APPLICATION OF METHODS SATISFYING NON-NUMERICAL CONSTRAINTS IN THE PROBLEMS OF QUALITATIVE MODELING OF STATIC AND DYNAMIC SYSTEMS

PURPOSE. The article considers the possibility of applying the author's methods of non-numerical constraint propagation to the problem of qualitative modeling of static and dynamic systems. The general feature for the models of static and dynamical systems considered in this work is that it is intended to use only variables with finite domains for the description of the state of the system. Another feature of the systems under study is that their states may contain underdetermined parameters: the value of a variable can be either completely not determined and be set as a whole domain, or be completely determined and represent a one-element subset of the domain, or be underdetermined, i.e. be set in a kind of some subset of the domain. Formalization of such state description is carried out with the help of vectors, where the components are represented rather by some subsets of the truth sets of the variables than by corresponding single values. Another feature of the models under consideration is the need to co-process quantitative and qualitative constraints (dependences) of the subject domain. METHODS. The proposed methods are based on the representation of qualitative dependences (constraints) of the subject domain in the form of specialized matrix-like structures ( C and D -systems), the use of which allows to accelerate the traditional algorithms of non-numerical constraint satisfaction and expand the scope of such algorithm use. RESULTS AND THEIR DISCUSSION. A special effect from the use of original methods can be expected in poorly formalized subject domains. When modeling poorly formalized subject domains it is proposed to co-process qualitative constraints over the finite domains and quantitative constraints within the framework of constraint programming technology. The proposed methods are iterative and allow to reduce some instances of CSP tasks to smaller-dimensional problems without branching with the analysis of the specific features of the proposed matrix-like structures. CONCLUSIONS. The use of author's methods of non-numeric constraint propagation allows to fill up the range of the problems solved with the help of the mentioned technology with such tasks as inference in production systems with underdetermined parameters, implementation of reasoning in dynamic intelligent systems, structural synthesis of the systems at the initial stages of design works, formation of university curricula and etc.

modeling of poorly formalized subject domains, constraint satisfaction theory, constraint propagation, matrix-like structures, consistency algorithms, non-numeric constraints over finite domains

1. Братко И. Алгоритмы искусственного интеллекта на языке PROLOG. 3-е изд. / пер. с англ. М.: Вильямс, 2004. 635 с.

2. Осипов Г.С. Методы искусственного интеллекта. М.: Физматлит, 2011. 296 с.

3. Нариньяни А.С., Иванов Д.А., Седреев С.В., Фролов С.А. Недоопределенное календарное планирование: новые возможности // Информационные технологии. 1997. № 1. С. 34-37.

4. Bartak R. Constraint Programming: In Pursuit of the Holy Grail // Proceedings of the Week of Doctoral Students (WDS99), Part IV. Prague: MatFyzPress. 1999. P. 555-564.

5. Зуенко А.А. Вывод на ограничениях с применением матричного представления конечных предикатов // Искусственный интеллект и принятие решений. 2014. № 3. С. 21-31.

6. Рассел С., Норвиг П. Искусственный интеллект: современный подход. 2-е изд. / пер. с англ. М.: Вильямс. 2006. 1408 с.

7. Кулик Б.А. Зуенко А.А., Фридман А.Я. Алгебраический подход к интеллектуальной обработке данных и знаний. СПб.: Изд-во Политехн. ун-та. 2010. 235 с.

8. Зуенко А.А. Совместное применение алгоритмов фильтрации и распространения ограничений на основе матриц ограничений // Системный анализ и информационные технологии: материалы VI Междунар. конф. В 2-х ч. (г. Светлогорск, 15-20 июня 2015). Светлогорск, 2015. Ч. 1. С. 56-66.

9. Ruttkay Zs. Constraint satisfaction a survey // CWI Quarterly. 1998. Vol. 11. P. 163-214.

10. Божко А.Н., Толпаров А.Ч. Структурный синтез на элементах с ограниченной сочетаемостью. [Электронный ресурс]. URL: http://www.techno.edu.ru:16001/db/msg/13845.html (10.03.2018).

11. Коршунов С.В. Проектирование основных образовательных программ вуза при реализации уровневой подготовки кадров на основе федеральных государственных образовательных стандартов. М.: Межотраслевой институт повышения квалификации при МГТУ им. Н.Э. Баумана, 2010. 212 с.

12. Фридман О.В. Анализ программных продуктов для автоматизации формирования учебного плана вуза // Труды Кольского научного центра РАН. Информационные технологии. 2015. Вып. 6. С. 152-175.

13. Зуенко А.А., Фридман О.В. Матрицеподобные вычисления при обработке недоопределенных знаний в продукционных системах (на примере задачи выбора технологии обогащения минерального сырья) // Труды института системного анализа Российской академии наук. 2015. Т. 65. № 1. С. 44-56.

14. Зуенко А.А. Применение методов распространения ограничений в слабо формализованных предметных областях // Пятнадцатая национальная конференция по искусственному интеллекту с международным участием: материалы XV конференции. В 3-х ч. (г. Смоленск, 3-7 октября 2016 г.). Смоленск, 2016. Ч. 3. С. 22-30.