«Интеллектуализация поисковых процедур»

При общении человека с предметной областью существует дос­таточно хорошо очерченный круг задач, в которых интеллектуаль­ные технологии наиболее хорошо внедряются и дают прикладной эффект. Это, прежде всего, задачи поиска, контроля, диагностиро­вания, прогнозирования, управления, оптимизации, распознава­ния, восприятия и др.

Задача поиска в своем проявлении достаточно разнообраз­на—это интеллектуальный поиск научно-технической и техноло­гической информации. На стадии проектирования систем — это процедуры полного конструирования, на стадии производст­ва — поиск оптимальных технологических решений, на стадии применения — это поиск наилучших условий функционирования объектов и процессов, а также рутинный поиск данных.

При осуществлении контроля систем (процессов), как и при решении задачи управления возникают вопросы оценки многомер­ной ситуации, необходимость формализации трудно формализуе­мых объектов, экспертной поддержки при принятии решении в конфликтных ситуациях, использования методов нечеткой логики, генетических алгоритмов и нейронных сетей.

Интеллектуализация поисковых процедур

Системы управления знаниями в настоящее время с успехом используются во многих областях применения автоматизирован­ных информационных систем, ориентированных на интеллектуаль­ные методы. С другой стороны, информация современного общест­ва привела к появлению крупнейших информационных банков в различных отраслях научно-технических знаний. Попытки разра­ботки и внедрения многокритериальных систем классификации информации, а также автоматизации информационного поиска, пока не приводят к сколько-нибудь существенным результатам с точки зрения увеличения релевантности и комфортности информа­ционного поиска.

Развитие новых информационных технологий и образования реальной всемирной компьютерной сети настоятельно требует пре­доставления новых возможностей получения актуальной информа­ции и знаний, которые предприятия и физические лица могут ис­пользовать в своей деятельности. Таким образом, возникает про­блема интеллектуального поиска необходимой пользователю науч­но-технической и технологической информации. Решение этих проблем может быть найдено в развитии методологии проектиро­вания систем управления знаниями для информационного поиска.

На современном этапе к числу проблем поиска информации можно отнести следующие:

• при получении пользователем большого объема информации в результате автоматизированного поиска много времени затрачи­вается на ее просмотр и выбор, в то время как даже простой выбор необходимой информации зачастую представляет собой нелегкую проблему;

• выбор информации, осуществляемый человеком, нередко не является рациональным и строго последовательным, что сущест­венно осложняет поиск информации;

• пользователь при поиске информации обычно не строго опре­деляет цель поиска, т. е. использует нечетко определенные поня­тия.

Недостатки существующих систем управления знаниями за­ключаются в том, что при построении с целью поиска персональ­ной модели знаний для организации или пользователя и при по­следующем поиске информации в базе знаний не учитываются от­ношение к знанию пользователя и взаимодействие элементов ин­формации между собой, что ведет к увеличению объема выборки из баз данных.

Процедура проведения поиска информации, необходимой пользователю, предполагает в ходе опроса выявление ключевых по­нятий поиска и их значимости для пользователя.

На увеличение используемости систем управления зна­ниями влияет несколько факторов:

• влияние окружающей среды;

• развитие технологий;

• способность создавать ценную информацию.

Решение проблемы построения систем поиска информации су­щественно облегчается при использовании систем управления зна­ниями.

Недостатки существующих систем управления знаниями в том, что при поиске информации в базе знаний не учитывают отноше­ние к информации пользователя и взаимодействие элементов ин­формации между собой, что ведет к большому объему выборки из баз данных, и расположение документов представляет собой беспо­рядочную структуру, а не последовательность, расположенную по возрастанию степени важности документа.

В связи с этим необходимо составить библиотеку моделей пред­ставления знаний (МПЗ), используемых при построении систем управления знаниями. При этом для формализации описания мо­дели знаний следует использовать универсальную алгебру.

При проектировании баз знаний используют четкое взаимоот­ношение объектов, т.е. традиционную логику, которая подразуме­вает, что символы и управляемые процедуры точно определены. Такой подход облегчает создание систем, основанных на знаниях. Однако указанный подход недостаточен для определения реального мира (предметной области), в котором часто возникает неопреде­ленность отклонений между объектами. В отличие от традицион­ной логики нечеткая логика обладает способностью обрабатывать неопределенность и приблизительные рассуждения.

Модель многокритериального выбора в условиях неопределенности. При решении задач поискового конструирования конструктор име­ет дело с формально неопределенными связями, неметрическими признаками, качественными критериями, а зачастую и с нефор­мальным описанием требований технического задания (ТЗ). Нали­чие в таких задачах подобного рода неопределенностей ведет к не­обходимости их формального учета и в проектных критериях.

Если поиск рационального проектно-конструкторского реше­ния (ПКР) ведется в условиях неопределенности, то нет смысла точно фиксировать окончательную цель. В соответствии с этим, формальное описание цели ТЗ, параметров разрешаемой проблем­ной ситуации, а также значений качественных факторов, выражае­мых в терминах цели, можно представить в виде нечетко опреде­ленных предпочтений. Например:

Ремонтопригодность — «НЕ ОЧЕНЬ ВЫСОКАЯ»,

Технологичность — «НИЗКАЯ».

С целью формализации процедур выбора, связанных с неколи­чественными измерениями на базе нечетких множеств, ис­пользуются специальные функции принадлежности и на их основе вводятся лингвистические переменные, которые в наиболее естест­венной для конструктора форме отражают особенности его нефор­мальных предпочтений ив то же время являются точными операн­дами для расчета на ЭВМ.

Применение лингвистических переменных для описания нефор­мальных элементов, встречающихся в процессе решения проектно-конструкторской задачи (ПКЗ), обусловлено еще и тем, что раз­мытость (расплывчатость) свойственна самой сущности процессов восприятия, воспроизведения и переработки информации челове­ком-конструктором. Конструктору легче формулировать свое мне­ние расплывчато, и нечеткая оценка в большинстве случаев оказы­вается более адекватной реальной действительности, чем четкая.

Если требуется найти решение, экстремизирующее все частные критерии (составляющие многокомпонентного ТЗ), то необходимо рассматривать векторный критерий оптимальности. Как известно, точная оптимизация векторного функционала недостижима. Единственным объективным фактором, характеризующим пробле­му векторной оптимизации (в рамках того субъективизма, который связан с выбором самих локальных критериев), является наличие области Парето в пространстве критериев и существование паре­то-оптимальных решений. Область Парето (область компромиссов) ограничивает возможный выбор проектных решений. Для выбора ПКР из множества парето-оптимальных решений необходим ввод в рассмотрение дополнительных критериев.

В настоящее время основными группами методов при решении задач векторной оптимизации являются:

• оптимизация последовательности скалярных (локальных, ча­стных) критериев при введении приоритетов и назначении после­довательных уступок;

• оптимизация в целях выделения ларето-оптимальных решений;

• оптимизация, в смысле близости решения к некоторому иде­альному значению;

• оптимизация на основе компромиссных соотношений, на­пример путем введения весовых коэффициентов или использова­ния пороговой оптимизации.

Эти группы методов различаются степенью дополнительной информации, которую необходимо получить от конструктора для проведения оптимизации, а также сложностью вычислительных процедур, предназначенных для обработки этой информации.

Типовая последовательность расчетных процедур многокрите­риального выбора представляется в следующем виде:

1. Устанавливается ранг модели.

2. Исходя из опыта прошлого и среднестатистических представ­лений лиц, принимающих решения, устанавливаются приемлемые значения функций принадлежности и формируется структур­ное содержание лингвистических переменных.

3. Определяются весовые коэффициенты частных критериев.

4. Формируется матрица многокритериального выбора.

5. Производится линейное преобразование частных критериев, имеющих количественный характер.

6. Определяются нормированные рассогласования j-й хараристики i-ro варианта с требованиями ТЗ.

7. Определяются суммарные взвешенные потери.

8. После ряда преобразований получим для Vi (i= l,...,m) опре­деление уровня относительной неопределенности Д.

9. Согласно методике, выделяется множество эффективных ПКР. Дальнейший выбор рационального ПКР производится на осно­ве праксеологического анализа структуры дополнительных крите­риев.