Базы знаний. Их применение для решения экономических задач
Базы знаний – это знания человека, представленные в памяти компьютера в соответствии с какой-либо моделью. Обычно под базами знаний понимают совокупность фактов и правил вывода, допускающих логический вывод и осмысленную обработку информации. Наиболее распространенными моделями в настоящее время являются: деревья выводов (правила, продукции), деревья целей и семантические сети
Чаще всего БЗ используются в экспертных системах, обеспечивающих создание и использование баз знаний экспертов и системах искусственного интеллекта. База знаний здесь предназначена для хранения экспертных знаний о предметной области, коотрые используются при решении задач экспертной системой.
Знания в БЗ можно разделить на алгоритмические и неалгоритмические.
Алгоритмические (процедурные) знания - это алгоритмы (программы, процедуры), вычисляющие функции, выполняющие преобразования, решающие точно определенные конкретные задачи..
Неалгоритмические знания - состоит из объектов, называемых понятиями. Понятие обычно имеет имя, определение, структуру (составные элементы), связано с другими понятиями и входит в какую-то систему понятий. Другие неалгоритмические знания - это связи между понятиями или утверждения о свойствах понятий и связях между ними.
Для создания баз знаний разрабатываются специальные программные средства. Они позволяют обеспечить загрузку, актуализацию, поддержание в достоверном состоянии, расширение базы знаний, формирование, обработку и включение новых знаний, соответствующих текущей ситуации.
Дерево вывода. Создание, использование
Дерево вывода – это множество объединенных правил, отражающих условия выполнения некоторого процесса. Правил представляют собой языковую конструкцию вида:
ЕСЛИ <условие, ct(условия)> , TO <заключение, ct(заключения)> ct(правила), где
Ct(условия), ct(заключения), ct(правила) соответственно коэффициенты определенности условия, заключения и правила. Значение ct, равное 0, указывает на полную неопределенность, а 1 – на полную определенность. В дереве указываются значения в этом диапазоне. Множество правил объединяются в дерево вывода.
В правиле может быть несколько условий, связанных между собой союзами И или ИЛИ. С помощью специальных формул рассчитывается коэффициент определенности для заключения.
Для простого правила, содержащего лишь одно условие, например, ЕСЛИ Е, ТО С, коэффициент определенности для заключения С рассчитывается так:
Ct(C) = ct(E) · ct(правила)
Если в правиле несколько условий, связанных союзом И, то для расчета коэффициента определенности заключения применяется следующая операция:
ЕСЛИ (Е1 и Е2), ТО С:
Ct(C) = min (ct(E1), ct(E2)) · ct(правила).
Для правила, в котором присутствуют несколько условий, связанных союзом ИЛИ применяется операция вида:
ЕСЛИ (Е1 Или Е2), то С:
Се(С) = max(се(У1)б се(У2)) · се(правила)
Пример
Дерево целей. Создание, использование
Представление знаний в виде дерева целей возможно, если известны цель управления и формулы, по которым можно рассчитать уровень достижения каждой подцели. Для каждой подцели устанавливаются приоритеты в виде коэффициентов, означающих степень влияния каждой подцели на достижение цели. Сумма этих коэффициентов равна 1.
Существуют специальные формулы, позволяющие вычислить изменения количественных характеристик подцелей, гарантирующие не обходимое изменение количественных характеристик достижения цели. В случае двух подцелей, количественные характеристики одной из которых надо увеличить, а другой уменьшить, формулы имеют вид:
, где
ΔЦ1 и ΔЦ2 – соответственно искомые изменения количественных характеристик подцелей.
Дерево целей можно продолжить, если указать, из чего в свою очередь состоят подцели. Это позволит рассчитать управляющие воздействия более детального характера.
Пример