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.