Обзор структур данных

1. Массив – это упорядоченная совокупность данных одного типа.

2. Структура – последовательность совокупных данных различных типов.

3. Список – поименованная совокупность данных – переменных одного типа (извлечь из списка, добавить в список).

1

2

…

n-1

n

-Output

-Input

4. Очередь – упорядоченная совокупность одного типа элементов, только с добавлением в конце очереди и извлечения элементов из начала очереди.

I nset

DEL

5. Стек – упорядоченный список, в одном конце которого элементы добавляются и изымаются из него.

Input

Output

6. Граф – содержит как узлы, так и дуги, причем каждая дуга направлена от одного узла к другому.

Организуется переменными типа «указатель». Различают направленные и ненаправленные.

П ример:

Подвид: Сеть – это направленный или ненаправленный граф, где любой элемент может быть соединен с любым другим элементом.

Дерево – направленный граф, обладающий следующими свойствами:

1.Только один узел не имеет дуг, входящих в него, он называется корневым.

2. В каждый узел входит не более одной дуги.

3. В каждый узел можно попасть из корневого узла за несколько шагов.

7. Множество – совокупность элементов одно типа.

ЛЕКЦИЯ 5 МЕТОДИКА РЕШЕНИЯ ФОРМАЛИЗУЕМЫХ И НЕФОРМАЛИЗУЕМЫХ ЗАДАЧ ПРИНЯТИЯ РЕШЕНИЯ. ОСНОВНЫЕ МЕТОДЫ ОПТИМИЗАЦИИ

Применение пэвм при работе фирм, учреждений и предприятий

Организация автомата рабочего места (АРМ), По для решения функциональных задач работников фирмы имеют различные задачи и требуют решения в различных формах, потому существует много видов АРМ.

Например, АРМ руководителя, бухгалтера, делопроизводителя, работника отдела кадров и т.д.

Все эти РАМ имеют общие свойства, но есть и различия.

Арм поддержки и принятия решения

Этапы управления:

Управление – этап достижения человеком или группой лиц некоторой цели управления f, при наличии определенной информации.

Количество и качество управления определяется специальными требованиями и зависит от источников информации.

Целевая функция – критерий эффективности управления, математически выражает цели управления, которые позволяют оценить степень достижения этой цели.

Процесс управления записан в виде алгоритма, зависит от информации и целей управления.

Общая схема управления

1) Осуществляется сбор информации, предварительная обработка информации, отслеживание новизны, достоверности, полноты и других свойств информации.

2) Выбирается цель и критерии эффективности управления.

Виды критериев различны:

- скалярные (однокритериальные)

- векторные (многокритериальные, критерии равновесны)

- статические (не зависят от времени)

- детерминированные (с каким-то определенным фактором)

- случайные (с неопределенным фактором)

Ф= F (X, Q, R, S, V, t)

X – стратегия пути управления

Q – статические факторы, параметры управления

R – динамическая функция управления

S – детерминированная ФУ

V – неопределенная ФУ

t – время

Функции:

1. принятие решения руководителем

2. Прослеживание выполнения решения

3. Оценка эффективности решения

4. Корректировка решения

5. Учет опыта

Источники хранения: внутренние и внешние (вне фирмы). Опреденления БД и БнД, а также архитектура БнД дана в лекции2

Методика решения в формализуемых задачах принятия решения.

Формализуемые решения принимаются на основе математических методов по соответствующим алгоритмам.

Составные части, которые требуются для того, чтобы принять решение:

- Математическая модель объекта или процесса управления;

- Информация, необходимая для решения этой задачи;

- Алгоритм решения задачи на компьютере.

Постановка задачи.

Целевая функция: , где -искомые переменные.

Ограничения – установление некоторой зависимости между искомыми переменными:

где ;

Граничные условия:

Требования для решения задачи:

Непременным условием является n>m.

Этапы принятия решения для формализуемой задачи.

2. Постановка задачи.

3. Построение математической модели оптимизации принятия решения.

4. Сбор исходной информации (избегая избыточности информации).

5. Решение задачи.

6. Анализ предложенных решений.

7. Принятие оптимального решения (конечное слово за руководителем).

8. Графическое представление результатов анализа и решения.

Основные методы оптимизации.

1. Линейное и динамическое программирование. (Задача распределения ресурсов)

2. Задача теории массового обслуживания. (Задачи со случайным поступлением событий).

3. Имитационное моделирование. (Задача, где реальный эксперимент заменяется имитационной моделью).

4. Статистическое моделирование. (Результат получается методами математической статистики из большого числа расчетов и с большим количеством фактов).

5. Теория управления Марковскими процессами. (Задачи со случайными неконтролируемыми факторами).

6. Теория игр. ( Состязательные задачи в условиях неопределенности).

7. Теория расписания. (Задача календарного упорядочивания работ).

8. Сетевое планирование и управление. (Задача с неопределенной оценкой времени различных видов работ).

9. Векторная оптимизация. (Многокритериальная задача).

10. Теория распознавания образов.

Методика решения неформализуемых задач.

Неформализуемые задачи и решения не имеют математических моделей и математических методов решения. Они основаны на здравом смысле, опыте и интуиции руководителя.

Экспертные оценки ситуации (экспертные системы) – программы, обладающие свойствами искусственного интеллекта. Разработаны в конце 60-х годов, в Стенфордском университете США под руководством Фейнбаума.

Экспертная система – это информационная система, построенная на знаниях экспертов, т.е. специалистов в определенной области, и предназначенная для поддержки решения неформализуемых задач пользователей.

Экспертные системы создаются для решения задач со следующими характеристиками:

- Отсутствие математической модели задачи и математических методов решения

- Большой объем пространства (исходных данных, переменных и т.д.)

- Наличие шума в исходных данных (ошибки, избыточность или недостаточность информации)

- Наличие квалифицированных экспертов

- Возможность структуризации (формализации знаний в предметной области)

Архитектура экспертной системы рассматривается в ЛЕКЦИИ7

В состав ЭС входят эксперты, пользователи, Специалисты ЭС, База знаний (БЗ), Системы управления БЗ, системы поиска решений (СПР), Система объясняющая выбор решения (СОВР)

Для формализации знаний в БЗ используются следующие структуры:

- понятия (математические и нематематические)

- факты (объекты, явления, ситуации)

- правила (зависимости, закономерности, связи)

- процедуры (алгоритмы – основа построения модели представления знаний в БЗ).

ЛЕКЦИЯ 6 МОДЕЛИ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ МОДЕЛИ ФОРМАЛЬНОЙ ЛОГИКИ . ПРОДУКЦИОННЫЕ МОДЕЛИ. ФРЕЙМОВЫЕ МОДЕЛИ. МОДЕЛИ НЕЧЕТКОЙ ЛОГИКИ

Модели представления знаний, поддерживаемых экспертными системами.

В соответствии со структурами формализованных знаний в БЗ применяются следующие модели представления знаний:

1. Модели формальной логики

2. Продукционные модели

3. Фреймовые модели

4. Модели нечеткой логики

Модели формальной логики используют основные элементарные функции логики: дизъюнкция, конъюнкция, инверсия, импликация.

База знаний представляет собой цепочки логических функций, которые позволяют получить выводы по имеющимся исходным данным.

Продукционные модели представляют собой набор фактов (Ф), соединенных правилами (продукциями П).

Фрагмент продукционной модели знаний

Правила являются неизменной частью модели, факты могут меняться. Правила связывают факты условиями: если имеет место факт Ф1, то наступает Ф3 и т.п. Такие цепочки рассуждений приводят к требуемым выводам.

Фреймовые модели наиболее популярны в последнее время в некоторых предметных областях. Фрейм – это минимальная структура информации о факте в БЗ. Каждый фрейм содержит информацию о факте и условии существования факта, причем фрейм может быть условием существования другого фрейма (УСФ). Т.о. группа фреймов образует семантическую (смысловую) цепочку, которая позволяет сделать необходимый вывод.

Фрагмент фреймовой модели

Модели нечеткой логики отличаются от математических моделей тем, что кроме высказывания «истина-ложь» в них используются также «много», «мало», «часто», «редко», «около 90», «приблизительно 250», «не менее 5», «более 1000», «в диапазоне от n до m» и др.

Определение истинности во входных данных во многом зависит от человека. Также как в формальной логике, используются свои логические функции, позволяющие учесть в выводе неопределенности входной информации. Нечеткая логика позволяет дать приближенное суждение, основанное на неточных исходных данных. В последние годы ведутся работы по исследованию новых моделей БЗ с использованием искусственного интеллекта.

ЛЕКЦИЯ 7 ЭКСПЕРТНЫЕ СИСТЕМЫ(ЭС). АРХИТЕКТУРА ЭС. ИНТЕРФЕЙСЫ ЭС. МЕТОДИКИ ПРИМЕНЕНИЯ ЭС. ПРИМЕРЫ

Экспертные оценки ситуации (экспертные системы) – программы, обладающие свойствами искусственного интеллекта. Разработаны в конце 60-х годов, в Стенфордском университете США под руководством Фейнбаума.

Экспертная система – это информационная система, построенная на знаниях экспертов, т.е. специалистов в определенной области, и предназначенная для поддержки решения неформализуемых задач пользователей.

Экспертные системы создаются для решения задач со следующими характеристиками:

- Отсутствие математической модели задачи и математических методов решения

- Большой объем пространства (исходных данных, переменных и т.д.)

- Наличие шума в исходных данных (ошибки, избыточность или недостаточность информации)

- Наличие квалифицированных экспертов

- Возможность структуризации (формализации знаний в предметной области)

Архитектура экспертной системы

П – пользователь

Э – эксперт

СЭС – специалисты экспертной системы, которые работают совместно с экспертами

БЗ - База Знаний – совокупность структурированных знаний о предметной области, организованная так, чтобы на основе этих знаний с помощью программ экспертной системы можно было делать рассуждения, находить решения или объяснять выбор того или иного решения

СУБЗ – система управления БЗ - совокупность языковых и программных средств для создания и ведения баз знаний

СПР – система поиска решений – комплекс программ, позволяющий на основе БЗ с помощью количественных, математических, логических, эвристических методов дать пользователю рекомендацию по выбору решения

СОВР – система, объясняющая выбор решения – комплекс программ, поясняющих пользователю, почему СПР выбрала то или иное решение

Для формализации знаний в БЗ используются следующие структуры:

- понятия (математические и нематематические)

- факты (объекты, явления, ситуации)

- правила (зависимости, закономерности, связи)

- процедуры (алгоритмы – основа построения модели представления знаний в БЗ).

Интерфейсы экспертной системы.

Интерфейсы экспертной системы предназначены для работы в различных областях и делятся на :

-пользовательские

-СЭС и экспертов

-коммуникационные

Пользовательские интерфейсы

1. Взаимодействие с системой по принципу меню

2. Графический, построен на использовании условных изображений некоторых объектов на экране

3. Многооконный, возможность одновременно работать с разнородной информацией

4. Генератор отчетов, позволяет выбрать нужную информацию, форму исходных и выходных данных из определенного выбора форм

5. Диалог пользователя с системой на естественном языке. Естественный проблемно-ориентированный подход

Интерфейсы специалистов по экспертным системам и экспертов

1. Все интерфейсы пользователей

2. Языки программирования высокого уровня (Basic, Pascal, C++, Cobol и др.)

3. Языки описания знаний и представления в сфере БЗ (языки ИИ). В зависимости от модели БЗ используются LISP, PROLOG, PS, FRL.

Коммуникационные интерфейсы

Обеспечивают экспорт/импорт данных из экспертной системы в другие прикладные информационные системы и компьютерные сети.

Данные о языках

LISP - язык, где данные и программы представлены в виде взаимосвязанных списков. Позволяет реализовывать большое количество несложных экспертных систем. Начиная с первых ЭС и до настоящего времени, применяется в половине мировых разработок экспертных систем.

PROLOG - логический язык программирования, поддерживающий модели в БЗ на основе формальной логики. Объявлен одним из основных языков искусственного интеллекта. В Японии считается основным при разработке ЭВМ 5-го поколения.

PS - язык поддерживающий БЗ на основе продукционных моделей.

FRL - язык, поддерживающий БЗ на основе фреймовых моделей.

Методика применения экспертной системы.

Методика решения задач управления с помощью экспертной системы делится на этапы:

1. Ввод в ЭС исходных данных по данной задаче, известных руководителю, и формулировка самой задачи.

2. Выбор системы модели представления данных, оптимального метода решения задачи и представление их руководителю.

3. Оценка руководителем предложений ЭС, утверждение, внесение корректив, осуществляется диалог уточнения данных и самой задачи между руководителем и экспертной системой.

4. После принятия решения экспертная система выдает рекомендации по принятию решения и пояснения своего выбора.

5. Руководитель, проанализировав предложенное решение, может

А) принять его

Б) продолжить уточнять решение путем диалога с экспертной системой

В) завершить работу, если есть отказ выдачи решения или неприемлемость решения.

Примеры основных известных экспертных систем.

EMYCIN – ЭС, ориентированная на решение коммерческих задач с использованием продукционной модели знаний.

GURU – ЭС, ориентированная на широкий класс задач с использованием продукционной модели знаний, а также дедуктивных, эвристических, и других методов поиска решений.

Gold Works – ЭС, ориентированная на широкий класс задач с использованием и фреймовых и продукционной моделей.

ЭС фирмы Inference (США) – используется для определения кредитоспособности клиента для получение кредитных карт (США, Европа, некоторые азиатские страны).

ДЭС – диагностическая экспертная система оценки кредитоспособности заемщика (Беларусь).

Бизнес прогноз – ориентирован на работу бизнесменов, позволяет получать рекомендации по вопросам работы средних, мелких фирм, различных форм собственности.

Для удобства существуют также «пустые» системы, где зафиксированы модель представления знаний и методы поиска решений.

Виды оболочек экспертной системы

-родовые

-каркасные

-инструментальные

ЛЕКЦИЯ 8 СОЗДАНИЕ БАЗ ДАННЫХ НА MS ACCESS.ТИПЫ ДАННЫХ MS ACCESS. ВИДЫ ЗАПРОСОВ. КРИТЕРИИ ПОИСКА, ГРУППИРОВКИ, СОРТИРОВКИ

MS Access

В MS Access и используются реляционные таблицы. Табли́ца (table) — (в реляционной модели данных) структура хранения данных, состоящая из строк и столбцов и обладающая следующими свойствами:

• значения, находящиеся в одном столбце таблицы имеют один тип данных;

• атомарность: ячейки не содержат структур данных, например массивов;

• таблицы не содержат одинаковых строк.

Понятие таблицы актуально также для постреляционной модели данных, при этом в приведенном выше определении снимается ограничение 2 (атомарность).

Слово «таблица» является неформальным синонимом термина «отношение» (англ. relation). Аналогично, «строка» таблицы — это кортеж, «тип данных» — домен, «столбец» — атрибут.

Структура таблицы (макет) – описание столбцов.