Элементы теории мультиагентных систем

Виртуальные организации. Одной из важнейших работ начала 1990-х гг. стала статья И. Шоэма «Агентно-ориентированное программирование». В ней был описан социальный взгляд на организацию вычислений, связанный с взаимодействием агентов в процессе вычислений. В статье социальный (коллективный) агент определяется пятеркой

SA = (ST, L, AC, SL, T),

где ST – множество состояний st;

L – множество языков l;

АС – множество действий ac;

SL – множество социальных законов sl, а социальный закон sl есть множество ограничений вида (ас, φ);

T – обобщенная функция переходов T: ST AC SL → ST, удовлетворяющая следующим условиям:

а) для любых st ST, ac AC, sl SL, если действие ас осуществляется в рамках ограничений φ в соответсвии с законом sl (т. е. (ас, φ) sl), то происходит переход из состояния st в состояние st' T (st, ac, sl);

б) для любых st ST, ac AC, sl ₁ SL, sl ₂ SL, если sl ₁> sl ₂ (закон sl ₁ доминирует над законом sl ₂), то T (st, ac, sl ₁) T (st, ac, sl ₂).

Тогда виртуальная организация определяется как MAC, состоящая из социальных агентов, подчиняющихся множеству социальных законов и имеющих общие состояния, единый язык для описания состояний, согласованное множество действий и функцию переходов.

Модальные логики. Для описания ментальных (умственных, психических) состояний (целей, намерений, желаний, возможностей и запретов в поведении агента) используются различные варианты модальных логик.

Модальные логики – это логики, в которых для описания ментальных состояний агентов, наряду с обычными высказываниями (предикатами), допускаются модальные операторы общности и существования типа:

· необходимо и возможно (алетическая логика);

· известно и не опровергнуто (эпистемическая логика);

· верит и допускает (доксастическая логика);

· обязательно и не запрещено (деонтическая логика),

· желает и не отвергает (оптативная логика);

· всегда и иногда (временная логика) и т. д.

Алетическая логика предназначена для описания реалий мира, в котором действует агент. Эпистемическая и доксатическая логики характеризуют знания и убеждения агента, составляющие его модель этого мира, представленную в «сознании» агента. Деонтическая и оптативная логики предназначены для описания обязательств, ограничений и устремлений агента. Временная логика используется для описания динамических аспектов мира, в котором действует агент.

Символически модальные операторы общности и существования обозначаются, соответственно, как и ◊. Их смысл подобен смыслу кванторов общности и существования в исчислении предикатов. Операторы и à по определению связаны отношениями двойственности:

A = à A (т. е. А необходимо, когда A невозможно);

à A = A (т. е. А возможно, когда A не необходимо).

Эту связь можно считать определением одного оператора через другой, так что модальные формулы можно записывать, используя лишь один оператор. Эти соотношения также более четко определяют смысл слов, использованных для обозначения модальных операторов в перечисленных выше модальных логиках.

Синтаксис модальных формул модального языка L включает все синтаксические правила логики высказываний (поскольку модальные логики представляют собой расширение классической логики высказываний) плюс синтаксическое правило: если A – формула, то A и à A – тоже формулы.

Семантика модальных формул модального языка L характеризуется с помощью следующих понятий. Пара F =(W, R), где W – непустое множество точек, а R – есть бинарное отношение (R W ´ W) на множестве точек W, называется структурой.

Если P – множество атомов (простейших высказываний) модального языка L, то P - моделью на структуре F =(W, R) называется тройка M =(W, R, V), где V – отображение, сопоставляющее каждому высказыванию p из P подмножество V (p) точек из W, в которых высказывание p оказывается истинным. Если не возникает двусмысленности, то префикс P в определении Р - модели опускают и говорят просто о модели.

Пусть w – элемент из W и A – модальная формула в языке L. Тогда запись M |= _wA характеризует семантику формулы А и означает, что «A истинно в точке w в модели M». В общем виде семантика модальных формул формально определяется следующим образом:

M | _w Л;

M |= _wp, если w V (p);

M |= _wA ₁ A ₂, если из M |= _wA ₁ следует M |= _wA ₂;

M |=_w A, если для всех t W таких, что wRt, имеет место M |= _tA.

Последнее правило выражает тот факт, что формула A истинна в точке w модели M, если формула A истинна во всех точках t, находящихся в отношении R c точкой w.

Эти определения истинности модальных формул посредством семантических правил позволяют построить иерархию типов формул по областям их истинности:

· формула A истинна в модели M (обозначается M |= A), если она истинна во всех точках этой модели;

· формула A истинна в структуре F =(W, R) (обозначается F |= A), если A истинна в любой модели M = (W, R, V);

· формула A общезначима (обозначается |= A), если А истинна во всех структурах F =(W, R).

Семантика возможных миров Крипке. Мир, в котором действует агент, может быть неоднороден или может пребывать в различных состояниях. В этом случае для агента мир в целом предстает как множество миров, с каждым из которых ассоциируется некоторая теория, опирающаяся на множество истинных в этом мире утверждений (атомарных предикатов и формул). Следовательно, при переходе из одного мира в другой способ рассуждений и поведение агента должны меняться согласно этим теориям.

В семантике возможных миров Крипке непустое множество W называют универсумом, элементы w W – возможными мирами универсума, а бинарное отношение R – отношением достижимости. Таким образом, структура в семантике Крипке определяется на множестве W возможных миров, связанных между собой отношением достижимости R, а обозначение sRt выражает факт достижимости мира t из мира s в универсуме W.

Набор свойств отношения достижимости R в моделях Крипке индуцирует (предопределяет) состав схем аксиом модальной логики. Ниже дан список учитываемых при этом свойств бинарного отношения R.

1. Рефлексивность: 2. Симметричность: 3. Репродуктивность: 4. Транзитивность: 5. Евклидовость: 6. Частичная функциональность: 7. Функциональность: 8. Слабая плотность: 9. Слабая связность: 10. Слабая направленность:

s (sRs). s t (sRt tRs). s t (sRt). s t u (sRt tRu sRu). s t u (sRt sRu tRu). s t u (sRt sRu t = u). s t (sRt). s t (sRt u (sRu uRt)). s t u (sRt sRu tRu t = u uRt). s t u (sRt sRu v (tRv uRv)).

Этому списку свойств отношения R соответствует список схем формул:

1) A A;

2) A à A;

3) A à A;

4) A A;

5) à A à A;

6) à A A;

7) à A A;

8) A A;

9) (A B B) (B B A);

10) à A à A.

Связь перечисленных свойств отношения достижимости R и соответствующих им схем формул устанавливает теорема 7.1.

Теорема 7.1.Если задана структура F= (W, R), то отношение R тогда и только тогда обладает данным конкретным свойством из числа свойств 1–10, когда соответствующая ему схема формул истинна в F.

Классическим схемам аксиом присвоены следующие обозначения:

D: A à A;

T: A A;

4: A A;

B: A à A;

5: à A à A;

L: ((A A) B) ((B B) A);

W: (A A) A.

Часть приведенных схем формул широко используются в качестве схем аксиом в аксиоматических системах. Так, аксиоматическая система нормальной логики состоит из следующих трех компонент:

· аксиоматической системы некоторой логики высказываний;

· схемы аксиом (A B) (A B), обозначаемой K;

· модального правила вывода необходимости |–_L A |–_L A.

Наименьшую нормальную логику, содержащую схемы S₁, …, S_n, принято обозначать L = K S₁ … S_n. Так для широко применяемых логик КТ 4 и КТ 45 часто используются сокращённые обозначения: S 4 – для КТ 4 и S 5 – для КТ 45. Аксиоматические системы для логик КТ, S 4, S 5 получаются добавлением соответственно схем T, 4 и 5 в качестве схем аксиом к аксиоматической системе нормальной логики. Особая значимость этих логик объясняется следующими теоремами.

Теорема 7.2. Формула A является теоремой логики КТ тогда и только тогда, когда A истинна во всех структурах, в которых R рефлексивно.

Теорема 7.3. Формула A является теоремой логики S 4 тогда и только тогда, когда A истинна во всех структурах, в которых R рефлексивно и транзитивно.

Теорема 7.4. Формула A является теоремой логики S 5 тогда и только тогда, когда A истинна во всех структурах, в которых R рефлексивно, транзитивно и евклидово (т. е. R – отношение эквивалентности).

Логики КТ, S 4 и S 5 важны в рамках формализации систем знания и веры, при которой модальный оператор принимает соответственно значения известно (агент знает) и предполагается (агент верит). По определению знание есть истинная информация.

Таким образом, схема T утверждает, что «то, что известно, является истинным». Эта схема добавляется к нормальной логике, если оператор означает известно.

Если же модальный оператор означает предполагается, то схема аксиом 4 гласит: «если агент верит, что A подтверждается, то он верит, что он верит, что A подтверждается». Эта способность называется позитивной интроспекцией. Она необходима для формализации описания так называемого совершенного интроспективного интеллекта.

Схема 5 формализует совершенную негативную интроспекцию, что означает: «если агент не верит, что A подтверждается, то он верит, что он не верит, что A подтверждается». Этим свойством выражается совершенное знание пределов веры агента.

Выбор модальной системы зависит от моделируемого интеллекта. Если нужно охарактеризовать знания некоего разумного субъекта (агента), обладающего совершенной способностью к логической интроспекции по поводу того, что известно и что неизвестно, то выбирают модальную систему S 5. Если же надо моделировать предположения некоторого идеального разумного субъекта (т. е. такого субъекта, чьи предложения могут оказаться ошибочными, но который всё же обладает совершенной способностью к логической интроспекции относительно того, во что он верит и во что не верит), то будет выбрана система K 45. Её также называют слабой S 5 системой.

Каждая из этих различных модальных систем индуцирует свойственное ей синтакcическое отношение выводимости, обозначаемое символом |– _S, где S – это название рассматриваемой модальной системы.

Однако, чтобы агент был успешен, он должен не только верить (Believe) и рассуждать, но также иметь желания (Desire) и стремиться (Intend) к своей цели (здесь слова Believe, Desire Intend обозначают варианты интерпретации оператора). Иначе говоря, сознание агента должно быть мультимодальным.

Аксиоматика модальных логик агентов, строящаяся на операторах убеждения, желания и намерения, обычно включает в себя следующие схемы аксиом, полученные в результате некоторых эквивалентных преобразований рассматривавшихся схем аксиом для более эффективной реализации баз знаний.

К -аксиомы:

Bе1(ф) & Ве1(ф ψ) Ве1(ψ);

Dеs(ф) & Des(ф ψ) Dеs(ψ);

Intend(ф) & Intend(ф ψ) Intend(ψ).

G -аксиомы (аксиомы обобщения – «каждая тождественно истинная формула содержится в убеждениях, желаниях и намерениях агента»):

if |- ф then |- Ве1(ф);

if | - ф then |- Dеs(ф);

if |-ф then |- Intend(ф).

Следующие аксиомы выражают: непротиворечивость убеждений (D -аксиома), позитивную интроспекцию агента (аксиома 4) и негативную интроспекцию агента (аксиома 5) (т. е. наличие убеждений о своих убеждениях):

(D) Ве1(ф) Ве1( ф),

(4) Ве1(ф) Ве1(Ве1(ф)),

(5) Ве1(ф) Ве1( Ве1(ф)).

Желания и намерения успешного агента также должны быть, по крайней мере, непротиворечивы, что также выражается следующей парой D -аксиом:

(D) Dеs(ф) Dеs( ф),

(D) Intend(ф) Intend( ф).

Но всем этим требованиям может соответствовать лишь агент, уже сформировавший свои убеждения, желания и намерения. В противном случае они могут пересмариваться агентом под влиянием полученной им новой информации. Такого рода ситуации исследуются в рамках так называемых немонотонных логик.

Немонотонные логики. Человеку часто приходится принимать решения и действовать в условиях неполной, изменчивой и неоднозначной информации, вынуждающей его пересматривать ранее принятые решения и способы поведения. В таком же положении находятся и агенты многоагентных систем.

Традиционные способы рассуждения, использующие логику предикатов первого порядка, основаны на трех важных предположениях:

1) теория адекватно описывает ПО (принцип адекватности);

2) теория непротиворечива (принцип непротиворечивости);

3) использование правил вывода лишь монотонно наращивает объем знания о ПО (принцип монотонности).

В немонотонных рассуждениях, где перечисленные условия в каждый текущий момент могут не соблюдаться, тоже приходится по-своему решать эти вопросы.

1. Неадекватность теории часто обусловлена нехваткой информации о ПО. Выход из положения в этих случаях ищут по-разному. Так Пролог исходит из гипотезы о замкнутости мира и считает ложным всё, истинность чего он не может доказать. Противоположный подход использует своего рода принцип презумпции невиновности, в соответствии с которым суждение считается истинным, пока не будет доказано обратное, что позволяет более тонко изучать нюансы ситуации.

2. Непротиворечивость для человеческих рассуждений весьма ограничительна. В задачах диагностики, например, часто принимают во внимание множество альтернативных предположений и сценариев, которые затем исключают по мере поступления новой информации и прояснения ситуации, ориентируясь при этом прежде всего на то, каков мир обычно.

3. Немонотонное наращивание знания о ПО возможно лишь через адаптацию имеющейся базы знаний с учетом поступающей информации. При этом возникают два вопроса: первый – как добавлять в базу новые знания, основанные лишь на предположениях; второй – что делать, если какие-либо предположения окажутся некорректными? Для комплексного решения всех этих проблем создаются системы поддержки истинности (СПИ), поддерживающие адекватность и непротиворечивость базы знаний с учетом накопленной информации и отслеживающие корректность логических рассуждений системы, основанных на предположениях.

При неполной информации рассуждения и заключения могут быть лишь правдоподобны, поскольку строятся в рамках предполагаемых сценариев.

Логика умолчаний, предложенная Рейтером, позволяет строить правдоподобные рассуждения с учётом изменений в логическом описании ПО, связанных с поступлением новой информации. Логика умолчаний – это один из вариантов расширения классической логики предикатов.

Формально логика с умолчаниями – это пара , где W – множество формул исчисления предикатов первого порядка (ИП), а D – множество умолчаний. Идея состоит в том, что W представляет неполное описание мира, а D представляет множество метаправил, используемых для того, чтобы создавать расширения этого описания.

Правило умолчания из множества D – это выражение вида:

,

где , , – это формулы языка ИП, свободные переменные которых выбраны среди ; – это требование умолчания; – обоснование умолчания , i = 1, …, m; – следствие умолчания; М – некий символ метаязыка.

Интуитивный смысл этого метаправила таков: если мы верим в и если выполнимо вместе со всем, во что мы верим, то можно верить и в . Если база знаний будет представлять то, во что мы верим, то сказанное можно переформулировать так: если присутствует в базе знаний и выполнимо с учетом всего, что содержит база знаний, то можно тоже поместить в базу знаний.

Умолчание D замкнуто, если не содержат свободных переменных, и открыто – в противном случае. Присвоение конкретных значений свободным переменным умолчания D называют его конкретизацией.

Расширение S теории с умолчаниями состоит из первоначально известных фактов и множества заключений по правилам умолчания, таких, что из S нельзя больше вывести дополнительные заключения, а обоснования всех сделанных по умолчанию заключений в S не противоречат S. Короче говоря, расширение S теории с умолчаниями – это множество утверждений теории, включающее множество фактов и всё то, что выводимо по правилам классической логики и/или логики умолчаний.

Применение правил умолчания в различном порядке может порождать различные варианты расширения: каждое расширение должно быть внутренне совместно (в том смысле, как это сказано выше в определении понятия расширения), но два различных расширения могут быть несовместны. Покажем это на примере.

Предположим, имеется следующие два факта и два правила теории:

Республиканец(Никсон).

Квакер(Никсон).

Республиканец(Х): Пацифист(Х) / Пацифист(Х).

Квакер(Х): Пацифист(Х) / Пацифист(Х).

Эта теория допускает два расширения, согласно одному из которых Никсон – пацифист, а согласно другому – нет. Несовместность расширений этой теории можно снять, если задать приоритеты в использовании правил (например, положив, что религиозные убеждения важнее политических). В некоторых теориях связывание переменных одним из несовместных правил полностью блокирует применение других таких правил.

В зависимости от характера неполноты знания о ПО используют разные приемы описания немонотонности:

а) если то, что обычно в ПО, может быть описано единой теорией, за некоторыми исключениями, в этом случае метасимвол М интерпретируется как оператор если_не (правило применяется как обычно, если ситуация не относится к числу аномальных);

б) если то, что обычно в ПО, может быть описано единой теорией, но теория ещё не сформирована и новая информация может вынуждать к пересмотру накопленного знания, метасимвол М в правилах немонотонного вывода служит обозначением оператора согласуется_с (правило применяется как обычно, если ситуация согласуется с наличным содержанием базы знаний);

в) если то, что обычно в ПО, не может быть описано единой теорией и эти новые теории ещё не сформированы, новые факты могут также означать начало формирования теории ещё не изученной части ПО, в этом случае метасимвол М используется для обозначения оператора не_противоречит (правило применяется как обычно, если ситуация не противоречит наличному содержанию базы знаний).

Таким образом, немонотонное формирование базы знаний о ПО необходимо, когда новые утверждения (факты) отменяют какие-либо утверждения из тех, что уже есть в базе знаний; непротиворечивое (монотонное) формирование базы знаний о ПО возможно когда каждое новое утверждение (факт) согласуется с каким-либо расширением (подсистемой знания) и не противоречит другим, имеющимся в базе знаний расширениям (подсистемам знания), либо полагает начало формированию нового расширения (подсистемы знания). Можно заметить, что случаи а) и б) отражают разные стадии формирования неразделимой базы знаний (допускающей лишь одно расширение), а случай в) – разделимой (допускающей более, чем одно расширение).

Контрольные вопросы и задания

1. Чем обусловлена необходимость обращения к агентному подходу?

2. Сопоставьте характеристики объекта ООП и агента.

3. Сформулируйте понятие агента в соответствии с определением, данным М. Вулдриджем и Н. Дженнингсом.

4. Сопоставьте классический подход к искусственному интеллекту и концепцию распределенного искусственного интеллекта.

5. Что представляет собой виртуальный агент, когнитивный агент?

6. Перечислите свойства интеллектуального агента согласно слабому определению понятия агента.

7. Что представляют собой ментальные состояния агента? Перечислите свойства агента, характеризующие его ментальные состояния.

8. Какие интенсиональные понятия характеризуют позицию агента и какие – направленность его поведения?

9. Перечислите свойства интеллектуального агента согласно сильному определению понятия агента.

10. Охарактеризуйте уровни архитектуры интеллектуального агента.

11. Назовите компоненты архитектуры агента и их функции.

12. Опишите компонентный состав мультиагентной системы.

13. В чем заключается главная проблема исследований по РИИ?

14. Назовите стадии распределенного решения задач.

15. Опишите виды соперничества в мультиагентной системе.

16. Дайте определение понятия и приведите формулу кооперации в МАС.

17. Перечислите показатели, определяющие уровень кооперации в МАС.

18. Назовите составные части доски объявлений и их функции в МАС.

19. Опишите принцип функционирования доски объявлений.

20. Перечислите требования к протоколам переговоров агентов в составе мультиагентной системы.

21. Опишите ситуации, когда применимы условия оптимальности по Парето в переговорах агентов мультиагентной системы.

22. Охарактеризуйте ситуации, когда применимы условия равновесия по Нэшу в переговорах агентов мультиагентной системы.

23. Что представляет собой протокол минимальных уступок в организации переговоров агентов в мультиагентной системе?

24. Каков состав переговорного множества согласно протоколу минимальных уступок?

25. Что представляет собой модель договорной сети для распределенного решения задач согласно принципу рыночных торгов Р. Смита?

26. В чем заключается усовершенствование Т. Сандхолма модели договорной сети Р. Смита?

27. Сформулируйте определение понятия виртуальной организации согласно И. Шоэму.

28. Что представляют собой модальные логики и каковы основные типы модальных логик?

29. Опишите синтаксис и семантику модальных формул.

30. Опишите семантику возможных миров Крипке.

31. Как связаны свойства отношения достижимости и схемы аксиом?

32. Опишите аксиоматическую систему нормальной логики.

33. Сформулируйте теоремы о полноте систем КТ, S 4, S 5.

34. Охарактеризуйте роль логик КТ, S 4, S 5 в описании знания и веры.

35. Опишите аксиоматику мультимодальных систем, основанных на убеждениях, желаниях и намерениях.

36. Назовите основания традиционных способов рассуждения и опишите их интерпретации в условиях неполноты информации.

37. Что представляет собой логика умолчаний Рейтера?

38. Дайте определение понятия раширения теории с умолчаниями.

39. Что представляют собой несовместные расширения теории с умолчаниями?

40. Охарактеризуйте назначение операторов если_не, согласуется_с, не_противоречит в построении немонотонных логик.

Заключение

В учебном пособии показано, что становление и эволюция интеллектуальных информационных систем является естественным результатом практического применения достижений в области исследований по проблеме искусственного интеллекта – научной области, развитие которой всегда было обусловлено отнюдь не прагматическими устремлениями, а прежде всего энтузиазмом ученых.

Существует множество толкований того, что представляет собой искусственный интеллект. В учебном пособии принята точка зрения, согласно которой искусственным интеллектом следует считать то, что, подобно естественному интеллекту, обеспечивает разумное поведение индивидов и их сообществ. А это значит, что интеллектом обладает тот, кто имеет достаточный объем знаний, умеет использовать эти знания для решения возникающих проблем, в том числе в условиях неполноты информации и неопределенности, способен приобретать и систематизировать новые знания, обмениваться информацией и взаимодействовать с разумными индивидами при решении сложных проблем. В соответствии с этим представлением об интеллекте и было выстроено содержание пособия.

Представленный в учебном пособии материал, с одной стороны, позволяет ознакомиться с научными основаниями систем искусственного интеллекта, с другой – демонстрирует всё ещё зачаточное состояние этой области исследований.

Что касается интеллектуальных информационных систем, то наиболее мощного прорыва, на наш взгляд, следует ожидать от развития интернет-технологий, где с очевидностью проявляют себя актуальные теоретические и прикладные проблемы, а достигнутые в их решении результаты находят немедленное практическое применение.

Учитывая последнее замечание, необходимо в дальнейшем в рамках данного курса уделять больше внимания вопросам, рассмотренным в разделе, посвящённом мультиагентным системам, в их взаимосвязи с предшествующими разделами курса.

Литература

1. Адаменко А. Н., Кучуков А. М. Логическое программирование и Visual Prolog. – СПб.: БХВ-Петербург, 2003. – 992 с.

2. Аксёнов С. В., Новосельцев В. Б. Организация и использование нейронных сетей (методы и технологии) / под общ. ред. В. Б. Новосельцева. – Томск: Изд-во НТЛ, 2006. – 128 с.

3. Корниенко А.В. Дискретная математика: учеб. пособие. – 2-е изд. – Томск: Изд-во ТПУ, 2000. – 104 с.

4. Корниенко А. В. Экспертные системы в экономике: учеб. пособие. – Томск: Изд-во ТПУ, 2002. – 120 с.

5. Логический подход к искусственному интеллекту: от классической логики к логическому программированию/ А. Тейз, П. Грибомон, Ж. Луи и др. – пер. с франц. – М.: Мир, 1990. – 432 с.

6. Люгер Дж. Ф., Искусственный интеллект: стратегии и методы решения сложных проблем: пер. с англ. – 4-е изд. – М.: Издательский дом «Вильямс», 2005. – 864 с.

7. Мелихов А. Н., Берштейн Л. С., Коровин С. Я. Ситуационные советующие системы с нечеткой логикой. – М.: Наука, 1990. – 272 с.

8. Нейлор К. Как построить свою экспертную систему: пер. с англ. – М.: Энергоатомиздат, 1991. – 286 с.

9. Нильсон Н. Принципы искусственного интеллекта / пер. с англ. – М.: Радио и связь, 1985. – 376 с.

10. Осуга С. Обработка знаний: пер. с япон. – М.: Мир, 1989. – 293 с.

11. Приобретение знаний: пер. с япон. / под ред. С. Осуги, Ю. Саэки. – М.: Мир, 1990. – 304 с.

12. Рассел С., Норвиг П. Искусственный интеллект: современный подход: пер. с англ. – 2-е изд. – М.: Издательский дом «Вильямс», 2006. – 1408 с.

13. Романов В.П. Интеллектуальные информационные системы в экономике: учеб. пособие. – М.: Изд-во «Экзамен», 2003. – 496 с.

14. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ: пер. с англ. – М.: Финансы и статистика, 1990. – 320 с.

15. Тельнов Ю. Ф. Интеллектуальные информационные системы в экономике: учеб. пособие. – М.: СИНТЕГ, 1999. – 216 с.

16. Тузовский А. Ф., Чириков С. В., Ямпольский В. З. Системы управления знаниями (методы и технологии) / под общ. ред. В. З. Ямпольского. – Томск: Изд-во НТЛ, 2005. – 260 с.

17. Экспертные системы. Принципы работы и примеры: пер. с англ. – М.: Радио и связь, 1987. – 224 с.

18. Элти Дж., Кумбс М. Экспертные системы: концепции и примеры: пер. с англ. – М.: Финансы и статистика, 1987. – 191с.

ОГЛАВЛЕНИЕ

Введение.. 3

1. Становление и классификация ИИС.. 6

1.1. История исследований по искусственному интеллекту. 6

1.1.1. Эволюция первых работ по искусственному интеллекту………...8

1.1.2. Экспертные системы.. 12

1.1.3. Общая типология систем искусственного интеллекта. 19

1.1.4. Направления современных исследований по ИИ.. 20

1.2. Эволюция информационных систем.. 21

1.3. Современные ИС, основанные на обработке баз данных. 23

1.4. Интеллектуальные информационные системы.. 28

1.5. Контрольные вопросы и задания. 40

2. Формы представления и типы моделей знаний.. 42

2.1. Логические модели.. 43

2.2. Продукционные модели.. 51

2.3. Сетевые модели.. 57

2.4. Контрольные вопросы и задания. 66

3. Представление и обработка нечетких знаний.. 68

3.1. Подход на основе условных вероятностей.. 70

3.2. Подход с использованием коэффициентов уверенности.. 72

3.3 Нечеткая логика Заде. 79

3.4. Контрольные вопросы и задания. 84

4. Методы поиска решений на основе знаний.. 86

4.1. Вывод заключений в логических моделях. 86

4.2. Язык программирования логики (Пролог). 92

4.3. Стратегии поиска решений для систем продукций.. 99

4.4. Методы поиска решений в сложных пространствах. 103

4.4.1. Методы поиска в одном пространстве. 104

4.4.2. Методы поиска в иерархии пространств. 108

4.5. Контрольные вопросы и задания. 114

5. Приобретение знаний.. 117

5.1. Процесс приобретения знаний.. 118

5.2. Основные стадии приобретения знаний.. 120

5.3. Приобретения знаний обучением машин.. 128

5.4. Контрольные вопросы и задания. 130

6. Нейронные сети.. 132

6.1. Основные понятия теории нейронных сетей.. 132

6.2. Модели нейронных сетей.. 139

6.3. Методы обучения нейронных сетей.. 143

6.4. Проектирование нейронных сетей.. 146

6.5. Контролные вопросы и задания. 148

7. Мультиагентный подход.. 150

7.1. Понятие агента. 150

7.2. Архитектура агента. 155

7.3. Мультиагентные системы и виртуальные организации.. 156

7.4. Элементы теории агентных систем.. 162

7.5. Контрольные вопросы и задания. 171

Заключение.. 173

Литература.. 174

Анатолий Васильевич Корниенко

ИНТЕЛЛЕКТУАЛЬНЫЕ
ИНФОРМАЦИОННЫЕ СИСТЕМЫ В ЭКОНОМИКЕ

Учебное пособие

Редактор А. А. Цыганкова