Экспертные системы в принятии управленческих решений

Экспертные системы – это система искусственного интеллекта. Эффективность экспертных систем основана на том, что знания эксперта можно тиражировать на машинном носителе и экономить на оплате труда экспертов. Поэтому, экспертные системы эффективны там, где решаются сходные задачи (в технических областях, управлении, финансах, в фирмах, в работе на фондовом рынке и т.д.). Там, где задача связана с индивидуальными особенностями объекта управления, разработка экспертных систем неоправданно дорога.

Экспертные системы основываются на базах знаний и ориентированы на узкую предметную область, которую можно описать базой знаний.

Считается, что применять экспертные системы необходимо тогда, когда обычные алгоритмические методы не подходят.

Экспертные системы работают с использованием эвристических (приближенных) методов, они могут работать с нечеткой информацией – много/мало; лучше/хуже и т.д. – эти нечеткие множества требуют математической подготовки.

Экспертные системы не применяются там, где решения основываются на здравом смысле (общедоступных знаниях широкого спектра). Структура экспертной системы представлена на риc. 2.5 [29].

При создании экспертных систем решаются три основные задачи:

· · выбор метода представления знаний,

· · выбор механизма логического вывода,

· · формирование базы знаний.

Рис. 2.5 Структура экспертной систем

Методы представления знаний в экспертных системах. Существует 3 основных метода представления знаний в экспертных системах:

· · продукционные правила,

· · семантические сети,

· · фреймы.

Продукционные правила – это знания в форме «если … то» - /if_then/ «если «посылка» то «заключение»». Посылка или заключение представляют собой факты или утверждения.

Факты в этих правилах не всегда либо истинны, либо ложны. Коэффициент уверенности характеризует степень достоверности данных.

Используемый коэффициент уверенности хорошо согласуется с эвристическим характером методов.

Семантические сети – предмет рассматривается как совокупность объектов и связей между ними. Объекты представляются вершинами сети, а связи – дугами.

Объекты нижнего уровня наследуют свойства объекта более высокого уровня – экономия памяти. Нет необходимости повторять свойства объектов в нескольких вершинах сети.

Фреймы рассматриваются как некоторые разновидности сети.

Объект – как разновидность этапов или ситуаций, с определенными атрибутами. С атрибутами связаны процедуры. Когда атрибут меняется, процедура выполняется заново.

Механизм логического вывода представлен на рис. 2.6.

Так называется прямой метод вывода, основанный на просмотре продукционных правил по направлению стрелок с целью составления цепочки логического вывода. Если вывод делается против стрелок, т.е. от ответа к исходным данным, то это обратный метод вывода. Если база знаний не велика, то может использоваться прямой метод, но обычно пользуются обратным методом вывода.

1 2 3 4 5 6

Рис. 2.6 Схема механизма логического вывода.

B&E – F (факт В и факт Е – обязательно будет факт F).

Рассмотрим логический вывод новых фактов прямым методом:

1. Имеющиеся в системе факты сопоставляются с базой знаний,

2. Набор фактов пополняется фактом D,

3. Имеющиеся в системе факты сопоставляются с базой знаний,

4. Добавляется факт Е,

5. Имеющиеся в системе факты сопоставляются с базой знаний,

6. Добавляется факт F.

Формирование базы знаний представляет собой сложную и трудоемкую задачу. В решении этой задачи участвует инженер по знаниям, который знаком с программной оболочкой ЭС. Инженер по знаниям формулирует вопросы к экспертам предметной области с целью формирования базы знаний и устанавливает степень уверенности в правильности ответа.

Формирование базы знаний содержит несколько этапов, в процессе которых объем базы знаний расширяется.

1. Демонстрационный прототип содержит около 50 правил продукции. Трудоемкость его формирования составляет 3-5 человекомесяца.

2. Исследовательский прототип содержит 200-500 правил, а трудоемкость формирования составляет 1-2 человеко-года.

3. Действующий прототип – 500-1000 правил, трудоемкость - 2-3 человекогода.

4. Промышленная экспертная система (т.е. система, сданная в промышленную эксплуатацию) – 500-1500 правил, трудемкость - 2-4 человекогода.

5. Коммерческая экспертная система (которая разработана для продажи) – 1000-3000 правил, трудоемкость 3-6 человеколет.

Параллельная классификация ЭС представлена на рис. 2.7 [30].

Аналитические ЭС предполагают выбор решения из множества известных вариантов. Синтетические ЭС формируют один вариант согласно поставленной задаче. В статических ЭС база знаний остается неизменной в процессе логического вывода. Динамические ЭС учитывают временной фактор и предусматривают изменение базы знаний в процессе логического вывода. Детерминированные ЭС содержат четко опреленные знания.

Рис. 2.7 Классификация экспертных систем

Неопределенные ЭС характеризуются учетом достоверности знаний и их нечеткостью, состоящей в качественной характеристике и многозначности понятий.

Одна ЭС может сочетать в себе различные признаки. Комбинация признаков позволяет отнести ЭС к одному из 4 классов (рис. 2.8).

Рис. 2.8 Классы экспертных систем

По схеме пересечение признаков образуют класс ЭС.

1. Классифицирующие ЭС выбирают из множества решений одно лучшее. Они основаны на одном источнике знаний. Логический вывод следует от общего к частному, т.е. используется метод дедукции.

2. Доопределяющие ЭС требуют устранения противоречий в знаниях, полученных от многих источников. В экономике используются для CASE – анализа (анализа проблемной ситуации).

3. Трансформирующие ЭС могут использоваться в управлении непрерывным производством, т.к. они учитывают учитывать фактор времени.

· 4Многоагентные системы основана на нескольких источниках знаний, а их динамический аспект проявляется в том, что разные источники знаний обмениваются между собой информацией в диалоговом режиме.

ЭС можно построить с помощью любого языка программирования, хотя более подходящим является непроцедурный язык высокого уровня, который уже имеет механизм логического вывода, например Пролог. В настоящее время существует ряд готовых программных оболочек ЭС.

Дата добавления: 2014-11-20