Одним из "чудес света" только что закончившегося 20-го столетия, без сомнений, следует считать результаты полученные в теории управления, информатике и вычислительной технике. Благодаря этим достижениям, а также прогрессу в смежных дисциплинах системного анализа, исследования операций, теории принятия решений и искусственного интеллекта появилась возможность увеличить производительности умственного труда на сбор, обработку, хранение и отображение информации во всех сферах деятельности человека.
Автоматизацию обработки информации и управления, сегодня, уже невозможно представить без применения широкого спектра методов классической, дискретной математики, новейших технологий искусственного интеллекта: экспертных и нечетких систем, нейросетей и генетических алгоритмов, а также уже традиционных баз данных, текстовых и графических редакторов , электронных таблиц и др.
К концу 80-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 21-й век.
Большинство авторов во многом сходятся в оценке главной причины этого парадокса. Он вызван все возрастающей сложностью создаваемых систем. Она становится особенной очевидной, если специалисты берутся за автоматизацию решения не "игрушечных", а "практических" задач, т.е. таких задач "какие они есть" на самом деде, в реальном мире, а не представляются только ученым в стенах научных лабораторий.
То, что сложные, практические задачи, оказались "капризнее" к методам и технологиям, чем "элегантные" научные задачи-образцы, простимулировало отказ от центробежных тенденций научных школ и открыло путь междисциплинарным, интеграционным процессам в мире методов моделирования. Эти процессы породили много новых, еще не устоявшиеся и трактуемых по разному терминов, "поддержка принятия решений", "вычислительный, распределенный, параллельный интеллект", "распределенное решение задач" и многие др. Интеллектуальные системы стали многоагентными, гибридными, интегрированными. Для подобных систем и пытаются разрабатывать методы и технологии автоматизации решения сложных практических задач.
Цель настоящей книги - изложение результатов в теории, методологии и технологии решения практических задач путем создания в памяти компьютера гибридных интеллектуальных систем (ГИИС). Автор, конечно, отдает себе отчет в том, что рассматриваемые ниже результаты лишь одна из тропинок по лабиринту, в конце которого еще даже и не виден свет, который дал бы надежду на разгадку тайны решения сложных задач человеком. Однако по предлагаемой тропинке автор и его коллеги из Калининградского государственного технического университета уже прошли и накопили определенный багаж знаний, который и предлагается вниманию читателя.
Результаты в теории, методологии и технологии одного из классов гибридов - функциональных гибридных интеллектуальных систем позволили разработать, реализовать и провести эксперименты с семейством программ для решения практических задач в трех предметных областях: транспортном узле, био-производственной системе и системе проектирования автоматики морских транспортных судов. Эти результаты получены за период времени с 1986 по 2000 год . Все они рассмотрены в настоящей книге.
Итогом четырнадцати лет исследований стала проблемно-структурная технология разработки функциональных гибридных интеллектуальных систем. Эта технология дает возможность разработчикам автоматизированных систем обработки информации и управления использовать аппарат системного анализа и концептуального моделирования для понимания и снижения сложности практических задач, а также оригинальные методы, модели, алгоритмов и программы синтезирующие гибрид для решения возникшей проблемы.
Книга имеет следующую структуру.
Глава 1 вводит читателя в существо проблематики. Для этого рассматривается эволюция систем управления и показывается состояние и возможности традиционных подходов к моделированию систем управления. В сравнении с традиционными показаны новые интеллектуальные технологии и выделены проблемы интеллектуального управления.
Материал главы 2 занимает особое положение. В ней изложен язык концептуального моделирования сложных систем используемый во всех последующих главах. Этот язык разработан в неформальной аксиоматической теории схем ролевых концептуальных моделей. Используя аппарат схем, последовательно, "от простого к сложному" формализуются понятия ресурса, свойства, действия, оценки, состояния, а в главах 3-7 понятия задачи, автономного и интегрированного метода, элемента ГИИС, гибридного интеллектуальной системы и гибридного имитационного процесса.
Глава 3 посвящена анализу динамических, эволюционных процессов в мире задач автоматизированных систем обработки информации и управления. Для этого построена и рассмотрена онтология, выявлены источники неоднородности практических задач и сформулированы схемы однородных и неоднородных задач. Получена также схема одного из классов неоднородных задач - задач планирования, решение которых с помощью ГИИС рассмотрена в главе 10. Значительное место уделено анализу известных методов редукции сложности формализованные и трудноформализуемых задач и изложению авторского подхода к редукции неоднородных задач.
Глава 4 посвящена анализу динамических, эволюционных процессов в мире методов моделирования. Для этого построена и рассмотрена онтология, сформулирована схема метода моделирования. Введены понятия автономного и интегрированного метода решения задач. Предложена классификация отношений интеграции различных видов знаний. Построена модель взаимодействия мира задач и мира методов моделирования, на которой возможно конструирование гибридов.
Глава 5 дает читателю материал для того, чтобы самостоятельно освоить основы теории шести классов методов: аналитических представлений, статистического имитационного моделирования, экспертных и нечетких систем, искусственных нейросетей и генетических алгоритмов. Эта глава может читаться как отдельно от прочего материала книги, так и контексте 4-ой, 6-8 -ой глав. Включая этот раздел в книгу, автор преследовал две цели. Первая - это восполнить нехватку литературы, особенно учебной, по современным технологиям искусственного интеллекта. Вторая - подготовить читателя к восприятию более сложного материала последующих глав, требующих специальных знаний о преимуществах и недостатках автономных методов и , что особенно важно, понимания происхождения этих плюсов и минусов, играющих основополагающую роль в гибридизации. Поэтому теория автономных методов дополнена схемами ролевых концептуальных моделей, а также моделями вычислений. Систематизированы и изложены преимущества и недостатки по каждому классу методов.
Глава 6 вводит читателя в разнообразный и тонкий мир гибридов. Здесь сконцентрированы основные понятия и дана краткая история этого направления интеграции. Рассмотрено состояние в области классических гибридных систем. Это позволит проще воспринимать последующий материал в сравнении. Дан достаточно полный обзор известных в мире классификаций и архитектур гибридных интеллектуальных систем.
Глава 7 содержит, прежде всего, анализ известных формализмов интеграции знаний. В этой главе завершается построение неформальной аксиоматической теории схем ролевых концептуальных моделей, начатое во второй главе. Для этого вводятся схемы элементов для крупно- и мелкозернистых гибридов. Из схем элементов, стоятся различные варианты схем ГИИС. Для каждого варианта предложены формализмы и метод моделирования функционирования ГИИС в специально сконструированной динамической, семантической сети. Принципы разработки ГИИС, концентрирующие в лаконичной форме опыт гибридизации изложены в последнем разделе главы.
Глава 8 включает материал, дополняющий содержание пятой главы. Здесь для всех шести классов автономных методов изложены жизненные циклы, помогающие разработчику реализовать переход от оригинала к модели при разработке элементов ГИИС. Кроме этого дан сравнительный анализ методологий разработки гибридов. Основное внимание уделено жизненному циклу разработки приложений функциональных ГИИС. Для этого подробно рассмотрена структура и свойства этапов гибридного моделирования (гибридизации). Центральное внимание, уделено методам, моделям и алгоритмам подбора класса методов, релевантных свойствам однородных задач из декомпозиции неоднородной задачи и методам, моделям и алгоритмам синтеза ГИИС, выступающей в роли метода решения неоднородной задачи. Показано место и преимущества гибридного моделирования.
Глава 9 посвящена проблемно-структурной технологии разработки функциональных ГИИС. Она опирается на материал седьмой и восьмой глав. Прежде всего, дается обзор немногочисленных технологий и инструментальных средств разработки гибридов различных классов. Основное место занимает рассмотрение инструментальной среды, поддерживающей PS-технологию и крупнозернистую гибридизацию - системы ГИМЕНЕЙ. Читатель может познакомится с ее составом, архитектурой и функциями всех основных программ. Заканчивается эта глава изложением языка и системы моделирования крупно- и мелко- зернистых функциональных ГИИС - Visual Event 2.0. Для этого излагает метафора конвейерного моделирования гибридного имитационного процесса, основные выразительные средства языка и поясняется работа интерпретатора динамической, семантической сети.
Глава 10 содержит материал о решении практических задач с помощью PS-технологии для трех предметных областей. На конкретных примерах рассмотрены вопросы системного анализа неоднородных задач, разработка, в общей сложности, 37 автономных моделей-элементов ГИИС, архитектуры нескольких программных систем и результаты экспериментов, подтверждающие эффективность ГИИС, создаваемых по PS-технологии. Выполнен сравнительный анализ и получены оценки эффективности и инструментальных средств, поддерживающих PS-технологию.