- •Характеристики операционных систем фирмы Microsoft
- •Принципы системного подхода в моделировании систем.
- •Классификация видов моделирования систем
- •Мысленное моделирование:
- •Производственный эксперимент.
- •Комплексные испытания.
- •Матрица автомата
- •Исходные понятия теории принятия решений.
- •Линейное программирование
- •Алгоритм симплекс-метода
- •Замечание.
- •Транспортная задача
- •Методы построения опорных решений
- •Метод минимального элемента
- •Составим опорное решение методом минимального элемента
- •Условие оптимальности выполняется, поэтому получено оптимальное решение
- •Задачи нелинейного программирования (знлп) знлп – это задача вида
- •Метод Франка-Вульфа: Если ƒ(x1, x2, …, xn)→max и является вогнутой функцией на выпуклом множестве ω, т.Е
- •Метод штрафных функций:
- •Принятие решений в условиях риска (в условиях неопределенности Теория игр
- •Методы решения задач теории игр с нулевой суммой
- •1 По цели и характеру решаемой задачи:
- •2 Стадии приобретения знаний
- •Нейронные сети: обучение без учителя
- •Нейронные сети Хопфилда и Хэмминга
- •Продукционные модели
- •Логический вывод
- •Зависимость продукций
- •Продукционные системы с исключениями
- •Системы распознавания образов (идентификации) Понятие образа
- •Проблема обучения распознаванию образов (оро) возникла при изучении физиологических свойств мозга.
Методы решения задач теории игр с нулевой суммой
1-й метод: Матрица игры имеет седловую точку, тогда решение сводится к поиску седловой точки матрицы, координаты которой (i0,j0) определяют элемент ai0,j0 – цену игры, i0 – чистая оптимальная стратегия 1-го игрока, j0 – чистая оптимальная стратегия 2-го игрока.
Пример: Игра имеет матрицу
α1=2; α2=5; α3=4; - min элемент в строке.→ max=5=α – верхняя цена игры.
β1=10; β1=10; β1=5; β1=14; β1=12; - max элемент столбца→ min=5=β – нижняя цена игры.
a2,3=5=α=β=υ – цена игры, т.е. оптимальная стратегия 1-го игрока №2, 2-го игрока № 3.
2-й метод: Матрица А имеет размер 2 x n (m x 2) или сводима к этим размерам, тогда задача может быть решена графически. Рассмотрим ситуацию 2 x n , тогда 1-й игрок имеет 2 стратегии и его искомая смешанная стратегия U(x1,x2), где xi – это вероятности с которыми игрок применяет свои i стратегии, тогда средний выигрыш игрока 1-го, если 2-й игрок применяет свою стратегию yj, равен: L(x,yj)=x1*a1j+x2*a2j. Это может быть интерпретировано графически как прямая. Изобразив все стратегии 2-го игрока, как ответы на ход 1-го, определим максиминную стратегию, оптимальную для 1-го игрока. Аналогично, если матрица имеет размер m x 2, изображаем стратегии 1-го как ответы на ход второго. Найдем минимаксную стратегию, оптимальную для 2-го и находят его оптимальную смешанную стратегию.
Пример:
решаем систему.
В результате получим: х1=2/3; х2=1/3; U*=(2/3; 1/3)
10 υ=8 (цена игры)
9 9
8
7 6
х1 1/3 х2 y1=y2=1/2; y3=0; υ=8;
X*(2/3;1/2)→ 67% времени 1-й игрок применяет свою стратегию №1 и 33% времени стратегию № 2.
Пример 2:
Т.к. 2-й игрок имеет 2 стратегии, то решаем задачу для 2-го игрока, изображая стратегии 1-го как ответ на ход 2-го.
8
7
6
5
4
2
1
y1=3/8; y2=5/8; υ=43/8
x1=7/8; x2=0; x3=0; x4=1/8 X*(7/8;0;0;1/8)
Пример 3:
доминируемая стратегия
доминирующие
, т.е. седловой точки нет, но матрица после упрощения примет вид:
, и решаем задачу графически:
8
7 7
6
2
1
x1=x3=1/2; x2=0; υ=4,5
y4=y1=0; y2=7/12; y3=0; y5=5/12
X*(1/2;0;1/2);
Y*(0;7/12;0;0;5/12);
υ=4,5;
3 метод. Матрица А имеет размер m x n , не имеет седловой точки и не может быть решена графически. Тогда задача теории игр сводится к задаче линейного программирования, а именно к паре взаимодвойственных задач для 1-го и 2-го игрока соответственно.
Задача 1-го игрока: Задача 2-го игрока:
F=υ→max Ф=U→min
yj≥0
xi≥0
От этих задач переходят к вспомогательным задачам, рассматривая переменные
I игрока II игрока
Примечание: При составлении ЗЛП важно, что все элементы матрицы aij≥0, если это не так, то рассматриваем матрицу:
, где , υ/=υ+С.
Решив вспомогательные задачи 1-го и 2-го игрока, найдем оптимальные стратегии и основных задач.
Заметим, что при реализации симплекс-метода целесообразно сразу составлять задачу 2-го игрока.
Пример:
Составляем вспомогательную задачу 2-го игрока.
Решаем задачу симплекс-методом:
Базис |
B |
|
|
|
|
|
|
|
1 |
1 |
2 |
0 |
1 |
0 |
0 |
|
1 |
1 |
0 |
1 |
0 |
1 |
0 |
|
1 |
2 |
1 |
0 |
0 |
0 |
1 |
Оценки |
0 |
-1 |
-1 |
-1 |
0 |
0 |
0 |
В результате решения получим конечную симплекс-таблицу вида:
Базис |
B |
|
|
|
|
|
|
|
1/2 |
1 |
1 |
0 |
1/2 |
0 |
0 |
|
1 |
1 |
0 |
1 |
0 |
1 |
0 |
|
1/2 |
2 |
0 |
0 |
-1/2 |
0 |
1 |
Оценки |
3/2 |
1/2 |
0 |
0 |
1/2 |
1 |
0 |
Решение вспомогательной задачи 1-го игрока, т.е. решение двойственной задачи для задачи 2-го
→
Методы искусственного интеллекта
1. Прикладные возможности нейронных сетей.
2. Экспертные системы.
3. Применение искусственных нейронных сетей.
4. Ассоциативные сети и системы фреймов.
5. Модели представления знаний.
6. Языки представления знаний. Логическое программирование.
7. Методы распознавания образов.
8. Свойства знаний и данных. Методы представления знаний.
9. Продукционные системы.
10. Разработка систем, основанных на знаниях.
11. Представление неопределенности знаний.
12. Технологии инженерии знаний.
13. Искусственные нейронные сети.
. Экспертные системы
Экспертная система представляет собой программу для компьютера, которая оперирует со знаниями в определенной предметной области с целью выработки рекомендаций или решения проблем. Экспертная система моделирует мышление человека при решении задач определенной проблемной области, формируя определенные выводы, опираясь на базу знаний. Экспертные системы имеют выраженную прикладную направленность, к ним предъявляется требование достаточной производительности и надежности для применения в некоторой области и возможность обоснования принимаемого решения.
Классификация экспертных систем, в основу которой положена специфика решаемых задач:
интерпретирующие системы, формирующие описание ситуаций по результатам наблюдений или данных, полученных из внешней среды (например, распознавание образов, определение структуры веществ);
прогнозирующие системы, производящие логический анализ возможных последствий заданных ситуаций или событий (например, предсказание погоды, прогноз ситуаций на финансовых рынках);
диагностические системы, обнаруживающие источники неисправностей по результатам наблюдений за поведением контролирующей системы (например, диагностика в медицине, механике, электронике);
системы проектирования, синтезирующие компоненты системы при заданных ограничениях и параметрах (например, синтез электронных схем, оптимальное размещение объектов в ограниченном пространстве);
системы планирования, формирующие планы последовательности операций, приводящей к цели (например, составление маршрутов транспорта, планирование поведения роботов);
системы мониторинга, производящие анализ поведения контролируемой системы (контроль движения воздушного транспорта, состояния энергетических объектов);
наладочные системы, производящие рекомендации по устранению неисправностей в контролируемой системе (например, системы отладки программного обеспечения);
обучающие системы, производящие анализ знаний в определенной области, выясняющие пробелы в знаниях и намечающие средства их ликвидации;
системы контроля, обеспечивающие адаптивное управление поведением сложных человеко-машинных систем, прогнозируя возникновение сбоев и планируя их устранение (например, управление воздушным транспортом, военными действиями, экономическим поведением фирмы).
Классификация Кленси, в основу которой положены родовые операции, выполняемые в экспертных системах, выделены синтетические операции, результатом которых является изменение структуры системы, и аналитические операции, которые изучают свойства системы, не изменяя ее. Классификация этих операций представлена на схеме:
А нализ Синтез
идентификация проектирование
мониторинг конфигурирование
диагностирование планирование
предсказание спецификация
управление сборка
Многоуровневый подход, порождает следующую классификацию экспертных систем: