Об искусственном интеллекте Текст научной статьи по специальности «Компьютерные и информационные науки»

Библиографическая ссылка

1. Трифанов И. В., Оборина Л. И., Гайденок Н. Д. Разработка стандартов и нормативных документов : учеб. пособие / Сиб. гос. аэрокосмич. ун-т. Красноярск, 2009. 364 с.

Reference

1. Trifanov I. V, Oborina L. I., Gaidenok N. D. The development of standards and normative documents: tutorial / Sib. Aerospace University of. Krasnojarsk, 2009. 364 p.

© Захарова Н. В., 2014

УДК 004.89

ОБ ИСКУССТВЕННОМ ИНТЕЛЛЕКТЕ

В. Б.Звонков

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660014, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31

E-mail: [email protected]

Рассмотрены некоторые направления исследований в рамках искусственного интеллекта. Приведены исследования автора в этом направлении.

Ключевые слова: искусственный интеллект, оптимизация, интеллектуальный анализ данных.

ABOUT ARTIFICIAL INTELLIGENCE V. B. Zvonkov

Siberian State Aerospace University named after academician M. F. Reshetnev 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660014, Russian Federation E-mail: [email protected]

Some areas of artificial intelligence have been described. The research is represented in this direction.

Keywords: artificial intelligence, optimization, data mining.

Приняв участие 30 июня - 6 июля в школе-семинаре и симпозиуме в Светлогорске, автор заинтересовался данным направлением исследований. Интересно понять актуальные направления исследований в области искусственного интеллекта и своё место в этом направлении. На конференции были представлены множество актуальных пленарных и секционных докладов. Параллельно проходила работа Международного Поспеловского симпозиума [2] и Международной Поспеловской летней школы-семинара «Методы и технологии гибридного и синергетическо-го искусственного интеллекта». Были научные дискуссии и мастер-классы от выдающихся учёных. Рассмотрим некоторые.

Александр Васильевич Колесников сделал доклад на тему «Гетерогенные естественные и искусственные системы, поддерживающие принятие решений» [2]. Новая картина нашего мира требует новых методов исследований. «Гетерогенная - неоднородная система, состоящая из однородных частей (фаз), разделенных поверхностью раздела (разрывы в непрерывности физических свойств). Однородные части (фазы) могут отличаться друг от друга по составу и свойствам. Число веществ (компонентов), термодинамических фаз и степеней свободы связано правилом фаз». Другие важные свойства новой картины мира: разнообразие, дополнительность, сотрудничество и относительность знания. Такие свойства связаны с именами следующих учёных: У. Росс Эшби, С. Бир, Нильс Бор и др. Гетеро-

генной системой является и мозг человека. Изучая работу мозга, исследователи пытаются понять, как он принимает решения в различных сложных, незнакомых, нечётких, слабо формализованных задачах. По аналогии с реальной работой экспертов в виде консилиумов, совещаний, координационных советов и ЛПР при решении сложной задачи, компьютерные системы поддержки принятия решений моделируют их коллективную работу. Согласно исследованиям А. В. Колесникова, гетерогенная кибернетическая система - гибридная система управления. «Основное нововведение -разнородные модели знаний экспертов СППР и межмодельный интерфейс: дополнительность и сотрудничество экспертов при решении поставленной ЛПР задачи». СППР функционируют в ситуационных комнатах и ситуационных центрах. Целью исследований являлось «создание искусственных гетерогенных систем, разнообразие которых, как минимум, релевантно разнообразию естественных гетерогенных систем. Это открывает путь к решению сложных (практических) задач - гетерогенных систем» [1; 2].

Сергей Викторович Листопад [1; 2] разработал гибридную интеллектуальную многоагентную систему для решения сложной транспортно-логистической задачи. Функциональная гибридная интеллектуальная система с координацией для решения сложной задачи оперативно-производственного планирования на машиностроительном предприятии с мелкосерийным заказным характером производства разработана Сер-

Решетневскуе чтения. 2014

геем Алексеевичем Солдатовым [2]. София Борисовна Румовская разработала функциональную гибридную интеллектуальную систему диагностики артериальной гипертензии (материалы школы-семинара), которая позволила улучшить качество работы естественных экспертов с помощью компьютерной программы, так как у экспертов были существенные ограничения: 10 минут на пациента, объём симптоматической информации - 800 параметров. Общее число моделей гетерогенного модельного поля - 23, функциональных элементов - 14 (ИНС - 2, НЭС - 10, ЭС -2), технологических элементов - 9 генетических алгоритмов в рамках данной задачи.

Решение творческих задач на основе инженерии образов, нечётких логистических систем и механизмов эмоций было доложено Игорем Борисовичем Фоминых [2]. В рамках его исследований применялись технологии решения творческих задач на компьютере: наблюдение за процессом решения задачи экспертом, использование рефлексии, моделирование интуиции, моделирование эмоций. «Творческая задача - задача, условия которой выглядят противоречивыми и несовместимыми (отсутствует объект, удовлетворяющий всем условиям задачи)».

Валерий Борисович Тарасов сделал доклад на тему «Синергетический искусственный интеллект: моделирование переговоров между автономными агентами» [2]. Термин «синергия» понимается им как совместное действие, сотрудничество. «Синергетика есть междисциплинарное научное направление, исследующее процессы взаимодействия, кооперации, самоорганизации, эволюции сложных, открытых, динамически систем». Г. Хакен - «отец синергетики». Примеры синергетических организаций: альянсы и объединения (синергия различных активов компаний); виртуальные корпорации (синергия ресурсов, находящихся в различных местах); интеллектуальные организации (синергия знаний, циркулирующих в корпоративной сети); обучающиеся предприятия (синергия сквозных процессов обучения на индивидуальном, коллективном и организационном уровнях).

«Интеллектуальный поиск и анализ текстов» был доложен Геннадием Семеновичем Осиповым из Института системного анализа РАН на мастер-классе школы-семинара. Этот анализ осуществлялся с помощью разработанной, запатентованной и внедрённой системы Exactus Expert научным коллективом во главе с Г. С. Осиповым. Система значимо отличается от Яндекс, Google поиска и аналогичных систем. Поисковые машины Яндекс, Google осуществляют поиск по ключевым словам и выводят сайты в порядке убывания релевантности введённому запросу. Поисковая же система Exactus Expert позволяет более удобно вводить поисковые запросы в виде целых утвердительных или вопросительных предложений, а также позволяет проводить анализ научных текстов и научных коллективов.

Мною были сделаны 2 доклада в рамках симпозиума и школы-семинара. Первый доклад [2] был по-свящён решению сложных задач оптимизации различными методами. Целью исследований являлось повышение эффективности принятия решений конечными пользователями за счёт применения самоорга-

низующихся интеллектуальных алгоритмов обработки информации и рекомендаций по настройке и использованию алгоритмов без привлечения множества экспертов из различных областей знаний. Проведённые исследования: проведено сравнение эффективности авторских самоорганизующихся процедур и мно-гоагентного стайного алгоритма, канонического ГА (стандартного ГА); сравнение авторских программных систем с некоторыми коммерческими продуктами (Statistica 8.0, Deductor Studio Academic 5.2, Matlab R2012a); получены наилучшие настройки ГА, которые в среднем на конкретном классе задач обеспечивают высокую эффективность функционирования, и выработаны рекомендации для выбора и настройки конкретных алгоритмов для решения задач различных классов. Методика исследований: многократные прогоны алгоритмов (500, 1000) на представительных множествах тестовых и прикладных задач с последующим применением методов статистического анализа данных. Критерии сравнения алгоритмов: надёжность работы, скорость сходимости к оптимуму, время функционирования и др. С доверительной вероятностью 0,975 результаты вычисления численных критериев эффективности по 1000 прогонам в различных тестах с одинаковыми настройками отличаются друг от друга по модулю не более чем на 2 %, т. е. наблюдается статистическая устойчивость. Цель и задачи исследований были решены. Второй доклад в рамках школы-семинара был посвящён созданию и исследованию модели автозаправки с целью повышения эффективности её функционирования. Исследовалась модель СМО с ограниченным временем ожидания, ограниченной мощностью накопителя и отказами. При заполнении накопителя или отсутствии нужного вида топлива заявки покидают систему -получают отказ в обслуживании. При ожидании более 15 минут заявки (машины) уезжают на другую ближайшую автозаправку к конкурентам. Характеристики рассчитывались для одноканальной и многоканальной параллельной СМО: процент работы сервисов, процент простоя сервисов, число обслуженных заявок, время пребывания в очереди, время пребывания в системе. Структура СМО выбиралась генетическим алгоритмом. Методика исследований аналогична первому докладу. Рассматриваемая сложная система имеет внешние неуправляемые, неконтролируемые переменные, которые учитываются моделью в отличие от существующих формул и моделей СМО. Дополнительным преимуществом разработанной программы является отсутствие требований стационарности, ординарности, отсутствие последействия потока заявок, т. е. рассматривался реальный поток заявок, а не идеализированный упрощённый случай. Проведённые исследования: исследованы генераторы псевдослучайных чисел на ЭВМ (выбран конгруентный); разработана, реализована и исследована имитационная модель СМО, подтверждена статистическая устойчивость критериев эффективности алгоритмов СМО, проверена адекватность построенной имитационной модели, выбрано оптимальное количество сервисов с использованием многокритериальной оптимизации. Модель была апробирована на реальных дан-

ных с автозаправки на остановке «Художественная галерея» правого берега Красноярска.

Библиографические ссылки

1. Колесников А. В., Кириков И. А., Листопад С. В. Гибридные интеллектуальные системы с самоорганизацией: координация, согласованность, спор. М. : Изд-во Ин-та проблем информатики РАН, 2014. 189 с.

2. Гибридные и синергетические интеллектуальные системы : материалы II Междунар. Поспелов-ского симпозиума / под ред. д-ра техн. наук, проф. А. В. Колесникова. Калининград : Изд-во БФУ им. И. Канта, 2014. 406 с.

References

1. Kolesnikov A. V., Kirikov I. A, Listopad S. V. Hybrid intelligent systems with self-organization: coordination, coherence, dispute. M. : Publishing house of Institute of Informatics problems of RAS, 2014. 189 p.

2. Hybrid and synergy intelligent systems: proceedings of the II International Pospelov's Symposium / group of authors; under general edition by Kolesnikov A. V. Kaliningrad: Publishing House of BFU named after I. Kant, 2014. 406 p.

© Звонков В. Б., 2014

УДК 658.512.001.56

ПРОГРАММНАЯ РЕАЛИЗАЦИЯ МОДИФИЦИРОВАННОГО АЛГОРИТМА МУРАВЬИНОЙ

КОЛОНИИ ДЛЯ W-ВЕРСИОННОГО ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ

П. В. Зеленков, Д. И. Ковалев, Е. В. Соловьев, М. В. Сарамуд, Г. А. Прохорович

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева Российская Федерация, 660014, г. Красноярск, просп. им. газ. «Красноярский рабочий», 31

E-mail: [email protected]

Модификация муравьиного алгоритма для задачи формирования состава отказоустойчивого программного обеспечения с N-версионной архитектурой реализована в программном комплексе ACO N-version software creator. Разработанный программный комплекс позволяет проводить эксперименты на различных задачах формирования оптимального состава N-версионного программного обеспечения.

Ключевые слова: N-версионное программное обеспечение, алгоритм муравьиной колонии, надежность.

THE SOFTWARE IMPLEMENTATION OF THE MODIFIED ANT COLONY ALGORITHM FOR THE N-VERSION SOFTWARE

P. V. Zelenkov, D. I. Kovalev, E. V. Soloviev, M. V. Saramud, G. A. Prohorovich

Siberian State Aerospace University named after academician M. F. Reshetnev 31, Krasnoyarsky Rabochy Av., Krasnoyarsk, 660014, Russian Federation E-mail: [email protected]

Modification of ant algorithm for the task to develop a composition of fault-tolerant software with N-versioned architecture is implemented in the software package ACO N-version software creator. Developed software complex allows to conduct experiments on various problems of the formation of the optimal structure of the N-version software.

Keywords: N-version software, ant colony algorithm, reliability.

Предложенная в данной работе модификация муравьиного алгоритма для задачи формирования состава отказоустойчивого программного обеспечения была реализована в программном комплексе, получившем название ACON-versionsoftwarecreator. Данное программное приложение написано на языке программирования C# с использованием среды программирования приложений Microsoft Visual Studio 2012. Это позволило использовать возможности, предоставляемые объектно ориентированным подходом при разработке программного обеспечения, а также задействовать Windows Forms Framework при разработке графического интерфейса пользователя, знакомого любому пользователю персонального компьютера,

работающего под управлением операционной системы Windows.

Пользователем задаются все параметры задачи. Определяются модули будущей N-версионной программы, их название и состав. Каждый модуль содержит некоторое количество версий, каждая из которых имеет название, а также показатель надежности и стоимости. Пользователь формирует структуру связей между будущими модулями программы, а также вероятности перехода от одного модуля к другому. Задаются ограничения, которые накладываются на программу, в виде пороговых значений надежности и стоимости [1; 6]. Задается цель поиска. Это может быть минимизация стоимости программы с учетом