Автоматизация эвристических методов синтеза новых систем

В настоящее время из эвристических методов наиболее подготовленными к автоматизации являются метод генерирования случайных ассоциаций и алгоритм решения изобретательских задач (см. разд. 6.4). Программная реализация этих алгоритмов не представляет особого труда. Здесь рассматривается проект оболочки компьютерной системы, реализующей алгоритм решения изобретательских задач (АРИЗ) в области экономики, управления или проектирования организационных структур. Структура данной программной оболочки (рис. 6.1) во многом основывается на структуре системы "Изобретающая машина" (ИМ)[17].

Компьютерная система по решению изобретательских задач включает ряд базовых подсистем. Подсистемы Приемы и Стандарты основаны на эвристических правилах преобразования экономических, управленческих или организационных систем. Подсистема Эффекты должна накапливать информацию об экономических, управленческих или технологических эффектах. В технических приложениях данная подсистема накапливает информацию о физических, химических и геометрических эффектах.

Подсистема АРИЗ достаточно универсальна. Она предназначена для разрешения экономических и управленческих противоречий в различных областях экономики и управления: Профильность подсистемы может меняться за счет ее наполнения разным содержанием в зависимости от типа задач, а также от используемых ресурсов.

Подсистема ФСА служит для проведения функционально-стоимостного анализа исследуемых систем.

Подсистема Самоучитель АРИЗ обеспечивает обучение экономистов и управленцев основам теории решения изобретательских задач и технологии решения задач с использованием ЭВМ.

Подсистема Прогноз позволяет формировать идеи по прогнозированию развития экономико-управленческих систем.

Подсистема Пульсар предназначена для более качественного решения задач по анализу и синтезу алгоритмов работы информационных экономических и управленческих систем.

Архитектура развиваемой оболочки компьютерной системы может быть построена по аналогии с архитектурой системы "Изобретающая машина" и предусматривает следующие блоки (рис. 6.2): обучение основным понятиям, содержащимся в базе знаний, диалог по постановке задачи по результатам диалога, выдача идеи решения задачи, развитие идеи. Пред выдачей идей решения проводится предиалог, целью которого является подготовка ЛПР к пониманию сути идеи решения.

Блок постдиалога обеспечивает привязку идеи решения к задаче пользователя, а блок убеждения формирует файл разбора задач-аналогов.

В тех случаях, когда при получении идеи требуется решение дополнительных задач, управление передается блоку формирования подзадач с последующим выходом на начальный диалог. В остальных блоках проводятся оценка технико-экономического уровня и перспективности идеи, развитие получаемых идей, например, для получения дополнительных эффектов или распространения найденного принципа на другие области экономики и управления.

Для разрешения экономических, управленческих или организационных противоречий с использованием эвристических приемов может быть использована компьютерная экспертная система, основанная на формуле Байеса [18]. Эта экспертная система является инструментальным средством для быстрого создания экспертных систем принятия решений в различных предметных областях.

Модель базы знаний экспертной системы представляется в виде

М = {Н, S, G, P, VH, VS},

В процессе работы экспертной системы используются следующие зависимости:

Симптом с максимальной ценой в наибольшей мере изменяет априорные вероятности гипотез при подтверждении или отрицании этого симптома. Цены симптомов вычисляются для определения очередного симптома, относительно которого следует задать очередной вопрос пользователю. Вопросы пользователю задаются в виде текста соответствующего симптома. При этом требуется подтвердить или отвергнуть симптом. Ответ пользователя задается в шкале: (-5,..., 0,...,+5), где -5 означает "нет", 0 — "не знаю", +5 — "да". Если ответ пользователя -5 (отрицание соответствующего симптома S_i), то априорная вероятность гипотезы Н_j будет P(S_i ù Н_j). Если ответ 0, то вероятность гипотезы Н_j не изменяется. Если ответ +5, то априорная вероятность гипотезы Н_j будет P(S_i ÷ Н_j). Для определения априорной вероятности гипотезы при остальных ответах пользователя используется кусочно-линейная аппроксимация.

После вычисления вероятности P(H_j ÷ R_i), где R_i, — ответ пользователя на симптом S_i, априорная вероятность Р(Н_j) заменяется вычисленной апостериорной вероятностью. Подтверждение (отрицание) симптома S_i, связанного с гипотезой Н_j, является положительным свидетельством для гипотезы Н_j, если апостериорная вероятность больше априорной. Подтверждение (отрицание) симптома является отрицательным свидетельством для гипотезы, если апостериорная вероятность меньше априорной.

Для каждой гипотезы Н_j вычисляется два числа: Р_mах (Н_j) = M_1j — апостериорная вероятность гипотезы при всех положительных свидетельствах и P_min (Н_j) = M_2j — апостериорная вероятность гипотезы при всех отрицательных свидетельствах. Имеются три правила формирования результата работы экспертной системы.

Правило 1. Подтверждение или отклонение гипотезы Н_j. Если на некотором шаге работы новая вычисленная (апостериорная) вероятность Р гипотезы Н_j становится больше Р_aj + L₁ (М_1j - P_aj), то гипотеза подтверждается ( — априорная вероятность гипотезы); если апостериорная вероятность Р гипотезы Н_j становится меньше + L₂ ( - M_2j), то гипотеза отвергается. Коэффициенты L₁ и L₂ — настроечные параметры.

Правило 2. Наиболее вероятный результат. Считается, что гипотеза Н_r наиболее вероятна, если при любых дальнейших ответах пользователя апостериорные вероятности остальных гипотез не могут превысить значение апостериорной вероятности гипотезы Н_r.

Правило 3. Если не сработали первые два правила и все вопросы по симптомам исчерпаны, то в качестве результата выдается несколько гипотез с наибольшими апостериорными вероятностями.

После сеанса работы с экспертной системой пользовательимеет возможность получить разъяснение результатов ее работы.

Экспертная система снабжается блоком обучения базы знаний, который позволяет корректировать оценки вероятностей Р+ и Р- с процедурами заполнения траектории "вопрос — ответ" и подтверждения правильности ответа экспертной системой. Этот блок облегчает построение прикладных экспертных систем, поскольку ошибки первоначального наполнения систем могут исправляться в процессе сеансов работы с опытным экспертом-учителем.

Экспертная система может быть использована для решения широкого круга задач, в частности для синтеза рациональных решений с помощью эвристических приемов. Эвристический прием — это некоторая рекомендация экономисту-изобретателю, дающая направление изменения прототипа системы в искомое экономическое или управленческое решение. В основе метода эвристических приемов лежит понятие экономического или управленческого противоречия. Противоречие выявляется при анализе прототипа системы и описывается в терминах показателей экономического объекта в виде пары (X, Y), где Х— показатель, который необходимо улучшить в прототипе; Y — показатель, который недопустимо ухудшается. При этом для фиксированного Х в одном прототипе может быть выделено несколько экономических или управленческих противоречий вида (X, Y,), i = .

Назначение экспертной системы по эвристическим приемам состоит в выдаче рекомендаций изобретателю-экономисту или управленцу по применению наиболее эффективных эвристических приемов для разрешения выявленных в прототипе противоречий.

В качестве гипотез здесь выступают эвристические приемы. Симптомами являются показатель, который необходимо улучшить, — X, и показатель, который при этом ухудшается, — Y.

В качестве базы знаний в данной экспертной системе используется таблица взаимосвязей противоречий и эвристических приемов. Интерпретацией симптома является противоречие. Считается, что симптом (X, Y) связан с гипотезой Н, если противоречие разрешается с некоторой вероятностью эвристическим приемом.

Экспертная система при взаимодействии с пользователем работает следующим образом.

Шаг 1. Пользователю предъявляется вопрос относительно некоторого показателя, который необходимо улучшить в прототипе.

Шаг 2. Пользователь, отвечая на указанный вопрос, выбирает этот показатель из меню.

Шаг 3. Система задает пользователю вопрос, ухудшается ли при этом некоторый другой показатель прототипа, и указывает этот показатель.

Шаг 4. Пользовательотвечает на поставленный вопрос по шкале (-5,..., 0,...,+5).

Шаг 5. Экспертная системапроверяет решающие правила и либо выдает наиболее достоверныйэвристический прием, либо формирует следующий прием.

Компьютеризация эвристических методов синтеза в области экономики и управления находится в стадии зарождения и требует значительных усилий исследователей в дальнейшем развитии этого направления. В перспективе ЭВМ должна помогать человеку не только выполнять рутинную работу, но и способствовать повышению творческой активности при поиске новых рациональных решений [19]..

Основные понятия

1. Эвристические методы.

2. Эвристический прием (правило).

3. Экономическое и техническое противоречие.

4. "Мозговой штурм".

5. Методы ассоциаций и аналогий.

6. Метод синектики.

7. Контрольные вопросы и коллективный блокнот.

8. Метод "матриц открытия".

9. Алгоритм решения изобретательских задач.

10. Автоматизация эвристических методов синтезановых систем.