О построении интеллектуальных систем поддержки принятия решений Текст научной статьи по специальности «Компьютерные и информационные науки»

Оператор мутации выполняется следующим образом. Задаётся вероятность мутации - PM. Просматриваются последовательно локусы хромосом решения. С вероятностью PM осуществляется мутация гена в текущем локусе. Мутация заключается в принятии геном случайного значения из заданного диапазона значений для гена в данном локусе.

В основу селекции как для выбора пары хромосом при кроссинговере, так и при отборе популяции положен “принцип рулетки”.

Представление решения набором хромосом дает возможность организации поиска решений в различных постановках, оставляя отдельные виды хромосом неизменными в процессе генетического поиска [5].

При фиксированном значении управляющих параметров трудоёмкость алгоритма имеет линейную зависимость и пропорциональна O(n), где n- число блоков.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Naveed Sherwani. Algorithms for VLSI physical design automation. Kluwer academic publishers. Boston /Dordrecht/ London. 1995.

2. Guo P.N., Cheng C.K.. and Yoshimura T. "An O-tree reprfseniation of nonslicing floorplans and its applications." in Proc. Design Automation Conf., June 1999. pp. 268-273.

3. Murata H. and Kuh E.S. "Sequence-pair based placement method for hard/soft/pre-placed modules," in Pmc. Int. Smp. Phvsical Design, Apr. 1998, pp. 167-172.

4. Bazargan K., Kim S., and Sarrafzadeh M., “Nostradamus: A.Floorplanner of Uncertain Designs,” IEEE Trans. Computer - Aided Design, vol.18, No 4, 1999, p.p. 389-397.

5. . .

//Международная научно-техническая конференция “IEEE AIS’02, CAD - 2002”. - Москва, Физматлит, 2002. С. 398-404.

УДК 321.3

В.В. Курейчик, П.В. Сороколетов О ПОСТРОЕНИИ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ*

В основе интеллектуальных систем поддержки принятия решений (ИСППР) лежит понятие искусственного интеллекта (ИИ). Проблемы ИИ тесно связаны с организацией знаний об окружающем мире в виде математических структур, например, множеств, графов, алгоритмов, которые отражают реальные связи и отно-

( , ).

Под ИСППР понимают организационно-техническую систему, состоящую из интеллектуального комплекса средств поддержки принятия решений взаимосвязанного и взаимодействующего с пользователями и сетями ЭВМ, и выполняющую решения заданных задач [1-3].

Укрупненная структура ИСППР по аналогии с другими интеллектуальными системами будет состоять из четырех подсистем: адаптивной подсистемы; интерактивной подсистемы; обрабатывающей подсистемы; подсистемы управления.

: -, - . На каждом из этих уровней происходит моделирование эволюций и адаптация ал-

* Работа выполнена за счет финансирования РНП.2.1.2.3193

горитмов к окружающей среде. Такая подсистема может быть представлена в следующем виде (рис.1).

X ( )

задача принятия решении ( проектирование)

Y (выход)

—адаптивная— стратегия

(

)

микро уровень

макро уровень

мета уровень

Z

стратегия возврата

Рис.1. Трехуровневая адаптивная система

Вторая подсистема анализирует входные описания на языке пользователя на основе имеющихся знаний и формирует внутреннее неполное и расплывчатое

.

описание задачи в полное и четкое, и снова передает его интерактивной подсисте-

.

. 1, 2 и 3 подсистемами.

Приведем теперь одну из возможных концептуальных схем ИСППР (рис.2) [3-6]. Здесь в качестве множества {Пь П2 , ..., Пп} будет выступать множество пользователей. Диалоговый процессор (ДП) является структурной единицей интеллектуального интерфейса ввода-вывода. Он обеспечивает заданный сценарий диалога в зависимости от степени подготовки пользователей и интеллектуальности ЭВМ. ДП должен обеспечивать одновременный ввод-вывод графических, цифровых, речевых и других образов. ДП может быть реализован программным, аппаратным или программно-аппаратным способом. Наилучшей формой реализации ДП в ИСППР будет совместная программная и аппаратная реализация на основе нейронных сетей и их модификаций. ДП должен содержать набор сценариев диа-, , , перебора и других подзадач. Пользователь во взаимодействии с ДП на основе блочно иерархического подхода и принципов декомпозиции могут производить разбиение необходимой задачи принятия решений (ПР) систем больших размерностей на совокупности функциональных подзадач меньшей размерности.

Основная цель планировщика - поиск информации. Совместно с экспертной системой (ЭС) он осуществляет анализ преобразованных данных, полученных из ДП. В зависимости от значений внутренних, внешних и управляющих параметров, конструктивных ограничений, заданных режимов работы и т.п. выбирается несколько альтернативных путей решения. Каждому пути соответствует управляющий программный блок из монитора. Под управлением этого блока осуществляет, , -

лей, определяются типы и форматы всех данных, формируется рабочий комплекс программ. Совместно с базой знаний (БЗ) и блоком эволюционной адаптации планировщик осуществляет реализацию процедур поиска для нахождения множества решений и для выбора некоторого подмножества эффективных решений среди .

Рис.2. Концептуальная схема ИСАПР

В ИСППР БЗ будет состоять из трех основных блоков: база общих знаний, база системных знаний, база прикладных знаний. В первом блоке будут храниться , . блоке будут храниться знания о всех внутренних связях самой системы. В третьем блоке будут храниться все прикладные знания, например, описание предметных областей, правила и ограничения на процесс принятия решений, комплексы алго-. . ( ), -вуют в ИСППР и взаимодействуют с БЗ, последние позволяют обрабатывать знания и в результате этого получать новые знания. БЗ удобно представлять в виде сети фреймов или графов. Причем каждый фрейм связывает воедино знания о данной ситуации ПР и предсказывает, какие объекты будут обрабатываться, какие события могут произойти.

Предлагается совместное использование экспертных систем (ЭС) и методов эволюционной адаптации для эффективного решения таких задач. ЭС ИСППР позволяют разработать структурированную схему, отражающую весь ход процесса принятия решений в неопределенных и расплывчатых условиях. Эта схема дает возможность составить конечное множество вопросов, которые помогут пользователю эффективно произвести весь процесс решения. ЭС ИСППР помогают пользователю накапливать и обрабатывать различные виды глубинных и поверхностных знаний или их представлений в виде соответствующих моделей. Глубинные знания помогают отображать разрабатываемую структуру. К ним относятся при, , , . -руют и интерпретируют действия пользователя по организации своих знаний об объекте и делают из них выводы. В основном ЭС ИСППР состоит из трех основ: ( ), -тический разбор предложений пользователя во время работы; примитивы в обра-

; , -.

В заключении отметим, что описанная архитектура ИСППР переносит опыт пользователя в ЭВМ для принятия эффективных решений.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Люггер Д.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. М.: Вильямс,2003.

2. Ларичев (ХМ. Теория и методы принятия решений, а также Хроника событий в Волшебных Странах. М.: Логос,2000.

3. Кини Р.Л., Райфа X. Принятие решений при многих критериях: предпочтения и замещения. М.: Радио и связь,1981.

4. Трахтенгер1^ Э.А. Компьютерная поддержка принятия решений. М.: Синтег,1998.

5. Емепьянов В.В., Курейчик В.М., Курейчик В.В. Теория и практика эволюционного моделирования. М.: физматлит, 2003.

6. Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы. / под ред. В.М. Курейчика. Учебное пособие. М: ФИЗМАТЛИТ,2006.

УДК 321.628

В.В. Курейчик ПАРАЛЛЕЛЬНЫЙ ГЕНЕТИЧЕСКИЙ ПОИСК ДЛЯ АВТОМАТИЗАЦИИ ПРОЕКТИРОВАНИЯ ТОПОЛОГИИ СБИС*

В настоящее время многие задачи автоматизации проектирования топологии СБИС решаются на основе эволюционного моделирования и генетического поиска. Целью работы является анализ путей и методов повышения скорости работы генетических алгоритмов (ГА) при автоматизации проектирования топологии СБИС.

( ),

позволяющие в отличие от стандартных и существующих ГА частично решать проблему предварительной сходимости алгоритмов и повышать скорость обработки информации не ухудшая качества решений.

При решении задач автоматизации проектирования топологии СБИС ГА дают много преимуществ. Одно из них - это приспособление к изменяющейся окружающей среде. Другое преимущество ГА состоит в способности быстрой генерации достаточно хороших альтернативных решений на основе комбинированных методов локального и генетического поиска. Автором введены основные стратегии взаимодействия поисковых методов и ГА: «поиск - эволюция»; «эволюция - поиск»; «поиск - эволюция - поиск»; «эволюция - поиск - эволюция»; «поиск - поиск - - »; « - - - ».

В настоящее время при генетическом поиске решений в задачах большой размерности (п>1000) перспективным представляется разбиение популяции на части и параллельная реализация различных моделей эволюции. Одним из возможных путей ускорения вычислений за счет параллельного выполнения генетических алгоритмов является представление структуры ГА в виде совокупности слабо связанных потоков команд. Тогда алгоритм может быть сегментирован как совокупность

Работа выполнена при частичной финансовой поддержке программы развития научного потенциала высшей школы 2006-2008 годы (проекты РНП.2.1.2.2238, РНП 2.1.2.3193)