в библиотеку

Многоуровневый подход к построению гибридной интеллектуальной системы

Авторы: А.В. Щербаков, Г.С.Федорова.
Харьковский национальный экономический университет, Харьков

Источник: http://archive.nbuv.gov.ua/portal/natural/soi/2011_3/scerbF.pdf

Аннотация:
В статье рассмотрено понятие гибридной интеллектуальной системы, обоснована необходимость разделения сложных интеллектуальных систем на уровни. Проанализированы преимущества и недостатки распределения интеллектуальных систем на уровни. Предложены уровни детализации для задач управления и принятия решений.

Введение

Актуальность. Интеллектуальные системы се­годня не просто влияют на деятельность предпри­ятий, ускоряя и оптимизируя бизнес-процессы, они становятся неотъемлемой частью этих процессов. Область их применения постоянно расширяется, а сами они становятся все более и более сложными. Приобретая глобальный характер, такие системы мо­гут иметь очень сложную архитектуру, предполагающую функционирование такой системы в виде набора компонентов, каждый из которых выполняет­ся в отдельном узле. Поскольку число таких систем возрастает, то требования, предъявляемые к ним, ста­новятся достаточно серьезными, сложность проекти­рования и разработки таких систем увеличивается.

В настоящее время научные исследования в области искусственного интеллекта направлены на изучение и построение сложных, больших и слабо формализуемых технических, экологических, эко­номических, политических и социальных проблем, порождаемых процессом развития цивилизации.

Одним из перспективных направлений в тео­рии интеллектуальных систем является разработка теоретико-информационного подхода к построению этих систем.

Интеллектуальная система является много­уровневой и иерархической системой, которая по­лучается из простейших систем заменой некоторых ее базовых элементов интеллектуальными подсис­темами. В настоящее время примером интеллекту­альной системы может служить сеть Интернет, в которой реализуются профессиональные ориенти­рованные локальные базы знаний и локальные базы данных. Сама сеть представляет собой рабочую подсистему, а пользователи системы выступают в роли активизирующей подсистемы. В целом они могут рассматриваться как интеллектуальная систе­ма.

Цель статьи - показать возможность разделе­ния сложных гибридных интеллектуальных систем на уровни, предложить возможную детализацию на уровни для задач управления и принятия решений.

Основная часть

Под гибридной интеллектуальной системой (ГИС) принято понимать систему, в которой для решения задачи используется более одного метода имитации интеллектуальной деятельности человека [1]. Таким образом, ГИС - это совокупность анали­тических моделей, экспертных систем, искусствен­ных нейронных сетей, нечетких систем, генетиче­ских алгоритмов, имитационных статистических моделей.

Гибридные интеллектуальные системы - новая и перспективная фундаментальная область междис­циплинарных исследований, ориентированная на решение сложных практических задач с использова­нием интеграции знаний [2].

Для построения гибридных интеллектуальных систем можно выбрать целый ряд подходов, кото­рые, в зависимости от поставленных перед системой целей, могут реализовать эти цели с тем или иным успехом. Новые подходы к построению ГИС связываются с применением интеллектуальных технологий, использующих средства представления знаний для построения интегрированных моделей.

В связи с бурным ростом объемов информации в различных отраслях знаний все более актуальной становится задача эффективного информационного обеспечения научной и производственной деятель­ности, а также процессов принятия решений. Как правило, эта задача рассматривается в контексте создания хранилищ документов и их систематиза­ции с целью облегчения поиска необходимой ин­формации. Однако, возможностей, предоставляемых построенными в рамках такого подхода информаци­онных систем, оказывается недостаточно для эф­фективной поддержки научной и производственной деятельности.

Это связано, в первую очередь, с ограниченностью методов и средств представления, поиска и интерпретации данных. В существующих системах данные в основном представляются в виде тексто­вых документов или формализованных записей баз данных, а интерпретация и представление данных в виде фактов, как правило, не поддерживается и воз­лагается на пользователя.

С появлением и усложнением интеллектуаль­ных систем очевидную значимость приобрели под­ходы к построению систем с использованием, так называемых слоев (уровней). Многоуровневый под­ход - это модель взаимодействия, в которой набор интеллектуальных систем или их составных компо­нентов взаимодействует и обменивается знаниями в некотором внутреннем представлении [3, 4].

Концепция уровней - одна из моделей, исполь­зуемых для разделения сложных систем, на более простые части. При таком подходе выделяют верх­ний уровень, описывающий систему в целом, под ним располагается более низкий уровень, на кото­ром делается описание, используемое верхним уровнем и т.д. Таким образом, если смотреть снизу вверх, то получается, что каждый нижележащий уровень обеспечивает функциональность, которую использует вышележащий для обеспечения методов более высокого уровня.

Основные задачи, для решения которых при­меняется многоуровневый подход, обычно сводятся к следующим:
1. Повышение производительности системы за счет переноса части функциональности с одной под­системы на другую декомпозируя задачи.
2. Снижение эксплуатационных расходов, а также снижение аппаратных требований.
3. Минимизация нагрузки.
4. Повышение эффективности использования вычислительных ресурсов за счет концентрации нагрузки.
5. Повышение производительности и доступ­ности путем дублирования и резервирования под­систем с оптимизацией распределения нагрузки.
6. Повышение структурированности программных систем за счет реализации компонентов в виде независимых модулей (объектов), обеспечение воз­можности комплектации готовой системы из таких модулей.
7. Потребность в интеграции различных при­ложений в едином интерфейсе.

Распределение системы на уровни предостав­ляет целый ряд преимуществ:
- отдельный уровень можно воспринимать как единое самодостаточное целое, которое не зависит от наличия других уровней;
- возможен выбор альтернативной реализации базового уровня;
- зависимость между уровнями сводиться к минимуму;
- созданный уровень может служить основой для нескольких различных уровней.

Схема распределения обладает и определенны­ми недостатками:
- уровни способны многое удачно инкапсули­ровать, однако существуют ограничения (модифи­кация одного уровня связана с необходимостью вне­сения каскадных изменений в остальные уровни);
- наличие избыточных уровней нередко снижа­ет производительность системы. При переходе из уровня в уровень моделируемые сущности обычно подвергаются преобразованиям из одного представ­ления в другое. Несмотря на это, инкапсуляция ни­жележащих функций зачастую позволяет достичь весьма существенного преимущества.

Однако самое трудное при использовании уровней - это определение содержимого и границ ответственности каждого уровня.

Построение структуры гибридной интеллекту­альной системы связано в первую очередь с по­строением модели системы, в которой должны быть определены как традиционные элементы системы, так и модели обработки знаний, реализуемые интел­лектуальной системой. В интеллектуальной системе новыми элементами по сравнению с традиционной системой являются все интеллектуальные преобра­зования или элементы управления знаниями, кото­рые связаны с реализацией искусственного интел­лекта, т.е. с использованием технологий экспертных систем, базы знаний, принятия решений, ассоциа­тивной памяти, нечеткой логики, семиотических сетей, управления структурной динамикой и т.п. [5].

В задачах управления и принятия решений сложных объектов обычно можно выделить не­сколько уровней детализации. К ним, в первую оче­редь, следует отнести:
- уровень задач организационного управления и принятия решений;
- уровень задач управления и контроля техни­ческого состояния объекта;
- уровень задач управления, прогнозирования и оценки технического состояния объекта.

Каждый уровень определяется различной глу­биной детализации описания процессов и особенно­стями представления пространства состояний.

К основным существенным характеристикам, присущим всем иерархическим системам относятся: последовательное вертикальное расположение под­систем, составляющих данную систему (вертикаль­ная декомпозиция); приоритет действий или право вмешательства подсистем верхнего уровня; зависи­мость действий подсистем верхнего уровня от фак­тического исполнения нижними уровнями своих функций.

Ниже представлена формализация многоуров­невого подхода.

Иерархия слоев представляет собой совокуп­ность вертикально расположенных решающих под­систем S;. Каждая из таких подсистем может быть, во-первых, описана как отображение Sj : Cj ^ Cj_ и, во-вторых, представлена в виде решающего эле­мента. А именно, заданы множество решаемых за­дач Dj (yj), Yj е Cj и преобразование Tj, такое, что для любого входа yj выход yj_j = Sj (yj) определя­ется функцией Yj_! = Tj (Xj), где Xj - решение за­дачи Dj (yj). Таким образом, входы yj выступают в качестве параметров (задаваемых непосредственно вышестоящим элементом), конкретизирующих ре­шаемые задачи в Sj; соответственно выходы yj_j, получающиеся после применения преобразования Tj , являются в свою очередь параметрами, задаваемыми непосредственно нижестоящему элементу [2, 3].

Выделим следующие основные доводы в поль­зу многоуровневого подхода.

Иерархическое упорядочение часто связано с процессом изменения структуры уже существующей системы в целях повышения эффективности ее ра­боты. При создании объединенной (или «интегриро­ванной») системы управления редко имеется воз­можность коренной перестройки и рационализации всего комплекса ввиду наличия ряда экономиче­ских, технических и социальных ограничений. При­ходится исходить из имеющейся уже системы регу­лирования рабочих процессов и управления на ниж­нем уровне, добавляя к ней управление более высо­кого уровня и осуществляя тем самым интеграцию всего управления системой.

Глобальная задача, для осуществления которой создается система, может быть конкретизирована путем установления иерархии необходимых работ и подзадач.

В многоуровневой децентрализованной систе­ме можно локализовать изменения в процедуре вы­работки решений, вызванные изменениями в проте­кании подпроцесса, и снизить тем самым затраты времени и средств. В общем случае система при этом быстрее адаптируется.

Имеющиеся ресурсы используются значитель­но лучше, если при решении сложных крупномас­штабных задач применять многоуровневый подход. Разумеется, это положение не бесспорно, ибо в об­щем случае применимость такого подхода зависит от умения правильно подобрать многоуровневую структуру.

Следует отметить, что переход от классической двухуровневой структуры к тому или иному вариан­ту многоуровневой архитектуры сам по себе не га­рантирует повышения эксплуатационных характе­ристик системы. Если качественные параметры можно определить уже на этапах постановки задачи и проектирования, то количественные характери­стики далеко не всегда могут быть с уверенностью предсказаны.

Предварительная оценка производительности многоуровневой системы, основанная на некоторой универсальной математической модели, крайне про­блематична. На характер стохастических процессов, протекающих в системе, оказывает влияние ряд трудно формализуемых факторов.

Представляется возможным оценить вероятно­стно-временные характеристики компонентов ре­альной масштабной гибридной интеллектуальной системы. Результаты такой оценки, если она выпол­нена на достаточно раннем этапе разработки, могут привести к значительной экономии средств при вне­дрении системы, поскольку появляется возможность снизить аппаратные требования к наиболее крити­ческим компонентам за счет корректировки (опти­мизации) структуры системы.

В зависимости от гибридной интеллектуальной системы, в которую внедряются информационные технологии с использованием многоуровневого подхода, возможно различное пространственное распределение пользователей и средств информаци­онной технологии. Разным может быть и комплекс решаемых задач, характер и временной интервал реализации целей интеллектуальной системы также зависят от того, в какой области она используется.

На основе приведенного выше краткого анали­за становится очевидным, что только подходы с ис­пользованием гибридных моделей, которые бы учи­тывали особенности выделенных уровней, а так- е интегрировали преимущества составляющих их моделей при одновременном исключении их недос­татков, являются перспективными.

Выводы

На основе анализа особенностей взаимодейст­вующих процессов предметной области и выделенных уровней определено, что процессы часто характеризу­ются иерархичностью, значительной сложностью.

Построение гибридной интеллектуальной сис­темы может быть сложным процессом, особенно если требуется значительная функциональность.

Построение может быть зачастую упрощено разби­тием системы на уровни, каждый из которых отве­чает за часть функциональности и взаимодействует с другими уровнями.

Такой подход обеспечивает разработку интег­рированных решений, построенных на объективных данных. При использовании представленного под­хода гибридная интеллектуальная система будет иметь гибкую архитектуру, состоящую из подсис­тем, находящихся на различных слоях.

Список литературы

1. Гаврилов А.В. Гибридные интеллектуальные системы / А.В. Гаврилов. - Новосибирск: НГТУ, 2003.

2. Барсегян А.А. Технология анализа данных: Data Mining, Visual Mining, Text Mining, OLAP / А.А. Барсегян. - 2-е изд. - СПб: БХВ-Петербург. - 2007. - 384 с.

3. Колесников А.В. Гибридные интеллектуальные системы. Теория и технология разработки / А.В. Колес­ников; под ред. А.М. Яшина. - СПб.: СПбГТУ, 2001.

4.  Hybrid Intellegent System [Электронный ре­сурс]. - Режим доступа к ресурсу: http://www.sUde- share.net/ikensolutions/ hybrid-intelligent-systems-presen­tation.

5. Гибридная интеллектуальная система [Элект­ронный ресурс] // Википедия - свободная энциклопедия. - Режим доступа к ресурсу: http://ru.wikipedia.org/wiki/ Гибридная_интеллектуаль-ная_система.