9533

Информационные технологии. Искусственный интеллект

Реферат

Информатика, кибернетика и программирование

Информационные технологии Искусственный интеллект Понятие искусственного интеллекта и классификация его основных направлений Искусственный интеллект (ИИ) - это научная дисциплина, возникшая в 50-х гг 20-го века на стыке кибернетики, лингвисти...

Русский

2013-03-12

548.5 KB

84 чел.

Информационные технологии

Искусственный интеллект

Понятие искусственного интеллекта и классификация его основных направлений

@ Искусственный интеллект (ИИ) – это научная дисциплина, возникшая в 50-х гг 20-го века на стыке кибернетики, лингвистики, психологии и программирования. Ее целью было стремление переложить на машину задачи, ранее традиционно решаемые людьми.

Существует достаточно много направлений использования искусственного интеллекта применительно к вычислительной технике:

С самого начала исследования в области ИИ пошли по 2-м направлениям

Направления развития искусственного интеллекта

Первое – попытки с помощью моделирования отдельных нейронов и составленных из них схем воспроизвести психофизиологическую деятельность человеческого мозга с целью создания человеческого разума. Это направление называют бионическим. С успехами в микроэлектронике (нейрокомпьютеры) в настоящее время, это направление приобретает второе дыхание, хотя в данной сфере деятельности получено пока еще очень мало ценных результатов.

Функциональный подход – состоит в воспроизведении на ЭВМ алгоритмов, определяющих те или иные функции человеческого интеллекта. Среди них огромный интерес представляют задачи классификации, распознавания образов, логического вывода, обучения, целеполагания и принятия решений, общения на естественных языках.

В дальнейшем мы будем рассматривать только второе (функциональное) направление.

Разработка интеллектуальных программ существенно отличается от обычного программирования и ведется путем построения системы искусственного интеллекта (СИИ). Если обычная программа может быть представлена в следующем виде:

ПРОГРАММА=АЛГОРИТМ+ДАННЫЕ

То система искусственного интеллекта выглядит по-другому:

СИИ=ЗНАНИЯ+СТРАТЕГИЯ ОБРАБОТКИ ЗНАНИЙ

Основным отличительным признаком СИИ является работа со знаниями. Если для обычных программ проблема представления данных алгоритма определяется на уровне языка программирования, то для СИИ представление знаний выливается в комплексную проблему: что такое знания, какие знания хранить в системе в виде базы знаний и в каком виде, как их использовать, пополнять и т.д.

Представление знаний и работа с ними

Термин «знания» в применении к информации, представимой в ЭВМ, появился не слишком давно. На более раннем этапе в ходу были лишь термины «программа» и «данные». Что же побудило специалистов ввести новый термин? Можно указать по крайне мере четыре причины, которые позволяют говорить не о данных, а о знаниях, используемых в ЭВМ.

1. Внутренняя интерпретируемость, т.е. вместе с информацией в базе знаний представлены информационные структуры, позволяющие не только хранить знания, но и использовать их.

Кода некоторые сведения вводятся в память ЭВМ, то каждая их порция для нее представляется в виде машинного слова, имеющего вид двоичного кода определенной длины. Что скрывается за кодом, узнать невозможно. Это может быть число, некоторый символ, закодированное слово и т.п. Для ЭВМ все эти сведения одинаковы и однотипны. Она все их интерпретирует как двоичные числа, над которыми совершаются те или иные операции. Таким образом, ЭВМ имеет аппаратно встроенную в нее интерпретацию, и изменить ее она не может. С этой точки зрения ЭВМ «однотипно» исполняет все реализуемые на ней программы. Если в некоторый момент времени остановить машину и проанализировать, что она делала, то вряд ли можно угадать, сочиняла ли она музыку или решала дифференциальное уравнение, ибо внешне она всегда делает одно и то же: складывает и умножает, делит и вычитает, сравнивает и ищет команду в программе, которую она должна выполнить следующей, и т.п. Истинная интерпретация решаемой задачи и тех данных, которые для этого привлекаются, остается в голове у программиста. Именно он заботится о том, чтобы программа выбирала нужные коды и делала с ними соответствующие операции, которые на уровне программиста могут интерпретироваться совсем не так, как на уровне прямой их интерпретации в машине.

Короче говоря, машина «не знает», что она делает на самом деле. Первый шаг на пути к знаниям в том и заключается, чтобы сообщить ей эти сведения, дать ей возможность интерпретировать данные и свои действия с ними на содержательном уровне.

Как это можно сделать, поясним на следующем примере. Пусть на ЭВМ решается задача, связанная с учетом наличия деталей на складе некоторого автохозяйства. Пусть в памяти машины хранится информация в виде таблицы (табл. 1).

Наименование единицы

Номер секции

Количество

Модель

Картер

Крышка картера

Крышка картера

Распределительный вал

Стекло переднее

И т.д.

54

54

7

11

11

200

300

52

1

42

ВАЗ 2101

ВАЗ 2101

ВАЗ 2106

ВАЗ 2103

ВАЗ 2101,

21011

Предположим сначала, что в память введена лишь та часть таблицы, которая расположена снизу и справа от жирных линий. Данные, входящие в нее, как-то расположены в поле памяти ЭВМ. Их использование возможно только таким образом, как это предусмотрит программист в своих программах. Только программы могут найти нужные им данные и произвести с ними необходимые операции. Интерпретация элементов введенного в машину массива оставалась вне ее.

Теперь введем в память всю таблицу. В этой таблице как бы две части. Одна из них расположена выше горизонтальной линии. Это шапка таблицы. В ней перечислены так называемые атрибуты. В нашем примере их четыре. Каждый их них является именем соответствующего столбца таблицы. Вторая часть таблицы состоит из ее строк и каждой строке таблице соответствует свое имя. Атрибуты и имена отношений дают возможность ЭВМ интерпретировать введенную в нее информацию на содержательном уровне. Теперь она вполне поймет вводимые в нее запросы такого типа, как «Сколько деталей хранится в секции 54?», «Перечислите все запасные части, которые хранятся на складе», «Имеются ли на складе распределительные валы для модели ВАЗ-2106?» и т.п.

Построенные на основе этого принципа базы называются реляционными.

2. Структурированность, т.е. декомпозиция сложных объектов на более простые и установление связей между объектами.

Одной из фундаментальных особенностей человеческого познания окружающего мира является его способность к декомпозиции наблюдаемых объектов, умению выделять в них отдельные элементы и связи между ними. Это позволяет человеку воспринимать любой объект как некоторую структуру и представлять сложные объекты в виде совокупности более простых и познавать свойства нового объекта через свойства тех, что входит в его структуру. Это позволяет человеку устанавливать связи между объектами. Связи типа «часть – целое», «класс – элемент», «род – вид» и т.п. Такие связи образуют в нашей памяти иерархии понятий и позволяют вводить новые понятия, объединяющие в себе множества понятий, соответствующих реальным объектам внешнего мира. Так возникают понятия, например, типа «дерево», «млекопитающие», «мебель».

Знания, представимые в машине, должны обладать способностью к образованию иерархий, введению новых обобщенных понятий и декомпозиции понятий на составляющие их понятия и отношения между ними.

Сделать это можно через– явное указание хранящихся в базе информации тех ее единиц, которые являются для них родовыми, и тех единиц, которые являются для них видовыми.

Важной особенностью такой организации является возможность однократной записи информации.

Например, вся информация, общая для всех деревьев, записана только один раз в единице информации, названной «дерево», а вся информация, общая для хвойных деревьев записана также только один раз в единице «хвойные» и не повторяется в единицах «сосна», «кедр» и «ель». В этих единицах информации содержатся сведения касающиеся непосредственно данного вида дерева, например, виды, место произрастания, целебные свойства и т.д. При необходимости получения на данном уровне детализации всей информации, относящейся к выбранной информационной единице, нужно пройти от нее вверх до самой последней в иерархии родовой единицы и собрать на этом пути всю недостающую информацию.

3. Связанность, т.е. свойство отображать закономерности фактов, процессов, явлений и причинно-следственные отношения между ними.

Знания, которые мы храним, связаны друг с другом не только родовыми и видовыми связями, рассмотренными нами только что. Имеются и другие связи. Среди них особое значение для нас имеют те, которые устанавливают закономерности между отдельными единицами информации (фактами, процессами, явлениями), а также определяют структуру той ситуации, в рамках которой наблюдаются сущности, которым соответствуют эти информационные единицы.

Поясним это на примере описания такой ситуации: «Среди сада в тени развесистых кленов, стояла старенькая серенькая беседка – три ступеньки вверх, обомшелый помост, низенькие стены, шесть точечных пузатых столбов и шестискатная кровелька. Марта сидела в беседке …» (Сологуб Ф. Мелкий бес. М.-Л., Академия, 1933).

Попробуем выделить в этой ситуации основные единицы информации и установить между ними связи. Во-первых, здесь имеется комплекс единиц, связанных между собой родовой единицей «беседка». В отношении часть – целое к ней находятся «ступеньки», «помост», «стены», «столбцы» и «кровелька». Кроме этих единиц, можно выделить еще следующие: «сад», «тень», «клены», «Марта». Эти единицы связаны между собой и с единицей «беседка» связями иного типа, чем родо-видовая связь. Эти связи носят ситуативный характер. Например, между «Мартой» и «беседкой» имеется пространственная связь типа «находиться в», а между «кленами» и «тенью» – связь типа «причина – следствие». Полная структура взаимосвязей, соответствующих описанной в тексте ситуации, показана на рис. 3.

По умолчанию между всеми вершинами в этой сети имеется также отношение «быть одновременно». Родо-видовые связи в структуре понятия «беседка» также не показаны для большей наглядности рисунка. Они подобны тем, которые мы проиллюстрировали на рис. 2.

4. Активность, т.е. знания, обеспечивают целенаправленное использование информации.

Четвертой важной характеристикой того, что можно считать настоящими знаниями, является их активность. Исторически сложилось так, что при работе с вычислительными машинами активными являлись программы, т.е. процедуры, а данные в ЭВМ оказались пассивными. Они просто хранились в памяти и ждали, когда их извлечет оттуда нуждающаяся в них программа. Если же обратиться к человеку, оперирующему со знаниями, то активными у него оказываются именно знания. Именно они формируют цели его деятельности даже тогда, когда исходная мотивация его поведения лежит в глубинах бессознательного. Активизированные цели вызывают реализацию тех процедур, которые могут оказаться полезными для достижения поставленных целей. Зачастую сами цели являются следствием того состояния, в котором находятся знания человека об интересующем его процессе или явлении. Неполнота знаний заставляет человека искать пути их пополнения, а противоречивость в знаниях – стремление к преодолению ее. При создании интеллектуальных систем необходимо обеспечить воспроизведение этого важнейшего свойства «базы знаний» человека.

Как и в предыдущих случаях, имеется много способов имитации этой характеристики знаний в искусственных системах. Для примера рассмотрим один из них. На рис. 4, показаны три информационные единицы, хранящиеся в базе знаний.

Они связаны между собой особыми оценочными связями. Вершина, соответствующая самой системе (вершина С), имеет положительную оценку пользователя А.. Относительно пользователя Б у системы мнение иное, оно носит негативный характер. Пусть в результате опроса система узнала, что пользователи А и Б высокого мнения друг и друге. Этой информации, полученной системой, соответствует положительная связь между пользователями А и Б на рис. 4 а.

Если искусственная система ведет себя подобно человеку, то структура в виде треугольника, которая показана на рис. 4 а, должна активизировать систему, поскольку подобная структура характеризует диссонанс в ее знаниях. А всякий диссонанс требует своего разрешения. Как и у человека, у системы есть четыре возможности преобразования имеющегося диссонанса в консонанс.

Первая заключается в изменении своего мнения о пользователе Б. Возможно, система не совсем правильно оценила результаты взаимодействия с ним, и необходимо собрать о пользователе Б дополнительную информацию. Для этого следует возбудить соответствующие программы ее сбора. Если после их работы система изменит свое мнение о пользователе Б, то содержимое той зоны ее базы знаний, которым мы интересуемся, станет таким, как это показано на рис. 11 б, Теперь выполнен принцип: «друзья моих друзей – мои друзья», и система из состояния диссонанса приходит в состояние, которое ее вполне устраивает.

Вторая возможность состоит в изменении своего мнения о пользователе А. Ведь система могла и ошибиться, приписав ему положительную характеристику. Снова включаются процедуры пополнения знаний о пользователях. Теперь адресатом их является пользователь А. Если после дополнительной проверки зона базы знаний становится такой, как это показано на рис. 4 в, то диссонанс опять ликвидирован. Понятно, что А и Б хорошо относятся друг к другу, но оба они с точки зрения системы не слишком хороши.

Третья возможность – возбудить процедуры в пользователях А и Б по проверке отношений между собой. Например, сообщить этим пользователям (или одному из них, например А, к которому система хорошо относится) некоторую дополнительную, располагающую системой информацию о них. Если после этого пользователи (по крайне мере А) изменят мнение друг о друге и треугольник примет вид, показанный на рис. 4 г, то система вновь будет удовлетворена. По ее мнению, «справедливость восторжествовала» и диссонанс ликвидирован.

Если же все три попытки не увенчались успехом – треугольник остался таким как он показан на рис. 4 а, - то у системы остается в запасе единственная процедура – вытеснение диссонансного знания из активного поля внимания. Возможно, что со временем появится новая информация, пока недоступная системе, которая и позволит ликвидировать этот неприятный фрагмент в знаниях системы.

Процессы активизации знаний в интеллектуальных системах только еще появляются. Каковы будут практические методы реализации и использования активизации знаний, покажет ближайшее будущее.

Перечисленные особенности должны быть отражены в тех языках, которые используются для их представления в интеллектуальных системах. Сейчас известны четыре вида таких языков: логические, реляционные, фреймовые и продукционные. Рассмотрим кратко их особенности и способы применения.

Языки интеллектуальных систем

1. Языки логического типа опираются на исчисления, заимствованные из логики. Чаще всего – на исчисления предикатов. Каждый факт в базе знаний описывается в виде некоторого набора предикатов.

Если, например Р1 есть предикат «хорошо относиться», то Р1(С, А) может интерпретироваться как утверждение: «Система хорошо относится к пользователю А». Сложные структуры из фактов задаются формулировками, состоящими из предикатов и операций, принятых в этом исчислении. Например, формула Р1(С, А) & (С, Б) & Р1(А, Б) описывает ситуацию, показанную на рис. 4 а. В этой формуле черточка над символом предиката означает отрицание соответствующего утверждения, а значок & (операция конъюнкции) означает одновременность того, что все три предиката, входящих в эту формулу, являются истинными.

Достоинством языков логического типа является существование мощных процедур логического вывода, обеспечивающих поиск вывода в большинстве случаев. При этом довольно просто решается важная для баз знаний задача пополнения текстовых описаний, поступающих в базу знаний после работы системы общения. Т.е. сообщения, вводимые в систему, как правило, являются неполными. Поэтому, одной из основных задач является пополнение сообщений. 

Недостатком, присущим всем языкам логического типа, является их плохая наглядность для человека. Весьма нелегко описывать проблемную область в виде набора аксиом, отражающих фундаментальные факты и закономерности, характерные для нее. Это приводит к многочисленным неточностям и неполноте описания, делая задачу заполнения базы знаний чрезвычайно трудоемкой.

2. Языки реляционного типа

Простейшим видом реляционных языков являются табличные языки.

Язык таблиц привычен человеку. Таблицы легко обозримы, структура их прозрачна, а данные сгруппированы весьма компактно. Но табличная форма задания отношений удобна далеко не всегда.

Поэтому в системах искусственного интеллекта получили распространение реляционные языки с более широкими возможностями. Их обычно называют языками семантических сетей.

@ Семантическая сеть — это ориентированный граф, вершины которого — понятия, а дуги — отношения между ними. Понятиями обычно выступают абстрактные или конкретные объекты, а дугами — отношения между ними.

Пример изображен на рис. В качестве вершин тут выступают понятия «человек», «т.Иванов», «Волга», «автомобиль», «вид транспорта» и «двигатель»; в качестве дуг—отношения: «это (IS—А, АКО)», «имеет частью (has part)», «принадлежит», «любит».

Характерной особенностью семантических сетей является наличие трех важнейших типов отношений:

  •  класс — элемент класса («это»);
  •  свойство — значение («цвет — красный»);
  •  пример элемента класса («например»).

Кроме перечисленных в семантических сетях используются следующие типы отношений:

  •  связи типа «часть — целое» («класс — подкласс», «элемент — множество» и т. п.);
  •  функциональные связи («объект — свойство», «свойство — значение»);
  •  атрибутивные связи  (количественные, временные, пространственные);
  •  логические связи (и, или, не);
  •  лингвистические связи.

Семантические сети можно классифицировать на:

I. однородные (с единственным типом отношений); неоднородные (с различными типами отношений).

II. бинарные (в которых отношения связывают два объекта); n-арные (в которых есть специальные отношения, связывающие более двух понятий).

Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, представляющей вопрос.

Основным преимуществом этой модели является то, что она более других соответствует современным представлениям об организации долговременной памяти человека. Термин семантическая означает «смысловая», а сама семантика — это наука, устанавливающая отношения между символами и объектами, которые они обозначают, т. е. наука, определяющая смысл знаков. Недостатком этой модели является сложность организации процедуры поиска вывода на семантической сети.

3. Языки фреймового типа

Под фреймом понимается абстрактный образ или ситуация.

В психологии и философии известно понятие абстрактного образа. Например, произнесение вслух слова «комната» порождает у слушающих образ комнаты: жилое помещение с четырьмя стенами, полом, потолком, окнами и дверью площадь» 6—20 м2). Из этого описания ничего нельзя убрать (например, убрав окна, мы получим уже чулан, а не комнату), но в нем есть «дырки» или слоты — незаполненные значения некоторых важных атрибутов — количество окон, цвет стен, высота потолка, покрытие пола и др.

Фреймом также называется и формализованная модель для отображения образа.

Важнейшим свойством теории фреймов является заимствованное из теории семантических сетей  наследование свойств. И во фреймах, и в семантических сетях наследование происходит по АКО-связям (А—KindOf — является).

Например, в сети фреймов на рис. ниже понятие ученик наследует свойства фреймов «ребенок» и «человек», которые находятся на более высоком уровне иерархии. Так, на вопрос «любят ли ученики сладкое?» следует ответ «да», так как этим свойством обладают все дети, что указано во фрейме «ребенок». Наследование свойств может быть частичным — возраст для учеников не наследуется из фрейма «ребенок», так как указан явно в своем собственном, фрейме.

Основным преимуществом фреймов как модели представления знаний является то, что она отражает концептуальную основу организации памяти человека, а также ее гибкость и наглядность.

4. Языки продукционного типа

Основным элементом этого языка является конструкция вида:

(i), P, P; AB; (j), Q.

Словесно она может быть интерпретирована следующим текстом: «Если выполнено условие Р и имеет место А, то надо сделать В и изменить условие продукции с номером j на условие Q». В нашей записи (i)  есть номер написанной продукции.

В качестве примера рассмотрим фор мулу, задающую условие того, что у больного нет четырех перечисленных ниже заболеваний:

Р=1234,

где P1 — тиреотоксикоз, Р2 — сахарный диабет, Р3 — декомпенсированная форма аддисоновой болезни, Р4 — тяжелые формы коронарной недостаточности. Пусть А — гипотиреоз, В — прием тиреоидина 0,3 г, Q — увеличить значение q на 0,3. Предикат P5(q>1) оценивает допустимость очередного приема тиреоидина, так как суточная норма для взрослого не должна превышать 1 г. Вид продукции:

(i), P, P5; AB; (i), Q.

Смысл этой продукции следующий «Если у больного гипотиреоз, нет противопоказаний к приему тиреоидина, его суточная норма еще не достигнута, то необходимо принять 0,3 г тиреоидина и учесть этот факт в суточной норме». После истечения календарных суток какая-то другая продукция, следящая за течением времени, возвращает значение q к нулю.


Автоматизированные информационные системы

Развитие средств вычислительной техники обеспечило возможность создания и широкого использования автоматизированных информационных систем различного назначения, которые помогают решать задачи по накоплению, хранению и систематизации данных о функционировании и свойствах реальных объектов, а также разнообразных данных справочного характера.

Автоматизированная информационная система (АИС) – это функционирующий на основе ЭВМ и других технических средств информатики комплекс, обеспечивающий сбор, хранение, актуализацию и обработку информации в целях поддержки какого-либо вида деятельности.

В зависимости от характера информационных ресурсов, с которыми имеют дело такие системы, различают два крупных класса АИС:

  1.  Документальные системы;
  2.  Фактографические системы.

На практике также используются системы комбинированного типа.

Документальные АИС служат для работы с документами на естественном языке – монографиями, публикациями в периодической печати, материалами конференций, научными отчетами, диссертациями, авторефератами, текстами законодательных актов и т.д.

Наиболее распространенным видом документальных систем являются информационно-поисковые системы (ИПС),  предназначенные для накопления и поиска по различным критериям документов, записанных на естественном языке.

Как правило, ИПС позволяют оперировать с большим количеством сведений об однотипных объектах. При этом для каждого из объектов существенными являются значения лишь некоторые признаков. Что понимается здесь под словами «признак» и «значение признака»? Поясним на примерах.

В ИПС, позволяющей работать с данными о звукозаписях, объектами являются записи, а их признаками, например, будут название ансамбля и год выхода пластинки (компакт-диска, кассеты). Примером значений этих признаков являются Битлз, 1966.

Каждая конкретная ИПС «нацелена» на решение своего круга задач. В свою очередь, для каждого класса задач характерен свой набор объектов и их признаков. Поэтому и соответствующие ИПС будут различными – одна ИПС нужна, чтобы разыскивать марку по каталогу, и совсем другая – для облегчения работы директора студии звукозаписи.

Любая ИПС состоит из двух частей:

Программные средства, которые служат для организации ввода и хранения информации, поддержки общения пользователя с системой, обработки запросов на поиск документов и выдачи результатов поиска.

Поисковый массив документов, на обработку данных из которого и ориентированы программные средства.

К настоящему времени в мире созданы сотни тысяч ИПС. Одни используются в библиотеках и больницах, в гидрометцентрах и на заводах, в магазинах и планирующих организациях. Некоторые из них объединены в крупные, – централизованные ИПС, часто называемые банками данных. В нашей стране действуют десятки банков данных. Пожалуй, самый большой из них – банк данных Российского института научной и технической информации (в нем содержится более 6 млн. библиографических сведений о книгах и статьях практически по всем отраслям знаний).

Фактографические АИС оперируют фактическими сведениями, представленными в виде совокупностей записей данных, организованных специальным образом.

Фактографические системы используются не только для реализации разнообразных справочных функций, но и для решения задач обработки данных.

Под задачами обработки данных понимается специальный класс решаемых на ЭВМ задач, связанных с вводом, хранением, сортировкой, отбором по заданному условию и группировкой записей данных однородной структуры. При этом предусматривается использование генераторов отчетов для создания пользователем различных отчетов, как правило, табличной формы. Задачи такого типа широко распространены при обработке экономической информации.

Примерами таких задач служат учет складских запасов, инвентаризация основных фондов предприятия, обработка заказов и товарно-транспортных накладных, учет поставок и т.д. К таким системам относятся системы управления базами данных.

Система управления базами данных (СУБД) представляет собой пакет программ, основной задачей которого является ввод и хранение больших объемов информации из баз данных, ее упорядочение, поиск и обработка по запросам пользователей.

СУБД включает две основные части: базу данных (БД) и собственно систему управления базами данных (СУБД).

Под базой данных (БД) при этом понимается именованная совокупность данных, отражающая состояние объектов и их отношений в рассматриваемой предметной области.

С точки зрения хранения информации БД представляет собой набор файлов определенной организации. В каждом файле информация упорядочена в виде пронумерованного набора элементов одинаковой структуры (записей). В свою очередь, каждая запись задается набором специальных переменных (полей) установленных типов.

Общий вид файла БД можно представить следующей таблицей, где TOP означает начало файла, а EOF (End Of File) – специальную метку окончания файла.

TOP

Запись 1

Запись 2

Запись 3

Запись N

EOF

СУБД – специальное программное обеспечение, позволяющее организовать работу с базой. Она включает, как правило, следующие компоненты:

  1.  ядро, которое отвечает за управление данными во внешней и оперативной памяти и восстановление данных при сбое;
  2.  процессор языка базы данных, обеспечивающий оптимизацию запросов на извлечение и изменение данных, а также создание машинно-независимого исполняемого внутреннего кода;
  3.  подсистему поддержки времени исполнения, которая интерпретирует программы манипуляции данными, создающие пользовательский интерфейс с СУБД;
  4.  сервисные программы (внешние утилиты), обеспечивающие ряд дополнительных возможностей по обслуживанию баз данных.

Таким образом, взаимодействие отдельных блоков СУБД можно представить в виде схемы.

Основные возможности СУБД при взаимодействии с базой данных:

1. Ввод и редактирование данных в БД.

2. Организация обработки данных в БД:

корректировка записей;

поиск записей по запросу;

сортировка записей.

3. Вывод данных на экран или принтер.

4. Задание новой или изменение старой структуры БД.

5. Формирование отчета любого вида и содержания.

В конкретный момент времени СУБД работает с несколькими файлами БД конкретной структуры. Размеры хранимой информации ограничиваются лишь емкостью магнитных носителей.

Основные типы БД

По способу организации данных в базе различают три основных типа БД: иерархические, реляционные и сетевые. Тип используемой базы данных зависит от поставленной задачи, размеров RAM компьютера и его внешних носителей информации.

Основное различие между рассматриваемыми типами БД состоит в способах представления взаимосвязей между объектами. Взаимосвязь выражает связь между двумя множествами данных. Различают взаимосвязи типов «один – к – одному», «один – ко многим», «многие – ко – многим».

Иерархическая база данных состоит из таблиц, которые в процессе поиска информации должны просматриваться в заранее определенном порядке. Например, для базы данных продуктового склада, в секциях которого хранятся различные продукты, иерархическая структура может выглядеть следующим образом (рис. 1). Для иерархической БД характерна упорядоченность элементов, строгая подчиненность объектов нижнего уровня (потомков) объектам верхнего уровня (предкам).

Для того чтобы определить цену огурцов, нужно просмотреть последовательно три таблицы.

Секция

Категория продукта

1

Овощи

2

Макаронные изделия

3

Молочные продукты

Салат

Молочные

продукты

Молоко

Макаронные изделия

Лапша

Овощи

Огурцы

Масло

Вермишель

Помидоры

Сметана

Рожки

Название

Цена, р.

Название

Цена, р

Название

Цена, р

Салат

30

Молоко

15

Лапша

30

Огурцы

50

Масло

120

Вермишель

28

Помидоры

80

Сметана

100

Рожки

29

Рис. 1. Иерархическая организация базы данных

В реляционных базах данных каждая таблица представляет собой список взаимосвязанных элементов (рис. 2), причем из полного списка легко запросить любое требуемое подмножество элементов.

Наименование
продукта

Номер секции

Категория продукта

Цена, р.

Ед.
изм.

Масло

3

Молочные

12

шт

Рожки

2

Макаронные изделия

29

кг

Огурцы

1

Овощи

50

Кг

Рис. 2. Реляционная организация базы данных

Реляционный подход к организации БД наиболее удобен в тех случаях, когда нельзя сказать заранее, какого характера запросы будут использоваться наиболее часто. На современных ПК используется именно этот подход в работе с базами.

Таблица – это основа любой реляционной БД. Она  предназначена для хранения информации. Примерами табличной организации данных служат записная книжка, каталог товаров и т.д.

В таблице БД каждый столбец называют полем.

 Поле базы данных – это столбец таблицы, содержащий значения определенного свойства.

Все данные, помещенные в одной строке, называют записью. Каждая запись содержит полный набор данных об определенном объекте и представляет собой строчку таблицы и содержит совокупность значений признаков, описывающих один объект. В случае записной книжки – это фамилия, имя, отчество, адрес и т.д. одного человека.

 Запись базы данных – это строка таблицы, содержащая набор значений свойств, размещенный в полях базы данных.

Каждое поле записи имеет фиксированную длину. Отсюда следует, что и любая запись в таблице имеет определенную длину.

Каждая запись характеризуется своим порядковым номером. Нумерация записей ведется автоматически и начинается с первой.

 Ключевое поле – это поле, значение которого однозначно определяет запись в таблице (например, табельный номер).

Для удобства работы с таблицами БД было введено понятие имени поля – какой-либо последовательности букв и/или цифр, начинающейся с буквы.

Таким образом, каждая строчка таблицы определяет запись, которая характеризуется уникальным номером, а у каждого столбца есть свое уникальное внутри таблицы имя, которое и называют именем поля таблицы.

В реляционной модели взаимосвязи «один – к – одному» и «один – ко – многим» реализуются без всяких проблем, но взаимосвязи типа «многие – ко – многим» не могут быть реализованы непосредственно. Как правило, они реализуются двумя взаимосвязями «один – ко – многим».

Сетевая модель базы данных отчасти напоминает иерархическую. Основное различие этих моделей состоит в том, что в сетевой модели запись может быть включена в более сложную систему отношений (рис. 3). Сетевая структура данных представляет собой произвольный граф. Между предками и потомками задано соотношение «многие – ко – многим».

Рис. 3. Пример сетевой структуры данных

По способу хранения данных БД разделяют на два основных БД: централизованные и распределенные.

Централизованные БД, хранящиеся в памяти одной вычислительной системы. Пользователи обращаются к ним со своих компьютеров.

Распределенные БД, предполагающие хранение и выполнение функций управления данными из БД в нескольких узлах (памяти нескольких компьютеров) и передачу информации между этими узлами в процессе выполнения запросов. Для пользователя (или прикладной программы) не должно иметь значения, каким образом данные распределены между компьютерами.

PAGE  14


EMBED PBrush  

EMBED Word.Picture.8  


 

А также другие работы, которые могут Вас заинтересовать

17343. Введение в курс Системное проектирование телекоммуникационных систем 87 KB
  Лекция 1. Введение в курс Системное проектирование телекоммуникационных систем 1.1.Общее понятие о системном проекте и системном подходе к проектированию сложных объектов Данная университетская дисциплина Системное проектирование телекоммуникационных систем отн...
17344. ЭЛЕМЕНТЫ ОБЩЕЙ ТЕОРИИ СИСТЕМ 181 KB
  ЭЛЕМЕНТЫ ОБЩЕЙ ТЕОРИИ СИСТЕМ Лекция №2 Основания общей теории систем 1.1. Уровни исследования системы Во второй половине двадцатого столетия в биологии медицинской науке и философии основательно укоренилось словосочетание: Общая теория систем [15] котор...
17345. Сложный объект как система. Основные аспекты системного исследования 136.5 KB
  Тема 2. ЭЛЕМЕНТЫ ОБЩЕЙ ТЕОРИИ СИСТЕМ Лекция 3. 2.4. Сложный объект как система Основные аспекты системного исследования Несколько нарушая принятую методологию изложения материала начнем с определения объекта Ob как потенциально сложного элемента системы. Сложный ...
17346. Научные (Теоретические) основы системного похода 136.5 KB
  Тема 2. Научные Теоретические основы системного похода Продолжение. Лекция 4 3.5 Основные принципы системного подхода Основные принципы системного подхода вытекают из соответствующих главных концепций ОТС представленных схеме на рис.1. ...
17347. Системобразрушающие факторы 109.5 KB
  Тема 2. Научные Теоретические основы системного похода Продолжение 2. Лекция 5 3.10.Системобразрушающие факторы Как указывалось выше распад целостных объектов происходит под влиянием внешних системоразрушающих факторов. Горы могут быть разрушены землетрясение
17348. ПРОЦЕСС УПРАВЛЕНИЯ В СЛОЖНОЙ СИСТЕМЕ 214.5 KB
  Лекция 6. ПРОЦЕСС УПРАВЛЕНИЯ В СЛОЖНОЙ СИСТЕМЕ 1. Концептуальная структура системы с управлением Как было ранее отмечено в классификации систем выделяется класс систем с управлением. Для таких систем характерно наличие свойства открытости и способность к адекватно...
17349. ЭЛЕМЕНТЫ ОПИСАНИЯ СЛОЖНЫХ СИСТЕМ. МОДЕЛЬНОЕ ОБЕСПЕЧЕНИЕ АНАЛИЗА СС. ОБОБЩЕННАЯ (СЕМАНТИЧЕСКАЯ) МОДЕЛЬ ПРИКЛАДНОЙ СИСТЕМЫ 270 KB
  Лекция 7. ЭЛЕМЕНТЫ ОПИСАНИЯ СЛОЖНЫХ СИСТЕМ. МОДЕЛЬНОЕ ОБЕСПЕЧЕНИЕ АНАЛИЗА СС. ОБОБЩЕННАЯ СЕМАНТИЧЕСКАЯ МОДЕЛЬ ПРИКЛАДНОЙ СИСТЕМЫ. I. 1. Показатели параметры в описании элемента системы Элементу объекта системы поставим в соответствие систему показателей парам...
17350. КОНЦЕПТУАЛЬНЫЕ ОСНОВЫ СИНТЕЗА СЛОЖНЫХ СИСТЕМ 633 KB
  Лекция 8. КОНЦЕПТУАЛЬНЫЕ ОСНОВЫ СИНТЕЗА СЛОЖНЫХ СИСТЕМ 1. Концепция существования реального объекта во времени и пространстве Дадим некоторые определения. Объект системы Ob – это сущность реального мира воспринимаемая интеллектом системного аналитика САн че
17351. ПРИКЛАДНЫЕ СИСТЕМЫ. ХАРАКТЕРИСТИКИ И ПОКАЗАТЕЛИ КАК ОБЪЕКТЫ МОДЕЛИРОВАНИЯ И ИССЛЕДОВАНИЯ 229.5 KB
  Лекция 9 ПРИКЛАДНЫЕ СИСТЕМЫ. ХАРАКТЕРИСТИКИ И ПОКАЗАТЕЛИ КАК ОБЪЕКТЫ МОДЕЛИРОВАНИЯ И ИССЛЕДОВАНИЯ 9.1. Основные известные концептуальные определения понятия сложная система как основа модельного представления системы Здесь будет выполнена адаптация материала