Глава 6. Эволюционные аналогии в искусственных

интеллектуальных системах………………………….. 260

6.1. Генетические алгоритмы 263

1. Простой генетический алгоритм 270

2. Разновидности генетических алгоритмов 276

3. Примеры практического применения генетических алгоритмов………………………………….... 281

4. Краткий обзор программных средств 287

6.2. Методы эволюционного программирования 292

1. Генетическое программирование 292

2. Эволюционное программирование 298

3. Эволюционные стратегии 300

Литература 302

Контрольные вопросы и задания 304

Глава 7. Интеллектуальные мультиагентные системы 306

7.1Основные понятия теории агентов……………….. 307

Характеристики интеллектуальных агентов………… 308

Архитектуры мультиагентных систем……………….. 310

7.2. Коллективное поведение агентов………………... 312

7.2.1. Способы и причины взаимодействия между

агентами………………………………………………… 313

7.2.2.Моделирование взаимодействия в мультиагентных

системах………………………………………………… 315

7.2.3.Координация поведения агентов

в мультиагентной системе…………………………….. 318

7.3. Примеры мультиагентных систем……………….. 321

Координация поведения на основе модели

аукциона ……………………………………………….. 321

Мультиагентная система для поддержки процессов принятия решений на предприятии…………… 325

7.4. Технологии проектирования мультиагентных

систем………………………………………………….. 328

Инструментальные средства для построения мультиагентных систем……………………………………. 330

Мультиагентные системы для поиска информации... 332

7.5. Перспективы мультиагентных технологий…….. 335

Литература…………………………………………….. 336

Контрольные вопросы и задания…………………….. 338

Глава 8, Интеллектуальные методы проектирования

сложных систем……………………………………… 340

Проблемы проектирования и реинжиниринга экономических систем…………………………………….. 341

Системный подход к проектированию сложных систем 344

Программные средства для поддержки процессов реинжиниринга…………………………………………………. 354

Подход к коллективному выбору решений при проектировании экономических систем………………………. 357

Разрешение конфликтов при коллективном выборе решений 373

Эволюционный синтез систем и объектов………………. 378

Логический подход к синтезу сценариев

развития сложных систем…………………………………. 393

Литература………………………………………………….. 415

Контрольные вопросы и задания………………………….. 417

Предметный указатель……………………………………... 419

Предисловие

Воснове любой организованной деятельности лежит инфор­мация. Основоположник кибернетики Норберт Винер определилэто понятие так: «Информация есть информация, не материя и не энергия». Следствием нематериальной природы информации является возможность ее неограниченного тиражирования, кото­рая означает неисчерпаемость информационных ресурсов и сви­детельствует об их принципиальном отличии от ресурсов мате­риальных. Отличительное свойство информационных ресурсов — их универсальность, так как они необходимы в любой сфере че­ловеческой деятельности.

Информационные процессы имеют место в живой и неживой природе. Для человеческого общества характерно стремление к познанию и преобразованию окружающего мира путем приобре­тения информации, ее хранения, передачи, обработки и исполь­зования. В течение многих веков люди добывают, обрабатывают и используют материальные и энергетические ресурсы. Они со­здали для этих целей мощное оборудование и эффективные тех­нологии. То же можно сказать об информации: на протяжении своей истории человечество накапливало знания, полученные из наблюдений и опыта, пыталось сохранить их и передать последу­ющим поколениям, делало верные и неверные выводы из сово­купности доступных знаний и было неудержимо в попытках при­менения полученных знаний на практике. В результате этой дея­тельности человеку удалось существенно изменить лицо нашей планеты. Остается только удивляться тому, что только в XX веке люди создали эффективный инструмент для обработки инфор­мации — компьютер. Однако с момента его появления развитие новых технологий обработки информации было настолько стре­мительным, как будто эти полвека измерялись в другой шкале времени.

Традиционно считается, что естественные и технические на­уки ориентированы на созидание благ, в то время как гуманитар-

11

ные науки связаны с распределением различного рода ресурсов, в том числе затрат и доходов. Задачи созидания чаще всего не мо­гут быть решены без привлечения материальных, энергетических и информационных ресурсов. В гуманитарных исследованиях информация является определяющим, а иногда единственным и достаточным видом требуемых ресурсов, поэтому специалистам в области экономики и управления необходимо иметь глубокие знания о технологиях ее обработки. В естественных и техничес­ких науках значительную часть изучаемых закономерностей можно проверить экспериментально и описать на количествен­ном уровне с помощью детерминированных или стохастических моделей. В гуманитарных науках, таких, как экономика, социо­логия, социальная психология, политология и другие, эксперимент, как правило, невозможен, а описание области исследова­ния представлено наборами фактов, гипотез, правил и законо­мерностей, сформулированных на качественном уровне.

В соответствии с классификацией проблем, предложенной Г. Саймоном, задачи, описанные количественными и качествен­ными признаками с преобладанием последних, относятся к слабо­структурированным проблемам. Современный подход к решению таких проблем базируется на методах искусственного интеллекта.

Настоящая книга посвящена интеллектуальным информаци­онным системам, т. е. вопросам организации, проектирования, разработки и применения систем, предназначенных для обработ­ки информации, базирующихся на применении методов искусст­венного интеллекта. Поскольку в сферу приложений искусствен­ного интеллекта вошли практически все направления современ­ной информатики, мы не ставили перед собой цели «объять не­объятное», а включили в учебник разделы, содержащие описание традиционных моделей и технологий создания интеллектуаль­ных систем, а также новых перспективных подходов к решению проблем, возникающих в области искусственного интеллекта. При написании книги мы видели свою цель в том, чтобы позна­комить читателя с принципами создания и функционирования интеллектуальных информационных систем. Практический опыт показывает, что люди, не знакомые с этими принципами, испытывают большие трудности, выступая в роли пользователей интеллектуального программного обеспечения.

В главе 1 приведены краткий обзор приложений искусствен­ного интеллекта, общая характеристика интеллектуальных ин-

12

формационных систем, а также основные понятия и определе­ния, которые используются в книге.

Глава 2 посвящена описанию классических моделей представ­ления знаний средствами логики высказываний и логики преди­катов, правилами продукций, имеющих вид «ЕСЛИ А, ТО В», ие­рархиями фреймов и семантическими сетями. Здесь также рас­смотрены основы компьютерной обработки знаний, представлен­ных различными средствами, знакомство с которыми необходимо как разработчикам интеллектуальных систем, так и пользовате­лям. Приведены примеры разработки интеллектуальных инфор­мационных систем с применением описанных моделей.

В главе 3 описаны виды нечеткости знаний, а также способы их устранения или учета в интеллектуальных информационных системах. Неоднозначность, ненадежность, неточность, непол­нота знаний и другие, так называемые НЕ-факторы вызвали по­явление нового направления искусственного интеллекта — мягких вычислений, а также послужили отправной точкой для создания различных направлений нетрадиционной логики. Раз­работанные в этой области средства не только получили широ­кое распространение в виде программного обеспечения для ин­теллектуальной обработки информации, но нашли применение в сфере нечеткого управления техническими объектами, в част­ности автомобилями, бытовой техникой и т. д. В разд. 3.5 рассмотрен пример использования интеллектуальной системы с нечетким выводом для оценки и прогнозирования состояния малого предприятия.

Глава 4 содержит сведения о методах и средствах приобрете­ния знаний, которые закладываются в интеллектуальные инфор­мационные системы. Проблемы приобретения знаний имеют ме­сто на стадиях проектирования, разработки и эксплуатации про­граммного обеспечения, поэтому для их решения применяются различные подходы. Методы приобретения знаний, используе­мые на стадии проектирования системы, ориентированы на получение необходимой информации от экспертов, проверку элементов этой информации на непротиворечивость и тесно свя­заны с проблемами ее представления и обработки. На стадии раз­работки интеллектуальной системы рассматриваются вопросы добавления новой информации в базу знаний, организации ее взаимодействия с внешними информационными источниками и реализации возможностей самообучения. Эксплуатация интел-

13

лектуальных систем требует поддержания баз знаний и данных в непротиворечивом и актуальном состоянии. Для решения этой задачи необходимы подготовленные пользователи (инженеры по знаниям), владеющие компьютерными технологиями извлече­ния, добавления, согласования и интерпретации знаний.

Известно, что только небольшую часть своих знаний человек может точно сформулировать вербальным или формальным спо­собом. Обширная область интуитивных знаний специалистов, ко­торые необходимы для успешной работы интеллектуальных сис­тем, остается недоступной из-за отсутствия средств их извлечения" и представления. Неуловимый характер человеческих знаний и их постоянное развитие помешали сторонникам «нисходящего ме­тода» в области искусственного интеллекта удержать в своих руках пальму первенства. «Нисходящий метод» соответствует дедуктив­ному подходу, в рамках которого на этапе становления искусст­венного интеллекта разрабатывались программы, способные ре­шать сложные задачи на основе логической обработки содержа­щихся в них знаний. Примерами таких программ являются знаме­нитый «Логик-Теоретик» и GPS — универсальный решатель задач. В их разработке участвовали известные ученые А. Ньюэлл, А. Тьюринг, К. Шеннон, Г. Саймон, Дж. Шоу и др.

«Восходящий метод» развивался в работах Дж. Маккалоха, У. Питтса, Ф. Розенблата и др., посвященных созданию самоор­ганизующихся систем и «самообучающихся машин». Эти ученые опирались на идею Н. Винера об обратной связи, благодаря кото­рой все живое приспосабливается к окружающей среде и добива­ется своих целей. Так возникло направление, связанное с разра­боткой нейронных сетей, которое, не успев твердо встать на но­ги, было подвергнуто суровой критике оппонентов из противо­положного лагеря (М. Минский и С. Пейперт) и какое-то время считалось неперспективным. Однако стремительное развитие аппаратных компьютерных средств и не оправдавшиеся надежды на возможности экспертных систем с дедуктивными выводами стали причиной второго рождения нейросетевых технологий в 1980-х гг. Сегодня модели нейронных сетей активно разрабатыва­ются и применяются для решения задач прогнозирования, рас­познавания, извлечения знаний из хранилищ данных. Этим во­просам посвящена глава 5.