Евристичне програмування

Детермінованість  алгоритму – це властивість, завдяки  якій “система величин у будь-який (не початковий) момент часу однозначно визначається системою величин у попередні моменти часу”. Але евристичні методи характеризуються багатозначністю проміжних результатів, що, однак, не заважає їм забезпечувати вихід (якщо це можливо) до цілі. Джерелом багатозначності проміжних результатів є характер евристичного процесу як процедури пошуку. Другою причиною багатозначності є положення кожного із законів, що застосовуються в загальному списку і в програмі обмеження і евристики.

Елементарність  кроків є наступною основною рисою  алгоритму і, відповідно, строгих  методів. Для строгих методів  це означає, що “закон отримання послідовної системи величин повинен бути простим і локальним”. Це строга, жорстка, обов’язкова вимога в евристичних методах в ряді випадків ігнорується. Основою для цього є той очевидний факт, що використовувані в евристичних процесах правила і закони є результатом узагальнення емпіричного матеріалу, досвідчених даних. Тому наведену категоричне формулювання для евристичних методів слід замінити на більш м’яку: закон отримання послідовної системи величин в евристичних процесах може бути простим і локальним.

Направленість – наступна найважливіша риса алгоритму, яка визначає його результативність. Якщо спосіб отримання послідовних  величин із яких-небудь заданих не дає результатів, то шукаються нові комбінації законів або цілей; якщо це не вдається, то вважається, що результат не знайдений.

Масовість повністю співпадає для строгих  і евристичних методів: “Початкова система може вибиратися з деякої потенційно безкінечної множини”.

Таким чином, нема принципової різниці  між обома методами реалізації евристичного процесу. Суттєва відмінність полягає лише в ступені визначеності, може бути, надійності того й іншого. Так, при наявності рішення строгі методи завжди приводять до нього, а евристичні можуть не знайти рішення, не дати відповіді навіть тоді, коли вони існують.

Крім  перерахованих загальних рис  строгих і евристичних методів, останні мають ще одну специфічну рису – селективність. Селективність  – це система величин, яка багатозначно отримується в якийсь (не початковий) момент часу, оцінюється у відповідності до деяких категорій, які почерпнули із попереднього досвіду, і розбиваються на дві підсистеми А і В – що задовольняє та не задовольняє ці критерії.

Властивість селективності евристичного процесу  дозволяє евристичним програмам  обмежити різноманіття можливих продовжень і рішень (і тим самим скоротити простір пошуку) і вийти на ті гілки, що ведуть до можливого рішення. Однак подібні обмеження можуть в підсистему А віднести і ті продовження, які не ведуть до цілі. Це пояснюється тим, що критерії, отримані із попереднього досвіду, утворилися на основі неповної індукції і не є істинними, а лише правдоподібними.

Існує декілька класів таких критеріїв (класів евристик), які оцінюють таким чином  проміжні результати.

Таким чином, реалізація евристичних процесів дещо відрізняються від строгих, причому останні є для них ніби крайнім випадком.  
 

Роль  логіки і математики в теорії евристичних  рішень та евристичному програмуванні  
 

Математики  і логіка в теорії евристичних  рішень грають двояку роль. З одної сторони, математика і логіка є засобами для описання виявлених закономірностей функціонування нервової системи і процесів переробки інформації, що відбуваються в ній, на основі вже відомого розробленого апарату. З іншої сторони, результати досліджуваної експериментальної нейрофізіології і психології дають математиці і логіці дані, що не підходять до відомих схем, і тим самим сприяють розширенню існуючої бази математики і логіки, що неминуче веде до розширення сфери їх застосування.

Математика  і логіка створюють передпосилання переходу від етапу безпосереднього спостерігання дійсності до етапу абстрактного мислення, осмислення дійсності на новому абстрактному рівні відповідно до відомої формули діалектичного матеріалізму “від живого спостерігання до абстрактного мислення і від нього до практики”. Першим етапом в абстрактному мисленні є розробка системи наукових понять і термінів, створення спеціальної мови науки, за допомогою якої виражається зміст даної науки. Тут ми від простого спостерігання переходимо до їх класифікації і пояснення. Це вже наступний етап розвитку науки, рівень абстрактного мислення. Він неодмінно пов’язаний із виникненням деякої наукової мови, що описує відповідні поняття. Правда, ця мова далеко не завжди формалізована так само, як мова алгебри чи математичного аналізу. 
 
 
 
 

Множина представлення інформаційних  моделей як технічна основа евристичного програмування 

Теорія  евристичних рішень, як складова частина  кібернетики, вивчає механізми сприйняття, мислення  і поведінки тільки в інформаційному плані, тільки у сфері вивчення процесів переробки інформації, що здійснюються цими механізмами. При цьому уявлення про інформацію, що використовується теорією евристичних рішень, ширше використовується в повсякденному слововживанні. Інформація являє собою міру неоднорідності розподілу матерії і енергії у просторі і часі, міру вимірів, якими супроводжуються всі процеси, що відбуваються  у світі. Інформацію несуть в собі не лише книги чи людська мова, а й сонячне світло, складки гірського хребта, шум водоспаду.

Важливою  особливістю інформаційного підходу  в теорії евристичних рішень є  абстрагування від багатьох засобів  реальних носіїв інформації, або, точніше, виділення тих їхніх важливих рис, які необхідні для вияснення  умов рішення конкретної задачі. Але це не виключає можливостей розгляду однієї й тієї ж задачі на багатьох взаємодоповнюючих якісних рівнях.

Звідси  випливає потреба представлення  реальних процесів на різних якісних  рівнях або, іншими словами, представлення  реальних процесів у вигляді множини інформаційних моделей, що відображають той чи інший аспект процесу, що вивчається. З іншого боку, таке абстрагування дозволяє ставити відповідно до явища або процесу одної природи множину відображень або описів явищ або процесів зовсім іншої природи.

Твердження  про принципову можливість множинності  представлення реальних явищ або  процесів, що випливають з самого поняття  абстрагування, і є технічною  основою теорії евристичних рішень.

Основною  задачею теорії евристичних рішень в технічному аспекті є створення в технічних пристроях процесів переробки інформації високоорганізованих живих організмів, в тому числі і людини, особливо процесів переробки інформації, пов’язаних з його продуктивною діяльністю.

Принципова  можливість моделювання цих процесів вже показана на прикладі універсальних цифрових обчислювальних машин. Можливість ця обумовлена особливість машин виконувати будь-які перетворення інформації як при умові точного опису базисної системи правил, так і у випадку задання правил, що змінюють цю систему. 
 
 
 
 

Евристичні  програми як моделі поведінки складних систем 

Можливості  теорії евристичних рішень не вичерпуються нейрофізіологічними і психологічними задачами; її методи можна використовувати  і для рішення конкретних практичних задач, які виникають при спілкуванні людини з технічними системами, що ускладнюються, у суспільному житті, в наукових дослідженнях.

Однією  із проблем, які виникають, наприклад, в економіці, є аналіз складної та суперечливої інформації, яка поступає до керівників підприємств, трестів, відомств, і прийняття рішення в умовах, що швидко змінюються. Основна проблема тут полягає в тому, що для прийняття правильного рішення потрібно переробити величезну кількість інформації, що поступає, зіставити її з тою, яка наявна, провести оцінку в різних аспектах. Використання для цього теорії евристичних рішень дозволяє автоматизувати процес, залишивши керівнику тільки морально-правову оцінку можливих дій, які пропонуються обчислювальною машиною, і їх результатів.

Аналогічний характер мають і деякі задачі, які висуваються медициною (наприклад, моделювання поведінки лікаря при постановці діагнозу). Для  таких задач особливо характерна неповнота поточних даних. Методи теорії евристичних рішень дозволяє намітити тактику пошуку, виявлення недостатньої інформації (попередній досвід, опис одної і тієї самої задачі на різних мовах). До подібних задач відносяться і задачі розшифрування кардіограм, енцефалограм.

Важливу роль відіграють ці методи при рішенні  ряду транспортних задач. Тут важливим виявляється дослідження різних тактик кваліфікованих спеціалістів при прокладанні рейсів і створенні маршрутів польоту вантажних і пасажирських літаків, роботи по складанню розкладів, які дозволяють збільшити пропускну властивість доріг. У всіх цих випадках при розробці евристичних програм потрібно враховувати такі неформальні компоненти мислення, як використання аналогій, асоціацій.

Застосування  методів теорії евристичних рішень розширяє можливості автоматизації  управління виробництвом у всіх його ланках, починаючи з рішення задач оперативного планування при наявності пріоритетів у виконанні замовлень і закінчуючи розробкою графіків використання, перевлаштування і ремонту обладнання. Сюди ж належить і ряд проблем, пов’язаних з моделюванням оперативного мислення людини при управлінні складними промисловими об’єктами. Характерним для ситуацій, що виникають при цьому, є різкі відхилення управлінської системи від заданого режиму і відсутність у людини, пов’язаною із цією системою, “способів дії, за допомогою яких вона могла б привести до ладу запланований і реальний промислові процеси”. У цьому випадку задачею є вивчення і аналіз способів поведінки людини в проблемних ситуаціях, знаходження шляхом рішення задач, що виникають в умовах невизначеності, і розробка відповідних програм. Труднощі тут пов’язані з більшим різноманіттям середовища і з тим, що в програму не включений той професійний досвід, яким володіє людина. Остання обставина приводить до задачі самонавчання евристичних програм.

Особливістю мислення людини є можливість переключатися з рішення однієї задачі на іншу, відкладати одне рішення і виконувати те, яке виявилося найважливішим в даний момент.

При використанні методів теорії евристичних рішень реалізація цієї особливості може виявитися  можливою при використанні обчислювальних систем , що працюють в режимі розподілу часу. Деякі обнадіюючі результати в цьому напрямку отримані М. Мінським і Дж. Маккарті.

Дослідження по створенню штучного інтелекту  також неможливі без використання методів теорії евристичних рішень. Під штучним інтелектом розуміють такі системи, які виявляються здатними здійснювати без допомоги людини обробку та використання інформації в наперед невідомих умовах, змінюючи цілісним способом своє функціонування стосовно конкретних змін зовнішнього середовища. Як правило, системи такого роду керуються за допомогою системи програм, що реалізуються обчислювальними машинами і містять, крім математичних строгих частин, також і неформальні евристичні складові.

Прикладом подібної системи, яка називається  в США системою штучного інтелекту, є проект автоматизованої біологічної лабораторії для дослідження Марсу. Розглянемо спрощену схему цієї системи. Комплексна лабораторія являє собою мобільну космічну станцію, що керується обчислювальною машиною. Вона призначена для автоматичного рішення широкого комплексу задач, пов’язаних із встановленням наявності життя на Марсі, оцінки рівня хімічної еволюції планети.

Враховуючи  складність задач, що розв’язуються, попереднє  точне програмування всіх функцій  лабораторії в жорсткій послідовності, звичайно, неможливе. Тому проект передбачає створення гнучкої системи, здатної до навчання на основі аналізу сприйнятої в процесі функціонування інформації. Однією із особливостей системи є наявність специфічних органів типу “око-рука”, що автоматично реалізують деякі функції сприйняття і механічні дії, які відповідають на них.

Автоматизація і автономність систем типу “око - рука”  необхідні, так як в умовах більшої  затримки керованих сигналів, що поступають з Землі, безпосереднє управління механічними органами в умовах швидкої зміни навколишніх умов практично неможлива. Таким чином, оцінюючи поточні результати, система штучного інтелекту може виробляти нові проміжні гіпотези і виконувати за допомогою “рук” нові експерименти.

Наявність прямого та зворотного зв’язку такого штучного інтелекту із середовищем є першою спробою розв’язку прямої та зворотної задач теорії евристичних рішень.

Основною  задачею біологічної лабораторії  є проведення наукових досліджень в  області біохімії. В основу евристичних програм покладено результат вивчення творчої діяльності хіміка.

У зв’язку  із створенням біологічної лабораторії  виникає ряд нових проблем:

• ідентифікація предметів по відображеному спектру;
• машинне розпізнавання і маніпулювання з об’єктами;
• розробка рідин хімічної лабораторії з цифровим управлінням;
• розробка цифрового обчислювального управління двигунами, що забезпечує пристосування до змін навколишнього середовища на поверхні Марса.