Входные параметры Выходные параметры

Рис. 10.2. Обобщенная структура математической модели

Здесь Х и Y— некоторые количественные характеристики моделируемой системы.

Реализация математической модели — это применение определенного метода расчетов значений выходных параметров по значениям входных параметров. Технология электронных таблиц — один из возможных методов реализации математической модели. Другими методами реализации математической модели может быть составление программ на языках программирования, применение математических пакетов (MathCad, Математика и др.), применение специализированных программных систем для моделирования. Реализованные такими средствами математические модели будем называть компьютерными математическими моделями.

Цель создания компьютерной математической модели — проведение численного эксперимента, позволяющего исследовать моделируемую систему, спрогнозировать ее поведение, подобрать оптимальные параметры и пр.

Итак, характерные признаки компьютерной математической модели следующие:

• наличие реального объекта моделирования;

• наличие количественных характеристик объекта: входных и выходных параметров;

• наличие математической связи между входными и выходными параметрами;

• реализация модели с помощью определенных компьютерных средств.

В учебнике [31] приведен пример реализации на электронной таблице математической модели эволюционного типа: исследуется изменение со временем числа рыб в пруду, исходя из закона Мальтуса. Использование электронных таблиц в математическом моделировании отражено в разделе «Компьютерное математическое моделирование» задачника-практикума [6].

В качестве примера использования электронных таблиц для математического моделирования рассмотрим задачу о выборе места строительства железнодорожной станции из учебников А.Г.Гейна [4, 22].

Условие задачи. Пять населенных пунктов расположены вблизи прямолинейного участка железной дороги. Требуется выбрать место строительства железнодорожной станции, исходя из следующего критерия: расстояние от станции до самого удаленного пункта должно быть минимально возможным.

Для решения задачи выбирается система координат, в которой ось ^направлена по железнодорожной линии. В этой системе задаются координаты населенных пунктов. Допустим, что расстояние между самыми удаленными в направлении оси X пунктами равно 10 км. Начало координат выберем так, чтобы Х-координата самого левого пункта была равна 0. Тогда ^-координата самого правого пункта будет равна 10. Пусть координаты всех населенных пунктов в этой системе будут следующими:

1 - (0, 6); 2 - (2, 4); 3 - (5, -3); 4 - (7, 3); 5 - (10, 2).

В данном списке указан порядковый номер пункта и его координаты.

Ниже приводится проект электронной таблицы (табл. 10.3), решающей эту задачу.

Таблица 10.3

Для решения задачи применяется метод дискретизации: на участке железной дороги, ограниченном ^координатами от 0 до 10, рассматривается конечное число возможных положений станции, отстоящих друг от друга на равных расстояниях (шаг дискретизации). Для каждого положения станции вычисляются расстояния до каждого населенного пункта и среди них выбирается наибольшее расстояние. Искомым результатом является положение станции, соответствующее минимальному из этих выбранных величин.

Очевидно, что точность найденного решения зависит от шага перемещения станции (шага дискретизации). В приведенной таблице для уменьшения ее размера выбран довольно грубый шаг, равный 2 км. Тогда на всем участке помещается 5 таких шагов и, следовательно, анализируется 6 возможных положений станции (включая положение, соответствующее X = 0).

В табл. 10.3 формулы вычисления расстояний условно обозначены R(i, j). Здесь первый индекс обозначает номер населенного пункта (от 1 до 5), а второй — номер положения станции (от 1 до 6). Вот примеры некоторых формул на языке электронной таблицы MS Excel:

R(l, 1) = KOPEHb(($B4-D$3)^Ù2+$C4^Ù2)

R(l, 2) = КОРЕНЬ(($В5-В$3)^Ù2+$С5^Ù2) и т.д.

Таблица 10.4

В табл. 10.4 приведены числовые результаты расчетов решения данной задачи. Окончательный ответ следующий: железнодорожную станцию следует размещать в 4 км от начала координат. При этом самым удаленным от нее окажется населенный пункт номер 1 — на расстоянии 7,21 км. Следует иметь в виду, что полученный результат довольно грубый, поскольку его погрешность по порядку величины равна шагу (2 км).

Такой способ решения задачи оказывается, в некотором смысле, полуавтоматическим. Ученик приходит к окончательному ответу, анализируя полученную числовую таблицу. Визуально он определяет, какому положению станции соответствует (в каком столбце таблицы находится) найденное оптимальное расстояние 7,21 км. Если требуется уменьшить шаг дискретизации, то, изменив величину шага в ячейке Е1, нужно будет увеличивать число столбцов в расчетной таблице. Делается это легко, простым копированием столбцов. Максимальный размер электронной таблицы, хотя и ограничен, но все-таки достаточно большой (в Excel — 256 столбцов). Правда, в этом случае придется подправить формулу в ячейке D10.

Все эти дополнительные проблемы компенсируются прозрачностью модели. Ученик видит все промежуточные результаты расчетов, видит весь механизм работы выбранной модели. Понятие вычислительного эксперимента становится для учеников более содержательным, более наглядным.

Электронная таблица — средство более высокого уровня, чем язык программирования. В то же время задача проектирования расчетной таблицы того же типа, что нами рассмотрена, совсем не тривиальна. Можно говорить о том, что язык электронных таблиц — это своеобразный язык программирования — язык табличных алгоритмов. Следовательно, этап алгоритмизации в табличном способе математического моделирования тоже присутствует. Большим достоинством электронных таблиц является возможность легко осуществлять графическую обработку данных, что бывает очень важным в математическом моделировании.

Моделирование знаний в курсе

Информатики

Изучаемые вопросы:

ª Что такое база знаний.

ª Различные типы моделей знаний.

ª Логическая модель знаний и Пролог.

Впервые в школьной информатике тема моделирования знаний нашла отражение в учебнике [23], где рассматриваются базы знаний, основанные на применении логической модели, реализуемые на языке Пролог. В учебнике [31] разговор о базах знаний ведется в контексте знакомства с искусственным интеллектом — разделом современной информатики. В будущем в школьной информатике, несомненно, предстоит развитие линии искусственного интеллекта. Материал на эту тему, изложенный в доступной форме, содержится в пособии [12] в разделе «Искусственный интеллект».

Среди разнообразных систем искусственного интеллекта наиболее распространенными являются экспертные системы. В основе экспертной системы лежит база знаний — модель знаний в определенной предметной области, представленная в формализованном виде и сохраненная в памяти компьютера.

Существуют различные типы моделей знаний. Наиболее известные из них — продукционная модель, семантическая сеть, фреймы, логическая модель.

Продукционная модель знаний построена на правилах (они нарываются продукциями), представляемыми в форме:

ЕСЛИвыполняется некоторое условие ТОвыполняется некоторое действие

На основе поступающих данных экспертная система, анализируя имеющиеся правила, принимает решение о необходимых действиях. Например:

ЕСЛИтемпература в помещении < 15° ТОвключить отопление

Продукционные модели часто используются в промышленных (экспертных системах.

Семантические сети. Семантической сетью называется система [понятий и отношений между ними, представленная в форме ориен-|тированного графа. Это одна из наиболее гибких и универсальных |форм моделей знаний. На рис. 10.3 приведен пример, представляющий в форме графа сведения, заключенные в предложении: «Петух Петя является птицей, и он умеет кукарекать».

Рис. 10.3. Пример семантической сети

Фреймы. Фрейм — это некоторый абстрактный образ, относящийся к определенному типу объектов, понятий. Фрейм объединяет в себе атрибуты (характеристики), свойственные данному объекту. Фрейм имеет имя и состоит из частей, которые называются слотами. Изображается фрейм в виде цепочки:

Имя фрейма = <слот 1><слот 2>...<слот N>

Вот пример фрейма под названием «Битва»:

Битва = <кто?><с кем?><когда?><где?><результат>

Такое представление называется прототипом фрейма. Если же в слоты подставить конкретные значения, то получится экземпляр фрейма. Например:

Битва = <Царевич><Кощей Бессмёртный><утром><в чистом поле><победил>

Слоты сами могут быть фреймами. Таким образом, возможны иерархии фреймов, сети фреймов. К фреймам применимо понятие наследования свойств. Для реализации моделей знаний с использованием фреймов хорошо подходит технология объектно-ориенированного программирования.

Логическая модель знаний представляет собой совокупность утверждений. О каждом утверждении можно сказать: истинно оно или ложно. Утверждения делятся на факты и правила. Совокупность фактов представляет собой базу данных, лежащую в основе базы знаний. Правила имеют форму «ЕСЛИ А, ТО Б» (здесь есть сходство с продукционной моделью). Механизм вывода основан на аппарате математической логики (он называется исчислением предикатов первого порядка). Прикладные возможности этой модели весьма ограничены. Логическая модель знаний лежит в основе языка ПРОЛОГ.

ПРОЛОГ является языком логического программирования. Как известно, в программировании для ЭВМ существует несколько различных направлений (парадигм): процедурное программирование, функциональное программирование, логическое программирование, объектно-ориентированное программирование. В языке Пролог реализована логическая парадигма. Однако в рамках базового курса информатики использование Пролога очень ограничено и о программировании, в полном смысле этого слова, здесь речи не идет. Пролог рассматривается лишь как средство построения несложных баз знаний логического типа. При таком подходе систему Пролог можно рассматривать как своеобразную систему управления базами знаний (по аналогии с СУБД). Она позволяет создавать базу знаний и обращаться к ней с запросами.

Реализации Пролога существуют для большинства компьютеров, доступных школам. Поэтому представляется возможным предлагать Пролог в качестве средства для практической работы по теме «Искусственный интеллект и моделирование знаний». Материал на эту тему содержится во второй части учебника [30]. В качестве дополнительной литературы по Прологу можно рекомендовать пособия [3, 5, 27].

Требования к знаниям и умениям

Не нашли, что искали? Воспользуйтесь поиском по сайту: