Стратегии управления выводом. Прямой и обратный вывод

От выбранного метода поиска (стратегии вывода) будет зависеть порядок применения и срабатывания правил. Процедура выбора сводится к определению направления поиска и способа его осуществления. Процедуры поиска обычно зашиты в механизм вывода и инженеры знаний не имеют к ним доступа. При разработке стратегии вывода определяют два вопроса: 1. Какую точку в пространстве состояний взять в качестве исходной (от выбора ее зависит метод – прямой или обратный)? 2. каким методом можно увеличить эффективность поиска? (применить метод поиска в ширину, глубину или др.)

При обратном выводе в начале выдвигается некоторая гипотеза, а затем механизм вывода как бы возвращается назад, переходя к фактам, пытаясь найти те, которые подтверждают гипотезу. Если она оказалась правильной, то выдвигается следующая гипотеза, детализирующая первую и являющаяся по отношению к ней подцелью. Далее отыскиваются факты, подтверждающие истинность подчиненной гипотезы. Вывод такого типа называется управляемый целями (управляемый консеквентами). Обратный вывод применяется в тех случаях, когда цели известны и их сравнительно немного.

В системах с прямым выводом по известным фактам отыскиваются заключения, которые из этих фактов следуют. Если такое заключение удается найти, то оно заносится в рабочую память. Такой вывод называется управляемый фактами (управляемый антецедентами).

Существуют системы, сочетающие оба вывода – системы с комбинированным выводом или циклические.

Пример: Имеется фрагмент базы знаний из двух правил:

П1: Если «отдых летом» И «человек активный», ТО «ехать в горы»

П2: Если «любит солнце», ТО «отдых летом»

Предположим в систему поступили факты: человек активный, любит солнце.

Прямой вывод: исходя из фактических данных, получить рекомендации

1ый проход

шаг 1. Пробуем П1 – не работает (не хватает данных «отдых летом»)

шаг 2. Пробуем П2 – работает, в базу поступает факт «отдых летом»

2ой проход

шаг 3. Пробуем П1 – работает, активируется цель «ехать в горы», которая и выступает как совет, который дает экспертная система.

Обратный вывод: подтвердить выбранную цель при помощи имеющихся данных и правил

1ый проход

шаг 1. Цель «ехать в горы». Пробуем П1 – данных «отдых летом» нет, они становятся новой целью и ищется правило, где цель в левой части

шаг 2. Цель «отдых летом». Правило П2 подтверждает цель и активирует ее

2ой проход

шаг 3. Пробуем П1 – подтверждается искомая цель

При поиске в глубину в качестве очередной подцели выбирается та, которая соответствует следующему более детальному уровню описания задачи. Например, диагностирующая система, сделав на основе известных симптомов предположение о наличии определенного заболевания, будет продолжать запрашивать уточняющие признаки и симптомы этой болезни до тех пор, пока полностью не опровергнет выдвинутую гипотезу.

При поиске в ширину системе наоборот сначала проанализирует все симптомы, находящиеся на первом уровне пространства состояний, даже если они относятся к разным заболеваниям, и лишь затем перейдет к следующему уровню детальности.

α-β алгоритм является другой разновидностью метода поиска и позволяет уменьшить пространство состояний путем удаления ветвей неперспективных для успешного поиска. Поэтому просматриваются только те вершины, в которые можно попасть в результате следующего шага, после чего неперспективные направления исключаются. α-β алгоритм нашел широкое применение в системах, ориентированных на различные игры, например – шахматы.

Еще один метод поиска – разбиение на подзадачи. Он подразумевает выделение подзадач, решение которых рассматривается как достижение промежуточных целей на пути к конечной цели. (Пример – поиск неисправности в компьютере).

Дата добавления: 2015-06-27