Консалтинговые услуги в области продаж комплектующих компьютера

Содержание
ВВЕДЕНИЕ 4
1 ОСНОВНАЯ ЧАСТЬ 5
1.1 БАЗА ДАННЫХ (БД) 5
1.2 БАЗА ЗНАНИЙ (БЗ) 7
1.3 ИНТЕРПРЕТАТОР 10
1.4 ДИАЛОГ 11
1.5 ОБЪЯСНЕНИЕ 12
1.6 ПРИОБРЕТЕНИЕ ЗНАНИЙ 13
ЗАКЛЮЧЕНИЕ 14
СПИСОК ЛИТЕРАТУРЫ 15
ЛИСТИНГ ПРОГРАММЫ 16
ВВЕДЕНИЕ
Компьютеризация общества - одно из основных направлений научно-тех¬нического прогресса - вызвала существенные изменения в технологии разра¬ботки и использования программных средств.
Эти изменения были подготовлены всем развитием теории и практики искусственного интеллекта (ИИ), наиболее существенным результатом кото-рого, явился переход к так называемой новой информационной технологии и создание «экспертных систем» (ЭС).
Экспертная система (ЭС) — это программный продукт, поз¬воляющий имитировать творческую деятельность или усиливать интеллектуальные возможности специалиста-эксперта в части вы¬бора решении в конкретной предметной области, используя, в основном, эвристические знания специалистов, накопленный ранее опыт.
Рассмотрим различия между программами искусственного интеллекта (ИИ) и экспертными системами. Обычные программы имеют фиксированную после¬довательность шагов, точно определяемых программистом, и путем обработки числовой информации ищут оптимальное решение, в то время как программы ИИ, подобно человеку, пользуются для нахождения удовлетворительного ре¬шения методом проб и ошибок. При этом производится преимущественно сим¬вольная обработка содержимого базы знаний. Различия эти, разумеется, не абсолютны, а лишь наиболее характерны для обоих типов программ. Различие в структуре и частоте модификаций влияет на различия технологий разра¬ботки обычных программ и программ ИИ. Все различия, приведенные для программ ИИ, в целом характерны и для экспертных систем.
Типичная ЭС состоит из следующих компонентов: база знаний (БЗ), база данных (БД),. механизм логического вывода (МЛВ), блок объяснения полученных решении, блок приобретения знаний (адаптация ЭС к изменяющейся действительности), блок диалога.
Для решения задачи была выбрана экспертная система, т.к. необходимы знания эксперта для выдачи консультации, программа должна иметь интерфейс в виде диалога с пользователем, который должен быть максимально упрощен.
1 ЗАДАНИЕ
1.1 Название задания: Консалтинговые услуги в сфере покупки компьютера.
1.2 Цель задания:
Имеются сведения об ассортименте товаров фирмы, торгующей компьютерами. Предлагаемые компьютеры имеют следующие параметры:
• Тип материнской платы;
• Тип процессора;
• Размер оперативной памяти;
• Размер жесткого диска;
• Тип видеокарты;
• Тип монитора;
• Цена компьютера.
Необходимо составить программу для консультаций клиенту при выборе компьютера.
1.3 Дата получения задания __________
1.4 Дата выполнения задания __________
1.5 Дата защиты ____________
2 ОСНОВНАЯ ЧАСТЬ
Пользователь
Эксперт
Рисунок 1 Схема типичной экспертной системы
2.1 База данных (БД)
В соответствии с моделями описания данных, базы данных определяют как иерархические, сетевые, реляционные.
Иерархическая модель данных
Данная модель строится по принципу иерархии типов объектов, т.е. один тип объекта является главным, а остальные подчиненными. Между главными и подчиненными объектами установлено отношение "один ко многим". Для каждого подчиненного типа объекта может быть только один исходный тип объекта.
Сетевая модель данных
Понятие главного и подчиненного объекта несколько расширено. Любой объект может быть главным и подчиненным. Каждый объект может участвовать в любом числе взаимодействий.
Реляционная модель данных
В реляционной модели данных объекты и взаимодействия между ними представляются с помощью таблиц.
Каждая таблица должна иметь первичный ключ - поле или комбинацию полей, которая единственным образом идентифицирует каждую строку таблицы.
В связи с наличием полного математического описания реляционной модели, универсальностью модели и простотой реализации наибольшее развитие получили реляционные базы данных. Именно поэтому для решения нашей задачи также была выбрана реляционная модель базы данных.
Основная таблица basic, в которой хранятся факты, относящиеся к рассматриваемой предметной области, содержит 8 полей:
Наименование поля Предназначение
Art Уникальный идентификатор записи
Plate Тип материнской платы
Proc Тип процессора
Memory Размер оперативной памяти
Disk Размер жесткого диска
Video Тип видеокарты
Mon Тип монитора
Price Цена
Ниже приведен пример записей в таблице БД.
Art Plate Proc Memory Disk Video Mon Price
1 9SJD Pentium 4 128 40 32 17 93700
2 9EJD Celeron 1.7 128 40 32 15 80200
3 D845EBG2 Pentium 4 256 40 32 19 120100
Для организации диалога пользователя и системы используется дополнительная таблица words, имеющая следующую структуру:
Наименование поля Предназначение
ID_object Уникальный идентификатор записи
Context Слово
Role Определяет место в предложении
Sem Для смысловой связи

Данные в таблице words имеют вид:
ID_object Context Role Sem
1 нужен Глагол g
2 нужна Глагол s
3 процессор Сущ g
4 монитор Сущ g
5 память Сущ s
6 цена Сущ s
2.2 База знаний (БЗ)
Под БЗ будем понимать модель предметной области, содер¬жащей: формализованные знания специалистов в виде наборов эвристических правил; метаправила, определяющие стратегию уп¬равления эвристическими правилами в ходе реализации основных функций ЭС; сведения о структуре и содержании БД.
БЗ, в отличие от БД, содержит не только количественные характеристики фактов (данные), а в основном субъективные эвристические знания экспертов. Знания в БЗ образуют сложные иерархические структуры, что достигается путем введения разно¬образных отношений, взаимосвязей.
В базе знаний в некотором закодированном виде хранятся формализованные знания эксперта. На современном этапе развития ЭС используется несколько форм представления знаний. Выделим из них четыре основные:
Типичными моделями представления знаний являются:
логическая модель;
модель, основанная на использовании правил (продукционная модель);
модель, основанная на использовании фреймов;
модель семантической сети.
Логическая модель представления знаний
Логическая модель используется для представления знаний в системе логики предикатов первого порядка и выведения заключений с помощью силлогизма. Основное преимущество использования логики предикатов для представления знаний заключается в том, что обладающий хорошо понятными математическими свойствами мощный механизм вывода может быть непосредственно запрограммирован. С помощью этих программ из известных ранее знаний могут быть получены новые знания.
Продукционная модель представления знаний
В модели правил знания представлены совокупностью правил вида «Если – То». Системы с базами знаний, основанные на этой модели, называются продукционными системами. Эти системы бывают двух диаметрально противоположных типов – с прямыми и обратными выводами.
В системе продукций с обратными выводами с помощью правил строится дерево И/ИЛИ, связывающее в единое целое факты и заключения; оценка этого дерева на основании фактов, имеющихся в базе данных, и есть логический вывод. Логические выводы бывают прямыми, обратными и двунаправленными. При прямом выводе отправной точкой служат предоставленные данные, процесс оценки приостанавливается в узлах с отрицанием, причем в качестве заключения (если не все дерево пройдено) используется гипотеза, соответствующая самому верхнему уровню дерева (корню). Однако для такого вывода характерно большое количество данных, а также оценок дерева, не имеющих прямого отношения к заключению, что излишне. Преимущество обратных выводов в том, что оцениваются только те части дерева, которые имеют отношение к заключению, однако если отрицание или утверждение невозможны, то порождение дерева лишено смысла. В двунаправленных выводах сначала оценивается небольшой объем полученных данных и выбирается гипотеза (по примеру прямых выводов), а затем запрашиваются данные, необходимые для принятия решения о пригодности данной гипотезы. На основе этих выводов можно реализовать более мощную и гибкую систему.
Системы продукций с прямыми выводами среди систем, основанных на использовании знаний, имеют наиболее давнюю историю, поэтому они являются в некотором смысле основополагающими. Эти системы включают три компонента: базу правил, состоящую из набора продукций (правил вывода), базу данных, содержащую множество фактов, и интерпретатор для получения логического вывода на основании этих знаний. База правил и база данных образуют базу знаний, а интерпретатор соответствует механизму логического вывода. Вывод выполняется в виде цикла «понимание – выполнение», причем в каждом цикле выполняемая часть выбранного правила обновляет базу данных. В результате содержимое базы данных преобразуется от первоначального к целевому, т.е. целевая система синтезируется в базе данных. Иначе говоря, для системы продукций характерен простой цикл выбора и выполнения (или оценки) правил, однако из-за необходимости периодического сопоставления с образцом в базе правил (отождествлением) с увеличением числа последних (правил) существенно замедляется скорость вывода. Следовательно, такие системы не годятся для решения крупномасштабных задач.
Упорядочим слабые и сильные стороны хорошо известных систем продукций.
Сильные стороны:
• Простота создания и понимания отдельных правил;
• Простота пополнения, модификации и аннулирования;
• Простота механизма логического вывода.
Слабые стороны:
• Неясность взаимных отношений правил;
• Сложность оценки целостного образа знаний;
• Крайне низкая эффективность обработки;
• Отличие от человеческой структуры знаний;
• Отсутствие гибкости в логическом выводе.
Таким образом, если объектом является небольшая задача, выявляются только сильные стороны системы продукций. В случаях увеличения объема знаний, необходимости решения сложных задач, выполнения гибких выводов или повышения скорости вывода требуется структурирование базы данных.
Представление знаний фреймами
Фреймовая модель представляет собой систематизированную модель памяти человека и его сознания.
Фреймы – это фрагменты знания, предназначенные для представления стандартных ситуаций. Фреймы имеют вид структурированных компонентов ситуаций, называемых слотами. Слот может указывать на другой фрейм, устанавливая, таким образом, связь между двумя фреймами.
Каждый фрейм, как структура хранит знания о предметной области (фрейм–прототип), а при заполнении слотов знаниями превращается в конкретный фрейм события или явления.
Достоинство фрейма – представления во многом основываются на включении в него предположений и ожиданий. Это достигается за счет присвоения по умолчанию слотам фрейма стандартных ситуаций. В процессе поиска решений эти значения могут быть заменены более достоверными. Некоторые переменные выделены таким образом, что об их значениях система должна спросить пользователя. Часть переменных определяется посредством встроенных процедур, называемых внутренними. По мере присвоения переменным определенных значений осуществляется вызов других процедур. Этот тип представления комбинирует декларативные и процедурные знания.
Для многих предметных областей фреймовые модели являются основным способом формализации знаний.
Представление знаний семантическими сетями
Одним из способов представления знаний является семантическая сеть. Изначально семантическая сеть была задумана как модель представления структуры долговременной памяти в психологии, но впоследствии стала одним из основных способов представления знаний в инженерии знаний.
Семантика означает определенные (общие) отношения между символами и объектами, представленными этими символами, а прагматика – выразительные (охватывающие) отношения между символами и создателями (или пользователями) этих символов.
Одной из структурных моделей долговременной памяти является TLC-модель (Teachable Language Comprehender: доступный механизм понимания языка). В данной модели для описания структуры долговременной памяти была использована сетевая структура как способ представления семантических отношений между концептами (словами). Данная модель имитирует естественное понимание и использования языка человеком.
При разработке экспертной системы «Консалтинговые услуги» была использована продукционная модель представления знаний.
В качестве примера рассмотрим правило, словесное описание которого выглядит так:
Если процессор = «Pentium 4» и память = 256, то вывести данные обо всех компьютерах с такими параметрами.
На языке запросов SQL данное правило запишется следующим образом:
SELECT * FROM basic WHERE proc like 'Pentium 4%' and memory='256' ORDER BY art
Ядро продукции для рассмотренного правила имеет вид: А1БД И А2БД  ВБЗ, то есть левая часть берется из БД, а правая из БЗ.
2.3 Интерпретатор
Подсистема логического вывода – программная компонента экспертных систем, реализующая процесс ее рассуждений на основе базы знаний и рабочего множества. Она выполняет две функции: во-первых, просмотр существующих фактов из рабочего множества и правил из базы знаний и добавление (по мере возможности) в рабочее множество новых фактов и, во-вторых, определение порядка просмотра и применения правил. Эта подсистема управляет процессом консультации, сохраняет для пользователя информацию о полученных заключениях, и запрашивает у него информацию, когда для срабатывания очередного правила в рабочем множестве оказывается недостаточно данных.
Цель экспертной системы – вывести некоторый заданный факт, который называется целевым утверждением (то есть в результате применения правил добиться того, чтобы этот факт был включен в рабочее множество), либо опровергнуть этот факт (то есть убедиться, что его вывести невозможно, следовательно, при данном уровне знаний системы он является ложным). Целевое утверждение может быть либо «заложено» заранее в базу знаний системы, либо извлекается системой из диалога с пользователем.
Работа системы представляет собой последовательность шагов, на каждом из которых из базы выбирается некоторое правило, которое применяется к текущему содержимому рабочего множества. Цикл заканчивается, когда выведено либо опровергнуто целевое утверждение. Цикл работы экспертной системы иначе называется логическим выводом. Логический вывод может осуществляться различными способами, из которых наиболее распространенные – прямой порядок вывода и обратный порядок вывода.
1. Прямой вывод. Правила просматриваются до тех пор, пока не будет найдено такое, у которого первый операнд (в левой части) соответствует информации, находящейся в рабочей области, затем правило изменяется. Процесс повторяется до тех пор, пока не будет достигнута цель или не будет найдено подходящего правила. Данный механизм вывода рекомендуется, если цель неизвестна и должна быть спроектирована или число возможных результатов велико. Для комплексного решения проблем может быть использован прямой вывод.
Обратный вывод. Правила просматриваются, находятся те, " последовательность выполнения которых приводит к цели. Для каждого из этих правил проверяется, соответствуют ли первые операнды (предпосылки) информации в рабочей области. Если все предпосылки соответствуют этому условию, правило выполняется и задача решается. Если существует предпосылка, которая не соответствует информации в рабочей области, определяется новая подцель как "организация условий для удовлетворения .....