ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ ПРАВИЛ

АННОТАЦИЯ

Системы поддержки принятия решений очень важная часть автоматизированной системы. Есть различные способы представления знаний в СППР. В рамках данной статьи предлагается рассмотреть такой способ, как продукционная модель.

Ключевые слова: системы поддержки принятия решений, продукционная модель, алгоритм Rete.

Системы поддержки принятия решений (СППР) являются важной частью автоматизированной системы. Под СППР можно понимать автоматизированную систему, с помощью которой пользователь может использовать данные и модели для решения различных задач управления и принятия важных решений.

Существуют различные подходы к представлению знаний в системах поддержки принятия решений. В данной статье остановимся на таком подходе, как продукционная модель.

Правила – это способ представления основных знаний предметной области, которые объясняют возникновение тех или иных явлений, дают возможность прогнозировать развитие ситуации, позволяют связывать отдельные объекты реального мира. Правила отображают модель рассуждения эксперта в ситуациях, по которым накоплено достаточно примеров принятия решений. В виде правил представляются знания, логическая система которых упорядочена.

Одна из основных отраслей, где продукционная модель системы поддержки принятия решений довольно популярна, это промышленная.

Модель на основании правил, дает возможность представлять необходимые знания в следующем виде:

"ЕСЛИ <условие>, ТО <действие>".

Ниже приведено общее представление модели принятия решений на основании правил:

i = < S; L; A → B; Q >                                                                                                                 (1)

S – описание класса ситуаций;

L – условие, когда продукция активизируется;

A → B – ядро продукции;

Q – постусловие для продукционного правила.

Для реализации метода на основе правил, обычно пользуются алгоритмом Rete, а также различными его модификации.

Rete – эффективный алгоритм сопоставления с образцом для продукционных систем, экспертных систем и баз знаний. [1] При наивной реализации экспертная система проверяет чтобы каждое правило вывода применялось к каждому факту из базы знаний. Если возникает необходимость, то правило выполняется и осуществляется переход к следующему. При исчерпании всех правил, происходит возврат в начало.

Буквальная реализация работает очень медленно даже при условии совсем небольшого набора фактов и правил. В отличие от этого, алгоритм Rete строит граф. В качестве узлов данного графа выступают части условий правил. Полное условие образуется в виде пути от корня до листа. Каждый узел в течение работы хранит список фактов, которые соответствуют условию. Когда происходит добавление или модификация факта, он прогоняется по сети. В этот момент отмечаются узлы, в которых условиям соответствует данный факт. Когда система достигает листа графа, выполняется полное условие правила и правило реализуется. [3]

Алгоритм Rete жертвует объемом памяти для того, чтобы обеспечить скорость. В следствие чего начали использоваться вариации исходного алгоритма, например, такие, как TREAT и LEAPS.

Плюсом модели принятия решений на основе правил является возможность легко внести изменения, при необходимости.

Список литературы:

1. Алгоритм Rete [электронный ресурс] – Режим доступа. – URL: https://ru.wikipedia.org/wiki/Алгоритм_Rete (дата обращения 15.12.2019)
2. Продукционная модель знаний [электронный ресурс] – Режим доступа. – URL: http://www.aiportal.ru/articles/knowledge-models/production-model.html (дата обращения 15.12.2019)
3. Классификация методов поддержки принятия решений [электронный ресурс] – Режим доступа. – URL: https://docplayer.ru/27997402-Na-urovne-polzovatelya-haettenschwiler-1999-4-delit-sppr-na-passivnye-aktivnye-i-kooperativnye-sppr.html (дата обращения 15.12.2019)