УДК 004.896(06) Интеллектуальные системы и технологии А.В. СИРОТКИН, А.Л. ТУЛУПЬЕВ Санкт-Петербургский институт информатики и автоматизации РАН ЛОКАЛЬНЫЙ АПРИОРНЫЙ ВЫВОД В РАСШИРЕННОМ ФРАГМЕНТЕ ЗНАНИЙ С ВЕРОЯТНОСТНОЙ НЕОПРЕДЕЛЕННОСТЬЮ Локальный логико-вероятностный вывод является одной из важных компонент при построении интеллектуальных систем поддержки принятия решений на основе алгебраических байесовских сетей. Рассмотрены основные понятия и алгоритм вывода априорных оценок вероятностей набора пропозициональных формул по известным оценкам вероятностей пропозициональных формул из другого набора над общим множеством атомов. Существует несколько парадигм, в рамках которых строятся интеллектуальные системы поддержки принятия решений. Одна из таких парадигм — алгебраические байесовские сети (АБС); они были предложены В. И. Городецким [1]. Основу этой парадигмы составляет предположение о декомпозируемости знаний: знания о предметной области могут быть представлены в виде фрагментов знаний (ФЗ, небольших тесно связанных наборов утверждений), которые в свою очередь могут быть объединены в сетевую структуру. Существенный выигрыш, который можно получить за счет декомпозиции, заключается в том, что, работая с отдельным фрагментом знаний, можно применять достаточно трудоемкие алгоритмы, гарантирующие соблюдение необходимых ограничений, в частности, накладываемых аксиоматикой теории вероятностей на оценки истинности элементов ФЗ. К тому же, сетевая структура над этими фрагментами знаний позволяет организовать между ними обмен информацией с целью получения новых оценок истинности с учетом влияния всех представленных в сети оценок. Одним из видов логико-вероятностного вывода является априорный вывод. Суть его заключается в следующем: имеется определенный набор знаний (утверждений с оценками вероятности истинности) над элементами, входящими в указанный набор знаний, определено новое утверждение (в случае АБС — пропозициональная формула), требуется оценить вероятность истинности данного утверждения. Мы сосредоточимся на рассмотрении вопросов проведения априорного вывода над отдельным фрагментом знаний. В теории алгебраических байесовских сетей (АБС) роль фрагмента знаний играет идеал цепочек конъюнкций с оценками вероятности их исISBN 978-5-7262-0883-1. НАУЧНАЯ СЕССИЯ МИФИ-2008. Том 10 143 УДК 004.896(06) Интеллектуальные системы и технологии тинности [2]. Кроме того, в теории АБС используется расширенный фрагмент знаний — от обычного он отличается тем, что вместе с конъюнктами в него могут входить произвольные пропозициональные формулы (построенные над теме же атомами, что и сами конъюнкты) с оценками вероятности истинности. Когда ФЗ содержит только точечные оценки истинности, вероятности истинности конъюнктов полностью определяют вероятность истинности любой пропозициональной формулы. В таком случае расширенный фрагмент знаний несет точно ту же информацию, что и не расширенный. Однако при использовании интервальных оценок истинности можно получить более точные оценки за счет включения новых формул в состав ФЗ. Ключевыми моментами при проведении локального (то есть над одним отдельным расширенным фрагментом знаний) априорного вывода являются разбор пропозициональных формул, поступающих на вход, и выражение вероятности этих формул через вероятности конъюнктов или вероятности квантов. Так как вероятность пропозициональной формулы не зависит от ее графического представления, то естественно выбрать какую-либо каноническую форму. Наиболее удобной для проведения вычислений является совершенная дизъюнктивная нормальная форма (СДНФ), так как вероятность формулы, представленной в СДНФ, равна сумме вероятностей квантов, входящих в это представление. Приведение произвольной формулы к СДНФ — задача NP-сложная, однако, как сказано выше, при проведении локального вывода даже такая сложность является приемлемой. Простейший способ привести форму к СДНФ — это вычислить ее истинность при всех возможных означиваниях атомов, при этом, если формула истинна при определенном означивании, квант, соответствующий этому означиванию, входит в СДНФ формулы. Для удобства вычислений формулу можно представить в виде дерева операций, построив его, например, с помощью алгоритма Бауэра и Замельсона. Вычислив значение формулы по построенному дереву и получив представление в виде СДНФ, мы легко можем выразить вероятность формулы не только через вероятность квантов, но и через вероятности конъюнктов — достаточно воспользоваться матрицей перехода от вероятностей квантов к вероятностям конъюнктов описанной, например, в [2]. Список литературы 1. Городецкий В. И. Алгебраические байесовские сети - новая парадигма экспертных систем // Юбилейный сборник трудов институтов Отделения информатики, вычислительной техники и автоматизации РАН. Т. 2. М.: РАН, 1993. С. 120 -141. 2. Тулупьев А. Л., Николенко С. И., Сироткин А. В. Байесовские сети: логико-вероятностный подход. – СПб.: Наука. 2006. С. 607 ISBN 978-5-7262-0883-1. НАУЧНАЯ СЕССИЯ МИФИ-2008. Том 10 144 УДК 004.896(06) Интеллектуальные системы и технологии ISBN 978-5-7262-0883-1. НАУЧНАЯ СЕССИЯ МИФИ-2008. Том 10 145