Модели решения функциональных и вычислительных задач

Рисунок 2. 
 

    Усложняя  семантическую сеть, формализуем  знания из следующей фразы: «ОАО НЛМК поставил для АО «Автоваз» сталь 08Ю. Графически эти знания можно  изобразить в виде сети на рисунке 3. 

 
 
 
 
 
 
 

Рисунок 3. 
 
 
 

 
 
 
 
 

Рисунок 4. 
 
 

    Построим  семантическую сеть, формализующую  знания о местонахождении АО «Автоваз»  на рисунке 4, и используя аналогичные знания об ОАО НЛМК рисунок 1, дополним ими семантическую сеть (рисунок 5). Полученная  на рисунке 5  семантическая сеть содержит два двухместных предиката Находится (.,.) и один трехместный предикат Поставка (.,.,.). Теперь рассмотрим, как выполняется вывод на семантической сети на примере получения ответа на вопрос «Где находится АО Автоваз? 
 
 
 
 
 

 

 

 
 
 
 
 
 

 

                                                

                                               Рисунок 5.                                             Рисунок 6. 
 
 
 

    Указанный вопрос поставим в виде подсети (рисунок 6) и начнем сопоставлять с подсетями семантической сети на рисунке 5. Такая подсеть существует, и элемент «Где?» на рисунке 6 замещается элементом «Тольятти». Аналогичным образом можно получить ответ на вопрос: «Где находится ОАО НЛМК?». Основное достоинство семантической сети – это универсальность и удобство представления как декларативных, так и процедурных знаний. Имеют место и два недостатка:

    1. Громоздкость и сложность построения  и изменения большой сети.

    2. Потребность в значительном количестве  и разнообразии процедур обработки, связанная с различными типами дуг и вершин. 
 
 
 
 

 

9. Фреймы 

    Несмотря  на большие возможности, семантическим  сетям присущи неоднозначность  представления знаний и неоднородность связей, что приводит к значительному  усложнению программного обеспечения ЭВМ. Это обусловило появление особых типов семантических сетей: сценариев, фреймов и т.п. Остановимся на фреймовых представлениях знаний.

    Термин  фрейм ( от англ. Frame – каркас, рамка), которую можно описать некоторой совокупностью понятий с целью ее пространственного восприятия. Фрейм имеет определенную внутреннюю структуру, состоящую из совокупности элементов, называемых слотами. Каждый слот, в свою очередь, представляется определенной структурой данных, процедурой или может быть другим фреймом.

    Фреймовая модель представляет собой систематизированную  в виде единой теории технологическую  модель памяти человека и его сознания. В отличие от других моделей, во фреймах  фиксируется жесткая структура. В общем случае фрейм определяется следующим образом: Имя фрейма:

    (имя  1-го слота: значение 1-го слота);

    (имя  2-го слота: значение 1-го слота);…………..

    (имя N-го слота: значение N-го слота). Важным свойством фреймов является наследование свойств, заимствованное из теории семантических сетей. Наследование  происходит по АКО – связям (что означает это).

    Слот  АКО указывает на фрейм более высокого уровня иерархии, откуда неявно наследуется, т.е. переносятся, значения аналогичных слотов. Например, в сети фреймов  на рисунке 7 «Конструктор» наследует свойства фреймов «Инженер» и «Человек», которые стоят на более высоком уровне иерархии. 
 
 
 
 
 
 
 
 

 

 

      Человек 

Инженер

 Конструктор 

 
 

 
 
 
 
 
 
 
 
 
 
 
 
 
 

      Рисунок 7. 
 

    Поэтому на вопрос «Может ли инженер мыслить?»  ответ будет положительным, т.к. этим свойством обладает вышестоящий фрейм «Человек». Если одно и то же свойство указывается в нескольких связанных между собой фреймах, то приоритет отдается нижестоящему фрейму. Так, возраст фрейма «Инженер» не наследуется из вышестоящего фрейма «Человек».

    Основным  преимуществом фреймов как модели представления знаний является их способность  отражать концептуальную основу организации  памяти человека, а также гибкость и наглядность.

    Фреймы  имеют такие же недостатки что  и семантические сети. 
 

 

10. Экспертные системы 

    Экспертные  системы – это сложные программные  комплексы, аккумулирующие знания специалистов в конкретных предметных областях и  тиражирующие этот эмпирический опыт для консультаций менее квалифицированных  пользователей. Экспертная система  определяется набором логически взаимосвязанных правил, аккумулирующих знания и опыт специалиста в данной предметной области, и механизмов решения, позволяющим распознавать  ситуацию, давать рекомендации к действию.  
 
 

 
 
 

      Инженер

               по знаниям 

      + 

Пользователь Рисунок 8.       Эксперт  
 
 

   На  рисунке 8 изображены основные компоненты модели экспертной системы: пользователь, интерфейс пользователя, решатель, база знаний, подсистема разъяснений, интеллектуальный редактор базы знаний, инженер по знаниям и эксперт.

   Пользователь  является специалистом в данной предметной области, квалификация которого уступает квалификации эксперта.

   Интерфейс пользователя есть комплекс программ, реализующих диалог пользователя и  экспертной системы при вводе  запросов  на решение задач и получении результатов.

   Решатель, или подсистема логического вывода, представляет собой программу, осуществляющую автоматический вывод решения задач  пользователя на основе знаний, хранящихся в базе знаний.

   База  знаний – совокупность знаний о предметной области, организованных в соответствии с принятой моделью представления данных.

   Подсистема  разъяснений – это приложение, позволяющее разъяснять, на основании  чего экспертная система дает рекомендации, делает выводы, какие знания при  этом используются.

   Интеллектуальный  редактор базы знаний – это приложение, предназначенное для ввода в  базу знаний новых знаний о предметной области.

   Инженер по знаниям – специалист по искусственному интеллекту, помогающий эксперту вводить  знания в базу знаний. Характерной особенностью любой экспертной системы является  способность к саморазвитию. Исходные данные хранятся в базе знаний в виде фактов, между которыми установлены определенные логические связи. Если при тестировании выявлены некорректные рекомендации или заключения по конкретным вопросам либо заключение не может быть сформулировано, это означает или отсутствие важных фактов в ее базе, или нарушения в логической системе связей. 
 
 
 
 
 

  
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

 

Заключение 

В данной курсовой работе были описаны разделы «Моделей решения функциональных и вычислительных задач». Решение задачи – определение пути, минимизирующего критерий – может быть найдено методами поиска в глубину и ширину. Приведенные раннее переборные методы поиска решения задач большой размерности могут стать чрезмерно громоздкими и требующими больших затрат машинного времени. В этом случае может оказаться полезным эвристическое программирование, или по другому говоря эвристика. Эвристика – это метод решения переборных задач, основанный на интуитивных соображениях и позволяющий сократить количество переборов в пространстве поиска.