Содержание к диссертации
Введение
Глава 1. Гибридная модель предметной области на базе функциональной сети параметров 16
1.1 Общая характеристика моделей и языков представления знаний 16
1.2 Концептуальная гибридная модель предметной области на базе функциональной сети параметров 27
1.3 Язык представления знаний — фреймы на сети параметров 36
Выводы 46
Глава 2. Алгоритмы формирования гибридной модели предметной области на базе функциональной сети параметров и поиска решений на данной модели 48
2.1 Процедуры поиска решений на моделях представления знаний 48
2.2 Эвристический алгоритм оптимизации базы знаний 52
2.3 Алгоритмы поиска решения на гибридной модели предметной области на базе функциональной сети параметров 62
2.3.1 Постановка задач поиска решений 62
2.3.2 Алгоритм прямого вывода на функциональной сети параметров с учетом альтернативности знаний и гибридности функциональных зависимостей в модели 64
2.3.3 Алгоритм обратного вывода на функциональной сети с учетом альтернативности знаний и гибридности функциональных зависимостей в модели 74
2.3.4 Алгоритм поиска оптимального решения на функциональной сети параметров с учетом альтернативности знаний и гибридности функциональных зависимостей методом прямого вывода 19
2.3.5 Алгоритм поиска оптимального решения на функциональной сети параметров с учетом альтернативности знаний и гибридности функциональных зависимостей методом обратного вывода 82
2.3.6 Выбор более эффективного алгоритма поиска оптимального решения на функциональной сети параметров 82
Выводы 85
Глава 3. Инструментальное программное средство создания гибридных экспертных систем, основанных на функциональных сетях 87
3.1 Общая характеристика инструментальных средств построения экспертных систем 87
3.2 Инструментальное программное средство создания экспертных систем, использующих гибридную модель на базе функциональной сети параметров 95
3.2.1 Назначение системы "WinESISP" 95
3.2.2 Каталог пользователей системы "WinESISP" 95
3.2.3 Каталог требований к системе "WinESISP" 96
3.2.4 Структура системы "WinESISP" 97
3.2.5 Функциональные возможности системы "WinESISP" 108
Выводы 113
Глава 4. Экспертные системы на базе гибридных моделей, использующих функциональную сеть параметров 114
4.1 Информационная система оценки финансово-экономического состояния предприятия 114
4.1.1 Общая характеристика предметной области 114
4.1.2 Модель статического и динамического экспресс-анализа финансово-экономического состояния предприятия, использующая функциональную сеть параметров 118
4.1.3 Модель традиционного анализа финансового состояния предприятия, использующая функциональную сеть параметров 121
4.1.4 Реализация экспертной системы "Информационная система оценки финансово-экономического состояния предприятия" и ее практическое использование 125
4.2 Экспертная система анализа уровня развития социально-экономической системы 130
4.2.1 Общая характеристика модели анализа уровня развития социально-экономической системы 130
4.2.2 Экспертная система анализа уровня энергосбережения в регионе 133
4.2.2.1 Общая характеристика предметной области 133
4.2.2.2 Модель оценки уровня энергосбережения в регионе 134
4.2.2.3 Реализация экспертной системы "Информационная система оценки уровня энергосбережения в регионе" и ее практическое использование 143
4.2.3 Экспертная система анализа уровня развития, эффективности функционирования и классификации технопарков России 146
4.2.3.1 Общая характеристика деятельности технопарка 146
4.2.3.2 Модель анализа уровня развития, эффективности функционирования и классификации технопарков России, использующая функциональную сеть 148
4.2.3.3 Реализация экспертной системы "Анализ уровня развития, эффективности функционирования и классификации технопарков России" и ее практическое использование 152
4.2.4 Экспертная система выбора организационной структуры социально-экономической системы 153
4.2.4.1 Общая характеристика предметной области 153
4.2.4.2 Модель выбора организационной структуры территориальной системы нефтепродуктообеспечения 154
4.2.4.3 Реализация экспертной системы выбора организационной структуры территориальной системы нефтепродуктообеспечения
и ее практическое использование 157
4.3 Экспертная система выбора более эффективного алгоритма решения задачи оптимизации 159
4.3.1 Общая характеристика предметной области 159
4.3.2 Модель выбора алгоритма решения задачи оптимизации, использующая функциональную сеть параметров 160
4.3.3 Реализация экспертной системы выбора алгоритма решения задачи оптимизации, использующая функциональную сеть параметров и ее практическое использование 162
Выводы 163
Заключение 165
Список литературы 168
- Концептуальная гибридная модель предметной области на базе функциональной сети параметров
- Алгоритм поиска оптимального решения на функциональной сети параметров с учетом альтернативности знаний и гибридности функциональных зависимостей методом прямого вывода
- Инструментальное программное средство создания экспертных систем, использующих гибридную модель на базе функциональной сети параметров
- Модель статического и динамического экспресс-анализа финансово-экономического состояния предприятия, использующая функциональную сеть параметров
Введение к работе
Методы инженерии знаний, логико-лингвистического моделирования, теории нечетких множеств и теории экспертных систем (ЭС) все чаще используются в процессе принятия решений по управлению социально-экономическими системами. Они позволяют формализовать эвристические знания экспертов — специалистов по управлению некоторым классом социально-экономических систем и на базе этих знаний посредством специальных процедур вывода находить решение различных задач в данной предметной области (ПО).
Формализацию знаний экспертов проводят с помощью специальных моделей и языков представления знаний. Наибольшее распространение получили следующие модели представления знаний: логические, логико-лингвистические, семиотические, структурно-лингвистические (сетевые и фреймы), продукционные [2, 6-Ю, 14, 20-24, 28-29, 32-38, 49-57 и др.]. Использование того или иного представления зависит от ПО и от типа задач, для решения которых создается ЭС.
Среди задач принятия решений по управлению социально-экономическими системами выделяются задачи анализа и синтеза системы. Для решения данных задач, как правило, используются модели, основанные на логической парадигме, т.е. ориентированные на представление процедурного, операционного знания - знания о причинно-следственных связях между характеристиками (параметрами) системы. Чаще всего для представления таких знаний используют продукционные модели, основой которых являются правила-продукции типа "ЕСЛИ-ТО" [12, 20-23, 28, 46 - 57, 67 и др.].
Однако формализация операционных знаний о социально-экономических системах зачастую вызывает трудности, связанные с разнородностью знаний: характеристиками системы выступают как количественные, так и качественные параметры, в том числе и нечеткие, а зависимости между ними могут быть выражены как в виде правил-продукций, так и в виде аналитических формул или различных алгоритмических процедур. Таким образом, необходимо объединение разнородного операционного знания в рамках единой гибридной модели и построение на базе данной модели гибридной ЭС [51].
Необходимость использования гибридных ЭС для повышения обоснованности принимаемых решений показана в работах Поспелова Г.С.
[51], Поспелова Д.Л. [52, 53], Попова Э.В. [49, 50], Джексона П. [14] и др. отечественных и зарубежных специалистов, внесших заметный вклад в исследование и формирование концепции интеллектуальных систем в целом [2-14, 16, 17, 20-29, 32-39, 49-59 и др.].
Гибридность ЭС специалисты по инженерии знаний рассматривают в разных аспектах [9, 14, 16, 23, 25, 26, 36,49, 51, 58, 59, 67, 68, 82, 85, 86, 90].
Изначально под гибридностью ЭС понимали сочетание
(комбинирование) разных моделей представления знаний для создания базы знаний ЭС. Даже в таких ранних системах, как MYCIN, информация, специфическая для ПО, хранилась в разных формах — например, в виде порождающих правил (правил-продукций) и в виде таблиц медицинских параметров [14, 36, 67, 81, 83]. Другие программы (например, CENTAUR) можно было считать гибридными в том смысле, что в них объединялись разные способы представления знаний, а затем эти знания использовались с разной целью — для решения проблемы и формирования пояснений. Позже исследовательские системы (например, XPLAN) приобрели более сложную архитектуру, которая для создания ЭС объединяла в себе разнообразные программные инструменты и модели. В системах на базе доски объявления ("классной доски"), например, HEARSAY, ВВ , объединялись разнообразные источники знаний, которые могли иметь совершенно разные внутренние структуры. Дальнейшее развитие в данном направлении — разработка систем, в которых объединяются традиционные программы решения проблем и конфликтов и компоненты самообучения и критического анализа (например, ODYSSEUS) [14].
В данной работе будем придерживаться терминологии, предложенной в [21]: "термин "гибридные системы" целесообразно применять для описания ЭС (гибридных ЭС), в которых используются и методы инженерии знаний, и формализованные методы, а так же методы традиционного программирования и математики".
Основной проблемой при разработке гибридных ЭС является организация взаимодействия разнородных фрагментов знаний, в частности, определение последовательности вызова процедур, проводящих расчеты по аналитическим формулам и определенным алгоритмам, а так же осуществляющих логический вывод с использованием эвристических закономерностей (например, в виде правил-продукций). Для решения данной проблемы используются методы планирования в пространстве задач,
большинство из которых используют явно заданную сеть планирования [47, 51-53, 76, 82]. К ним относится и метод, использующий сеть функциональных зависимостей между параметрами ПО (функциональную сеть параметров) [8, 25,26,32,51,61-62,64,65].
Основой данного метода является представление знаний о некоторой статической ПО с помощью гибридной модели, объединяющей разнородные компоненты базы знаний - аналитические формулы, правила-продукции и алгоритмические процедуры посредством сети функциональных зависимостей, что значительно упрощает решение проблемы взаимодействия этих компонент. Кроме того, структурирование исполняемых утверждений посредством функциональной сети упрощает процесс создания модели ПО за счет наглядности, "прозрачности" модели, существенно снижает трудоемкость поиска решений и увеличивает скорость вывода заключений за счет "сужения" на каждом шаге множества проверяемых утверждений, что особенно важно при решении задачи выбора оптимальных вариантов параметров системы [62].
Для формирования базы знаний на основе гибридной модели, использующей функциональную сеть параметров, был разработан язык ФСП (Фреймы на Сети Параметров) [62]. Этот язык позволяет представить структурированные составляющие модели в базе знаний таким образом, чтобы она была удобна для обработки программой вывода. Были разработаны следующие алгоритмы вывода на модели, использующей функциональную сеть: алгоритм прямого вывода для решения задачи интерпретации, алгоритмы прямого и обратного вывода для решения задачи оптимизации. Вывод можно проводить как на надежных, так и на ненадежных знаниях.
Для автоматизации процесса построения ЭС на базе гибридных моделей, представленных на языке ФСП, разработан ряд инструментальных систем "ЭСИСП", "МИС", "ЭСФС", относящихся к классу оболочек [60-62, 98, 99]. Данные системы позволяют быстро и с малыми затратами строить прототипы ЭС, поскольку процесс создания баз знаний, их корректировки и использования для поиска решений довольно прост и не требует программирования, что облегчает проведение исследований и экспериментов. С их помощью был создан ряд прототипов ЭС различного назначения: "Тест-зрение" для экспресс-диагностики состояния зрения; "Тромбо-тест" для диагностики тромбоопасности по данным тромбозлластограммы; "КЭНС" для проектирования оптимальных структур корреляционно-экстремальных
навигационных систем; ЭС оценки лидерских качеств по результатам тестирования и др. [60-62, 95, 102].
Несмотря на достигнутые успехи в развитии и применении методологии представления знаний в виде гибридной модели, использующей функциональную сеть зависимостей параметров, построение на ее основе ЭС анализа и синтеза социально-экономических систем вызывает значительные трудности. Это обусловлено наличием следующих проблем.
Возможность задания в качестве функциональных зависимостей процедур-функций хоть и декларировалось, но реально не была предусмотрена: ни язык ФСП, ни алгоритмы вывода, ни представленные оболочки не предполагают включения в модель процедур. Между тем, при решении задач анализа и синтеза социально-экономических систем часто используются процедуры такие, как поиск и загрузка данных из базы данных, определение лингвистического значения нечеткого понятия по его количественному значению и заданной функции принадлежности и наоборот (фаззификация, дефаззификация), генерация случайного значения параметра ПО и т.д.
Существующий метод построения модели функциональных зависимостей не предусматривает также представление альтернативных (вариативных) знаний. Однако ситуация, когда различные эксперты (или даже один и тот же эксперт) задают различные способы определения одного и того же параметра, встречается очень часто при описании закономерностей, присущих социально-экономическим системам, что обусловлено их сложностью.
Нерешенной также остается проблема выбора в каждом конкретном случае стратегии логического вывода на базе знаний — прямой или обратной. Ее решение предполагает исследование зависимости трудоемкости алгоритмов прямого и обратного вывода от характеристик гибридной модели (под трудоемкостью алгоритма понимается количество обращений к функциональным зависимостям).
Кроме того, актуальной является задача оптимизации базы знаний с целью сокращения количества составляющих ее правил-продукций, т.е. сокращение ее объема.
Таким образом, развитие методов и средств построения ЭС на базе гибридной модели, использующей функциональную сеть параметров, обеспечивающее возможность использования разнородных и вариативных
9 знаний экспертов для принятия решений по управлению социально-экономическими системами, является актуальной задачей.
Цель работы и задачи исследования. '
Целью диссертационной работы является создание моделей, алгоритмов, инструментальных средств построения гибридных ЭС на базе функциональных сетей параметров, а также их применение для создания конкретных ЭС анализа и синтеза социально-экономических систем.
Для достижения поставленной цели в диссертационной работе были сформулированы следующие задачи:
разработка модели на базе функциональной сети параметров и языка представления модели, допускающих задание различных видов функциональных зависимостей и альтернативных способов определения одного и того же параметра модели;
построение эвристического алгоритма оптимизации базы знаний, позволяющего сокращать ее объем;
разработка алгоритмов поиска решений на функциональной сети параметров, модифицирующие существующие алгоритмы вывода с учетом включения в модель в качестве функциональных зависимостей процедур-функций, а также возможности задания альтернативных способов определения параметров;
исследование зависимости трудоемкости алгоритмов поиска оптимального решения от характеристик модели и вывод рекомендаций по выбору более эффективного алгоритма;
~ разработка инструментального средства создания ЭС на базе гибридной модели функциональных зависимостей параметров;
- создание прикладных ЭС для решения задач анализа и синтеза социально-
экономических систем.
Методы исследования.
Для выполнения работы используются методы инженерии знаний и теории ЭС, в том числе методы нечеткого вывода на системах продукций, фреймовые, сетевые представления знаний.
Научная новизна.
Научной новизной в диссертационной работе обладают следующие результаты:
1) гибридная модель ПО на базе функциональной сети параметров, позволяющая задавать зависимости между параметрами в виде правил-
продукций, аналитических формул и про це дур-функций, а так же допускающая задание альтернативных способов определения одного и того же параметра;
язык ФСП представления гибридной модели для формирования баз знаний, допускающий задание в качестве функциональных зависимостей между параметрами процедур-функций и введение альтернативных зависимостей для отдельных параметров;
эвристический алгоритм оптимизации базы знаний, позволяющий без потери информации о ПО сокращать общее количество правил-продукций, используемых при составлении гибридной модели;
алгоритмы прямого и обратного вывода на предложенной гибридной модели, осуществляющие поиск решения в условиях разнородности и вариативности знаний и обладающие большей гибкостью и вычислительной эффективностью по сравнению с традиционными алгоритмами вывода на системах продукциях;
результаты исследования алгоритмов поиска оптимального решения на гибридной модели, использующих прямой и обратный вывод, в виде аналитических формул расчета трудоемкости алгоритмов.
Основные положения, выносимые на защиту.
Разработанные гибридная модель ПО на базе функциональной сети параметров и язык ФСП описания данной модели позволяют задавать зависимости между параметрами в виде правил-продукций, аналитических формул, процедур-функций и альтернативные способы определения параметров модели.
Предложенный эвристический алгоритм оптимизации базы знаний сокращает объем базы знаний без потери информативности модели.
Разработанные алгоритмы прямого и обратного вывода на функциональной сети параметров позволяют находить все возможные решения задач интерпретации, поиска допустимого решения и оптимизации и обеспечивают сокращение объема вычислений.
Выведенные формулы расчета трудоемкости алгоритмов позволяют сделать вывод, что когда число истоковых параметров модели значительно превышает число неистоковых параметров, для решения задачи оптимизации более эффективен алгоритм обратного вывода и, наоборот, когда число неистоковых параметров значительно превышает количество истоков, лучше использовать алгоритм прямого вывода.
Практическая ценность и реализация результатов работы.
Полученные научные результаты реализованы в виде конкретных моделей, алгоритмов, программ, экспертных систем. Основными результатами внедрения являются:
инструментальное средство "WinESISP", позволяющее быстро и с малыми затратами строить гибридные ЭС, поскольку процесс создания баз знаний, их пополнения, корректировки и использования для поиска решений довольно прост и не требует программирования;
информационная система оценки финансово-экономического состояния предприятия, позволяющая проводить статический и динамический экспресс-анализ, моделирование и прогнозирование устойчивости предприятия при изменении тех или иных финансовых показателей;
ЭС оценки уровня развития технопарков России и их классификации;
ЭС анализа уровня энергосбережения в регионе;
ЭС выбора типа организационной структуры социально-экономической системы.
Разработанный в диссертационной работе инструментальный комплекс "WinESISP" используется в учебном процессе на кафедре компьютерных систем в управлении и проектировании (КСУП) Томского государственного университета систем управления и радиоэлектроники. Все перечисленные практические разработки подтверждены актами внедрения, приведенными в приложении 10.
Результаты применения разработанных моделей, языка, алгоритмов и инструментального средства для построения конкретных ЭС показали их эффективность при решении задач анализа и синтеза социально-экономических систем.
Личный вклад автора.
Вид гибридной модели на базе функциональных сетей параметров, допускающей включение процедур-функций и задание альтернативных способов определения параметров, разработан совместно с Силич М.П.
Расширение языка ФСП в части использования процедур-функций и возможности задания альтернативных способов определения параметров предложено лично автором.
Алгоритмы прямого и обратного вывода, модифицирующие существующие алгоритмы вывода на функциональной сети параметров, разработаны автором.
Модель зависимости трудоемкости предложенных алгоритмов оптимизации, использующих прямой или обратный вывод, от основных характеристик модели разработана совместно с Силич М.П.
Эвристический алгоритм оптимизации базы знаний разработан лично автором.
Программная реализация инструментального программного комплекса "WinESISP" проведена совместно с Чурсиным А.В.
Создание гибридной модели оценки финансово-экономического состояния предприятия осуществлено совместно с Силич М.П. и Горбаток З.В.
Модель оценки уровня энергосбережения в регионе разработана совместно с Силич М.П., Яворским М.И. и Литваком В.В.
Модель оценки уровня развития технопарков России создана на основе метода, предложенного Шукшуновым В.Е.
10) Модель выбора типа организационной структуры создана совместно с
Фельдманом Л.А.
11) Лично автором проведены различные эксперименты на построенных ЭС,
проанализированы полученные результаты с целью проверки адекватности
модели, получены конкретные результаты внедрения созданных ЭС.
Апробация результатов работы.
Основные положения и результаты диссертационной работы неоднократно докладывались и обсуждались на различных конференциях и семинарах, в том числе на: международных научно-практических конференциях "Природные и интеллектуальные ресурсы Сибири" (СИБРЕСУРС) (Красноярск, 1997; Барнаул, 1998; Тюмень, 2000; Барнаул, 2001); региональной научно-практической конференции студентов, аспирантов и молодых ученых "Сибирская школа молодого ученого" (Томск, 1998 г.); региональной научно-технической конференции студентов и молодых специалистов "Радиотехнические и информационные системы и устройства" (Томск, 1999 г.); 3-ем международном симпозиуме "Application of The Conversion Research Results for International Cooperation" (SIBCONVERS'99) (Томск, 1999); всероссийской научно-технической конференции "Научная сессия ТУСУР" (Томск, 2002, 2003, 2004, 2005 г.г.); всероссийской научно-практической конференции "Электронные средства и системы управления" (Томск, 2003); 8-м международном русско-корейском симпозиуме "KORUS 2004" (Томск, 2004); международной конференции по проблемам управления (Москва, 1999).
Публикации.
Основные результаты по материалам диссертационной работы опубликованы в 28 печатных работах, из которых 7 статей, 20 докладов и свидетельство о регистрации программного продукта в "Отраслевом фонде алгоритмов и программ" [69-74, 93, 97-106, 120-125, 128-131].
Основные работы опубликованы в сборниках научных статей
"Автоматизация проектирования, идентификация и управление в сложных
системах" (Томск: Изд-во НТЛ 1997), "Автоматическое и автоматизированное
управление сложными системами" (Томск: Изд-во ТГУ 1998),
"Интеллектуальные автоматизированные системы проектирования, управления и обучения" (Томск: Изд-во ТГУ 2000) под ред. проф., д.т.н. Тарасенко В.П. Также статьи были опубликованы в журналах: "Информационные технологии" (Москва, №9, 2004), "Известия Томского политехнического университета" (Томск, №2, 2005), "Вестник Томского государственного университета" (Томск, Т.284, 2004).
Структура и объем работы.
Диссертационная работа, объемом 228 машинописных страниц, содержит введение, четыре главы, заключение, список литературы (132 наименования), 19 таблиц, 48 рисунков, 10 приложений.
Содержание работы.
В первой главе содержится анализ существующих моделей представления знаний, используемых в инженерии знаний для создания ЭС. Делается вывод о необходимости разработки смешанной формы представления знаний для создания гибридных моделей ПО. Далее кратко описывается существующая гибридная модель статической ПО, использующая функциональную сеть параметров, описываются ее достоинства и недостатки, и предлагается вариант модификации данной модели, допускающий задание в качестве функциональных зависимостей между параметрами кроме прав ил-продукций и аналитических формул различных процедур-функций (например, процедуры вызова алгоритмов вывода на другой БЗ, процедуры фаззификации, дефаззификации, запроса к пользователю на ввод значения некоторого атрибута; генерации случайного значения; загрузки значений параметров из файла и т.д.) и позволяющий задавать альтернативные способы определения отдельных параметров модели.
Далее приводится описание языка ФСП представления знаний для
построения баз знаний на основе гибридных моделей, использующих функциональную сеть параметров, расширенного с учетом внесенных в модель ПО дополнений. Приводится структура описания модели на языке ФСП, представляемая сетью фреймов параметров, структура фрейма-прототипа "Параметр предметной области" и фрейма-прототипа "Правило", дается описание каждого слота и механизма формирования фреймов-экземпляров для каждого параметра и функциональной зависимости модели.
Вторая глава посвящена алгоритмам формированная гибридной модели, использующей функциональную сеть параметров, и поиска решений на данной модели. В начале главы дается обзор существующих методов вывода на моделях представления знаний. Делается вывод, что сеть параметров можно использовать в качестве метазнания для управления выводом с целью повышения эффективности вывода.
Приводится описание эвристического алгоритма оптимизации базы знаний, позволяющего сокращать объем базы знаний без потери информативности модели. Далее формулируются три типа решаемых задач на гибридной модели, использующей функциональную сеть параметров: задача интерпретации (прямая задача), как задача нахождения значений целевых параметров при заданных текущих значениях базовых параметров; задача поиска допустимого решения (обратная задача), как задача нахождения значений базовых параметров при заданном текущем значении целевого параметра; задача оптимизации, как задача нахождения комбинации значений базовых параметров, при которой достигается целевое состояние, заданное совокупностью критерия эффективности и ограничений.
Приводятся алгоритмы поиска решения на модели, описанной в главе 1, для сформулированных задач. Для первого типа задач предлагается алгоритм прямого вывода на сети параметров, для решения задач второго рода — алгоритм обратного вывода на сети параметров. Для третьего типа задач предлагаются два алгоритма — прямого и обратного вывода на сети параметров. Далее приводится описание результатов исследования зависимости трудоемкости алгоритмов поиска оптимального решения от различных характеристик модели ПО и предлагаются аналитические формулы, позволяющие рассчитать трудоемкость. Показывается, в каких случаях предпочтительнее использование алгоритма прямого вывода на функциональной сети параметров, в каких- обратного.
В начале третьей главы дается обзор существующих
15 инструментальных программных средств создания ЭС, на основании которого делается вывод о целесообразности разработки оболочки ЭС, ориентированной на язык представления знаний ФСП. Далее приводится краткое описание существующих инструментальных систем, использующих сеть функциональных зависимостей параметров, — оболочек "ЭСИСП", "МИС", "ЭСФС". Указываются их недостатки и несоответствие новым требованиям, обосновывается необходимость разработки нового инструментального средства создания ЭС "WinESISP". Приводится структура системы, описание ее основных блоков - блока хранения, предназначенного для хранения базы знаний, базы фактов и протокола вывода, редактора базы знаний, блока вывода решений, блока объяснений. Представляются функциональные схемы процессов использования данного инструментального средства в режиме создания и верификации базы знаний и в режиме решения задач, реализованные в виде структурно-функциональных диаграмм процессов, выполненных по методологии IDEF0 и с помощью универсального языка моделирования UML.
Четвертая глава посвящена описанию результатов практического применения представленных в гл. 1 и 2 гибридной модели ПО и алгоритмов поиска решений на данной модели, а также описанной в гл. 3 оболочки "WinESISP" для построения конкретных ЭС. Описывается назначение, структура и практическое применение разработанных экспертных систем: информационной системы оценки финансово-экономического состояния предприятия, ЭС оценки уровня развития, эффективности функционирования и классификации технопарков России, ЭС оценки уровня энергосбережения в регионе и ЭС выбора организационной структуры социально-экономической системы.
Концептуальная гибридная модель предметной области на базе функциональной сети параметров
В общем виде некоторую статическую ПО можно описать с помощью гибридной модели (М) вида: M= X,D,FIL , (1.1) где X— множество параметров ПО; D — множество доменов параметров (домен - множество значений, которые может принимать параметр, т.е. область изменения значений параметра); F — множество закономерностей, сопоставляемых функциональным отношениям между параметрами; L — сеть функциональных зависимостей параметров
В качестве основной информационной единицы для описания ПО (объекта, системы, процесса) используются параметры, т.е. характеристики, атрибуты ПО. Для выявления множества параметров может использоваться методика формирования содержательных моделей [61]. Между параметрами любой ПО можно установить различные причинно-следственные связи (отношения), в том числе логические, математические, процедурные. Функциональным будем называть причинно-следственное отношение, связывающее один или несколько параметров-аргументов с одним параметром-функцией. Структура функциональных отношений в модели (1.1) задается с помощью однородной семантической сети L. Такого рода семантические сети называются функциональными [51].
Графически модель функциональных зависимостей можно представить в виде направленной сети без циклов и петель (рис. 1.3). Вершинами данной сети являются параметры ПО (х,, х2,... хь ), а дуги — функциональные отношения / между параметрами ПО такие, что х, = f(x ,..., х„). Выражение х, = f(x;}..., хп) означает, что параметр х, функционально зависит от параметров хг...,х„, которые назовем влияющими или параметрами-аргументами.
Сеть функциональных зависимостей параметров ПО
Параметры модели (1.1) можно разделить на три класса: - истоки (базовые параметры) — параметры, значения которых не зависят от значений других (например, на рис. 1.3 это параметры xj, Xi, ХзУ, - стоки (целевые параметры) - параметры, не влияющие на другие параметры (на рис. 1.3 — параметр х$); - промежуточные - все остальные параметры сети (на рис. 1.3 -параметры xj, хД
В подмножество базовых параметров включаются первичные, непосредственные характеристики моделируемой системы. К их числу относятся "управляемые" параметры и "внешние возмущения", значения которых пользователь может непосредственно задавать. Остальные параметры непосредственно или опосредованно зависят от базовых. В стоках сети располагаются, так называемые, целевые параметры, значения которых определяют целевое состояние системы. В подмножество целевых параметров, как правило, включаются показатели эффективности и качества, характеризующие моделируемую систему в целом.
Необходимо заметить, что параметры рассматриваются как своего рода переменные, которые могут принимать различные значения. Кроме параметров, принимающих количественные (числовые) значения, в модель могут быть включены и, так называемые, качественные (содержательные) параметры, принимающие лингвистические значения. В качестве лингвистических значений могут выступать нечеткие понятия, например, "высокое", "среднее", "низкое", "удовлетворительное", "хорошее", "отличное" и т.д. Для соотнесения параметра, имеющего в качестве значений нечеткие понятия, в некоторой конкретной ситуации одному из таких значений используются различные методы построения функций принадлежности [14, 30, 36, 67].
Каждый параметр х, (х,еХ) имеет собственное имя (название) и уникальный номер (/). Каждому параметру х, соответствует домен его значений (х,) - множество дискретных или непрерывных значений, которые может принимать параметр х(. Значения качественных параметров, измеряемых по шкале наименований или порядковой шкале [48], задаются прямым перечислением всех возможных значений. Аналогично для количественных параметров с дискретными значениями также перечисляются все возможные значения. Для количественных параметров с непрерывными значениями указывается область изменения значений параметра в виде ограниченного или неограниченного интервала (например, 0 =3000или 10).
В процессе вывода при решении конкретной задачи на модели (1.1) каждый параметр xt е X принимает определенное текущее значение d(Xj).
Для того, чтобы иметь возможность представлять в модели ненадежные знания, предлагается ввести фактор уверенности в текущем значении параметра CF(d(Xj)) є [О,і]. Фактор уверенности либо непосредственно задается пользователем при вводе значения параметра, либо вычисляется с помощью формул нечеткой логики при выводе значения с помощью функциональных зависимостей.
Параметры располагаются в функциональной сети по слоям: первый слой - базовые параметры, второй - параметры, непосредственно зависящие от истоковых, третий слой — параметры модели, зависящие от параметров предыдущих слоев и т.д. В последнем слое сети располагаются стоковые параметры. Нумерация параметров - возрастающая по слоям, т.е. номер параметра во втором слое больше номеров параметров первого слоя и т.д.
Алгоритм поиска оптимального решения на функциональной сети параметров с учетом альтернативности знаний и гибридности функциональных зависимостей методом прямого вывода
При использовании алгоритма прямого вывода используется та же стратегия, что и для решения задачи интерпретации. Сначала строится "путь вывода" методом обратной волны от параметра-критерия д:, и параметров-ограничений (д;,,..., х ) до базовых параметров д ,,..., хт . Затем последовательно генерируются различные комбинации значений параметров-истоков: (d(x}eDtl(xl))&{d(x2)GDkl(x2))&...&{d(xjQDtXxj) (rf(x, є ДДх.Я& С ,) є Dtl(x2))&...&(d{xJ є Dtl(xj) ( /( , є Dti(Xl))&(d(x2) є Dtl(x2))&...&(d(xJ є Dk}(xj) (rf(x, є DJx &fe) є ta( 2))& ...& (rf( J є DJxj). Общее количество всех возможных комбинаций значений базовых параметров вычисляется по формуле:D(xl) D(x2) ... D(xm), где D(xt) множество значений параметра х,, i = l,m.
Если какой-либо истоковый параметр принимает непрерывные значения, то осуществляется переход к дискретным значениям. Для этого допустимый диапазон изменения значений параметра делится на интервалы, и границы интервалов берутся в качестве дискретных значений. Естественно, что такой переход приводит к "загрублению" модели. Однако качество решения в гибридной модели в первую очередь, будет определяться различного рода качественными экспертными закономерностями, включенными в модель, например, в виде правил-продукций.
Для каждой сгенерированной комбинации (варианта) значений базовых параметров, последовательно продвигаясь по "пути вывода" от истоков к стокам, определяются значения остальных параметров "пути вывода", как это показано в п.2.3.2. Получаем значения параметров-ограничений и параметра-критерия эффективности: (d(x,) є Dt(x,),..., d(Xj)e Dk(x}), d(x) є Dk(x) ).
Найденные значения проверяются на ограничения. Если для какого-либо параметра-ограничения xt є О, l = Uj найденное значение не входит в заданную для него в исходных данных область-ограничение (не удовлетворяет заданному ограничению), то рассматриваемая комбинация значений базовых параметров отбрасывается, и переходят к следующей комбинации. Если для некоторого варианта все условия выполняются, то сравнивается полученное значение критерия эффективности для этой комбинации с лучшими из значений критерия для ранее рассмотренных комбинаций. Если текущее значение улучшает значение критерия, то оно запоминается как наилучшее значение на данном шаге, в противном случае отбрасывается.
Например, пусть задано следующее правило определения наилучшего значения параметра-критерия:
Параметр-критерий эффективности х имеет текущее значение с1(х ) є Dk2(x). При очередной комбинации значений истоковых параметров в результате вывода все параметры-ограничения приняли значения, удовлетворяющие заданным в условии задачи ограничениям, а параметр-критерий х принял значение d(xkp)GDkn(xkp). По заданному правилу определения наилучшего значения параметр а-критерия найденное значение d(xkp)є ь(хкр ) менее предпочтительно значенияd(xkp) є Dk2{xkp), т.к. в списке предпочтения оно стоит после d{xkp)є Dkl{xkp). Следовательно, найденное значение параметра-критерия d{xkp) Dkn{xkp) не улучшает его. Поэтому текущее значение параметра-критерия не меняется, а используемая комбинация значений базовых параметров не является решением задачи.
Пусть теперь на очередном шаге решения задачи оптимизации параметр-критерий принял значение d(x ) є Dki(x ). Новое значение по заданному правилу предпочтения улучшает значение параметра-критерия, т.к. d(x) є Ои(хкр)в списке предпочтения стоит раньше, чем текущее значение параметра-критерия (л: ) є/ (х ). Следовательно, полученное значение параметра-критерия становится его текущим, а используемая в данном выводе комбинация значений базовых параметров является решением задачи оптимизации на данном шаге.
После того, как будут перебраны все комбинации значений базовых параметров, вариант, удовлетворяющий заданным ограничениям и приводящий к лучшему значению критерия эффективности, будет считаться оптимальным. Если обнаружится, что ни одна из комбинаций значений базовых параметров не приводит к заданным значениям критерия эффективности или не удовлетворяет наложенным ограничениям, то получаем, что задача не имеет решения.
Инструментальное программное средство создания экспертных систем, использующих гибридную модель на базе функциональной сети параметров
В данной базе данных каждому параметру отводится столько записей, сколько вариантов логического вывода существует у данного параметра (альтернативность модели по антецеденту).
BASE3.DBP - база данных значений параметров: Order— порядковый номер значения параметра; Name_Param - значение параметра.
В данной базе данных каждому параметру отводится столько записей, сколько значений у данного параметра. Для качественных параметров, измеряемых по шкале наименований или порядковой шкале [22], каждое значение записывается в отдельной строке. Для количественных непрерывных параметров записывается диапазон принимаемых значений в виде двойного интервала, а для количественных дискретных параметров значения записываются аналогично качественным параметрам. Каждому значению параметра присваивается уникальный код (Order).
BASE4.DBP — база правил (база функциональных зависимостей): Number__K2 - порядковый номер правила для данного параметра; Number_Alter - номер альтернативного пути вывода;
Name_Depend - условная часть правила или формула, процедура-функция; Conclusion — заключение; CD - фактор уверенности правила, формулы или процедуры-функции.
В данной базе данных каждому параметру отводится столько записей, сколько правил определяют функциональную зависимость данного параметра (если вид зависимости - правило-продукция). Если вид зависимости - формула или процедур а-функция, то отводится одна запись.
BASE5.DBP — база экранных координат параметров ПО для вывода функциональной сети зависимостей на экран в виде направленного графа: ТорХ - х- координата параметра; TopY —у- координата параметра.
Создание новой базы знаний конкретной ПО осуществляется следующим образом:
1) при создании новой БЗ для некоторой ПО шаблоны баз данных копируются в поддиректорию под введенным пользователем именем (например, EnSbere), и происходит заполнение пользователем этих баз конкретными знаниями. При этом имена файлов баз данных меняются соответственно на EnSberel.db, EnSbere2.db, EnSbere3.db, EnSbere4,db;
2) при создании новой БЗ информация о ней автоматически вносится в единую базу данных комплекса "WinESISP" - реестр данных (BASEl.db). Реестр данных позволяет упростить работу с большим количеством уже созданных БЗ (добавление, удаление и подключение).
Рассмотренная база знаний используется при работе блока вывода решений и блока объяснений. Для ее автоматизированного построения используется редактор базы знаний.
Редактор базы знаний (РБЗ)
Редактор базы знан и й служит для создания новых БЗ, а так же просмотра и модификации существующих БЗ. Содержит ряд специализированных редакторов — для ввода информации о параметрах, для ввода правил-продукций, формул, процедур-функций и т.д. Имеется графический редактор, позволяющий формировать функциональную сеть зависимостей параметров в виде графа.
При редактировании БЗ осуществляется логический контроль вводимых данных. Под логическим контролем подразумевается следующее:
- проверка на совместимость типов. Если параметр описан как количественный, то при вводе пользователем качественного (лингвистического) значения редактор выдаст сообщение о неправильности ввода;
- проверка на соответствие области допустимых значений параметра. Если параметр описан как количественный и задан интервал его значений, то при вводе определенного значения (или интервала изменения значения) параметра редактор определяет, входит ли введенное значение в область допустимых значений параметра. Если не входит, то выдается сообщение о неправильности ввода;
- проверка правильности формулы (процедуры-функции). При вводе формулы проверяется, совпадает ли количество открывающих и закрывающих скобок, не следует ли несколько знаков бинарных операций подряд и др. При использовании функций - совпало ли количество заданных операндов функции и введенных пользователем и т.д.
Пользователь может выбрать один из двух вариантов ввода БЗ -графический или текстовый. Для этого РБЗ содержит соответственно графический и текстовый редакторы.
При графическом вводе данных пользователь на экране монитора с помощью инструментов графического редактора создает модель ПО в виде направленной сети параметров (рис.3.4). Параметры рисуются кружками с номером параметра внутри, а связи между параметрами - стрелками. При двойном нажатии левой кнопки мышки на параметре (кружке) РБЗ загружает редактор ввода знаний о параметре, в котором отражены все слоты фрейма параметра.
Модель статического и динамического экспресс-анализа финансово-экономического состояния предприятия, использующая функциональную сеть параметров
Модель статического и динамического экспресс-анализа финансово-экономического состояния предприятия построена на базе выше описанной методики и основных правилах создания гибридной МПО, описанных в гл.1 настоящей работы. Экспертом при построении модели выступала Горбаток З.В. — старший преподаватель кафедры Экономики Томского государственного университета систем управления и радиоэлектроники.
Модель статического экспресс-анализа представляет собой сеть функциональных зависимостей параметров, отражающую причинно-следственные зависимости между показателями, используемыми для статического анализа финансово-экономического состояния предприятия (рис. 4.1). Данная сеть состоит из 24 параметров, которые расположены в 6 слоях направленного графа без циклов и петель.
В истоках сети расположены данные бухгалтерского баланса (всего 14 параметров), например: Р110 - Нематериальные активы (строка ПО баланса); Р120 — Основные средства (строка 120 баланса); Р490 - Капитал и резервы (итого по разделу III - строка 490 баланса); Р270 - Прочие оборотные активы (строка 270 баланса).
Они используются для расчета основных показателей, составляющих структуру экономических активов и структуру капитала предприятия, например: AND - Долгосрочные нефинансовые активы: РП0+ Р120 + Р130; ANO - Оборотные нефинансовые активы: Р210 + Р220; AN - Нефинансовые активы: AND + ANO; AFN - Финансовые активы немобильные:Р140+Р240+Р230+Р150+Р270; ANM - Немобильные активы: AFN+AN; KS - Собственный капитал: Р490 - Р450 - Р465 - Р475.
На основе этих показателей по формулам (4.1-4.3) вычисляются значения основного индикатора устойчивости (В), индикаторов абсолютной (В )и потенциальной платежеспособности (В"). Стоком сети является параметр OS (статическая оценка финансово-экономического состояния), который определяется на основе значений основного и дополнительных индикаторов устойчивости с помощью правил-продукций.
Например, Параметр OS — Статическая оценка финансово-экономического состояния ЕСЛИ В 0 И В =0 ТО OS = "SU" (CF (правила) = 1,0) щ ЕСЛИ В 0 И В" = 0 ТО OS = "RS" (CF (правила) = 1,0) Сеть функциональных зависимостей параметров для модели динамического экспресс-анализа финансово-экономического состояния предприятия приведена на рис. 4.2.
В истоках сети находятся: значения индикатора финансово-экономической устойчивости на начало и на конец отчетного периода (В0 и В і); значения индикатора абсолютной платежеспособности на начало и на конец отчетного периода (В 0 и В {); значения индикатора потенциальной платежеспособности на начало и на конец отчетного периода (В"о и В"і). Данные значения вычисляются по модели статического экспресс-анализа соответственно на начало и конец отчетного периода. На основании этих значений рассчитывается прирост каждого из индикаторов: АВ = В і — Во, АВ = В ї - В о, АВ" = B"i - В"0. Эти величины в свою очередь используются для определения динамической оценки (OD), принимающей значения, соответствующие различным вариантам возможных переходов от состояния к состоянию. Оценка определяется с помощью 29 правил-продукций. Стоком сети является параметр Rang, отражающий ранг ситуации перехода. Он определяется на основании значения параметра OD с использованием правил-продукций.
Всего в качестве функциональных зависимостей между параметрами модели статического экспресс-анализа финансово-экономического состояния предприятия сформировано 9 формул и 5 правил-продукций, а в модели динамического экспресс-анализа финансово-экономического состояния предприятия — 3 формулы и 58 правил-продукций. Полное описание разработанных моделей приведено в приложении 1.
Дополнительно к экспресс-анализу финансово-экономического состояния предприятия по выше описанной методике, может быть проведен анализ по традиционной методике оценки платежеспособности и финансовой устойчивости предприятия на основе расчета специальных коэффициентов [117, 120, 126]. Кратко изложим описанную в [117, 120, 126] методику оценки финансового состояния предприятия.
Для получения итоговой оценки финансового состояния требуется выделить промежуточные этапы анализа (подцели). Дерево промежуточных целей, которые необходимо решить при выводе оценки финансового состояния предприятия, изображено на рис.4.3.
Исходными данными для анализа являются данные бухгалтерского баланса. Затем, используя существующие формулы [117, 120, 126], производят расчет показателей, составляющих нижний уровень дерева вывода (рис.4.3). Далее полученные результаты сравнивают с нормативными показателями и по общепринятым правилам получают оценки уровня платежеспособности и финансовой устойчивости предприятия, а на базе данных оценок — общую оценку финансового состояния предприятия.
Оценка финансовой устойчивости может формироваться двумя методами: из оценок трехкомпонентного показателя типа финансовой ситуации, определяющего покрытие основных и оборотных средств собственными и заемными финансовыми источниками или из оценок коэффициентов устойчивости по сравнению с нормативными значениями. Основное влияние на финансовую устойчивость при этом оказывает оценка трехкомпонентного показателя примерно в соотношении 2 к 1.
Похожие диссертации на Модели, алгоритмы и инструментальные средства создания экспертных систем на базе функциональных сетей
