سیستمهای خبره وطراحی یک سیستم خبره تجاری فرضی
:es
1) – سیستم هایی هستند بر پایه دانش که از دانش ذخیره شده در خود استفاده میکنند تابه عنوان مشاور عمل نمایند که با استفاده از دانش ورویهء استنتاجی به حل مسائل میپردازد.
2) – سیتم هایی هستند که درمحیط برنامه سازی منطقی نوشته میشوند .
3) – تقلیدی از نیروی فکر و مغزانسان است که از طریق آن سعی میشود رفتار انسان شبیه سازی شود .
سیستم های خبره شاخه ای از علم هوش مصنوعی است که سابقه آن به جنگ جهانی دوم بر می گرددکه تلاشهایی در جهت توسعه تکنیکهای خاص کامتیوتری انجام گرفت .
:(es کاربردها ی سیستم های خبره (
1)- مسایل ساخت یافته : مانند سیستم بیمه اتومبیل
2)- مسایل نیم ساخت یافته : مانند پیش بینی نوسانات بازارسهام (که سیستم مکا شفه ای و از آمارو احتمالات استفاده میشود).
سیستم های خبره ازبایگاه دانش موجود در خود استفاده میکنند که شامل دو بخش میباشند:
1)- قوانین:عمومی بوده که تمام متخصصین روی آن اتفاق نظر دارند
2)-ابتکاری واکتشافی: مانند قوانین منطق و حدس های مناسب .
بطور کلی سطح کارایی سیستم های خبره وابسته به کمیت و کیفیت پایگاه دانش میباشد .
مزایای یک سیستم خبره : تقلید رفتارانسان – پاسخ سریع به مدیران – جمع اوری اطلاعات و قرار دادن در فرم های مناسب تعامل با کاربر- انجام کارهای پیجیده با دقت بالا – ارایه راه حل متنوع و هوشمندانه – نگهداری دانش – توزیع دانش – امکان دسترسی به دانش – رقابت اقتصادی .
تاکنون بیشتر کاربردهای esها در انجام وظایف تکراری واداری مانند تجارت و پزشکی بوده است.
معایب سیستم های خبره : هزینه سنگین – تغییر پیوسته دانش و قدیمی شدن پایگاه دانش es – عدم پاسخ گویی به تمام نیازها .
روش es با روشهای الگوریتمی متفاوت می باشد .
روشهای الگوریتمی روش گام به گام می باشد مانند تولید لیست حقوق کارمندان.
ولی es دارای روش آزمون وخطاست . با اتکا به تعدادی منبع برای یک هدف از پیش تعین شده را حل میکند مثلا” تشخیص نقص کامپیوتر یا جستجوی اتوموبیل برای جای پارک که بر پایه جستجو فضای حالت میباشد (که جستجو میتواند کور کورانه یا ذهنی باشد )
توصیف مساله در قالب اعمال وضعیت
مشخص کردن دامنه جستجو
پیاده سازی و تست سیستم
تیین پایگاه دانش و موتو جستجو
مشخص کردن دانش که برای جستجو است
پایگاه دانش و حقایق قاعدها
موتور استنتاج و کنترل استنتاج
زیر سیستم یادگیری
ودانش
زیر سیستم تشریح
واسط کاربر
مساله
سیستم خبره بر پایه دانش
معماری سیستم خبره
کاربر
خبره یا مهندس دانش
– قاعده ای : پرکاربردترین – استفاده از منطق
– مفهومی
– چارچوبی
مثال جمله ای : – یک فرد 18سال مذکر باید به سربازی برود
– علی 18 سال دارد
– علی مذکر است
پردازش در es
نتیجه گیری : علی باید سربازی برود
گزاره ای : که علاوه برمنطق جمله ای استفاده از روابط و سورهای ریاضی
در واقع این قاعده ها در پایگاه دانش es میباشد
این قاعده ها دارای 2 بخش می باشد:
مقدم (اگر ) تالی (آنگاه)
مثال : اگر معدل زیر 12 آنگاه مشروطی.
حال اجرای این قاعده 2 راه دارد:
1- پیش رو : از حالت اولیه رسیدن به هدف “مثال پاسخگویی تلفنی یک زنجیره پیش رو است “سیستم در ابتدا به مشتری اطلاع میدهد .
با فشار هر کلید توسط کار بر سیستم به شاخه موردنظر میرود وکار را ادامه میدهد .
برای امور مشترکین کلید1 را فشار دهید
2- پس رو:
کار بر سوال به سیستم میدهد وسعی میکند جواب آن را بیابد
سئوال : بهترین حرکت را از سیستم میپرسد ؟ سیستم حالتهای مختلف را با هم مقایسه میکند وبهترین حرکت را مشخص می کند.
مانند: بازی شطرنج
کاربرد قوانین در نمایش دانش سیستم های خبره:
سیستمهای خبره به خاطر پردازش دانش با برنامه های رایج متفاوتند.
این دانش در کامپیوتربه صورت قوانین نمایش داده میشود.
(که ترکیبی از ( and,or,if,then,else
مثال : اگر متقاضی خانه را دوست دارد وخانه ارزش بازدید دارد پس متقاضی را راهنمایی کنید.
مجموعه قوانین در این روش پایگاه دانش نامیده میشود .
چون es ها از قوانین استفاده میکنند سیستمهای متکی به دانش نامند.
نمایش دانش : 1)- استنتاجی قیاسی مانند: تقاضا برای خانه
2) – استنتاجی استقرایی
مثال: – حیوانات غذا می خورند.
– همه کانگورها غذا می خورند.
(استفاده از ذهن و حواس پنجگانه)
سیستمهای متداول قرا ردادی میباشند.
تفاوت esها وسیستم های قراردادی:
سیستمهای قراردادی : الگوریتمی – دستکاری داده ها داده به صورت آرایه ورکورد – داده و کنترل مرتبط
(الگوریتم + داده)
Es : هیوریستیک – سمبل ها – دانش به صورت قانون موتور استنتاج جدا از دانش
( استنتاج + دانش)
اکتساب دانش :
– دستی : مصاحبه کار شناسان و طراحی توسط مهندسین دانش
– نیم خودکار : طراحی پایگاه توسط کارشناسا ن
– خودکار : طراحی پایگاه توسط کارشناسان و مهندسین دانش
انواع مصاحبه:
-جهت دهنده : متخصص در صحبت آزاداست مهندس دانش فقط با سوالات کلی متخصص را هدایت میکند.
– ساخت یافته : دستیابی به جزئیات بیشتر و مفاهیمی که مطرح شده است.
– متفکرانه : از متخصص خواسته می شود تمام افکارش را در مورد کارش بیان کند.
مهندس دانش باید :
توانایی تشخیص صحیح و کامل دانش – توانایی بازنمایی دانش( گذاشتن در پایگاه ) – استنتاج (طراحی نرم افزاری که با دانش پایگاه واطلاعات کاربر کمک به کاربرکند) – تبیین وتوجیه
ابزارهای توسعه سیستم خبره
ابزارهای سیستم
ابزارهای کمکی ساخت سیستم –ابزارهای پشتیبانی توسعه – نرم افزارهای توسعه سیستم
موتورهای استقراری
ویرایشگرها- امکانات توضیح – ابزارهای کمکی-
ابزارهای مصنوئی – پوسته ها – زبانهای برنامه سازی
زبانهای هوش مصنوعی
C,ada,smaltalk
Lisp,prolog
Vp_expert
crystal
,ورودی و خروجی
Kee,loops, art_im
d=
قیمت
تخفیف
تحویل
خلوص
2100
2150
2150
1950
1900
20%
5%
10%
2% 4%
15
30
14
20
40
90%
90.5%
96%
94%
98%
بله
بله
خیر
بله
بله
کد
5-10
40-50
20-30
10-15
5-10
بلندمدت
اعتبار
دارد
دارد
نسبتا دارد
ندارد
ندارد
ایران
ایرن و ایزو
ایران
—
ایران
ب
پ
ت
ث
الف
استاندارد
مقادیر کمی
مقادیر کیفی
قیمت
تخفیف
تحویل
خلوص
کد
بلندمدت
اعتبار
استاندارد
—
+
—
+
+
+
+
+
شاخص
بار معنایی
1
3
5
7
9
خیر
بلی
d=
قیمت
تخفیف
تحویل
خلوص
2100
2150
2150
1950
1900
20
5
10
2 4
15
30
14
20
40
90
90.5
96
94
98
9
9
1
9
9
کد
7.5
45
25
12.5
7.5
بلندمدت
اعتبار
9
9
5
1
1
2
3
2
1
2
ب
پ
ث
الف
استاندارد
مقادیر کمی
مقادیرکیفی
تبدیل
d=
0.9047
0.8837
0.8837
0.9743
1
1
0.25
0.5
0.1
0.2
0.9333
0.4666
1
0.7
0.35
0.9137
1
0.9746
0.9543
0.9949
1
1
0.11
1
1
0.1666
1
0.5555
0.1111
0.1111
1
1
0.5555
0.1111
0.1111
0.6666
1
0.6666
0.3333
0.6666
بی مقیاس کردن
– بار :: مولفه جدیید ستون:: بار +
همان عدد در آن ستون
بزرگترین عدد در آن ستون
همان عدد در آن ستون
کوچکترین عدد در آن ستون
pij=
0.2048
0.2097
0.2097
0.1902
0.1853
0.4878
0.1219
0.2439
0.0478
0.0975
0.126
0.2521
0.1176
0.1680
0.3361
0.1888
0.2067
0.2014
0.1972
0.2056
0.2432
0.2432
0.0270
0.2432
0.2432
0.0769
0.4615
0.2564
0.1282
0.0769
0.36
0.36
0.2
0.04
0.04
10 25 97.7 37 476.5 119 41 10250
∑rij =
Pij =
rij
∑rij
0.2
0.3
0.2
0.1
0.2
Ej
Dj
WJ
1.1597 0.9557 1.1008 1.1603 1.0624 0.9836 0.9484 1.1231
EJ=-K{∑(PIJ ln(pij) ) ,k=1/ln4) DJ=1-EJ , WJ=DJ/(∑DJ)
0.1597 0.0443 0.1008 0.1603 0.0624 0.0164 0.0516 0.1231
0.2222 0.0616 0.1402 0.2230 0.0868 0.0228 0.0718 0.1713
محاسبه اوزان شاخص
شاخص ها
اوزان مدیریت
(اوزان نهایی ) ｽJ
استاندارد
اعتبار
بلندمدت
کد
خلوص
تحویل
تخفیف
قیمت
3
3
5
2
3
6
5
6
33/6
33/5
33/6
33/3
33/2
33/5
33/3
33/3
∑(ｽJ)= 33
0.2222 0.0616 0.1402 0.2230 0.0868 0.0228 0.0718 0.1713
W′J =
ｽJ – WJ
∑ ｽ J*WJ
WJ
ｽJ
ｽ J*WJ
W′J
0.1818
0.1515
0.0909
0.0606
0.1515
0.0909
0.0909
0.1818
0.403
0.0093
0.0254
0.0202
0.0052
0.0034
0.0065
0.0155
0.3232-
0.7192
0.3228
1.0568-
0.2096-
1.0296
0.1528
0.6432-
∑ ｽ J*WJ =0.125
D*
* ماتریس بی مقیاس شده = نتیجه نهایی W′J
0.3232-
0.7192
0.3228
1.0568-
0.2096-
1.0296
0.1528
0.6432-
=
0.5422-
0.6777-
0.4183
1.1390-
1.5641-
الف – 2
ب – 3
پ-1
ت – 4
ث – 5
1- سیستم های خبره و الگوی هوشمند تصمیم گیری دکترشعبان الهی ودکتر علی رجب زاده
چاپ وزارت بازرگانی
2 – سیستم های خبره مولف : کیس دارلینکتون
مترجم : مهندس همایون موتمنی
3 – تحقیق در عملیات و تصمیم گیریهای چند معیاره دکتر اصغر پور استاد دانشکده مدیریت دانشگاه تهران
expert system for scientific computing
E.N.Houstis, i.r.rice and r.v.chaevetsky(eds)
Elsevier science publisher b.v(north holand)
– 4