- •Содержание
- •Введение
- •1. Аналитическая часть
- •1.1 Описание игры
- •1.2 Возможные алгоритмы поиска решения
- •1.2.1. Игровые модели эвристического поиска
- •Общий принцип оценки
- •1.2.2 Поиск решения, на основе базы знаний (системы основанные на знаниях)
- •3. Конструкторская часть
- •3.1 Описание используемого алгоритма поиска решения
- •3.2 Описание пользовательского интерфейса
- •Заключение
- •Список литературы
1.2.2 Поиск решения, на основе базы знаний (системы основанные на знаниях)
Типичная экспертная система состоит из следующих основных компонентов: механизма вывода (интерпретатора правил), базы знаний (БЗн), включающей рабочую память (РП) или базу данных (БД) и базу правил, компонентов приобретения знаний, объяснительного и диалогового.
База знаний в ЭС предназначена для хранения долгосрочных знаний, описывающих рассматриваемую предметную область, и включает в себя базу данных (РП), которая предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи, и базу правил, описывающих целесообразные преобразования данных этой области.
Механизм вывода, используя исходные данные из РП и знания из БЗн, формирует такую последовательность правил, которые, будучи примененными к исходным данным, приводят к решению задачи. Одним из важных вопросов, возникающих при проектировании управляющей компоненты систем, основанных на знаниях, является выбор метода поиска решения, т.е. стратегии вывода. От выбранного метода поиска будет зависеть порядок применения и срабатывания правил. Процедура выбора сводится к определению направления поиска и способа его осуществления. Процедуры, реализующие поиск, обычно «зашиты» в механизм вывода, поэтому в большинстве систем инженеры знаний не имеют к ним доступа и, следовательно, не могут в них ничего изменять по своему желанию.
При разработке стратегии управления выводом необходимо ответить на два вопроса:
1. Какую точку в пространстве состояний принять в качестве исходной? Дело в том, что еще до начала поиска решения система, основанная на знаниях, должна каким-то образом выбрать исходную точку поиска. От выбора этой точки зависит и метод осуществления поиска - в прямом или в обратном направлении.
2. Как повысить эффективность поиска решения? Чтобы добиться повышения эффективности поиска решения, необходимо найти эвристики разрешения конфликтов, связанных с существованием нескольких возможных путей для продолжения поиска в пространстве состояний, поскольку требуется отбросить те из них, которые заведомо не ведут к искомому решению.
В системах с обратным выводом вначале выдвигается некоторая гипотеза, а затем механизм вывода в процессе работы как бы возвращается назад, переходя от нее к фактам, и пытается найти среди них те, которые подтверждают эту гипотезу. Если она оказалась правильной, то выбирается следующая гипотеза, детализирующая первую и являющаяся по отношению к ней подцелью. Далее отыскиваются факты, подтверждающие истинность подчиненной гипотезы. Обратный поиск применяется в тех случаях, когда цели известны и их сравнительно немного.
В системах с прямым выводом по известным фактам отыскивается заключение, которое из этих фактов следует. Если такое заключение удастся найти, то оно заносится в рабочую память.
В системах, база знаний которых насчитывает сотни правил, весьма желательно использование стратегии управления выводом, позволяющей минимизировать время поиска решения и тем самым повысить эффективность вывода. К числу наиболее известных стратегий относятся поиск в глубину, поиск в ширину, разбиение на подзадачи и альфа-бета алгоритм.
Компонент приобретения знаний реализует процесс наполнения ЭС знаниями.
Объяснительный компонент поясняет, как система получила решение задачи (или почему она не получила решения) и какие знания она при этом использовала, что облегчает эксперту тестирование и отладку системы и повышает доверие пользователя к полученному результату.
Диалоговый компонент ориентирован на организацию дружественного интерфейса для всех категорий пользователей и используется как в ходе решения задач, так и приобретения знаний, объяснения результатов работы.
Качество экспертной системы определяется размером и качеством базы знаний (правил или эвристик). Система функционирует в следующем циклическом режиме: выбор (запрос) данных или результатов анализов, наблюдение, интерпретация результатов, усвоение новой информации, выдвижение с помощью правил временных гипотез и затем выбор следующей порции данных или результатов анализов. Такой процесс продолжается до тех пор, пока не поступит информация, достаточная для окончательного заключения.
К основным понятиям данного алгоритма можно отнести– Модель,одно из возможных реализаций «реального мира». Возможные миры могут рассматриваться как (потенциально) реальные варианты среды, в которых может находиться или не находиться агент, а модели представляют собой математические абстракции, каждая из которых устанавливает, является ли истинным или ложным каждое высказывание, относящееся к данной модели.
“m является моделью высказывания α, если оно истинно в модели m “
В любой момент времени в системе содержатся три типа знаний:
структурированные статические знания о предметной области;
структурированные динамические знания — изменяемые знания о предметной области;
рабочие знания, применяемые для решения конкретной задачи или проведения консультации.
Технологию построения экспертных систем называют инженерией знаний. Этот процесс требует специфической формы взаимодействия создателя экспертной системы, которого называют инженером знаний, и одного или нескольких экспертов в некоторой предметной области. Инженер знаний «извлекает» из экспертов процедуры, стратегии, эмпирические правила, которые они используют при решении задач, и встраивает эти знания в экспертную систему.