Технология разработки гибридных интеллектуальных систем

• Автор: Колесников, Александр Васильевич
• Шифр специальности: 05.13.01
• Научная степень: Докторская
• Год защиты: 2002
• Место защиты: Санкт-Петербург
• Количество страниц: 437 с. : ил

ВВЕДЕНИЕ
Автоматизацию обработки информации и управления в технических, социальноэкономических и биопроизводственных системах БПС невозможно представить без применения широкого спектра методов и моделей классической и дискретной математики, имитационного моделирования, системного анализа, исследования операций ИСО, искусственного интеллекта ИИ. Огромный вклад в эту область внесли своими работами А.И. Берг, В.М. Глушков, Л.Т. Кузин, О.И. Ларичев, Л.А. Растригин, А.И. Уемов, В Ф. Перегудов, Г.С. Поспелов, Д.А. Поспелов, Полуэктов, i, . , . ii, , .II. i, , . , . и др. Благодаря трудам этих ученых и их школ появилось множество разных по способам представления данных и знаний классов методов, моделей, алгоритмов и инструментальных средств систем обработки информации и управления, открылась возможность увеличить производи тельность умственного труда во всех сферах деятельности человека.
К концу х годов, несмотря на разнообразие инструментариев с заметно улучшившимся качеством, для специалистов по автоматизированным системам управления и обработки информации сложилась парадоксальная ситуация написать интеллектуальную систему, которая помогала бы решать все усложняющиеся практические задачи, становилось все труднее и труднее. А сегодня уже известно, что только менее трети проектов информационных систем заканчиваются успешно. С этим парадоксом наука и практика перешли в й век.
Большинство ученых во многом сходятся в оценке главной причины этого парадокса. Он вызван, с одной стороны, необходимостью решения не игрушечных, а сложных практических задач, т.е. таких задач, какие они есть на самом деле, в реальном мире, а с другой стороны, практикой узкой специализации научных школ на развитии и применении одного единственного метода моделирования для имитации решения задач человеком, что приводит к од

носгороннему, ограниченному, несистемному рассмотрению сложных явлений и процессов.

Необходимость отказа от абсолютизации какогото одного вида знаний при разработке интеллектуального управления, перехода к ансамблям сотрудничающих с целью взаимокомпенсации недостатков моделей и поиска методов решения практических задач за рамками преимуществ и недостатков отдельных инструментариев построением многомодельных, интегрированных, гибридных систем и гибридных интеллектуальных систем ГИИС с мягкими вычислениями обосновывалась Л.Н. Борисовым, В.Ф. Венда, Е С. Вентцель, Д А. Поспеловым, . , . , М. i, . и др. Основы теории, методологии и технологии ГИИС заложены в трудах А.Н. Аверкина, Н.П. Бусленко, В.В. Емельянова, Г.С. Осипова, В.Б. Тарасова, Н.Г. Ярушкиной, . , . i, . , . ii, . i, . и других ученых.
Несмотря на успехи ГИИС х годов, как и в любом научном направлении, здесь еще много неясных и нерешенных проблем как по постановке, так и по методам. По многокомпонентным, функциональным ГИИС сделаны лишь первые шаги. Нет теории, отсутствуют технологии их автоматизированного проектирования, разработка ГИИС попрежнему относи тся скорее к искусству генетикаинформатика в его уникальной мастерской, чем к научно обоснованной гибридизации, широко используемой в решении практических задач. Гибридизация сложный, тонкий и трудоемкий процесс разработки ГИИС, требующий широкого спектра знаний о предметной области, задачах, методах их решения, длительной по времени, сложной обработки информации и экспериментов Часто встречающееся некорректное применение автономных технологий и методов, например искусственных нейронных сетей ИНС, нечетких систем НС и генетических алгоритмов ГА, приводит к ошибкам в функциональных ГИИС, а трудоемкость их разработки не позволяет за время проекта построить несколько вариантов, проверить их качество и выбрать приемлемый.
Поэтому, а также изза расширения практики разработки и применения в интеллектуальном управлении и проектировании гибридов, актуальны теория,
методология и особенно технология гибридизации. Объект исследования диссертации методы, модели, алгоритмы и программы разработки функциональных ГИИС.

Актуальность

Проблематика ГИИС включает идентификацию и спецификацию задач релевантных гибридам, исследование преимуществ и недостатков методов моделирования, отношений интеграции во многом определяющих состав, архитектуру и процессы обмена и обработки информации в гибридах, разработку протоколов для коммуникации между компонентами и многопроцессорные архитектуры. Цели исследований ГИИС создание методов увеличения эффективности, выразительной силы и силы вывода интеллектуальных систем, преимущественно более полных, разрабатываемых с меньшими усилиями, чем приложения, использующие автономные модели. Чтобы достичь указанных целей предстоит еще много сделать в теории, методологии, технологии и инструментальных средствах ГИИС. Косовский, . В более узком смысле научное знание, охватывающее анализ системзадач и синтез системметодов и системмоделей, т. Перегудов, Тарасенко, . Центральную роль в формировании теории ГИИС играют модели. В этой связи огромное значение приобретает разработка моделей задач, решаемых гибридами, моделей методов, моделей ГИИС основы испытательных стендов для сбора и обработки эмпирических данных о разработке и эксплуатации гибридов. Определенное место в теории ГИИС должно быть уделено и первичным допущениям, постулатам, аксиомам, описывающим идеализированный объект агрегат ГИИС. У всех агрегатов, а именно так принято называть в системном анализе результат агрегирования, интеграции, гибридизации, эмерджентность возникают благодаря конкретным связям между конкретными элементами. Возникновение качественно новых свойств при гибридизации проявление закона перехода количества в качество. Выполняя гибридизацию, необходимо установить 1 что именно рассматривается в качестве элемента, 2 как образуется множество элементов и 3 какие отношения устанавливаются на этом множестве. Для системного анализа типичны такие агрегаты, как конфигуратор, агрегатыоператоры и агрегатыструктуры Перегудов, Тарасенко, . Агрегатконфигуратор состоит из качественно различных языков разностороннего, многопланового и многоаспектного описания системы для решения сложных практических задач. Основное свойство такого агрегата минимально необходимое для заданной цели количество языков. Агрегатыоператоры задают отношения эквивалентности между комбинируемыми элементами, т е. Если агрегируемые признаки фиксируются на числовых шкапах, то отношение на множестве признаков задается числовой функции многих переменных, которая и будет агрегатом. Агрегатыструктуры задают взаимосвязи элементов во всех существенных отношениях, определяемых конфигуратором. В современном системном анализе все возрастающее внимание уделяется специфическому виду структур семантическим сетям Искусственный интеллект, . В табл. П1. Подробно формализмы рассмотрены в работе Колесников, . В первый класс включены формализмы гибридных систем от простейшей И модели . И моделях . Чтобы не выйти за рамки математических и теоретикомножественных формализмов, здесь используются простейшие агрегатыоператоры в виде функций от детерминированных переменных. Такая интеграция присуща только одному языку конфигуратора непрерывнодискретному, что определяет и класс предметных областей, где возможно ее применение технические системы, автоматика, вычислительная техника, телекоммуникация и роботы. Второй класс формализмов включает методы интеграции для агрегативных систем П. П. Бусленко. Помимо того, что сам агрегат это агрегатоператор в виде функций на детерминированных и стохастических переменных, эти агрегаты могут быть связаны отношениями обмена информацией в агрегатструктуру агрегативную систему. По существу, это и определяет качественноновые свойства, которыми обладают агрегативные системы. Они имитируют поведение систем на двух языках конфигуратора непрсрывенодискретном и детерминированностохастическом. Такой состав конфигуратора уже позволяет применять агрегативные системы не только для моделирования управления в технических системах, но и решать некоторые задачи ин теллектуального управления в надкибернетических системах, корректируя фундаментальные аналитические зависимости статистически достоверной информацией. Агрегатыоператоры, применяемые в первых двух классах, накладывают довольно жесткие ограничения на условия агрегации.