Понастоящем при анализа и синтеза на сложни (големи) системи е разработен системен подход, който се различава от класическия (или индуктивен) подход. Класически подходразглежда системата чрез преминаване от частното към общото и синтезира (конструира) системата чрез сливане на нейните компоненти, развити поотделно. За разлика от това системен подходвключва последователен преход от общото към конкретното, когато разглеждането се основава на целта и обектът на изследване се откроява от околната среда.
Симулационен обект. Специалистите по проектиране и експлоатация на сложни системи се занимават със системи за управление от различни нива, които имат общо свойство - желанието за постигане на някаква цел. Тази характеристика ще бъде взета предвид в следващите дефиниции на системата.
Система или обект S- целенасочен набор от взаимосвързани елементи от произволно естество.
Външна среда Е- набор от елементи от всякакво естество, съществуващи извън системата, които влияят на системата или са под нейно влияние.
В зависимост от целта на изследването могат да се разглеждат различни връзки между самия обект S и околната среда E. По този начин, в зависимост от нивото, на което се намира наблюдателят, обектът на изследване може да бъде разграничен по различни начини и различни взаимодействия на този обект с околната среда може да се проведе.
С развитието на науката и технологиите самият обект непрекъснато става все по-сложен и дори сега те говорят за обекта на изследване като някаква сложна система, която се състои от различни компоненти, свързани помежду си. Следователно, разглеждайки системния подход като основа за изграждане на големи системи и като основа за създаване на методология за техния анализ и синтез, на първо място е необходимо да се определи самото понятие за системен подход.
Системен подходе елемент от доктрината общи закониразвитие на природата и един от изразите на диалектическото учение. При систематичен подход към системите за моделиране е необходимо преди всичко ясно да се дефинира целта на моделирането. Тъй като е невъзможно напълно да се моделира една наистина функционираща система (оригиналната система или първата система), се създава модел (моделна система или втората система) за поставения проблем.
По този начин, във връзка с въпросите на моделирането, целта произтича от необходимите задачи за моделиране, което ви позволява да подходите към избора на критерий и да оцените кои елементи ще бъдат включени в създадения модел М. Следователно е необходимо да има критерий за избор отделни елементи в създадения модел.
Подходи за изследване на системите. Важно за системния подход е определението структура на системата- набор от връзки между елементите на системата, отразяващи тяхното взаимодействие. Структурасистеми могат да бъдат изучавани
1. отвънпо отношение на състава на отделните подсистеми и връзките между тях,
2. добре отвътре, когато се анализират отделни свойства, които позволяват на системата да постигне дадена цел, тоест когато се изследват функциите на системата.
В съответствие с това са очертани редица подходи за изследване на структурата на системата с нейните свойства, които трябва да включват преди всичко структурен подходи функционален подход.
При структурен подходразкрива се съставът на избраните елементи на системата S и връзките между тях. Съвкупността от елементи и връзки между тях позволява да се прецени структурата на системата. Последното, в зависимост от целта на изследването, може да бъде описано в различни ниваразглеждане. Най-общото описание на структурата е топологично описание, което дава възможност да се дефинират съставните части на системата в най-общи термини и е добре формализирано въз основа на теорията на графите.
По-рядко срещано е функционално описание , когато се разглеждат отделни функции, т.е. алгоритми за поведението на системата и функционален подход, който оценява функциите, които системата изпълнява, а функцията се разбира като свойство, което води до постигане на целта. Тъй като функцията показва свойството, а свойството показва взаимодействието на системата S с външната среда E, свойствата могат да бъдат изразени или като някои характеристики на елементите и подсистемите на системата, или като система S като цяло. Ако има някакъв стандарт за сравнение, можете да влезете количествени и качествени характеристики на системите. За количествена характеристика се въвеждат числа, които изразяват връзката между тази характеристика и стандарта. Качествените характеристики на системата се намират, например, с помощта на метода на експертните оценки.
Проявата на системните функции във времето S(t), т.е. функционирането на системата, означава преход на системата от едно състояние в друго, т.е. движение в пространството на състоянията Z.
Системният подход се използва в системното инженерство поради необходимостта от изучаване на големи реални системи, когато недостатъчността, а понякога и грешката, при вземането на конкретни решения е засегната. Появата на систематичен подход беше повлияна от нарастващото количество първоначални данни по време на разработката, необходимостта да се вземат предвид сложните стохастични връзки в системата и ефектите на външната среда E. Всичко това принуди изследователите да изучават сложен обект, който не е в изолирано, но във взаимодействие с външната среда, както и във връзка с други системи на някои метасистеми. Систематичният подход позволява решаването на проблема с изграждането на сложна система, като се вземат предвид всички фактори и възможности, пропорционални на тяхната значимост, на всички етапи на изследване на системата S и изграждане на модел M.
Системният подход означава, че всяка система S е интегрирано цяло, дори когато се състои от отделни различни подсистеми. Така системният подход се основава на разглеждането на системата като интегрирано цяло и това разглеждане по време на разработката започва с основното - формулирането на целта на функциониране.
Условно е представен процесът на синтезиране на модел М на базата на системен подход на фиг. b.Въз основа на първоначалните данни D, които са известни от анализа на външната система, тези ограничения, които са наложени на системата отгоре или въз основа на възможностите за нейното изпълнение, и въз основа на целта на функциониране, първоначалните изисквания са формулирани Tкъм системния модел S. На базата на тези изисквания се формират приблизително някои подсистеми П, елементи ди се осъществява най-трудният етап от синтеза – изборът ATкомпоненти на системата, за които се използват специални критерии за избор на ВЧ. При моделирането е необходимо да се осигури максимална ефективност на системния модел.
Ефективностобикновено се определя като някаква разлика между някои показатели за стойността на резултатите, получени в резултат на функционирането на модела, и разходите, които са инвестирани в неговото разработване и създаване.
При моделиране на системи се използват два подхода: класически (индуктивен), исторически първият, и системен, който е разработен наскоро.
Класически подход.Исторически класическият подход към изследването на обекта, моделирането на системата, е първият, който се развива. Класическият подход към синтеза на модела (М) на системата е показан на фиг. 3. Реалният обект за моделиране се разделя на подсистеми, избират се изходни данни (D) за моделиране и се поставят цели (T), отразяващи определени аспекти на процеса на моделиране. Въз основа на отделен набор от изходни данни, целта е да се моделира отделен аспект от функционирането на системата, въз основа на тази цел се формира определен компонент (K) на бъдещия модел. Наборът от компоненти се комбинира в модел.
Че. компонентите се сумират, всеки компонент решава свои собствени задачи и е изолиран от другите части на модела. Ние прилагаме подхода само за прости системи, където е възможно да се игнорира връзката между компонентите. Могат да се отбележат два отличителни аспекта на класическия подход:
1. има движение от частното към общото при създаване на модел;
2. Създаденият модел (система) се формира чрез сумиране на отделните му компоненти и не отчита появата на нов системен ефект.
Ориз. 3. Класически подход за изграждане на обект, изучаване на модела
Системен подход - методологическа концепция, основана на желанието да се изгради пълна картина на обекта, който се изследва, като се вземат предвид елементите на обекта, които са важни за решавания проблем, връзките между тях и външните връзки с други обекти и околната среда. С усложняването на моделирането на обекти стана необходимо те да се наблюдават с повече високо ниво. В този случай разработчикът разглежда тази система като някаква подсистема от по-висок ранг. Например, ако задачата е да се проектира система за мониторинг на отделен обект, тогава от гледна точка на системния подход не трябва да забравяме, че тази система е интегрална частнякакъв кремплекс. Системният подход се основава на разглеждането на системата като интегрирано цяло и това разглеждане по време на разработката започва с основното - формулирането на целта на функциониране. На фиг. 4. Условно е представен процесът на синтезиране на системен модел на базата на системен подход. Важно за системния подход е дефинирането на структурата на системата - съвкупността от връзки между елементите на системата, отразяващи тяхното взаимодействие.
Ориз. 4. Системен подход към изграждането на обект, изучаване на модел
Има структурни и функционални подходи за изучаване на структурата на системата и нейните свойства. Със структурен подход се разкрива съставът на избраните елементи на системата и връзките между тях. С функционалния подход се разглеждат алгоритмите на поведението на системата (функциите са свойства, които водят до постигане на целта).
тестови въпросикъм раздел 2
1. Какво се определя в процеса на системен анализ?
2. Какво се определя в процеса на системния синтез?
3. Как се оценява ефективността на системата?
4. Какво се разбира под оптимална система?
5. Свойства, присъщи на сложна система, и тяхното кратко описание.
6. Какъв е проблемът при избора на ниво на детайлност на моделите?
7. Избройте основните етапи на моделирането на системата.
Класическа(или индуктивен) подходмоделирането разглежда системата, преминавайки от частното към общото, и я синтезира чрез сливане на отделно разработените компоненти. Системен подходвключва последователен преход от общото към частното, когато разглеждането се основава на целта, докато обектът се отличава от околния свят.
При създаване на нов обект с полезни свойства(например системи за управление). критерииопределяне степента на полезност на получените свойства. Тъй като всеки обект на моделиране е система от взаимосвързани елементи, въвеждаме концепцията за система. Система Sима целенасочен набор от взаимосвързани елементи от всякакво естество. Външна среда. де набор от елементи от всякакво естество, съществуващи извън системата, които влияят на системата или са под нейно влияние.
При систематичен подход към моделирането, на първо място, целта на моделирането е ясно дефинирана. Създаването на модел на пълен аналог на оригинала е трудоемко и скъпо, така че моделът се създава за конкретна цел.
Важно за системния подход е определението структура на системата- набор от връзки между елементите на системата, отразяващи тяхното взаимодействие. Съществуват редица подходи за изследване на системите и техните свойства, които включват структурни и функционални. При структурен подходразкрива се съставът на избраните елементи на системата Си връзките между тях. Съвкупността от елементи и връзки позволява да се преценят свойствата на избраната част от системата. При функционален подходразглеждат се функции (алгоритми) на поведението на системата, като всяка функция описва поведението на едно свойство под външно въздействие д.Този подход не изисква познаване на структурата на системата, а нейното описание се състои от набор от функции за нейната реакция на външни влияния.
Класическият метод за изграждане на модел използва функционален подход, при който се взема елементът на модела компонент,описващи поведението на едно свойство и не отразяващи реалния състав на елементите. Освен това компонентите на системата са изолирани един от друг, което отразява лошо моделираната система. Този метод за изграждане на модел е приложим само за прости системи, тъй като изисква включването на функции, които описват свойствата на системата, връзки между свойства, които могат да бъдат слабо дефинирани или неизвестни.
С усложняването на симулираните системи, когато е невъзможно да се вземат предвид всички взаимни влияния на свойствата, се прилага системен метод,на базата на структурен подход. В същото време системата Сразбити на няколко подсистеми S lсъс собствени свойства, които, разбира се, по-лесно се описват чрез функционални зависимости и се определят връзките между подсистемите. В този случай системата функционира в съответствие със свойствата на отделните подсистеми и връзките между тях. Това премахва необходимостта от описване на функционалната връзка между свойствата на системата С,прави модела по-гъвкав, тъй като промяната на свойствата на една от подсистемите автоматично променя свойствата на системата.
Класификация на видовете моделиране
В зависимост от характера на изследваните процеси в системата Си целта на моделирането, има много видове модели и начини за класифицирането им, например според целта на използване, наличието на случайни ефекти, връзката с времето, осъществимостта, обхвата и т.н. (таблица 14).
Таблица 14. Типове модели
По предназначениемоделите се класифицират в научен експеримент,при което изследването на модела се извършва с помощта на различни средства за получаване на данни за обекта, възможността за влияние върху хода на процеса, за да се получат нови данни за обекта или явлението; цялостно тестване и производствен експеримент,използване на пълномащабно изпитване на физически обект за получаване на висока надеждност относно неговите характеристики; оптимизация,свързани с намиране на оптималните показатели на системата (например намиране на минимални разходи или определяне на максимална печалба).
Според наличието на влиянияна модел система са разделени на детерминистичен(в системите няма случайни ефекти) и стохастичен(в системите има вероятностни влияния). Същите модели са класифицирани от някои автори според метода за оценка на параметритесистеми: в детерминистиченсистеми, параметрите на модела се оценяват по един индикатор за конкретни стойности на техните първоначални данни; в стохастиченсистеми, наличието на вероятностни характеристики на първоначалните данни ни позволява да оценим параметрите на системата по няколко показателя.
Отнесено към времетомоделите се делят на статичен,описване на системата в определен момент от време и динамичен,отчитайки поведението на системата във времето. От своя страна динамичните модели се подразделят на отделен,в който всички събития се случват в интервали от време, и непрекъснато,където всички събития се случват непрекъснато във времето.
Възможна реализациямоделите са класифицирани като психически,описване на система, която е трудна или невъзможна за реалистично симулиране, истински,в който системният модел е представен или от реален обект, или от негова част, и информация,реализиране на информационни процеси (възникване, предаване, обработка и използване на информация) на компютър. От своя страна менталните модели се делят на визуален(при които симулираните процеси и явления протичат визуално); символичен(системният модел представлява логически обект, в който основните свойства и отношения на реален обект се изразяват чрез система от знаци или символи) и математически(те представляват системи от математически обекти, които позволяват да се получат изследваните характеристики на реален обект). Реалните модели се делят на естествено(провеждане на изследване върху реален обект и последваща обработка на резултатите от експеримента с помощта на теорията на подобието) и физически(провеждане на изследвания на инсталации, които запазват природата на явлението и имат физическо сходство).
По област на приложениемоделите се делят на универсален,предназначен за използване от много системи и специализиран,предназначени за изследване на конкретна система.
Математически модели
Повечето крайъгълен камъкпри изграждането на модел има преход от смислено описание към формално, което се обяснява с участието на този етап на специалисти в предметната област, в която съществува моделираната система, и специалисти в областта на системното моделиране. Най-удобният език за тяхната комуникация, чиято цел е изграждането на адекватен модел на системата, обикновено е езикът на математическите описания. Математическото описание на системата е компактно и удобно за по-нататъшни реализации на компютър, с цел провеждане на статистически тестове,
Примери за изграждане на динамични модели
При моделиране на непрекъснати динамични обекти обикновено моделите са диференциални уравнения,свързване на поведението на даден обект във времето. положително свойство диференциални уравненияе, че едно и също уравнение моделира системи от различно физическо естество.
Независимата променлива в динамичните системи обикновено е времето, от което зависят неизвестните стойности на желаната функция, които определят поведението на обекта. Математическо описание на модела като цяло:
където са n-мерни вектори и е непрекъснат.
Например, процесът на малки колебания на махалото се описва с обикновено диференциално уравнение
.
Процес в електрическа трептяща верига 
.
Очевидно, ако поставим
Получаваме уравнение, описващо състоянието във времето на двете системи
Общият математически модел ви позволява да изследвате една система, докато симулирате работата на друга.
Моделите на динамични системи, базирани на диференциални уравнения, са намерили широко приложение в теорията на управлението на различни технически обекти. Под въздействието на предварително неизвестни смущения действителното поведение на системата се отклонява от желаното, зададено от алгоритъма, и за да се доближи поведението му до необходимата стойност, в системата се въвежда автоматично управление на системата. Той може да бъде вграден в самата система, но при симулация контролният блок е отделен от самата система. Като цяло структурата на многомерната система за автоматично управление (ACS) е показана на фиг. 3.
Фигура 3. Структурата на многомерна система за автоматично управление.
Информационни модели
Информационни моделив много случаи разчитат на математически модели,тъй като при решаването на проблеми математическият модел на обекта, процеса или явлението, което се изследва, неизбежно се трансформира в информационен модел за неговото внедряване на компютър. Нека дефинираме основните понятия на информационния модел.
Информационен обекте описание на реален обект, процес или явление под формата на набор от негови характеристики (информационни елементи), т.нар. подробности.Образува се информационен обект с определена структура (състав на собственост). тип (клас),на който е присвоен уникален име.Извиква се информационен обект със специфични характеристики инстанция.Всеки екземпляр се идентифицира чрез задание ключов атрибут (ключ).Едни и същи детайли в различни информационни обекти могат да бъдат както ключови, така и описателни. Един информационен обект може да има множество ключове.
Пример. Информационният обект STUDENT има необходимия състав: стая(номерът на книжката е ключов атрибут), фамилия, име, бащино име, дата на раждане, код на мястото на обучение.Информационен обект ЛИЧНИ ВЪПРОСИ: студентски номер, домашен адрес, номер на диплома за средно образование, семейно положение, деца.Информационният обект МЯСТО НА ОБУЧЕНИЕ включва следните детайли: кодът(ключов реквизит), име на университет, факултет, група.Информационен обект УЧИТЕЛ: кодът(ключов реквизит), Катедра, фамилия, име, бащино име, научна степен, научна титла, длъжност.
отношения,съществуващи между реални обекти се определят в информационните модели като връзки.Има три вида връзки: едно към едно (1:1), едно към много(1:∞) и много към много(∞: ∞).
Връзка едно към едноуточнява, че един екземпляр на информационен обект X съответства на не повече от един екземпляр на информационен обект Y и обратно.
Пример. Информационните обекти СТУДЕНТ и ЛИЧЕН СЛУЧАЙ ще бъдат свързани чрез връзка едно към едно.Всеки студент има определени уникални данни в личното досие.
При контакт един към многоедин екземпляр на информационен обект X може да съответства на произволен брой екземпляри на информационен обект Y, но всеки екземпляр на обект Y е свързан с най-много един екземпляр на обект X.
Пример.Необходимо е да се установи връзка между информационните обекти МЯСТО НА ОБУЧЕНИЕ и СТУДЕНТ един към много.Едно и също място на обучение може да се повтаря многократно за различни студенти.
Връзка много към многопредполага, че един екземпляр на информационен обект X съответства на произволен брой екземпляри на обект Y и обратно.
Пример.Информационните обекти УЧЕНИК и УЧИТЕЛ имат връзка много към много.Всеки ученик се учи от много учители и всеки учител учи на много ученици.
Примери за информационни модели
Да дефинираме информационния модел като свързан набор от информационни обекти, които описват информационните процеси в изследваната предметна област. Ще разделим съществуващите информационни модели на универсални и специализирани. Универсалните модели са предназначени за използване в различни предметни области, включително: База даннии системи за управление на бази данни, автоматизирани системиуправление, бази от знания, експертни системи.Специализираните модели са предназначени да описват конкретни системи, уникални са по своите възможности и са по-скъпи.
Универсални модели.
База данни
База даннипредставляват свързан набор от структурирани данни, свързани с определен процес или явление в определена предметна област.
Система за управление на бази данние софтуерен пакет за създаване, организиране на необходимата обработка, съхранение и трансфер на бази данни.
Ядрото на всяка база данни е модел за представяне на данни.Моделът на данните представлява набор от структури от данни и връзките между тях.
Разграничете йерархичен, мрежови релационнимодели на данни. Йерархичният модел представя връзките между обекти (данни) под формата на дърво.
Основните концепции на йерархичния модел включват:
възел- набор от атрибути на данни, описващи обекта;
Връзка- линия, свързваща възлите от по-ниско ниво с един възел от по-високо ниво. В този случай се извиква възелът от по-високо ниво прародителза съответните възли от по-ниско ниво на свой ред се извикват възлите от по-ниско ниво потомцинадлежащият възел, свързан с тях (например на фиг. 4. възел B1 е предшественик за възли CI, C2 и възли C1, C2 са наследници на възел B1);
ниво- номер на слой възел, броен от корена.
Фигура 4. Йерархичен модел на данни
Количество дърветав базата данни се определя от броя коренни записи.Има само един път до всеки възел от корена.
мрежова структураима същите компоненти като йерархичния, но всеки възел може да бъде свързан с всеки друг възел (фиг. 5). Мрежовият подход към организацията на данните е разширение на йерархичния. В йерархичните модели, наследственият запис трябва да има само един родител; в мрежа - потомъкът може да има произволен брой предци.
Фигура 5. Мрежов модел на данни
И двата модела не се използват широко поради сложността на внедряването на графики под формата на машинни структури от данни, освен това е трудно да се извършват операции за търсене на информация в тях.
Най-разпространен е третият модел на данни - релационен,може също така да опише йерархичен и мрежов модел. Релационният модел е фокусиран върху организирането на данни под формата на двумерни таблици.
Изкуствен интелект
Идеите за моделиране на човешкия ум са известни от древността. За първи път това се споменава в работата на философа и теолога Реймънд Лулия(c.1235 - c.1315) "Великото изкуство", което не само изразява идеята за логическа машина за решаване на различни проблеми, базирана на общата класификация на понятията (XIV век), но и се опитва да я приложи. Рене Декарт(1596-1650) и Готфрид Вилхелм Лайбниц(1646-1716) самостоятелно развива доктрината за вродената способност на ума да познава и универсалните и необходими истини на логиката и математиката, работи върху създаването на универсален език за класифициране на всички знания. Именно на тези идеи се основават теоретичните основи на създаването на изкуствения интелект. Натиснете до по-нататъчно развитиемодели на човешкото мислене е появата през 40-те години. 20-ти век КОМПЮТЪР. През 1948 г. американски учен Норберт Винер(1894-1964) формулира основните положения на нова наука - кибернетика. През 1956 г. в Станфордския университет (САЩ) на семинар, наречен „Изкуствен интелект * (изкуствен интелект), посветен на решаването на логически проблеми, беше признато ново научно направление, свързано с машинното моделиране на човешките интелектуални функции и наречено изкуствен интелект.Скоро този клон беше разделен на две основни области: неврокибернетика и кибернетика на "черната кутия".
Неврокибернетикасе обърна към структурата на човешкия мозък като единствен мислещ обект и се зае с неговото хардуерно моделиране. Физиолозите отдавна са идентифицирали невроните - свързани един с друг нервни клеткикато основа на мозъка. Неврокибернетиката се занимава със създаването на елементи, подобни на невроните, и комбинирането им във функциониращи системи, тези системи се наричат невронни мрежи.В средата на 80-те. През 20 век в Япония е създаден първият неврокомпютър, който симулира структурата на човешкия мозък. Основната му област на приложение е разпознаване на шаблон.
Кибернетика на черната кутияизползва други принципи, структурата на модела не е основното, важна е реакцията му към дадените входни данни, на изхода моделът трябва да реагира като човешки мозък. Учените в тази област разработват алгоритми за решаване на интелектуални проблеми за съществуващи изчислителни системи. Най-значимите резултати:
Модел за търсене в лабиринт(края на 50-те), който разглежда графиката на състоянието на даден обект и търси оптималния път от входните данни до получените. На практика този модел не е намерил широко приложение.
евристично програмиране(началото на 60-те) разработиха стратегии за действие, базирани на предварително известни предварително определени правила (евристики). Евристичен -теоретично необосновано правило, което ви позволява да намалите броя на търсенията в търсенето на оптималния път.
Методи на математическата логика.Методът на резолюциите, който позволява автоматично доказване на теореми въз основа на определени аксиоми. През 1973 г. е създаден език за логическо програмиране Пролог,позволяващи обработка на символна информация.
От средата на 70-те години. се реализира идеята за моделиране на специфичните знания на специалисти-експерти. Първите експертни системи се появяват в САЩ. Появява се нова технология на изкуствения интелект, основана на представянето и използването на знания. От средата на 80-те години. изкуственият интелект се комерсиализира. Инвестициите в тази индустрия нарастват, появяват се индустриални експертни системи и се увеличава интересът към самообучаващите се системи.
Бази знания
Когато изучаваме интелигентни системи, е необходимо да разберем какво е знание и как се различава от данните. концепция знанияопределени по различни начини, но няма окончателно определение.
Ето някои от определенията:
знание- идентифицирани модели на предметната област (принципи, връзки, закони), позволяващи решаване на проблеми в тази област.
знаниедобре структурирани данни, или данни за данни, или метаданни.
знание- съвкупност от информация, която формира холистично описание, съответстващо на определено ниво на информираност за описания въпрос, обект и др.
От гледна точка на изкуствения интелект, знанието се определя като формализирана информация, към която се отнася в процеса на извод. Базите знания се използват за съхраняване на знания. Знание- основата на всяка интелектуална система.
От гледна точка на решаването на проблеми в определена предметна област е удобно знанията да се разделят на две категории - даннии евристика.Първата категория описва обстоятелствата, известни в областта, знанието за тази категория понякога се нарича текстово, като се подчертава тяхното достатъчно описание в литературата. Втората категория знания се основава на практическия опит на експерт в тази област.
Освен това знанието се разделя на процедурени декларативен.Исторически първо се появяват процедурните знания, „разпръснати“ в алгоритми. Те управляваха данните. За да ги промените, беше необходимо да се направят промени в програмите. С развитието на изкуствения интелект все по-голяма част от знанието се формира в структури от данни: таблици, списъци, абстрактни типове данни, знанието става все по-декларативно.
Декларативни знания- това е сбор от информация за характеристиките на свойствата на конкретни обекти, явления или процеси, представени под формата на факти и евристики. Исторически такива знания се натрупват под формата на различни справочници, а с появата на компютрите те придобиха формата на бази данни. Декларативното знание често се нарича просто данни; то се съхранява в паметта на информационна система (ИС) по такъв начин, че да е пряко достъпно за използване.
процедурни знаниясе съхраняват в паметта на ИС под формата на описания на процедурите, чрез които могат да бъдат получени. Под формата на процедурни знания обикновено се описват методи за решаване на проблеми в предметната област, различни инструкции, техники и др. Процедурните знания са методи, алгоритми, програми за решаване на различни проблеми в избраната предметна област, те формират ядрото на базата от знания. Процедурните знания се формират в резултат на изпълнението на процедури върху факти като изходни данни.
Един от най-важните проблеми, специфични за системите с изкуствен интелект, е представянето на знания. Формата на представяне на знанието значително влияе върху характеристиките и свойствата на системата. За да манипулирате различни знания от реалния свят на компютър, е необходимо да ги симулирате. Има много модели за представяне на знания за различни предметни области, но повечето от тях принадлежат към следните класове: логически модели", производствени модели; семантични мрежи; рамкови модели.
Традиционно в представянето на знания има формални логически модели,въз основа на класическото предикатно смятане от първи ред, когато предметната област е описана като набор от аксиоми. Цялата информация, необходима за решаване на проблеми, се разглежда като набор от правила и твърдения, които са представени като формули в някаква логика на предикатите. Знанието отразява съвкупността от такива формули, а получаването на нови знания се свежда до прилагането на процедури за извод. Този логически модел е приложим предимно в изследователски „идеални” системи, тъй като налага високи изисквания и ограничения на предметната област. Индустриалните експертни системи използват различните му модификации и разширения.
Изследванията на процесите на вземане на решения при хората показват, че когато разсъждава и взема решение, човек използва производствени правила(от английски. производствое правилото за извод, което генерира правилото). производствен модел,въз основа на правилата ви позволява да представите знания под формата на изречения: АКО (списък с условия), ТОГАВА (трябва да се извърши списък с действия). състояние -е изречението, което се търси в базата знания, и действиеима някаква операция, извършена при успешно търсене. Действията могат да бъдат междинен,действащи допълнително като условия, и насоченизавършване на работата на ИС. В производствения модел базата от знания се състои от набор от правила. Извиква се програмата, която управлява изброяването на правилата изходна машина.Механизмът на извода свързва знанията и създава заключение от тяхната последователност. Заключението се случва прав(метод на съвпадение, от данни към целево търсене) или обратно(метод за генериране на хипотеза и нейното тестване, от целта до данните).
Пример. Има фрагмент от базата знания, състоящ се от две правила:
и т.н. 1: АКО "правя бизнес" и "опознавам интернет",
ДО "електронна търговия".
и т.н. 2: АКО „притежава компютър“
ДО "запознаване с Интернет".
Данни въведени в системата: "Правя бизнес" и "притежава компютър."
ДИРЕКТЕН ИЗХОД:Направете заключение въз основа на наличните данни.
1-во преминаване:
Стъпка 1. Проверка на Пр. 1, не работи - няма достатъчно данни за "запознаване с интернет".
Стъпка 2. Проверете Пр. 2, работи, базата се допълва от факта "запознаване с Интернет".
2-ро преминаване
Стъпка 3. Проверка на Пр. 1, работи, системата дава заключение "електронна търговия".
ОБРАТЕН ИЗВОД:Потвърдете избраната цел, като използвате наличните правила и данни.
1-во преминаване:
Стъпка 1. Цел - "електронна търговия":
Проверяваме Pr. 1, няма данни за "запознаване с интернет", те стават нова цел и има правило, където е от дясната страна.
Стъпка 2. Цел - "запознаване с Интернет":
и т.н. 2 потвърждава целта и я активира.
2-ро преминаване: Стъпка 3. Пр. 1 потвърждава желаната цел.
Производственият модел привлича разработчиците със своята видимост, модулност, лекота на допълнения и промени, простота на механизма за извод, най-често използван в индустриалните експертни системи.
Семантикае наука, която изучава свойствата на знаците и знаковите системи, тяхната семантична връзка с реални обекти. Семантична мрежа -това е насочен граф, чиито върхове са понятия, а дъгите са отношенията между тях (фиг. 6). Това е най-общият модел на знанието, тъй като съдържа средствата за всички свойства, характерни за знанието: вътрешна интерпретация, структурираност, семантична метрика и активност.
Фигура 6. Семантичен уеб
Предимствата на мрежовите модели са: големи изразни възможности; видимост на системата от знания, представена графично; близостта на мрежовата структура, представяща системата от знания, до семантичната структура на фразите на естествения език; съответствие със съвременните представи за организацията на дългосрочната човешка памет. Недостатъците включват факта, че мрежовият модел не съдържа ясна представа за структурата на предметната област, която съответства на него, така че неговото формиране и модифициране е трудно; Мрежовите модели са пасивни структури, за обработката им се използва специален апарат официално заключение.Проблемът за намиране на решение в база от знания като семантична мрежа се свежда до задачата за намиране на мрежов фрагмент, съответстващ на определена подмрежа на задачата, което от своя страна показва друг недостатък на модела - трудността при намиране извод за семантичните мрежи.
Мрежовите модели са визуално и доста универсално средство за представяне на знания. Официалното им обаче в конкретни моделипредставянето, използването и модифицирането на знанието е доста трудоемък процес, особено при наличието на множество връзки между понятията.
Срок кадър(от английски frame - рамка, рамка) се предлага да се обозначи структурата на единица знания, която може да бъде описана с определен набор от понятия, за нейното пространствено възприемане. Рамката има определена вътрешна структура, състояща се от набор от елементи, наречени слотове.Всеки слот от своя страна е представен от определен структура на данните, процедура,или може да бъде свързан с друг кадър. Рамковият модел е технологичен модел на човешката памет и съзнание, систематизиран под формата на една теория. За разлика от други модели, твърда конструкция е фиксирана в рамки. Като цяло рамката се дефинира, както следва:
(ИМЕ НА КАДРА: (име на 1-ви слот: стойност на 1-ви слот);
(име на 2-ри слот: стойност на 2-ри слот);
(Име на N-ro слот: N-ro стойност на слот)).
Важно свойство на рамките е имуществено наследство,заимствани от теорията на семантичните мрежи. Наследяването става чрез AKO-връзки (от A Kind Of, което означава "това".). Слотът ACO сочи към рамка от по-високо ниво на йерархията, откъдето се наследява имплицитно, т.е. стойностите на подобни слотове се прехвърлят. Например в мрежата от рамки на фиг. 7 "конструктор" наследява свойствата на рамките "инженер" и "лице", които са на по-високо ниво на йерархията.
Фигура 7. Мрежа от рамки
Рамковият модел е доста универсален, позволява ви да покажете цялото разнообразие от знания за света чрез:
рамки-конструкции,за обозначаване на обекти и понятия (лекция, реферат, катедра);
ролеви рамки(студент, преподавател, декан);
скриптови рамки(явяване на изпит, празнуване на имен ден, получаване на стипендия);
ситуационни рамки(тревожност, работен режим на учебния ден) и др. Основното предимство на фреймовете като модел за представяне на знания е способността им да отразяват концептуалната основа на организацията на човешката памет, както и гъвкавостта и видимостта.
Обобщавайки анализа на моделите за представяне на знания, можем да направим следните изводи:
Най-мощните са смесените модели за представяне на знания.
Експертни системи
Проектиран да анализира данни, съдържащи се в базите знания и да издава препоръки по искане на потребителя. Те се използват в случаите, когато първоначалните данни са добре формализирани, но са необходими специални обширни познания за вземане на решение. Експертни системи- това са сложни софтуерни системи, които акумулират познания на специалисти в конкретни предметни области и възпроизвеждат този емпиричен опит за консултации на по-малко квалифицирани потребители.
Предметни области: медицина, фармакология, химия, геология, икономика, право и др., в които са по-голямата част от знанията личен опитспециалисти от високо ниво (експерти) се нуждаят от експертни системи. Тези области, в които по-голямата част от знанията са представени под формата на колективен опит (например висша математика), не се нуждаят от тях.
Експертната система се определя от набор от логически взаимосвързани правила, които формират знанията и опита на специалист в дадена предметна област, и механизъм за вземане на решения, който позволява разпознаване на ситуация, даване на препоръки за действие и поставяне на диагноза.
Съвременните експертни системи са в състояние:
Въз основа на съвкупността от признаци на заболяването установете диагноза, предписвайте лечение, дозирайте лекарства, разработете програма за курса на лечение;
Изпълнява задачите на диагностичните системи при изследване на явления и процеси (например за анализ на кръвта; управление на производството; изучаване на състоянието на земните недра, нефтени находища, находища на въглища и др.);
Разпознават реч, на този етап в ограничен обхват;
Разпознае човешки лица, пръстови отпечатъци и др.
На фиг. 8 показва основните компоненти на модела на експертната система: потребител(домейн специалист, за когото е предназначена тази система), инженер по знания(специалистът по изкуствен интелект е междинна връзка между експерт и база от знания), потребителски интерфейс(приложение, което осъществява диалог между потребителя и системата), знание -ядрото на експертната система, решаващ проблем(приложение, което симулира разсъжденията на експерт въз основа на знанията в базата данни), подсистема за изясняване (приложение, което ви позволява да обясните въз основа на което експертната система прави препоръки, прави заключения, какви знания се използват в този случай ), интелигентен редактор на база знания(приложение, което дава на инженера по знания възможността да създаде онлайн база от знания ).
Фигура 8. Структурата на модела на експертната система.
Характерна особеност на всяка експертна система е способността да се саморазвива. Изходните данни се съхраняват в базата знания под формата на факти, между които се установяват определени логически връзки. Ако тестването разкри неправилни препоръки или заключения по конкретни въпроси или заключението не може да бъде формулирано, това означава, че или важни фактив основата му, или нарушения в логическата система от връзки. Във всеки случай самата система може да генерира достатъчен набор от въпроси за експерта и автоматично да подобри качеството си.
Контролна система
Представлява набор от взаимосвързани структурни модели на подсистеми, които осъществяват следните функции:
планиране(стратегически, тактически, оперативни);
счетоводство- показва състоянието на контролния обект в резултат на изпълнение производствени процеси;
контрол- определя отклонението на счетоводните данни от планираните цели и стандарти;
оперативно управление- регулира всички процеси с цел отстраняване на възникващи отклонения от плановите и счетоводните данни;
анализ- определя тенденцията в работата на системата и резервите, които се вземат предвид при планиране за следващ времеви период.
Използването на модели като част от информационните системи започва с използването на статистически методии методи финансов анализ, които бяха реализирани от команди на конвенционални алгоритмични езици. По-късно бяха създадени специални езици за симулиране на различни ситуации. Такива езици правят възможно изграждането на модели от определен тип, които предоставят решение за гъвкава промяна на променливите.
СОФТУЕР. ОСНОВНИ КОНЦЕПЦИИ ЗА ПРОГРАМИРАНЕ
ОСНОВНИ ПОНЯТИЯ И ОПРЕДЕЛЕНИЯ
Разгледаните технически средства на компютър заедно са универсален инструмент за решаване на широк спектър от проблеми. Тези проблеми обаче могат да бъдат решени само ако компютърът "знае" алгоритъма за решаването им.
Алгоритъм(алгоритъм) - точно предписание, което определя процеса на трансформиране на първоначалните данни в крайния резултат.
Общ Имотина всеки алгоритъм са:
– дискретност – възможност за разделяне на алгоритъма на отделни елементарни действия;
– сигурност (детерминизъм) на алгоритъма осигурява недвусмисленост на резултата (повторяемост на резултата, получен при множество изчисления с едни и същи изходни данни) и изключва възможността за изкривяване или двусмислено тълкуване на предписанието;
– ефикасност – задължително получаване на определен резултат в краен брой стъпки, а при невъзможност да се получи резултат сигнал, че този алгоритъм не е приложим за решаване на проблема;
– масов характер – възможността за получаване на резултат с различни изходни данни за определен клас подобни задачи.
Класически подход при изграждане на модели- подходът към изследване на връзката между отделните части на модела предвижда разглеждането им като отражение на връзката между отделните подсистеми на обекта. Този (класически) подход може да се използва за създаване на доста прости модели.
По този начин разработването на модел M, базиран на класическия подход, означава сумиране на отделни компоненти в един модел, като всеки от компонентите решава свои собствени проблеми и е изолиран от другите части на модела. Следователно класическият подход може да се използва за реализиране на относително прости модели, в които е възможно разделяне и взаимно независимо разглеждане на отделни аспекти от функционирането на реален обект.
Могат да се отбележат два отличителни аспекта на класическия подход:
Има движение от частното към общото,
Създаденият модел се формира чрез сумиране на отделните негови компоненти и не отчита появата на нов системен ефект.
Системен подход- това е елемент от учението за общите закони на развитието на природата и един от изразите на диалектическото учение.
При систематичен подход към системите за моделиране е необходимо преди всичко ясно да се дефинира целта на моделирането. Тъй като е невъзможно напълно да се моделира една наистина функционираща система, се създава модел (системен модел или втора система) за поставения проблем. По този начин, във връзка с въпросите на моделирането, целта произтича от необходимите задачи за моделиране, което ви позволява да подходите към избора на критерий и да оцените кои елементи ще бъдат включени в създадения модел М. Следователно е необходимо да има критерий за избор отделни елементи в създадения модел.
Важно за системния подход е дефинирането на структурата на системата - съвкупността от връзки между елементите на системата, отразяващи тяхното взаимодействие.
Систематичният подход позволява решаването на проблема с изграждането на сложна система, като се вземат предвид всички фактори и възможности, пропорционални на тяхната значимост, на всички етапи на изследване на системата S и изграждане на модел M.
Системният подход означава, че всяка система S е интегрирано цяло, дори когато се състои от отделни различни подсистеми. Така системният подход се основава на разглеждането на системата като интегрирано цяло и това разглеждане по време на разработката започва с основното - формулирането на целта на функциониране.
Със структурен подходразкрива се съставът на избраните елементи на системата S и връзките между тях. Съвкупността от елементи и връзки между тях позволява да се прецени структурата на системата. Последните, в зависимост от целта на изследването, могат да бъдат описани на различни нива на разглеждане. Най-общото описание на структурата е топологично описание, което дава възможност да се дефинират съставните части на системата в най-общи термини и е добре формализирано въз основа на теорията на графите.
С функционален подходразглеждат се отделни функции, т.е. алгоритми за поведение на системата, и се прилага функционален подход, който оценява функциите, които системата изпълнява, а функцията се разбира като свойство, което води до постигане на целта. Тъй като функцията показва свойство, а свойството показва взаимодействието на системата S с външната среда E, свойствата могат да бъдат изразени като някои характеристики на елементите Si(j) и подсистемите Si, системата или системата S като цяло.
Основните етапи на оценка на сложни системи.
Етап 1.Определяне целта на оценката. В системния анализ има два вида цели. Качествена се нарича цел, чието постигане се изразява в номинална скала или в скала на ред. Нарича се количествена цел, постигането на която се изразява в количествени мащаби.
Етап 2.Измерване на свойствата на системата, които се считат за значими за целите на оценката. За целта се избират подходящите скали за измерване на свойствата и на всички изследвани свойства на системите се приписва определена стойност по тези скали.
Етап 3.Обосноваване на предпочитания за критерии за качество и критерии за ефективност на функциониране на системите въз основа на свойствата, измерени по избраните скали.
Етап 4.Действителната оценка. Всички изследвани системи, разглеждани като алтернативи, се сравняват по формулираните критерии и в зависимост от целите на оценката се класират, избират и оптимизират.
Следните типични групи модели могат да се използват като основа за класификационната система на математическите модели:
– статични и динамични;
– детерминистични и стохастични;
– дискретни и непрекъснати.
Всяка конкретна система S се характеризира с набор от свойства, които се разбират като величини, които отразяват поведението на моделирания обект (реална система) и отчитат условията за неговото функциониране във взаимодействие с външната среда (система) E.
Първоначалната информация при изграждането на ММ процесите на функциониране на системите са данни за предназначението и условията на работа на изследваната (проектирана) система S. Тази информация определя основната цел на моделирането, изискванията за ММ, нивото на абстракция и избора на схема за математическо моделиране.
математическа схемаможе да се определи като връзка в прехода от съдържателно към формализирано описание на процеса на функциониране на системата, като се отчита въздействието на външната среда. Тези. има верига: описателен модел - математическа схема - симулационен модел.
концепция математическа схемани позволява да разглеждаме математиката не като метод на изчисление, а като метод на мислене, средство за формулиране на концепции, което е най-важно при прехода от словесно описание към формализирано представяне на процеса на неговото функциониране под формата на някакъв ММ.
При използване на математическа схема, на първо място, изследователят на системата трябва да вземе решение за адекватността на дисплея под формата на конкретни схеми на реални процеси в изследваната система, а не възможността за получаване на отговор (резултат от решение) на конкретен изследователски въпрос.
Например, представянето на процеса на функциониране на IVS за колективна употреба под формата на мрежа от схеми за опашка дава възможност да се опишат добре процесите, протичащи в системата, но със сложни закони на входящите потоци и потоците на услугите, тя не дава възможност за получаване на резултати в ясна форма.
При изграждането на ММ система S е необходимо да се реши въпросът за нейната пълнота. Пълнотата на моделирането се регулира главно от избора на граници "Система S - среда E". Задачата за опростяване на ММ също трябва да бъде решена, което помага да се подчертаят основните свойства на системата, като се отхвърлят второстепенните цели по отношение на моделирането.
MM на симулационния обект, т.е. системите S могат да бъдат представени като набор от величини, описващи процеса на функциониране на реална система и образуващи в общия случай следните подмножества:
Набор X - входни действия върху S x i ОХ, i=1…n x ;
Съвкупността от влияния на околната среда v лОV, l=1…n v ;
Наборът от вътрешни (присъщи) параметри на системата h k ОH, k=1…n h ;
Наборът от изходни характеристики на системата y j ОY, j=1…n y .
В изброените набори е възможно да се разграничат контролирани и неконтролирани количества. В общия случай X, V, H, Y са несвързани множества, които съдържат както детерминистични, така и стохастични компоненти. Входните действия E и вътрешните параметри S са независими (екзогенни) променливи, Изходни характеристики - зависими променливи (ендогенни). Процесът на функциониране на S се описва от оператора F S:
изходна траектория. F S - законът за функциониране на S. F S може да бъде функция, функционалност, логически условия, алгоритъм, таблица или словесно описание на правилата.
Алгоритъм на функциониране A S - метод за получаване на изходни характеристики, като се вземат предвид входните ефекти. Очевидно е, че един и същ F S може да бъде реализиран по различни начини, т.е. с помощта на много различни A S .
Релацията (2.1) е математическо описание на поведението на симулационния обект S във време t, т.е. отразява го динамични свойства,такива модели се наричат динамични модели. (2.1) е динамичен модел на системата S. За статичните ММ това е преобразуване на множествата (X, V, H) в (Y), т.е.
Съотношения (2.1), (2.2) могат да бъдат дадени чрез формули, таблици и др.
Такива съотношения в редица случаи могат да бъдат получени чрез свойствата на системата в определени моменти от време, наречени състояния. Състоянията на системата S се характеризират с вектори:
И , където в момента t l н(t 0 , T)
В момента t ll О(t 0 , T) и т.н. k=1…n Z .
Z 1 (t), Z 2 (t)… Z k (t) са координатите на точка в k-мерното фазово пространство. Всяко изпълнение на процеса ще съответства на някаква фазова траектория.
Множеството от всички възможни стойности на състояния ( ) се нарича пространство на състоянието на моделиращия обект Z, и z k нZ.
Състоянието на системата S в интервала от време t 0 в противен случай: . (2,5) Времето в модела S може да се разглежда на интервала на симулация (t 0 , T) като непрекъснато или дискретно, т.е. квантувани на сегмент от дължини. Dt. По този начин MM на обект се разбира като набор от крайни набори от променливи ( ) заедно с математически връзки между тях и изходни характеристики . Ако операторите F, Ф, въздействия X, V и характеристиките h не съдържат елементи на случайност, тогава моделът се нарича детерминистиченв смисъл, че характеристиките са еднозначно определени от детерминистични входни действия: Като детерминистиченмодели, когато случаен факт не се взема предвид в изследването, диференциалните, интегралните и други уравнения се използват за представяне на системи, работещи в непрекъснато време, и за представяне на системи, работещи в отделенвреме - крайни автомати и крайни разностни схеми. Детерминистичното моделиране е специален случай на стохастичното моделиране. Като стохастични модели (отчитайки случайния фактор), вероятностните автомати се използват за представяне на системи с дискретно време, а системите за масово обслужване (QS) се използват за представяне на системи с непрекъснато време. Голямо практическо значение при изследването на сложни индивидуални системи за управление, към които спадат автоматизираните системи за управление, имат т.нар агрегативнимодели. Агрегираните модели (системи) позволяват да се опише широк кръг от обекти на изследване с показване на системния характер на тези обекти. Именно по време на обобщеното описание сложен обект се разделя на краен брой части (подсистеми), като същевременно се поддържат връзки, осигурявайки взаимодействието на частите. Така при конструирането на математически модели на процесите на функциониране на системите могат да се разграничат следните основни подходи: непрекъснато-детерминистични (например диференциални уравнения); дискретно-детерминирани (крайни автомати); дискретни стохастични (вероятностни автомати); непрекъснато-стохастични (системи за масово обслужване); обобщени или универсални (агрегирани системи). Тези подходи се използват при изграждането на математически схеми. Типични математически схемиса :
диференциални уравнения, крайни и вероятностни автомати, системи за масово обслужване, мрежи на Петри и др. Типично математически схемиимат предимството на простота и яснота, но със значително стесняване на възможността за приложение. За получаване на математически модели се използват два начина: теоретичен и експериментален. Съответно те разграничават теоретичени емпириченмодели. Според степента на отчитане на времето и действащите сили математическите модели се разделят на статичен, кинетичен, динамичен. Статичномоделите определят крайните, критични, равновесни стойности на параметрите на процеса, системата. Те включват модели на състоянието на материала, връзката на входните x и изходните y променливи. Статичните модели се използват широко в обогатяването на полезни изкопаеми при определяне на енергийните и материални баланси на различни апарати и процеси, включително и на проектните. За разлика от статичните, кинетичните и динамичните модели съдържат време като аргумент. Кинетиченмоделират или характеризират протичането на процеса във времето и свързват неговите параметри с времето.Получават се чрез интегриране на диференциални уравнения при определени начални условия. динамиченмоделите описват моделите на промени в състоянието на телата, масите под въздействието на сили, приложени към тях Ев различни среди. Основата за описание на динамичните модели са диференциалните уравнения, които описват по-голямата част от системите за автоматично управление. Такива модели описват преходни режими в системите. Изисквания към математическия модел: 1. Математическият модел трябва да е подходящ за решаване на задачата. 2. Трябва да се вземат предвид физическите и математическите ограничения. 3. Трябва да възпроизвежда процеса с необходимата за изследователя точност, т.е. да бъде адекватенпроцес. Инструкции за съставяне на математически модел: 1. Декомпозирайте общата задача за изучаване на системата на няколко по-прости задачи. 2. Ясно формулирайте целите. 3. Намерете аналози. 4. Разгледайте числен пример. 5. Изберете определени обозначения. 6. Запишете очевидните връзки. 7. Ако полученият модел се поддава на математическо описание, разширете го, в противен случай опростете.
