Cтраница 2
Все работы, связанные с нормированием с помощью ЭВМ, можно разделить на два вида: единовременные работы, выполняемые НИИ и предприятием - переработка нормативных материалов к виду, удобному для расчета на ЭВМ, создание модели решения задачи, выбор метода расчета, разработка алгоритма расчета норм, составление и отладка программы расчета на ЭВМ; работы, выполняемые на предприятии при проведении каждого расчета - заполнение бланков исходных данных, расчет на ЭВМ. [16]
Разработка экономико-организационных моделей задач управления является сложным и продолжительным процессом, осуществляемым в следующем порядке: формулируется планово-экономическая задача; определяются цель, критерии и ограничения решения задачи; устанавливаются закономерности рассматриваемого аспекта производственно-хозяйственной деятельности предприятия; математически формулируется модель решения задачи; разрабатываются алгоритм и машинная программа решения задачи; экспериментально решается задача управления с помощью экономико-организационной модели и анализируются полученные результаты; кор-ректируется или уточняется ранее сформулированная модель и дополнительно проверяется путем экспериментальных расчетов; формируются требования к информационному и организационно-техническому обеспечению АСУП. [17]
В системе управления ГПС, важнейшим элементом которого является описанная выше ДИСА, для эффективного обучения объекта текущая информация о его состоянии и прикладные программы хранятся в памяти так, что каждому уровню данных отвечает определенная модель Знаний - комплекс эталонных ситуаций и соответствующих этим ситуациям моделей решения задач. [18]
Модель решения задачи с учетом ее особенностей должна быть доведена до решения при помощи конкретных методов решения. Само по себе математическое описание задачи в большинстве случаев трудно перевести на язык машины. Выбор и использование метода решения задачи позволяет привести решение задачи к конкретным машинным операциям. При обосновании выбора метода необходимо учитывать различные факторы и условия, в том числе точность вычислений, время решения задачи на ЭВМ, требуемый объем памяти и другие. [19]
Другой полезной чертой экспертных систем является наличие у них прогностических возможностей. Экспертная система может функционировать в качестве модели решения задачи в заданной области, давая ожидаемые ответы в конкретной ситуации и показывая, как изменятся эти ответы в новых ситуациях. Экспертная система может объяснить подробно, каким образом новая ситуация привела к изменениям. Это позволяет пользователю оценить возможное влияние новых фактов или информации и понять, как они связаны с решением. [20]
Программа Ньюэлла, Шоу и Саймона относится к тем исследованиям, которые лежат в пограничной области между проблемой искусственного интеллекта и моделированием процесса решения задач человеком. Строго говоря, она вовсе не задумана как некая модель решения задач человеком в шахматной ситуации. [21]
Управление сложными системами требует оперирования с языком, отличным от языка управления, на котором базируются современные методы управления. Таким языком - может быть семиотическая система, имитирующая структуру и законы функционирования сложных систем, а также процессы формирования моделей решения задач управления. [22]
Это относится в основном к формализованным решениям. Если же ситуация является специфической, требуется выработка решения применительно к сложившимся условиям. Строится модель решения задачи, собирается необходимая информация и проводится расчет вариантов решения. При этом широко применяются методы линейного и динамич. [23]
Применение МПР особенно эффективно при расчете влияния комплекса маркетинга на прибыль предприятия. Необходимы дальнейшая разработка моделей решения задач, изучение имеющегося опыта. [24]
Эти особенности исходно были вызваны к жизни сложностью задачи понимания речи, однако в дальнейшем оказалось, что и для ряда других приложений также нужны подобные средства. I ориентирована на решение принципиально трудной проблемы, обладающей такими свойствами, для учета которых необходимы специальные архитектурные решения. Среди таких свойств - ненадежные знания или данные, большое пространство поиска возможных решений, отсутствие методов для точной оценки частичных решений, невозможность указать одну фиксированную последовательность действий, приводящую к эффективному решению задачи, взаимодействие между решениями для отдельных подзадач исходной задачи, необходимость в вероятностном угадывании отдельных решений для последующего анализа, отсутствие достаточно сильной модели решения задач, которая позволила бы эффективно выбрать единственную линию рассуждения, необходимость в специальных представлениях знаний, повышающих эффективность применения знаний. [25]
С другой стороны, СППР, основанные на знаниях преимущественно использовались для решения задач, которые или слишком сложны для математической формализации или трудны для решения с использованием оптимизационных моделей. Системы, основанные на знаниях, используются таким способом, чтобы заменялся эксперт, а не оптимизационные модели. Выделяют два класса таких СППР, различающихся по механизму комплексирования знаний и моделей решения задач, - независимые и взаимодействующие. Независимые системы используют только данные и ограничения задачи и решают ее, используя модели подобно тому, как их использует эксперт. Они не используют оптимизационный подход, при котором привлекается моделирование задачи и решается модельная задача с использованием оптимизационных алгоритмов. [26]
Мы еще не пытались учесть ту роль, которую играют внимание и забывание при отборе, искажении и потере информации. Другими словами, первая приближенная модель, над которой мы работаем, пока ведет себя так, как будто имеется абсолютное воспроизведение информации. Прежде всего интересно выяснить, что именно должно быть извлечено из памяти или перенесено от одного познавательного элемента к другому для создания последовательности, полезной для системы. Затем представляет интерес вопрос об использовании сложных сетей взаимосвязанных элементов, создаваемых этой программой, в моделях других психологических функций, например в модели решения задач. [27]
Модель памяти ПО Грино. Согласно его позиции, в процессе решения задач к делу привлекается информация, методы и идеи, которые мы знаем и помним из предшествующего опыта. Этот предшествующий опыт составляет содержание памяти. Однако, решение задач является уникальной формой обработки воспоминаний, поскольку то или иное решение часто приходит через образование новых связей, а не через простое воспроизведение информации. Модель решения задач по Грино ( 14.5) построена на основе стандартной системы памяти. [28]