Продукционная модель знаний (представление знаний в виде правил) для предметной области Грузовые перевозки

Модель представления знаний в виде правил получила название продукционной модели. Данная модель обладает высокой степенью универсальности и может быть применена для любой предметной области.
Область грузовых перевозок относится к сложным, так как на процесс грузовых перевозок влияет множество факторов, как, например, какой груз перевозится, какой вес, какая упаковка, какой температурный режим, перевозка за рубеж или внутренняя и т. д. В связи с этим работа, цель которой – анализ продукционной модели знаний (представление знаний в виде правил) для предметной области грузовые перевозки, является актуальной.
Объектом исследования является продукционная модель знаний, а предметом – область грузовых перевозок.
Для решения поставленной цели в исследовании были сформированы следующие задачи:
- рассмотреть понятие представления знаний;
- определить правила представления знаний и продукционную модель;
- сформировать базу знаний области «грузовые перевозки»;
- предложить продукционную модель для области «грузовые перевозки».
Материалом исследования послужили работы, посвященные вопросу базы знаний, представлению знаний и продукционной модели Махортов С. Д., Поспелов Д. А., Hofstadter, D., Mitchell, M., Negnevitsky M. и др., а также работы по теме грузовых перевозок Шишкина Д.Г., Шишкиной Л.Н. и др.
Теоретическая значимость исследования заключается в возможности применения полученных результатов в теории искусственного интеллекта.
Практическая значимость исследования заключается в возможности применять полученные результаты при построении продукционных моделей различных областей знаний.
Методом исследования послужил метод сбора информации и анализа.
Структура исследования состоит из введения, двух глав, заключения и списка используемой литературы.
 
Глава 1 Основные понятия применительно к представлению знаний
1.1. Представление знаний

Знание — это теоретическое или практическое понимание предмета или области.
Также, можно сказать, что знания - сумма того, что известно в настоящее время .
Очевидно, что знание — это сила. А кроме того – это структурированная информация о реальных объектах.

Рисунок 1 Взаимодействие между предметной областью реального мира и ее компьютерным аналогом
При этом существует эксперт - тот, кто обладает глубокими знаниями в какой-то конкретной области, которая может быть ограничена .
В экспертных системах (ЭС) одной из основных моделей представления знаний является продукционная модель. Достоинства продукций отмечались многими авторами, такими как Д.А. Поспелов , Э.В. Попов , A. Newell и др. Близость продукций к логическим импликациям позволяет легко реализовать логический вывод. Кроме того, продукционные эвристики близки стилю мышления человека-эксперта, знания которого хранятся в базе знаний (БЗ). Тем не менее при работе с продукционными БЗ приходится сталкиваться с синтаксическими и семантическими проблемами.
Проверка реальной базы знаний, хранящей сотни и тысячи правил, на правильность заполнения, на полноту и непротиворечивость, структуризация базы, оценка времени, затрачиваемого на проведение логического вывода, представляет собой ряд непростых задач.
Продукционные правила имеют вид ЕСЛИ — ТО. В части «ЕСЛИ» описывается условие применимости правила, в части «ТО» — заключение, которое делается в случае применения правила.
Продукционная БЗ представляет собой набор продукционных правил, содержащий необходимые для проведения логического вывода знания. Обычно известные данные представляются в виде «объект – атрибут – значение». Под объектом понимается некоторый объект предметной области, под атрибутом — некоторая его характеристика.
Логический вывод (ЛВ) представляет собой поиск ответа на вопрос пользователя, заданный экспертной системе. Этот ответ будет отыскиваться ЭС на основе анализа знаний, накопленных в БЗ к этому моменту. Ответ является одним из элементов списка разрешенных значений. Если используемая БЗ не дает возможности найти ответ на заданный вопрос, то информация об этом должна быть сообщена пользователю. Таким образом, результатом ЛВ всегда является либо конкретное значение из списка разрешенных значений, либо сообщение о невозможности получить ответ.
Отметим, что представление знаний – это одна из центральных проблем в области искусственного интеллекта.
Существует целый ряд репрезентативных технологий применительно к представлению знаний:
- Системы на основе правил
- Семантические сети
- Фреймы и скрипты (объектно-ориентированное программирование)
- Формальные языки, модальная логика и исчисление предикатов
- Рассуждения на основе прецедентов
- Концептуальные карты
- Нет-представительства к которым относят интеллект Брукса без представления, подражатель, различные роли в интеллектуальных системах .
Говоря о роли представления знаний, следует отметить следующие:
-Роль суррогата - заменителя настоящего (позволяет рассуждать о мире, а не действовать в нем, подразумевает обязательное упрощение, несовершенство, абстракцию или включение чего-то, чего в реальности нет).