Содержание

Y

1 Постановка задачи 5

4 Алгоритм обработки знаний 11

5 Схема работы интерфейса 12

1 Постановка задачи

На рисунке 1.1 представлена схема «черный ящик» экспертной системы определения поставщика на интересующие виды алкогольной продукции.

Рисунок 1.1 – «Черный ящик» ЭС

Предприятие занимается реализацией различных видов алкогольной продукции. Экспертная система, разработанная в рамках настоящего курсового проекта, позволяет определить поставщика для обслуживания заказа покупателя на определенный вид алкоголя.

На вход системы подается наименование продукции, которую желает заказать покупатель. На выходе системы по правилам, определенным в системе, по ряду заполненных документов определяется наименование поставщика, который может поставить указанный в заказе покупателя вид алкогольной продукции.

В интерфейсе программы для эксперта следует предусмотреть следующие возможности:

- занесение новых поставщиков. Расширяя базу поставщиков, можно открыть новые перспективные направления развития предприятия;

- занесение новых видов номенклатуры – новые виды алкогольной продукции, которую будет в будущем реализовывать кампания;

- ведение базы правил;

- ввод новых правил в систему.

В интерфейсе программы для пользователя – специалиста группы эксплуатации ЖФ - следует предусмотреть следующие возможности:

- ведение базы заказов покупателей;

- ведение базы заказов поставщику;

- ведение базы реализованных поставок и отгрузок;

- реализовать механизм получения отчета по спросу на все виды реализованной продукции;

- ведение базы изменения движения заказа от момента поступления заказа покупателя до момента обслуживания заказа, когда был оформлен заказ поставщику;

- ведение базы изменения состояния склада, а именно прибавление продукции на складе в момент поставки продукции до состояния уменьшения количества алкоголя на складе, когда произошла отгрузка.

2 Выбор модели представления знаний

Выбор способа представления знаний в интеллектуальной системе является ключевым моментом разработки. С точки зрения человека, желательно, чтобы описательные возможности используемой модели были как можно выше. С  другой стороны, сложное представление знаний требует специальных способов обработки (усложняется механизм вывода), что затрудняет проектирование и реализацию интеллектуальной подсистемы.

Существуют четыре основные модели описания знаний: логические модели, сетевые модели, продукционные модели и фреймовые модели. Каждая из этих моделей имеет свои достоинства и недостатки.

Для реализации базы знаний в данном курсовом проекте используются продукционная модель. Продукционные модели наряду с фреймами являются наиболее популярными средствами представления знаний. Продукции, с одной стороны, близки к логическим моделям, что позволяет организовать на них эффективные процедуры вывода, а с другой стороны, отражают знания более наглядно, чем классические логические модели.

Продукционные модели имеют, по крайней мере, два недостатка. При большом числе продукций становится сложной проверка непротиворечивости системы правил. Это заставляет при добавлении новых продукций тратить много времени на проверку непротиворечивости полученной системы. Из-за присущей системе недетерминированности (неоднозначного выбора выполняемой продукции из множества активизированных продукций) возникают принципиальные трудности при проверке корректности работы системы.

Свойства продукционных моделей:

• модульность - отдельные продукционные правила могут быть добавлены, удалены или изменены в базу знаний независимо от других; кроме того, модульный принцип разработки (сборки) продукционных систем позволяет автоматизировать их проектирование. Каждое продукционное правило - самостоятельный элемент знаний (локальный источник знаний); отдельные продукционные правила связаны между собой только через поток данных, которые они обрабатывают;

• простота интерпретации - «прозрачная» структура продукционных правил облегчает их смысловую интерпретацию;

• естественность - знания в виде «что делать и когда» являются естественными с точки зрения здравого смысла.