где B={Bj}, j=1,..., q - множество имен характеристических признаков; C={Ck}, k=1,..., m - множество валентных признаков; D={Dl}, l=1,..., n - множество дифференциальных признаков. При этом B соответствует множеству ключей реляционного отношения, описывающего объект, а множество неключевых атрибутов A=C D.

Тогда каждый объект e, принадлежащий объему понятия P, может быть представлен в виде множества пар имя - значение признака

e = {(Bj, bj), (Ck, ck), (Dl, dl)}

Каждое понятие имеет свой концепт. Концепт простого понятия определяется его схемой. Концепт является носителем семантики понятия и представляет то знание, которое выражается данным понятием при концептуальном моделировании ПО.

Каждый агент соответствует некоторому понятию P и обладает схемой shm P. В число характеристических признаков агента ходят указывающий атрибут, определяющий уникальное имя агента, и идентификатор, задающий уникальное имя каждого конкретного агента, входящего в объем понятия (рис.6.14).

С другой стороны агент представляет собой особую категорию объектов, которое осуществляет преобразование среды. Эта категория носит название объект-функция. Неключевые атрибуты A объект-функций делятся на два класса: входные Ai и выходные Ao (рис.6.14).

Преобразование входных атрибутов в выходные осуществляется методом агента M, который определяет его поведение.

Таким образом, архитектура агента Ag определяется парой

Ag= shm P, M (2)

Метод агента может быть реализован с помощью традиционных технологий процедурного типа с использованием алгоритмических языков. В таком случае агент не может быть отнесен к числу интеллектуальных.

Наиболее прогрессивной технологией реализации метода является использование баз знаний продукционного типа. В этом случае метод представляет собой систему, состоящую из множества продукционных правил R, связанных в семантическую сеть N, которая определяет структуру метода.

M= R, N (3)

Определение выходных атрибутов агента при его функционировании осуществляется посредством логического вывода на этой сети.

Метод агента, функционирующего в решающей сети, состоит из трех подфункций [5]: восприятия, решения и трансформирования (рис.12). Подфункция восприятия

Per: E Ai

обеспечивает отбор информации из среды и присвоение значений входным атрибутам. Подфункция решения

Dec: Ai Ao

определяет значения выходных переменных по значениям входных. Подфункция трансформирования

Tran: Ao E'

изменяет состояние среды (рис.6.14).

Рис. 13. Принципиальная схема мультиагентной системы

Из рассмотренных выше агентов строятся коллективные формирования мультиагентные системы. МАС как и любая система может быть представлена следующей шестеркой:

МАС = {Ind, Prp, Atr, Inp, Out, Str}

Здесь Ind наименование системы; Prp цели системы; Atr общесистемные характеристики; Inp вход системы; Out выход системы; Str структура системы. Str = {E, R}, где E компонент системы, а R связи компонентов.

Онтология инженерных знаний

В последнее время в области работ по искусственному интеллекту (ИИ), включая интеллектуализацию информационного поиска и создание мультиагентных систем, возрастающее внимание привлекают исследования онтологий и онтологических систем. Термин онтология происходит от древнегреческих слов онтос - сущее и логос - учение.

Первоначально термин онтология был введен в философскую литературу для обозначения учения о бытии, о сущем в отличие от гносеологии - учении о познании. Предметом онтологии являлось изучение абстрактных философских понятий, таких как бытие, субстанция, причина, действие, явление и т.п. В философском плане онтология представляет систему категорий, являющихся следствием определенного взгляда на мир [1].

С точки зрения проблем, связанных с ИИ, онтология - это эксплицитная (явная) спецификация концептуализации знаний [1]. Формально онтология состоит из иерархии понятий, их определений и атрибутов, а также связанных с ними аксиом и правил вывода.

Под формальной моделью онтологии O понимают упорядоченную тройку вида

O = <C, R, F>,

где C - конечное множество концептов (понятий) предметной области, которую представляет онтология O; R - конечное множество отношений между концептами (понятиями) заданной предметной области (ПрО); F - конечное множество функций интерпретации (аксиоматизация), заданных на концептах и/или отношениях онтологии O [1].

Естественными ограничениями, накладываемыми на множество C, являются конечность и непустота. Что касается множеств R и F, то они могут быть пустыми, что соответствует частным видам онтологии, классификация которых приведена в табл.1.

Онтология первого класса при R= и F= (табл.1) трансформируется в простой словарь. Онтологии - словари полезны для спецификации, пополнения и поддержки словарей ПрО. Такие словари не вводят явно смысла терминов. В области технических знаний, в которых смыслы понятий хорошо согласованы и во многом стандартизованы, такие онтологии применяются на практике. Другими примерами таких онтологий являются индексы машин поиска информации в сети Интернет [1].

Таблица 1 Классификация моделей онтологии инженерных знаний

В более общих случаях необходимо явно определять смысл терминов словаря с помощью соответствующей аксиоматизации F, целью применения которой является исключение нежелательных моделей и единство интерпретации для всех пользователей.

Онтология второго класса соответствует непустому множеству функций интерпретации, т.е. наличию аксиоматизации. В этом случае каждому понятию из C может быть поставлена в соответствие функция интерпретации f из F. Формально такие функции вводятся следующим образом[1].

Пусть C = C1 C2, где C1 - множество интерпретируемых понятий, а C2 - множество интерпретирующих терминов. Тогда

(y C1; x1, x2,, xk C2)

такие, что

y = f(x1, x2,, xk),

где fF.

Введение в рассмотрение функции k аргументов призвано обеспечить более полную интерпретацию, Вид отображения fF определяет выразительную мощность и практическую полезность этого вида онтологии

Если считать, что функция интерпретации f задается оператором присваивания (C1:=C2), то онтология трансформируется в пассивный словарь Vp [1].

O= Vp = <C1 C2,{}, {:=}>.

Такой словарь пассивен, так как формируется с помощью декларативной функции присваивания, не содержащей каких-либо процедур преобразований. Примеры функций интерпретации приведены в табл.2.

Таблица 2 Примеры функций интерпретации

Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26