Шпехт И. А., Самсонов
А.Ю., Саакян Р.Р.
Российский Государственный социальный институт, филиал в г. Анапа
ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ АЛГОРИТМА УЧЕТА НЕЧЕТКИХ
ЛОГИЧЕСКИХ ПРАВИЛ ПРИ МОДЕЛИРОВАНИИ
СЛОЖНОЙ СИСТЕМЫ
Введение
Системный анализ
является научным подходом исследования сложных информационных и технических
систем, опирающимся на совокупность способов и методов выработки и принятия
решений в различных областях человеческой деятельности.
На сегодня существуют различные трактовки и
способы реализации этапов системного анализа
при исследовании сложных систем (СС). В работе для
представления этапов системного анализа будем опираться на трактовку,
предложенную в [1], где на каждом из этапов существуют определенные подэтапы и
шаги с нечеткой и недостаточной исходной информацией, формализация которых возможна
только с помощью неклассических информационных методов и алгоритмов с опорой на
мнение специалистов-экспертов.
Для указанной формализации этапов
системного анализа разработана
методология ASSA [1], где формализация
этапа «Определение целей системы»
реализована на основе разработанной технологии экспертно-классификационного
анализа и моделирования (технология ЭКАМ) дерева целей и критериев
эффективности [2], входящей в состав методологии ASSA.
Постановка задачи
В работе при реализации модуля «Анализ и
моделирование дерева критериев» в технологии ЭКАМ [2] предлагается разработать
аналитическую информационную систему поддержки принятия решений на основе
динамических нечетких логических правил, которая позволит осуществить
эффективное принятие решений на этапе системного анализа «Определение целей
системы».
Данная система должна выполнять такие задачи,
как графическое отображение структуры динамических нечетких логических правил и
их изменение при добавлении (удалении)
лингвистических переменных и нечетких термов, анализ и сохранение динамической нечеткой
базы знаний в файл и др.
Понятие динамических
нечетких логических правил
Динамическое нечеткое логическое правило (ДНЛП)
представляет собой изменяющееся во
времени нечеткое логическое правило, элементы которого обучаются в зависимости
от конъюнктуры внешней среды или внутренних системных изменений. Совокупность
динамических нечетких логических правил составляет динамическую нечеткую базу
знаний (ДНБЗ).
Реализацию ДНБЗ 
[3] с учетом
реального времени t
(за которое формируется одно или несколько правил 
) в варианте MISO (много входов– один
выход), можно представить в виде:
,
где 
−q-я
строка НБЗ, 
, 
− количество
строк (нечетких правил);
− функции принадлежности k-х термов выходной лингвистической переменной, 
;
«|» - вертикальная
черта, означающая условие, при котором может быть получена выходная лингвистическая переменная (символ
«|» читается «… при условии, что …»);
t – время;
– функции принадлежности j-х термов i-х
входных лингвистических переменных, 
,
.
Логические связки «и/или» (операторы min/max
по Заде) здесь заменены запятой.
Аналитическая информационная система поддержки принятия
решений на основе динамических нечетких логических правил
В рамках предложенной в работе информационной
системы принятия решений работу ДНБЗ можно реализовать двумя способами:
1. Вручную (ручной учет
изменения правил «если-то»).
2. Автоматически (учет и
адаптация правил «если-то» без участия человека).
На данном этапе реализован ручной учет изменения
правил «если-то», так как для учета и адаптации НЛП типа «если-то» без участия
человека необходимо наличие алгоритмов автоматического извлечения данных
(лингвистических переменных, нечетких термов с функциями принадлежности) из
внешней среды, которые требуют разработку сложных математических методов и их
реализацию.
Для реализации ручного способа изменения ДНБЗ на
данном этапе разработана аналитическая информационная система поддержки
принятия решений (АИСППР) при
моделировании дерева критериев.
Общая структура АИСППР представлена на рис.1 и
состоит из следующих компонентов:
1.«Интерфейс приложения АИСППР», управляемый «Пользователем» (9), в котором функции редактирования
и просмотра данных вызывают вспомогательные функции «Модуля доступа к Matlab»
(1) для получения требуемых значений (2), а функции расчета и сохранения данных
получают значения (3), подключаясь к «Библиотеке функций Matlab»
(4).
2.«Библиотека функций Matlab», получающая значения
характеристик функции принадлежности термов, переменных и НЛП (5) с помощью «Модуля
доступа к Matlab» (6).
3.«Модуль доступа к Matlab», который отправляет
значения переменных в матричном виде «Приложению Matlab» (8) и возвращает их
(7) через «COM-объект», представляющий собой компонент взаимодействия с
приложениями посредством специализированных интерфейсов.
Рисунок 1
– общая структура аналитической информационной системы поддержки принятия
решений (АИСППР)
Приведем краткое описание алгоритма
(последовательности выполняемых процедур) работы АИСППР, представленного на
рис.2. После запуска «Приложение АИСППР» предлагает выбор и открытие файла шаблона для выполнения того или иного цикла
выполняемых задач, например, «Редактирование». При выборе задачи «Редактирование»
появляется возможность редактирования нечетких переменных, термов и логических правил.
Далее измененные правила анализируются, т.е. проводится проверка на наличие
одинаковых правил в ДНБЗ и проверка на совпадение длинны строк правил, входящих
в матрицу. При отсутствии ошибки отредактированные переменные, термы и ДНБЗ
сохраняются в файл шаблона.
При выборе задачи «Просмотр» появляется
возможность просмотра (численного и графического) всевозможных данных
выбранного или отредактированного шаблона, а при выборе задачи «Расчет»
− выполнение и сохранение расчетов по выбранным параметрам. Интерфейс
АИСППР (экранная форма) представлен на рис.3.
Рисунок 2 – общий алгоритм работы «приложение АИСППР»
Рисунок 3 – Интерфейс
приложения
Заключение
В перспективе планируется
регистрация программного продукта в Федеральной службе по интеллектуальной
собственности РФ («Роспатент») и разработка методов и алгоритмов автоматического
учета и адаптации правил «если-то» (без участия человека).
Литература
1. Симанков В.С., Шпехт И.
А. Автоматизация системных исследований на основе неклассических подходов:
монография / – М.: Бином Пресс, 2012. 358 с.
2. Шпехт И.А., Симанков В.С., Саакян Р.Р. Технология экспертно-классификационного анализа
и моделирования целей сложных систем с опорой на процедуры методологии ASSA
// Информатика и системы управления.2011. №2. С. 140–150.
3. Шпехт И. А., Самсонов А.Ю. Разработка
информационной системы принятия решений с изменяющимися в реальном времени
правилами на основе динамической нечеткой базы знаний // Информационные системы
и технологии. 2011. №6. С. 73–84.