Классы экспертных систем

Экспертные системы по степени сложности делятся на:

1. В зависимости от способа формирования решения:

а) Аналитические (предполагают выбор решения из множества известных альтернатив);

б) Синтетические (генерируют неизвестные решения).

2. По способу учета временных признаков:

а) Статические (решают задачи при неизменных данных и знаниях, монотонно от ввода до конечного результата);

б) Динамические (допускают как изменение данных, так и возможность пересмотра в процессе решения полученных результатов и данных).

3. По виду используемых данных и знаний:

а) Детерминированные (данные и знания четко определены);

б) Неопределенные (данные и знания неполные, недостоверные, нечеткие или двусмысленные).

4. По числу используемых источников знаний:

а) Один источник знаний.

б) Множественные источники знаний. Могут быть альтернативными или дополняющими (кооперирующими).

В соответствии с перечисленными признаками выделяют следующие классы экспертных систем (рис. 8.3):

Рис. 8.3. Классы экспертных систем

Классифицирующие системы решают задачи распознавания ситуаций, относя их к определенному классу. В качестве метода решений используется дедуктивный вывод (от общего к частному).

Доопределяющие системы решают задачи на основе неопределенных исходных данных и применяемых знаний. В качестве методов решения используется байесовский вероятностный подход, коэффициент уверенности, аппарат нечеткой логики.

Трансформирующие системы для решения задач используют повторяющиеся преобразования знаний в процессе решения задач, что связано с характером результата, который нельзя заранее предопределить, а также с динамичностью проблемной области. В качестве методов решения задач применяются такие разновидности гипотетического вывода, как:

1) генерация и тестирование (по исходным данным осуществляется генерация гипотез, а затем гипотезы проверяются поступающими фактами);

2) предположения и умолчания (по неполным данным подбираются знания об аналогичных классах объектов, которые в дальнейшем динамически адаптируются к конкретной ситуации в зависимости от ее развития);

3) использование общих закономерностей (в случае неизвестных ситуаций на основе общих закономерностей генерируются недостающие знания).

Многоагентные системы являются динамическими и используют распределенное решение задач. Каждый агент имеет собственную базу знаний и механизм вывода. Для многоагентных систем характерны следующие особенности:

— альтернативность рассуждений на основе использования различных источников знаний с механизмом устранения противоречий;

— распределенное решение проблем за счет разбиения на подпроблемы и их параллельного решения;

— множественность стратегий работы механизма вывода в зависимости от типа решаемых проблем;

— способность к самообучению с изменением правил поведения агентов;

— способность прерывания решения задач в связи с необходимостью получения дополнительных данных и знаний от пользователя, моделей, параллельно решаемых подпроблем.

Синтезирующие динамические системы применяются в следующих областях:

1) проектирование — определение конфигурации объектов с точки зрения достижения заданных критериев (бюджет предприятия);

2) прогнозирование — предсказание последствий развития текущей ситуации (тренды на биржевых торгах);

3) планирование — выбор последовательности действий по достижению поставленных целей (планирование цепочек поставок);

4) диспетчерирование — распределение работ во времени (планирование графиков работ, расписание занятий в вузе и т.д.);

5) мониторинг — слежение за текущей ситуацией (мониторинг сбыта готовой продукции);

6) управление — мониторинг, дополненный реализацией действий.

8.5.