых является способность манипулирования зависимостями, правильность которых сомнительна.

Интерес к такого рода системам объясняется несколькими причинами:

• существует множество задач, алгоритмы решения которых неизвестны;

• ряд задач манипулирует исключительно обрывочной, неполной, зашумленной информацией, представляющей качественную характеристику объектов или их состояний;

• тиражирование знаний экспертов высокого профессионального уровня является достаточно выгодным с экономической точки зрения.

Системы, созданные в качестве средства борьбы с перечисленными трудностями, стали называться экспертными системами приближенных рассуждений, составляющими значительную часть ЭСС. В отличие от ЭСС расчетного характера в экспертных системах приближенных рассуждений цели не формулируются. Они заменяются на гипотезы, доказательство которых базируется на правилах, оцениваемых с точки зрения достоверности. Правила в свою очередь манипулируют неточными данными. Неопределенность, возникающая в результате полученного от ЭС совета-решения, оценивается в заранее установленном диапазоне. Типичный состав ЭС приближенных рассуждений представлен на рис. 2.24 [2].

База знаний такого рода ЭС состоит из двух частей: базы правил и базы фактов. Схематически база знаний представлена на рис. 2.25 [2].

База правил представляется деревом И-ИЛИ. На рис.2.25 представлены четыре правила.

Рис. 2.24. Состав экспертной системы приближенных рассуждений

1. Правило И: если условие 1 и условие 2, то гипотеза 1.

2. Правило ИЛИ: если условие 1.1 или условие 1.2 или условие 2, то гипотеза 1.

3. Правило простое: если условие 2.1, то условие 2.

4. Правило простое: если условие 2.2, то условие 2.

Условия, связанные связкой И, обозначаются сплошной дугой, а условия, связанные ИЛИ – пунктирной.

Обработка правил выполняется с помощью разработанных с этой целью средств логического программирования и специально созданного для их реализации языка программирования Пролог, синтаксис которого «обратен» синтаксису естественного языка. Поэтому при использовании слова ЕСЛИ в обратном порядке становится ненужным слово ТО [2].

Те же правила в синтаксисе языка Пролог имеют вид:

Гипотеза 1: – условие 1, условие 2;

Условие 1: – условие 1.1, условие 1.2;

Условие 2: – условие 2.1,

где – знак, обозначающий ЕСЛИ.

Рис. 2.25. Представление базы знаний ЭС деревом И-ИЛИ

Блок логического вывода реализуется на основе логического программирования. Механизм вывода на основе логического программирования базируется на поиске требуемой информации «в глубину слева направо». Работа начинается с попытки выполнить правила самого высокого уровня путём проверки истинности его условий. Затем выполняется проверка истинности условий для условий и т. д. Допустим, что в базе правил имеются правила:

ЕСЛИ предприятие А1 и предприятие А2 являются конкурентами, И эти предприятия пользуются услугами банка В, ТО в заказе продукции им отказать;

ЕСЛИ предприятие А1 поставляет продукцию Р для предприятия А3, И предприятие А2 поставляет продукцию Р для предприятия А3, ТО предприятие А1 и предприятие А2 являются конкурентами.

Представим эти правила в синтаксисе системы Пролог:

1. отказать (х):-конкурент (х, у),

услуги (х, b),

услуги (у, b),

х <> у.

2. конкурент (х, у): – поставляет (х, е, р),

поставляет (у, е, р),

х <>у.

Каким образом формируются такие правила, можно ознакомиться в 6. В правилах использованы следующие обозначения: x, у, е – предприятия, b – банк, р – продукция. На рис. 2.26 показан поиск «в глубину слева направо» [2]. В начале происходит попытка доказать первое правило, содержащее четыре условия (конкурент, услуги, услуги, х <> y). Однако первое условие также является правилом со своими условиями. Поэтому происходит переход для доказательства вначале первого условия второго правила, затем второго условия. Далее происходит подъём по дереву для доказательства второго условия первого правила и т. д.

Рис. 2.26. Демонстрация стратегии логического программирования «в глубину слева направо»

В отличие от ЭСС расчётного характера в данном случае база знаний состоит не только из базы правил, но и базы фактов. База фактов отражает знания о предметной области в форме семантической сети. В узлах семантической сети находятся имена объектов, состояний или процессов, а дуги между узлами указывают на существующие между ними связи (отношения).

Например, процесс поставки продукции Р предприятием А1 для предприятия А3 изображается так, как это показано на рис. 2.27 [2].

Отдельные фрагменты сети синтезируются в единое целое, а затем трансформируются в предикатное представление. Множество зафиксированных таким образом фактов составляют базу фактов, обрабатываемых с помощью правил (продукций). Каким образом создавать семантическую сеть, а также способы её обработки описано в 1, 7.

Рис. 2.27. Семантическая сеть фразы

В предикатном представлении данная фраза будет иметь вид: поставляет (предприятие А1, предприятие А3, продукция Р).

В процессе вывода могут применяться прямой или обратный методы рассуждений. Более популярным является обратный метод. Сущность его в следующем: проверяется заключение, которое следует доказать путём проверки истинности его условий, далее доказывается истинность условий для условий и т. д. 2.

Блок логического вывода предназначен для расчётов коэффициентов достоверности (уверенности) для тех гипотез (предложений) пользователя, знание которых необходимо для принятия решений. Для этого используются правила в виде ЕСЛИ-ТО, дерево вида И-ИЛИ и правила, способные работать с нечёткой или плохо определённой информацией.

Блок данных. Без базы данных не может обойтись ни одна программная среда экономического профиля. В базе данных находятся плановые фактические, расчётные, отчётные и другие постоянные или оперативные показатели. Наличие базы данных позволяет применять стандартные процедуры обработки файлов, что может резко сократить затраты на их поддержку.

Экспертные системы, воспроизводящие приближённые рассуждения, не способны или плохо умеют:

 рассуждать исходя из здравого смысла;

 распознавать границы своей компетентности;

 использовать противоречивые знания;

 представлять знания о времени и пространстве;

 распознавать ситуации, где невозможно применить ни одно из правил дедуктивного вывода (например, отличить один цвет от другого).

Они также неспособны к самоадаптации к изменяющимся внешним условиям, например, изменяющимся информационным потребностям пользователя, т.е. не умеют самопрограммироваться. Поэтому интенсивно развивается новый класс ЭСС, воспроизводящих неосознанные умственные способностей человека. Подобно животному миру эти системы способны обучаться на примерах, динамически приспосабливаясь (эволюционируя) к изменяющейся внешней среде и согласно классификации, представленной на рис 2.16, состоят из двух подклассов 2:

1. системы нейросетевых вычислений;

2. системы, ориентированные на естественно-языковые запросы.

Вопросы для самоконтроля

1. Дайте определение экспертным советующим системам экономической ориентации (ЭСС)?

2. Какова общая структура ЭСС?

3. Дайте определение понятию «цель»?

4. Приведите основные функции управления?

5. Что такое цели и уровни управления?

6. Какой характер носит процесс детализации целей?

7. Что такое дерево и декомпозиция целей?

8. Каковы основные положения декомпозиции целей?

9. Что лежит в основе РОЦтехнологии?

10. Поясните взаимосвязь процедур РОЦтехнологии?

11. Что такое КОВ?

12. Каковы правила задания КОВ?

13. Дайте определение понятиям «матрица решений» и «дерево решений»?

14. Перечислите критерии оптимальности принятого решения?

15. Перечислите составные части ЭСС?

16. Что такое машина вывода?

17. Дайте классификацию и перечислите основные функции ЭСС?