- •Автоматизированные информационные системы
- •1 Информационное обеспечение управления. Информационная система, информационная технология. Информационные ресурсы. Информационные продукты и услуги
- •2 Компоненты информационной системы. Автоматизированные и неавтоматизированные информационные системы
- •Компоненты информационной системы
- •3 Классификационные признаки информационных систем. Основные направления автоматизации управления: сапр, асу тп, асуп, асу гпс, иасу
- •4 База знаний, Методы принятия решений. Компьютерная поддержка принятия управленческих решений
- •5 Система поддержки принятия решений и ее состав. Внешние данные, система управления данными и ее возможности. Модели: стратегические, тактические, оперативные, математические.
- •6 Экспертные системы, их разновидности и классификация. Экспертные системы как инструмент интеллектуализации процессов обработки информации. Области применения экспертных систем .
- •Области применения экспертных систем.
- •7 Компоненты информационной технологии в экспертной системе. Решение, объяснение решения, система правил, семантические модели, интерпретатор, модуль создания системы, оболочка экспертных систем
- •А теперь кратко
- •Второй вариант ответа на этот же вопрос:
- •Подсистема приобретения знаний
- •База знаний
- •Подсистема вывода
- •2.4.1 Подсистема вывода, способы логического вывода
- •2.4.2. Компонент вывода
- •2.4.3. Управляющий компонент.
- •2.5. Диалог с эс. Объяснение.
- •Основные компоненты экспертных систем
- •8 Общее понятие о системе искусственного интеллекта. Основные сферы использования систем искусственного интеллекта
- •9 Моделирование ис. Математические модели системы. Классификация математических моделей
- •Математическое моделирование
- •Правила для успешного математического моделирования:
- •Определения
- •Классификация моделей Формальная классификация моделей
- •Классификация по способу представления объекта
- •Содержательные и формальные модели
- •Содержательная классификация моделей
- •Тип 1: Гипотеза(такое могло бы быть)
- •Тип 2: Феноменологическая модель (ведем себя так, как если бы…)
- •Тип 3: Приближение (что-то считаем очень большим или очень малым)
- •Тип 4: Упрощение (опустим для ясности некоторые детали)
- •Тип 5: Эвристическая модель (количественного подтверждения нет, но модель способствует более глубокому проникновению в суть дела)
- •Тип 6: Аналогия (учтём только некоторые особенности)
- •Тип 7: Мысленный эксперимент(главное состоит в опровержении возможности)
- •Тип 8: Демонстрация возможности (главное — показать внутреннюю непротиворечивость возможности)
- •10 Подходы к построению ис. Ис как среда реализации функций управления. Основные модули ис
- •11 Стандарты рекомендаций по управлению производством (mrp II, erp, csrp, и другие подходы). Типичные представители данного подхода.
- •12.Автоматизация управления как процесс – ориентированной деятельности. Понятие бизнес – процесса. Основные характеристики данного подхода. Workflow диаграммы.
- •13. Технологии виртуальных предприятий и разработка ис под конкретную организацию.
- •14.Реинжиниринг бизнес – процессов. Управление процессом разработки ис.
- •16.Построение ис на основе прототипов. Достоинства и недостатки данного подхода к построению ис.
- •17.Построение ис на основе пакетов программ. Критерии оценки пакетов программ. Достоинства и недостатки данного подхода к построению ис.
4 База знаний, Методы принятия решений. Компьютерная поддержка принятия управленческих решений
База знаний– это совокупность некоторых данных которые позволяют сделать обоснованные решения некоторого вопроса. Базы знаний применяют в системах поддержки принятия решений и в экспертных системах. В них хранятся закономерности описывающие поведение какого-либо объекта в результате различных воздействий на него. Объектом может служить какой-то процесс: химический; физический; экономический; предприятие, производство.
База знаний - наиболее важная компонента экспертной системы, на которой основаны ее «интеллектуальные способности». В отличие от всех остальных компонент ЭС, база знаний- «переменная » часть системы, которая может пополняться и модифицироваться инженерами знаний и опыта использование ЭС, между консультациями (а в некоторых системах и в процессе консультации). Существует несколько способов представления знаний в ЭС, однако общим для всех них является то, что знания представлены в символьной форме(элементарными компонентами представления знаний являются тексты, списки и другие символьные структуры). Тем самым, в ЭС реализуется принципсимвольной природырассуждений, который заключается в том, что процесс рассуждения представляется как последовательность символьных преобразований.
Правилав базе знаний имеют вид:
Наиболее распространенный способ представления знаний - в виде конкретных фактов и правил, по которым из имеющихся фактов могут быть выведены новые. Факты представлены, например, в видетроек:
(АТРИБУТ ОБЪЕКТ ЗНАЧЕНИЕ).
Такой факт означает, что заданный объект имеет заданный атрибут (свойства) с заданным значением. Например, тройка (ТЕМПЕРАТУРА ПАЦИЕНТ1 37.5) представляет факт «температура больного, обозначаемого ПАЦИЕНТ1, равна 37.5». В более простых случаях факт выражается неконкретным значением атрибута, а каким либо простым утверждением, которое может быть истиннымилиложным, например: «Небо покрыто тучами». В таких случаях факт можно обозначить каким-либо краткимименем(например, ТУЧИ) или использовать для представления факта сам текст соответствующей фразы.
Правилав базе знаний имеют вид:
ЕСЛИ А ТО S, где А-условие;S-действие. ДействиеSисполняется, если А истинно. Наиболее часто действиеS, так же, как и условие, представляет собой утверждение, которое может бытьвыведеносистемой (то есть становится ей известной), если истинно условие правила А.
Правила в базе знаний служат для представления эвристических знаний (эвристик), т.е. неформальных правил рассуждения, вырабатываемых экспертом на основе опыта его деятельности.
Простой пример правила из повседневной жизни:
ЕСЛИ небо покрыто тучами
ТО скоро пойдет дождь.
В качестве условия Aможет выступать либо факт(как в данном примере), либо несколько фактовA1,...,AN, соединенные логической операциейи:
A1и A2и...и AN.
В математической логике такое выражение называется коньюнкцией. Оно считается истинным в том случае, если истиннывсеего компоненты. Пример предыдущего правила с более сложным условием:
ЕСЛИ небо покрыто тучами ибарометр падает
ТО скоро пойдет дождь. (Правило 1).
Действия, входящие в состав правил, могут содержать новые факты. При применении таких правил эти факты становятся известны системе, т.е. включаются в множество фактов, которое называется рабочим множеством. Например, если факты «Небо покрыто тучами» и «Барометр падает» уже имеются в рабочем множестве, то после применения приведенного выше правила в него также включается факт «Скоро пойдет дождь».
Если система не может вывести некоторый факт, истинность или ложность которого требуется установить, то система спрашивает о нем пользователя. Например:
ВЕРНО ЛИ, ЧТО небо покрыто тучами?
При получении положительного ответа от пользователя факт «Небо покрыто тучами» включается в рабочее множество.
Правила в базе знаний служат для представления эвристических знаний (эвристик), т.е. неформальных правил рассуждения, вырабатываемых экспертом на основе опыта его деятельности. Существуют динамические и статические базы знаний. Динамическая база знаний изменяется со временем. Ее содержимое зависит и от состояния окружающей. Новые факты, добавляемые в базу знаний, являются результатом вывода, который состоит в применении правил к имеющимся фактам.
Наиболее распространенный способ представления знаний - в виде конкретных фактов и правил, по которым из имеющихся фактов могут быть выведены новые. Задача принятия решений (ЗПР) – одна из самых распространенных в любой предметной области. Ее решение сводится к выбору одной или нескольких лучших альтернатив из некоторого набора. Для того чтобы сделать такой выбор, необходимо четко определить цель и критерии (показатели качества), по которым будет проводиться оценка некоторого набора альтернативных вариантов. Тип задачи (следовательно, и метод ее решения) зависит от количества и качества доступной информации. Соответственно различают задачи принятия решений в условиях определенности, задачи в условиях риска, задачи в условиях неопределенности.
К классу задач в условиях определенностиотносятся те, для решения которых имеется достаточная и достоверная количественная информация. В этом случае применяются методы математического программирования, суть которых состоит в нахождении оптимальных решений на базе математической модели реального объекта. Основные условия применимости методов математического программирования следующие:
задача хорошо формализована, то есть имеется адекватная математическая модель реального объекта;
существует некоторая единственная целевая функция (критерий оптимизации), позволяющая судить о качестве рассматриваемых альтернативных вариантов;
имеется возможность количественной оценки значений целевой функции;
задача имеет определенные степени свободы (ресурсы оптимизации), то есть некоторые параметры функционирования системы, которые можно произвольно изменять в некоторых пределах для улучшения значений целевой функции.
Задачи в условиях риска. В тех случаях, когда возможные исходы можно описать с помощью некоторого вероятностного распределения, получаем ЗПР в условиях риска. Для построения распределения вероятностей необходимо либо иметь в распоряжении статистические данные, либо привлекать знания экспертов. Обычно для решения задач этого типа применяются методы теории одномерной или многомерной полезности.
Задачи в условиях неопределенности. Эти задачи имеют место, когда информация, необходимая для принятия решений, является неточной, неполной, неколичественной, а формальные модели исследуемой системы слишком сложны, либо отсутствуют. В таких случаях для решения задачи обычно привлекаются знания экспертов. Для решения ЗПР знания экспертов выражаются в виде некоторых количественных данных – предпочтений.
ЗПР в условиях определенности являются хорошо структурированными, в условиях риска и неопределенности – плохо структурированными.
Обработка информации может оказаться достаточно трудоемкой, при этом может возникнуть необходимость совершения нескольких итераций и желание применить различные методы для решения задачи. Поэтому именно на этом этапе возникает потребность в компьютерной поддержке процесса принятия решения.
АИС, предназначенные для решения неструктурированных задач, получили название систем поддержки принятия решений (СППР). Их созданию и распространению способствовали широкое распространение компьютеров, пакетов прикладных программ и значительные успехи в создании систем искусственного интеллекта.