Конструирование интеллектуальных систем поддержки принятия решений реального времени

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Конструирование интеллектуальных систем поддержки принятия решений реального времени

Интеллектуальные системы поддержки принятия решений реального времени (ИСППР РВ) предназначены для помощи лицам, принимающим решения (ЛПР), при управлении сложными объектами и процессами различной природы в условиях жестких временных ограничений и относятся к классу интегрированных интеллектуальных систем, сочетающих строгие математические методы и модели поиска решения с нестрогими, эвристическими (логико-лингвистическими) моделями и методами, базирующимися на знаниях специалистов-экспертов, моделях человеческих рассуждений, неклассических логиках и накопленном опыте [Башлыков и др., 1994; Вагин и др., 1997]. ИСППР РВ ориентированы на открытые и динамические проблемные области (ПО), поэтому их также относят к динамическим интеллектуальным (экспертным) системам [Попов и др., 1996].

Реализовать ИСППР РВ в полном объеме возможно при использовании современных технологий конструирования интеллектуальных систем, основанных на концепциях распределенного искусственного интеллекта, динамических (адаптивных) моделей знаний, параллельной обработки информации при поиске решения на основе методов правдоподобного вывода, а также ориентируясь на мощные вычислительные платформы типа рабочих станций и соответствующие инструментальные комплексы типа G2-GDA [Попов и др., 1996].

Одной из главных задач ИСППР РВ при управлении сложными объектами и процессами является помощь ЛПР для удержания объекта в штатном (нормальном) режиме функционирования. Для этого необходимо реализовать функции, определяемые современными методами и приемами управления в аномальных и критических ситуациях на основе моделей и методов теории аттракторов, теории устойчивости, когнитивной графики, методов обработки неопределенности на основе нечетких и неклассических логик.

Рассмотрим базовые принципы конструирования ИСППР РВ.

Открытость и динамичность

Необходимость применения данного принципа обуславливается тем, что ИСППР РВ ориентированы на открытые и динамические ПО, характеризующиеся наличием различного типа «НЕ-факторов» (неполнота, нечеткость, неопределенность, противоречивость информации, поступающей в систему, недетерминизм в процессе поиска решения и т.д.) и возможностью пополнения и коррекции механизмов поиска решения в процессе вывода.

Семиотичность

ИСППР РВ является, по сути, системой распределенного искусственного интеллекта семиотического типа, включающей ряд взаимодействующих между собой интеллектуальных модулей, т.е. модулей, выполняющих соответствующие интеллектуальные функции. К числу таких модулей (помимо традиционных для экспертных систем модулей баз данных и знаний, решателя, накопления и пополнения знаний, объяснения и организации взаимодействия с пользователем) относятся модули имитации (моделирования) проблемной ситуации, прогнозирования, обучения, связи с внешними объектами (датчиками, контроллерами, концентраторами данных и т.д.), организации различных видов интерфейса (образного, текстового, речевого, в виде различных графиков и диаграмм) с ЛПР. К интеллектуальным относятся также функции вывода (поиска) решения на базе моделей и методов представления и оперирования динамическими знаниями, характеризующимися неопределенностью, нечеткостью, неполнотой и противоречивостью. Поиск решения осуществляется с использованием механизмов неклассических, в том числе, псевдофизических (пространственно-временных, причинно-следственных) и немонотонных (абдуктивных, умолчания и т.д.) логик, а также механизмов обобщения и пополнения динамических знаний [Вагин и др., 1997; Yeremeyev, 1998].

Как правило, различные функции требуют различных механизмов представления и оперирования знаниями или соответствующих их сочетаний. Например, функции прогнозирования могут быть реализованы на основе методов регрессионного анализа и экстраполяции на заданный временной интервал или до возникновения определенной ситуации. Для имитации проблемной ситуации (поведения управляемого объекта или его подсистемы) могут использоваться точные математические модели (например, системы конечно-разностных уравнений для моделирования штатных режимов функционирования объектов) в сочетании с экспертными моделями (например, на базе продукционно-сетевых моделей представления и оперирования динамическими знаниями для моделирования аномальных и критических режимов), основанными на эвристической информации и методах правдоподобного вывода на теоретико-вероятностном уровне (например, модифицированный байесовский метод) или на основе нечетких правил вывода (нечетком 'modus ponens').

Семиотическая ИСППР РВ как система распределенного интеллекта определяется набором [Вагин и др., 1997]:

интеллектуальный семиотический технический решение

SS = <M, R(M), F(M), F(SS)>,

где M={Mi} - множество формальных или логико-лингвистических моделей, реализующих определенные интеллектуальные функции;

R(M) - функция выбора необходимой модели (совокупности моделей) в текущей ситуации;

F(M)={F(Mi)} - множество функций модификации моделей;

F(SS) - функция модификации собственно системы SS: ее базовых конструкций M, R(M), F(M) и, возможно, самой F(SS).

Поиск (вывод) решения в рамках индивидуальной модели Mi поддерживается правилами монотонного или, при необходимости, немонотонного и нечеткого вывода.

Используя технологию распределенного искусственного интеллекта, можно определить для управляемого объекта (его подсистем) независимые или слабо зависимые множества устойчивых состояний - аттракторов, например, множества аттракторов нормального (штатного), аномального и аварийного (критического) режимов. Задачей ИСППР РВ является помощь ЛПР в организации управления таким образом, чтобы состояния объекта находились в зонах притяжения нормальных аттракторов, находясь лишь временно (в допустимых регламентом пределах) в зонах аномальных аттракторов, и исключалось их попадание в зоны аварийных аттракторов.

Адаптивность

Основу семиотической ИСППР РВ составляет адаптивная модель представления знаний и поиска решения (АМПР) [Yeremeyev, 1998].

АМПР продукционного типа формально определяется набором

<A, P, ST, P', ST', R1, R2, R3, F>,

где А - конечный алфавит, используемый для описания состояний или множеств состояний проблемной области (ПО);

P - начальное (или текущее) множество продукционных правил, используемых для преобразования состояний ПО (управляемого объекта);

ST - начальное множество стратегий поиска решения;

Р', ST' - множества, используемые для пополнения Р и ST;

R1 - правила выбора стратегии поиска решения из ST;

R2, R3 - правила пополнения множеств Р и ST;

F - правила модификации модели (расширения алфавита, модификации множеств Р' и ST', правил выбора и пополнения).

АМПР адекватна ПО (семантически корректна), если любое состояние из множества допустимых начальных состояний переводится в состояние из множества целевых состояний и процесс преобразования состояний конечен.

Проблема конструирования адекватной ПО корректной АМПР включает в себя как задачи синтеза (системы продукционных правил, стратегий поиска, соответствующих решающих деревьев, правил пополнения и модификации модели), так и задачи анализа (семантической корректности, возможностей оптимизации и редукции модели с целью минимизации времени поиска решения, методов обработки неопределенности и распараллеливания и т.д.).

Распределенная и параллельная обработка информации

При управлении сложными объектами или процессами ИСППР РВ должна обеспечивать возможность поиска приемлемого решения в условиях жестких временных ограничений. Число анализируемых параметров для объекта типа энергоблока может достигать многих тысяч, что не позволяет провести качественный анализ информации на основе последовательной ее обработки. Поэтому естественным образом возникает задача распараллеливания процесса обработки информации в ИСППР РВ. Вопросы параллельной обработки информации в интеллектуальных системах, базирующихся на продукционно-сетевом механизме представления знаний, рассмотрены в [Vagin at al., 1996; Еремеев и др., 1999]. Остановимся на возможности параллельной обработки в ИСППР РВ на базе высокоэффективного инструментального комплекса G2-GDA

Параллелизм, присущий самой природе решаемой задачи или исследуемого процесса, интерпретируется как внешний параллелизм, в отличие от внутреннего параллелизма, характеризующего собственно возможности реализации алгоритма (программы) решения задачи.

К внутреннему параллелизму относится мелкоструктурный параллелизм на уровне программных инструкций, к внешнему - крупноструктурный параллелизм на уровне задач (программных модулей). Для реализации различных уровней параллелизма в ИСППР РВ необходимы соответствующие программные средства поддержки, достаточно мощный набор которых имеется в комплексе G2-GDA. G2-GDA - комплексная среда (complete environment) для разработки, внедрения и сопровождения приложений в широком диапазоне отраслей, которая интегрирует в себе современные технологии программирования и обработки информации. Комплекс поддерживает реализацию следующих уровней внешнего и внутреннего параллелизма.

Параллелизм на уровне разработки. Возможен многопользовательский подход к созданию приложения. Каждый разработчик имеет доступ к БЗ, находящейся на сервере, причем приложение может быть реализовано как на различных ЭВМ, так и с использованием нескольких взаимодействующих G2.

Параллелизм на уровне задач, программных модулей и процедур. В рамках одного приложения может одновременно работать несколько модулей, выполняющих определенные действия. В ИСППР РВ целесообразно разбиение всего программного комплекса на модули, которые соответствовали бы различным подсистемам управляемого объекта. Данный уровень можно трактовать как следующую (более низкую) степень внешнего параллелизма.

При параллельном выполнении ряда задач может возникнуть необходимость обмена какими-либо данными и соответственно проблема синхронизации данных. Для организации синхронного взаимодействия между блоками различных подсистем используются продукционные правила типа whenever и when.

Для распараллеливания процесса поиска решения внутри процедур и методов применяется конструкция do in parallel, которая служит для задания параллельного выполнения нескольких независимых операторов.

Параллелизм на уровне правил. В G2 существует несколько типов правил: Initialy, Unconditionaly, Whenever, When, If.

Все правила начальной инициализации Initialy выполняются параллельно при запуске приложения. Правила типа Unconditionaly безусловно производят определенные действия при активизации и выполняются параллельно аналогично правилам Initialy.

Продукционные правила типа When и Whenever похожи. Правило When активизируется, когда выполняется некоторое логическое условие. Правило Whenever активизируется, когда совершается некоторое событие. Если в данный момент времени активны несколько правил When или Whenever, то параллельно будут выполняться заключения каждого из правил. Аналогично и для продукционного правила типа If, которое отличается от When тем, что на его основе можно строить сложные схемы рассуждений типа деревьев решений.

Параллелизм внутри правил. Помимо распараллеливания на уровне правил существует также возможность распараллелить процесс обработки и внутри самих правил, т.е. реализовать несколько уровней мелкоструктурного параллелизма. Для организации параллельного выполнения определенных действий для целого множества объектов одного и того же типа применяются обобщенные правила, для построения которых используются конструкции For и Every. For позволяет выполнять определенные действия для объектов одного типа, например, параллельно выводить заключение о состоянии (исправен или нет) любого из них, а Every - для некоторых атрибутов (параметров, переменных) объектов одного типа. Для организации логических и арифметических операций и их параллельной обработки используются блоки AND (И), OR (ИЛИ), N TRUE (голосование), синхронизации и сдерживания.

Применение когнитивной графики и гипертекста в отображении информации

ИСППР РВ должны обладать удобными для ЛПР средствами общения и отображения текущей ситуации на основе технологии когнитивной графики и гипертекста, которые позволяют ЛПР активно использовать механизмы не только поверхностного, но и глубинного уровней мышления.

Образное, графическое представление информации о решаемой задаче или управляемом объекте (процессе) удобнее текстового и по выразительности и по времени восприятия. Особенно это преимущество важно для ИСППР РВ, используемых при управлении сложными и критическими по времени процессами. Оперативно-диспетчерский персонал за очень ограниченное время должен осмыслить поступающую информацию и при необходимости принять решение о коррекции функционирования соответствующих подсистем. Поэтому этот персонал часто испытывает стрессовые перегрузки. Однако нагрузка на оператора существенно снижается, если информация об аномальных ситуациях дается в графическом виде и в виде анимационных диаграмм.

Анализ деятельности оперативно-диспетчерского персонала сложного объекта типа энергоблока показал, что предпочтительнее использовать трехуровневую систему представления информации об управляемом объекте или процессе: уровень системы (или объекта) в целом, на котором сообщается, в каком (нормальном, аномальном или критическом) состоянии она находится и в каких подсистемах возникли отклонения; уровень подсистемы, на котором выявляется состояние конкретной подсистемы; уровень непосредственно параметров с указанием значений параметров и динамики их изменения.

Поэтому целесообразно дополнить «классические» (с мнемосхемами, текстовыми сообщениями, графиками и т.д.) экраны еще и экранами с образным представлением информации средствами когнитивной графики и гипертекста. Расширенные графические средства позволяют добиться максимальной выразительности и восприимчивости информации ЛПР и обеспечить необходимый для принятия решений уровень ее понимания. Пример полиэкрана для ЛПР с элементами когнитивной графики приведен на рис.

Пример полиэкрана для ЛПР

Изложенные в работе основные принципы построения ИСППР РВ применены в разрабатываемом в Московском энергетическом институте (техническом университете) совместно с ЦНИИКА прототипе ИСППР РВ для оперативно-диспетчерского персонала атомного энергоблока [Vagin at al., 1998]. Прототип реализуется на основе высокоэффективного инструментального средства G2-GDA на современной высокопроизводительной вычислительной технике - рабочих станциях Sun Sparc Server 1000 и Sun Sparc Station 10 совместно с IBM Pentium. Прототип осуществляет параллельную обработку ряда систем энергоблока (циркуляционный насос, система охлаждения зоны реактора, эжекторная и конденсаторная установки и др.).

Литература

1. Башлыков А.А., Еремеев А.П. Экспертные системы поддержки принятия решений в энергетике / Под ред. А.Ф. Дьякова. - М.: Изд-во МЭИ, 1994.

2. Вагин В.Н., Еремеев А.П. Реализация концепции распределенного искусственного интеллекта и многоагентности в системах поддержки принятия решений на базе инструментального комплекса G2 + GDA // Proc. of the Internat. Workshop «Distributed Artificial Intelligence and Multi-Agent Systems» DAIMAS'97, June 15-18, 1997. St. Petersburg, Russia.

3. Еремеев А.П., Тихонов Д.А. Средства параллельной обработки информации в системах поддержки принятия решений реального времени // Программные продукты и системы. N2. 1999.

4. Статические и динамические экспертные системы: Учеб. пособие / Э.В. Попов, И.Б. Фоминых, Е.Б. Кисель, М.Д. Шапот. - М.: Финансы и статистика, 1996.

5. Vagin V.N., Yeremeyev A.P. Parallel Inference in Knowledge Representation Models // Proc. of Symp. on Roboyics and Cybernetics, CESA'96 IMACS Multiconference, July 9-12, 1996. Lille-France.

6. Vagin V.N., Yeremeyev A.P. Designing of Real Time Decision Support Systems on the Basis of the Tool Complex G2+GDA // Proc. of the XXV Intern. Conf. and Discussion Scientific Club «New Information Technologies in Science, Education, Telecommunications and Business IT+SE'98. 15-24 May 1998. Crimea, Yalta-Gurzuf. Ukraine.

7. Yeremeyev A.P. The Organization of Real Time Decision Support Systems of a Semiotic Type // Sixth National Conf. with Intern. Participations CAI'98. Workshop Applied Semiotics and Abstracts of CAI'98 Reports. 5-11 Oct. 1998. Pushchino, Russia, 1998. Vol. III.

Размещено на Allbest.ru