Döntéstámogató rendszerek

dr. Szűts István

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

14

Döntés (választás)

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

20

TRANZAKCIÓS ELJÁRÁSOK

ÜZEMELTETÉSI FELÜGYELET

VEZETŐI KONTROLL

STRATÉGIAI

TERVEZÉS

EDP

DSS

MIS

21

Megvalósítás

A fenti folyamatok támogatása:

adatgyűjtés: - MIS, EDP, EIS, ES, DSS

tervezés:- DSS, ES

választás: - DSS, ES

megvalósítás:- DSS, ES

22

INFORMÁCIÓGYŰJTÉS

Perceptív

Információ-

kiértékelés

Intuitív

Receptív

Szisztematikus

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.

32

DSS (Döntéstámogató rendszer),

GDSS (Csoportos döntéstámogató

rendszer)

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

38

39

Menedzserek

(felhasználók)

Dialógus-

menedzsment

Adat-

menedzsment

Modell-

menedzsment

Egyéb

Számítógépes

rendszerek

Külső és

belső

adatok

40

A DSS részei

adatkezelő alrendszer

modellkezelő alrendszer

kommunikációs alrendszer

41

Adatkezelő alrendszer

DSS-adatbázis

Adatbázis kezelő rendszer

Adatszótár

Lekérdezés

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

57

DDS-ek készítése

A DDS fejlesztési folyamata

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

62

DSS-alkalmazásokOPTRANS OBJECT

(francia DSS-fejlesztő környezet)

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

66

Tudásalapú rendszerek elméleti alapjai

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

75

3 4 5 6

21

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.

79

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

86

Logikai kvantifikátorok

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

94

EKVIVALENS ÍTÉLET-PÁROK

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

101

Az MI alaptechnikái

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

111

A HANOI TORNYAI PROBLÉMA

1 2

C

B

A

3 12 3

A

B

C

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)

115

A Hanoi tornyai probléma megoldása gráfkereséssel

(3,3,3) 1.

(1,3,3) 2.

(1,2,3) 3.

(2,2,3) 4.

(2,2,1) 5.

(3,2,1) 8.

(3,1,1) 9.

(1,1,1)(2,1,1)(2,3,1)(3,3,1)

7. (1,3,1)

6. (1,2,1)

(3,2,3)

(2,3,3)