При їх підпорядкованому функціонуванні

У загальному випадку застосування готових пакетів прикладних програм у ГІС є доцільним при розв’язанні задач, що пов’язані з різноманітними трудомісткими розрахунками, не потребують відповіді в реальному часі і для яких існують добре зарекомендовані програмні засоби. До таких задач, зокрема, належать задачі проектування, календарного планування, статистичної обробки даних тощо. В разі ж комбінованого підходу до побудови ГІС, що працюють у режимі реального часу, доцільно розробити як інтелектуальну компоненту, так і алгоритмічні модулі з орієнтацією на їх спільне функціонування. До можливих застосувань таких систем можна зарахувати задачі диспетчирування виробництва, моніторингу, керування рухами робочих органів устаткування тощо.

Варіанти умовної структури взаємодії компонентів ГІС при їх підпорядкованому функціонуванні показано на рис. 6.3, де рис. 6.3, а відповідає випадку, коли провідна компонента — алгоритмічний модуль, а рис. 6.3, б, в — коли провідною компонентою є EC; до того ж рис. 6.3, б є випадком подання знань у вигляді продукційних правил, а рис. 6.3, в — у вигляді фреймів.

Найбільш природний варіант програмної реалізації звернення алгоритмічних процедур до EC (див. рис. 6.3, а) полягає у формуванні та застосуванні відповідних інтерфейсних функцій (функцій узгодження), аргументи яких передаються в EC для виконання виведення. У загальному випадку таке звернення може мати вигляд:

ім’я функції

де параметри, значення яких використовуються як умови (посилання) при виведенні в EC; керуючі параметри, що задають режими виведення (прямий або зворотний, стратегії вибору правил, покажчики наборів продукцій тощо); змінні, що містять допоміжну інформацію (ідентифікатори точок звернення тощо).

Аналогічно може бути реалізована ініціалізація числових розрахунків EC. Зокрема ініціалізація їх EC продукційного типу досягається за допомогою правил, консеквентами яких служать оператори звернення (імена) до відповідних процедур, тобто загальний вигляд цих правил є таким:

ЯКЩО <умова>, ТО <ім’я процедури (аргументи)>.

Звернення до алгоритмічних модулів від інтелектуальних компонентів, які реалізовано на основі фреймового підходу, досягається використанням механізму приєднуваних процедур (див. п. 2.4), за допомогою яких визначаються необхідні програмні модулі. Виконання цих процедур здійснюється активізацією відповідних слотів фрейму.

Розглянемо такий приклад. Гібридна інтелектуальна система (ГІС), що використовує фреймове подання знань, формує виробничі завдання в ГВС і розподіляє їх за модулями технологічного обладнання.

Одним з етапів прийняття рішень є прогнозування їх можливих наслідків, яке виконується за допомогою імітаційного моделювання. Таким чином, EC реалізує провідну функцію, а IМ — підпорядковану. При цьому прогін моделі розглядається як приєднана процедура.

Приклад можливої структури міжфреймових обмінів даними наведено на рис. 6.4. Значеннями більшої частини слотів фрейму «ФОРМУВАННЯ ЗАВДАНЬ» є приєднані процедури, що реалізують окремі етапи, пов’язані з таким формуванням. Процедура «ПРОГНОЗ» складається з формування функції «Запит»: перший запит стосується звернення до IM ГВС, другий — до модуля статистичної обробки даних. Службова функція «Запит» призначена для обміну повідомленнями між фреймами, її перший аргумент вказує ім’я фрейму-адресата, другий — ім’я слота.

Рис. 6.4. Приклад можливої структури міжфреймових обмінів даними

Значеннями слотів фрейму «МОДЕЛЬ» є приєднані процедури, що реалізують моделювання окремих складових виробництва: ГВС, ЕРК, маніпуляторів тощо. Приєднана процедура «IМ ГВС» містить встановлення початкових значень параметрів конкретного ОМ (за допомогою службової функції «Запит»), а також прогін моделі.

Фрейм «ГВС» містить слот «Об’єкт», значенням якого є покажчик фрейму конкретної ГВС, яка аналізується. В результаті виконання функції «Запит (ГВС; об’єкт)» формується покажчик фрейму «ГВС5», значення слотів якого є даними для прогону моделі.

Спрощену структуру звернень показано на рис. 6.3, а штриховою лінією (відсутні можливі звернення фреймів для одержання випадкової інформації).

Взаємодія EC і числових алгоритмів. Комбінований гібридний підхід є ефективним при спільному використанні EC, з одного боку, та методів математичного програмування, диференціального й інтегрального числень, розв’язання алгебраїчних, диференціальних та інтегральних рівнянь і їх систем, статистичної обробки даних — з іншого. При цьому EC може виконувати підготовчу і/або заключну функцію, а також брати участь у реалізації окремих кроків алгоритмів.

Враховуючи особливе значення оптимізаційних задач у плануванні та управлінні, розглянемо їх докладніше. Зокрема, підготовчими функціями EC при розв’язанні задач оптимізації можуть бути: розпізнавання класу задач за видом цільової функції та обмежень; вибір методу розв’язання; зведення постановки задачі до стандартного вигляду, необхідного для застосування конкретної програмної реалізації методу; компонування алгоритму з готових бібліотечних модулів.

На етапі оптимізації виконання процедур пошуку EC може використовуватись для: вихідної локалізації області пошуку; вибору початкової точки; вибору кроку; вибору напрямку пошуку; прогнозування положення екстремуму; пошуку множин Парето-оптимальних рішень тощо. При цьому застосування EC може бути виправдане в тих ситуаціях, коли ефективними є евристичні прийоми розв’язання важкоформалізованих ситуацій, що виникають у процесі пошуку EC, або коли область пошуку дуже значна, а розрахунок цільової функції потребує багато часу, або коли функція відклику має складну форму, розриви, стрибки, численні локальні екстремуми тощо.

Прикладами правил на підготовчому етапі можуть бути такі:

ЯКЩО	матриця коефіцієнтів обмежень є розрідженою,
ТО	перетворити її подання до розрідженого формату.
ЯКЩО	задачею є лінійне програмування
І	умови задано в розрідженому форматі,
ТО	застосувати модифікацію симплекс-методу до розрідженого формату.
ЯКЩО	область пошуку EC є одновимірною
І	цільова функція унімодальна,
ТО	використати метод Фібоначчі.

Очевидно, для встановлення істинності відправлень таких правил, як і для реалізації приписок у висновках, повинні виконуватися відповідні процедури узгодження.

Початкова локалізація області пошуку EC і вибір початкового наближення здійснюються на основі апріорної інформації про положення оптимуму, вплив на нього деяких факторів тощо. Наприклад, може бути відомо, що цільова функція монотонно збільшується по при будь-яких фіксованих інших параметрах (рис. 6.5). У цьому разі можна застосувати таке правило:

ЯКЩО	цільова функція збільшується по
ТО	її екстремум розташовується на межі області пошуку, орієнтованої в бік осі

Цій межі відповідає лінія АВ на рис. 6.5, а. При програмній реалізації в антецеденті правила замість символьного рядка «екстремум розташовується...» записується виклик відповідної процедури локалізації області пошуку.

Рис. 6.5. Поверхні відклику з локалізацією екстремумів на межі

області пошуку ЕС (а) та ілюстрація набору початкового наближення (б)

З накопиченої інформації може, наприклад, випливати, що зі збільшенням екстремум цільової функції монотонно зміщується в напрямку збільшення (рис. 6.5, б). В цьому разі може бути корисним правило:

ЯКЩО зі зростанням екстремум цільової функції зміщується уздовж осі

І задано

І відстань уздовж осі до найбільшого відомого екстремуму є порівнянною з розмірами області пошуку,

ТО для початкового наближення вибрати значення, зміщене уздовж осі пропорційно зміщенню уздовж осі

Згідно з цим правилом початковим наближенням по буде:

де i координати двох відомих точок екстремуму в уже дослідженій області.

Читайте також:

<== попередня сторінка	\|	наступна сторінка ==>
Гібридні інтелектуальні системи	\|	Штучний інтелект у системах проектування та планування

Не знайшли потрібну інформацію? Скористайтесь пошуком google:

Генерація сторінки за: 0.02 сек.