- •Л.Р. Черняховская
- •Объектно-ориентированное моделирование систем искусственного интеллекта
- •Учебное пособие
- •По дисциплине “Технология объектно-ориентированного моделирования”
- •Список принятых сокращений
- •Введение
- •1. Основные принципы объектно-ориентированного моделирования систем искусственного интеллекта.
- •1.1. Основные характеристики систем искусственного интеллекта
- •1.2. Принципы объектно-ориентированного анализа и проектирования
- •1.3. Методология Rational Unified Process
- •1.4. Особенности объектно-ориентированного анализа и проектирования систем искусственного интеллекта
- •1.5. Описание программных средств, реализующих нотацию Unified Modeling Language
- •2. Моделирование требований к информационной системе. Диаграмма требований
- •2.1. Анализ требований к разрабатываемой информационной системе
- •2.2. Создание прецедентов на диаграмме использования системы (
- •2.3. Разработка диаграммы Вариантов Использования в Rational Rose
- •2.4 Анализ требования в Requisite Pro
- •3. Диаграммы классов
- •3.1. Определение объектов и классов предметной области
- •3.6. Определение отношений
- •3.2. Построение концептуальной модели
- •3.3. Операции и методы
- •Организация системы классов, используя наследование
- •4. Моделирование динамики поведения сппр.
- •4.1. Представление конечных автоматов. Диаграмма активности. Диаграмма состояний.
- •Состояния синхронизации.
- •Диаграмма состояний и переходов. Пример диаграммы: описание работы телефона.
- •4.2. Диаграммы деятельности (activity diagrams).
- •4.3. Диаграмма последовательности действий. Диаграммы кооперации
- •Диаграмма последовательности взаимодействия объектов. Описание времени жизни объектов.
- •Диаграмма кооперации объектов.
- •Диаграмма кооперации объектов. Взаимодействие активных объектов и их синхронизация.
- •5. Диаграммы компонентов и развертывания
- •5.1. Диаграммы компонентов
- •5.2. Диаграмма развертывания
- •Разработка Web - приложений с использованием uml
- •6. Проектирование баз данных с использованием uml Обзор возможностей современных субд
- •7. Примеры использования uml для построения исппр
- •Лекция 11. Uml-модели систем реального времени
- •14.2. Модели структуры информационной системы поддержки принятия решений
- •2.6. Модели динамики процесса управления в проблемных ситуациях
- •2.5. Модели динамики процесса управления в проблемных ситуациях
- •Список литературы
- •Приложение
- •6.2. Возможности jade
- •6.3. Прототип реализации агентной системы кспдо
- •Рис 12.Диаграмма взаимодействия классов Агента обучения с контролером, диспетчером и сервером агентов.
- •Рис 14. Диаграмма обмена сообщениями между агентами поиска, обучения, сообщений, mail.
1. Основные принципы объектно-ориентированного моделирования систем искусственного интеллекта.
1.1. Основные характеристики систем искусственного интеллекта
Начиная примерно с 80-х годов XX века, идеи, относимые традиционно к области искусственного интеллекта, начинают использоваться в прикладных информационных системах. Искусственный интеллект - «раздел информатики, включающий разработку методов моделирования и воспроизведения с помощью ЭВМ отдельных функций творческой деятельности человека, решение проблемы представления знаний в ЭВМ и построение баз знаний, создание экспертных систем, разработку т.н. интеллектуальных роботов» [Д2].
Искусственный интеллект – область компьютерной науки, занимающаяся автоматизацией разумного поведения [6].
Основные направления исследований в области искусственного интеллекта:
экспертные системы (Expert Systems) или системы, основанные на знаниях (Knowledge-Based Systems);
искусственные нейронные сети (Artificial Neural Networks);
естественно - языковые системы;
системы с нечеткой логикой (Fuzzy Logic);
интеллектуальный анализ данных (Data Mining);
генетические алгоритмы и эволюционное программирование (Genetic Algorithms).
Развитие современных приложений систем искусственного интеллекта идет по пути интеграции интеллектуальных компонентов в информационные системы.
При реализации интеллектуальных функций непременно присутствует информация, называемая знаниями. Знания (knowledge) [5] - вид информации (подобно программам и данным), хранимой в базах знаний и отражающей знания человека-специалиста (эксперта) в определенной предметной области; множество всех текущих ситуаций в объектах данного типа и способы перехода от одного описания объекта к другому. Для знаний характерна внутренняя интерпретируемость, структурируемость, связность и активность.
В английском языке слово «knowledge» означает не только «знание», но еще и «умение». В системах, основанных на знаниях, умение представлено процедурной информацией, для которой характерно прежде всего исполнение, в то время как данные хранятся и пересматриваются, а знания преобразовываются и применяются [Д1]. При этом, в отличие от данных, знания могут иметь не только информационную часть, но и описательную для эффективной актуализации знания, и, кроме того, в качестве информационных единиц знания могут выступать встроенные процедуры, что придает знаниям активность, их первичность по отношению к процедурам [Д1].
Классификация знаний по признаку их использования в системах искусственного интеллекта:
Предметные знания – знания о конкретной предметной области. В рассматриваемой проблеме это знания, описывающие множество возможных критических ситуаций в объектах конкретного типа и процессы управления в критических ситуациях [2].
Универсальные знания – знания, обобщающие предметные знания на абстрактном уровне, позволяющие выразить общие свойства объектов предметной области.
Метазнания – «знания о знаниях», позволяющие управлять обработкой предметных и абстрактных знаний, а также знания о деятельности, направленной на получение новых знаний. Это информация о знаниях, хранящихся в базах знаний систем искусственного интеллекта: что они означают, как взаимосвязаны и как их отыскать. Метазнания позволяют также выявить ошибки в процессе представления знаний.
Понятие «управление знаниями» охватывает процессы формализованного управления информационными ресурсами, облегчающего доступ к накопленным на предприятии знаниям и их многократное использование, которые обычно реализуются с помощью передовых информационных технологий. Формализация заключается в классификации и сортировке имеющихся сведений в соответствии с заранее определенными, но допускающими развитие общими принципами и последующим их представлением в виде структурированных или частично структурированных баз данных и знаний [].
При определении модели информационной системы за основу было взято понятие алгебраической системы [1], которая объединяет в себе совокупность абстрактных объектов, отношений между ними и систему операций T, задаваемых на основном множестве MA = <A, R, T>. В данной дисциплине системный подход к моделированию, учитывающий свойства элементов и отношений, опирается на определение системы, предложенное в А. И Умновым в [1], данное через понятия “вещи”, “свойства”, “отношения”:
S [{ai}&{rj(qj)}],
aiA, rjR, qjQR,
Sdef [{ai(qi)}&{rj}],
aiA, qiQA, rjR,
где ai – элементы (вещи); rj - отношения между элементами; qj – атрибуты отношений; qi – свойства элементов.
В соответствии с этим определением системы принята общая методика анализа предметной области (ПО). Вначале выделяется множество значимых сущностей из этой области; данное множество называется областью интерпретации. На следующем этапе определяется, какие функции над элементами области интерпретации представляются важными. Затем идентифицируются значимые отношения, которые существуют между элементами области интерпретации. В заключение значимые отношения оформляются синтаксически, то есть при помощи аксиом. Таким образом, знаниями являются описания отношений между абстрагированными понятиями и сущностями, являющимися конкретными объектами предметной области.
Системный подход предполагает определенную последовательность этапов проектирования информационной системы: анализ предметной области и определение требований к ИС; выбор принципа построения ИС и постановку задачи на проектирование, разработку комплекса моделей исследуемой системы; экспериментальную проверку результатов и разработку рекомендаций по внедрению. Комплекс моделей должен включать модели структуры, модели динамики поведения, модели реализации системы, решение проблемы уменьшения вероятности ошибок функционирования путем тестирования модели и коррекции ошибок.