В. С. Симанков, Е. В. Луценко
| ↑ | Оглавление | ||
| Глава 1, «Основные понятия и определения. Объект и предмет исследования» | → |
Развитие теории и практики АСУ связано с количественным и качественным расширением сферы их применения. Этот процесс является многоплановым и идет одновременно по различным направлениям. Одним из наиболее перспективных является создание адаптивных АСУ сложными системами (ААСУ СС).
На практике создание таких АСУ сдерживается недостаточной разработанностью теории, стандартных, проверенных и отработанных на практике методов их синтеза, а также недостатком соответствующих инструментальных программных средств.
Актуальность данного исследования определяется необходимостью решения следующих задач:
В предлагаемой работе принят следующий порядок изложения материала:
Рассмотрим эти вопросы подробнее.
Одним из первых этапов проектирования АСУ традиционно является построение математической модели объекта управления. Однако если объект управления является сложной системой, то это сделать затруднительно, так как традиционно система определяется как сложная, если для построения ее модели недостаточно априорной (т.е. доступной до создания АСУ) информации [332]. В необходимости разрешения данного противоречия и заключается основная проблема, возникающая при создании ААСУ СС.
По литературным данным основная проблема частично решается в самонастраивающихся системах автоматического управления (САУ), однако это возможно лишь для достаточно простых технических систем, описываемых небольшим количеством параметров.
Поэтому для решения этой проблемы необходимы новые идеи, которые обеспечивали бы построение и адаптацию математических моделей сложных динамических слабодетерминированных многопараметрических систем.
В рамках поиска такого подхода авторами сформулирована и предложена концептуальная идея о возможности применения адаптивной модели распознавания образов (распознавания образов) в подсистеме идентификации состояния объекта управления и адаптивной модели принятия решений — в подсистеме выработки управляющих воздействий.
Проанализированы функции основных подсистем АСУ типовой (обобщенной) структуры и определено, в каких подсистемах выполняются функции, которые могли бы поддерживаться методами распознавания образов и принятия решений. С учетом результатов этого анализа типовая модель АСУ конкретизирована и на ее основе разработана параметрическая модель ААСУ СС, отличающаяся от типовой модели высокой конкретизацией функций систем распознавания образов и принятия решений в составе АСУ. Далее концептуальная идея конкретизирована до уровня алгоритма функционирования ААСУ СС на основе моделей распознавания образов и принятия решений.
Дальнейшая конкретизация предлагаемого авторами решения возможна на пути поиска или разработки адекватной математической модели, обеспечивающей распознавание образов и принятие решений в АСУ. Для этого были рассмотрены принципы классификации моделей и определен класс моделей, пригодных для моделирования сложных динамических систем. Сформулированы общие требования к методам распознавания образов и принятия решений, ориентированным на их применение в составе ААСУ СС, а также определены критерии, позволяющие оценить степень соответствия конкретных методов этим требованиям. Проведен аналитический обзор, в котором каждый метод рассматривался прежде всего под углом зрения его адекватности для применения в ААСУ СС. При этом задача исчерпывающего описания самих математических моделей распознавания образов и принятия решений не ставилась, так как это выходит за рамки данной работы.
В результате аналитического обзора сделан вывод о том, что готового метода, в полной мере соответствующего всем сформулированным критериям адекватности, в рассмотренной литературе в законченном виде не приводится, и, следовательно, актуальной является разработка такого метода.
В то же время было показано, что задачи выбора конкретного вида частных критериев, а также вида интегрального критерия для случая ААСУ СС требуют формальной постановки и решения. Из специальной литературы известно много вариантов решения этих вопросов, обладающих своими относительными преимуществами и недостатками. Очевидно, задача выбора варианта, наиболее адекватного для применения в ААСУ СС, требует дополнительных исследований. В этом плане перспективными являются методы, основанные на сведении многокритериальной задачи к однокритериальной путем введения интегрального критерия. Авторами обосновано применение математического аппарата теории информации при разработке частных критериев и интегрального критерия.
В работе приведены необходимые для дальнейшего анализа сведения из теории информации, в частности, проанализированы различные подходы к определению понятия «информация», на примере метода сведения многокритериальной задачи принятия решений к однокритериальной показана глубокая внутренняя взаимосвязь данной модели с математической моделью распознавания образов.
На этой основе авторами введено понятие «интегрального метода» распознавания образов и принятия решений, и, после изложения основных понятий теории информации, предложена базовая математическая модель «интегрального метода», основанная на семантической мере целесообразности информации. Таким образом, теория информации рассматривается как единая концептуальная и математическая основа методов распознавания образов и принятия решений: распознавание рассматривается как принятие решения о принадлежности объекта к классу распознавания; прогнозирование, как распознавание будущих состояний объекта управления; принятие решения об управляющем воздействии как решение обратной задачи распознавания.
Проведено исследование базовой математической модели на примере решения основной задачи АСУ, т.е. задачи принятия решения о наиболее эффективном управляющем воздействии. Осуществлена декомпозиция основной задачи в последовательность частных задач, для каждой из которых найдено решение, показана взаимосвязь основной задачи АСУ с задачей декодирования теории информации, исследована взаимосвязь примененной в модели семантической меры Харкевича со статистикой χ2, обоснована устойчивость модели при малых выборках, дано обоснование сопоставимости частных критериев и аддитивности интегрального критерия, определено понятие ценности признака для решения задач распознавания и принятия решений, разработана интерпретация распознавания как объектного анализа (разложение в ряд по профилям образов), предложены робастные процедуры, а также процедуры приведения структуры выборки к репрезентативной.
Предложена базовая когнитивная концепция и показано, как в рамках разработанной математической модели реализуются основные когнитивные операции, необходимые для интеллектуального управления сложными системами: обобщение (синтез, обучение), абстрагирование, распознавание (идентификация), прогнозирование, верификация, адаптивность, внешнее сравнение, классификация, содержательное сравнение, анализ состояний объекта управления и факторов.
Рассмотрены вопросы синтеза ААСУ СС на основе применения инструментальной программной системы: разработаны вопросы методологии, сформулирована постановка основной проблемы, возникающей при синтезе ААСУ СС, предложена конкретная методика синтеза адаптивных АСУ сложными системами. Приведен развернутый пример применения разработанной методики, в котором в качестве объекта управления рассматриваются предприятия различного направления деятельности.
Описаны инструментальная программная система, реализующая разработанную математическую модель и базовую когнитивную концепцию, — это когнитивная аналитическая система «Эйдос», функциональная структура системы и технология ее применения для разработки и эксплуатации приложений, обеспечивающих идентификацию состояний, прогнозирование развития и управление состояниями сложных систем.
Очевидно, что для применения инструментальной программной оболочки необходима определенная инфраструктура, которая может состоять из нескольких человек, а также может представлять собой полноценное развернутое подразделение или даже организацию. В монографии приводится проект такого подразделения.
Изложены теоретические основы информационной теории стоимости и информационно-функциональной теории развития техники. На этой основе предложен подход к оценке социально-экономической эффективности АСУ, базирующихся на системах искусственного интеллекта.
Дан обзор опыта применения базовой системы «Эйдос» и описаны созданные системы окружения: система анализа и прогнозирования ситуаций на финансовом рынке «Эйдос-фонд», автоматизированная система комплексной обработки данных психологического тестирования «Эйдос-Ψ». Приведены данные о научных исследованиях, проведенных по данной технологии.
Рассмотрены перспективы применения предлагаемой технологии в различных предметных областях.
| ↑ | Оглавление | ||
| Глава 1, «Основные понятия и определения. Объект и предмет исследования» | → |
© Виктор Сафронов, 2006–2017
Пользовательское соглашение | RSS | Поддержать проект | Благодарности