Разработка системы поддержки принятия решений при управлении сложными объектами на основе инженерии знаний

1.

Магистерская диссертация
на тему: «РАЗРАБОТКА СИСТЕМЫ
ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ
УПРАВЛЕНИИ СЛОЖНЫМИ ОБЪЕКТАМИ
НА ОСНОВЕ ИНЖЕНЕРИИ ЗНАНИЙ»
ВЫПОЛНИЛ: ОБУЧАЮЩИЙСЯ ГРУППЫ ЗМИСТ-201
ТУЛЬНЕВ ИГОРЬ НИКОЛАЕВИЧ

2.

Цель исследования: разработка системы поддержки решений при управлении сложными
объектами на основе инженерии знаний
Методы исследования.
В работе использованы методы системного, объектно-ориентированного анализа и моделирования
информационных систем, теории баз знаний, методы интеллектуального анализа данных, теории
искусственных нейронных сетей и теории рассуждений в условиях неопределенности.
Научная новизна работы.
Интеграция методов и результатов семантического анализа процессов управления, объектноориентированного анализа и моделирования информационных систем, относящихся к процессам
управления, что позволяет формулировать основы объектно-когнитивного анализа.
Предложено при разработке систем, основанных на знаниях, использовать специальные методы и
средства объектно-ориентированного моделирования предметной области, разработанные для
проектирования информационных систем, для создания концептуальной модели экспертов в
формализованной модели представления знаний.
Разработаны принципы представления знаний с использованием языка объектно-ориентированного
моделирования Unified Modeling Language (UML).
Исследованный комплекс моделей является основой для разработки системы поддержки принятия
решений при управлении сложными объектами.

3.

Задачи исследования
Для достижения цели в работе необходимо решить следующие задачи:
формализацию сложных объектов и цели управления на основе инженерии знаний;
процесс разработки структуры базы знаний с использованием технологии
объектно- когнитивного анализа процессов управления сложными объектами;
информационную
поддержку
принятия
управленческих
решений
сложных
объектов, основанных на формализации накопленных знаний и опыта управления,
хранящихся в базах знаний;
разработать
программный
продукт
представления
и
обработки
знаний,
предназначенных для поддержки принятия решений при управлении сложными
объектами.

4.

Сложные объекты обладают следующими свойствами:
Структура (Str)
Объекты (A)
Свойства (Q)
Отношения (R)
целостностью и возможностью декомпозиции на элементы А
(подобъекты, подсистемы);
наличием связей (отношений) Л между элементами А;
упорядоченностью элементов в определенную структуру (str);
наделением элементов параметрами (P);
наличием синергетических (интегративных) свойств Q, которыми
не обладают ни один из элементов системы;
наличием законов, правил и операций Z с элементами системы;
наличием цели функционирования и развития (G).
Сложный объект - совокупность SysN{А(Р), R, Str, Q, Z, G}
Операции (Z)
Цель (G)
System = {A (P), R, Str, Q, Z, G}
Рисунок 1 - Определение системы

5.

Процесс управления сложными объектами характеризуется:
Таблица 1 - Направления инженерии знаний
неопределенностью и недостаточностью знаний о
значениях характеристик объекта, о целях и
pecypcax управления, в том числе временных, и
другими видами неопределенностей;
наличием
проблемы
выбора
наиболее
информативных признаков из большого количества
параметров состояния объекта, которые можно
получить и проанализировать за ограниченное
время;
необходимостью анализа значительного количества
признаков, слабо поддающихся аналитической
обработке;
дефицитом времени на принятие решений и
значительной нагрузкой на управляющий персонал.
Направление
искусственного
интеллекта
Возможность
использования для
управления КС
Способ приобретения
знаний
Модели представления
знаний
Методы обработки
знаний
Экспертные
системы
Передача знаний от эксперта к
базе знаний экспертной
системы посредством диалога
Продукционные правила,
логические модели,
семантические сети, фреймы
Логический вывод новых
знаний над набором
пропозициональных формул
Использование для
диагностики и оценки
технического состояния
объекта, формирования
альтернатив решений и
алгоритмов их реализации
Вывод, основанный
на прецедентах
Накопление знаний в форме
прецедентов на основе опыта
Прецеденты, содержащие
описание проблемы
совокупности с указанием
решений, предпринимаемых в
аналогичной ситуации для
решения проблемы
Вывод решения относительно
данной проблемы или
ситуации по результатам
поиска аналогий, хранящихся
в базе прецедентов
Накопление опыта управления
в критических ситуациях и его
актуализация путем
адаптации решений,
содержащихся в прецедентах,
к новой ситуации
Естественноязыковые системы и
онтологии
Формирование обучающей
выборки входных образов
распознаваемых состояний
В неявном виде в архитектуре
искусственной нейронной
сети, параметрах нейронов и
связей
Аппроксимация функции
входных переменных в
обученной нейронной сети
Прогноз поведения объекта на
данных о его динамике в
прошлом, построение
функции, разделяющей в
пространстве состояний
объекта управления области
допустимых и критических
значений параметров
состояний объекта
Искусственные
нейронные сети
Разработка предметноориентированных словарей и
тезаурусов, лингвистический
анализ текстов
Таксономические структуры
совокупности терминов, их
определений и атрибутов
Интерпретация терминов
методом логического вывода
на основе заданных в
онтологии отношений
Разработка тезауруса процесса
управления в критических
ситуациях, проектирование
естественно-языкового
интерфейса

6.

Глобальная сеть управления
Обучение
Адаптация
Эксперт
Подсистема моделирования
База знаний
Оценка
эффективности
решения
Анализ,
классификация
ситуации
Принятие
решение
Реализация
решения
Оператор
Рисунок 2 – Этапы принятия решений
СППР имеет ряд характерных функций:
1.
2.
3.
4.
5.
6.
7.
Подсистема
отображения
информации
Помощь при оценке обстановки (ситуации), выборе критериев и оценке
Динамический
их относительной важности;
Подсистема
объект
мониторинга
управления
Генерация возможных решений (сценариев действий);
Оценка сценариев (действий, решений) и выбор лучшего;
Обеспечение постоянного обмена информацией об обстановке
принимаемых решений и помощь при согласовании групповых
Рисунок 3 - Структура информационной системы
решений;
Моделирование принимаемых решений;
поддержки принятия решений
Динамический компьютерный анализ возможных последствий
принимаемых решений;
Информационная система поддержки принятия решений должна
Сбор данных о результатах реализации принятых решений и оценка
соответствовать следующим требованиям:
результатов.
1. информационная система поддержки принятия решений должна давать
актуальную и достоверную информацию;
2. в состав ИСППР должна входить база знаний и база данных;
3. время формирования рекомендации ИСППР должно находиться в
пределах выделенного времени для данного сложного объекта.

7.

Рисунок 5 – Структура системы
распознавания
Рисунок 4 – Модель разработки ИСППР
Рисунок 5 – Модели в объектно-ориентированном подходе

8.

Рисунок 8-Показатели качества распознавания
Рисунок 6 – Модель анализа процесса управления СППР
Рисунок 7 -Модель процесса проектирования базы
знаний (диаграмма требований)

9.

Рисунок 10 - Основные цели и задачи разработки
Рисунок 8- Алгоритм решения проблемы
Рисунок 9- Взаимодействие системы с ЛПР
Рисунок 11 - Окно выбора решения по виду СУГ

10.

Выводы по работе
В ходе исследования сделаны следующие выводы и получены следующие результаты:
1. В данной работе в качестве объекта исследования выбрана система управления сложным объектом. Характерной
особенностью сложных объектов является то, что информация о параметрах объекта, его поведении и целях управления
выражена неточно или в некачественной форме. В этом случае существует проблема создания адекватной модели объекта и
эффективной системы управления. Использование «традиционных» методов сильно ограничено в силу принципиальной
невозможности описания таких типов неопределенности исходных данных в рамках классической теории управления. Для
решения этой проблемы используются системы управления, основанные на методах искусственного интеллекта.
2. Исследованы методы построения информационной системы поддержки принятия решений в процессе управления
сложными объектами в виде общенаучных подходов, дополненных конфигурацией информационной системы поддержки
принятия решений, определяющей процедуры обработки различных форм представления знаний.
3. Использование технологии объектно- когнитивного анализа и моделирования позволяет автоматизировать процессы
создания информационных систем поддержки принятия решений и сократить сроки их разработки.
4. Исследована методика разработки алгоритмов формирования рекомендаций по принятию решений, а также
программные средства для их практической реализации и критерии оценки эффективности предложенного подхода к
организации поддержки принятия решений на основе инженерии знаний.
5. Научные результаты работы явились основой создания систем информационной поддержки принятия решений,
включающих интеллектуальную компоненту накопления, использования, предоставления, обновления и распространения
знаний.
6. Результаты проведенных исследований свидетельствуют, что предложенные модели, методы и алгоритмы позволяют создавать
эффективные методики научных исследовании и решения прикладных задач, а использование разработанных моделей, алгоритмов и
программных средств повышает производительность труда разработчиков и сокращает сроки создания информационных систем поддержки
принятия решений, основанных на инженерии знаний.

11.

Спасибо за внимание!