В.В. Курейчик. Использование экспертных систем при

УДК 321.3
ИСПОЛЬЗОВАНИЕ ЭКСПЕРТНЫХ СИСТЕМ ПРИ
ПОСТРОЕНИИ МОДЕЛЕЙ КОМПОНОВКИ БЛОКОВ1
В.В. Курейчик, П.В. Сороколетов
Предлагается гибридная модель, основанная на сочетании фреймового,
продукционного, объектно-ориентированного и реляционного подходов к
представлению знаний в сочетании с элементами нечеткой логики и механизма
«правил активации».Основное назначение модели соответствует концептуальному
моделированию объектов интеллектуальных САПР на этапах создания быстрого
прототипа и ранних стадиях исследовательского варианта экспертных систем.
Разработана инструментальная программная система КРИС (Конструктор
Разработчика Интеллектуальных Систем). Это позволило повысить качество
проектирования систем – на – кристалле.
Введение
Развитие технологии экспертных систем (ЭС) в интеллектуальных
САПР приводит к появлению ЭС класса "Личный консультант" [Саймон,
2004; Попов, 1996a; Попов, 1995b; Осипов, 1997; Микони, 1999; Джексон,
2001; Дейт, 2001; Уотермен, 1989; Попов, 1990c]
Это стимулирует рост потребностей в экспертных знаниях (ЭЗ) как
товарном продукте. При этом возможности индустрии знаний попрежнему определяются способностью инженеров знаний извлечь ЭЗ в
процессе неформального диалога с экспертами предметной области.
Процедуру работы инженера знаний упрощенно можно представить как
итерацию, состоящую из двух шагов [Попов, 1990c; Аверкин А.Н. и др.,
1990; Тарасов, 2002; Сороколетов, 1990; Попов, 2004d].
Накопление знаний в САПР в диалоге с экспертами и их вербальное
описание; перевод вербальных знаний на один из языков инженерии
знаний, реализующий подходящий формализм представления, и проверка
модели предметной области на адекватность.
В настоящее время существует достаточно большой выбор оболочек
ЭС и языков, отражающих различные формализмы представления.
Характер указанной процедуры и инструментов моделирования задач
САПР, в частности, компоновки блоков ЭВА, ставит ряд
Работа выполнена при частичной финансовой поддержке программы развития
научного потенциала высшей школы 2006-2008 годы (проекты РНП.2.1.2.2238,
РНП 2.1.2.3193)
1
эпистемологических и психолингвистических проблем, которые:
затрудняют адекватное представление знаний в САПР и снижают
продуктивность работы инженера; представляются разрешимыми на
сегодняшнем уровне развития когнитивных наук. Среди таких проблем
укажем:
1. Проблема стереотипа. Выбор средств моделирования в САПР
происходит не только на основе особенностей задачи, но и за счет
влияния субъективного фактора. «Предпочтительное» средство
навязывает стереотипные формы мышления инженера и - через
терминологию, язык - негативно воздействует на эксперта – носителя
знаний предметной области.
2. Проблема огрубления. Любая формализация вербальных
знаний приводит к огрублению исходных понятий и неизбежна для
каждой модели представления. Так, например, переход от Аристотелевой
общей логики, характерной для устных форм интервьирования и
обладающей полнотой в смысле Гёделя, к логике предикатов, характерной
для продукционных моделей ЭС, означает утрату полноты представления
знаний [Уотермен, 1989]. «Экспертное знание» обладает также рядом
свойств, которые выделяют его из общего понятия «знание». При
использовании распространенных моделей представления теряются
важные подмножества данных свойств.
Обе проблемы взаимосвязаны и требуют создания гибридных
моделей представления, выступающих в роли «хорошего стереотипа»,
адекватно отражающего основные характеристики ЭЗ. Авторы
проанализировали вопросы раскрытия понятий «знание» и «экспертное
знание» во взаимосвязи друг с другом и установили ряд
конституирующих признаков. Предлагается построение модели ЭС
инженером знаний в сфере САПР. Это позволяет строить эффективные
интеллектуальные САПР (ИСАПР) с ЭС.
1. Признаки экспертных знаний в ИСАПР
Термины проблемной области в САПР редко соответствуют тем
понятиям, которые использует эксперт. Эксперт пользуется специальным
языком. Эксперт, как правило, не использует в рассуждениях
многочисленные свойства реальных объектов САПР, а пользуется
обобщенными характеристиками, не имеющими прямых физических
аналогов. Экспертным знаниям присуща ограниченная когнитивная
сложность: эксперт обычно не использует сложных правил;
взаимодействие между фрагментами знаний, по-видимому, ограничено.
Экспертные знания носят объектно-ориентированный характер.
Значительная роль (особенно в задачах проектирования) принадлежит
познанию через отрицание по типу "это не есть Х", где свойства понятия
(класса понятий) Х определены явно. Для любого фрагмента ЭЗ, в какой
бы форме оно не выступало, имеется граничное условие его
применимости. Контекст указывается двояко: посредством умолчания и
диапазона ожидания (свойств объекта, значений параметра). Диапазон
при этом выступает, как правило, в виде списка значений, связанных
отношением "И"/"ИЛИ", либо нечеткого множества. Эксперт пользуется
гибкой стратегией «разделяй и властвуй» (разбиения общей проблемы на
подзадачи и перехода от подзадачи к подзадаче). Гибкость заключается в
изменении стратегии решения в зависимости от хода решения; именно это
позволяет избегать полного перебора вариантов. Эксперт не пользуется
сложными отношениями между понятиями в САПР. Объединение
фрагментов ЭЗ в целостную структуру происходит, в основном, двумя
способами: за счет установления прямых ассоциативных связей по типу
«это относится к Х»; посредством имплицирования некоторых
фрагментов экспертных знаний. Чем выше квалификация эксперта, тем
большую размерность имеет его личная матрица импликаций.
Следует отметить, что перечисленные признаки экспертных знаний
вписываются в понятие «персональный конструкт» практически в том
виде, как оно (понятие) было сформулировано в области
экспериментальной психиатрии в работах Дж. Келли [Kelly, 1955]. С
учетом данных признаков предлагается построение модели ЭС
инженером знаний в сфере САПР.
2. Построение гибридной модели знаний
Предлагается гибридная модель, основанная на сочетании фреймового,
продукционного, объектно-ориентированного и реляционного подходов к
представлению знаний в сочетании с элементами нечеткой логики и
механизма «правил активации».
Одной из распространенных моделей представления знаний в ИСАПР,
и в экспертных системах (ЭС) в частности, является фреймовая модель
[Попов, 1996a; Попов, 1995b; Осипов, 1997; Микони, 1999; Джексон,
2001; Дейт, 2001; Уотермен, 1989; Попов, 1990c; Попов, 1990c; Аверкин
А.Н. и др., 1990]
Данный подход позволяет реализовать базу знаний (БЗ) как
надстройку над любой современной реляционной СУБД (MS SQL, Oracle,
MySQL, FoxPro и др.), сочетая ее возможности с интеллектуальной
обработкой данных на основе механизма фреймов. Здесь каждый фрейм
представляется отдельной функцией. Имя фрейма соответствует имени
функции, а его значение, определенное в процессе означивания фрейма возвращаемому функцией значению. Целевые слоты моделируются
параметрами функции, начальные слоты - локальными переменными,
описанными внутри тела функции. Определяемые слоты могут
описываться двумя способами. Активации фрейма соответствует вызов
функции. Иерархические связи между фреймами различных уровней
организуются путем подстановки функции, моделирующей субфрейм, в
качестве параметра функции родительского фрейма. Здесь допустимы не
только древовидные иерархии, но и сети фреймов с циклическими
участками.
Наследование
свойств
фрейм-моделей
достигается
автоматически при соблюдении следующих принципов описания слотов:
слоты фрейма, выражающие наследуемые его субфреймами свойства,
должны описываться переменными в теле головной функции-фрейме. В
субфреймах данные имена не должны декларироваться в качестве
переменных. При условии их определенности в родительском фрейме,
данные слоты-переменные становятся доступны также в любом
субфрейме.
Модель является основой разрабатываемого языка инженерии знаний
KRIS (Knowledge Representation Instrumental System) и представляет собой
следующее. Экспертные знания представляются в виде совокупности
поименованных сетей фреймов. Фрейм можно представить как:
(ИМЯ_ФРЕЙМА,
коэффициент_использования,
время_последнего_
использования, указатель_сети, КУ,
(имя_слота_1,
параметр_типа_1, параметр_типа_2, параметр_типа_3,
тип_диапазона, метод_получения, запрос_текст,
(значение_1 КУ1,
значение_2 КУ2,
...
),
(умолчание_1 КУ1,
умолчание_2 КУ2,
...
),
(элемент_диапазона_1 КУ1,
элемент_диапазона_2 КУ2,
...
)),
(имя_слота_2, ...
)),
... )))
Для каждого слота, таким образом, помимо основного значения
указываются значение по умолчанию и допустимый (ожидаемый)
диапазон значений, представляющие собой отношения с двумя
атрибутами: элементом значения и коэффициентом уверенности (КУ).
Для всех слотов устанавливаются три признака типа слота.
Параметр_типа_1 указывает на тип слота как параметра подзадачи:
начальный (I), целевой (G), определяемый (D). Параметр_типа_2 задает
тип списка элементов значения слота: И-список (А), ИЛИ-список (О),
нечеткое множество (S). Параметр_типа_3 определяет тип элементов
данного списка. Допустимы следующие типы элементов: Процедуральные
типы: R - правило-продукция, A - правило активации, P - присоединенная
процедура, F - вызов функции, значение которой берется в качестве
элемента слота.
Специальные типы: X - ассоциативная ссылка на фрейм (подсеть), U неопределенный элемент, его атрибуты типа определяются в момент
нахождения значения. Типы элементов данных: I - целое число, D действительное число, C - произвольная символьная строка, L логическое значение (true, false), V - «регистровые» переменные; служат
в роли «почтовых ящиков» для прямого обмена между фреймами
(сетями) и для связи с числовыми моделями ПО. B - ссылка на БД:
отношение (таблица) внешней реляционной БД, представляющее
значение слота.

В ИСАПР разрешены любые сочетания признаков типа 1-3.
Например, в качестве G-слота может выступать S-список R-элементов.
Задача нахождения значения G-слота будет интерпретироваться как
задача построения набора продукций, который и будет рассматриваться в
качестве значения. В фрейме может быть любое число слотов каждого
типа. Тип диапазона задает тип допустимого диапазона значений,
определяемого перечислением, и может быть одним из следующих: SI «включающее» множество. Допустимы только перечисленные значения;
SE - «исключающее» множество. Допустимы любые значения, кроме
перечисленных; SA - образец для ввода значения слота пользователем
(например, с терминала).
Функционирование модели происходит следующим образом.
Процедуральные слоты определяют локальные законы поведения
фреймов как объектов и законы их взаимодействия. Первое реализуется
посредством (R, P, F)-слотов, второе - посредством (V, B, A)-слотов. Rслоты представляют собой наборы правил-продукций традиционного вида
IF- THEN-ELSE, параметрами которых выступают активные фреймы и их
отдельные слоты. Активным назовем фрейм, включенный в список
кандидатов на вычисление G-слотов при помощи специального механизма
активации, являющегося частью машины вывода рассматриваемой
модели. На R-правила наложен принцип ограничения взаимодействия. Rправило может изменять значения только слотов того фрейма, в котором
оно описано. А-слоты представляют собой наборы продукций с
консеквентом специального вида THEN activate(<ФРЕЙМ>), где
<ФРЕЙМ> - имя фрейма, активируемого специальной функцией
активации [Микони, 1999; Сороколетов, 1990]. Описанный таким образом
фрейм представляет персональный конструкт в смысле Дж. Келли [Kelly,
1955], локальное поведение которого определяется присоединенными к
нему наборами R-правил, и который может (в зависимости от состояния
задачи) имплицировать другие конструкты. Описывая различные условия
в А-правилах, можно явным образом программировать стратегию
решения задачи, а указывая А-слоты в качестве определяемых и целевых проектировать изменение стратегии в процессе решения задач ИСАПР.
Для реализации последней возможности в машину вывода могут быть
встроены специальные функции конструирования А-правил.
Фреймовая
модель
основана
на
принципе
фрагментации
(кластеризации) знаний [Микони, 1999]. При решении задач САПР они в
основном используются для компоновки блоков с высокой размерностью.
При представлении таблицы в виде фрейма поля записи являются его
полями. Например, фрейм – коммутационная схема данных запишется
следующим образом (табл.1).
Таблица 1.
N
схемы
Название
этапа
1
Разбиение
графа на
части
Параметры
Число
частей
разбиения
Число
элементов
в каждой
части
Критерий
Используе
мая модель
500
5
100
28
Графовая
М1
Здесь под параметрами понимается число блоков ЭВА, критерием
является суммарное число внешних связей между блоками. С помощью
такого фрейма можно описать любую реальную локальную ситуацию
компоновки. Использование аппарата разработанных ссылок позволяет
реализовать любые сложные модели представления знаний в САПР путём
детализации любых фреймов [Микони, 1999; Аверкин и др., 1990]. Тогда в
слот вместо номера схемы можно поместить ссылку на список схем.
Аналогично можно детализировать любой слот. Фрейм-прототип задаётся
совокупностью фреймов-примеров. Основной механизм вывода во
фреймовых моделях – это сопоставление. Если фрейм содержит слот
«RuleSet:» (множество правил), то при обращении к этому фрейму при
обработке правил его вычисление прерывается. Далее начинается
реализация правил, находящихся в слоте «RuleSet:». Если при их
реализации устанавливается значение этого фрейма, то производится
возврат к точке обработки модели представления, из которой пришли во
фрейм. Если в правилах фрейма есть имя другого объекта со слотами
RuleSet:, то управление передаётся на него и т.д. [Микони, 1999;
Сороколетов, 1990].
Например, приведём запись фрейма со слотом «RuleSet:»
Name: Действие выбор алгоритма компоновки
Long Name: Действие алгоритма по разбиению графовой модели на
части
Type: Текст алгоритма
RuleSet:
/*Эти правила определяют действия пользователя, ЭС или алгоритма,
выполняемые в неблагоприятной ситуации разбиения:
IF при разбиении графа IS не происходит минимизации суммарного
числа внешних рёбер
THEN действие оператора IS перейти на другую схему поиска
оптимальных решений разбиения графа на части с минимизацией
суммарного количества внешних ребер.
Машина вывода включает в себя три основные компоненты:
прямой и обратный вывод на локальных наборах продукций,
задаваемых R-слотами;
механизм вывода и активации для наборов А-правил;
общая стратегия управления моделью, представляется следующим
алгоритмом:
1. В сети фреймов-конструктов выделяются целевые. Это
конструкты с нулевым рангом импликации, т.е. фреймы, которые не
активируются ни из каких других фреймов сети. Данные целевые фреймы
описывают структуру требуемого решения задачи экспертизы. Они
активируются и образуют список 0-го уровня активации.
2. Если значения всех G-слотов для текущего уровня активации
известны, то возврат к предыдущему уровню активации.
2.1. Если уровень нулевой, то решение достигнуто, конец вывода,
переход к шагу 4; иначе переход на шаг 3.
3. Запуск механизма (1) для R-слотов активных фреймов текущего
уровня активации в порядке убывания приоритетов фреймов.
3.1. Если значения всех G-слотов определены, то возврат к
предыдущему уровню активации, переход на шаг 2.1, иначе переход:
3.1.1. Включить в список текущего уровня активации все фреймы,
ассоциированные с целевыми посредством X-слотов, если таковые есть
или не были рассмотрены ранее переход к шагу 3.
3.1.2. Иначе запуск механизма (2) и переход на следующий уровень
активации переход на шаг 3.
4. Конец работы алгоритма.
Заключение
Отметим две особенности предлагаемой модели представления ЭЗ,
связанные с реализацией и использованием. Списки значений слотов и
фреймы могут быть представлены в виде составных отношений с именем
<ИМЯ_ФРЕЙМА> и соответствующими атрибутами. Аналогично можно
рассматривать и сети. Это позволяет реализовать различные варианты
данной модели в среде любой реляционной СУБД.
Основное назначение модели соответствует концептуальному
моделированию объектов ИСАПР на этапах создания быстрого прототипа
и ранних стадиях исследовательского варианта ЭС. Описанный способ
моделирования фреймов применен при создании инструментальной
программной
системы
КРИС
(Конструктор
Разработчика
Интеллектуальных Систем) [Сороколетов, 1990]. Это позволило повысить
качество полученной топологии при разработке систем – на – кристалле.
Список литературы
[Саймон, 2004] Саймон Г. Науки об искусственном//  М.: Эдиториал УРСС,
2004.
[Попов Э. В. и др., 1996a] Попов Э. В. Статические и динамические экспертные
системы//  М.: Финансы и статистика, 1996.
[Попов, 1995b] Попов Э.В. Экспертные системы реального времени// Открытые
системы. №2(10), 1995. http://kiryushin.boom.ru/docs/esrv.htm.
[Осипов, 1997] Осипов Г.С. Приобретение знаний интеллектуальными
системами//  М.: Наука, 1997.
[Микони, 1999] Микони С.В. Взаимодействие БЗ и системы выбора//
Интеллектуальное управление: новые информационные технологии в задачах
управления  М.: Наука,1999,с.68-72.
[Джексон, 2001] Джексон П. Введение в экспертные системы//  М.:
Издательский дом «Вильямс», 2001.
[Дейт, 2001] Дейт К. Введение в системы баз данных// (седьмое издание)  М.:
Вильямс, 2001.
[Уотермен, 1989] Уотермен О. Руководство по экспертным системам//  М.: Мир,
1989.
[Попов, 1990c] Попов Э.В.Искусственный интеллект: В 3 кн. Кн. 1. Системы
общения и экспертные системы. Справочник / Под ред. Э.В. Попова.  М.: Радио и
связь, 1990.
[Аверкин и др., 1990] Аверкин А.Н. Приобретение и формализация знаний.
Искусственный интеллект.  М.: Радио и связь, 1990.
[Тарасов, 2002] Тарасов В.Б. От многоагентных систем к интеллектуальным
организациям: философия, психология, информатика.  М.: Эдиториал УРСС,
2002.
[Сороколетов, 1990] Сороколетов П.В. Модель представления знаний как
стереотип мышления инженера знаний - разработчика экспертной системы//
Экспертные системы в научных исследованиях, автоматизации проектирования и
производства. Материалы II Всесоюзного научно-технического семинара.  М.:
МФ ЦИПК, 1990, с.12-19.
[Попов, 2004d] Попов Э. В. Общение с ЭВМ на естественном языке.  М.:
Эдиториал УРСС, 2004.
[Kelly, 1955] Kelly G. The Psychology of Personal Constructs. Vols 1 and 2. Norton,
New York, 1955.