Содержание к диссертации
Введение
1 Анализ состояния исследований и разработок в области интегрированных экспертных систем и инструментальных программных средств поддержки разработки 13
1.1 Современное состояние исследований и разработок в области прикладных интеллектуальных систем и их применение 13
1.1.1 Классификация и особенности архитектур интегрированных экспертных систем 15
1.2 Анализ инструментальных средств поддержки разработки интеллектуальных систем 19
1.2.1 Основные этапы развития систем автоматизации разработки программного обеспечения и их особенности 19
1.2.2 Анализ современного состояния и тенденций в области разработки традиционного программного обеспечения 28
1.2.3 Научные и технологические проблемы разработки интегрированных экспертных систем 30
1.3 Анализ современных исследований в области интеллектуального планирования 34
1.3.1 Методологический и формально-концептуальные аспекты 34
1.3.2 Инструментально-технологический аспект 39
1.3.3 Программно-аппаратный и прикладной аспекты 43
1.4 Краткая характеристика задачно-ориентированной методологии построения интегрированных экспертных систем 45
1.4.1 Концептуальные основы задачно-ориентированной методологии построения ИЭС и общая характеристика базовой версии инструментального комплекса АТ-ТЕХНОЛОГИЯ 45
1.4.2 Краткое описание модели интеллектуальной программной среды и ее основных компонентов 50
1.4.3 Анализ опыта реализации и практического использования компонентов интеллектуальной программной среды 52
1.5 Цели и задачи диссертации 55
Выводы 56
2 Разработка методов и алгоритмов реализации компонентов интеллектуальной программной среды 58
2.1 Общая постановка задачи интеллектуального планирования 58
2.2 Постановка задачи интеллектуального планирования процессов прототипирования интегрированных экспертных систем 59
2.2.1 Интеллектуальное планирование процессов прототипирования интегрированных экспертных систем 59
2.2.2 Постановка задачи планирования действий инженеров по знаниям для получения текущего прототипа ИЭС 63
2.3 Метод планирования действий инженеров по знаниям для получения текущего прототипа ИЭС 66
2.3.1 Общая характеристика методов эвристического поиска 66
2.3.2 Разработка метода эвристического поиска для планирования действий инженеров по знаниям при прототипировании ИЭС 67
2.4 Алгоритмы для поддержки метода эвристического поиска 74
2.4.1 Алгоритм генерации грубого и точного покрытия 74
2.4.2 Алгоритм обратной трассировки плана 76
2.4.3 Алгоритм генерации глобального и детального планов 78
2.4.4 Разработка эвристической функции для сокращения пространства поиска 79
Выводы 81
3 Проектирование и реализация компонентов интеллектуальной программной среды 82
3.1 Анализ системных требований на разработку интеллектуальной программной среды поддержки разработки ИЭС 82
3.2 Архитектура интеллектуальной среды поддержки разработки ИЭС 84
3.2.1 Общая архитектура 85
3.2.2 Ядро интеллектуального планировщика 87
3.3 Особенности внутреннего представления некоторых компонентов интеллектуальной программной среды 89
3.3.1 Внутреннее представление расширенной диаграммы потоков данных 89
3.3.2 Внутреннее представление проекта 92
3.3.3 Внутреннее представление типовой проектной процедуры 93
3.4 Особенности реализации компонентов интеллектуальной программной среды 94
3.4.1 Особенности реализации некоторых алгоритмов 94
3.4.2 Технические аспекты реализации и диаграмма основных классов 95
3.5 Тестирование разработанных программных средств 97
3.6 Технология применения интеллектуальной программной среды 102
Выводы 104
4 Экспериментальное исследование и апробация интеллектуальной программной среды поддержки разработки интегрированных экспертных систем 106
4.1 Применение интеллектуальной программной среды для разработки прототипа динамической ИЭС для управления медицинскими силами и средствами при крупных дорожно-транспортных происшествиях 106
4.1.1 Разработка прототипа динамической ИЭС для управления медицинскими силами и средствами при крупных дорожно-транспортных происшествиях 106
4.1.2 Разработка прототипа динамической ИЭС для мониторинга и управления ресурсами спутниковой сети 123
4.2 Применение интеллектуальной программной среды для разработки прототипа диагностической ИЭС для диагностики заготовок для электронно-лучевой литографии 128
4.2.1 Построение комплекса моделей для диагностики заготовок для электроннолучевой литографии 128
4.2.2 Особенности проектирование и программной реализация прототипа ИЭС 132
4.3 Внедрение интеллектуального планировщика в подсистему обработки бизнес-информации Lement Pro 134
4.3.1 Особенности проблемной области обработки бизнес-информации в системе Lement Pro 134
4.3.2 Особенности проектированияи реализации подсистемы обработки бизнесин-формации 138
4.3.3 Результаты экспериментов 140
4.4 Экспериментальные исследования ядра планировщика 142
Выводы 144
Заключение 145
Список сокращений 146
Литература 148
Приложение (отдельный том)
- Основные этапы развития систем автоматизации разработки программного обеспечения и их особенности
- Разработка метода эвристического поиска для планирования действий инженеров по знаниям при прототипировании ИЭС
- Тестирование разработанных программных средств
- Разработка прототипа динамической ИЭС для управления медицинскими силами и средствами при крупных дорожно-транспортных происшествиях
Введение к работе
Актуальность темы исследования. В настоящее время интеллектуальные системы и технологии, являясь основой ключевых технологий XXI века, применяются практически во всех производственных и социально значимых областях человеческой деятельности, поскольку их качественно новые возможности позволяют значительно повысить эффективность использования вычислительной техники в традиционных сферах ее применения за счет решения новых классов задач с использованием методов и средств искусственного интеллекта.
Большой вклад в создание теории, системной и программной технологии построения интеллектуальных систем различной архитектурной типологии, а также в развитие методов интеллектуального планирования внесли отечественные ученые Г.С. Осипов, Э.В. Попов, А.П. Еремеев, Г.В. Рыбина, Б.Е. Федунов, И.Б. Фоминых, В.Н. Вагин, Г.Н. Калянов, Б.А. Позин, Н.Г. Ярушкина, В.Н. Бурков, В.Ф. Хорошевский, В.Н. Грибова, В.В. Голенков, Е.М. Лаврищева, В.Л. Стефа-нюк, В.Б. Тарасов и зарубежные ученые D.S. Nau, M. Ghallab, P. Traverso, A. Coles, R.E. Korf, E.C. Payne, R.C. McArthur и др.
Среди отдельных классов интеллектуальных систем наиболее востребованными в настоящее время являются интегрированные экспертные системы (ИЭС), в которыхв рамках единой масштабируемой архитектуры совместно используется широкий спектр моделей и методов решения различных неформализованных и формализованных задач как в статических, так и в динамических проблемных областях. Анализ опыта разработки зарубежных и отечественных ИЭС, в том числе созданных на основе задачно-ориентированной методологии построения ИЭС (автор профессор Г.В. Рыбина) и поддерживающего эту методологию инструментального комплекса АТ-ТЕХНОЛОГИЯ, позволил выделить целый ряд общих научных и технологических проблем, основные из которых перечислены ниже.
-
Наличие значительных объемов информации, содержащихся в базах знаний (БЗ) ИЭС, что приводит к существенным вычислительным затратам, трудоемкости привлечения экспертов к процессам получения, структурирования и верификации информации, извлеченной из различных источников знаний.
-
Усложнение средств вывода решений в прикладных ИЭС, что связано с многообразием имасштабируемостью архитектур ИЭС, возрастанием числа стадий и итераций в моделях жизненного цикла построения отдельных компонентов, необходимости совместной обработки неопределенных, неточных, нечетких и др. типов знаний, содержащих так называемые НЕ-факторы знаний.
-
Необходимость интеграции средств вывода с разнородными средствами в составе ИЭС (в силу масштабируемости их архитектуры), которые в процессах вывода могут являться как источниками, так и потребителями данных, а также обеспечение гибкой настройки средств вывода на решаемые задачи.
-
Сложность представления, хранения и анализа в динамических ИЭС изменяющихся во времени данных, поступающих из внешних источников, а также выполнения темпоральных рассуждений о нескольких различных асинхронных
процессах (задачах) с учетом результатов моделирования внешнего мира и различных его состояний.
Поэтому величина эффекта от создания и применения интеллектуальных систем различных типов во многом зависит от наличия современных мощных инструментальных средств и массовости их применения в стратегически значимых областях, что определяет особую актуальность, важность, а также высокие темпы роста исследований и разработок, связанных с созданием высокотехнологичной инструментальной базы для поддержки разработки интеллектуальных систем.
Анализ практического опыта создания целого ряда статических, динамических и обучающих ИЭС на основе использования задачно-ориентированной методологии и поддерживающего эту методологию инструментального комплекса АТ-ТЕХНОЛОГИЯ показал, что наибольшей сложностью по-прежнему обладают этапы проектирования и реализации ИЭС, причем существенное влияние оказывают специфика конкретной проблемной области и человеческий фактор. Здесь можно выделить следующие основные проблемы, показывающие необходимость создания эффективных инструментальных средств автоматизированной поддержки процессов разработки ИЭС.
-
Неспособность пользователей (инженеров по знаниям) полностью определять требования к разрабатываемым системам, отсутствие надежного метода оценки качества верификации и валидации разрабатываемых ИЭС, неприменимость традиционной технологии трассировки к БЗ ИЭС.
-
Наличие большого числа промежуточных стадий и итераций в моделях жизненного цикла построения отдельных компонентов ИЭС, в том числе за счет использования различных источников знаний и возрастания доли недостоверной и темпоральной информации.
-
Практическое отсутствие (за исключением комплекса АТ-ТЕХНОЛОГИЯ) специализированных инструментальных средств, обеспечивающих: автоматизированное проектирование программного и информационного обеспечения прикладных ИЭС на всех этапах жизненного цикла; повторное использование отдельных программных и информационных компонентов; наличие внутренней интегрируемости инструментальных средств; поддержка удобного когнитивно-графического интерфейса; открытость и переносимость инструментальных средств.
Подавляющее число коммерческих зарубежных инструментальных средств, например G2 (Gensym Corp.), RTWorks (Talarian Corp.), SHINE (NASA / JPL), RTXPS (Environmental Software & Services GmbH), и др. не «знают», что проектирует и разрабатывает с их помощью инженер по знаниям, поэтому эффективность применения полностью определяется искусством разработчиков. Существует также большое количество универсальных сред разработки, например Microsoft Visual Studio, Eclipse, NetBeans, Apple XCode и др., которые не ориентированы на создание интеллектуальных систем, и их адаптация для автоматизации процессов разработки ИЭС сопряжена со значительными трудностями.
В контексте решения вышеперечисленных проблем определенные результаты были получены в рамках KBSA-подхода (Knowledge Based Systems Assistent), где особое внимание уделялось выбору типов спецификаций, генерации кода из спецификацийи др., что обеспечивало некоторое ассистирование процессов проектирования. Более существенных результатов в создании инструментальных средств нового поколения удалось достичь в рамках KBSE-подхода (Knowledge Base Software Engineering), интегрирующего как минимум возможности средств разработки традиционных ЭС и CASE-средств, а как максимум - обеспечивающего «интеллектуализацию» процессов разработки интеллектуальных систем.
Наиболее известным инструментарием нового поколения, в котором реализован KBSE-подход, является инструментальный комплекс АТ-ТЕХНОЛОГИЯ, обеспечивающий автоматизированную поддержку процессов построения ИЭС на основе задачно-ориентированной методологии, и включающий интеллектуальное ассистирование (планирование) действий инженеров по знаниям за счет использования технологических знанийотиповых проектных процедурах (ТПП) и повторно-используемых компонентах (ПИК) предшествующих проектов.
Этот подход является наиболее наиболее актуальным и хорошо соответствует современным тенденциям, связанными со снижением трудозатрат на разработку и смягчение квалификационных требований к проектировщикам и разработчикам прикладных систем. Существенных результатов в развитии интеллектуальной программной среды комплекса АТ-ТЕХНОЛОГИЯ можно достичь, за счет повышения роли ПИК на этапах анализа и проектирования, пересмотра состава и структуры ТПП и расширения функциональности базового компонента - интеллектуального планировщика, что обеспечит не только эффективную помощь инженерам по знаниям но и планирование разработки в целом.
Анализ текущих версий интеллектуального планировщика комплекса АТ-ТЕХНОЛОГИЯ показал, что основными направлениями дальнейшего развития интеллектуального планировщика является модификация и оптимизация методов и алгоритмов планирования действий инженера по знаниям в процессе разработки прототипов ИЭС различной архитектурной типологии. Поскольку с усложнением архитектур ИЭС, появлением в составе технологической БЗ большого количества ТПП и ПИК время поиска решений значительно увеличилось и поиск стал достаточно трудоемким, то негативный эффект от неоптимальности выбора решений стал более значительным. Поэтому возникает необходимость усовершенствования методов и алгоритмов планирования, используемых интеллектуальным планировщиком. Результаты системного анализа современных методов интеллектуального планирования и проведенные экспериментальные исследования показали целесообразность использованиядостаточно известного подхода, связанного с планированием в пространстве состояний.
Таким образом, наиболее важными требованиями к методологиям и инструментальным средствам построения интеллектуальных систем, в частности ИЭС, обладающих мощной функциональностью и масштабируемой архитектурой, становятся факторы снижения стоимостно-временных показателей разра-5
ботки и интеллектуальной нагрузки на инженеров по знаниям за счет усиления степени «интеллектуализации» процессов построения систем на всех этапах жизненного цикла, в том числе привлекая методы и средства интеллектуального планирования.
Цель исследований. Целью диссертации является разработка и исследование интеллектуальной программной среды комплекса АТ-ТЕХНОЛОГИЯ для автоматизации процессов построения ИЭС различной архитектурной типологии на основе задачно-ориентированной методологии. Для достижения поставленной цели в диссертации решены следующие основные задачи:
-
Проведен эволюционный анализ опыта исследований и разработок в области автоматизации построения ИЭС различных классов (статические, динамические, обучающие) на основе использования задачно-ориентированной методологии и поддерживающего инструментария – комплекса АТ-ТЕХНОЛОГИЯ. В контексте задачно-ориентированной методологии построения ИЭС исследована предложенная профессором Г.В. Рыбиной модель интеллектуальной программной среды и средства ее реализации, на основе чего поставлена задача разработки новых подходов к реализации базовых компонентов - интеллектуального планировщика и технологической БЗ для повышения степени интеллектуализации процессов проектирования и разработки программного обеспечения ИЭС.
-
Проведен онтологический анализ современных исследований в области методов, алгоритмов и программных средств интеллектуального планирования и осуществлен выбор планирования в пространстве состояний как наиболее эффективного метода для решения задачи планирования действий инженерапо знаниям в процессе разработки ИЭС.
-
Предложен метод генерации планов построения прототипов ИЭС и алгоритмы его реализации, позволяющие на основе модели архитектуры ИЭС и набора типовых проектных процедур из технологической БЗ осуществлять построение планов разработки прототипов ИЭС.
-
Разработаны алгоритмы для поддержки функционирования новой версии интеллектуального планировщика, основанные на детерминированном планировании в пространстве состояний и расширяющие классический эвристический поиск за счет учета специфики проблемной области.
-
Выполнена программная реализация интеллектуального планировщика, его окружения и отладочных средств для интеллектуальной программной среды комплекса АТ-ТЕХНОЛОГИЯ.
-
С целью развития базовых компонентов интеллектуальной программной среды усовершенствована и экспериментально исследована технологическая БЗ о ТПП и ПИК, связанных с процессами разработки статических и динамических ИЭС.
-
Осуществлено экспериментальное программное исследование интеллектуального планировщика и технологической БЗ путем разработки нескольких прототипов статических и динамических ИЭС, а также использования в учебном процессе НИЯУ МИФИ.
Объект исследования. Объектом исследований являются базовые компоненты интеллектуальной программной среды комплекса АТ-ТЕХНОЛОГИЯ, предназначенные для автоматизированного построения ИЭС различной архитектурной типологии.
Предмет исследования. Предметом исследований являются модели, методы и программные средства интеллектуального планирования процессов построения программного обеспечения ИЭС, предназначенные для функционирования в составе интеллектуальной программной среды комплекса АТ-ТЕХНОЛОГИЯ.
Методы исследования. Для решения поставленных задач в диссертации использованы методы искусственного интеллекта, методы интеллектуального планирования, методы эвристического поиска, теория автоматов, теория графов, технология разработки программного обеспечения.
Научная новизна. В диссертации были получены следующие новые результаты.
-
В контексте развития задачно-ориентированной методологии построения ИЭС предложен основанный на эвристическом поиске оригинальный метод планирования действий инженерапо знаниям, позволяющийнаоснове модели архитектуры проектируемой системы и технологических знаний в виде ТПП и ПИК осуществлять автоматическую генерацию планов построения прототипов ИЭС с учетом различной архитектурной типологии данного класса интеллектуальных систем.
-
Разработаны высокопроизводительные алгоритмы управления генерацией планов и специализированная эвристическая функция, позволяющие в совокупности существенносократить пространство поискаииспользуемые вычислительные ресурсы за счет ориентированности на целевое программно-аппаратное обеспечение.
-
Разработаны и экспериментально исследованы новые программные средства, реализующие предложенные в диссертации методы и алгоритмы создания интеллектуального планировщика – одного из базовых компонентов интеллектуальной программной среды для поддержки процессов построения ИЭС, включенные в состав текущей версии инструментального программного комплекса АТ-ТЕХНОЛОГИЯ.
-
Модифицирована технология построения программного обеспечения прикладных ИЭС, с помощью которой снижается трудоемкость и интеллектуальная нагрузка на инженеров по знаниям на этапах анализа системных требований и проектирования.
-
Осуществлена экспериментальная проверка разработанных инструментальных программных средств путем реализации нескольких прототипов динамических ИЭС.
Практическая значимость. Практическая значимость и ценность работы заключается в создании эффективных методов и программных средств интеллектуализации процессов построения широкого класса ИЭС. Важность решения поставленных задач определяется необходимостью снижения стоимостно-7
временных показателей разработки и интеллектуальной нагрузки на инженеров по знаниям за счет повышения степени интеллектуализации процессов построения программного обеспечения прикладных ИЭС на всех этапах жизненного цикла, включая наиболее сложные и трудоемкие этапы анализа системных требований и проектирования.
Практическая значимость работы подтверждается использованием разработанных программных средств в составе инструментального комплекса АТ-ТЕХНОЛОГИЯ в процессе автоматизированного построения трех прототипов ИЭС, предназначенных для таких задач реальной практической важности и сложности, как: управление медицинскими силами и средствами при крупных дорожно-транспортных происшествиях; мониторинг дорожно-транспортных происшествий; планированиегоспитализациипострадавших; управлениересур-сами системы спутниковой связи между региональными центрами; диагностика качества заготовок для электронно-лучевой литографии и др. Также практическая значимость подтверждается путем разработки специального программного модуля обработки бизнес-информации для отечественной системы Lement Pro, позволяющего повысить качество планирования проектов разработки программного обеспечения за счет использования накопленного технологического опыта и учета экспертных критериев.
Достоверность полученных результатов. Достоверность результатов подтверждается данными, полученными в результате использования разработанных программных средств для автоматизированного построения нескольких прототипов динамических ИЭС, в том числе актами об использовании результатов диссертации для разработки прототипа динамической ИЭС для управления медицинскими силами и средствами при крупных дорожно-транспортных происшествиях и прототипа динамической ИЭС для управления ресурсами системы спутниковой связи между региональными центрами. Также достоверность подтверждается результатами экспериментального сравнения программного ядра интеллектуального планировщика с зарубежными планировщиками (FastForward, HSP и др.) на примере решения классических задач (Ханойские башни, Пятнашки, Кубик Рубика и др.).
Реализация результатов диссертации. Результаты диссертации использовались в НИР, выполненных при поддержке РФФИ (проекты № 12-01-00467 и № 15-01-04696) в учебно-научной лаборатории «Интеллектуальные системы и технологии» кафедры «Кибернетика» НИЯУ МИФИ, а также в учебном процессе для практической поддержки базовых дисциплин по направлению подготовки «Программная инженерия», а именно: «Интеллектуальные диалоговые системы»; «Динамические интеллектуальные системы»; «Проектирование кибернетических систем, основанных на знаниях»; «Современные архитектуры интеллектуальных систем».
Результаты диссертации использовались при разработке прототипов динамических ИЭС для управления медицинскими силами и средствами при крупных дорожно-транспортных происшествиях, а также управления ресурсами систе-
мы спутниковой связи между региональными центрами (разработанных в рамках НИР по хоздоговорной тематике для Всероссийского центра медицины катастроф «Защита» Министерства здравоохранения РФ) (акт об использовании).
Результаты диссертации также использовались: при разработке исследовательского прототипа ИЭС для диагностики заготовок для электронно-лучевой литографии для Ярославского Государственного Университета им. П.Г. Демидова (акт об использовании), а также при разработке программного модуля подсистемы обработки бизнес-информации системы Lement Pro для ООО «СОДИС ЛАБ» (акт об использовании).
Апробация результатов. Основные результаты диссертации докладывались и обсуждались на следующих международных и всероссийских конференциях и семинарах: 8th IEEE International Conference on Intelligent Systems (Sofia, Bulgaria, 2016); XXth ITHEA Joint International Scientific Events on Informatics ITA (Varna, Bulgaria, 2017); First International Scientific Conference «Intelligent Information Technologies for Industry» IITI (Sochi, 2016); International conference on artificial intelligence ICAI (USA, Las Vegas, 2016); 5th International Conference on Knowledge Engineering and the Semantic Web (Kazan, 2014); 7я Международная конференция «Системный анализ и информационные технологии» (Светлогорск, 2017); Международной научно-практической конференции «Теория активных систем» (Москва, 2014-2016 г.); 7-ая, 8-ая Международная научно-техническая конференция (Коломна, 2013-2015 г.); 1-й международный симпозиум «Гибридные и синергетические интеллектуальные системы: теория и практика» (Калининград, 2012 г.); 14-ая, 15-ая Национальная конференция по искусственному интеллекту с международным участием КИИ (Казань, Смоленск, 2014-2016 г.); 7-е, 8-е Всероссийское совещание по проблемам управления ВСПУ (Москва, 2014-2016 г.); 16-ая, 17-ая, 18-ая, 19-ая Российская научно-практическая конференция «Инжиниринг предприятий и у правление знаниями» (Москва, 2013-2016 г.); 15-ая, 16-ая и 17-ая Международная телекоммуникационная конференция студентов и молодых ученых «МОЛОДЕЖЬ И НАУКА» (Москва, 2012 – 2014 гг.); Научные сессии НИЯУ МИФИ. (Москва, 2011 – 2015 гг.).
Публикации. По теме диссертации в период с 2011 по 2017 гг. опубликовано 33 печатных работы, в том числе 10 – в российских периодических изданиях, рекомендованных ВАК и проиндексированных в РИНЦ, 6 – в журналах и сборниках трудов конференций, включенных в базу SCOPUS, остальные в сборниках трудов различных конференций.
Структураи объём работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы и приложения. Общий объем основного текста, без учета приложений — 164 страницы. Диссертация содержит 49 рисунков и 3 таблицы. Список литературы включает 192 источника.
Основные этапы развития систем автоматизации разработки программного обеспечения и их особенности
Средства поддержки разработки интеллектуальных систем в своем развитии прошли все основные стадии, характерные для систем автоматизации программирования [1], и, анализируя этот процесс, можно отметить, что они в целом повторяют классическую восходящую стратегию развития средств этого направления (Рис. 1.2). Другая тенденция, нисходящая, связана со специализированными средствами, изначально ориентированными на определенные классы задач и методы построения интеллектуальных систем. Интеграция двух этих тенденций должна постепенно привести к созданию мощного универсального инструментария интеллектуального программирования. Что касается текущего этапа исследований и разработок в данной области, то здесь отмечается концентрация усилий в следующих направлениях: разработка систем представления знаний путем прямого использования широко распространенных языков обработки символьной информации, а также языков программирования общего назначения; расширение базисных языков ИИ до систем представления знаний за счет специализированных библиотек и пакетов; создание языков представления знаний (ЯПЗ), специально ориентированных на поддержку определенных формализмов, и реализация соответствующих трансляторов с этих языков [44].
Следует отметить, что на начальном этапе зарождения и развития ИИ как области научного знания не существовало языков и систем, специально предназначенных для создания прикладных систем, основанных на знаниях (СОЗ), поскольку в то время еще не оформился сам подход, в котором центральное место отводилось бы изложению теории в форме программ, а появившиеся к тому времени универсальные языки программирования высокого уровня казались адекватным инструментом для создания любых, в том числе и интеллектуальных систем. Однако сложность и трудоемкость использования универсальных языков программирования оказалось настолько велика, что разработка интеллектуальных систем стала практически недоступной. Поэтому основные усилия были направлены на создание языков и систем обработки символьной информации, которые на несколько десятилетий стали основным инструментом программирования интеллектуальных систем [44].
Например, до недавнего времени наиболее популярным базовым языком реализации интеллектуальных систем, в частности, ЭС, являлся ЛИСП [45] (разработан в Стэнфорде под руководством Дж. Маккарти), который к концу 1980-х гг. был реализован на всех классах ЭВМ, начиная с персональных компьютеров и кончая высокопроизводительными вычислительными системами. Новый толчок развитию ЛИСПа дало создание ЛИСП-машин, которые в настоящее время выпускаются рядом фирм США, Японии и Западной Европы. Также активно разрабатывались языки, предлагающие другие концептуальные основы, например, СНОБОЛ [46], разработанный в лабораториях Белла (США), язык РЕФАЛ, созданный в ИПМ АН СССР (автор В.Ф. Турчин) и др.
В начале исследований в области автоматизации программирования появился термин «системы автоматического программирования» [47–49], под которым подразумевались системы автоматического синтеза программ, реализованные, как правило, засчет доказательства теорем. Постепенно от данного термина отказались, т.к. в нем не отражались широкие возможности систем автоматизации программирования.
С точки зрения ИС, отправной точкой для появления направления по автоматическому синтезу программ служила область ИИ, связанная с построением решателей задач и вопросно-ответных систем. В начале 1970-х годов автоматический синтез программ стал оформляться в самостоятельную область теоретических исследований, в основе которого лежало доказатель ство теорем [48]. Кроме классических методов в синтез внедрялись также программы и методы инженерии знаний, причем, в общем случае, в БЗ таких систем включались два вида знаний о программировании - знания о языке программирования, на котором будет описана выходная программа, и общие знания о программировании [50].
Важно отметить, что основные усилия были направлены на то, чтобы сделать возможной разработку программ конечными пользователями-непрограммистами и использовать программистов только в качестве консультантов (например, работы [51, 52]). Это достигалось за счет использования фреймовых языков проектирования для описания объектов, а также за счет специально спроектированных БД со средствами обслуживания высокого уровня (языки запросов, генераторы отчетов, генераторы программ). Такой подход подразумевал отказ от традиционного программирования.
В начале 1970-х гг. появился язык ПРОЛОГ [53] (разработанный в Марсельском университете Аланом Колмероэ), способный составить конкуренцию ЛИСПу при реализации СОЗ (ЭС), который не дает новых сверхмощных средств программирования по сравнению с ЛИСПом, но поддерживает другую модель организации вычислений. В настоящее время ПРОЛОГ, хотя и завоевал определенное признание, значительно уступает по популярности и эффективным реализациям ЛИСПу и специальным продукционным языкам, широко используемым при создании ЭС.
В соответствии с [44], характерной тенденцией середины 1970-х гг. в программировании вообще и программировании задач ИИ в частности, сталосмещение центра тяжести от процедурных к декларативным описаниям, поскольку к этому времени уже сформировались базовые концепции представления знаний (в частности, на основе семантических сетей и фреймов), поэтому появились и специальные языки программирования, ориентированные на поддержку этих концепций.
Не менее важной проблемой развития технологии программирования в целом, по мнению В. М. Глушкова [54], являлось создание «технологии комплексного проектирования вычислительных систем, когда проектирование технических средств системы объединено в единый процесс проектирования базисного математического обеспечения». Среди большого количества исследователей в данной области можно выделить таких отечественных ученых как А.П. Ершов, Э.Х. Тыугу, Э.З. Любимский, И.В. Вельбицкий, Е.М. Лаврищева, Б.А. Позин, А.А. Штрик, В.В Липаев и др. Однако в данной работе рассматриваются этапы развития ИС для разработки интеллектуальных систем.
На раннем этапе развития ИС была сформирована достаточно значительная совокупность методов и языков представления знаний, послужившей основой для перехода от экспериментальных программных разработок к созданию практически значимых инструментов. Например, из огромного многообразия языков представления знаний (ЯПЗ) первого поколения наиболее заметную роль в программной поддержке систем представления знаний сыграли та кие ЯПЗ как KRL, FRL, KL-ONE, OPS5 и некоторые другие, детально описанные в обширной литературепо ИИ, вчастности [44]. Базовыми характеристиками этих ЯПЗ являются: двухуровневое представление данных (абстрактная модель ПрО в виде иерархии множеств понятий и конкретная модель ситуации как совокупность взаимосвязанных экземпляров этих понятий); представление связей между понятиями и закономерностями ПрО в виде присоединенных процедур; семантический подход к сопоставлению образцов и поиску по образцу.
Следующим этапом в развитии ИС в 1980-х гг. и в 1990-х гг. стала ориентация на инструментальные пакеты и среды поддержки разработок интеллектуальных систем. Развитые среды автоматизации программирования на базе языков символьной обработки являются необходимым технологическим уровнем систем поддержки разработки прикладных интеллектуальных систем, и, как правило, такие среды покрывают, хотя бы частично, средства автоматизации проектирования и программирования. В целом более активно проводились работы по созданию интеллектуальных систем автоматизированного синтеза исполнительных программ, при этом основная доля мощности и интеллектуальности подобного инструментария связывалась не с его архитектурой, а с функциональными возможностями отдельных компонентов технологической среды.
Существенное значение при разработке нового инструментария уделялось и удобству сопряжения отдельных компонентов – именно здесь наиболее широко использовались последние достижения теории и практики программирования, такие как синтаксически-ориентированное редактирование и инкрементная компиляция [44]. Примерами подобных сред служит подавляющее большинство инструментальных пакетов и систем-оболочек для создания традиционных СОЗ (ЭС) типа EXSYS, GURU, ART, KEE, Knowledge Craft и др., детальный обзор которых приводится в [5], а в середине 1990-х в класс самых мощных и развитых систем вошла и среда G2 [55]. Проводя более подробный анализ разработанных инструментов, включая также инструменты для разработки традиционного ПО, можно условно выделить несколько поколений, как показано на Рис. 1.3.
К первому поколению ранних систем автоматического программирования относятся DEDUCOM [47], QA2 [48], PROW [49], в основе которых лежало доказательство теорем. Первое поколение было сконцентрировано на автоматизации этапов кодирования и управления, а также, частично, этапа проектирования.
Ко второму поколению систем автоматического программирования следует отнести PSI [56], SAFE [57], Protosystem-I [50], Programmers Apprentice [58], PDS [59], CIP [60], СПОРА [61], ПРИЗ [62], РЕГЕНД [63] и др. Здесь осуществляется прежде всего автоматизация этапа проектирования и достаточно полное выполнение этапа кодирования. Причем, за счет использования подсистемы доказательства правильности программ, этап отладки мог быть исключен вообще, что затрудняло решение проблемы автоматической подготовки документации для пользователя. Уже в 1980-х гг. в системах данного класса были определены место и роль спе циального компонента - планировщика [64], в функциональность которого входил механизм вывода решения исходя из целей, а также поиск решения в более широком классе ветвящихся программ.
Отдельно следует выделить системы, функциональность которых сводилась скорее к явному преобразованию описания программы, чем к комплексной автоматизации. Например, системы SYNSYS и DEDALUS [65] осуществляли преобразование спецификаций высокого уровня в функции на языке LISP. Также можно упомянуть и более узко-специализированные системы, которые принимали программу на языке низкого уровня и преобразовывали ее за счет сужения класса входных данных, в частности, SPECIALIST [66], TAMPR [67] и СКАТ, основанные на методах оптимизации. Появление данных систем показало, что уже в тот период возникло направление исследований, направленное на автоматическое выполнение легко формализуемых рутинных операций, при отсутствии комплексной автоматизации.
В зарубежных работах по прежнему остается малоисследованной область, связанная с разработкой ИС для динамических ПрО, а среди отечественных разработок можно выделить только инструментальный комплекс АТ-ТЕХНОЛОГИЯ (на текущий момент динамическая версия находится в финальной стадии разработки) и RAO-Studio (являющаяся по своей сути только системой интеллектуального имитационного моделирования). Следует отметить, что к наиболее востребованным ИС, представленным на рынке коммерческих инструментальных средств, можно отнести G2 (Gensym Corp.), RTWorks (Talarian Corp.), SHINE (NASA / JPL), RTXPS (Environmental Software & Services GmbH), и др.
Разработка метода эвристического поиска для планирования действий инженеров по знаниям при прототипировании ИЭС
Назначение разработанного метода заключается в том, что на основе модели архитектуры , набора ТПП необходимо построить (формула 5) - план разработки текущего прототипа ИЭС с использованием набора операционных ПИК из технологической БЗ по сценарию конкретных выбранных ТПП.
Метод генерации плана условно может быть разбит на четыре этапа: получение обобщенной РДПД РИЛ из модели архитектуры ИЭС; генерация точного покрытия с помо щью эвристического поиска; генерация плана действий инженера по знаниям на основе полученного точного покрытия ;Генерация представления плана на основе покрытия .
На первом этапе для получения обобщенной РДПД (РИЛ) из модели архитектуры MИЭС используется алгоритм рекурсивной детализации, функционирующий следующим образом. На начальном шаге инициализируется пустой граф РИЛ и из ИЭС выбирается диаграмма верхнего уровня и входящие в нее элементы (НФ-операции, накопители и др.) которые условно распределяются в две группы – детализируемые и недетализируемые. Детализируемым элементом называется элемент РДПД-диаграммы, которому соответствует диаграмма более нижнего уровня. На следующем шаге для всех недетализируемых элементов в диаграмме создаются вершины в РИЛ с соответствующими метками, а детализируемые элементы заменяются на содержимое соответствующих детализирующих диаграмм более нижнего уровня. Данный шаг вызывается рекурсивно для добавленных элементов до тех пор, пока не будут обработаны все детализируемые элементы. После этого осуществляется создание ребер РИЛ с соответствующими метками на основе потоков данных ИЭС.
На втором этапе осуществляется генерация точного покрытия как состояния графа РИЛ, описанных в постановке задачи. Для этого выполняется эвристический поиск в пространстве состояний , а именно детерминированное планирование в пространстве состояний. Для генерации используется стоимость добавления новых фрагментов к текущему покрытию, определяемую элементом , поэтому осуществляется оптимальное планирование (допустимая эвристическая функция, позволяющая осуществлять генерацию оптимальных планов, приводится далее). Следует отметить, что в общем случае существует множество точных покрытий заданной обобщенной РДПД, отличающихся стоимостью, что связано прежде всего с содержанием технологической БЗ и накопленным опытом. Например, в определенных ситуациях один и тот же подграф РИЛ может быть покрыт одним экземпляром ТПП, либо двумя экземплярами других ТПП, суммарная стоимость которых отличается. Как правило, подобные ситуации в технологической БЗ разрешаются по принципу «частное – предпочтительней», поэтому при генерации покрытия будет выбрана одна ТПП с более низкой стоимостью.
На третьем этапе из полученного покрытия осуществляется генерация плановых задач. Совокупность экземпляров ТПП, содержащихся в полученном покрытии формирует множество глобальной задаче из плана действий инженера по знаниям (элемент модели ). В процессе детализации каждый фрагмент (как опциональный так и обязательный) отображается на множество задач , а на основе потоков данных формируется отношение предшествования модели . Таким образом, на основе покрытия осуществляется генерация укрупненной и детальной сетей задач инженера по знаниям, необходимых для реализации прототипа ИЭС с заданной архитектурой. На последнем этапе формируется представление плана (элемент модели ). Представление плана служит для удобства отображения плана инженеру по четвертом этапе, и по умолчанию используется иерархическое представление. Для его генерации формируется двухуровневое дерево, на первом уровне которого помещаются группы, соответствующие глобальным задачам из . В каждую группу помещаются все задачи, произведенные задействованными фрагментами соответствующих ТПП, и с помощью топологической сортировки определяется порядок следования между ними.
Кроме рабочих определений для описания метода также выделим специальные контейнеры (структуры данных), имеющие более сложную структуру, чем массивы. SEARCH-QUEUE - очередь раскрываемых вершин;COMPLEX-HASHSET - специальный контейнер для проверки, что состояние ранее не встречалось; NODES-CONTAINER - линейный контейнер для обратной трассировки найденного плана.
Для более формального описания метода воспользуемся стилем, введенным в [174], в соответствии с чем суть метода представляется в виде абстрактного псевдокода, близкого к описанию алгоритмов и определяющего основные шаги метода. Для всех используемых структур данных приводится описание используемых операций и их алгоритмической сложности. Наиболее сложные фрагменты псевдокода комментируются со ссылками на номера строк. Алгоритмы описываются в виде псевдокода с использованием математических и логических операций и с минимальным привлечением формулировок на естественном языке. Для алгоритмов приводится анализ вычислительной сложности в нотации , а также доказательство корректности за счет выделения инвариантов. Исходя из вышесказанного, разработанный в диссертации метод генерации плана в общем виде можно представить в виде следующего псевдокода:
1 Построить план (иерархия РДПД, технологическая БЗ)
2 Преобразовать иерархию РДПД в обобщенную РДПД
3 Добавить в SEARCH-QUEUE вершину с пустым покрытием
4 Инициализировать финальное покрытие NULL
5 Пока SEARCH-QUEUE не пустая ВЗЯТЬ текущее покрытие из SEARCH-QUEUE на основе стратегии поиска
6 Если текущее покрытие является целевым Финальное покрытие = текущее покрытие Завершить поиск
7 Сформировать множество экземпляров доступных ТПП, за счет которых можно расширить текущее покрытие
8 Для каждого экземпляра
9 Создать новое покрытие путем добавление фрагмента к текущему покрытию
10 Если такое покрытие раньше не встречалось
11 Посчитать эвристическую оценку покрытия
12 Добавить новое покрытие в NODES-CONTAINER
13 Добавить новое покрытие в SEARCH-QUEUE Сохранить новое покрытие в COMPLEX-HASHSET
15 Если финальное покрытие NULL
16 Вернуть, что плана не существует
17 Построить глобальный план трассировкой NODES-CONTAINER из финального покрытия
18 Детализировать глобальный план до детального
19 Построить представление плана
20 Вернуть полученный план
В строке 1 описывается преобразование иерархии РДПД из МРИЛ в обобщенную РДПД СРИЛ с помощью специального алгоритма, который рекурсивно выполняет подстановку элементов РДПД, начиная с диаграммы верхнего уровня. Строка 2 связана с определением начального состояния, которое всегда представляет собой пустое покрытие обобщенной РДПД. Схематичный пример обобщённой РДПД приводится на Рис. 2.2(a), на которой присутствуют 2 вершины, полученные из НФ-операций, 4 вершины получены из формализованных операций, и 2 вершины, полученные из накопителей данных.
Основной цикл поиска (строки 5-17) выполняется до тех пор, пока не будет просмотрено все пространство, либо пока не будет найдено первое целевое состояние (строка 9). Правило обхода пространства поиска задается в стратегии поиска, в соответствии с которой производится выбор новых состояний (строка 6). Для каждого состояния осуществляется проверка на то, что состояние целевое (строка 7).
Для генерации состояний выполняется цикл (сокращенно описанный в строке 10), в котором за счет перебора УТРР Є WKB производится формирование множества ТПП, фрагменты которых могут быть добавлены к текущему покрытию. При этом, добавление опциональных фрагментов к покрытию возможно только при невозможности добавления новых обязательных фрагментов из сформированного множества ТПП. Пример грубого покрытия приводится на Рис. 2.2(b), на котором присутствуют три заштрихованных обязательных фрагмента различных ТПП. Пример точного покрытия приводится на Рис. 2.2(c), где к обязательным фрагментам добавлены 3 опциональных, обозначенных пунктирными линиями. Таким образом, в приведенном примере в покрытии участвуют 3 экземпляра ТПП.
В следующем цикле (строки 11-17) осуществляется генерация новых состояний. Далее осуществляется проверка с помощью структуры COMPLEX-HASHSET, что данное состояние не встречалось раньше (строка 13). После вычисления эвристической оценки нового состояния (строка 14), осуществляется запись новых состояний во все три структуры данных (строки 15-17).
Затем на основе финального покрытия строится глобальный план (Рис. 2.2(d)) (строка 20), который затем детализируется сетями плановых задач (строка 21). Наконец, формируется представление плана (строка 22), которое может быть отображено инженеру по знаниям.
Тестирование разработанных программных средств
Как было показано ранее, наиболее важным и сложным разработанным компонентом является интеллектуальный планировщик. Поэтому, основное внимание на этапе тестирования было уделено как его отдельным элементам, так и тестированию планировщика в целом.
В качестве общего подхода к тестированию использовалось модульное тестирование методом черного ящика отдельных функций, классов и модулей. В общей сложности было написано около 5000 строк кода модульных тестов.
Были выделены следующие этапы тестирования:
тестирование определения доступных переходов;
тестирование определения целевого состояния;
тестирование применения перехода и генерация новых состояний;
тестирование генерации грубого покрытия;
тестирование генерации детального покрытия;
тестирование генерации глобального и детального планов.
Далее рассмотрим этапы тестирования подробнее.
Тестирование определения доступных переходов. Для осуществления данного этапа были рассмотрены различные начальные состояния и проверено, правильно ли ядро планировщика определяет доступные переходы из заданного состояния. Для построения тестовых примеров были использованы не реальные фрагменты технологической БЗ, а специально подготовленные фрагменты РДПД. Рассмотрим фрагмент соответствующего тест-плана.
Входные данные. Исходная РДПД диаграмма и доступные фрагменты ТПП, как показано на Рис. 3.10.
Ожидаемые переходы. Три доступных перехода: применение каждого из доступных фрагментов к подходящей части исходного графа.
Полученные переходы. Три доступных перехода: применение каждого из доступных фрагментов к подходящей части исходного графа.
Тестирование определения целевого состояния. Поскольку в данной ПрО для решения задачи генерации плана в общем случае может существовать больше одного правильного покрытия, то на данном этапе осуществлялась проверка корректности определения ядром интеллектуального планировщика целевого состояния. Для этого метод определения целевого состояния был протестирован различными целевыми и нецелевыми состояниями для разных начальных условий.
Тестирование применения перехода и генерация новых состояний. На данном этапе осуществлялась проверка, что из обобщенной РДПД, покрытой в некотором исходном состоянии, при добавлении заданного фрагмента ТПП получается ожидаемое состояние. При этом, если добавление заданного фрагмента ТПП невозможно, переход не должен быть применен, и соответствующая функция должна возвратить ошибку.
Тестирование генерации грубого и точного покрытий. Тестирование данного этапа проходило как расширение предыдущего, где строилось сначала грубое, а потом детальное покрытие. Рассмотрим фрагмент тест-плана данного этапа.
Входные данные. Исходная РДПД диаграмма (Рис. 3.11) и доступные обязательные и опциональные фрагменты ТПП (Рис. 3.12).
Полученное покрытие. Ниже приводится листинг планировщика, полученный планировщиком для этапа грубого покрытия. Здесь вершины графа представлены внутренними числовыми идентификаторами: Database —1, Receive data— 2, Application package — 3,Do calculation — 4, NF operation — 5, Setup initial situation — 6, Show recommendations — 7. Также фрагменты ТПП пронумерованы так, как было показано выше.
Starting solving process...
Started solving monitor, interval 500 msecs
0. cost: 1, est: 0.333333
1. cost: 0, est: 1.#INF Solution found (length 1, cost 1) Plan: Cover vertices (5 6 7 ) with SDP 0 Rough cover done
Как видно, планировщик получил грубое покрытие, в котором вершины (NF operation — 5, Setup initial situation — 6, Show recommendations — 7) покрыты обязательным фрагментом с идентификатором 0. Далее на вход планировщика подается новое начальное состояние, в котором учтен результат грубого покрытия, но в качестве доступных фрагментов используются уже необязательные. Ниже приведен результат для точного покрытия.
Здесь планировщик получил детальное покрытие, в котором вершины (Database — 1, Receive data — 2) покрыты необязательным фрагментом с идентификатором 0, а вершины (Application package — 3, Do calculation — 4) покрыты фрагментом с идентификатором 1.
Тестирование генерации глобального и детального планов. На основе детализированных сетей задач ТПП и заданного детального покрытия осуществлялась проверка, что сгенерированная сеть задач совпадает с ожидаемой. При этом осуществлялось сравнение не выстроенной линейно последовательности задач, а непосредственно сети задач, что дало возможность однозначно определять, пройден ли тест или нет.
Разработка прототипа динамической ИЭС для управления медицинскими силами и средствами при крупных дорожно-транспортных происшествиях
Для эффективной реализации процессов построения интеллектуальных систем, в частности, динамических ИЭС важное значение имеют вопросы, связанные с системным анализом конкретной ПрО на применимость технологии СОЗ (ЭС), поэтому в данной работе были использованы методы и критерии системного анализа, предложенные в [184], в соответствии с которыми на этапе обследования ПрО были проведены три типа исследований - на уместность, оправданность и возможность разработки прототипа динамической ИЭС для ПрО «УМС».
Проведенные исследования показали несомненную актуальность создания прототипа динамической ИЭС для ПрО «УМС», поскольку в настоящее время транспортный травматизм стал серьезной социальной и медицинской проблемой для большинства развитых стран мира, а Российская Федерация не является исключением. По информации официального сайта Государственной инспекции безопасности дорожного движения [185] за 2014 год на территории Российской Федерации было зафиксировано 199.720 дорожно-транспортных происшествий (ДТП), что меньше на 2.1%, чем в 2013 году. В них получили ранения 251.785 пострадавших (на 2,6% меньше, чем в 2013 году) и погибло 26.963 человек (на 0,2% меньше, чем в 2013 году).
Установлением виновников ДТП занимаются сотрудники ГИБДД, а устранение последствий ДТП обеспечивают сотрудники МЧС, пожарной охраны и медицинские сотрудники - пострадавшие (при их наличии) доставляются в лечебно-профилактические учреждения (ЛПУ), а при возгорании и/или угрозе возгорания на место ДТП направляются средства пожаротушения. Особого внимания заслуживают крупные ДТП (с пятью и более пострадавшими), поскольку они требуют наиболее сложного управления взаимодействием сотрудников различных ведомств РФ для увеличения шансов выживаемости пострадавших, а также уменьшения последствий для их здоровья поражающих факторов ДТП. Ниже приводятся краткие выводы по системному анализу ПрО «УМС».
Уместность. Задача управления мероприятиями, проводимыми медицинскими силами и средствами при крупных ДТП, связана не с расчетом, а с оперативным анализом текущего местоположения бригад скорой помощи и текущей загруженностью дорожной сети, т.е. преобладает использование операций с символьной информацией, а не с числами. Эта задача носит экспертный характер, достаточно сложна и не имеет общего алгоритмического решения (одновременное слежение за большим количеством бригад скорой помощи и состоянием дорожного трафика, определение того, какие именно бригады отправить на вызов в течение нескольких секунд после поступления сообщения о ДТП, выбор профильного ЛПУ и т.д.). Решение задачи представляет большой практический интерес для ВЦМК «Защита».
Оправданность. Решение данной задачи позволит обеспечить экономию денежных средств федерального бюджета, расходуемых на ликвидацию последствий крупных ДТП, снизит риски человеческих факторов при оказании помощи пострадавшим в ДТП и их профильной госпитализации, а также повысит общий уровень подготовки персонала соответствующих служб.
Возможность. Для решения данной задачи не требуется разрабатывать новые методы решения, поскольку в данной ПрО существуют опытные эксперты (диспетчеры, менеджеры ЛПУ и др.), которые, в основном, сходятся в экспертной оценке предлагаемых решений, а также могут описать (вербализовать) применяемые ими на практике методы работы и объяснить их. Кроме того, здесь требуются только интеллектуальные навыки и накопленный практический опыт.
Важно отметить, что специфика данной ПрО, в частности, необходимость интеграции с внешними системами (база лечебных центров, подсистема спутниковой локации автомобилей скорой помощи, система управления спутниковыми каналами связи) определяет архитектуру разрабатываемой интеллектуальной системы в виде динамической ИЭС, поскольку входные данные от внешних источников (местоположение автомобилей скорой помощи, состояния пострадавших) изменяются во времени, т.е. ПрО является динамической [186].
Таким образом, для данной ПрО уместно, оправданно и возможно применение методов, средств и технологий создания динамических ИЭС. В качестве базовых задач в процессе прототипирования динамической ИЭС рассматривались такие задачи, как: мониторинг конкретного участка федеральной трассы и сигнализация о ДТП, включая первичную оценку типа ДТП; планирование мероприятий по устранению последствий ДТП; диагностика пострадавших (определение типа травм и степени тяжести); планирование мероприятий по госпитализации пострадавших в конкретное лечебное учреждение; мониторинг процесса госпитализации и состояния пострадавших. Логическую взаимосвязь между выделенными задачами можно отобразить в виде графа, как показано на Рис. 4.1.
Следовательно, разработка прототипа динамической ИЭС для ПрО «УМС» должна обеспечить поддержку решения совокупности сложных практических задач, включая следующие типы НФ-задач: диагностика пострадавших; планирование госпитализации пострадавших; планирование устранения последствий ДТП; первичная оценка типа ДТП.
Построение модели архитектуры ИЭС
Первым этапом ЖЦ автоматизированного построения ИЭС на основе задачно-ориен-тированной методологии является этап анализа системных требований пользователя, на котором происходит построение модели архитектуры разрабатываемой ИЭС, т.е. по сути, осуществляется идентификация решаемой проблемы.
Основываясь на классификации ИЭС «с точки зрения архитектуры» [1], разрабатываемую систему можно отнести к ИЭС с глубинной интеграцией компонентов, где средний уровень интеграции соответствует спецификациям наборов функций в модели архитектуры ИЭС. На этапе анализа системных требований пользователя определение спецификаций осуществляется посредством построения расширенных диаграмм потоков данных (РДПД) [1]. Как показано на Рис. 4.2, верхний уровень иерархии РДПД, содержит три НФ-операции «Планировать госпитализацию пострадавших», «Диагностировать состояние пострадавших», «Планировать устранение последствий ДТП». На среднем уровне иерархии при детализации контекстной диаграммы «Мониторить участок трассы» появляются НФ-операции «Выполнить первичную оценку типа ДТП» и «Диагностировать пострадавших».
Наосновании приведенного БНФ-описания расширенной информационно-логической модели архитектуры ИЭС с помощью специализированного редактора строится модель архитектуры прототипа динамической ИЭС иерархии РДПД для ПрО «УМС». Поскольку на диаграмме присутствует накопитель данных «База ЛПУ», то в план разработки прототипа автоматически включаются задачи, связанные с проектированием БД для хранения данных об ЛПУ и др. Комплекс АТ-ТЕХНОЛОГИЯ предоставляет средства проектированияБДи автоматической генерации БД в формате заданной СУБД.
В соответствии с задачно-ориентированной методологией [1], появление в данном случае на иерархии РДПД нескольких символов «трапеция», означающих НФ-операции, показывает на необходимость привлечения экспертов с целью построения модели ПрО и использования соответствующих инструментальных средств, реализующих комбинированный метод приобретения знаний (КМПЗ).
В целом построение модели архитектуры ИЭС (иерархии РДПД) в процессе прототи-пирования ИЭС любой архитектурной типологии осуществляется непосредственно инженером по знаниям с использованием базовых средств комплекса АТ-ТЕХНОЛОГИЯ.
Следует отметить, что предыдущая версия планировщика комплекса АТ-ТЕХНОЛО-ГИЯ позволяла строить планы разработки прототипов ИЭС, архитектуры которых содержали не более одной НФ-операции, однако, как показал опыт разработки целого ряда динамических и обучающих ИЭС и веб-ИЭС для задач реальной практической значимости и сложности, современные архитектуры прикладных ИЭС содержат, как правило, несколько НФ-операций и значительное число Ф-операций, за счет чего существенно возрастает трудоемкость разработки ИЭС и повышается интеллектуальная нагрузка на инженера по знаниям, что лишний раз доказывает актуальность и необходимость дальнейшего развития компонентов интеллектуальной программной среды, чему посвящена данная работа.
Исходя из этого, после завершения этапа построения модели архитектуры прототипа ИЭС функции инженера по знаниям, связанные с планированием разработки текущего прототипа ИЭС, реализуются с помощью интеллектуального планировщика на основе технологической БЗ, включающей в себя совокупность ТПП и ПИК. При этом, новая версия интеллектуального планировщика позволяет осуществлять генерацию плана независимо от сложности модели архитектуры, в частности, количества НФ-операций и др. Поэтому, ниже будет представлено детальное описание процесса разработки прототипа динамической ИЭС для ПрО «УМС» с использованием новой версии интеллектуального планировщика.