8. Понятие искусственного интеллекта. Признаки интеллектуальных информационных систем (иис). Классификация иис.

Искусственный интеллект (ИИ) - это наука о концепциях, позволяющих ВМ делать такие вещи, которые у людей выглядят разумными. Эта структура состоит из трех комплексов вычислительных средств. Структура: 1 комплекс представляет собой совокупность средств, выполняющих программы (исполнительную систему), спроектированных с позиций эффективного решения задач, имеет в ряде случаев проблемную ориентацию. 2 комплекс - совокупность средств интеллектуального интерфейса, имеющих гибкую структуру, которая обеспечивает возможность адаптации в широком спектре интересов конечных пользователей.3 комплексом средств, с помощью которых организуется взаимодействие первых двух, является база знаний, обеспечивающая использование вычислительными средствами первых двух комплексов целостной и независимой от обрабатывающих программ системы знаний о проблем среде. СИИ хар-ся след.признаками:1.развитые коммуникат.способности2.умение решать сложные задачи 3.способность к самообучению. Классифи:1.системы с интеллектуальным интерфейсрм 2.экспертные системы3.самообучающиеся

9. Техническое обеспечение (то) кис. Формы организации то.

Техническое обеспечение-комплект тех ср-в, предназначенные для работы инф с-мы, соотв документации на эти ср-ва и технологические процессы.

Комплекс тех ср-в составляют: комп любых моделей; устройства передачи данных и линии связи; эксплутационные материалы. Документация делится на след группы: общесистемная (гос и отраслевые стандарты по тех обеспечению); специализированная (содержит комплекс методик по этапам разработки технич обеспечения); нормативно-справочная (сопроводительные документы). Осн формы организации тех обеспечения: централизованно, частично или полностью децентрализованно.

Классификация ЭВМ: по назначению (универсальные ЭВМ, проблемно-ориентированные(более узкий круг задач), специализированная(реализ строго определ группы ф-ций); по размерам и функциональным возможностям (сверхбольшие супер-ЭВМ, большие mainframe, малые ЭВМ mini, сверхмалые ЭВМ micro).

Сетевое оборудование: коммутаторы, маршрутизаторы, концентраторы.

10 Матем методы модели систем искусст интеллекта. Классиф оптимизац задач.

Матер поток- наход в состоянии движения матер ресурсы, незаверш пр-во готов прод и т.д. Операция- это моб действие связ с возникновен, поглощением или видоизменением матер потока. Ф-я обособл совокупность операций направлена на видоизменение матер потока. Система- это сложная структурная эк система состоящая из отдельных звеньев. Звено системы- это обособл объект неподлежащий дальнейшей декомпозиции в рамках постав задач, выполняющий определенные операции над матер потокам. Понятие мат модели и её основные элементы. Сущ 3 основных баз компонента в мат постановке задач: 1 хар-ка переменных, с котор опир зад 2 набор ограниченных условий 3 оценочные ф-ции. Хар-ка переменных а)непрерывные б) булевое перемен (0 или 1) в) дискретные. Набор ограничений: 1.огранич равенство g(x, y. z)=0 2. g(x, y. z)>=<0 3. g(x, y. z)= ax +by+cz Харак-ка целевой ф-ции. Целевая ф-я- это некоторая ф-я предназнач для колич сравненияальтернатив с целью выбора наилучшей. а) линейная ф-я б) нелинейная ф-я в) выпуклые г) невыпуклые д) однокритер е) многокритер.

Общая хар-ка задач оптимизации

1 тип: задачи, решаемые методом линейного программир. Хар-ет: лин ограничения и лин целевую ф-ю. 2 тип: задачи, решаемые методом нелинейного программир. 3 тип: задачи, относящ к целочисленному линейному прогроммир 4 тип: целочисл нелиней прогроммир 5 тип:Булево линейн прогроммир 6 тип нелинейн программир.Методология систем моделир в системах искусственного интеллекта

Под моделью понимают некотор представление о системе отраж закономерности её структуры т и процессов функционирования. Алгоритм моделирования задач систем ЧС: 1 этап анализ проблемной ситуации : 1 метод построения сценариев 2 метод морфологич или концепт анализа 3 метод построения дерева цели и задачи. 2 этап построение мат модели: 1 построение модели системы содержащей всю информацию о связях в рассматриваемой системе 2 на основе полученной модели строит аналитич или алгоритмич модель 3 построение программной модели. 3 этап анализ полученной модели 4 этап выбор метода и средств решения 5 этап выполнение численных расчетов 6 этап анализ результатов расчетов 7 этап коррекция и доработка модели.

Методы и алгоритмы решения задач оптимизации

Свойства алгоритма 1) детерминирование, хар-ет точную фиксацию след действия после выполнения предыдущего 2 массовость, харак-ет применение алгоритма для решения целого класса задач 3 результативность, хар-ет завершение выполняемого процесса алгоритма за конечное число шагов

Алгоритм линейно-вещественного значимого программир1 решение задач с помощью симплекс метода, кот заключ в послед просмотре всех вершин симплекса 2 метод потенциалов 3 элипсоидный алгоритм 4 алгоритм внутренней точки

Основные методы задач Булевого и целочисленного прогроммир1) рекурсивные – метод определения класса объектов или ф-ий через самих себя с использованием ранее честных определений 2) метод ветвей и границ – это алгоритм метода для нахождения оптимального решения задач является честным случаем метода полного перебора с отсевом подмнож допустимых решений 3) метод интеграций- это организац обработка данных при которых действия повторяются многократно 4) метод динамического программир. Динамич програмир- метод решения задач с оптимальной подструктурой и перекрывающимися подзадачами. Основные идеи: 1 оптимальная подструктура, что оптим решение задач меньшего размера может использоваться для решения исходной задачи 2