Принятие решений в реальном времени на основе отслеживания процессов

Наиль Ильдусович Хисамов; Мхд Айман Аль Аккад

doi:10.22213/2410-9304-2024-1-106-110

Авторы

Н. И. Хисамов ИжГТУ имени М. Т. Калашникова
М. А. Аль Аккад ИжГТУ имени М. Т. Калашникова

DOI:

https://doi.org/10.22213/2410-9304-2024-1-106-110

Ключевые слова:

экспертные системы, алгоритм ID3, система правил, деревья решений, обучение с подкреплением

Аннотация

В данной статье рассматривается новая методология представления данных, основанная на системе правил принятия решений в системах искусственного интеллекта. Приведено описание метода, который основан на отслеживании процессов. Наборы условий и действий могут быть изменены без изменения работы алгоритма принятия решений. Это позволяет создать модель искусственного интеллекта, которая может построить оптимальную модель поведения для различных реализаций и функциональных возможностей. Действия строятся на основе определенных правил, в дополнение к деревьям решений, которые позволяют адаптироваться к текущей ситуации. Сначала бот проводит поиск процесса, основываясь на приоритете и условиях начала процесса. После он выполняет действие с наивысшим приоритетом, пытаясь успешно его завершить. Данные в виде условий, полученные после выполнения действия, передаются процессу. Вместе с информацией о том, насколько успешно было выполнено действие, они заносятся в таблицу. На основе данных из таблицы строится дерево решений с учетом новых данных. Если бот выполнил все цели процесса, тот завершается успешно, что отражается в приоритете процесса. В противном случае в зависимости от результатов дерева решений бот может продолжить выполнять процесс или начнет искать новый. Для повышения эффективности принятия решений используются алгоритмы обучения с подкреплением и построение дерева решений. Обсуждаются результаты применения этого метода, а также делается вывод об эффективности метода и о том, какие усовершенствования будут внесены в будущую работу. Эта работа предлагает универсальный инструмент для развития искусственного интеллекта в области компьютерных игр.

Биографии авторов

Н. И. Хисамов, ИжГТУ имени М. Т. Калашникова

магистрант

М. А. Аль Аккад, ИжГТУ имени М. Т. Калашникова

кандидат технических наук, доцент

Библиографические ссылки

Трофимов В. Б., Темкин И. О. Экспертные системы в АСУТП. Вологда: Инфра-Инженерия, 2020. 285 с.

Goecks V. G., W4aytowich N., Asher D. E., Park S. J., Mittrick M., Richardson J., Vindiola M., Logie A., Dennison M., Trout T., Narayanan P., Kott A. On games and simulators as a platform for development of artificial intelligence for command and control // Sage: The Journal of Defense Modeling and Simulation. 2022. Vol. 20, no. 4. Pp. 495-508.

Taggart A. J., DeSimone A. M., Shih J. S., Filloux M. E., Fairbrother W. G.Large-scale mapping of branchpoints in human pre-mRNA transcripts in vivo // Nature Structural and Molecular Biology. 2012. Vol. 19, no. 7. Pp. 719-721.

Паклин Н. Б., Орешков В. И. Бизнес-аналитика: от данных к знаниям: учеб. пособие. 2-е изд. СПб.: Питер, 2013. С. 704.

Сараев А. Д., Щербина О. А. Системный анализ и современные информационные технологии // Труды Крымской Академии наук. Симферополь: СОНАТ, 2006. С. 47-59.

Левитин А. В. Ограничения мощи алгоритмов: Деревья принятия решения // Алгоритмы. Введение в разработку и анализ. 2006. С. 409-417.

Захарова М. В. Разработка и принятие управленческих решений в процессе создания новых производств полимерных материалов // Управленческие науки в современном мире: IX междунар. науч. практ. конф. Санкт-Петербург, 2022. С. 123-125.

Армашова-Тельник Г. С., Армашова-Тельник Г. С., Семенова В. А. Программно-целевое управление в промышленном секторе: экономический аспект: практикум. СПб.: ГУАП, 2022. 121 с.

Девятков В. В. Системы искусственного интеллекта / Изд-во МГТУ им. Н. Э. Баумана; гл. ред. И. Б. Фёдоров. М.: Изд-во МГТУ им. Н. Э. Баумана, 2001. 352 c.

Леденёва Д. А. Изучение поведения покупателей: факторы, модели, этапы // Образование и наука без границ: социально-гуманитарные науки. 2019. № 12. С. 122-126.

Хисамов Н.И., Аль Аккад М. А. Эвристика алгоритма поиска A* в графах принятия решений // Информационные технологии в науке, промышленности и образовании: материал Всероссийской научно-технической конференции. Ижевск: Изд-во УИР ИжГТУ имени М. Т. Калашникова, 2023. С. 496-501.

Лукина С. В., Макаров В. В., Зимовец О. Е. Формирование инструментов принятия решений на основе граф-моделей / Моск. гос. технол. ун-т "Станкин", Моск. гос. ун-т им. М. В. Ломоносова. Курск: Университетская книга, 2021. 121 с.

Gehring J., Ju D., Mella V., Gant D., Usunier N., Synnaeve G. High-Level Strategy Selection under Partial Observability in StarCraft: Brood War. arXiv:1811.08568v1. 2018. С. 1-6.

Сапожникова А. В. Инфлюенс-маркетинг как инструмент развития взаимоотношений с клиентами в современных реалиях // Вуз и реальный бизнес. 2022. Т. 1. С. 74-81.

Заморина В. В., Заморина В. В., Рахматуллина А. Р. Влияние эмоций на поведение потребителей // Интеграция наук: сетевое изд. 2018. № 8 (23). С. 175-177.