Разработка алгоритмов приложений

На рисунке 2.6 представлена укрупненная схема алгоритма автоматизированной информационной системы.

Рисунок 2.6 – Укрупненная схема алгоритма АИС

Рисунок 2.6 – (продолжение)

Описание алгоритма экспертной системы:

1 Вход в программу.

2 Главное меню. Условие выбора:

- файл;

- консультация;

- редактор;

- трассировка;

- результат;

- справка;

- выход из программы.

3 Файл. Возможные действия:

- загрузить базу знаний;

- сохранить проток;

- возврат в главное меню;

- выход из программы.

4 Консультация. Возможные действия:

- начать консультацию;

- прекратить консультацию;

- возврат в главное меню.

5 Редактор. Доступные действия:

- открыть редактор баз знаний;

- возврат в главное меню.

6 Трассировка. Возможные действия:

- выполнить трассировку;

- трассировка в Excel;

- возврат в главное меню.

7 Результат. Доступные действия:

- вывести результат;

- возврат в главное меню.

8 Справка. Доступные действия:

- помощь;

- о программе;

- возврат в главное меню.

9 Выход из программы.

На рисунке 2.7 представлена укрупненная схема алгоритма экспертной системы.

Описание алгоритма продукционно-фреймовой экспертной системы:

1 Вход в программу.

2 Главное меню. Условие выбора:

- файл;

- решение;

- трассировка;

- справка;

- выход из программы.

3 Файл. Возможные действия:

- загрузить базу знаний;

- возврат в главное меню;

- выход из программы.

4 Решение.

5 Трассировка.

6 Справка. Доступные действия:

- помощь;

- о программе;

- возврат в главное меню.

7 Выход из программы.

На рисунке 2.8 представлена укрупненная схема алгоритма продукционно-фреймовой экспертной системы.

Рисунок 2.7 – Укрупненная схема алгоритма экспертной системы

Рисунок 2.7 – (продолжение)

Рисунок 2.8 – Укрупненная схема алгоритма продукционно-фреймовой ЭС

Реализованный алгоритм дискриминантного анализа показан на диаграмме состояний, изображенной на рисунке 2.9. На ней представлены основные этапы выполнения дискриминантного анализа:

- выборка исходных данных из БД в виде матриц , , ;

- вычисление математических ожиданий , , ;

- определение транспонированных матриц , , ;

- расчет ковариационных матриц ;

- вычисление совместных ковариационных матриц ;

- вычисление обратных матриц ;

- определение векторов коэффициентов , , ;

- расчет дискриминантных функций для разграничения множеств ;

- вычисление средних значений дискриминантных функций ;

- определение констант дискриминации ;

- расчет дискриминантных функций в общем виде и границ множеств ;

- идентификация нового объекта;

- вывод результата о виде цены товара.

Рисунок 2.9 – Диаграмма состояний

Рисунок 2.9 – (продолжение)

Рисунок 2.9 – (продолжение)

Создание базы знаний

Экспертные системы – это прикладной пакет программ, предназначенный для решения так называемых интеллектуальных задач на основе проблемной области и опыта специалистов, представленного множеством машинных процедур и описаний /17/.

Накопление и организация знаний – важнейшее свойство всех ЭС, которое обеспечивает:

- применение для решения проблем высококачественного опыта, который представляет уровень мышления наиболее квалифицированных экспертов в данной области, что ведет к решениям творческим, точным и эффективным;

- наличие прогностических возможностей, при которых ЭС выдает ответы не только для конкретной ситуации, но и показывает, как изменяются эти ответы в новых ситуациях, с возможностью подробного объяснения каким образом новая ситуация привела к изменениям;

- обеспечение такого нового качества, как институциональная память, за счет входящей в состав ЭС базы знаний, которая разработана в ходе взаимодействий со специалистами организации, и представляет собой текущую политику этой группы людей. Этот набор знаний становится сводом квалифицированных мнений и постоянно обновляемым справочником наилучших стратегий и методов, используемых персоналом. Ведущие специалисты уходят, но их опыт остается;

- возможность использования ЭС для обучения и тренировки руководящих работников, обеспечивая новых служащих обширным багажом опыта и стратегий, по которым можно изучать рекомендуемую политику и методы.

Экспертная система – это программное средство, использующее знания экспертов, для высокоэффективного решения задач в интересующей пользователя предметной области. Она называется системой, а не просто программой, так как содержит базу знаний, решатель проблемы и компоненту поддержки. Последняя из них помогает пользователю взаимодействовать с основной программой.

Эксперт – это человек, способный ясно выражать свои мысли и пользующийся репутацией специалиста, умеющего находить правильные решения проблем в конкретной предметной области. Эксперт использует свои приемы и ухищрения, чтобы сделать поиск решения более эффективным, и ЭС моделирует все его стратегии /17/.

Экспертная система позволяет решать задачи диагностики, классификации, поддержки принятия решений, прогнозирования, обучения, планирования и другие. В данной работе создана система поддержки принятия решения о виде цены товара (розничной, мелкооптовой или оптовой) для организации, работающей в сфере оптово-розничной торговли. Поддержка принятия решения – это совокупность процедур, обеспечивающая лицо, принимающее решения, необходимой информацией и рекомендациями, облегчающими процесс принятия решения /18/.

Одним из основных элементов в архитектуре экспертной системы является база знаний /17/. Под базой знаний понимается совокупность фактов и правил вывода, допускающих логический вывод и осмысленную обработку информации /19/.

Существуют различные модели представления знаний. В разработанных экспертных системах используются модель представления знаний на основе вероятностных оценок и продукционно-фреймовая модель.

2.5.1 Модель представления знаний на основе вероятностных оценок

База знаний представляет собой текстовый файл, включающий три секции со следующей структурой:

- название базы знаний, может быть указано имя автора и другая дополнительная информация. Данная секция заканчивается после первой пустой строки;

- список свидетельств, начинающихся после строки со словом «Вопросы»:

Свидетельство № 0 (любой текст, заканчивающийся знаком «?» и переносом строки)

Свидетельство № 1

Свидетельство № 2

...

Свидетельство № N

После последнего свидетельства следует одна пустая строка, и вторая секция заканчивается;

- список исходов:

Исход № 0, [, , , ]

Исход № 1, [, , , ]

Исход № 2, [, , , ]

...

Исход № M, [, , , ]

В последней секции перечисляются правила вывода: каждое задается в отдельной строке; перечисление заканчивается с концом файла. В начале описания правила вывода задается исход, вероятность которого меняется в соответствии с данным правилом. Это текст, включающий любые символы, кроме запятых. После запятой указывается априорная вероятность данного исхода , т.е. вероятность исхода в случае отсутствия дополнительной информации. После этого через запятую идет ряд повторяющихся полей из трех элементов. Первый элемент – это номер соответствующего вопроса (свидетельства). Следующие два элемента и – соответственно вероятности получения ответа «Да» на этот вопрос, если возможный исход верен и неверен. Эти данные указываются для каждого вопроса, связанного с данным исходом.

База знаний (БЗ) создается экспертом в данной предметной области с помощью программы «Блокнот», либо с помощью встроенного в экспертную систему редактора БЗ.

Реализованная база знаний «Определение вида цены» по модели представления знаний на основе вероятностных оценок с помощью встроенного в экспертную систему редактора представлена на рисунке 2.10.

Рисунок 2.10 – Создание базы знаний

2.5.2 Продукционно-фреймовая модель

В разработанной продукционно-фреймовой экспертной системе используется метод обратного логического вывода на основе интерпретации правил-продукций с использованием фреймов. Фреймы используются в базе знаний для описания объектов, событий, ситуаций, прочих понятий и взаимосвязей между ними. Фрейм – это структура данных, состоящая из слотов (полей).

Продукционно-фреймовая модель базы знаний, созданной экспертом в предметной области, состоит из набора фреймов и правил-продукций. Формат внешнего представления фреймов (в текстовом файле) выглядит следующим образом:

Frame = <имя фрейма>

<имя слота 1> [<вопрос слота>?] (<значение 1>;

<значение 2>;

... ;

<значение k>)

<имя слота 2> [<вопрос слота>?] (<значение 1>;

<значение 2>;

... ;

<значение m>)

...

<имя слота n> [<вопрос слота>?] (<значение 1>;

<значение 2>;

... ;

<значение p>)

End

Правила используются в базе знаний для описания отношений между объектами, событиями, ситуациями и прочими понятиями. На основе отношений, задаваемых в правилах, выполняется логический вывод. В условиях и заключениях правил присутствуют ссылки на фреймы и их слоты. Формат внешнего представления правил (в текстовом файле) выглядит следующим образом:

Rule <номер правила>

<условие 1>

<условие 2>

...

<условие m>

Do

<заключение 1>

<заключение 2>

...

<заключение n>

End

Интерпретация правил начинается с выбора цели логического вывода, в качестве которой используются целевые слоты, содержащиеся во фрейме со специальным именем «Цель». Далее определяется правило, в заключении которого присутствует выбранный целевой слот. После определения правила начинается его интерпретация (перебор и проверка условий).

Созданная база знаний для продукционно-фреймовой экспертной системы выглядит следующим образом:

Frame=Цель

Определение вида цены товара

End

Frame=Определение вида цены товара

Тип клиента [Кем является клиент?] (Физическое лицо; Юридическое лицо)

Количество покупок [Сколько покупок совершал клиент ранее?] (Ни разу; Несколько раз; Много раз)

Постоянный покупатель [Будет ли клиент постоянным покупателем?] (Да; Нет; Не знаю)

Количество единиц товара [Какое количество единиц товара покупается?] (Менее 10; От 10 до 50; Свыше 50)

Количество ассортимента [Какое количество ассортимента товара покупается?] (Менее 5; От 5 до 15; Свыше 15)

Сумма товара [Какова общая сумма товара?] (Менее 5000; От 5000 до 15000; Свыше 15000)

End

Rule 1

Тип клиента (Физическое лицо)

Постоянный покупатель (Нет)

Сумма товара (Менее 5000)

Do

Данному покупателю выставить розничную цену товара

End

Rule 2

Тип клиента (Физическое лицо)

Количество покупок (Много раз)

Постоянный покупатель (Да)

Количество единиц товара (Свыше 50)

Сумма товара (От 5000 до 15000)

Do

Данному покупателю выставить мелкооптовую цену товара

End

Rule 3

Тип клиента (Юридическое лицо)

Количество единиц товара (Свыше 50)

Сумма товара (Свыше 15000)

Do

Данному покупателю выставить оптовую цену товара

End

Rule 4

Тип клиента (Юридическое лицо)

Количество покупок (Много раз)

Количество единиц товара (Свыше 50)

Количество ассортимента (Свыше 15)

Сумма товара (От 5000 до 15000)

Do

Данному покупателю выставить мелкооптовую цену товара

End

Rule 5

Тип клиента (Физическое лицо)

Количество покупок (Много раз)

Сумма товара (Свыше 15000)

Do

Данному покупателю выставить оптовую цену товара

End

Rule 6

Количество покупок (Много раз)

Постоянный покупатель (Да)

Количество единиц товара (Свыше 50)

Количество ассортимента (Менее 5)

Сумма товара (Менее 5000)

Do

Данному покупателю выставить мелкооптовую цену товара

End

Rule 7

Количество покупок (Несколько раз)

Постоянный покупатель (Не знаю)

Количество единиц товара (Менее 10)

Сумма товара (Свыше 15000)

Do

Данному покупателю выставить мелкооптовую цену товара

End

Rule 8

Тип клиента (Физическое лицо)

Количество покупок (Много раз)

Постоянный покупатель (Да)

Количество единиц товара (Свыше 50)

Количество ассортимента (Свыше 15)

Do

Данному покупателю выставить оптовую цену товара

End