Document 641718

УДК 004.896(06) Интеллектуальные системы и технологии
С.В. ОРЛОВ
Тульский государственный университет
ИСПОЛЬЗОВАНИЕ ЛИНГВИСТИЧЕСКИХ МОДЕЛЕЙ
ДЛЯ РЕШЕНИЯ ЗАДАЧ ПРИБЛИЖЕННОГО МОДЕЛИРОВАНИЯ
Рассматривается алгоритм формирования частной приближенной модели исследуемой системы, методы оценки её адекватности и различающей способности.
Показано, что на основе лингвистического подхода возможно решение задачи
приближенного моделирования для интегрированных систем поддержки принятия
решений.
Для увеличения точности принимаемых решений база знаний интегрированных систем поддержки принятия решений (ИСППР) включает
формальные модели предметной области исследуемой системы (ИС). Такие модели строятся на основе количественной и качественной информации, поэтому исследование методов приближенного моделирования, инвариантных к типам данных, является актуальным.
Рассмотрим общий алгоритм формирования частной приближенной
формальной модели предметной области ИС.
Выборки данных (ВД) длиной n с m входными информативными
m
переменными (ИП) представляют собой матрицы M ( X | Y ) , где
X m  X1, X 2 ,, X m  - множества векторов значений входных ИП, Y m
X i  xi ,1 , xi , 2 ,  , xi ,n 
вектор значений выходных ИП,
, Xi  X ,
i  1,  , m и Y  y1 , y 2 ,, y n  .
Переменные модели такого вида определяются с точностью до некоторых подмножеств (интервалов) значений, характеристики которых (количество интервалов и их длины) являются основными параметрами моделирования и изменяются в процессе формирования лингвистической
модели. Так, при преобразовании информативных переменных в лингвистические (ЛП) области значений всех переменных разбиваются на
vi  V m1 интервалов с длинами, представленными векторами

Li  l1 , l 2 ,, lvi
, Li  Lm1 , Lm1  L1, L2 ,, Lm1 , а номера этих интер-
валов становятся базовыми термами соответствующих ЛП. Функция приISBN 978-5-7262-0883-1. НАУЧНАЯ СЕССИЯ МИФИ-2008. Том 10
161
УДК 004.896(06) Интеллектуальные системы и технологии
надлежности (ФП) F  [0,1] для каждого интервала (терма) строится таким образом, что каждое значение ИП попадает одновременно в два интервала – ему ставится в соответствие ЛП с двумя базовыми термами. В
m
результате относительно матрицы M ( X | Y ) образуются две матрицы
m
термов T ( A | B) с максимальными и минимальными значениями ФП,
где на местах соответствующих значений ИП стоят базовые термы их ЛП.
Полученные матрицы соответствуют матрицам элементарных высказываt : x  a ji , y j  b j
ний ji ji
или наборам правил. Для корректировки набора
правил применяются настроечные критерии, максимизирующие различающую способность модели. Показано, что в условиях разнотипности
имеющейся информации поставленным требованиям в качестве настроечного критерия удовлетворяет информационная мера близости модели и
объекта, рассчитанная на основе дивергенции информации Кульбака и её
дисперсии [1]. После удаления из модели, сформированной по обучающей
ВД, правил с неудовлетворительной информационной мерой, она подвергается проверке с использованием тестовых критериев. В общем случае
прирост значения тестового критерия происходит за счет расхождений по
шкале интервалов между консеквентами правил, сформированных по
обучающей и контрольной ВД и имеющих одинаковый набор антецедентов. Приближенная формальная модель считается построенной, когда
очередное значение тестового критерия не станет меньше заданного при
инициализации системы порога   0 . В другом случае построение моде-
ли повторяется с изменением параметров моделирования – точности измерения входных и выходных ИП. Экспериментальная проверка и оценка
качества решений ИСППР, построенных с использованием лингвистического подхода, показала перспективность развития приближенного моделирования на основе лингвистических моделей [2].
Процесс принятия решений существенно зависит от качества моделей, формируемых подсистемой моделирования ИСППР и, в частности, от
точности измерения ИП. Для его повышения необходимо провести дополнительные исследования закономерностей изменения значений тестовых критериев относительно параметров моделирования.
Список литературы
1. Токарев В.Л. Основы теории обеспечения рациональности решений. Монография –
Тула: ТулГУ, 2000. с. 120.
2. Токарев В.Л. Логико-лингвистические модели в задачах управления сложными
объектами // Автоматизация и современные технологии, 1999. №3. С. 35-39.
ISBN 978-5-7262-0883-1. НАУЧНАЯ СЕССИЯ МИФИ-2008. Том 10
162
УДК 004.896(06) Интеллектуальные системы и технологии
ISBN 978-5-7262-0883-1. НАУЧНАЯ СЕССИЯ МИФИ-2008. Том 10
163