Филиал федерального бюджетного образовательного учреждения высшего профессионального образования «Уфимский Государственный Авиационный Технический Университет» в г. Кумертау
Кафедра ИИТ
Лабораторная работа №3
Исследование алгоритмов работы экспертных систем
Выполнил: ст. гр. АП-509д Насретдинов Р.М.
Ахмадиев И.Н.
Тулибаев Ф.Ф.
Проверил: ассистент Мизин С. В.
Кумертау
2012 г.
Цель работы
Изучение алгоритмов работы, экспериментальная проверка работоспособности экспертных систем на основе прямой и обратной цепочек рассуждений.
Теоретическая часть
Приступим к разработке реальной экспертной системы, предназначенной для решения задач определенного типа. Задачи каждого типа решаются наиболее оптимальными для них методами, и, следовательно, экспертная система должна быть ориентирована на строго конкретную предметную область, иначе она будет бесполезна.
Рис. 1 иллюстрирует прямую и обратную цепочки рассуждений в системе искусственного интеллекта [1].
Рис. 1. Конфигурация и работа системы ИИ
Самый простой способ пояснить процесс разработки программного средства – это описать на бумаге все шаги решения задачи без компьютера. Составление подобного описания называется разработкой алгоритма. Алгоритм – это детальный перечень всех логических шагов решения задачи.
Решая задачу, компьютер выполняет те же действия, что и человек, только быстрее, и, следовательно, следующим этапом при разработке системы ИИ должно быть составление программы по этому алгоритму.
Простая экспертная система, может быть написана на стандартном Бейсике, поэтому её можно запустить практически на любом персональном компьютере. Читателю надо только построить свою базу знаний для своей области.
В случае прямой цепочки рассуждений отправной точкой рассуждений служит уже возникшая ситуация, а затем делаются выводы.
Как следует из самого названия, обратная цепочка рассуждений идет в сторону, противоположную прямой цепочке, т.е. от заключения к данным. Обратная цепочка возникает после того, как цель уже достигнута.
Обратной цепочка рассуждений называется потому, что начинается с уже происшедшего события и идет к его истокам. Программные средства, работающие по принципу обратной цепочки рассуждений, предназначены для поиска причин по уже известному результату. Цепочка выполняется с помощью серии вопросов, которые система ИИ задает человеку.
Система, реализующая прямую цепочку рассуждений, на основании имеющихся условий делает возможные логические выводы; система, реализующая обратную цепочку рассуждений по имеющимся выводам, ищет необходимые для них условия.
Ответы на контрольные вопросы
Поясните механизм работы системы искусственного интеллекта.
В случае прямой цепочки рассуждений отправной точкой рассуждений служит уже возникшая ситуация, а затем делаются выводы.
Как следует из самого названия, обратная цепочка рассуждений идет в сторону, противоположную прямой цепочке, т.е. от заключения к данным. Обратная цепочка возникает после того, как цель уже достигнута.
Обратной цепочка рассуждений называется потому, что начинается с уже происшедшего события и идет к его истокам. Программные средства, работающие по принципу обратной цепочки рассуждений, предназначены для поиска причин по уже известному результату. Цепочка выполняется с помощью серии вопросов, которые система ИИ задает человеку.
Система, реализующая прямую цепочку рассуждений, на основании имеющихся условий делает возможные логические выводы; система, реализующая обратную цепочку рассуждений по имеющимся выводам, ищет необходимые для них условия.
Рис. 1. Конфигурация и работа системы ИИ
В чем состоит суть прямой цепочки рассуждения?
Для экспертной системы фондовой биржи можно было бы воспользоваться, например, такими правилами:
10 ЕСЛИ ПРОЦЕНТНЫЕ СТАВКИ – ПАДАЮТ,
ТО УРОВЕНЬ ЦЕН НА БИРЖЕ – РАСТЕТ;
20 ЕСЛИ ПРОЦЕНТНЫЕ СТАВКИ – РАСТУТ,
ТО УРОВЕНЬ ЦЕН НА БИРЖЕ – ПАДАЕТ;
30 ЕСЛИ ВАЛЮТНЫЙ КУРС ДОЛЛАРА – ПАДАЕТ,
ТО ПРОЦЕНТНЫЕ СТАВКИ – РАСТУТ;
40 ЕСЛИ ВАЛЮТНЫЙ КУРС ДОЛЛАРА – РАСТЕТ,
ТО ПРОЦЕНТНЫЕ СТАВКИ – ПАДАЮТ.
Предположим, создана фирма, дающая на основе этих правил консультации в области биржевых операций. Пусть первый клиент фирмы сообщил, что валютный курс доллара падает по отношению к основным валютным курсам других стран, и попросил совета. Цель, очевидно, заключается в выборе правильного поведения на бирже, но останется ли при этом клиент в выигрыше, зависит от пока еще не определенных условий. Напомним, что в системе, реализующей прямую цепочку рассуждений, прогнозы выполняются следующим образом: если возникшая ситуация удовлетворяет условной части правила (части ЕСЛИ), делается логический вывод, определенный в констатирующей части (части ТО). Для приведенного примера необходимо, чтобы в условной части какого-либо правила содержалось бы условие:
ВАЛЮТНЫЙ КУРС ДОЛЛАРА ПАДАЕТ.
Такое условие содержится только в правиле 30:
30 ЕСЛИ ВАЛЮТНЫЙ КУРС ДОЛЛАРА – ПАДАЕТ,
ТО ПРОЦЕНТНЫЕ СТАВКИ – РАСТУТ;
В соответствии с этим правилом можно сделать вывод о росте процентных ставок. О ВАЛЮТНОМ КУРСЕ ДОЛЛАРА упоминается еще в правиле 40. Но условие, записанное в этом правиле,
40 ЕСЛИ ВАЛЮТНЫЙ КУРС ДОЛЛАРА – РАСТЕТ
не соответствует исходному состоянию падения валютного курса доллара, и поэтому правило 40 в дальнейших рассуждениях не будет участвовать. Рассуждения еще не закончены, так как правило, 30 в свою очередь порождает новую ситуацию:
ПРОЦЕНТНЫЕ СТАВКИ – РАСТУТ.
Необходимо проверить, не приведет ли она к другим выводам. Видно, что в правиле 10:
10 ЕСЛИ ПРОЦЕНТНЫЕ СТАВКИ – ПАДАЮТ,
ТО УРОВЕНЬ ЦЕН НА БИРЖЕ – РАСТЕТ;
подходящего условия нет, а в правиле 20:
20 ЕСЛИ ПРОЦЕНТНЫЕ СТАВКИ – РАСТУТ,
ТО УРОВЕНЬ ЦЕН НА БИРЖЕ – ПАДАЕТ;
есть. Возникает новая ситуация:
УРОВЕНЬ ЦЕН НА БИРЖЕ – ПАДАЕТ
и рассуждения продолжаются.
Еще раз выполняется проверка всех правил, но ни в одном правиле в условной части не упоминается УРОВЕНЬ ЦЕН НА БИРЖЕ, и на этом рассуждения заканчиваются. Клиенту можно сказать следующее: «Когда обменный курс доллара падает, растут процентные ставки и уровень цен на бирже падает».
В реальной жизни такое заключение потребовало бы более сложных правил, однако система, реализующая прямую цепочку рассуждений (впрочем, как и другие системы), оперирует только теми данными, которые есть в базе знаний.
Рассмотренный пример иллюстрирует работу типичной системы прямых рассуждений:
1. Система содержит описание ряда ситуаций.
2. Для каждой ситуации система ищет в базе знаний правила, в условной части которых содержится соответствующее условие.
3. В соответствии с констатирующей частью (частью ТО) каждое правило может генерировать новые ситуации, которые добавляются к уже существующим.
4. Система обрабатывает каждую вновь сгенерированную ситуацию. При наличии хотя бы одной такой ситуации выполняются действия, начиная с пункта 2. Рассуждения заканчиваются, когда больше нет необработанных ситуаций.
Составьте базу знаний для прямой цепочки рассуждения.
Воспользуемся базой знаний, разработанной для фондовой биржи.Все необходимые для работы переменные сведем в табл. 1. Применяя содержащиеся в таблице переменные, относящиеся к фондовой бирже, правила можно записать следующим образом:
10 ЕСЛИ INTEREST – ПАДАЕТ,
ТО STOCK – РАСТЕТ;
20 ЕСЛИ INTEREST – РАСТЕТ,
ТО STOCK– ПАДАЕТ;
30 ЕСЛИ DOLLAR – ПАДАЕТ,
ТО INTEREST – РАСТЕТ;
40 ЕСЛИ DOLLAR – РАСТЕТ,
ТО INTEREST – ПАДАЕТ;
50 ЕСЛИ FEDINT – ПАДАЕТ И FEDMON – ДОБАВИТЬ,
ТО INTEREST – ПАДАЕТ
Таблица 1
Таблица имён переменных
|
Имя переменной |
Значение |
|
INTEREST |
Изменение процентных ставок (рост или падение)
|
|
DOLLAR |
Валютный курс доллара
|
|
FEDINT |
Процентные ставки федерального резерва
|
|
FEDMON |
Обращение денег федерального резерва (т.е. добавление или изъятие резервов)
|
|
STOCK |
Изменение уровня цен на бирже
|
Тиками образом база знаний примет вид показанный на рис. 2.
Рис. 2. Структуры данных базы знаний фондовой биржи