Capitolul 1 Spre deosebire de majoritatea programelor de calcul, care cer
informaţii complete pentru rezolvarea problemei sau luarea deciziilor,
SISTEME EXPERT
1.1. Concepte generale
Sistemele expert (SE) constituie o clasă particulară de sisteme
informatice bazate pe inteligenţa artificială, având ca scop reproducerea cu
ajutorul calculatorului a cunoştinţelor şi raţionamentelor experţilor umani.
Edward Feigenbaum de la Stanford University, considerat părintele
sistemelor expert, defineşte SE ca fiind: “programe concepute pentru a
raţiona în scopul rezolvării problemelor dificile pentru care, în mod
obişnuit, se cere o expertiză umană considerabilă”.
În definiţia SE apar cuvintele expert şi expertiză. Un expert uman este
o persoană care posedă cunoştinţe temeinice într-un anumit domeniu, un
specialist de înaltă clasă, care poate efectua o expertiză în acel domeniu. Cu
alte cuvinte, expertul poate rezolva probleme ale domeniului pe care alţii nu
le pot rezolva deloc sau în mod eficient. Pentru aceasta el trebuie să fie
capabil să îndeplinească următoarele sarcini:
• să formuleze precis problema pe baza datelor puse la dispoziţie de
beneficiar;
• să determine soluţia corectă;
• să explice soluţia şi paşii necesari pentru obţinerea ei;
• să acorde asistenţă pentru implementarea soluţiei într-un domeniu
particular.
Din punct de vedere funcţional, un sistem expert poate fi definit ca un
program care se bazează pe o bancă de cunoştinţe pentru a realiza
anumite sarcini, uneori dificile, pe care de regulă le rezolvă un expert
uman din domeniul respectiv.
Performanţele programului inteligent depind în principal de “bogăţia”
bazei de cunoştinţe şi de modul de organizare al acestora, care să permită
rezolvarea problemei într-un timp rezonabil.
Cu alte cuvinte, un SE este un program inteligent care utilizează
cunoştinţe, fapte şi tehnici de raţionament pentru a rezolva probleme care
în mod normal necesită cunoştinţele experţilor umani.
sistemele expert sunt proiectate să găsească soluţia pe baza datelor
disponibile, la fel ca un expert uman.
În acest context, SE sunt sisteme de prelucrare automată a datelor
conţinute într-o bază largă de date care pe lângă elementele clasice de
prelucrare, conţin:
• baza de cunoştinţe alcătuită din reguli şi fapte;
• elementele necesare manipulării cunoştinţelor sub forma
mecanismului de inferenţă;
• elementele necesare achiziţionării şi implementării de noi
cunoştinţe;
• componenta explicativă.
Asemănător expertului uman care, bazându-se pe cunoştinţele
acumulate, prin raţionamentul propriu ajunge la anumite concluzii, un SE
se bazează pe cunoştinţele înglobate în baza de cunoştinţe şi pe mecanismul
de inferenţă care are funcţia de a lua decizii în urma unor raţionamente
logice.
Raţionamentul este o înlănţuire de judecăţi (propoziţii) în care
plecând de la anumite cunoştinţe, consemnate într-un număr de propoziţii
numite premisesau fapte iniţiale, se ajunge la o nouă cunoştinţă –
exprimată printr-o nouă propoziţie numită concluzie. Raţionamentul este
corect dacă şi numai dacă concluzia este consecinţa logică a premiselor.
Raţionamentul poate fi definit şi ca o înlănţuire de reprezentări simbolice
care trebuie să conducă la atingerea unui scop: a demonstra, a convinge, a
elucida, a decide, a explica etc.
Sistemule expert diferă în mod esenţial de sistemele informatice
convenţionale (procedurale) de prelucrare care folosesc date şi algoritmi
cunoscuţi apriori pentru rezolvarea problemelor.
Ele implică următoarele caracteristici distinctive:
• reprezentări simbolice;
• inferenţă simbolică;
• căutare euristică.
Metodele de rezolvare a problemelor folosite de către sistemele expert
nu sunt proceduri matematice sau procesoare de date, ci tehnici de
raţionament calitativ sau euristice, care leagă elemente între ele prin reguli
de judecată precum şi prin legi şi definiţii teoretice.
 Diferenţa dintre un program de calcul analitic şi un sistem de tip
expert constă în:
• sistemul expert foloseşte datele din baza de date filtrate printr-un
set de cunoştinţe, înmagazinate în baza de cunoştinţe, care sunt
independente de algoritmul de rezolvare utilizat;
• algoritmul de căutare a soluţiei, denumit motor de inferenţă, nu
mai este de tip iterativ, ca în cazul programelor analitice, ci de tip
convergent;
• datorită delimitării nete dintre elementele componente (baza de
date, baza de cunoştinţe, motorul de inferenţă) un sistem expert
poate fi modificat cu uşurinţă prin simpla adăugare sau eliminare de
reguli; conceperea unui sistem expert este un proces linear, realizat
prin discuţii repetate cu experţi umani pentru dezvoltarea bazei de
cunoştinţe;
• toate operaţiile logice şi matematice care se succed în găsirea unui
răspuns se aduc la cunoştinţa utilizatorului printr-un modul
explicativ independent numit “interfaţa cu utilizatorul”.
Performanţele SE depind de corectitudinea şi volumul cunoştinţelor pe
care acesta le posedă dar şi de calitatea mecanismelor care îi permit să
opereze cu aceste cunoştinţe pentru a deduce concluziile valide.
Indiferent de diversele definiţii date SE, există patru caracteristici ce
califică un program drept sistem expert:
• lucrează la un nivel expert de competenţă;
• foloseşte un mecanism de inferenţă pentru a realiza deducţiile;
• expertiza efectuată se bazează exclusiv pe cunoştinţe special
dobândite;
• programarea lui implică descrierea şi reprezentarea cunoştinţelor
unor experţi în domeniu, cunoştinţe ce sunt păstrate în baze de date
specifice, numite baze de cunoştinţe, în scopul utilizării ulterioare.
Dintre avantajele oferite de SE se menţionează:
1. aria de aplicabilitate cuprinde numeroase domenii de activitate
mergând de la arhitectură, arheologie, bănci, comerţ, educaţie, până
la ingineria sistemelor şi medicină;
2
2. disponibilitatea crescută, expertiza devenind accesibilă pe orice
calculator adecvat: spre deosebire de expertul uman, SE este
disponibil în orice moment şi nu este afectat de emozivitate, factori
de stres etc.;
3. reducerea costului, explicabilă în corelaţie cu cele menţionate la
punctul anterior, dar şi cu evoluţia preţului sistemelor de calcul;
4. permanenţa, rezultată din faptul că, spre deosebire de experţii
umani, SE nu au o viaţă limitată;
5. reducerea riscurilor prin incorporarea în sisteme de comandă a
roboţilor industriali utilizţi în medii periculoase pentru om;
6. creştrea calităţii, prin obţinerea unei expertize complete a
domeniului, ceea ce expertul uman nu realizează întotdeauna;
7. posibilitatea de explicare în detaliu a soluţiei obţinute pentru
creşterea gradului de încredere al utilizatorului;
8. rapiditatea, în sensul că pe sisteme hardware şi software adecvate se
pot obţine performanţe de timp mult mai bune comparativ cu cele
ale experţilor umani;
9. păstrarea în siguranţă a cunoştinţelor: marile firme şi-au constituit
sisteme expert pentru a fi afectate într-o mai mică măsură de
plecarea unor experţi umani;
10. contribuţia la răspândirea cunoştinţelordin domeniu: un utilizator
poate rula programul pntru mai multe probleme, de la simplu la
complex, şi urmărind soluţiile şi explicaţiile date de SE se poate
autoinstrui în domeniul respectiv.
1.2. Arhitectura unui SE
În general, un sistem expert cuprinde următoarele module (fig. 1.1):
• baza de cunoştinţe;
• baza de date;
• motorul de inferenţe1;
1
Inferenţă = operaţie logică de trecere de la un enunţ la altul şi în care ultimul
enunţ este dedus din primul (DEX)
 • modulul de achiziţionare de cunoştinţe; • reţele semantice;
• interfaţa cu inginerul de aplicaţie (expertul);
• structuri împachetate sau frame–uri;
• interfaţa cu inginerul de cunoştinţe;
• interfaţa cu utilizatorul; • obiecte;
• module de grafică şi de calcul. • logica propoziţională sau a predicatelor

Expert în A. Reguli de producţie

domeniu
Baza de
date
Reprezentarea cunoştinţelor sub forma regulilor de producţie este
specifică categoriei tehnicilor de IA cunoscută sub denumirea de sisteme de
producţie şi este foarte potrivită pentru raţionamente.
Date
Într-un sistem de producţie cunoştinţele sunt de natură procedurală şi
Memoriea de Motor de se împart în următoarele componente:
lucru inferenţă
Acţiuni
Fapte dinamice • cunoştinţe declarative sau factuale, grupate sub forma unor
Achiziţie de
cunoştinţe

Concluzii
Inginer de Reguli Utilizator structuri de date memorate într-o colecţie denumită context;
cunoştinţe selecţionate

Baza de Reguli Selectare • cunoştinţe procedurale reprezentate sub forma unor perechi de
cunoştinţe Fapte reguli şi fapte tipul condiţie – acţiune, denumite reguli de producţie, memorate în
baza de reguli;
Mediu de
dezvoltare • cunoştinţe strategice sau de control, reprezentate sub forma unor
reguli care sprijină decizia în procesul de soluţionare al problemei.
Fig. 1.1. Structura unui sistem expert Structura generală a unei reguli de producţie este:

1.2.1. Baza de cunoştinţe <partea de condiţie> → <partea de acţiune>

Baza de cunoştinţe (BC) cuprinde o colecţie de cunoştinţe relevante şi poate fi interpretată astfel:
despre un anumit domeniu şi este constituită din reguli şi fapte. “DACĂ <partea de condiţie> este îndeplinită,
Regulile se referă la operaţiile ce pot fi efectuate asupra obiectelor ATUNCI se poate executa <partea de acţiune>”.
conţinute în baza de date. Ele se schimbă mai rar şi în esenţă constituie un Partea de condiţie, denumită şi premisă, este constituită din propoziţii
ansamblu complet şi necontradictoriu de cunoştinţe necesare rezolvării logice care trebuie să fie verificate pentru ca regula să poată fi aplicată.
unei probleme.
Partea acţiune corespunde declanşării unei concluzii sau a unei noi
Faptele reprezintă partea dinamică a bazei de cunoştinţe şi au rolul de ipoteze.
a reprezenta starea obiectelor la un moment dat.
Principalele avantaje ale reprezentării cunoştinţelor sub forma de reguli
ƒ Reprezentarea cunoştinţelor – Baza de reguli (BR) de producţie sunt:

Reprezentarea cunoştinţelor se poate realiza prin:

• regulile de producţie;
3
• modularitatea proprie a fiecărei reguli – orice regulă poate fi
considerată ca o entitate structurală independentă de celelalte ceea ce
conferă o uşoară întreţinere a bazei de reguli;
• modularitate în realizarea formalismului de rezolvare a problemei
regulile putând fi asimilate cu un ansamblu de constituenţi elementari,
care se adună şi se combină pentru a forma un răspuns la problema
studiată;
• caracterul natural de exprimare ;
• accesibilitatea bazei de reguli, dată de facilitatea şi uniformitatea
structurii utilizate pentru reprezentarea cunoştinţelor.
Dintre dezavantajele acestui mod de reprezentare se menţionează:
• imposibilitatea de a prevedea o desfăşurare optimă pentru o secvenţă
de acţiuni;
• ordinea în care sunt aplicate regulile potenţial aplicabile influenţează
concluzia obţinută.
B. Reţele semantice.
Reţelele semantice sunt structuri destinate reprezentării cunoştinţelor
sub forma unui graf complex alcătuit din noduri şi arce. Nodurile
reţelei/grafului sunt utilizate pentru a reprezenta obiecte, concepte, atribute,
stări, evenimente etc. Arcele reprezintă relaţiile existente între obiectele
ataşate nodurilor reţelei semantice. Acestea sunt de două tipuri:
• ISA – is a, adică este un;
• AKO – a kind of sau un fel de.
Reţelele semantice, respectiv grafurile corespunzătoare pot fi
organizate ierarhic ceea ce permite moştenirea unor atribute de la tipurile
generale la cele particulare.
C. Structuri împachetate (frame-uri).
O structură este un grup de atribute ce descriu un obiect dat. Fiecare
atribut este stocat într-un slot (compartiment) care conţine valoarea/valorile
ataşate. Folosirea structurilor permite reprezentarea cunoştinţelor în blocuri
de date, fiecare bloc fiind prezentat printr-un slot sau compartiment.
Structurile reprezentând diverse obiecte pot fi înzestrate cu proprietatea de
4
moştenire, pe baza căreia se generează legături ierarhice între acestea. Prin
urmare, ele pot fi reprezentate sub forma unui arbore.
D. Reprezentarea orientată pe obiecte
Constituie un pas superior în reprezentarea datelor. Caracteristica
principală a reprezentării orientată pe obiecte este aceea că unifică, într–o
aceeaşi unitate structurală numită "obiect", datele şi funcţiile sau metodele
care acţionează asupra lor. Din punct de vedere al tehnicii de programare
tipurile structurilor amintite se definesc cu ajutorul conceptului de clasă, iar
obiecte cu care operează programul sunt instaţieri ale claselor.
E. Logica propoziţională sau a predicatelor
Logica oferă un mijloc de exprimare a aserţiunilor2 precum şi un cadru
formal pentru realizarea de inferenţe. În acest context, o bază de cunoştinţe
este constituită exclusiv dintr-o mulţime de formule care descriu universul
problemelor de rezolvat numit şi universul de discurs. Interesul major al
utilizării logicii pentru reprezentarea cunoştinţelor rezultă din posibilitatea
obţinerii de noi rezultate folosind reguli de inferenţă precum: modus
ponens, modus tollens, rezoluţie etc. De asemenea logica permite
exprimarea relativ naturală a unor fapte, fiind lipsită de ambiguităţi. Ea este
un sistem formal care oferă rigoare şi claritate semantică. Totuşi, aceste
avantaje constituie în acelaşi timp şi dezavantaje în reprezentarea
cunoştinţelor şi realizarea expertizei deoarece, este cunoscut faptul că omul,
în general, nu este atât de riguros, raţionamentele ale fiind adesea mult mai
suple. De asemenea, nu există o organizare între diferitele elemente care
alcătuiesc baza de cunoştinţe. Obiectele manipulate nu au o reprezentare
proprie. Ele există doar prin intermediul formulelor care sunt diseminate
(răspândite) în baza de cunoştinţe. Aceasta este caracteristica formalismului
relaţional, opus celui obiectual. Pe măsură ce baza de cunoştinţe se
dezvoltă, lipsa de organizare generează probleme vizând coerenţa utilizării
sale. În plus, modelarea cunoştinţelor în logica de ordinul întâi nu este
întotdeauna uşor de realizat.
Pentru a elimina aceste anomalii şi pentru a extinde câmpul de aplicaţii
al logicii s-au dezvoltat aşa numitele logici neclasice sau logici
nemonotone, cum ar fi logicile multivalente, logicile de incertitudine,
logicile modale, logicile fuzzy etc.
2
Aserţiune = enunţ care este dat ca adevărat.

În dezvoltarea aplicaţiilor practice, de tip SE, pentru reprezentarea
cunoştinţelor, în general se face apel la una dintre următoarele tehnici:
• regulile de producţie care sunt foarte potrivite pentru raţionamente;
• frame-urile (cadrele), încadrate eventual în reţele semantice, care
sunt adecvate pentru stocarea şi manipularea eficientă a
cunoştinţelor;
• reprezentarea orientată pe obiecte care, prin proprietăţi precum
încapsularea, moştenirea şi polimorfismul asigură o elasticitate
mărită în elaborarea SE.
În afara inferenţelor folosind cunoştinţele calitative, pentru rezolvarea
problemelor din viaţa reală, în diferite stadii ale procesului de soluţionare,
sunt necesare şi calcule numerice. Cantitatea de calcule poate fi foarte mică
în unele cazuri şi destul de mare în altele. Prin urmare, un sistem expert
trebuie să fie capabil să apeleze programe de calcul procedural. Acestea
formează o parte a bazei de cunoştinţe şi se numesc cunoştinţe cantitative.
Ele pot fi reprezentate ca funcţii sau programe scrise în limbaje de
programare de nivel înalt cum ar fi Fortran sau C.
În acest conrext, cele mai multe shell-uri de dezvoltare a sistemelor
expert furnizează facilităţi de reprezentare atât a cunoştinţelor calitative
(prin reguli, structuri etc.), cât şi a cunoştinţelor cntitative prin funcţii scrise
în limbaje procedurale.
ƒ Baza de fapte (BF)
Baza de fapte constituie partea dinamică a sistemelor bazate pe
cunoştinţe. Ea conţine informaţii relative la domeniul de aplicaţie studiat.
Faptele sunt date normale de tip închis–deschis pentru un echipament
de comutaţie, o alarmă de ieşire din funcţiune a unui echipament, o valoare
sau o mărime fizică aflată în afara limitelor admisibile etc.
Ele se modifică pe măsură ce stările obiectelor cărora le sunt asociate
se schimbă (de exemplu datorită unor avarii, efectuării unor manevre,
schimbării configuraţiei de funcţionare a unei reţele etc.).
Un fapt are o reprezentare de forma:
<Obiect>, <Relaţie>, <Valoare>
în care:
5
<Obiectul> reprezintă, de exemplu, un echipament (întreruptor, separator,
vană, ventil etc.) a cărui stare poate fi stabilită printr–o
semnalizare, verificare sau, mai general, deducţie logică;
<Relaţie> corespunde unei relaţii existente între obiecte sau între un
obiect şi diferitele stări în care acesta se poate afla;
<Valoare> reprezintă cuantificarea stării obiectului la un moment dat.
Exemplu:
<Întreruptorul I7> <Este în poziţia> <Închis>
În funcţie de domeniul de aplicare, sistemul expert are la dispoziţie un
anumit număr de fapte referitoare la domeniul respectiv, care descriu stări
sau dau informaţii de tip cantitativ. O parte din datele din baza de fapte sunt
introduse cu ajutorul dialogului om–maşină, în timp ce altă parte este
încărcată automat prin citirea lor dintr-o bază de date.
Prin analogie cu programele de calcul convenţionale, se poate spune că
faptele reprezintă ”datele” problemei.
În arhitectura sistemelor expert faptele constituie, alături de unele date
numerice aferente modelului problemei abordate, ”baza de date”.
1.2.2. Motorul de inferenţe
Motorul de inferenţă (MI) este un program general care
implementează mecanismul prin care se construiesc raţionamentele.
Pornind de la fapte (datele de intrare ale problemei), MI are ca sarcină
exploatarea regulilor şi generarea răspunsurilor la întrebările puse de
utilizatori în scopul determinării soluţiei problemei analizate. În acest sens,
cu regulile existente în baza de cunoştinţe se construiesc arbori de inferenţă
sau de căutare care au ca noduri premisele (condiţiile) şi ca ramuri arcele
care conectează diferitele premise.
Există diverse procedee sau mecanisme de inferenţă care traversează
acest arbore în sensuri diferite, conceptul de “CĂUTARE” fiind unul
esenţial în programele de IA. Cele mai cunoscute metode de inferenţă sunt:
• inducţia sau înlănţuirea înainte - este un proces de inferenţă condus
de date;
• inducţia sau înlănţuirea înpoi - este un proces de inferenţă condus
de scop
 • inducţia sau înlănţuirea hibridă - este un proces de inferenţă care (iii) REZOLVAREA CONFLICTELOR este necesară atunci când din
combină inducţia înainte şi inducţia înapoi. etapa de filtraj au rezultat mai multe reguli declanşabile şi trebuie
În figura 1.2. se prezintă principiul de funcţonare al MI. aleasă una pentru a fi executată. Dintre criteriile utilizabile în această
etapă se amintesc: prima regulă din listă; regula cu cel mai mare
ƒ Ciclul de bază al motorului de inferenţe
număr de fapte în premisă; regula cea mai des utilizată. De această
MI este inima unui SE pentru că, folosind baza de cunoştinţe, alegere depind performanţele MI. Totuşi este dificil de indicat unul
construieşte dinamic raţionamentele alegând regulile ce urmează a fi sau altul dintre criterii, deoarece această alegere depinde de contextul
declanşate/aplicate şi ordinea de înlănţuire a acestora. în care se găseşte baza de cunoştinţe în momentul respectiv.
Indiferent de modul de raţionament utilizat, ciclul de bază al unui
(iv) EXECUŢIA REGULI SELECTATE constă în adăugarea uneia sau
motor de inferenţe comportă următoarele patru etape (fig. 1.3.):
mai multor fapte în “baza de fapte” ca o consecinţă a aplicării regulii
Sistem achiziţie de date respective. Este posibil, de asemenea, ca în această etapă să se facă
apel la proceduri externe (acces la baze de date sau la procesoare de
Utilizator tabele) sau la întrebări puse utilizatorului.
Fapte
Baza de reguli Baza de fapte
(BR) (BF)
Alte
Motor de inferenţe acþiuni
Reguli SELECŢIE
reguli
aplicabile
Reguli Reguli Fapte
posibile selecţionate

Selectare Regulă
FILTRAJ
Fig. 1.2. Exemplificarea funcţionării unui motor de inferenţe.
(i) SELECŢIA: în această etapă se extrag din baza de reguli şi din baza Reguli
declanşabile
de fapte elementele care caracterizează subdomeniul de rezolvare a
problemei. Această etapă este necesară atunci când baza de
cunoştinţe este mare, încercând să acopere mai multe domenii ale REZOLVARE
CONFLICTE
cunoaşterii.
(ii) FILTRAJUL (pattern matching) constă în compararea premiselor Reguli
regulilor selecţionate anterior cu faptele ce caracterizează problema reţinute
de rezolvat, pentru a determina submulţimea regulilor declanşabile.
În urma acestei etape pot rezulta una, mai multe sau nicio regulă EXECUŢIE
declanşabilă. Dacă nu rezultă nicio regulă aplicabilă, atunci suntem REGULI
într-o stare de eşec pe care SE o semnalează, iar utilizatorul trebuie să
răspundă la o serie de întrebări în scopul completării datelor. Fig. 1.3. Ciclul de bază al unui motor de inferenţe
6

Pentru rezolvarea unei probleme MI execută mai multe cicluri de
bază şi se opreşte în funcţie de modul de raţionament utilizat.
1.2.3. Module complementare
1.2.3.1. Modulul de achiziţie de cunoştinţe
Realizează transferul cunoştinţelor de la experţii în domeniu către
sistemul expert (fig. 1.4).
Fig. 1.4. Procesul de achiziţie a cunoştinţelor.
Extragerea cunoştinţelor de la un expert uman cu ajutorul unor mijloace
specifice sau prin metoda interviurilor este un proces eterogen, numit
ingineria cunoaşterii şi constă în:
(i) Identificare: definirea corectă a problemei şi determinarea
caracteristicilor sale;
(ii) Conceptualizare: determinarea conceptelor care să sprijine
reprezentarea cunoştinţelor;
(iii) Formalizare: alegerea unor metode de reprezentare a cunoştinţelor şi
a mecanismului de inferenţă;
(iv) Implementare: reprezentarea propriu-zisă a cunoştinţelor în
formalismul ales;
(v) Testarea: verificarea cunoştinţelor şi validarea sistemului.
Întregul proces este iterativ, iar rezultatele testării pot să indice
reformularea problemei, redefinirea conceptelor, reproiectarea structurilor
de cunoştinţe sau rafinarea acestora. Pe tot parcursul acestui proces
inginerul de cunoştinţe lucrează cu expertul în domeniu.
7
Instrumente de inginerie a cunoştinţelor – generatoare de sistem expert
– automatizează procesul de achiziţie a cunoştinţelor. Dacă se dispune de
un astfel de instrument, un expert într-un domeniu bine precizat poate să
construiască un sistem expert fără a fi necesară prezenţa inginerului de
cunoştinţe.
1.2.3.2. Interfaţa cu utilizatorul
Este partea din program care permite utilizatorului să pună întrebări
sistemului expert, să introducă noi informaţii sau să primească diferite
recomandări de la acesta. Aprecierea utilizatorului asupra unui sistem
expert depinde în mare măsură de asemănarea între modul de reprezentare a
informaţiilor de către SE şi modelul pe care utilizatorul îl are în “mintea sa”
despre problema care se rezolvă.
1.2.3.3. Modulul explicativ.
Un SE trebuie să aibă capacitatea de a furniza explicaţii operatorului
în legătură cu raţionamentul folosit pentru a ajunge la o anumită
recomandare sau decizie. Cu cât sunt mai explicit reprezentate cunoştinţele
în baza de cunoştinţe, cu atât este mai eficient procesul explicativ deoarece
cunoştinţele şi metodele de utilizare a lor sunt elemente fundamentale.
1.3. Strategii de căutare a soluţiei.
1.3.1. Consideraţii generale
Problemele care pot fi rezolvate folosind tehnici ale IA sunt probleme
complex computaţionale, iar determinarea soluţiei se face prin deplasarea în
spaţiul de definiţie al problemei denumit şi spaţiul de căutare sau
universul problemei de rezolvat. De regulă, acest spaţiu este constituit
dintr-un număr foarte mare de stări, fiecare descriind o situaţie posibilă.
Datorită restricţiilor problemei, o parte dintre stări sunt stări interzise în
care nu se poate ajunge niciodată.
În acest context, rezolvarea problemelor poate fi văzută ca un proces
de identificare sau de construire a unui obiect cu anumite caracteristici,
obiect ce reprezintă soluţia problemei. Această activitate implică existenţa
următoarelor elemente minimale:
 (i) O structura simbolică care să poată reprezenta descrierea iniţială a
problemei si fiecare obiect candidat la soluţie. Este vorba de
structura folosită pentru reprezentarea cunoştinţelor în cadrul bazei
de date sau bazei de cunoştinţe.
(ii) O mulţime de instrumente computaţionale capabile să transforme
descrierea unui obiect (structură simbolică) într-o nouă descriere în
scopul de a investiga sistematic toţi candidaţii la soluţie. Aceste
instrumente sunt constituite din operatorii de transformare sau
regulile de producţie.
(iii) O metodă de planificare efectivă care să indice ordinea de aplicare
a transformărilor astfel încât soluţia problemei să fie găsită cât mai
repede. Este vorba de strategia de control.
Procesul de determinarea a soluţiei porneşte dintr-o stare iniţială Si
cunoscută şi, prin aplicarea unor reguli (operatori de transformare) care
permit trecerea dintr-o stare în altă stare, se urmăreşte ajungerea în starea
finală Sf care constituie soluţia sau o soluţie a problemei de rezolvat. Prin
urmare, soluţia problemei se obţine printr-un proces de căutare şi nu prin
aplicarea unei secvenţe de transformări specificate dinainte.
Această manieră de abordare a soluţionării problemelor utilizează
grafurile asociate spaţiului stărilor. Astfel, fiecare stare este reprezentată
printr-un nod, iar operatorii de transformare prin arce. În aceste condiţii
definirea unei probleme de căutare se face folosind următorul formalism:
P = ( Si ∈ D ) ⎯⎯
T
→ Sf ∈D ( ) (1)
în care: D este mulţimea stărilor sau universul problemei;
T – mulţimea transformărilor.
O soluţie a problemei P, notată T * este o secvenţă de transformări
t1* , t2* ,..., tn* cu proprietatea:
1. Stabileşte starea iniţială Si
2. Stabileşte starea curentă Sc ← Si
3. repetă
3.1 Selectează un operator de transformare t posibil de
aplicat stării curente Sc
3.2 Aplică operatorul t asupra stării Sc si obţine o nouă
starea S ' = t ( Sc )
3.3 Stabileşte Sc ← S '
până când Sc este stare finală
sfârşit.
Algoritmul de mai sus este nedeterminist deoarece pasul 3.1 nu
specifică cum se selectează operatorul sau transformarea t de aplicat.
Selectarea transformărilor si memorarea transformărilor efectuate
constituie strategia de control.
O strategie de control nu este doar o secvenţa de acţiuni, ci o
modalitate de descriere a selecţiei unei acţiuni ca răspuns la un eveniment
extern, cum ar fi rezultatul unui test, rezultatul aplicării unei proceduri
complicate de calcul sau acţiunea unui adversar.
In plus, o strategie de control trebuie să fie sistematică, adică, într-o
formulare plastică, trebuie să satisfacă următoarele cerinţe:
• nu lasă nici o piatră neîntoarsă;
• nu întoarce nici o piatră de mai multe ori.
Prima cerinţă, numita completitudine, garantează faptul că strategia
produce soluţia, dacă aceasta există, iar cea de a doua cerinţă protejează
contra ineficienţei prelucrărilor repetate.
Pentru exemplificare se consideră un sistem aflat în starea iniţială
caracterizată de proprietăţile P1, P2 şi P3. Sistemul evoluează prin adăugarea
de noi proprietăţi conform următoarelor transformări sau reguli:

( ( ))
t1: DACĂ (P1 ŞI P2) ATUNCI P4
S f = tn* ...t2* t1* ( Si ) (2) t2: DACĂ (P2 ŞI P3) ATUNCI P5
t3: DACĂ (P1 ŞI P4) ATUNCI P6
Ideea de bază a rezolvării unor astfel de probleme poate fi descrisă, în t4: DACĂ (P5 ŞI P6) ATUNCI P7
manieră nedeterministă, prin următorul algoritm: t5: DACĂ (P2 ŞI P5) ATUNCI P7
Algoritm: Rezolvarea unei probleme prin căutare
8
 Evoluţia are loc respectând convenţia: dacă între starea iniţială Si şi T9* = {t2 , t5 } .
starea curentă Sc s-a aplicat o anumită secvenţă de transformări, atunci Acest exemplu evidenţiază următoarele aspecte:
niciuna dintre transformările folosite nu mai poate fi aplicată stării curente. (i) O parte dintre soluţii conţin aceleaşi transformări, dar în succesiuni
Se cere să se stabilească secvenţa de transformări ce conduce sistemul în diferite. Acest fapt se traduce prin revenirea în stări deja explorate,
starea finală care conţine proprietatea P7. adică prin apariţia unor bucle în graful de căutare. Dacă în
exemplul prezentat se elimină buclele rezultă următoarele patru
P1, P2, P3,
P4, P5, P6, soluţii posibile: T1* = {t1, t2 , t3 , t4 } ; T4* = {t1, t2 , t3 , t5} ;
t4 P7
t5 T7* = {t1, t2 , t5 } şi T9* = {t2 , t5 } .
P1, P2, P3,
P4, P5, P6 (ii) Numărul transformărilor utilizate diferă de la o soluţie la alta,
t3 existând posibilitatea obţinerii soluţiei printr-un nr. minim de
transformări.
P1, P2, P3,
P4, P5 Comportarea programelor de inteligentă artificială poate fi
t2 t5 caracterizată ca un proces de căutare în care diverse transformări aplicabile
P1, P2, P3, t2 P1, P2, P3, universului problemei sunt încercate până se determina soluţia problemei.
P4 P4, P5, P7 În general, pentru a determina soluţia este necesară evaluarea unui număr
t1 t3 mare de stări intermediare (obiecte candidate la soluţie), iar folosirea
căutării exhaustive este exclusă.
t1 P1, P2, P3,
P1, P2, P3 În acest context, informaţia euristică joacă un rol foarte important în cadrul
P4, P6
t2 procesului de căutare contribuind la reducerea numărului de stări
investigate pentru obţinerea soluţiei şi creşterea eficienţei procesului de
P1, P2, P3, rezolvare. De obicei, acest tip de informaţie este reprezentat printr-o funcţie
P5 euristică asociată fiecărei stări, funcţie care estimează cât de promiţătoare
t5 este acea stare din punct de vedere al avansului spre soluţie. Funcţiile
P1, P2, P3, euristice depind şi se stabilesc pe baza cunoştinţelor specifice problemei sau
P5, P7 clasei de probleme de rezolvat.

1.3.2. Reprezentarea soluţiei problemei

Fig. 1.5. Secvenţa de transformări posibile.
Există două modalităţi de bază pentru a reprezenta soluţia unei
Soluţiile posibile ale problemei sunt: probleme, şi anume: reprezentarea soluţiei problemei prin spaţiul stărilor,
respectiv reprezentarea soluţiei problemei prin grafuri SI/SAU
{ } { }
T1* = t1, t2 , t3 , t4 ; T2* = t2 , t1, t3 , t4 ; T3* = t1, t3 , t2 , t4 ; { }
{ } { }
T4* = t1, t2 , t3 , t5 ; T5* = t2 , t1, t3 , t5 ; T6* = t1, t3 , t2 , t5 ; { } A. Reprezentarea soluţiei problemei prin spaţiul stărilor

T7* = {t1, t2 , t5 } ; T8* = {t2 , t1, t5 } ; În reprezentarea soluţiei problemei prin spaţiul stărilor, spaţiul de
căutare are forma unui graf orientat în care nodurile sunt identificate prin
9
stări, iar arcele reprezintă aplicarea unor operatori pentru a transforma o {A}
stare în starea următoare. B 7 13
7 10 6 10
Prin definiţie o reprezentare a soluţiei problemei prin spaţiul stărilor 7 {A,B} {A,C} {A,D} {A,E}
( Si , O, S f ) în care:
A 13
este formată din tripletul 6 E
9 ... 5 ... ...
Si este starea iniţială; 10 10 5C 6
{A,C,D}
O – mulţimea de operatorilor aplicabili stărilor universului
6
problemei pentru a ajunge în noi stări: in fiecare stare dată,
numai o parte din operatori pot fi aplicaţi; D {A,C,D,E}
Sf – mulţimea stărilor finale; aceasta poate fi constituită din una
(a) Harta oraselor de parcurs (b) O portiune din spatiul de cautare a solutiei
sau mai multe stări.
Fig. 1.6. Reprezentarea prin spaţiul stărilor
Prin urmare, o soluţie a problemei este o secvenţa de operatori care a problemei comis-voiajorului
transformă starea iniţială în starea finală şi reprezintă o cale între aceste
două stări în graf. B. Reprezentarea soluţiei problemei prin grafuri SI/SAU
Iniţial graful spaţiului de căutare este specificat implicit de
( )
reprezentare prin tripletul Si , O, S f . Pe măsură ce procesul de căutare a Există probleme a căror rezolvare poate fi convenabil reprezentată
printr-o tehnică numită reducerea problemei la subprobleme. Caracteristica
soluţiei avansează o porţiune din acest graf devine explicită. Porţiunea din comună a acestei clase de probleme este aceea că orice problemă pusă de un
graful spaţiului de căutare astfel construită reprezintă partea explorată a obiect candidat la soluţie poate fi văzută ca o conjuncţie de subprobleme ce
spaţiului de căutare. pot fi rezolvate independent unele de altele. Rezolvarea problemelor din
Pentru exemplificare se consideră problema comis voiajorului. această clasă poate fi abordată în următorul mod: se descompune problema
Fiind date un număr de oraşe si distantele de-a lungul unor drumuri care in subproblemele care trebuie rezolvate, acestea se descompun la rândul lor
leagă aceste oraşe, se cere să se găsească drumul de lungime minimă pe în alte subprobleme si aşa mai departe, până când se obţine o descompunere
care îl face un comis-voiajor care trebuie sa treacă prin toate oraşele a problemei iniţiale in subprobleme elementare, adică banal de rezolvat.
pornind dintr-un oraş dat şi revenind în oraşul de plecare. Un posibil Spaţiul de căutare al unei astfel de rezolvări a problemei are forma
exemplu este cel descris in figura 1.6 a. unui graf SI/SAU. Acesta este un caz particular al unui hipergraf. Un
Starea iniţială a problemei este oraşul de plecare A al comis-voiajorului. hipergraf este format dintr-o mulţime de noduri si o mulţime de hiperarce
Stările intermediare sunt oraşele prin care acesta a trecut, iar soluţia definite prin perechi ordonate in care primul element este un nod din
problemei este secvenţa de stări parcurse din starea iniţiala până în starea mulţimea de noduri a hipergrafului, iar cel de al doilea element este o
finală, secvenţă care trebuie să îndeplinească condiţia de cost optim, adică submulţime de noduri. Un graf obişnuit este un caz particular al unui
drum de lungime minimă. O parte din graful spaţiului de căutare este hipergraf in care cel de al doilea element al hiperarcelor este o mulţime
prezentat in figura 1.6 b. formată dintr-un singur nod.
Este evident faptul că generarea tuturor traseelor posibile şi Prin definiţie, o reprezentare a soluţiei problemei prin grafuri SI/SAU
compararea costurilor asociate pentru a găsi traseul optim este un proces
este formată din tripletul ( Si , O, Pe ) în care:
ineficient din punct de vedere computaţional, mai ales în cazul unui număr
mare de oraşe. De aceea, pentru rezolvarea acestei probleme se face apel la Si este descrierea stării iniţiale;
tehnicile euristice de căutare.
10
 O – mulţimea operatorilor de transformare, adică de (ii) este un nod SI, iar toţi succesorii lui sunt noduri rezolvate;
descompunere a problemei în subprobleme; aplicabili stărilor (iii) este un nod SAU si cel puţin un succesor al acestuia este nod
universului problemei pentru a ajunge în noi stări: in fiecare rezolvat.
stare dată, numai o parte din operatori pot fi aplicaţi;
Un nod este nerezolvabil dacă:
Pe – descrierea unei mulţimi de probleme elementare. (i) este un nod terminal etichetat cu o problemă neelementară care
Un graf SI/SAU se construieşte pe baza următoarelor reguli: nu se mai poate descompune în subprobleme;
(ii) este un nod SI cu cel puţin un succesor nerezolvabil;
R1. Fiecare nod reprezintă fie o singură problemă fie o mulţime de (iii) este un nod SAU cu toţi succesorii nerezolvabili.
probleme ce trebuie rezolvate.
R2. Un nod ce reprezintă o singură problemă nu are descendenţi. O problemă rezolvată astfel are soluţie dacă nodul corespunzător
Problema este fie o problema elementară, fie o problema descrierii iniţiale a problemei este rezolvat.
neelementară dar care nu se mai poate descompune în O soluţie a problemei este reprezentată prin secvenţa de operatori de
subprobleme. descompunere care determină ca nodul problema iniţială sa devină
R3. Nodurile ce reprezintă mulţimea de subprobleme în care s-a rezolvat.
descompus o problema prin aplicarea unui operator de
descompunere se numesc noduri SI.
R4. Nodurile ce reprezintă descompuneri alternative ale unei
probleme in subprobleme se numesc noduri SAU. Aceste noduri
au ca descendenţi noduri SI.
Un exemplu de graf SI/SAU este prezentat în figura A B C A B C
Nod SAU (a) Stare initiala (b) Stare finala
n=3
A la C
Noduri SI
O - operator de descompunere
n=2 n=2
Noduri SAU A la B B la C

n=1
A la C

Fig. 1.7. Graf SI/SAU pentru reprezentarea spaţiului de căutare

n=1 n=1 n=1 n=1 n=1 n=1
Într-un graf SI/SAU există două tipuri de noduri: noduri rezolvate şi A la C A la B C la B B la A B la C A la C
noduri nerezolvabile:
(c) Arborele SI/SAU de descompunere in subprobleme
Un nod este rezolvat dacă:
Fig. 1.7. Reprezentarea soluţiei problemei
(i) este un nod terminal etichetat cu o problemă elementară;
turnurilor din Hanoi prin arbore SI/SAU
11

Pentru exemplificare se consideră problema turnurilor din Hanoi care
cere să se mute n = 3 discuri de pe tija A pe tija C, utilizând tija
intermediară B si cu restricţia ca un disc să fie aşezat fie pe o tija liberă, fie
peste un disc de o dimensiune mai mare decât el. Starea iniţiala este
specificata în fig. 1.7a, starea finală în fig. 1.7b, iar mulţimea operatorilor
de descompunere este formată dintr-un singur operator, cu trei componente
şi anume:
(i) mută n-1=2 discuri de pe tija i pe tija j, utilizând tija k;
(ii) mută un disc de pe tija i pe tija k;
(iii) mută n-1=2 discuri de pe tija j pe tija k, utilizând tija i.
Problema turnurilor din Hanoi având un singur operator de
descompunere a problemelor în subprobleme, spaţiul de căutare va avea
numai noduri probleme elementare şi noduri SI.
Singura problema elementară in acest caz este aceea de a muta un
singur disc de pe o tijă pe o altă tijă respectând restricţia problemei (un disc
să fie aşezat fie pe o tijă liberă, fie peste un disc de dimensiune mai mare).
Descompunerea problemei in subprobleme poate fi reprezentata prin
arborele SI/SAU prezentat în figura 1.7c.
1.3.3. Strategii de căutare de bază
1.3.3.1. Caracterizarea strategiilor de căutare
Pentru alegerea unei strategii de căutare trebuie să se ţină cont de:
(i) Completitudinea strategiei care stabileşte dacă strategia asigură sau
nu găsirea soluţiei în cazul în care aceasta există.
(ii) Optimalitatea soluţiei găsite care este dată de capacitatea strategiei
de a obţine o soluţie optimală, suboptimală sau pur si simplu o
soluţie.
(iii) Complexitatea strategiei care se referă la complexitatea exprimată
în timp de calcul şi memorie a algoritmului utilizat.
Caracterizarea unei strategii de căutare se poate face după două criterii:
1. capacitatea mecanismului de rezolvare de a reveni într-o stare
intermediară anterioară;
2. după cantitatea de informaţie folosită la găsirea soluţiei.
12
In funcţie de primul criteriu, strategiile de căutare se împart în:
• Strategii de căutare irevocabile.
Un operator aplicabil este selectat şi aplicat unei stări pentru a obţine o
nouă stare, iar starea anterioară este uitată (nu este memorată).
O astfel de strategie este strategia de căutare a alpinistului. Ea se
bazează pe criterii de optim local. Astfel, asemănător unui alpinist care
doreşte sa ajungă repede pe vârful unui munte, strategia alege starea
următoare de nivel maxim pe baza unei funcţii de evaluare a stărilor.
Strategia este irevocabilă deoarece pentru o stare curentă, după generarea
stărilor următoare şi alegerea stării de nivel maxim ca stare următoare, atât
starea curentă cât si celelalte stări de pe nivelul stării următoare sunt uitate.
Deci nu se mai poate reveni într-una din stările anterioare stării curente sau
într-una din alternativele stării curente. Strategia alpinistului, deşi simplă si
puţin consumatoare de memorie, prezintă o serie de limitări. De exemplu,
dacă problema cere determinarea stării cu o valoare maximă a funcţiei de
evaluare, maximul global poate sa nu fie niciodată atins, căutarea blocându-
se intr-un maxim local.
• Strategii de căutare tentative.
La aplicarea unui operator starea curentă este memorată astfel încânt
procesul de căutare să poată reveni ulterior in stările anterioare aplicării
operatorilor. Dacă starea anterioară la care se poate reveni în timpul căutării
se află numai pe calea curentă între starea iniţială si starea finală, strategia
de căutare este o strategie tentativă de tip "backtracking". Aceasta este, de
exemplu, strategia utilizata de limbajul Prolog.
Dacă starea anterioară în care se poate reveni se află pe orice cale deja
parcursă în expandarea spaţiului de căutare, strategia este de căutare
tentativă generală pe grafuri.
În funcţie de cel de-al doilea criteriu, strategiile de căutare se împart în:
• Strategii de căutare neinformate.
Considerarea stărilor următoare de inspectat se face după o ordine
arbitrară, anterior stabilită. Strategiile de căutare neinformată inspectează
sistematic toate stările spaţiului de căutare până în momentul găsirii stării
finale. Cele mai importante strategii de acest fel sunt căutarea pe nivel sau
căutarea în lăţime si căutarea in adâncime.
• Strategii de căutare informate.
 Considerarea stărilor următoare de inspectat se face după criterii general, necesită aplicarea unui număr mare de operatori înaintea găsirii
euristice. Strategia foloseşte o funcţie de evaluare a situaţiei globale sau unei soluţii.
locale care indică starea următoare cea mai promiţătoare din punct de Invers, o strategie de control complet informată despre domeniul
vedere al avansului spre soluţie. problemei implică un cost ridicat al controlului deoarece poate necesita
Strategiile de căutare euristice încearcă reducerea numărului de stări calcule complicate pentru evaluarea meritului stărilor şi un cost minim de
din spaţiul de căutare inspectate până la atingerea stării finale, pe baza parcurgere a spaţiului de căutare datorita numărului redus de operatori
diverselor criterii, cum ar fi funcţiile euristice. Strategia alpinistului descrisă aplicaţi până la găsirea soluţiei.
anterior este un exemplu de căutare informată Alte exemple sunt strategia
După cum se poate observa şi din figura 1.8 există un grad optim de
* * *
de căutare "best-first", algoritmul A si algoritmul AO . Algoritmii A si informare pentru care costul total este minim. În funcţie de aplicaţie,
* proiectantul programului trebuie să încerce determinarea celei mai bune
AO urmăresc în principal, pe lângă reducerea numărului de stări
variante de pondere a costurilor. Obţinerea unui cost computaţional optim
inspectate, găsirea soluţiei optime.
este un aspect esenţial deoarece problemele de căutare sunt probleme de
Costul computaţional total al unui program de rezolvare a problemelor complexitate timp exponenţială.
de IA depinde de locul unde se situează strategia de control în spectrul
neinformat/informat şi are două componente: 1.3.3.2. Căutări neinformate în spaţiul stărilor
costul aplicării operatorilor, sau costul parcurgerii spaţiului de căutare
între starea iniţială si starea finală; Se consideră:
• un graf definit implicit prin mulţimea operatorilor asociaţi arcelor;
costul controlului, sau costul evaluării si selecţiei celei mai promiţătoare • nodul sau mulţimea de noduri ce definesc starea iniţială Si , adică
stări următoare.
condiţiile iniţiale ale problemei de rezolvat;
Cost • nodul sau mulţimea de noduri ce definesc starea finală S f , adică
Computational
Cost control obiectivele sau cerinţele problemei.
Cost parcurgere (cost evaluare stari)
(cost aplicare
operatori) Cost total Pentru rezolvarea este necesar să se găsească o cale între starea iniţială
şi starea finală. Principiul care se află la baza algoritmului generic de
căutare constă în explorarea incrementală a căilor ce pornesc din nodurile
aferente stării iniţiale şi foloseşte noţiunea de frontieră pentru a delimita
nodurile explorate de cele care nu au fost încă explorate.
Grad de În parcurgerea spaţiului de căutare un nod poate fi:
Neinformat Informat informare • necunoscut - nodul aparţine părţii neexplorate a spaţiului de
căutare,
• evaluat - nodul este cunoscut dar fie nu se cunoaşte nici un
Fig. 1.8 Costul total al rezolvării unei probleme prin căutare succesor al lui, fie se cunosc numai o parte dintre aceştia;
• expandat - nodul este cunoscut si, in plus, se cunosc toţi succesorii
O strategie de căutare complet neinformată implică un cost redus al lui.
controlului şi un cost ridicat al parcurgerii spaţiului de căutare deoarece, în Prin expandarea unui nod se înţelege generarea tuturor succesorilor săi,
adică aplicarea tuturor operatorilor legali stării curente Sc aferentă nodului.

13
În procesul de căutare se vor folosi doua liste: 4.1. Generează toţi succesorii direcţi S j ai nodului Sc
• LF – lista frontieră care conţine nodurile evaluate;
• LT – lista teritoriu care conţine nodurilor expandate. 4.2. pentru fiecare succesor S j (1 ≤ j ≤ m) al lui Sc executa
Deci LF reprezintă frontiera spaţiului de căutare parcurs (explicitat) 4.2.1. Stabileşte legătura S j → S
spre partea necunoscută a acestuia, iar LT partea cunoscută a spaţiului de
4.2.2. daca S j este stare finală
căutare.
În cele ce urmează se prezintă strategia de căutare pe nivel şi strategia atunci
de căutarea în adâncime. Algoritmii prezentaţi presupun că: i. Soluţia este (S j , S,...,Si )
1. Spaţiul de căutare este arbore, adică între starea iniţială şi cea finală ii. întoarce SUCCES /* s-a găsit soluţie */
există o cale unică. Prin urmare, toate stările generate pe parcursul 4.2.3. Insereaza S j in LF, la sfârşit
căutării sunt unice, deci nu au mai fost generate anterior. Extinderea 5. repeta de la 2
si modificările necesare pentru a generaliza algoritmii la spatii de sfârşit.
căutare de tip graf vor fi prezentate in final.
Exemplu
2. La fiecare expandare a unui nod se stabileşte o legătură de la fiecare
nod succesor la nodul expandat. In momentul descoperirii nodului Pentru exemplificare se consideră graful din figura 1.9 în care nodul n1
stare finală aceste legaturi permit reconstruirea caii spre soluţie. reprezintă starea iniţială, iar nodul n10 starea finală.
Definiţie. Intr-o reprezentare a soluţiei problemei prin spaţiul stărilor
adâncimea unui nod se defineşte astfel:
Ad(Si )=0 , unde Si este nodul stare iniţială, n1
Ad(Sc )=Ad(S p )+1 , unde Sp este predecesorul stării curente Sc.
n2 n3
ƒ Căutarea pe nivel sau în lăţime

Căutarea pe nivel, numită şi căutarea în lăţime, este o strategie care n4 n5 n6 n7

expandează stările următoare în ordinea apropierii faţă de nodul stare
iniţială Si. Această strategie tratează lista frontieră LF folosind o strategie de
tipul FIFO. Nodul din frontieră care se elimină este primul din listă, iar
n8 n9 n10
succesorii săi sunt adăugaţi la sfârşitul listei.
Algoritm: Strategia căutării pe nivel in spaţiul stărilor
Fig. 1.9. Graful de căutare
1. Creează listele LF ← {Si } si LT ← { }
2. DACĂ LF={ } Pas 1. Iniţializări LF = {n1} şi LT = { }
ATUNCI întoarce INSUCCES /* nu există soluţie */ Pas 2 . Elimină n1 din LF şi-l inserează în LT: LF = { } şi LT = {n1}
3. Elimină primul nod Sc din LF si-l inserează în LT
4. Expandează nodul Sc Pas 3. Generează succesorii lui n1 si-i inserează în LF: LF = {n2 , n3}

14
Pas 4. Elimină n2 din LF şi-l inserează în LT: LF = {n3} şi Deoarece nodul final n10 a apărut în frontieră, se consideră procesul de
LT = {n1, n2 } căutare încheiat şi se specifică soluţia {n1, n3 , n7 , n10 }

Pas 5. Generează succesorii lui n2 si-i inserează în LF la sfârşit: Căutarea poate fi uneori lungă şi complex computaţională din punct de
vedere al spaţiului utilizat deoarece pentru fiecare nivel sunt generate toate
LF = {n3 , n4 , n5 } stările succesoare posibile. Cu toate acestea, strategia de căutare pe nivel
garantează găsirea soluţiei, în cazul în care aceasta există şi, în plus, găseşte
Pas 6. Elimină n3 din LF şi-l inserează în LT: LF = {n4 , n5 } şi cel mai scurt drum spre soluţie în termenii numărului de tranziţii de stări
executate.
LT = {n1, n2 , n3}

Pas 7. Generează succesorii lui n3 si-i inserează în LF la sfârşit: ƒ Căutarea în adâncime

LF = {n4 , n5 , n6 , n7 }
Căutarea în adâncime este strategia cea mai frecvent utilizată în
aplicaţiile practice. Ea expandează stările cel mai recent generate, adică
Pas 8. Elimină n4 din LF şi-l inserează în LT: LF = {n5 , n6 , n7 } şi
nodurile din lista LF cu adâncimea cea mai mare. Prin urmare, această
LT = {n1, n2 , n3 , n4 } strategie parcurge o cale de la starea iniţială până la o stare ce poate fi starea
finală sau care nu mai are nici un succesor. În acest ultim caz se aplică
Obs. Deoarece n4 nu are succesori, nu se adaugă alte noduri în lista LF. mecanismul backtracking revenindu-se pe nivelurile anterioare şi se
încearcă explorarea altor căi posibile. În cadrul acestei strategii lista
Pas 9. Elimină n5 din LF şi-l inserează în LT: LF = {n6 , n7 } şi frontieră LF este tratată ca o stivă folosind o tehnică de tipul LIFO (Last In
First Out).
LT = {n1, n2 , n3 , n4 , n5 }
Strategia căutării în adâncime nu garantează obţinerea unei soluţii a
Pas 10. Generează succesorii lui n5 şi-i inserează în LF la sfârşit: problemei, chiar în cazul în care aceasta există. O astfel de situaţie poate să
apară în cazul unui spaţiu de căutare infinit în care ramura pe care s-a plecat
LF = {n6 , n7 , n8 , n9 } . în căutare nu conţine soluţia. Din acest motiv se introduce o limită maximă
a adâncimii de căutare, AdMax. Dacă această limită a fost atinsă fără a se
Pas 11. Elimină n6 din LF şi-l inserează în LT: LF = {n7 , n8 , n9 } şi găsi soluţia, atunci strategia revine si inspectează stări de pe nivelurile
inferioare lui AdMax dar aflate pe căi diferite. În acest fel, soluţia care s-ar
LT = {n1, n2 , n3 , n4 , n5 , n6 } . Deoarece n6 nu are succesori, LF
găsi pe calea iniţială la o adâncime mai mare decât AdMax este pierdută. În
nu se modifică. schimb, algoritmul căutării în adâncime prezintă avantajul generării unui
număr de stări mai mic comparativ cu algoritmul căutării pe nivel.
Pas 12. Elimină n7 din LF şi-l inserează în LT: LF = {n8 , n9 } şi
LT = {n1, n2 , n3 , n4 , n5 , n6 , n7 }
Algoritm: Strategia căutării in adâncime în spaţiul stărilor
Pas 13. Generează succesorii lui n7 şi-i inserează în LF la sfârşit: 1. Creează listele LF ← {Si } si LT ← { }
LF = {n6 , n7 , n8 , n9 , n10 }
2. DACĂ LF ={ }

15
 ATUNCI întoarce INSUCCES /* nu există soluţie sau soluţia nu n2 şi apoi n3 . Deci LF = {n3 , n2 } (ultimul nod generat este
poate fi găsită până la nivelul AdMax */
primul în lista LF)
3. Elimină primul nod Sc din LF si-l inserează în LT
Pas 4. Elimină n3 din LF şi-l inserează în LT: LF = {n2 } şi
3'. DACĂ Ad ( Sc ) = AdMax
LT = {n1, n3}
ATUNCI repetă de la 2
4. Expandează nodul Sc Pas 5. Generează succesorii lui n3 în ordinea n6 , n7 si-i inserează în
4.1. Generează toţi succesorii direcţi S j ai nodului Sc LF care devine LF = {n7 , n6 , n2 }

4.2. Pentru fiecare succesor S j (1 ≤ j ≤ m) al lui Sc execută Pas 6. Elimină n7 din LF şi-l inserează în LT: LF = {n6 , n2 } şi
LT = {n1, n3 , n7 }
4.2.1. Stabileşte legătura S j → Sc
4.2.2. DACĂ S j este stare finală Pas 7. Generează succesorii lui n7 . Există un singur succesor n10 care
ATUNCI este inserat la inceputul listei care devine LF = {n10 , n6 , n2 }
i. Soluţia este ( S j , Sc ,..., Si ) Obs. Deoarece s-a identificat starea finală, procesul de căutare se opreşte.
ii. întoarce SUCCES /* s-a găsit soluţie */
4.2.3. Inserează S j în LF, la început Pentru a elimina dezavantajele specifice celor două strategii de
căutare de bază (strategia de căutare pe nivel şi cea în adâncime) s-a
5. repetă de la 2 dezvoltat algoritmul de căutare în adâncime cu nivel iterativ denumit şi
sfârşit. algoritmul lui Korf. Acest algoritm realizează la început o căutare în
Exemplu adâncime în spaţiul stărilor cu o adâncime maximă de căutare AdMax .
Dacă starea finală nu a fost găsită, se reia căutarea în adâncime cu
Pentru exemplificare se consideră tot graful din figura 1.9 (cel folosit AdMax = AdMax + 1 şi se continuă în acest fel, crescând adâncimea de
la exemplificarea metodei de căutare pe nivel) în care nodul n1 reprezintă căutare. La fiecare iteraţie algoritmul realizează o căutare în adâncime
starea iniţială, iar nodul n10 starea finală. completă corespunzătoare valorii curente AdMax . Între două iteraţii
Obs: Ordinea în care se explorează diversele căi în graful de căutare succesive nu se reţine nici o informatie despre spatiul de căutare.
depinde de ordinea în care se generează şi se inserează în LF succesorii În acest fel se garantează găsirea soluţiei, dacă aceasta există, precum
nodului expandat . În cele ce urmează considerăm că succesorii unui nod se şi a drumului cel mai scurt către soluţie
generează în ordinea indicelui numeric. În cazul în care spaţiul de căutare nu este un arbore, ci un graf
oarecare, pentru a evita reconsiderarea unei stări analizate anterior, pasul
Pas 1. Iniţializări LF = {n1} şi LT = { } de inserare a stării Sj în lista LF (pasul 4.2.3) se modifică astfel:
Pas 2 . Elimină n1 din LF şi-l inserează în LT: LF = { } şi LT = {n1} 4.2.3' DACĂ S j ∉ LF ∪ LT

Pas 3. Generează succesorii lui n1 si-i inserează în LF: conform ATUNCI inserează S j în LF, la sfirsit respectiv la început în
convenţiei adoptate mai întâi se genereză şi se introduce în listă funcţie de strategie.

16

Observaţii:
1. Ambele tipuri de căutări realizează un rationament direct, pornind
în rezolvarea problemei de la starea iniţială si generând arborele de
căutare a stării finale. Acest mod de abordare corespunde
raţionamentului deductiv.
2. In anumite cazuri se poate proceda invers, executind strategiile
începind din starea finală şi căutând starea iniţială. Acest mod de
abordare corespunde raţionamentului inductiv.
3. În anumite probleme se poate utiliza o combinaţie între
raţionamentul direct si cel invers, adică un rationament
bidirectional în care se caută soluţia pornind simultan din starea
iniţială si cea finală. În cazul acestei strategii, dacă se utilizează
căutarea în adâncime există pericolul ca cei doi arbori generaţi
simultan, unul pe calea directă şi celălalt pe calea inversă, să nu
aibă noduri intermediare comune (să nu se întâlnească).
4. Strategiile de cautare pe nivel si în adincime pot fi uşor adaptate la
căutarea soluţiei problemei în reprezentarea cu grafuri SI/SAU.
Diferenţa constă în criteriul de determinare a condiţiei de oprire. De
această dată trebuie să se testeze dacă o mulţime de noduri
formează un arbore soluţie. Prin urmare, impactul fiecărui nod nou
generat trebuie propagat în arborele parţial construit pentru a
determina dacă nodul problemă iniţială a devenit rezolvat.
Algoritmele de căutare în grafuri SI/SAU trebuie să gestioneze, pe
linga listele LF si LT, si o structură de date care reprezintă arborele
SI/SAU construit prin explicitarea spatiului de căutare definit în
mod implicit de reprezentare. O altă diferenţă constă în faptul că
nodurile SI nu se introduc în aceste listele LF şi LT deoarece ele nu
corespund efectiv unor subprobleme, ci indică numai o mulţime de
subprobleme care trebuie rezolvate. Aceste noduri sunt însă
construite şi fac parte din porţiunea explicitată a spaţiului de
căutare. Pe baza stării de rezolvat sau nerezolvabil a acestor noduri
se poate decide cind s-a obtinut arborele solutie.
1.3.3.3. Strategii de căutare euristică
În rezolvarea problemelor utilizind strategii de căutare neinformată
numărul de stări investigate înainte de a gasi o soluţie poate ajunge
prohibitiv de mare, chiar si pentru probleme relativ simple.
17
Spatiul de cautare explorat poate fi redus prin aplicarea tehnicilor
euristice de căutare care ţin seama de cât de aproape este fiecare nod al
grafului de nodul corespunzător stării finale.
Cuvântul euristic(ă) provine din greaca veche şi are înţelesul “a
descoperi”. Conform DEX “un procedeu euristic serveşte la descoperirea
unor cunoştinţe noi”, respectiv defineşte o parte a ştiinţei care are ca obiect
descoperirea de fapte noi.
În contextul problemelor de căutare, o tehnică euristică este o strategie
folosită pentru a creşte eficienţa căutării, fără a garanta obţinerea soluţiei.
Dezvoltarea unei tehnici euristice se face pe baza unor aproximări raţionale,
ipoteze simplificatoare şi cunoştinşe specifice domeniului problemei.
În acest context, cunoştinţele euristice pot fi utilizate pentru:
a) selectarea nodului urmator de expandat în cursul căutării –
selectarea nodului cel mai promiţător pentru obţinerea soluţiei;
b) a decide care dintre succesorii nodului ce este expandat vor fi
generaţi şi care nu – expandarea parţială a unui nod prin aplicarea
numai a unui sbset de operatori dintre cei posibil de aplicat;
c) eliminarea din spaţiul de căutare a anumitor noduri generate –
retezarea arborelui de căutare.
Si
g(Sc)
Sc f(Sc)
h(Sc)
Sf
Fig. 1. 10. Definirea unei funcţii euristice
O mare parte dintre tehnicile euristice cunoscute sunt tehnici cu
aplicabilitate generală. Totuşi, pentru aplicarea lor cu succes la o problemă
particulară, ele trebuie suprapuse peste euristica specifică problemei
analizate. Cel mai simplu mod de îmbinare constă în definirea unei funcţii
euristice care exprimă – cel mai adesea în formă numerică – cât de
promiţătoare este o stare din spaţiul de căutare în procesul de identificare a
soluţiei, adică cât de apropiată este starea respectivă de stare finală.
Modul cel mai general de definire a une funcţii euristice f foloseşte alte
două funcţii, g şi h, având următoarele semnificaţii (fig. 1.10):
• funcţia g evaluează costul deplasării din starea iniţială Si în starea
curentă Sc;
• funcţia h estimează costul deplasării din starea curentă Sc în starea
finală Sf;
Dintre cele trei funcţii doar g poate fi evaluată precis, celelalte două
fiind doar estimate şi de aceea se notează f * şi h* , iar legătura dintre ele
este dată de relaţia
f * ( Si → S f ) = g ( Si → Sc ) + h* ( Sc → S f ) (1)
O particularitate proprie tehnicilor euristice de căutare o reprezintă
caracterul local al procesului decizional care determină o comportare
nemonotonă a funcţiei h în spaţiul stărilor.
Există numeroase metode euristice de căutare dintre care cele mai
cunoscute sunt:
ƒ Metoda căii spre obiectiv
Principiul acestei metode constă în alegerea acelor operatori care par să
conducă la un obiectiv, de obicei soluţia problemei. În acest sens, la fiecare
pas al procesului de căutare se evaluează diferenţele dintre starea curentă Sc
şi starea finală Sf pe baza cărora se identifică un operator O1 ce ar permite
trecerea directă din starea curentă în cea finală. Din păcate un astfel de
operator fie nu există, fie nu poate fi aplicat. De aceea se aplică principiul
descompunerii problemei în subprobleme. Astfel, se determină o stare
intermediară Sc' căreia i se poate aplica operatorul O1 identificat anterior şi
în care se poate ajunge din starea curentă Sc prin aplicarea unui operator
secundar O2 .
ƒ Metoda pasului optim (best – first)
18
Ideea de bază a acestei strategii este aceea de a selecta, din spatiul de
căutare generat, pentru expandare cel mai bun nod folosind în acest sens
cunostinţele euristice, adică o estimare a stării cu ajutorul funcţiei euristice.
Algoritmul de bază al metodei implică parcurgerea următoarelor etape:
1. Calculul funcţiei euristice pentru toate nodurile din nivelul curent
(nodurile din frontieră)
2. Selectarea nodului cu valoarea minimă/maximă a funcţiei euristice
3. Expandarea nodului selectat (generarea succesorilor săi). Dacă
unul dintre succesori este soluţia, atunci procesul de căutare se
opreşte.
ƒ Algoritmele A* şi AO*
Folosesc pentru a evalua fiecare nod al frontierei o funcţie cost globală de
tipul celei definită de relaţia (1) şi caută o soluţie optimă a problemei.
Algoritmul A* este specific reprezentării prin spaţiul stărilor, în timp ce
algoritmul AO* este specific reprezentării prin grafuri SI/SAU.
Pentru a exemplifica modul de utilizare a strategiilor de căutare în
cadrul motorului de inferenţe al unui SE se consideră baza de cunoştinţe
formată din faptele cunoscute B şi C, respectiv scopul căutat notat cu H şi
baza de reguli:
R1: DACĂ B ŞI D ŞI E → F
R2: DACĂ D ŞI G → A
R3: DACĂ C ŞI F → A
R4: DACĂ B → X
R5: DACĂ D → E
R6: DACĂ A ŞI X → H
R7: DACĂ C → D
R8: DACĂ X ŞI C → A
R9: DACĂ X ŞI B → D
În figura 1.11 se prezintă două tipuri de arborescenţe ce corespund
acestui caz. Prin linii continue se reprezintă regulile aplicate, iar nodurile
reprezintă diferitele stări ale bazei de fapte. Liniile întrerupte corespund
regulilor aplicabile, dar pe care motorul de inferenţe nu le-a ales pentru
utilizare.
 Procedeul de căutare înainte (raţionamentul deductiv) (fig. 1.11, a, Pe măsură ce una din reguli este întrebuinţată noile fapte se
b) constituie o tehnică de inferenţă care foloseşte reguli (DACĂ-ATUNCI) adaugă la baza de fapte. În stabilirea ordinii de alegere a regulilor în
pentru a găsi soluţia (H) a problemei pornind de la fapte cunoscute (B şi C). exemplul prezentat s-au aplicat următoarele strategii: s-a ales fie prima
Astfel, pornind de la faptele B şi C folosind regula R4 se deduce X, apoi regulă aplicabilă, adică în ordinea lor de numerotare R4 (R7), R7 (R8, R9)
folosind şi regula R7 se deduce D, ş.a.m.d. (fig. 1.11, a), fie regula cu cel mai mare număr de condiţii (fig. 1.11, b).
Astfel, în al doilea caz se preferă regula R8 şi nu R7, pentru că are, conform
bazei de reguli, condiţiile X şi C. În cazul când două sau mai multe reguli au
acelaşi număr de condiţii se alege prima regulă. Se consideră ”succes”
momentul când scopul este adăugat la baza de fapte, iar ”eşec” când nu se
B, C R4 B, C, R7 B, C, R5 B, C, R1 B, C, R3 B, C, R6 H mai poate aplica nici o regulă. Oprirea căutării are loc în momentul în care
R7 R8 R8 R8 R8 R8
X R9 X, D R9 X, D, R9 X, D, R9 X, D, R9 în baza de fapte apare scopul urmărit H.

E E, F E, F, După cum deja s-a menţionat, criteriul de alegere în etapa de

a rezolvare a conflictelor influenţează performanţele motorului de inferenţe.
A
În exemplul prezentat s-au efectuat 6 inferenţe în primul caz (a) şi doar 3
R4 B, C, R8 B, C, R6 H inferenţe în al doilea caz (b).
B, C R7 R7 R7
X R9 X, A R9 Procedeul de căutare înainte sau raţionamentul deductiv prezintă
b două mari avantaje care în unele aplicaţii sunt absolut necesare: dă
ambele subscopuri posibilitatea generării tuturor soluţiilor posibile şi îmbogăţeşte la fiecare
G neverificat ŞI trebuie verificate
ŞI
ciclu al motorului de inferenţe baza de fapte, ceea ce simplifică deducţiile
inutil deoarece nu una sau alta dintre ulterioare. Marele dezavantaj al acestui procedeu îl constituie lipsa
R2 D SAU reguli poate fi aplicată
a fost verificat G
SAU proprietăţii de completitudine (garantarea găsirii soluţiei în cazul în care
A R3 C verificat B verificat
C verificat aceasta există).
SAU
ŞI R7
H
R6 ªI R8 F R1 D Procedeul de căutare înapoi (raţionamentul inductiv) (fig. 1.11, c)
ŞI R9
R7 C verificat
R4 E R5 D
este bazat pe utilizarea unui raţionament concentrat pe scop, adică porneşte
X B verificat
R9 de la scop – o problemă de rezolvat; în acest sens, scopul se descompune
c succesiv în subprobleme, până când se obţin probleme primitive (fapte
dovedite sau interogabile). De aceea, se spune că acest mod de
Fig. 1.11. Procedee de inferenţă: căutare/raţionament este dirijat de scop, în sensul găsirii faptelor care
permit atingerea acestuia (în mod invers în raport cu procedeul de căutare
a – căutare înainte (după prima regulă aplicabilă);
înainte). Motorul de inferenţe utilizează reguli de la dreapta la stânga, adică
b – căutare înainte (după regula cu cel mai mare număr de condiţii); în sensul de la Concluzie → Premisă. Regulile selecţionate sunt acelea care
c – căutare înapoi. au în partea de concluzii (în dreapta) scopul specificat iniţial, premisele
acestora devenind subscopuri ce urmează a fi demonstrate. Acest proces se
repetă până când toate subscopurile obţinute sunt demonstrate, sau în urma
etapei de filtraj mulţimea regulilor declanşabile este vidă, adică s-a ajuns
într-o situaţie de eşec.

19
 Pentru exemplificarea raţionamentului inductiv se consideră aceeaşi dintre obiectele considerate. Aici există o strânsă legătură între
bază de cunoştinţe; pentru început se propune verificarea scopului H. Dacă cunoştinţele declarative şi cele procedurale;
se parcurg regulile R1…R9, se observă că numai regula R6 are concluzia H. • stabilirea priorităţilor în timp a regulilor şi faptelor;
Astfel H se reduce prin regula R6 la subscopurile A şi X. La rândul său • testarea inconsistenţei şi a integrităţii.
scopul A poate fi verificat utilizând una din cele trei reguli simple R2, R3
sau R8. Strategia utilizată constă în folosirea primei reguli aplicabile (în Prin folosirea ambelor categorii de cunoştinţe – declarative şi
ordinea numerotării lor) pentru ca, în continuare, să caute a verifica unul procedurale – apare o funcţie nouă şi anume sistemul de tip consilier.
după altul subscopurile astfel produse. Subscopul X este adevărat dacă Acesta este un tip de software care ajută operatorul în luarea deciziilor prin
regula R4, în care X este concluzia, se poate aplica. Continuând folosirea cunoştinţelor declarative şi procedurale şi a mecanismelor
raţionamentul se obţine arborele ŞI/SAU de verificare a scopului H. În caz corespunzătoare de rezolvare a problemelor.
de ”eşec” (de exemplu subscopul G nu poate fi dedus în nici un fel), se
revine înapoi şi ultima regulă lăsată deoparte este încercată la rândul său. O formă foarte simplă constă în folosirea a două niveluri: un nivel
Explorarea arborescenţei se opreşte când scopul iniţial este demonstrat (ca superior pentru aplicarea cunoştinţelor declarative sub forma regulilor şi
în exemplul dat), sau când toate posibilităţile au fost explorate fără succes. faptelor şi un nivel inferior pentru cunoştinţele procedurale sub forma
Dezavantajul sistemelor cu înlănţuire înapoi este acela că poate apărea modelelor matematice ce descriu relaţiile cauzale.
blocajul.
În conceperea şi introducerea sistemelor expert în energetică trebuie
avut în vedere permanent că omul va rămâne principalul element de decizie,
sistemul expert asistându-l în această activitate în situaţii excepţionale
(incidente, avarii etc.) sau de rutină pentru a-l elibera de anumite sarcini şi
a-i da posibilitatea să se concentreze pe acele activităţi care implică în mod
necesar elementul uman în alegerea şi executarea acţiunilor. Sistemul
expert trebuie considerat ca un element auxiliar şi nu ca o alternativă la
funcţiile actuale ale dispecerilor.
În prezent cele mai multe SE dezvoltate folosesc doar cunoştinţe
declarative. Având în vedere că în sistemele electroenergetice există şi o
mare cantitate de cunoştinţe procedurale, apare necesar un nou tip de SE –
care să utilizeze ambele tipuri de cunoştinţe.
În cadrul centralelor şi reţelelor electrice este disponibil un număr mare
de cunoştinţe – sub formă de reguli şi fapte – a căror utilizare trebuie
eficientizată. În acest scop apar următoarele probleme:
• alegerea regulilor şi faptelor de importanţă esenţială pentru o anumită
aplicaţie (este nevoie de metode de reducere şi de combinare a
cunoştinţelor date);
• aducerea la zi a regulilor. Unele reguli se păstrează o perioadă lungă de
timp, în timp ce alte reguli se schimbă. Aceste reguli pot fi adesea
obţinute numai prin modele matematice, care descriu relaţiile cauzale

20