Планирование полифазного поведения автономных мобильных интеллектуальных систем в условиях неопределенности
Ключевые слова:
интеллектуальная мобильная система, априори неописанная проблемная среда, полипеременные условно-зависимые предикаты, сформулированное задание, планирование поведенияАннотация
Введение: проведен анализ современных принципов организации интеллектуальных решателей задач, позволивший обозначить их основные недостатки с точки зрения эффективности применения для планирования целенаправленного поведения автономных мобильных интеллектуальных систем в априори неописанных условиях проблемной среды. Цель: разработка модели представления и обработки знаний, позволяющей организовать целенаправленную деятельность автономных мобильных интеллектуальных систем в условиях неопределенности. Методы исследования связаны с синтезом: 1) фреймоподобных сценариев поведения, представляющих собой полипеременные условно-зависимые предикаты, структура которых включает комплексные переменные, а также связанные переменные сорта «объекты», «события», происходящие в среде, и «отношения» между ними; 2) эвристических правил обработки знаний в процессе планирования целенаправленного поведения. Для представления комплексных переменных в полипеременных условно-зависимых предикатах применяются нечеткие семантические сети, позволяющие представлять знания различных по назначению интеллектуальных систем безотносительно к конкретной предметной области и на этой основе адаптироваться к априори неописанным условиям функционирования Результаты: предложена структура различных по функциональному назначению полипеременных условно-зависимых предикатов, позволяющих автономным мобильным интеллектуальным системам организовать различные виды деятельности в априори неописанных нестабильных проблемных средах. Разработаны инструментальные средства обработки знаний, обеспечивающие автономным мобильным интеллектуальным системам возможность автоматически планировать целенаправленное поведение в пространстве подзадач в процессе выполнения сформулированных им заданий. Практическая значимость: использование полученных результатов повышает эффективность построения интеллектуальных решателей задач для автономных мобильных интеллектуальных систем различного назначения, способных выполнять сложные задания в априори неописанных условиях функционирования.
