döntéstámogató rendszerek
TRANSCRIPT
2
Történeti áttekintés
60-as évek – TPS (Transaction Processing Systems) –
tranzakciófeldolgozó rendszerek
70-es évek – MIS (Management Information Systems) – vezetői
információrendszerek, VIR
70-es évek – OAS (Office Automatization Systems) –
irodaautomatizálási rendszerekek
80-as évek – DSS (Decision Support Systems) – döntéstámogató
rendszerek, DTR
80-as évek – ES (Expert Systems) – szakértő rendszerek , SzR
90-es évek EIS (Executive Information Systems) – felsővezetői
információs rendszerek, FVIR
Összefoglaló elnevezésük: VTR Vezetéstámogató Rendszerek
és MSS Management Support Systems
3
A döntéstámogató rendszerek használatának előnyei
hatékonyabb döntéshozatal (minőség);
költségcsökkentés;
a döntéshozók közötti jobb kommunikáció;
a vezetők (döntéshozók) gyorsabb betanulása.
GIGO (Garbage in, Garbage out = szemét be, szemét ki)
A DTR felhasználói által vétett leggyakoribb hibák a következők:
túlhangsúlyozzák a DTR-ek szerepét;
az adatok pontosságának és fontosságának feltételezése;
az objektivitásba vetett hamis illúzió.
4
A döntési folyamat részei
feladat meghatározás és adatgyűjtés
tervezés
döntés
megvalósítás (Herbert Simon: döntés = tervezés, szervezés, ellenőrzés)
A tudományos kutatás alapvető lépései a következők:
megfigyelés,
a probléma meghatározása,
egy hipotézis megfogalmazása,
kísérletezés,
ellenőrzés, „jóslás”.
5
Struktúrált döntési problémák megoldása
• információs összegyűjtése
• a lehetséges kimenetek egy teljes halmazának megkeresése
• az elemekhez egy eredmény (kívánatosság) hozzárendelése
• a legkívánatosabb kimenetel kiválasztása
Nem jól strukturált problémák megoldásának lépései
• identifikálás fázisa
• fejlesztés fázisa
• választás fázisa
6
A racionális döntéshozatalnak a következő
kritériumai vannak:
Konzisztencia
Ha döntéshozatalkor kettő vagy több (megengedett) technikát
használnak, a lehetséges eredményeknek,
következményeknek ugyanazoknak kell lenni.
Folytonosság
Ha valaki a módszertan alkalmazásával két, nagyon hasonló
döntést hoz, akkor a döntések eredményeinek úgyszintén
nagyon hasonlóknak kell lenni.
Univerzalitás
A módszertannak általánosan alkalmazhatónak kell lenni üzleti
és nem üzleti döntések egy széles körére és nem csak
specifikusan a döntések egy osztályára
7
Egyértelműség
Csak egyértelmű és explicit információk alapján kapunk
eredményt.
Nincs visszatartott információ
Ha bizonyos információkat visszatartottak és csak később
használhatók fel, akkor a döntési javaslat menetközben
lényegesen módosulhat.
Túl szigorú kritériumok
Gyakorlati problémák ezeket nem teljesítik.
8
Feladat meghatározás és adatgyűjtés
• folyamatos figyelés, monitorozás
• probléma észlelés
• probléma azonosítás
• probléma osztályozás (strukturált, nem strukturált)
• részproblémákra bontás
9
Tervezési fázismodellezés:
• elméleti alapok
• struktúra
• komponensek
• kritériumrendszer
• alternatíva generálás
• előrejelzés
• mérés
• értékelés
10
Modell típusok
normatív
leíró
kielégítő
Normatív modellek:
céljai lehetnek:
legeredményesebb, fix ráfordítás
mellett
legalacsonyabb költség megadott
hatékonyság mellett
legjobb hatékonyság
(cél/ráfordítás)
11
A normatív modellek feltételrendszere
Az emberek gazdasági alanyok, kiknek célja az elérhető
célokból származó hasznosság maximalizálása.
A döntéshozó mindig racionális.
Egy adott döntési szituációban mind a lehetséges alternatívák,
mind a hozzájuk rendelhető akciók és következmények
ismertek, de legalább az előfordulási valószínűségeik
adottak.
A döntéshozónak világos preferencia-sorrendje van, ami
lehetővé teszi számára a kívánatos kimenetelek
rangsorolását.
12
A leíró modellek
Az összes alternatíva egy részhalmazát tekintjük át.
A legjobb nem feltétlenül azonos az optimálissal,elégséges lehet egy elfogadható is.
A kielégítő döntés
időhiány,
erőforráshiány,
költségek,
optimalizáció nehézségei,
az emberi döntések csak korlátozottan racionálisok
13
Alternatívák generálásaDSS: manuális
ES: automatikus
biztos kimenetel
bizonytalan kimeneteldeterminisztikus, sztohasztikus
kockázatos kimenetel
Az alábbi kimenetelek elemzése:
legrosszabb eset
legjobb eset
a legvalószínűbb eset
15
Választási technikák:
analitikus technikák – optimalizálás (struktúrált
problémák):
algoritmusok (lépésről-lépésre)
a kívánt célállapot közvetlen elérése
kiinduló állapotból keresési úton keresztül a
célállapotba
16
Keresési technikák: véletlen keresés
heurisztikus keresés
Keresés iránya:
a célorientált – alapadat végállapot
adatorientált – végállapot
előfeltételek keresése
kombinált
17
Az érzékenység vizsgálata lehet:
automatikus – a modell szolgáltatja,
próba – szerencse módszerrel,
„akkor, ha” – adott bemenethez milyen kimenet
tartozik
célkeresés – alternatív célokhoz a megfelelő
bemenetek meghatározása és vizsgálata,
kritikus sikertényező elemzése – a vállalat
céljainak elérésében legfontosabb tényezők
elemzése a modellen keresztül
18
Értékelés
Bonyolult, több (esetenként ellentmondó) célok megoldása.
Problémák:
célhierarchia felállítása
a résztvevők célrendszereinek különbségei
a döntést hozó céljainak változása (időben és a körülmények függvényében)
szervezeti célok különbözősége
a célok objektív változása
a célok és az alternatívák kapcsolatainak feltárása
Érzékenység vizsgálat.
19
EMBEREK RIPORTOK ÚJSÁGOK TV EGYÉB BENYOMÁSOK
A PROBLÉMA
DEFINIÁLÁSAEIS ÉS ES
ES, NLP
MINŐSÉGI
ANALÍZIS
(TERVEZÉS)
MENNYISÉGI
ANALÍZIS
(TERVEZÉS)
DÖNTÉS
(VÁLASZTÁS)
IMPLEMENTÁCIÓ
ES
DSS
QM
GDSS
IGEN
DSS ÉS
ES
21
Megvalósítás
A fenti folyamatok támogatása:
adatgyűjtés: - MIS, EDP, EIS, ES, DSS
tervezés:- DSS, ES
választás: - DSS, ES
megvalósítás:- DSS, ES
23
AZ EMBERI PROBLÉMAMEGOLDÁS ÁLL:
HEURISZTIKUS
ÉS TRANSZFORMÁCIÓS ELEMEKBŐL
A HEURISZTIKUS PROBLÉMAMEGOLDÁS BELSŐ
SZERKEZETE NEM ISMERT
PRODUKCIÓS RENDSZEREK:
EGY ZÁRT VILÁG ELEMEINEK TRANSZFORMÁCIÓS
SZABÁLYRENDSZEREKÉNT HATÁROZHATÓK MEG.
24
Egyszerű logikai transzformáció az a következtetés
pl., hogy az
A személy B anyja és
B a C személy anyja, akkor
A csak C nagyanyja lehet
Produkciós rendszer komponensei:
Munkaterület
Produkciós szabályok rendszere
Kontroll stratégia
25
Egyéni döntéshozatal
Meghatározók
intuíció
preferencia
szubjektív
értékelés
tapasztalat
A kognitív folyamat perceptív
(rendszerszemléletű)
receptív (analitikus)
szisztematikus
intuitív
26
Szervezeti döntéshozatal
Csoportos döntések
a személyek közötti kommunikációs biztosítása
egyetértés kialakításának technikái
a csoportdöntés eredményének kifejezése
27
Tételezzük fel, hogy egy háromtagú család autót akar vásárolni, és
a kiválasztott típus három színben kapható. Mindenki felírja egy
darab papírra, hogy számára melyik szín a legvonzóbb, és melyik
a legkevésbé az.
Tegyük fel, hogy ennek eredményeként a következőket kapjuk:
Apa sötétkék > citromsárga > meggypiros
Anya meggypiros > sötétkék >citromsárga
Kislány citromsárga > meggypiros > sötétkék
Próbáljuk az egyedi sorrendekből a családi preferenciát
meghatározni. Állapítsuk meg először is, hogy vajon a
meggypiros vagy a sötétkék szín a kedveltebb a családban. Kettő
az egyhez arányban a piros színt választják, hiszen csak az apa
listáján előzi meg a kék szín a pirosat, azaz
meggypiros > sötétkék
28
Hasonlóan megállapítható, hogy a citromsárga szín kedveltebb a
családban, mint a meggypiros, hiszen mind az apa, mind a
kislány jobban szeretné, ha ilyen színű lenne a családi autó, s
csak az anya választana fordítva. Vagyis
citromsárga > meggypiros
E két következtetés együttes alkalmazásával (vagyis tranzitív
módon) a család végül is a citromsárga színt fogja választani, s a
sötétkék szín bizonyul a legkevésbé kedveltnek, vagyis a családi
preferencia egybeesik a kislány egyéni sorrendjével, azaz
citromsárga > meggypiros > sötétkék
Tételezzük fel, hogy az anya elégedetlen a színválasztással, s egy
másik következtetési módot javasol. Nevezetesen azt, hogy
először hasonlítsák össze a kék és a sárga szín kedveltségét,
majd pedig a pirosat és a kéket.
29
Az első esetben csak a kislány választaná inkább a sárga színt, tehát a
családi szavazat
sötétkék > citromsárga
S csak az apa részesítené előnyben a kék színt a pirossal szembe, a
többségi családi vélemény tehát
meggypiros > sötétkék
E két reláció együtt a következő sorrendet adja
meggypiros > sötétkék > citromsárga
30
Végül belátható, hogy ha előbb a sárga és a piros színt, majd a kéket
és a sárgát hasonlítjuk össze és többségi szavazással állapítjuk
meg a preferenciákat, akkor az alábbi eredményre jutunk
sötétkék > citromsárga > meggypiros.
A fentiekben leírt eredmény Condorcet-paradoxon néven ismert, s
úgy interpretálható, hogy a többségi szavazással csoportreferencia
nem mindig állapítható meg, mivel az egyéni preferenciák
összegezése nem szükségképpen ad egyértelmű csoportos
véleményt.
31
Az Arrow – féle követelmények:
bármilyen csoport tag preferenciák esetén, elő kell állítani a csoportos preferencia sorrendet
ha minden tag A-t preferálja B-vel szemben, akkor ennek a csoport preferenciában is tükröződni kell
a csoport preferenciája két lehetőség között kizárólag a csoport tagjainak két lehetőség közötti preferenciájától függhet
nincs a csoportban a saját akaratát mások rovására érvényesíteni tudó személy
Arrow szerint nem létezik olyan eljárás, amely a fenti négy feltételt egyidejűleg teljesítené.
33
DSS jellemezői
egyszerű szerkezet
nagy volumenű adatkezelés
könnyen ellenőrizhető
módosítható
fontos kérdésekben teljes körű
egyszerűen használható
34
DSS TPS összehasonlítása
Paraméter DSS TPS
Használat Aktív Passzív
Felhasználó Vezetők Beosztottak
Cél Hatásosság Hatékonyság
Időtáv Jelen és jövő Múlt
Fő szempont Rugalmasság Konzisztencia
35
További követelmények a DSS-el szemben: bővíthető
képes ad hoc értékelésekre és modellezésekre
jövőorientált
alkalmazható váratlan szituációkban is
Felépítése (Bonczek szerint): kommunikációs rendszer
tudás rendszer
probléma megoldó rendszer
Hasonló felfogás a szakértő rendszerek felépítéséhez.
36
Definíció:
A DSS-ek azok a döntéshozatal folyamán
használható számítógépes rendszerek, amelyek a
strukturált és kevéssé strukturált feladatok
megoldásához is segítséget nyújtanak a beépített
döntési szabályok és modellek felhasználásával, s
ezeket a felhasználó is módosíthatja vagy
bővítheti. A DSS tehát komplex döntési szituációk
megoldásában segít, növelve a döntések
hatásosságát.
37
DSS tulajdonságok
dinamikus együttműködés a számítógép és az ember között
a különböző vezetői szintek támogatása
Egyéni és csoportos döntési folyamatok támogatása
elkülönülő és láncolt döntések kezelése
a döntési folyamat végigkísérése
különböző döntési stílusok és technikák támogatása
rugalmasság és adaptivitás
barátságos felhasználói felület
hatásosság
teljes körű felhasználói kontroll
fejleszthetőség – belső és külső
végfelhasználói fejleszthetőség
39
Menedzserek
(felhasználók)
Dialógus-
menedzsment
Adat-
menedzsment
Modell-
menedzsment
Egyéb
Számítógépes
rendszerek
Külső és
belső
adatok
42
DSS adatbázis
rekord-alapú
hierarchikus
hálós
relációs
objektumorientált
a DSS –adatbázis elérése, adatok kinyerése
gyors adatfelújítások
különböző forrásokból származó adatok együttes kezelése
lekérdezések, jelentések (riportok) generálása
az adatok biztonságának garantálása
személyes és szervezeti adatok alternatíváinak kezelése
az adathasználat nyilvántartása
Adatbázis-kezelő rendszer funkciói:
43
Adatszótár
Belső és külső adatok egységes kezelésére szolgáló
adatbázis, amellyel a tárolt és felhasznált adatok
forrása, állapota, kapcsolatai leírhatók és
felhasználhatók.
Lekérdezés
Speciális lekérdező nyelvek, adatbázis specifikus
44
Modellkezelő alrendszer
Formailag hasonló részekre bontható, mint az
adatbázis-kezelő alrendszer:
modellbázis
modellbázis-kezelő alrendszer
modellszótár
modell végrehajtása
45
Modellbázis
A modelleket a felhasználási szint és funkció szerint csoportosíthatjuk:
stratégiai
taktikai
működtetési
valamint
modellblokk, illetve
szubrutin
típusúakra.
46
Modellbázis-kezelő alrendszer
Feladata:
összeépíteni a modelleket blokkokból,
szubrutinokból
bővíteni a blokkok készletét
részmodelleket összekapcsolni
47
Modellszótár
Hasonló az adatszótárhoz
o katalogizálja a modelleket
o tájékoztató információk modellekről
o esetleg segítség nyújtás a választáshoz
Modellvégrehajtás (aktuális futtatás)
48
Kommunikációs alrendszer
A felhasználó
előfizetői mód
rendszeres jelentés, nem interaktív
hivatalnoki mód
változó tartalmú jelentés offline módon
terminál mód
interaktív kérdés-felelet
közvetítéses mód
kijelölt munkatársakon keresztül, kellő számítástechnikai
ismeret hiányában
felhasználó barát rendszerek esetében a közvetítők
kiküszöbölődnek
49
A közvetítőket három csoportba lehet
sorolni, lehetnek:
DSS-asszisztensek
DSS-specialista, szakmai és számítástechnikai
felkészültséggel
specialisták
üzleti szakterület szakértői
szakértők
egy-egy modellezési módszer szakértői
50
DSS-hardver és – szoftver
Steven Alter nyomán a döntéstámogató rendszerek 7 szintjét különböztetjük meg:
javasló rendszerek (suggestion systems)
optimalizáló rendszerek
reprezentációs modellek
könyvelési modellek
elemző információs rendszerek (analysis information systems)
adatelemző rendszerek
adatkezelő rendszerek (file drawer systems)
51
Adatkezelő rendszerek Egyszerű lekérdezések,
szabálytalan időközökben
Adatelemző rendszerek Periodikusan, vagy szabálytalan
időközökben végzett
adatmanipulációs tevékenység
Elemző információs
rendszerek
Szabálytalan időközökben vagy
felkérésre végzett adatelemzés
kisebb modellekkel
Könyvelési modellek Rendszeres időközökben
végzett, standard modelleken
alapuló elemzési, előrejelzési
számítások
52
Reprezentációs modellek Periodikus vagy ad hoc
elemzések bizonyos részleges
hatású lépések várható
eredményeiről
Optimalizáló rendszerek Periodikus vagy ad hoc
elemzések bizonyos lépések
várható eredményeiről
optimalizáló modellekkel
Javaslattevő rendszerek A napi munkafolyamatok
irányítását segítő egyszerű
döntési modellek alapján ad
javaslatokat
53
Csoportos döntéstámogató rendszerek
Három fő típusa:
független döntéshozás
független részdöntések sorozata
csoportmunkát követelő döntéshozás
54
Definíció:
A csoportos döntéstámogató rendszer
(GDSS=Group Decision Support System) olyan
számítógép alapú információs rendszer, amely
képes nem strukturált problémák megoldásához
segítséget nyújtani döntéshozók együtt dolgozó
csoportjának. Egy GDSS-t hardver, szoftver, az
alkalmazott módszerek és emberi résztvevők
jellemeznek.
55
A csoportot érintő feladatok a következők:
A csoporttagok szavazatainak, véleményének,
modelleredményeinek numerikus és grafikus
összegezése. (Nem feltétlenül összeadása –
fontos lehet a megoszlás is.)
A döntési alternatívák közös értékelése, az ötletek
anonim gyűjtése és szelektálása, csoportvezető
választása és más konszenzust igénylő akciók
lebonyolítása.
Az információk összes formájának továbbítása a
csoporttagok között, illetve információcsere a
GDSS adatbázisával
56
A GDSS tipológiája
Döntési termek
Döntési hálózat
Távkonferencia
Távoli döntéshozatal
A GDSS viszonya a DSS-hez:
a csoporttagok közötti kommunikáció lehetősége
a szavazási, pontozási, értékelési technikákat, a
konszenzus kialakításának eszközei
több technikai-technológiai kiegészítő
58
A DSS fejlesztési lépései a következők:
tervezés – problémaanalízis, a DSS céljai, szükségletelemzés
kutatás – a szükségletek kielégítésének lehetőségei: igények, erőforrások
analízis – koncepcionális tervezés, normatív definíciók a rendszerre vonatkozóan
kialakítás – részletes specifikáció, minden részrendszerre
konstrukció – a DSS összeállítása, igen eszközfüggő
implementáció – tesztelés, kiértékelés, demonstráció, betanítás, bevezetés
karbantartás és dokumentálás – a rendszer élettartamára figyelemmel
adaptáció – az újabb igények felmerülésének hatására
59
A DSS technológiai szintjei
önálló DSS-ek
DSS keretrendszerek
DSS generátorok
DSS eszközök
A DSS fejlesztés megközelítései
gyors fejlesztés
lépcsőzetes-fejlesztés
teljes DSS-fejlesztés
60
A DSS szoftverekkel szembeni követelmények
interaktivitás és végfelhasználói használat
könnyű hozzáférés a tárgyhoz tartozó szükséges
információkhoz
a felhasználók közötti kölcsönhatás
a felhasználói igények változásaihoz történő gyors
alkalmazkodás
portabilitás
megbízhatóság
nagy teljesítmény
61
Szoftvereszközök DSS alkalmazásokra
általános programnyelvek
táblázatkezelő programok
DSS-keretek és – generátorok
63
A generátor szerkezete
A generátor legfontosabb részrendszerei
(erőforrásai):
adatbázis-kezelő rendszer
a jelentéskészítő
a modellező nyelv
a file-kezelő rendszer (alkalmazási file)
a statisztikai algoritmusok eszköztára és
a felhasználói interfész
64
A főmenü Az interfész
A felhasználó szövegszerkesztővel leírja az alkalmazás logikáját.
A modellező nyelv
A modell elkészítéséhez modellező nyelv szükséges.
Riportgenerálás
alkalmazásból való adatok és táblázatok
grafikák egyszerűen illeszthetők a szövegbe
riportok aktualizálása automatikus
egy alkalmazási példa: benchmarkteszt különböző szoftvertermékek összehasonlító elemzésére
65
A döntés strukturálása
A leggyakrabban a DSS-eket a következő
döntéstípusokban alkalmazzák:
forrásallokáció
személyi döntések
projektmenedzsment
tenderezés
beruházások
67
Problémareprezentáció az MI területén
Problémareprezentációk:
állapottér-reprezentáció
problémaredukciós reprezentáció
AND/OR gráfok
játékokat reprezentáló fák
68
Állapottér reprezentációElemei:
állapotok, amelyek azok az adatstruktúrák, (adathalmazok),amelyek megadják a probléma minden egyes megoldási lépéshez tartozó feltételeket
operátorok, amelyek az egyik állapotból a másikba transzformálják a problémát
halmaz állapottér
operátor - változókat is tartalmazhat
(OSG) O:alkalmazott operátorok halmaza S: kezdeti állapot halmaza
G: célállapot halmaza
gyakran jellemezhető irányított gráffal
csomópont-állapot
élek-operátorok
megoldás: út kezdő és a célpont között (költség hozzárendelés)
69
Problémaredukciós reprezentációA problémákat részproblémákra bontja.
Pl.: Hanoi-tornyok
Problémareprezentáció, problémaredukció:
egy kezdeti problémaleírás
azon operátorok halmaza, amelyek a problémát
részproblémákká transzformálják
az egyes primitív problémák leírása
70
AND/OR GRÁFOK
Egy AND/OR gráf a következő szabályok egymás utáni
alkalmazásával jön létre:
Minden csomópont vagy egy megoldandó problémát, vagy egy
megoldandó problémahalmazt reprezentál. A gráf tartalmaz egy
kezdő csomópontot, amely az eredeti problémának van
megfeleltetve.
A primitív problémát reprezentáló csomópontot utolsó
csomópontnak hívjuk, mivel innen nincs további elágazás a fában.
A P probléma megoldásában használatos operátor minden
lehetséges alkalmazása a P-t részproblémák halmazára bontja,
ennek megfelelően él köti össze a P-t és a részproblémákat
reprezentáló csomópontokat
71
AND/OR gráfok
Játékokat reprezentáló fák
Számítógépes játékok nagy része: sakk, gót, amőba
Két játékos játszik
Szabályok írják le az elvégezhető lépéseket
Ismert az ellenfél pozíciójáról az összes információ
„Játék”- fák:
Kezdő vagy gyökér csomópont a kezdeti állapot
Minden út a játék egy lehetséges játszmáját adja
72
A „Játék” – fák
két egymás ellen játszó játékos lépéseit mutatják be
Állapottérfák
Az élei egy egyedülálló problémamegoldó lépéseit
mutatják be
Az AND/OR fa
A játékos szempontjait OR csomópontok reprezentálják,
az ellenfél lehetséges lépéseit AND csomópontok
reprezentálják.
73
Keresési eljárásokHegymászó (Hill-climbing) keresés
függvények maximumának keresése
függvényérték legnagyobb növekedése
Visszalépés keresés (Backtracking)
egyszerre csak egy utat tart nyilván
zsákutcába jutott, visszalép
alapváltozat nem garantálja a cél elérését végtelen méretű vagy kört ábrázoló gráfban: mélységi korlát, körök figyelése
Gráf keresés (Graph search)
74
Breadth-first (szélességben először) keresés gyökér csomópont összes lehetséges kiterjesztésével
kezdődik
sok memóriát igényel
A breadth-first keresés a következő algoritmussal adható meg:
Helyezzük a gyökér csomópontot egy OPEN (KEZDŐ) nevű listába, a nem kiterjesztett csomópontok listájába. Ha az OPEN csomópont egyben a cél csomópont is, a megoldást megtaláltuk.
Ha az OPEN üres, nincs megoldás
76
Vegyük elő az első csomópontot, n-t az OPEN-ből, és
rakjuk át a kiterjesztett csomópontok CLOSED listájába.
Terjesszük ki az n csomópontot (állítsuk elő utódait). Ha
nincsenek utódai, lépjünk vissza a 2. ponthoz.
Helyezzük n összes utódait az OPEN lista végére.
Ha az n csomópont utódai között van a cél csomópont, a
megoldást megtaláltuk, ellenkező esetben a 2. lépés
következik.
77
A depth-first (mélységben először) keresés
A csomópont mélysége:
a gyökér csomópont mélysége 0
minden más csomópont mélysége 1-gyek több, mint az
elődjének mélysége.
78
A csomópontok generálásának sorrendje (például):
Tegyük a gyökér csomópontot egy OPEN (KEZDŐ) nevű, kiterjesztetlen csomópontokat tartalmazó listába. Ha ez a cél csomópont, akkor a megoldást megtaláltuk.
Ha az OPEN üres, nincs megoldás.
Helyezzük át az OPEN lista első elemét, n-t a CLOSED (ZÁRT) nevű, kiterjesztett csomópontokat tartalmazó listára.
Ha az n csomópont mélysége a maximális mélységgel megegyezik, lépjünk a 2. pontra.
Terjesszük ki n-t (azaz hozzuk létre az utódait). Ha nincsenek utódai, a 2. pont következik.
Az n csomópont összes utódát rakjuk az OPEN lista elejére.
Ha az n csomópont utódai között van a cél csomópont, készen vagyunk. Ellenkező esetben a 2. pont jön.
80
Branch-and bound (elágazás és korlátozás) keresés
hasonlít a hegymászó kereséshez
a legkisebb költségű út
Best-first search (előretekintő keresés)
Nem azt a csúcsot választja ki, amelyhez a legkisebb
költséget rendelte, hanem azt, amelyikből várhatóan a
legkisebb költséggel lehet célba jutni.
81
Tudásreprezentáció (ismeretreprezentáció)
A tárgykörről szerzett ismeretek ábrázolása számítógépes megoldásra alkalmas szerkezetben
összegyűjtés
rendszerezés
finomítás
Ismeretreprezentációs technikák:keresés állapottérben
logika
procedurális reprezentáció
szemantikus hálók
produkciós rendszerek
keretrendszerek
82
Logika
Logikai formalizmusok segítségével adott tényekből
következtetések levonása
Mechanikussá tehető, gépesíthető
Az ítéletkalkulus
axiómák felállítása
következtetési szabályok halmaza, következtetési
struktúra
83
A leggyakrabban használt műveletek:
„és” műveletek
„vagy” műveletek
„nem” műveletek
implikáció („ha, akkor” művelet)
ekvivalencia (akkor és csak akkor művelet)
84
Következtetés:
a feltételek vagy premisszák halmaza (ezekből következtetünk)
a következmény vagy konklúzió
a premisszákra alkalmazott következtetési szabály
A predikátumkalkulus
az objektumok közötti relációk definiálása
az ítéletkalkulusban megfogalmazott logikai műveletek
Korábban tárgyalt relációk és gráfok
85
Kvantorok
Többféle állítás kifejezéséhez szükséges változók
Lásd korábban tárgyalt relációk és gráfok.
: minden
: létezik
87
„Minden ember halandó”„Van ember, aki halandó”
Közös
Ítélet alanya
Ítélet állítmánya
Eltérő
Állítás terjedelme
Általánosítás foka
Az első ítélet: általános
A második ítélet: létezik,
van legalább egy
ember
88
Egy ítélet „kvantifikálása”
Az állítás terjedelmének meghatározását jelenti,
melyhez a formális logikában a kvantifikátornak
vagy kvantornak nevezett operátorok
használatosak
89
: általános kvantifikátor, jelentése MINDEN, vagy BÁRMELY
Ha S egy emberekből álló sokaságot jelent, ahol F a
férfiak és N a nők osztálya, akkor
Minden x-re, mely eleme S-nek fennáll, hogy x vagy az
F, vagy az N osztályhoz tartozik, de a kettőhöz együtt
nem tartozhat.
NxFxSx )(
90
: egzisztenciális kvantifikátor, jelentése LÉTEZIK, VAN
Ha T a természetes számok halmaza, akkor
a következőképpen értelmezhető: „van olyan
természetes szám, amely nagyobb kettőnél”
2 tTt
91
A kvantifikátorok egymással kombinálva is alkalmazhatók
Ha X a valós számok halmaza, akkor
jelentése:
„Minden x valós számhoz található egy olyan y, hogy x kisebb mint y”
A kombinált alkalmazásnál az operátorok sorrendje nem közömbös. Az
jelentése: „Létezik olyan y a valós számok körében, hogy bármi legyen is x, x kisebb mint y.”
yxXyXx
yxXxXy
92
A kvantifikált ítélet tagadása
Legyen egy emberekből álló sokaság S, és legyen H a
halandó emberek osztálya.
„nem igaz, hogy minden ember halandó”
Ez azonban egyenértékű azzal az állítással, hogy
„létezik olyan ember, aki nem halandó”
Ahol a halandók osztályának komplementuma,
felírhatjuk az alábbi ekvivalenciát:
HxSx
H
HxSx
HxSxHxSx ][
93
Hasonló megfontolások alapján a következő sémával
foglalhatjuk össze a tagadások különböző típusait
és ezek kölcsönös megfeleltetését.
„nem igaz, hogy minden ember nem halandó” ítélet,
amely nyilván egyenértékű a „létezik (van legalább
egy) halandó ember” állítással
HxSxHxSx
95
Elsőrendű logika
Valamilyen objektum lesz az argumentumhoz rendelt érték.
Például a nagybácsi(X), egyváltozós függvény esetében,
ha X=Éva, nagybácsi(Éva)=Péter, tehát az X-hez rendelt
érték a Péter.
Két változó, X és Y akkor és csak akkor egyenlő, ha bármely
predikátumba, illetve függvénybe helyettesítve őket,
azonossághoz jutunk. A predikátumkalkulust az előzőekkel
kiegészítve kapjuk az elsőrendű logikát (az elsőrendű arra
utal, hogy kvantorok argumentumai között csak
individuumok szerepelhetnek, predikátumok, függvények
nem).
96
Alkalmazási területek:
kérdés-felelet rendszerek
problémamegoldó rendszerek
robotika
új elvű programozási nyelve
Procedurális reprezentáció
Olyan kisebb eljárások, programok, amelyek „tudják” hogyan kell meghatározott szituációkat kezelni.
Deklaratív reprezentáció – statikus, adott állapotról tájékoztat
97
Szemantikus hálók
Részei: csomópontokból (amelyeket ponttal, körrel vagy boxokkal
jelölhetünk az ábrázolásokban)
élekből (vagy kapcsolatokból, amelyeket nyilakkal szemléltetünk)
Csomópontok: objektumok, fogalmak, szituációk
Élek: közöttük fennálló relációk
Kísérlet a humán memória pszichológiai modelljének megalkotására.
98
Produkciós rendszerek
Newell és Simon fejlesztették ki (1972)
Az emberi kognitív képességek modellezése
az adatbázis olyan szabályokból épül fel, amelyek
feltétel-akció párok, produkciós szabályok
99
Keretrendszerek, frame-alapú reprezentációk
A frame olyan adatstruktúra, amely deklaratív és procedurális
információkat tartalmaz előre meghatározott belső
relációkban.
Generic DOG Frame (A kutyára vonatkozó frame)
Self: an ANIMAL (állat) a PET (kedvenc háziállat)
Breed (tenyészet):
Owner (tulajdonos): a PERSON (egy személy)
Name (név): a PROPER NAME (tulajdonnév)
100
Egy adott egyedre vonatkozó Frame
Self: a DOG
Breed: mutt
Owner: Jimmy
Name: Fido
A kategóriák minden kutyára azonosak.
Az egyes ismertető jegyek konkrét tartalma az egyedekre
jellemző
102
A mesterséges intelligencia főbb részterületei:
látásmodellezés
problémamegoldás
tanulás
szakértő rendszerek
neurális hálózatok
data mining
103
Tudásalapú rendszerek, szakértő rendszerek
A tudásalapú rendszerek (Knowledge-based Systems, KBS)
olyan MI-programok, amelyek a problématerületet leíró
ismereteket a rendszer többi részétől elkülönítve, az ún.
tudásbázisban tárolják.
A szakértő rendszerek (ES:Expert Systems) lényegében
olyan tudásalapú rendszerek, amelyek egy szűk
tárgyterületen belül, szakértői ismeretek felhasználásával,
gyakorlati szinten alkalmazhatóak feladatmegoldásra
104
A szakértő rendszerek jellemzői:
az emberi szakértőhöz hasonló javaslatokat ad
kérdéseit megmagyarázza, indokolja
szimbólum-manipulációkat használ
korrekt válaszadás mellett vagy helyett képes elfogadható
válasz, eredmény, javaslat adására
Három komponense van:
a felhasználói interfész
a következő gép és a
tudásbázis
105
A szakértői rendszerek megvalósításának technikái
Neurális hálózatokHatótényezők:
hatékonyabb tanulási algoritmusok használata
a számítógépek számítási kapacitásának nagymértékű növekedése
párhuzamos programozás előtérbe kerülése
Neurális hálózatok fő jellemzői:
nagyszámú neuronszerű processzorból állnak
párhuzamos architektúrával rendelkeznek
az elemek közötti kapcsolatok súlyozottak
tanulásra képesek
képesek az osztályozásra
106
Előnyös az alkalmazásuk:
ahol a problématerület gazdag történeti adatokban
a megoldást meghatározó függvény ismeretlen vagy
előállítása bonyolult
az alkalmazást egymásra ható paraméterek írják le
az adathalmaz bizonyos számú hibát tartalmaz
107
Alkalmazási területek:
karakter felismerés
képfelismerés
zajszűrés
előrejelzés
optimalizálás
Neurális hálózatok alkalmazása nem előnyös:
ahol a feladat matematikai pontosságot vagy precíz eljárást
igényel
ahol az adatok bizonyos időközönként cserélődnek (pl.
leltárkészítés)
108
Neurális hálózatok felépítése
Biológiai hálózatok:
1010 számú lassú, primitív processzorból állnak
nagy fokú párhuzamosság
nagymértékű adatáramlás
rugalmas kapcsolódó képesség
109
Neuron részei:
axon: az információ továbbítója neuronban
dendrit: idegvégződés
szinapszis: más neuronhoz való kapcsolódás pontja
Mesterséges neuronokból felépített hálózat:
csomópont: képezi a jelek súlyozott összegét,
küszöbfüggvény
rétegek: rendezett csomópontok
neurális hálózat
110
Fuzzy modellek
Genetikus algoritmusok
t-időponthoz tartozó P(t) populáció
kiválasztás
t+1 időponthoz tartozó P(t+1) időponthoz tartozó
populáció
genetikus operátorok
mutációs transzformáció
program konvergálása
112
A HANOI TORNYAI PROBLÉMA ÁLLAPOTGRÁFJA (Nilsson
1971)
(3,3,3)
(1,3,3)(2,3,3)
(1,2,3)
(2,2,3)
(2,2,1)
(3,2,1)
(1,1,1)
(3,1,1)
(2,1,3)
(1,1,3)
(1,1,2)
(3,1,2)
(3,2,2)
(2,2,2)
(3,1,3) (3,2,3)
(2,1,2)
(2,3,2)
(1,2,1)
(1,3,1)
(1,2,2) (1,3,2) (3,3,2) (3,3,1) (2,3,1) (2,1,1)
113
A hegymászó módszerrel bejárt megoldási út
(3,3,3)
(2,2,1)
(1,3,1)
(2,3,1) (1,1,1)(2,1,1)
(1,2,1)
(1,3,3)
(1,2,3)
(2,2,3)
114
A Hanoi tornyai probléma megoldás visszalépéses kereséssel
(3,3,3)
(2,2,1)
(1,2,1)
(1,3,1)
(3,2,1)
(1,1,1)(2,1,1)(2,3,1)(3,3,1)(3,3,2)
(3,1,1)
(1,3,3)
(1,2,3)
(2,2,3)