Features of knowledge representation of an estimation of situations during situational management of protection of zones of the responsibility
Features of representation in a logical-computing semantic network both precise, and indistinct knowledge of an estimation of the situations arising during situational management by protection of zones of the responsibility are considered. For the description of process of knowledge representation t...
Saved in:
| Date: | 2018 |
|---|---|
| Main Authors: | , , |
| Format: | Article |
| Language: | Ukrainian |
| Published: |
PROBLEMS IN PROGRAMMING
2018
|
| Subjects: | |
| Online Access: | https://pp.isofts.kiev.ua/index.php/ojs1/article/view/42 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Problems in programming |
| Download file: |  |
Institution
Problems in programming| id |
pp_isofts_kiev_ua-article-42 |
|---|---|
| record_format |
ojs |
| resource_txt_mv |
ppisoftskievua/4e/1c25eed0f85779351570ed22af56bd4e.pdf |
| spelling |
pp_isofts_kiev_ua-article-422018-07-25T14:00:23Z Features of knowledge representation of an estimation of situations during situational management of protection of zones of the responsibility Особенности представления знаний об оценке ситуаций в процессе ситуационного управления охраной зон ответственности Особливості знань про оцінку ситуацій в процесі ситуаційного керування охороною зон відповідальності Yalovets, A.L. Alekseev, V.A. Tereshchenko, V.S. LCS-network; situational management ЛВС-сеть; ситуационное управление ЛОС-мережа; ситуаційне керування Features of representation in a logical-computing semantic network both precise, and indistinct knowledge of an estimation of the situations arising during situational management by protection of zones of the responsibility are considered. For the description of process of knowledge representation two typical situations which can arise are analyzed. Рассматриваются особенности представления в логико-вычислительной семантической сети как четких, так и нечетких знаний об оценке ситуаций, возникающих в процессе ситуационного управления охраной зон ответственности. Для описания процесса представления знаний анализируются две типовые ситуации, которые могут возникать Розглядаються особливості подання в логіко-обчислювальній семантичній мережі як чітких, так і нечітких знань про оцінку ситуацій, що виникають у процесі ситуаційного керування охороною зон відповідальності. Для опису процесу подання знань аналізуються дві типові ситуації, що можуть виникати. PROBLEMS IN PROGRAMMING ПРОБЛЕМЫ ПРОГРАММИРОВАНИЯ ПРОБЛЕМИ ПРОГРАМУВАННЯ 2018-07-23 Article Article application/pdf https://pp.isofts.kiev.ua/index.php/ojs1/article/view/42 PROBLEMS IN PROGRAMMING; No 1 (2012) ПРОБЛЕМЫ ПРОГРАММИРОВАНИЯ; No 1 (2012) ПРОБЛЕМИ ПРОГРАМУВАННЯ; No 1 (2012) 1727-4907 uk https://pp.isofts.kiev.ua/index.php/ojs1/article/view/42/43 Copyright (c) 2015 ПРОБЛЕМИ ПРОГРАМУВАННЯ |
| institution |
Problems in programming |
| baseUrl_str |
https://pp.isofts.kiev.ua/index.php/ojs1/oai |
| datestamp_date |
2018-07-25T14:00:23Z |
| collection |
OJS |
| language |
Ukrainian |
| topic |
LCS-network situational management |
| spellingShingle |
LCS-network situational management Yalovets, A.L. Alekseev, V.A. Tereshchenko, V.S. Features of knowledge representation of an estimation of situations during situational management of protection of zones of the responsibility |
| topic_facet |
LCS-network situational management ЛВС-сеть ситуационное управление ЛОС-мережа ситуаційне керування |
| format |
Article |
| author |
Yalovets, A.L. Alekseev, V.A. Tereshchenko, V.S. |
| author_facet |
Yalovets, A.L. Alekseev, V.A. Tereshchenko, V.S. |
| author_sort |
Yalovets, A.L. |
| title |
Features of knowledge representation of an estimation of situations during situational management of protection of zones of the responsibility |
| title_short |
Features of knowledge representation of an estimation of situations during situational management of protection of zones of the responsibility |
| title_full |
Features of knowledge representation of an estimation of situations during situational management of protection of zones of the responsibility |
| title_fullStr |
Features of knowledge representation of an estimation of situations during situational management of protection of zones of the responsibility |
| title_full_unstemmed |
Features of knowledge representation of an estimation of situations during situational management of protection of zones of the responsibility |
| title_sort |
features of knowledge representation of an estimation of situations during situational management of protection of zones of the responsibility |
| title_alt |
Особенности представления знаний об оценке ситуаций в процессе ситуационного управления охраной зон ответственности Особливості знань про оцінку ситуацій в процесі ситуаційного керування охороною зон відповідальності |
| description |
Features of representation in a logical-computing semantic network both precise, and indistinct knowledge of an estimation of the situations arising during situational management by protection of zones of the responsibility are considered. For the description of process of knowledge representation two typical situations which can arise are analyzed. |
| publisher |
PROBLEMS IN PROGRAMMING |
| publishDate |
2018 |
| url |
https://pp.isofts.kiev.ua/index.php/ojs1/article/view/42 |
| work_keys_str_mv |
AT yalovetsal featuresofknowledgerepresentationofanestimationofsituationsduringsituationalmanagementofprotectionofzonesoftheresponsibility AT alekseevva featuresofknowledgerepresentationofanestimationofsituationsduringsituationalmanagementofprotectionofzonesoftheresponsibility AT tereshchenkovs featuresofknowledgerepresentationofanestimationofsituationsduringsituationalmanagementofprotectionofzonesoftheresponsibility AT yalovetsal osobennostipredstavleniâznanijobocenkesituacijvprocessesituacionnogoupravleniâohranojzonotvetstvennosti AT alekseevva osobennostipredstavleniâznanijobocenkesituacijvprocessesituacionnogoupravleniâohranojzonotvetstvennosti AT tereshchenkovs osobennostipredstavleniâznanijobocenkesituacijvprocessesituacionnogoupravleniâohranojzonotvetstvennosti AT yalovetsal osoblivostíznanʹproocínkusituacíjvprocesísituacíjnogokeruvannâohoronoûzonvídpovídalʹností AT alekseevva osoblivostíznanʹproocínkusituacíjvprocesísituacíjnogokeruvannâohoronoûzonvídpovídalʹností AT tereshchenkovs osoblivostíznanʹproocínkusituacíjvprocesísituacíjnogokeruvannâohoronoûzonvídpovídalʹností |
| first_indexed |
2025-07-17T09:40:21Z |
| last_indexed |
2025-07-17T09:40:21Z |
| _version_ |
1850409760929611776 |
| fulltext |
Експертні та інтелектуальні інформаційні системи_________________________________________
82
УДК 004.822
В.А. Алексеєв, В.С. Терещенко, А.Л. Яловець
ОСОБЛИВОСТІ ПОДАННЯ ЗНАНЬ ПРО ОЦІНКУ СИТУАЦІЙ
В ПРОЦЕСІ СИТУАЦІЙНОГО КЕРУВАННЯ ОХОРОНОЮ
ЗОН ВІДПОВІДАЛЬНОСТІ
Розглядаються особливості подання в логіко-обчислювальній семантичній мережі як чітких, так і
нечітких знань про оцінку ситуацій, що виникають у процесі ситуаційного керування охороною зон
відповідальності. Для опису процесу подання знань аналізуються дві типові ситуації, що можуть
виникати.
Вступ
У роботі [1] сформульовано задачу
оцінки ситуацій, що виникають в процесі
ситуаційного керування охороною зон
відповідальності, та обґрунтовано, що для
рішення цієї задачі доцільно використову-
вати методи і моделі подання та обробки
знань, зокрема, логіко-обчислювальну се-
мантичну мережу [2] (ЛОС-мережу) як
модель подання знань. Мета даної роботи -
викладення особливостей подання в ЛОС-
мережі як чітких, так і нечітких знань про
оцінку типових ситуацій, що можуть
виникати в процесі ситуаційного керуван-
ня охороною зон відповідальності.
1. Загальна характеристика
ЛОС-мережі
Під логіко-обчислювальною семан-
тичною мережею [2] ),,( Δ= EVLCSN
розуміється простий ациклічний одно-
направлений кінцевий зв’язний граф, який
має наступні властивості:
кожна вершина Vv∈ однозначно ха-
рактеризується кортежем >< vvvv tmnid ,,, , де
vid – унікальний ідентифікатор вершини v ;
vn – ім’я вершини v ; vm – ім’я метода,
зіставленого вершиніv ; vt – тип вершини
v ; кожна дуга Ee∈ описує зв’язність між
вершинами і має орієнтацію )(~)( ji vve >−Δ ,
де Vvv ji ∈, ; iv належить до нижчого
рівня ієрархії графа в порівнянні з рівнем,
до якого належить jv . Тут V – непуста
кінцева множина вершин ЛОС-мережі; E
– непуста кінцева множина дуг ЛОС-
мережі; Δ – відображення множини E на
VV × , що формалізує орієнтацію дуг
ЛОС-мережі. У відповідності до
визначення, кожна вершина Vv ∈ ЛОС-
мережі однозначно описується кортежем
>< vvvv tmnid ,,, , де ,Nnv ∈ ,Mmv ∈ Ttv ∈ ;
N – непуста кінцева множина імен
об’єктів досліджуваної предметної області
(ПрО); M – кінцева множина імен
методів, виконуваних у досліджуваній
ПрО; T – множина типів вершин
( },,,,,{ 543210T = ). Зазначимо, що існують
наступні типи Ttv ∈ вершин: термінальні
вершини (0), логічні І-вершини (1), логічні
АБО-вершини (2), обчислювальні І-вер-
шини (3), умовні І-вершини (4) та ітера-
ційні І-вершини (5). Таким чином, тип vt
вершини дозволяє відобразити логічні (і в
деяких випадках обчислювальні) власти-
вості вершини Vv∈ . Вершини типу 1, 3,
4, 5 є кон’юнктивними (їм зіставлена
операція & (такі вершини також нази-
ваються І-вершинами)), а вершина типу 2 –
повно-диз’юнктивною (їй зіставлена опе-
рація ∨&& (такі вершини також називаються
АБО-вершинами)).
Логічна операція повної диз’юнкції
(∨&& ) змістовно інтерпретується як „виключ-
не або”, є −n арною (де 2≥n ) і має таку
формулу еквівалентних перетворень:
).&&&&(
)&&&&(...
)&&&&(
)&&&&(
121
121
121
121
121
nn
nn
nn
nn
nn
AAAA
AAAA
AAAA
AAAA
AAAA
−
−
−
−
−
¬¬¬∨
∨¬¬¬∨
∨¬¬¬∨
∨¬¬¬=
=∨∨∨∨
K
K
KK
K
&&&&K&&&&
Формула nn AAAA ∨∨∨∨ − &&&&K&&&& 121 прий-
має значення „істина” тоді і тільки тоді,
© В.А. Алексеєв, В.С. Терещенко, А.Л. Яловець, 2012
ISSN 1727-4907. Проблеми програмування. 2012. № 1
_________________________________________Експертні та інтелектуальні інформаційні системи
83
коли істинна одна і тільки одна з підфор-
мул iA ( ni ,1= ), що до неї входять.
Ідентифікатор будь-якої вершини v
ЛОС-мережі формується в результаті кон-
катенації указника vu типу vt вершини,
імені vn вершини й імені методу vm , зіс-
тавленого вершині: vvvv mnuid ||||= , де || –
символ конкатенації. Під указником vu ти-
пу vt вершини розуміється рядок симво-
лів (можливо, пустий), що подає у складі
ідентифікатора vid тип vt вершини v . При-
йнято наступні рішення щодо указників vu
типу vt вершини v : 0=vt , ""=vu ; 1=vt ,
AND_=vu ; 2=vt , OR_=vu ; 3=vt , AND_=vu ;
4=vt , AND_COND=vu ; 5=vt , AND_CYCL=vu .
Зазначимо, що для вершин типу 0 указник
vu типу вершини і ім’я методу vm є
порожніми, і тому ідентифікатор vid і ім’я
vn будь-якої термінальної вершини v
ЛОС-мережі збігаються.
Визначимо допоміжні поняття. Під
кореневими вершинами ЛОС-мережі буде-
мо розуміти вершини Vvk ∈ ЛОС-мережі,
у яких напівстепінь виходу дорівнює нулю
( 0)(deg_
=kv ). Під термінальними верши-
нами ЛОС-мережі будемо розуміти верши-
ни Vvt ∈ , у яких напівстепінь заходу до-
рівнює нулю ( 0)(deg =+
tv ), а під внутріш-
німи вершинами ЛОС-мережі – вершини
Vvw ∈ , у яких 0)(deg ≠−
wv і 0)(deg ≠+
wv .
Тоді під нетермінальними вершинами
ЛОС-мережі будемо розуміти вершини
Vvnt ∈ , у яких 0)(deg ≠+
ntv .
Внаслідок того, що в ЛОС-мережі
кожній нетермінальній вершині обов’яз-
ково поставлена у відповідність деяка
логічна операція, що належить до системи
операцій ,&)(∨&& , то кожна дуга Ee∈ ЛОС-
мережі описує логічну зв’язність між
вершинами. Однак, за допомогою дуг в
структурі ЛОС-мережі можуть подаватися
й інші відношення, що існують між
іменами вершин. Так, за допомогою дуг,
що заходять до І-вершин, можуть бути
подані наступні види бінарних відношень
(що розуміються як відношення, що існу-
ють між іменами вершин, які зв’язуються
дугою): „частина – ціле”, „причина – нас-
лідок”, „властивість – об’єкт”, „умова –
дія”, „параметр – задача” тощо. В свою
чергу, за допомогою дуг, що заходять до
АБО-вершин, можуть бути подані родови-
дові відношення (що розуміються як відно-
шення, що існують між іменем вершини
(яке виступає як видове поняття), з якої
виходить дуга, і іменем АБО-вершини (яке
виступає як родове поняття), в яку дуга
заходить). Таким чином, за допомогою дуг
у структурі ЛОС-мережі можуть бути
подані не тільки логічні зв’язки, а й
семантичні і обчислювальні відношення
досліджуваної ПрО.
2. Постановка задачі подання
знань про оцінку ситуацій
У роботі [1] наведено алгоритми
оцінки ситуацій, які за особливостями
процесу подання знань можна розглядати
як два різні класи типових ситуацій, що
можуть виникати в ході ситуаційного
керування охороною зон відповідальності.
Розбіжності між цими класами ситуацій
полягають в якісній відмінності вхідних
потоків, що відповідають параметричному
опису таких ситуацій. Так, можливі вхідні
потоки щодо оцінки ситуації можуть
містити або незмінну, або змінну кількість
параметрів. В першому випадку (перший
клас ситуацій) на основі таких вхідних
параметрів задачі може бути побудована
нечітка база знань БЗ (оскільки для
побудови такої БЗ необхідно мати саме
незмінну кількість параметрів задачі, що
розглядаються як лінгвістичні змінні, на
основі яких і формуються нечіткі
експертні правила). У другому випадку
(другий клас ситуацій) нечітку БЗ побуду-
вати неможливо і, як наслідок, необхідно
будувати БЗ на основі чітких знань.
Прикладом ситуації, що належить
до першого класу, є ситуація КС-1.12.1
(див. табл. 9 [1] та табл. 1), до другого
класу – ситуація КС-2.5.1 (див. табл. 10 [1]
та табл. 2). В п.3 та п.4 статті детально
викладено особливості подання знань про
оцінку означених ситуацій. Для підтримки
процесів автоматизованого подання знань
використано програмну систему (ПС)
Тезаурус, ПС Метод та ПС Призма [2].
Експертні та інтелектуальні інформаційні системи_________________________________________
84
Таблиця 1. Вербальний алгоритм оцінки ситуації КС-1.12.1
Крок Алгоритмічна операція
1 Рухомий об’єкт контролю (ОК), що визначено як невійськове промислове судно, без завчасного
попередження увійшов у виключну (морську) економічну зону
2 Якщо за належністю судно визначено як своє, то перехід до кроку 3, інакше – до кроку 6
3 Якщо швидкість судна незначна і дозволяє вести тральні або інші добувні роботи, то перехід до кроку 4,
інакше – до кроку 5
4 Судно може вести тральні або інші добувні роботи. Оцінка ситуації – підвищеної уваги
5 Скоріше за все, судно просто пересікає зону без проведення тральних або інших добувних робіт. Оцінка
ситуації – звичайна
6 Якщо швидкість судна дозволяє вести тральні або інші добувні роботи, то перехід до кроку 7, інакше –
до кроку 8
7 Судно може вести тральні або інші добувні роботи. Оцінка ситуації – критична
8 Скоріше за все, судно просто пересікає зону без проведення тральних або інших добувних робіт. Оцінка
ситуації – підвищеної уваги
Таблиця 2. Вербальний алгоритм оцінки ситуації КС-2.5.1
Крок Алгоритмічна операція
1 Рухомий ОК, що визначено як невійськове судно (1) деякий час знаходиться у безпосередній близькості
до іншого рухомого невійськового судна (2)
2 Якщо час перебування судна 1 у безпосередній близькості до судна 2 недостатній для передачі на ходу
контрабандних товарів, то перехід до кроку 3, інакше – до кроку 4
3 Передача контрабандних товарів на ходу за такий час навряд чи можлива. Скоріш за все, це просто
маневрування суден. Оцінка ситуації – звичайна. Вихід з алгоритму
4 Якщо за належністю судно 1 та судно 2 визначені як свої, то перехід до кроку 5;
якщо судно 1 визначено як своє, а судно 2 – як чуже, то перехід до кроку 6;
якщо судно 1 визначено як чуже, а судно 2 – як своє, то перехід до кроку 7;
якщо судно 1 та судно 2 визначені як чужі, то перехід до кроку 8; інакше – перехід до кроку 14
5 Якщо судно 1 та судно 2 віднесені до групи “A”, то перехід до кроку 9;
якщо судно 1 віднесено до групи “A”, а судно 2 – до групи “В”, то перехід до кроку 10;
якщо судно 1 віднесено до групи “В”, а судно 2 – до групи “A”, то перехід до кроку 10;
якщо судно 1 та судно 2 віднесені до групи “В”, то перехід до кроку 9; інакше – перехід до кроку 14
6 Якщо судно 1 та судно 2 віднесені до групи “A”, то перехід до кроку 11;
якщо судно 1 віднесено до групи “A”, а судно 2 – до групи “В”, то перехід до кроку 12;
якщо судно 1 віднесено до групи “В”, а судно 2 – до групи “A”, то перехід до кроку 13;
якщо судно 1 та судно 2 віднесені до групи “В”, то перехід до кроку 12; інакше – перехід до кроку 14
7 Якщо судно 1 та судно 2 віднесені до групи “A”, то перехід до кроку 11;
якщо судно 1 віднесено до групи “A”, а судно 2 – до групи “В”, то перехід до кроку 13;
якщо судно 1 віднесено до групи “В”, а судно 2 – до групи “A”, то перехід до кроку 12;
якщо судно 1 та судно 2 віднесені до групи “В”, то перехід до кроку 12; інакше – перехід до кроку 14
8 Якщо судно 1 та судно 2 віднесені до групи “A”, то перехід до кроку 9;
якщо судно 1 віднесено до групи “A”, а судно 2 – до групи “В”, то перехід до кроку 12;
якщо судно 1 віднесено до групи “В”, а судно 2 – до групи “A”, то перехід до кроку 12;
якщо судно 1 та судно 2 віднесені до групи “В”, то перехід до кроку 12; інакше – перехід до кроку 14
9 Передача контрабандних товарів між суднами однієї належності, що віднесені до однієї групи навряд чи
необхідна, бо не визначена мета. Скоріш за все, це просто маневрування суден. Оцінка ситуації –
звичайна. Вихід з алгоритму
10 Передача контрабандних товарів між своїми суднами, що віднесені до різних груп цілком можлива.
Оцінка ситуації – критична. Вихід з алгоритму
11 Передача контрабандних товарів між суднами різної належності, що віднесені до однієї групи цілком
можлива. Оцінка ситуації – критична. Вихід з алгоритму
12 Ситуація неможлива. У зоні відповідальності не може бути суден, віднесених до групи “В” чужої
належності. Необхідно точніше визначити належність суден та групи, до яких вони віднесені.
Повернення до кроку 4
13 Передача контрабандних товарів між суднами різної належності, що віднесені до різних груп, причому
своє судно віднесене до групи “В”, цілком можлива. Оцінка ситуації – критична. Вихід з алгоритму
14 Неможлива умова. Помилка або збій у програмі. Вихід з алгоритму
_________________________________________Експертні та інтелектуальні інформаційні системи
85
3. Подання нечітких знань про
оцінку ситуації
3.1. Побудова множини нечітких
експертних правил. Виходячи з
вербального алгоритму, наведеного в табл.
1, побудуємо відповідні експертні правила.
Аналіз цього алгоритму дозволяє зробити
декілька висновків. По-перше, необхідно
сформувати дві групи правил для випадків,
коли змінюється належність судна („свій”
та „чужий”). По-друге, в алгоритмі поруч з
чіткими знаннями, що описують об’єкт
досліджень (промислове добувне судно),
зустрічаються й нечіткі знання (наприклад,
параметр „швидкість об’єкта” виступає як
лінгвістична змінна, значеннями якої є
нечіткі змінні „мала” та „не мала”).
По-третє, для більш адекватної оцінки
ситуації доцільно ввести до консеквентних
частин правил ступені відповідності (ваги)
можливих результатів рішення задачі. Як
наслідок, отримувані експертні правила
мають наступний вигляд:
1) якщо клас об’єкта цивільний І
об’єкт промислове добувне судно І ступінь
мобільності рухомий І належність об’єкта
свій І швидкість об’єкта мала, ТО оцінка
ситуації підвищена увага зі ступенем 0.9 І
звичайна зі ступенем 0.3;
2) якщо клас об’єкта цивільний І об’єкт
промислове добувне судно І ступінь
мобільності рухомий І належність об’єкта
свій І швидкість об’єкта не мала, ТО
оцінка ситуації підвищена увага зі
ступенем 0.3 І звичайна зі ступенем 0.9;
3) якщо клас об’єкта цивільний І
об’єкт промислове добувне судно І
ступінь мобільності рухомий І належність
об’єкта чужий І швидкість об’єкта
мала, ТО оцінка ситуації підвищена
увага зі ступенем 0.7 І критична зі
ступенем 0.9;
4) якщо клас об’єкта цивільний І
об’єкт промислове добувне судно І
ступінь мобільності рухомий І належність
об’єкта чужий І швидкість об’єкта
не мала, ТО оцінка ситуації підвищена
вага зі ступенем 0.9 І критична зі
ступенем 0.7.
Тут правила 1) і 2) відповідають
оцінці ситуації, коли належність об’єкта –
„свій”; правила 3) і 4) – коли належність
об’єкта „чужий”. Правило 1) описує оцінку
ситуації (див. табл. 1) у відповідності до
кроку 4, правило 2) – кроку 5, правило 3)
– кроку 7, правило 4) – кроку 8.
Особливостями сформованих правил є те,
що вони поєднують у собі як чіткі, так і
нечіткі знання про об’єкт досліджень. У
п. 3.2 статті покажемо, що і в такому
випадку може успішно використовуватись
підхід, заснований на м’яких обчисленнях.
3.2. Створення бази знань включає
до свого складу формування БД імен і БД
методів та побудову ЛОС-мережі.
3.2.1. Формування БД імен. Під
формуванням БД імен (БДІ) розуміється
виявлення ключових понять досліджуваної
ПрО та автоматизоване заповнення ними
словника ПрО засобами ПС Тезаурус.
У процесі створення БДІ сфор-
мовано множину унікальних імен (слів та
словосполучень), що несуть основне зміс-
товне навантаження з точки зору дослід-
жуваної задачі оцінки ситуації, зокрема:
„Промислове добувне судно”, „Швидкість
об’єкта, вузлів”, „Об’єкт цивільний”, „Сту-
пінь приналежності до нечіткої множини
"Мала швидкість"”, „Ступінь достовірнос-
ті висловлювання, що об'єкт свій і його
швидкість мала” тощо. Імена, що зберіга-
ються в БДІ, використовуються при побу-
дові та обробці ЛОС-мережі.
3.2.2. Формування БД методів.
Під формуванням БД методів (БДМ) розу-
міється виявлення процедурних знань
(методів) ПрО і автоматизоване формалі-
зоване додавання їх до складу БДМ
засобами ПС Метод.
До переліку методів, що були дода-
ні до складу БДМ, увійшли формули та
табличні функції. У якості формул додані
мінімаксні операції (для визначення
ступенів достовірності), формули-коефі-
цієнти (для завдання ступенів відповід-
ності), операції порівняння тощо. Таб-
личні функції використані для подання
функцій приналежності (див. рис.1).
Методи, що зберігаються в БДМ,
використовуються при побудові та обробці
ЛОС-мережі.
Експертні та інтелектуальні інформаційні системи_________________________________________
86
Рис.1. Подання функції приналежності нечіткої множини „Мала швидкість”
3.2.3. Побудова ЛОС-мережі. Про-
цес створення БЗ реалізується засобами
ПС Призма і виконується шляхом візуаль-
ної побудови ЛОС-мережі, у складі якої
подається множина імен досліджуваної
ПрО та встановлюються семантичні, логіч-
ні та обчислювальні зв’язки, що існують
між цими іменами. Як і завжди [3], процес
подання нечітких знань включає в себе три
етапи: фаззіфікації, нечіткого логічного
виводу та дефаззіфікації.
Виконання етапу фаззіфікації. На
цьому етапі виконується подання в струк-
турі ЛОС-мережі антецедентних частин
експертних правил, наведених у п. 3.1
статті. Основна мета цього процесу –
визначення ступенів достовірності
висловлювань, що формують антецедентні
частини кожного правила. Для цього
використовуються правила перетворення
кон’юнктивної форми [3]. Наприклад, для
правила 1) (див. п. 3.1), визначення
ступеня достовірності має наступний
вигляд:
))(),(),(),(),(min()(
11 ~ EDCBAw EDCBAw μμμμμ=μ
Тут )(),(),(),( DCBA DCBA μμμμ – сту-
пені приналежності, що завжди приймають
значення 1, оскільки визначаються на чіт-
ких значеннях відповідних параметрів, які
тут для загальності викладення умовно
розглядаються як лінгвістичні змінні. На
відміну від цього, )(
1
~ EEμ – ступінь прина-
лежності, що визначається на нечіткій
множині „швидкість об’єкта мала”.
Подання знань у структурі ЛОС-
мережі про виконання етапу фаззіфікації
наведено на рис.2 (еліпс з позначкою 1).
Виконання етапу нечіткого логіч-
ного виводу. На цьому етапі подання знань
виконується визначення ступенів істиннос-
ті можливих результатів рішення задачі
оцінки, що описана системою експертних
правил (див. п. 3.1) щодо значень ступенів
достовірності антецедентних частин
правил, визначених на етапі фаззіфікації.
Процес подання знань про етап нечіткого
логічного виводу засновується на
обчисленні ступенів істинності )( kmp vμ у
відповідності до правила modus ponens [3]
(для правил 1) і 2) ( 2,1=i )):
)],)((2[&1)(
2,1
k
iW
i
kmp Rwv
i
+μ∨−=μ
=
де ij
kjj
k
i rR
≠=
∨=
;2,1
– ступінь відповід-
ності (вага) −j ої вихідної ситуації −i ій
вхідній ситуації. Ступені відповідності
зазвичай подаються за допомогою матриці
відповідностей R~ . У нашому випадку (для
правил 1) і 2) матриця )22(~ ×R буде мати
наступний вигляд:
9.0
9.0
7.0
3.0~ =R .
Значення k
iR береться з матриці від-
повідностей R~ як максимальне зі значень
−i го рядка без урахування значення
елемента −k го рядка. Наприклад, якщо
необхідно визначити значення відповід-
ності 1
1R , то треба взяти в матриці R~ мак-
симальне значення у першому рядку з зна-
чень, що знаходяться в стовпцях, номери
яких kj ≠ ; як наслідок, 9.012
1
1 == rR .
_________________________________________Експертні та інтелектуальні інформаційні системи
87
Рис. 2. ЛОС-мережа, в якій подані нечіткі знання про оцінку ситуації
Отримання оцінки ситуації на осно-
ві правила modus ponens полягає у виборі
такого рішення (для правил 1) і 2) kv (де
Vvk ∈ ; =V {„підвищена увага”, „звичай-
на”}), при якому обчислене значення
)( kmp vμ найбільше. Таким же чином вико-
нується етап нечіткого логічного виводу
для правил 3) і 4) з тією різницею, що в
цьому випадку =V {„підвищена увага”,
„критична”}.
Отже, подання в структурі ЛОС-ме-
режі знань про виконання етапу нечіткого
логічного виводу (див. рис. 2 (еліпс з поз-
начкою 2)) передбачає здійснення наступ-
них трьох кроків:
• подання ступенів відповідності ijr , що
входять до складу матриці R~ ;
• подання сум ступенів достовірності й
відповідності ))(( k
iW Rw
i
+μ та визначен-
ня їх максимального значення;
1
2
3
Експертні та інтелектуальні інформаційні системи_________________________________________
88
• подання ступенів істинності висловлю-
вань, що оцінка ситуації відповідно
„підвищена увага” або „звичайна” (для
правил 3) і 4) – „підвищена увага” або
„критична”) з визначенням максималь-
ного значення ступеня істинності.
Виконання етапу дефаззіфікації. На
цьому етапі подання знань (див. рис. 2
(еліпс з позначкою 3)) виконується оцінка
ситуації, тобто формується конкретне
чітке значення шуканого результату. При
цьому здійснюється порівняння значень
ступенів істинності оцінки ситуації з
максимальним значенням ступеня
істинності, обчисленим на етапі нечіткого
логічного виводу, та обирається результат,
значення ступеня істинності якого
збігається з максимальним його
значенням.
На цьому процес подання в ЛОС-
мережі нечітких знань про оцінку дослід-
жуваної ситуації завершується.
4. Подання чітких знань про
оцінку ситуації
4.1. Додаткова формалізація вер-
бального алгоритму. Вербальний алго-
ритм, приведений в табл. 2, потребує
окремих уточнень. Так, в ньому
використовуються такі неформалізовані
поняття, як групи „А” та „В”, до яких
віднесено аналізовані судна. Надамо
необхідні визначення.
Відповідно до специфіки обліку,
надводні об’єкти можна поділити на три
групи:
• об’єкти групи „А” – судна необмеже-
ного району плавання (здебільшого ве-
ликих та надвеликих габаритів), які
покидають територіальні води, через
що на них можуть транспортуватися
контрабандні товари із закордонних
портів у порти України, а тому підляга-
ють митному та прикордонному
контролю;
• об’єкти групи „В” – судна обмеженого
району плавання (здебільшого надма-
лих, малих та середніх габаритів) для
портового, рейдового та прибережного
плавання, що не покидають територі-
альних вод, а тому не підлягають
митному та прикордонному контролю,
через що на них можуть переправля-
тися контрабандні товари з об’єктів
групи „А” на берегові об’єкти та
об’єкти групи „С” в обхід пунктів
пропуску через державний кордон та
зон митного контролю;
• об’єкти групи „С” – судна і плаваючі
споруди на приколі (здебільшого се-
редніх та великих габаритів) та берего-
ві об’єкти, що знаходяться за межами
зони митного контролю, і через це
можуть використовуватися для тим-
часового зберігання контрабандних
товарів, отриманих з об’єктів групи
„А” або об’єктів групи „В”.
Виходячи з цієї класифікації, виділимо
відмітні ознаки об’єктів кожної групи. Так,
для об’єктів групи „А” властиво, що їх
габарити – великі та надвеликі, та вони
підлягають митному контролю. Об’єкти
групи „В” мають надмалі, малі та середні
габарити і не підлягають митному
контролю. Об’єкти групи „С” мають
середні та великі габарити і знаходяться за
межами зони митного контролю. В свою
чергу, габарити об’єктів задаються через їх
довжину, і структуруються таким чином:
малі габарити – довжина 10–20 метрів;
середні габарити – довжина 20–40 метрів;
великі габарити – довжина 40–70 метрів.
Виходячи з цих уточнень вербаль-
ного алгоритму , побудуємо БЗ.
4.2. Створення бази знань, як і у
випадку подання нечітких знань, включає
до свого складу формування БДІ, БДМ та
побудову ЛОС-мережі.
4.2.1. Формування БД імен. До
складу БДІ, зокрема, додано такі імена:
„Відстань між об’єктами, кабельтових”,
„Час перебування поруч об’єктів, годин”,
„Габарити об’єкта 1, метрів”, „Об’єкт 1
підлягає митному контролю”, „Оцінка
ситуації КС-2.5.1: Критична” тощо.
4.2.2. Формування БД методів. До
складу БДМ додані формули та табличні
функції. Як формули додані операції
порівняння (для перевірки відстані між
об’єктами та часу їх перебування поруч).
Табличні функції використані для
визначення габаритів суден (велике,
середнє, мале) в залежності від їх
довжини.
_________________________________________Експертні та інтелектуальні інформаційні системи
89
Рис.3. ЛОС-мережа, в якій подані чіткі знання про оцінку ситуації
4.2.3. Побудова ЛОС-мережі здій-
снювалась у відповідності до вербального
алгоритму, наведеного у табл. 2. Це перед-
бачало виконання в процесі подання знань
наступної послідовності дій з аналізу
ситуації:
• перевірка відстані між об’єктами;
• перевірка часу перебування об’єктів
поруч;
• в залежності від отриманих результатів
припинення процесу аналізу з форму-
ванням відповідної оцінки ситуації або
продовження подальшого аналізу з
розгалуженням процесу у відповідності
до вербального алгоритму (з формуван-
ням відповідної оцінки ситуації за
результатами аналізу).
Зазначимо, що при побудові ЛОС-
мережі у її складі подані деякі знання, які
не містяться у використовуваному
вербальному алгоритмі. Це стосується
обробки виключних ситуацій, пов’язаних з
визначенням габаритів суден та
необхідністю їх митного контролю.
Наприклад, якщо судно за габаритами буде
визначено як „мале” або „середнє” та для
нього буде задана ознака „підлягає мит-
ному контролю”, то така ситуація є немож-
ливою, оскільки (у відповідності до класи-
фікації (див. п. 4.1 статті)) підлягати мит-
ному контролю можуть тільки судна, що
належать до групи „А” (тобто великих та
надвеликих габаритів). ЛОС-мережа,
сформована в результаті завершення
процесу подання чітких знань про оцінку
досліджуваної ситуації, показана на рис. 3.
Експертні та інтелектуальні інформаційні системи_________________________________________
90
Висновки
Однією з особливостей задачі
оцінки ситуацій, що виникають у процесі
ситуаційного керування охороною зон
відповідальності, є те що вона може бути
сформульована як в чіткій, так і в нечіткій
постановці. При цьому, відмінністю
можливої нечіткої постановки є те, що
вона може містити не тільки нечіткі, а й
чіткі знання про об’єкт досліджень. У
такому випадку стає актуальною задача
подання та обробки таких „змішаних” за
властивостями знань.
Приклади подання знань в ЛОС-
мережі, наведені в даній статті, ґрунту-
валися на постановках задачі оцінки
ситуацій, які сформульовані саме за
допомогою „змішаних” за властивостями
знань. Як показано в статті, апарат м’яких
обчислень та багаті можливості ЛОС-
мережі, як моделі подання знань, дозво-
ляють забезпечити адекватне подання
знань і в таких випадках. У подальших
публікаціях автори викладуть особливості
обробки таких знань та підтвердять її
адекватність.
1. Алексеєв В.А., Мостовий В.В., Терещенко
В.С., Яловець А.Л. Проблема автоматизації
ситуаційного керування охороною зон
відповідальності // Проблеми програму-
вання. – 2011. – № 4.– С. 96–107.
2. Яловец А.Л. Представление и обработка
знаний с точки зрения математического
моделирования. Проблемы и решения. –
Киев: Наукова думка, 2011. – 360 с.
3. Малышев Н.Г.,. Берштейн Л.С, Боженюк
А.В. Нечеткие модели для экспертных
систем в САПР. – М.: Энергоатомиздат,
1991. – 136 с.
Отримано 10.10.2011
Про авторів:
Яловець Андрій Леонідович,
доктор технічних наук,
заступник директора інституту
з наукової роботи,
Алексєєв Віктор Анатолійович,
кандидат технічних наук,
завідуючий відділом,
Терещенко Валерій Савелійович,
кандидат технічних наук,
старший науковий співробітник відділу.
Місце роботи авторів:
Інститут програмних систем
НАН України.
03187, Київ-187,
проспект Академіка Глушкова 40.
Тел. (044) 526 1538
e-mail: yal@isofts.kiev.ua
тел. (044) 526 4228
e-mail: alecseev@isofts.kiev.ua
тел. (044) 526 6191
e-mail: terek@isofts.kiev.ua
mailto:yal@isofts.kiev.ua
mailto:alecseev@isofts.kiev.ua
mailto:terek@isofts.kiev.ua
Яловець Андрій Леонідович,
Алексєєв Віктор Анатолійович,
Терещенко Валерій Савелійович,
|