Anytime-методы поиска решений на деревьях решений

УДК 004.896(06) Интеллектуальные системы и технологии
Д.Ю. МИТРОФАНОВ, А.П. ЕРЕМЕЕВ
Московский энергетический институт (технический университет)
ANYTIME-МЕТОДЫ ПОИСКА РЕШЕНИЙ НА ДЕРЕВЬЯХ
РЕШЕНИЙ
Формулируются требования для методов поиска на деревьях решений в системах поддержки принятия решения реального времени (СППР РВ) в режиме реального времени и описываются наиболее соответствующие данным требованиям
anytime-методы. Приводятся основные свойства данных алгоритмов, их основные
составляющие, методы композиции.
Системы поддержки принятия решений (СППР) – программные комплексы, предназначенные для помощи лицам, принимающим решения
(ЛПР), на сложных технологических объектах [Поспелов, 1990]. В промышленных СППР, как правило, используются продукционные системы,
для которых процесс принятия решения можно отобразить посредством
дерева решений (ДР), вершины которого соответствуют состояниям (корневой вершине соответствует начальное состояние), а ребра – правилам
преобразований. Специфика плохоформализуемых и слабоструктурированных задач принятия решений – их комбинаторность, т.е. лавинообразный рост решающих деревьев в процессе поиска, что не позволяет использовать для решения таких задач строгие алгоритмические методы и
модели теории принятия решений.
Однако существует класс алгоритмов, которые способны прерываться
в любой требуемый момент времени (например, по запросу ЛПР), возвращая лучший найденный на текущий момент результат и некоторую
величину, характеризующую качество этого результата [Boddy, Dean,
1989]. Другой чертой этого класса алгоритмов является их способность
оценивать качество результата на основе времени выполнения вычислений. Такие алгоритмы называются anytime-алгоритмами [Zilberstein, 1993]
(квази-оптимальные алгоритмы реального времени или «гибкие» алгоритмы).
Anytime-алгоритмы чрезвычайно важны в искусственном интеллекте
(ИИ) по двум причинам. Первая заключается в том, что хотя многие алгоритмы ИИ могут искать точное решение задачи в течение долгого времени, зачастую достаточно хорошее неточное, приближенное решение может быть найдено за значительно более короткое время. Если бы было
возможно определить, сколько времени необходимо для того, чтобы получить адекватный результат, многие интеллектуальные системы (ИС)
ISBN 978-5-7262-0883-1. НАУЧНАЯ СЕССИЯ МИФИ-2008. Том 10
90
УДК 004.896(06) Интеллектуальные системы и технологии
можно было бы сделать более адаптированными к сложной и изменяющейся окружающей среде. Вторая причина – технические приемы
anytime-алгоритмов можно применять не только для одного вычислителя,
но и в мультиагентных и параллельных системах.
Большинство из Anytime-алгоритмов можно представить в следующем
виде:
AA = < f(r), Q(r), PP(Q,t) >,
где f(r) – функция итерационного улучшения результата r. Функция многократно выполняется над текущим результатом r. Качество результата
улучшается с каждой новой итерацией;
- Q(r) – функция качества полученного результата. Функция Q(r) возвращает информацию о качестве текущего результата r. Anytime-алгоритмы
возвращают помимо основного результата также и некоторые его характеристики (меры);
- PP(Q,t) – профиль производительности. Функция ожидаемого качества
решения от времени его поиска. Это самый важный компонент Anytimeалгоритма. Алгоритмы планирования могут использовать эту оценку для
определения наиболее эффективного количества времени, необходимого
для выделения алгоритму.
Данный класс алгоритмов является наиболее универсальным, позволяющим сочетать в себе достоинства строгих и эвристических методов и
обладающим рядом ценных для задач реального времени свойств, поэтому в работе он был детально исследован на предмет применимости соответствующих алгоритмов в экспертных СППР РВ в условиях неопределенности и несколько подходов, основанных на использовании anytimeалгоритмов, были реализованы в разрабатываемом на кафедре Прикладной математики МЭИ (ТУ) прототипе программного комплекса СППР РВ.
Список литературы
1. Поспелов Д.А. Системы поддержки принятия решений (обзор литературы) / под. рук.
Д.А.Поспелова. М.: АН СССР. САИИ. 1990.- 92 с.
2. Еремеев А.П. Экспертные модели и методы принятия решений. 1995.
3. Люгер Дж. Искусственный интеллект. М.: Вильямс. 2003.
4. Zilberstein S. Using anytime algorithms in intelligent systems. // In Proceedings of the
Eighteenth International Joint Conference on Artificial Intelligence, 1996. P. 528-544.
5. Boddy, M. and Dean, T.L. Solving time-dependent planning problems. // In Proceedings of
the Eleventh International Joint Conference on Artificial Intelligence, Detroit, Michigan, 1989.
Р. 979-984.
ISBN 978-5-7262-0883-1. НАУЧНАЯ СЕССИЯ МИФИ-2008. Том 10
91