Помощь в учёбе, очень быстро...
Работаем вместе до победы

Моделирование информационного взаимодействия когнитивного агента с внешней средой на основе псевдофизических логик и обобщенных ограничений

Диссертация: Моделирование информационного взаимодействия когнитивного агента с внешней средой на основе псевдофизических логик и обобщенных ограничений
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В диссертационной работе было проведено исследование процессов информационного взаимодействия искусственных когнитивных агентов с объектами внешней среды и человеком. Главным итогом диссертации стала разработка моделей грануляции информации когнитивными агентами с использованием аппарата лингвистических переменных, нетрадиционных, в частности, нечетких множеств, обобщенных ограничений… Читать ещё >

Содержание

  • СПИСОК УСЛОВНЫХ СОКРАЩЕНИЙ
  • ГЛАВА 1. РАЗРАБОТКА АВТОНОМНЫХ ТЕХНИЧЕСКИХ ОБЪЕКТОВ И СЛОЖНЫХ ПРОИЗВОДСТВЕННЫХ СИСТЕМ КАК КОГНИТИВНЫХ АГЕНТОВ
    • 1. 1. Агенто-ориентированный подход к созданию интеллектуальных производственных систем, сетей предприятий и сложных автономных объектов
    • 1. 2. Основы проектирования когнитивных агентов
      • 1. 2. 1. Определения, интерпретации, классификации и структуры агентов
      • 1. 2. 2. Разработка концепции физических когнитивных агентов
    • 1. 3. Особенности взаимодействия искусственного агента со средой
    • 1. 4. Диалоговое управление и гибкая система навигации — основные атрибуты физических когнитивных агентов
  • Выводы по первой главе
  • ГЛАВА 2. ПОСТРОЕНИЕ СИСТЕМЫ ОНТОЛОГИЙ ДЛЯ КОГНИТИВНЫХ АГЕНТОВ. ГРАНУЛЯРНЫЕ МЕТАОНТОЛОГИИ И ОНТОЛОГИИ ПРОСТРАНСТВА
    • 2. 1. Основы построения онтологий
      • 2. 1. 1. Определение и классификация онтологий
      • 2. 1. 2. Компоненты онтологий
      • 2. 1. 3. Роль НЕ-факторов в функционировании агентов
    • 2. 2. Грануляция информации когнитивными агентами
      • 2. 2. 1. Базовая схема и онтология грануляции
      • 2. 2. 2. Гранулярные структуры
    • 2. 3. Проблемы и методы грануляции информации
      • 2. 3. 1. Разбиение универсального множества. Классы эквивалентности
      • 2. 3. 2. Гранулы как окрестности
      • 2. 3. 3. Формирование гранул на основе нестандартных множеств
    • 2. 4. Грануляция информации на основе лингвистических переменных
    • 2. 5. Формальное определение онтологий на основе нечеткой алгебраической системы
    • 2. 6. Представление онтологий с помощью графов и деревьев
    • 2. 7. Методика построения нечетких онтологий
    • 2. 8. Алгоритм построения нечетких онтологий
    • 2. 9. Информация как ограниченное разнообразие: от обобщенных ограничений к общей теории неопределенности
    • 2. 10. Способы изменения степени грануляции информации
    • 2. 11. Онтология пространства
      • 2. 11. 1. Выбор базовой концепции пространства
      • 2. 11. 2. Мереология и мерономш
      • 2. 11. 3. Топология и мереотопология пространства
      • 2. 11. 4. Нечеткие топологические отношения
  • Выводы по второй главе
  • ГЛАВА 3. ПОСТРОЕНИЕ ПСЕВДОФИЗИЧЕСКИХ ЛОГИК ДЛЯ КОГНИТИВНОГО АГЕНТА
    • 3. 1. Связи между онтологиями и логиками: псевдофизические онтологии
    • 3. 2. Псевдофизические логики
    • 3. 3. Нечеткие пространственные отношения
      • 3. 3. 1. Относительные расстояния
      • 3. 3. 2. Относительные направления
      • 3. 3. 3. Относительные размеры
      • 3. 3. 4. Взаимные отношения (взаимное расположение)
      • 3. 3. 5. Относительные траектории
      • 3. 3. 6. Относительные скорости двиэюения
      • 3. 3. 7. Общая сводка нечетких пространственных отношений
    • 3. 4. Алгоритм распространения гранулярных ограничений
    • 3. 5. Пространственные логики
      • 3. 5. 1. Статические пространственные логики
      • 3. 5. 2. О связи лингвистических переменных «Расстояние» и «Размер»
      • 3. 5. 3. Статическая пространственная логика на прямой
      • 3. 5. 4. Статическая пространственная логика на плоскости
    • 3. 6. Пример вывода как распространения ограничений в статической пространственной логике
    • 3. 7. Динамические пространственные логики
    • 3. 8. Выбор траектории движения агента
    • 3. 9. Пример вывода как распространения ограничений в динамической пространственной логике
    • 3. 10. Логика оценок
      • 3. 10. 1. От классических к нечетким предпочтениям
      • 3. 10. 2. Основы лингвистической логики предпочтений
      • 3. 10. 3. Пример использования логики предпочтений
  • Выводы по третьей главе
  • ГЛАВА 4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ ФОРМИРОВАНИЯ И РАСПРОСТРАНЕНИЯ ОБОБЩЕННЫХ ОГРАНИЧЕНИЙ В СРЕДЕ МАТЬАВ
    • 4. 1. Реализация моделей грануляции информации в среде Matlab
      • 4. 1. 1. Интервальные и недоопределенные модели
      • 4. 1. 2. Нечеткие модели
      • 4. 1. 3. Модели на основе четких и нечетких мультимножеств
      • 4. 1. 4. Обобщенные ограничения
    • 4. 2. Сравнительный анализ методов нечеткого вывода и распространения обобщенных ограничений в среде Matlab
      • 4. 2. 1. Постановка задачи управления манипулятором
      • 4. 2. 2. Реализация системы управления манипулятором
    • 4. 3. Примеры реализации и распространения пространственных ограничений
    • 4. 4. Примеры практического использования физических когнитивных агентов
      • 4. 4. 1. Применение когнитивных транспортных роботов в составе гибких производственных систем на машиностроительном предприятии
      • 4. 4. 2. Применение когнитивных транспортных роботов в автоматизированных грузовых терминалах
    • 4. 5. Разработка обобщенной модели управления когнитивным роботом на основе грануляции информации с помощью обобщенных ограничений
      • 4. 5. 1. Функциональная схема системы управления когнитивным роботом
      • 4. 5. 2. Практические методы грануляции и дегрануляции информации
    • 4. 6. Реализация обобщенной модели управления когнитивным роботом
      • 4. 6. 1. Описание когнитивных фреймов входных лингвистических переменных
      • 4. 6. 2. Описание когнитивных фреймов выходных лингвистических переменных
      • 4. 6. 3. Фрагмент базы знаний, построенной на основе нечетких ограничений
      • 4. 6. 4. Алгоритм работы обобщенной модели управления роботом
      • 4. 6. 5. Экспериментальное исследование обобщенной модели управления когнитивным роботом
  • Выводы по четвертой главе

Моделирование информационного взаимодействия когнитивного агента с внешней средой на основе псевдофизических логик и обобщенных ограничений (реферат, курсовая, диплом, контрольная)

Актуальность. Развитие и интеллектуализация современных сложных, открытых, распределенных организационно-технических систем, в том числе, гибких производственных систем (ГПС) и роботизированных комплексов, компьютерно-интегрированных производств (КИП) и сетевых виртуальных предприятий, требует разработки общей агенто-ориентированной методологии, в русле которой рассматриваемые системы и их компоненты интерпретируются как когнитивные агенты. Важнейшей способностью таких агентов является интенсивное информационное взаимодействие с многокомпонентной внешней средой, в которой присутствуют как разнообразные физические объекты, так и другие (естественные и искусственные) агенты. Соответственно, возникают проблемы анализа информационных потребностей автономных агентов, исследования и моделирования информационных структур и процессов, связанных с поиском, получением, накоплением и обработкой информации искусственными агентами, изучения методов формирования оценок, мнений и знаний искусственными когнитивными" агентами (ИКА) на основе перерабатываемой, ими информации. Здесь ключевую роль играют: исследование и разработка адекватных средств. представления, знаний агентов (в том числе, знаний, относящихся к рассмотрению плохо определенных предметных областей и слабоструктурированных задач): интеграция различных источников знанийпостроение концептуальных и семиотических моделей предметных областей.

Когнитивное моделирование поведения искусственных агентов предполагает спецификацию и формализацию их взаимодействий. Так реализация взаимодействия между естественными и искусственными агентами (в частности, диалога «человек-искусственный агент») требует разработки специальных методов, языков и моделей общения (например, методов распознавания и синтеза речи, моделей и протоколов диалога между человеком и роботом, моделей взаимопонимания на основе системы онтологий). Кроме того, для успешного функционирования искусственных когнитивных агентов требуется развитие специальных методов управления ими, включая методы информационного, рефлексивного и диалогового управления.

Все вышеизложенное демонстрирует актуальность темы диссертационной работы, посвященной проблемам моделирования информационного взаимодействия искусственного когнитивного агента с внешней средой. При этом ИКА получает информацию из трех источников: из собственной базы данных и знаний, от человека в процессе диалога «человек-искусственный агент» и от сенсорной системы.

Объектом исследования являются процессы информационного взаимодействия и интеграции в сложных организационно-технических системах, рассматриваемых как интеллектуальные агенты и многоагентные системы. В качестве примеров таких систем выбраны физические агенты: гибкая производственная система с автономными транспортными роботами и интеллектуальный робот, функционирующий на основе целеуказаний человека в экстремальной среде с заранее неизвестными характеристиками.

Предмет исследования составляют проблемы логико-лингвистического моделирования когнитивных функций автономного агента, работающего в неточно и неполностью определенной среде, с использованием методов гранулирования информации, псевдофизических логик и обобщенных ограничений.

Цель диссертационной работы заключается в разработке моделей, методов и программного обеспечения для поддержки информационного взаимодействия искусственного интеллектуального агента с внешней средой на основе системы онтологий, псевдофизических логик и обобщенных ограничений.

Для достижения общей цели диссертации в ней решаются следующие основные задачи: развитие единого агенто-ориентированного подхода к моделированию и проектированию активных искусственных объектов, описание общей архитектуры и основных свойств когнитивного агента, включая его способность к грануляции информациипостроение базовой модели взаимодействия искусственного когнитивного агента с внешней средойразработка на ее основе гибкой, двухрежимной схемы навигации мобильного агента и общей схемы диалогового управления в системе «человек-искусственный агент" — анализ методов грануляции информации в процессах взаимодействия ИКА с внешней средой, в том числе методов, опирающихся на нестандартные множества, лингвистические переменные, нечеткую логику и обобщенные ограниченияразработка системы онтологий для ИКА, в первую очередь, метаонтологии грануляции информации и онтологии пространства, в котором работает агентразвитие мереотопологического подхода к моделированию областей пространстваформализация, онтологий на основе нечетких алгебраических систем с использованием математического аппарата нечетких отношений и нечетких графованализ подходов, методов и средств построения псевдофизических логиквыделение и изучение свойств основных пространственных отношенийизучение и разработка методов и алгоритмов обработки нечеткой лингвистической пространственной информации, используемой агентомсоздание модели гранулярного управления искусственным когнитивным агентом на основе методов формализации и распространения ограниченийразработка программной реализация модели распространения ограничений в средах МайаЬ 7.0 и РДОсопоставление подхода на базе распространения ограничений с нечетким логическим выводомпостроение программной модели интеллектуального агента и ее экспериментальные исследования;

9) разработка общего принципа и схемы реализации когнитивного транспортного робота-электромобиляпостроение иллюстративного примера функционирования когнитивного транспортного робота в составе гибкой производственной системы предприятия.

В ходе решения этих задач при подготовке диссертации автор опиралась на основополагающие труды ведущих отечественных и зарубежных ученых по теоретической информатике и искусственному интеллекту (А.Н.Колмогоров [75], А. И. Мальцев [87], Д. А. Поспелов [68,113,114,117−119], Г. С. Осипов [97,118], Э. В. Попов [110,111], О. П. Кузнецов [80], В. К. Финн [160], В. Н. Вагин [17], А. П. Еремеев [45−47], В. М. Курейчик [43], В. Л. Стефанюк [139], И. Б. Фоминых [161], Л. Заде [49, 208−214], Н. Нильсон [183], Г. Саймон, Дж. Люгер, С. Рассел и П. Норвиг [123]), важнейшие работы по ряду специальных областей информатики и ИИ, таких как: онтологии, псевдофизические логики, модели пространственных рассуждений (Ст.Лесьневский, А. Тарский, Т. Грубер [184], Н. Гуарино [185], Р. Мизогучи [89], А. Варзи [178], Л. Вье [204], В. Куйперс [191], Б-Смит [198], М. Айелло [188], Д. А. Поспелов [68,113,114], Г. С. Плесневич [105,106], Т. А-.Гаврилова [25−28], А. С. Клещев [71,72], Л. В. Литвинцева [68,83,158],.

A.В.Смирнов [130], С. В. Смирнов [133], и др.), основанные на методах математической теории отношений (Ю.А.Шрейдер [166], И. З. Батыршин [1],.

B.П.Кутепов и В. Н. Фальк [81]) и теории графов (К.Берж, А. А. Зыков, О. Оре [96], Ф. Харари [162], Л. С. Берштейн [8], Г. С. Плесневич и др.) — теория диалоговых систем (Т.Виноград, Д. А. Поспелов [113,115], Э. В. Попов [38,110], А. П. Ершов, Л. Т. Кузин, А. Б. Преображенский [38], Г. В. Рыбина [125], А. С. Нариньяни [91,92], П. И. Соснин, А.В.Заболеева-Зотова [48], и др.) — теория нечетких множеств, лингвистических переменных и грануляции информации (Л.Заде [49,208,210,212], Д. Дюбуа [39], А. Прад [39], В. Педрич [186,195], Б. Турксен [200], В. Новак [94], Ю. Яо [207], А. Н. Аверкин [1,2], Р. А. Алиев [4], И. З. Батыршин [1,5−7], Н. Г. Ярушкина [93,171], С. М. Ковалев.

73,74], А. Б. Петровский [102], В. Б. Тарасов [1,93,146,147], С. В. Ульянов [157], и др.) — теория агентов и многоагентных систем (К.Хьюитт [189], М. Вулдридж [205], Н. Дженнингс, М. Дженесерет [182,183], Ж. Фербе, В. Субраманьян [199], И. Шоэм [199], В. И. Городецкий [33−35], И. В. Котенко [77], П. О. Скобелев [128,129], Л. А. Станкевич [77,136,137], В. Б. Тарасов [141,144,145], В. Ф. Хорошевский [163], и др.) — интеллектуальные роботы и системы управления: (Д.Е.Охоцимский [99], Е. П. Попов [108,109], И. М. Макаров [55,86], И. А. Каляев [54,67], Ф. Куафе [79], В. М. Лохин [55,86], Э. Накано [90], В. Е. Павловский [99,100], А. К. Платонов [103,120], А. В. Тимофеев [152−154], Е. И. Юревич [54], А. С. Ющенко [167−170], Д. А. Добрынин [37,38], В. Э. Карпов [69,70], и др.).

Методы исследования. При выполнении диссертации использованы понятия и методы теории множеств и абстрактной алгебры, теории отношений и теории графов, информатики и искусственного интеллекта, теории агентов и многоагентных систем, нечеткой логикии лингвистических переменных, грануляции информации и обобщенных ограничений, модели онтологий, мереологические и мереотопологическиеподходы, аппарат псевдофизических логик.

Достоверность научных результатов подтверждена теоретическими выкладками, данными компьютерного моделирования, а также сравнением полученных результатов с результатами, приведенными в научной литературе.

Основными элементами научной новизны диссертационной работы являются:

1) представление искусственного когнитивного агента как системы, основанной на грануляции и градуировании информациианализ и интеграция основных процессов информационного взаимодействия ИКА с внешней средой с целью реализации диалогового управления и гибкой системы навигации;

2) разработка методики и способов грануляции пространственных отношений;

3) формирование системы онтологий для функционирования искусственного когнитивного агентавведение общей схемы построения гранулярных онтологий и формального представления онтологий на базе нечетких алгебраических и реляционных системразработка методики построения нечетких онтологий.

4) создание и исследование информационных моделей взаимодействия РЖА с внешней средой на основе принципа грануляции информации с учетом неопределенностей различных типов;

5) разработка семейства пространственных логик применительно к процессам восприятия и представления агентом внешней среды на базе обобщенных ограниченийпостроение логики оценок для искусственного когнитивного агента;

6) разработка и реализация интегрированной системы гранулярного управления, расширяющей систему нечеткого управления. Практическая ценность работы связана с развитиемсквозной агентоориентированной методологии анализа, моделирования и проектирования сложных технических систем, состоящих из разнородных автономных компонентов (многоагентная модель интеллектуальной производственной системы и сетевого предприятия), построением моделей мобильных автономных роботов как искусственных когнитивных агентов. Рассмотренные в диссертации методы и модели грануляции информации в процессах целенаправленной деятельности могут применяться для интеллектуализации широкого круга технических устройств и систем, работающих в условиях неопределенности.

Пространственные логики, описывающие взаимодействие автономного агента с внешней средой, использованы при создании виртуального (программного) робота, функционирующего на основе обобщенных ограничений. Они могут также применяться при разработке мобильных роботов, функционирующих в экстремальных средах, и при построении автономных транспортных роботов, функционирующих в составе гибких производственных систем. Предложенные в диссертации схемы, методы и алгоритмы повышают эффективность информационного взаимодействия «человек-искусственный агент», в частности, при решении задач диалогового управления.

Предложенная в работе система онтологий, включающая метаонтологию грануляции и онтологию пространства, может использоваться не только для когнитивных агентов, но и для многих других классов технических объектов.

Реализация результатов. Автором разработана и реализована система обработки гранулярной информации на основе обобщенных ограничений, а также модель гранулярного управления в среде Ма^аЬ 7.0.

Основные результаты диссертации были получены при выполнении работ по грантам Российского фонда фундаментальных исследований № 07−01−656, № 08−01−917 и № 10−01−844. Результаты работы были использованы в учебном процессе кафедры «Компьютерные системы автоматизации производства» МЕТУ им. Н. Э. Баумана, Кафедры прикладной математики Московского энергетического института (технического университета), в НИР кафедры САПР* Таганрогского технологического института Южного федерального университета. Акты об использовании результатов работы прилагаются в диссертации.

Апробация работы. По основным положениям и результатам диссертации были сделаны 16 докладов на следующих научных конференциях: ХШ-я Байкальская Всероссийская конференция «Информационные и математические технологии в науке и управлении» (Иркутск, 7−17 июля 2008 г.) — XI-я Национальная конференция по искусственному интеллекту с международным участием (КИИ-2008, Дубна, 20−24 сентября 2009 г.) — Научно-техническая конференция «Интеллектуальные системы и компьютерно интегрированные производства» (Москва, 26−27 января 2009 г.) — Междисциплинарный научный семинар «ЭКОБИОНИКА», МГТУ им. Н. Э. Баумана (Москва, 9 апреля 2009 г.);

V-я Международная научно-практическая конференция «Интегрированные модели и мягкие вычисления в искусственном интеллекте» (Коломна, 28−30 мая 2009 г.) — XII-я Международная конференция по мягким вычислениям и измерениям — (SCM'2009, Санкт-Петербург, 25−27 июня 2009 г.) — Fifth International Conference on Soft Computing, Computing with Words and Perceptions in System Analysis, Decision and Control (ICSCCW'2009, Famagusta, North Cyprus, 2009, September 2−4) — Международный конгресс по интеллектуальным системам и информационным технологиям (AIS-IT'2009, Дивноморское, 2−9 сентября 2009 г.) — П-я Всероссийская конференция «Нечеткие системы и мягкие вычисления» (НСМВ-2009, Волгоград, 21−24 сентября 2009 г.) — V-я Международная конференция-форум «Информационные системы и технологии» (Минск, 16−17 ноября 2009 г.) — Х-я Международная научная конференция им. Т. А. Таран «Интеллектуальный анализ информации» (ИАИ-2010, Киев, 18−21 мая 2010 г.) — ХШ-я Международная конференция по мягким вычислениям и измерениям (SCM'2010, Санкт-Петербург, 23−26 июня 2010 г.) — 1-я Международная молодежная конференция по интеллектуальным технологиям и системам (UNI-INTEL'2010, Осташков-Селигер, 27−30 июня 20 Юг) — Международный конгресс по интеллектуальным системам и информационным технологиям (AIS-IT'2010; Дивноморское, 3−10 сентября 2010 г.) — XII-я Национальная конференция* по" искусственному интеллекту с международным. участием (КИИ-2010, Тверь, 20−24 сентября 20 Юг).

Публикации. Основные результаты, полученные при выполнении диссертационной работы, опубликованы в 13 печатных работах из них 1 статья в журнале, рекомендуемом ВАК для публикации основных результатов диссертационных работ, и 2 коллективные монографии.

На защиту выносятся:

1. Комбинированная двухрежимная модель навигации автономного мобильного агента, включающая этап информационного (диалогового) управления.

2. Концепция гранулярной метаонтологии, формализованное представление онтологии на базе нечетких алгебраических систем, методика построения нечеткой онтологии.

3. Метод построения псевдофизических пространственных логик с использованием обобщенных ограничений.

4. Модель гранулярного управления когнитивным агентом на основе методов формализации и распространения ограничений.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы (214 наименований) и пяти приложений. Она содержит 162 страницы машинописного текста (без приложений и списка литературы). В работе имеется 64 рисунка и 13 таблиц.

Выводы по четвертой главе.

1. В четвертой главе модели на основе грануляции информации реализованы в среде Matlab 7.0. Для этого были разработаны и реализованы модули функционального представления нестандартных множеств (недоопределенных, переопределенных, четких и нечетких мультимножеств).

2. В среде Matlab 7.0 разработан и реализован модуль распространения нечетких ограничений.

3. Проведенные в четвертой главе экспериментальные исследования показали, что процедуры грануляции информации с помощью обобщенных ограничений могут применяться в тех же системах управления в нечеткой среде, в которых обычно используются нечеткие продукционные правила и нечеткий^логический вывод;

В отличие от нечетких моделей, преобразующих вещественное число на входе модели: в вещественное число на выходе, гранулярные модели на основе обобщенных ограничений позволяют преобразовывать гранулярное значение, поданное на вход модели в гранулярное значение на выходе.

По сравнению с нечеткимиправилами обобщенные ограничения позволяют описывать различные НЕ-факторы: неполноту, неточность, случайность, нечеткость. Следовательно, язык обобщенных/ ограничений является более богатым по сравнению со средствами нечеткого логического вывода.

Проведенные эксперименты со специалистами в области диалога «человек-робот» показали, что он ведется в терминах типа: «двигаться со скоростью не более 10 км/ч», «цель находится близко и немного правее», «подъехать к станку не позже, чем завершится обработка детали» и т. п.

Таким образом, возможные значения многих параметров задачи и среды описываются с помощью ограничений, а не отношений. Поэтому целесообразна работа именно с ограничениями.

4. Формирование базы знаний, обеспечивающей реализацию целесообразного поведения когнитивного мобильного робота в условиях априорно неизвестной среды, как с помощью нечетких продукционных правил, так и с помощью правил распространения ограничений является довольно сложной задачей. Основные трудности связаны как с выявлением самих правил, регламентирующих действия робота в тех или иных ситуациях, так и с построением когнитивных фреймов, осуществляющих взаимосвязь параметров среды. Кроме того, введение логики предпочтений требует переоценки задействованных правил после завершения какого-либо действия роботом.

5. Предложена функциональная схема двухуровневой системы управления когнитивным мобильным роботом с использованием процедур грануляции и сингуляризации информации. Систематизированы и реализованы различные методы грануляции и сингуляризации информации для нестандартных множеств. Реализованы процедуры уточнения и огрубления информации в системе управления.

6. Проведенные вычислительные эксперименты показали, что методы грануляции информации с помощью обобщенных ограничений позволяют строить траекторию движения когнитивного мобильного робота в среде с препятствиями.

7. Показана целесообразность использования когнитивных транспортных роботов, функционирующих на основе грануляции информации и обобщенных ограничений, на крупных производственных предприятиях и автоматизированных складских терминалах.

ЗАКЛЮЧЕНИЕ

.

В диссертационной работе было проведено исследование процессов информационного взаимодействия искусственных когнитивных агентов с объектами внешней среды и человеком. Главным итогом диссертации стала разработка моделей грануляции информации когнитивными агентами с использованием аппарата лингвистических переменных, нетрадиционных, в частности, нечетких множеств, обобщенных ограничений и псевдофизических логик. Подход на основе гранулярных моделей и обобщенных ограничений позволяет адекватно отразить специфику информационных структур когнитивных агентов и процессов, связанных с поиском, получением, накоплением и обработкой информации. Данный подход следует использовать как базовый метод интеллектуального анализа информации, поступающей к когнитивному агенту из среды и от других агентов (включая человека), который позволяет сформировать мнения и оценки, необходимые для понимания ситуации. В частности, процедуры грануляции дают возможность преобразовывать лингвистическую информацию* на входемодели в лингвистическую информацию на выходе, т. е. могут применяться в вычислениях сословами. Широкие возможности обработки лингвистической* информации чрезвычайно важны для роботов нового поколения, взаимодействующих с пользователем на естественном языке.

В диссертационной работе получены, еле дующие основные результаты:

1. Развит единый агенто-ориентированный подход к моделированию и проектированию искусственных (технических) объектов. Выделены ключевые свойства когнитивных агентов, проведено исследование и моделирование информационных структур и процессов, связанных с функционированием физических когнитивных агентов (на примере мобильных роботов).

2. Показано, что важнейшей характеристикой когнитивного агента является способность гранулировать поступающую информацию о внешней среде и других агентах. Построена базовая схема грануляции информации когнитивным агентом. Проанализированы основные гранулярные структуры, дано формализованное описание методов и моделей грануляции информации, в частности, моделей, опирающихся на нестандартные множества и лингвистические переменные (когнитивные фреймы).

3. Разработана общая схема комбинированной навигации когнитивного агента, обеспечивающая его функционирование в двух разных режимах: 1) «грубая» навигация, связанная с перемещением агента к цели на основе гранулярной информации- 2) «точная» навигация, опирающаяся на текущие числовые данные о среде, получаемые от сенсорной системы. В основе режима «грубой» навигации лежит контур информационного (диалогового) управления «человек-искусственный агент».

4. Разработана система онтологий для когнитивного агента, в первую очередь, метаонтология грануляции информации и онтология пространства, в котором происходит взаимодействие когнитивного агента со средой. Введено формализованное представление онтологии на основе нечеткой алгебраической системы. Разработана методика построения нечетких онтологий. Предложены варианты количественного описания онтологий с использованием числовых характеристик четких и нечетких графов и деревьев.

5. Выделены и исследованы парадигматические испециальные нечеткие пространственные отношения, положенные в основу организации информационного взаимодействия когнитивного мобильного робота с внешней средой. Исследованы четкие*и нечеткие мереотопологические отношения для областей пространства.

6. Предложены новые методы грануляции пространственной информации' на основе взаимодействия подходов псевдофизических логик, когнитивных фреймов и обобщенных ограничений.

7. Разработаны статические и динамические пространственные логикилогики оценок и предпочтений для функционирования когнитивного агента.

8. Построена и реализована обобщенная модель управления на основе процедур грануляции и сингуляризации информации. Систематизированы формальные методы граиуляции и сингуляризации информации.

9. Разработаны программные реализации моделей грануляции информации и распространения ограничений на МаЙаЬ 7.0 и среде РДО, в частности, модуль распространения обобщенных ограничений. Предложены иллюстративные примеры, демонстрирующие варианты использования когнитивных транспортных роботов на крупных производственных предприятиях и автоматизированных складских терминалах.

Показать весь текст

Список литературы

  1. А.Н., Батыршин И. З., Блишун А. Ф., Силов В. Б., Тарасов В. Б. Нечеткие множества в моделях управления и искусственного интеллекта. — М.: Наука, 1986.
  2. А.Н., Тарасов В. Б. Нечеткое отношение моделирования и его применение в психологии и искусственном интеллекте. М.: ВЦ АН СССР, 1986.
  3. P.A., Алиев P.P. Теория интеллектуальных систем и ее применение. — Баку: Чашыоглы, 2001.
  4. И.З. Методы представления и обработки нечеткой информации в интеллектуальных системах// Новости искусственного интеллекта—1996— № 2 С.9−65.
  5. И.З. Основные операции нечеткой логики и их обобщения. — Казань: Отечество, 2001.
  6. Л.С., Боженюк A.B. Нечеткие графы и гиперграфы. М.: Научный мир, 2005.
  7. Л.С., Мелехин В. Б. Планирование поведения интеллектуального робота. — М.: Энергоатомиздат, 1994.
  8. А.Н., Алексеев, A.B., Крумберг O.A. и др. Модели принятия решений на основе лингвистической переменной. — Рига: Зинатне, 1982.
  9. А.Н., Алексеев A.B., Меркурьева Г. В. и др. Обработка нечеткой информации в системах принятия решений. — М.: Радио и связь, 1989.
  10. В.В., Круглов В. В., Федулов A.C. Нечеткие модели и сети. М.: Горячая линия-Телеком, 2007.
  11. Н. Общая топология. Основньге структуры. М.: Наука, 1968.
  12. В.Н., Куликов A.B., Фомина М. В. Методы теории приближенных множеств в решении задачи обобщения понятий// Известия РАН: Теория и системы управления. 2004. — № 6. — С.52−66.
  13. В.Н., Головина Е. Ю., Загорянская A.A., Фомина М. В. Достоверный и правдоподобный вывод в интеллектуальных системах. 2-е изд. М.: Физматлит, 2008.
  14. Ю.Р. Моделирование НЕ-факторов: основа интеллектуализации компьютерных технологий//Новости искусственного интеллекта — 2004. — № 2. -С.64−81.
  15. С.О., Поспелов Д. А. Неметрическая' пространственная логика// Известия АН СССР: Техническая Кибернетика. 1982. — № 5. — С.86−99.
  16. А.Н., Жилякова Л. Ю., Осипов Г. С. Динамические интеллектуальные системы. И. Моделирование целенаправленного поведения// Известия РАН: Теория и системы управления. 2003. — № 1. — С.87−94.
  17. М.М., Фоминых И. Б. Темпоральные немонотонные логические системы: взаимосвязи и вычислительная сложность// Искусственный интеллект и принятие решений. 2008. — № 4. — С. 19−25.
  18. Вригт фон Г. Х. Логико-философские исследования. Избранные труды: Пер. с англ. М.: Прогресс, 1986.
  19. Д.А. Нечеткие методы автоматической классификации. Мн: УП Технопринт, 2004.
  20. Гаазе-Рапопорт М.Г., Поспелов Д. А. От амебы до робота: модели поведения. 2-е изд.-М.: Едиториал УРСС, 2004.
  21. Т.А. Об одном подходе к онтологическому инжинирингу// Новости искусственного интеллекта. 2005. — № 3. — С.25−31.
  22. Т.А., Горовой. В.А., Болотников Е. С. Оценка когнитивной эргономичности онтологии на основе анализа графа// Искусственный интеллект и принятие решений. — 2009: -№ 3. С.33−41.
  23. Т.А., Гулякина Н. В. Визуальные методы работы со знаниями: попытка обзораЛ Искусственный интеллект и принятие решений. 2008. — № 1.- С.15−21.
  24. Т.А., Хорошевский В. Ф. Базы знаний интеллектуальных систем.- СПб: Питер, 2000.
  25. Т. Когнитивные системы потребность информационного общества и вызов компьютерным наукам// Труды IX-й национальной конференции по искусственному интеллекту (КИИ12 004, Тверь, 28 сентября-2 октября 2004 г.). — М.: Физматлит, 2004. — Т. 1. — С.3−10.
  26. В.Ф. Проблемы, и технологии комплексной автоматизации// Автоматизация проектирования. -1998. № 4. — С.41−44- 1999. — № 1. — С.28−35.
  27. В.Ф. К машиностроительным производствам XXI-го века// Вестник МГТУ им. Н. Э. Баумана: Серия «Машиностроение». 1999. — № 4. — С.53−62.
  28. В.И., Грушинский М. С., Хабалов A.BI Многоагентные системы (обзор)// Новости искусственного интеллекта. -1998. № 2. — С.64−116.
  29. В.И., Карсаев О. В., Самойлов- В.В., Серебряков С. В. Прикладные многоагентные системы группового управления// Искусственный интеллект и принятие решений. 2009. — № 2. — С.3−24.
  30. .В., Лукашевич Н. В., Невзорова O.A., Федунов Б. Е. Методы и средства автоматизированного проектирования прикладной онтологии// Теория и системы управления. 2004. — № 2. — С.58−68.
  31. Д.А. Интеллектуальные роботы вчера, сегодня, завтра // Труды 10-й национальной конференции по искусственному интеллекту (КИИ-2006, Обнинск, 25 28 сентября 2006 г.). — М.: Физматлит, 2006. — Т.1. — С.20−32.
  32. В.И., Попов Э. В., Преображенский А. Б. Общение конечных пользователей с системами обработки данных. -М.: Радио и связь, 1988.
  33. Д., Прад А. Теория возможностей. Приложения к представлению знаний в информатике: Пер. с франц. -М.: Радио и связь, 1990.
  34. Г. Б. Системология инженерных знаний. М.: МГТУ им. Н. Э. Баумана, 2001.
  35. В.В. Многоагентная модель децентрализованного управления производственными системами// Информационные технологии и вычислительные системы. — 1998. — № 1. С.69−77.
  36. Емельянов В В., Курейчик 13.М., Курейчик В. В- Теория и практика эволюционного моделирования. — М.: Физматлит, 2003.
  37. Еремеев А. П, Троицкий В. В. Концепции и модели представления времени и их применение: в интеллектуальных системах// Новости искусственного интеллекта. 2004. — № 1. — С.6−29.
  38. Заболеева-Зотова A.B., Камаев- В. А. Лингвистическое обеспечение автоматизированных систем. М.: Высшая школа, 2008.49- Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений: Пер. с англ.-Mi: Мир, 1976.
  39. Л. Роль мягких вычислений и нечеткой логики в понимании, конструировании и развитии информационных/ интеллектуальных систем// Новости искусственного интеллекта. 2001. — № 2−3- - С.7−11.
  40. A.A. Основы теории аргументации.-М-: ВЛАДОС, 1997.
  41. A.A., Никифоров А.Л- Словарь по логике. М: ВЛАДОС, 1997.
  42. Интегральные роботы: Пер. с англ. -М.: Мир, 1973.
  43. Интеллектуальные роботы /Под ред. Е. И. Юревича и др. М.: Машиностроение, 2006.
  44. Искусственный интеллект и управление сложными динамическими системами//Под ред.И. М. Макарова и В. М. Лохина М.: Машиностроение, 2000.
  45. Искусственный интеллект: применение в интегрированных производственных системах/ Под ред. Э.Кьюсиака. -М.: Машиностроение, 1991- С.238−267.
  46. А.П. Построение пространственных логик для робота// Информационные системы т технологии- Материалы V-й Международной конференции-форума,(Минск, Беларусь,. 16−17 ноября 2009 г.). Минск: HTA «Инфопарк», 2009. — Часть 2. — С. 135−138.
  47. А.П., Тарасов В. Б. Гранулярная онтология пространства для когнитивных мобильных роботов// Труды ХП-й национальной конференции по искусственному интеллекту КИИ-2010 (Тверь, 20−24 сентября 2010 г.). М.: Физматлит, 2010. -T.3.-C.430−441.
  48. Калуцкая' А.П., Тарасов В. Б. Моделирование взаимодействия робота с внешней средой на основе пространственных логик и распространения ограничений // Программные продукты и системы. 2010. — № 2″. — С. 111−115.
  49. И.А., Гайдук А. Р., Капустян С. Г. Модели и алгоритмы коллективного управления в группах роботов. М.: Физматлит, 2009.
  50. Е.Ю., Литвинцева JI.B., Поспелов Д. А. Представление знаний о пространстве и времени в системах искусственного интеллекта. М.: Наука, 1988.
  51. В.Э., Вальцев В. Б. Динамическое планирование поведения робота на основе сети «интеллектуальных» нейронов// Искусственный интеллект и принятие решений. 2009. — № 2. — С.3−24.
  52. А. С., Артемьева И. JI. Математические модели онтологий предметных областей. Часть 1. Существующие подходы к определению понятия «онтология"// Научно-техническая информация: Серия 2 Информационные процессы и системы. 2001. — № 2. — С.20−27.
  53. A.C., Шалфеева Е. А. Каталог свойств онтологий: принципы организации каталога. Препринт. ВладивостокЖ ИАПУ ДВО РАН, 2007.
  54. С.М. Структурно-параметрическая идентификация нечетких систем с использованием обобщенного критерия адекватности// Известия ТРТУ. 2005. — № 3. — С. 10−17.
  55. С.М., Родзин С. И. Информационные технологии: интеллектуализация обучения, моделирование эволюции, распознавание речи. -Ростов-на-Дону: Изд-во СКНЦВШ, 2002.
  56. А.Н. Три подхода к определению понятия „количество информации“// Проблемы передачи информации. 1965*. — № 1.
  57. И.В., Станкевич Л. А. Командная работа агентов в реальном времени// Новости искусственного интеллекта. 2003. — № 3. — С.25−31.
  58. В.А., Незнанов A.A., Ткаченко С. В. Компьютерные методы анализа сходства графов// Труды IX-й Национальной конференции по искусственному интеллекту (КИИ-2004, Тверь, 28 сентября-2 октября 2004 г.). М.: Физматлит, 2004. — Т.З. — СЛ 62−171.
  59. Ф. Взаимодействие робота с внешней средой: Пер. с франц. М.: Мир, 1985.
  60. О.П. Когнитивное моделирование слабоструктурированных ситуаций Политехнические чтения. Вып.7. Искусственный интеллект -проблемы и перспективы. М.: ПМ — РАИИ, 2006. — С.86−100.
  61. В.П., Фальк В. Н. Направленные отношения: теория и приложения// Известия РАН: Техническая кибернетика. 1994. — № 4. — С.242−256- № 5.-С.114−123.
  62. A.B. Нечеткое моделирование в среде MATLAB и Fuzzy TECH. СПб.: БХВ-Петербург, 2005.
  63. Л.В., Поспелов Д. А. Время в роботах и диалоговых системах // Вопросы кибернетики. Проблемы искусственного интеллекта. 1980. — № 5 -С.81−70.
  64. .Ф. Методологические и теоретические проблемы психологии (2-е изд). — М.: Наука, 1999.
  65. С.С. Когнитивные процессы и модели. М.: УРСС, 2007.
  66. А.И. Алгебраические системы. М.: Наука, 1970.
  67. Ю.Г. Проблемы управления и динамики мобильных роботов// Новости искусственного интеллекта. 2002. — № 4. — С. 18−23.
  68. Р. Шаг в направлении инженерии онтологий// Новости искусственного интеллекта. 2000. — № 1−2. — С. 11−36.
  69. Э. Введение в робототехнику: Пер. с япон. М.: Мир, 1988.
  70. A.C. НЕ-факторы и инженерия знаний: от наивной формализации к естественной прагматике// Труды IV-й Национальной конференции по ИИ (КИИ-94, Рыбинск, сентябрь 1994 г.). Т. 1.-Тверь: АИИ, 1994.-С.9−18.
  71. A.C. НЕ-факторы: неточность и недоопределенность различие и взаимосвязь// Известия РАН: Теория и системы управления. — 2000. — № 5.-С.44−56.
  72. Нечеткие гибридные системы. Теория и практика/ Под ред. Н. Г. Ярушкиной. М.: Физматлит, 2007.
  73. В., Перфильева И. Г., Мечкарж И. Математические принципы нечеткой логики: Пер. с англ. М.: Физматлит, 2006.
  74. И., Такеучи X. Компания создатель знания. Зарождение и развитие инноваций в японских фирмах: Пер с англ. — М.: ЗАО „Олимп Бизнес“, 2003.
  75. Ope О. Теория графов: Пер с англ. 2-е изд. М.: Наука, 1980
  76. Г. С. Лекции по искусственному интеллекту. М.: КРАСАНД, 2009.
  77. Основы автоматизации производственных процессов/ Под ред. Ю. М. Соломенцева. -М.: Машиностроение, 1995.
  78. Д.Е., Павловский В. Е., Плахов А. Г., Туганов А. Н., Павловский В. В. Моделирование игры роботов-футболистов в пакете „Виртуальный футбол“// Мехатроника. 2002. — № 1. — С.2−5.
  79. В.Е. Задачи динамики и управления мобильными роботами// Искусственный интеллект проблемы и перспективы. Политехнические чтения. Вып.7. -М.: Политехнический музей -РАИИ, 2006. — С. 155−174.
  80. Павляк 3. Приближенные множества основные понятия// Логические исследования. Вып.1. — М.: Наука, 1993. — С.6−19.
  81. А.Б. Пространства множеств и мультимножеств. М.: Едиториал УРСС, 2003. л 103. Платонов А. К. Проблемы и перспективы робототехники// Робототехника, прогноз, программирование. -М.: Изд-во ЛКИ, 2008. С.9−36.
  82. Г. С. Анализ простых онтологий// Интеллектуальные системы. Коллективная монография/ Под ред. В. М. Курейчика. М.: Физматлит, 2010. -С.206−221.
  83. Г. С., Авдошин С. М., Тарасов В. Б. Концептуальная спецификация многоагентных систем (часть 1)// Информационные технологии. -2002. -№ 12.- С.25−35.
  84. Г. С., Тюхов Б. П., Савенков С. С. Логика нечетких интервалов// * Интегрированные модели и мягкие вычисления в искусственном интеллекте.
  85. Сборник трудов Ш-го Международного научно-практического семинара (Коломна, 15−17 мая 2005 г.). -М.: Физматлит, 2005. С.94−100.
  86. Е.П. Робототехника и гибкие производственные системы. М.: Наука, 1987.
  87. Е.П., Ющенко A.C. Роботы и человек. М.: Наука, 1984.
  88. Э.В. Общение с ЭВМ на естественном языке. 2-е изд. М.: Едиториал УРСС, 2004.
  89. Ш. Попов Э. В., Фирдман Г. Р. Алгоритмические основы интеллектуальных роботов и искусственного интеллекта. — М.: Наука, 1976.
  90. Поспелов Д. А Структура и функционирование системы моделирования интеллектуального робота// Методы и модели для управления роботами и манипуляторами. М.: Наука, 1979. — С. 3−11.
  91. Д.А. Логико-лингвистические модели в системах управления -М.: Энергоатомиздат, 1981.
  92. Д.А. Ситуационное управление: теория и практика. М*.: Наука, 1986.
  93. Д.А. Интеллектуальные интерфейсы для ЭВМ новых поколений// Электронная вычислительная техника. Сборник статей. Вып.З. -М.: Радио и связь, 1989. С.4−20.
  94. Д.А. От коллектива автоматов к мультиагентным системам// Труды Международного семинара „Распределенный искусственный интеллект и многоагентные системы“ (DAIMAS'97, Санкт-Петербург, Россия, 15−18 июня 1997):-С.319−325.
  95. Д.А. Многоагентные системы-настоящее и будущее// Информационные технологии и вычислительные системы—1998.-№ 1- С. 14−21.
  96. Д. А., Осипов Г. С. Прикладная семиотика// Новости искусственного интеллекта. 1999. — № 1. — С.9−35.
  97. Д.А., Шустер В. А. Нормативное поведение в мире людей и машин.-Кишинев: Штиинца, 1990.
  98. Представление знаний в человеко-машинных и робототехнических системах. Том D. Фундаментальные и прикладные исследования в области робототехнических систем. М.: ВЦ АН СССР — ВИНИТИ, 1984.
  99. Д.В., Мирошников В. И., Пантелеев М. Г., Сергеев A.B. Интеллектуальные агенты, многоагентные системы и семантический веб: концепции, технологии, приложения. СПб.: Изд-во Технолит, 2008.
  100. С., Норвиг П. Искусственный интеллект: современный подход: Пер с англ. — М.: Вильяме, 2006.
  101. Г. В. Приобретение знаний, содержащих НЕ-факторы//Новости искусственного интеллекта. — 2004. № 2. — С.82−94.
  102. Г. В. Основы построения интеллектуальных систем. М.: Финансы и статистика, 2010.
  103. Г. В., Паронджанов С. С. Моделирование процессов взаимодействия интеллектуальных агентов в многоагентных системах// Искусственный интеллект и принятие решений. 2008. — № 3. — С.3−15.
  104. Г. В., Нарайкин О. С., Гаврюшин С. С., Ющенко A.C., Войнов В. В., Поспелов В. И., Потапцев И. С., Пивоваров В. Н. Внутрисосудистый микроробот // Биомедицинские технологии и радиоэлектроника. 2006. — № 11.
  105. П.О. Виртуальные миры и интеллектуальные агенты для моделирования деятельности компаний// Сборник научных трудов VI-й Национальной* конференции по искусственному интеллекту (Пущино, 5−11 октября 1998). Пущино: РАИИ, 1998. — Т.2. — С.714−719.
  106. A.B., Пашкин М. П., Шилов Н. Г., Левашова Т. В. Онтологии в системах искусственного интеллекта: способы построения и организации (часть 1)//Новости искусственного интеллекта. 2002. — № 1. — С.3−13.
  107. A.B., Шереметов Л. Б. Многоагентная технология проектирования сложных систем. 4.1// Автоматизация проектирования.-1998.-№ 3. 4.2 // Автоматизация проектирования-1999 -№ 1.-С.42−46.
  108. В.А. Логические методы анализа научного знания. М.: Эдиториал УРСС, 2002.
  109. C.B. Онтологии в прикладных интеллектуальных системах: прагматический подход // Труды IX-й Национальной конференции поискусственному интеллекту КИИ-2004 (Тверь, 28 сентября-2 октября 2004 г.). -М.: Физматлит, 2004. Т.З. — С. 1059−1067.
  110. С.А., Дуболазов В-А., Домченко Ю. Н. Многоуровневая система', оперативного управления ГПО в машиностроении. СПб.: Политехника, 1991.
  111. Ю.М., Сосонкин В. Л. Управление гибкими производственными системами. -М: Машиностроение, 1988.
  112. JI.A. Когнитивный подход к управлению гуманоидными роботами// От моделей поведения к искусственному интеллекту/ Под ред.
  113. B.Г.Редько: — М.: КомКнига, 2006. С.386−443.
  114. Л. А. Искусственные когнитивные: системы// XII-я Всероссийская научно-техническая конференция „Нейроинформатика-2010“: Лекция по нейроинформатике. М: НИЯУ МИФИ, 2010. — С. 106−160.
  115. В.Л. От многоагентных систем к коллективному поведению// Труды Международного- семинара „Распределенный искусственный интеллект и многоагентные системы“ (DAIMAS'97, Санкт-Петербург, 15−18 июня 1997).1. C.327−338.
  116. В.Л. Локальная организация» интеллектуальных- систем. М.: Физматлит, 2004.
  117. В.Б. Новые стратегии реорганизации: и автоматизации предприятий: на пути к интеллектуальным? предприятиям// Новости искусственного интеллекта. 1996- - № 4. -С.40−84.
  118. В.Б. Агенты,, многоагентные: системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте// Новости искусственного интеллекта. 1998. — № 2. — С.5−63.
  119. Тарасов В. Б- Концепция МетаКИП: от компьютерно интегрированного производства к Internet/ Intranet-сетям предприятий // Программные продукты и системы: 1998. — № 3. — С. 19−22.
  120. В.Б. Нетрадиционные и гибридные логики в моделировании интеллектуальных агентов. I. Искусственные деятели, интенциональные характеристики и пути их моделирования// Известия РАН: Теория и системы управления. 2000. — № 5. — С.5−17.
  121. Тарасов-ВЖ. От многоагентных систем к интеллектуальным организациям. -М.: Эдиториал УРСС, 2002.
  122. В.Б. НЕ-факторы: от семиотического анализа к методам формализации // Новости искусственного интеллекта. — 2004. № 2. — С.95−114.
  123. В.Б. Логико-лингвистические модели: прошлое, настоящее и будущее // Искусственный интеллект проблемы и перспективы. Политехнические чтения. Вып.7. — М.: Политехнический музей — РАИИ, 2006. — С.48−68.
  124. В.Б., Константинов A.B. Методология инжиниринга стратегических решений при организационном^ проектировании сетевых предприятий// Программные продукты и системы. 2002. — № 4. — С.2−7.
  125. A.B. Роботы и искусственный интеллект. М.: Наука, 1978.
  126. A.B. Адаптивные робототехнические комплексы. — Л.: Машиностроение, 1988.
  127. A.B. Многоагентное и интеллектуальное управление сложными робототехническими системами // Теоретические основы и прикладные задачи интеллектуальных информационных технологий. — СПб: СПИИРАН, 1998. -С.71−81.
  128. Э.А. Компьютерная поддержка принятия решения. М.: СИНТЕГ, 1998.
  129. C.B. Нечеткие модели интеллектуальных систем управления: Теоретические и прикладные аспекты // Известия АН СССР: Техническая кибернетика. 1991. — № 3. — С.3−29.
  130. C.B., Литвинцева Л. В. Псевдофизические логики для интеллектуальных систем принятия решений: пространственно-временные модели// Проблемы обработки информации в робототехнических системах. — М.: ИФТП, 1993. С.92−118.
  131. Управление ГПС. Модели и алгоритмы. Под ред. С. В. Емельянова. М.: Машиностроение,! 987.
  132. В.К. К структурной когнитологии: феноменология сознания с точки зрения искусственного интеллекта// Вопросы философии. — 2009: № 1.
  133. И.Б. Эмоции как аппарат оценок, поведения^ интеллектуальных систем// Труды Хтй Национальной конференции по искусственному интеллекту (КИИ-2006, Обнинск, 25−28 сентября 2006 г.). М.: Физматлит, 2006. — Т.2. -С.687−694. .
  134. Харари"Ф: Теория-графов: Пер. с англ. -М.: Мир, 1973:
  135. Хорошевский- В. Ф. Поведение интеллектуальных агентов: модели и методы реализации// Труды 4-го Международного, семинара по прикладной семиотике, семиотическому и интеллектуальному управлению (ASC/IC'99).-Переславль-Залесский: РАИИ- 1999. С.5−20.
  136. К. Открытые системы// Реальность и прогнозы искусственного, интеллекта. -М.: Мир, 1987. -С.85−102.
  137. А.П. Два десятилетия нечеткой топологии: основные идеи, понятия и результаты// Успехи математических наук. 1989. — Т.44, вып.6. -С.99−147.
  138. Ю.А., Шаров A.A. Системы и модели. -М.: Радио и связь, 1982.
  139. A.C. Дистанционное управление роботами с использованием нечетких представлений// Искусственный интеллект (Украина). 2002 — № 4. -С.З 88−396.
  140. Н.Г. Основы теории нечетких и гибридных систем. М.: Финансы и статистика, 2004.
  141. Agent-Oriented Methodologies/ Ed. by В. Henderson-Sellers and P.Giorgini. -Idea Group Publishing, 2005.
  142. Arenas F.G. Alexandroff Spaces // Acta Math. Univ. Comenianae — 1999. Vol. LXVIII, № 1. — P. 17−25
  143. Bargiela A., Pedrycz W. Granular Computing: an Introduction. Dordrecht: Kluwer Academic Publishers, 2003.
  144. Bloch I. Fuzzy Representations of Spatial Relations for Spatial Reasoning// Handbook of Granular Computing/ Ed. by W. Pedrycz, A, Skowron, V.Kreinovich. -New York: Wiley InterScience, 2008. P, 629−655.
  145. Brooks R. A Robust Layered Control System for a Mobile Robot// IEEE Journal of Robotics and Automation. 1986. — Vol.2, № 1. — P.14−23.
  146. Brooks R. Intelligence Without Representation // Artificial Intelligence. 1991. -Vol.47.-P.139−159.
  147. Casati R., Varzi A. Parts and Places: the Structures of Spatial Representation. -Cambridge MA: MIT Press, 1999.
  148. Davidow W., Malone M. The Virtual Corporation: Structuring and Revitalizing the Corporation for the 21st Century. New York: Harper Collins, 1992.
  149. Delgrande J.P., Mylopoulos J. Knowledge Representation: Features of Knowledge// Fundamentals of Artificial Intelligence/ Ed. by W. Bibel and Ph. Jorrand: Berlin: Springer-Verlag, Berlin, 1986.-P.3−36.
  150. Genesereth M.R., Ketchpel S.P. Software Agents// Communications of the ACM. -1994. Vol.37, № 7. — P.48−53.183″. Genesereth M., Nilsson N. Logical Foundations of Artificial Intelligence. San Mateo: Morgan Kaufmann, 1987.
  151. Gruber T. R. A Translation Approach to Portable Ontologies// Knowledge Acquisition. 1993. — Vol.5, № 2. — P. 199−220.
  152. Guarino N., Giaretta P. Ontologies and Knowledge Bases. Towards a Terminological Clarification//Towards Very Large Knowledge Bases/ Ed. by NJ.I. Mars.-Amsterdam: IOS Press, 1995.
  153. Haddadi A. Communication-and Cooperation m Agent Systems: A Pragmatic Theory-Berlin: Springer Verlag, 1996.
  154. Handbook of Granular Computing/ Ed: by. W. Pedrycz, A, Skowron, V.Kreinovich. New York: Wiley InterScience, 2008.
  155. Handbook of Spatial Logics/ Ed. by M. Aiello, I. Pratt-Hartmann, J. van Benthem. Berlin: Springer Verlag, 2007.
  156. Hewitt C. Viewing Control Structures as Patterns of Message Passing // Artificial Intelligence. 1977. — Vol.8, № 3. -P.323−364.
  157. King J.A. Intelligent Agents: Bringing Good Things to Life// AI Expert. 1995. -February.-P. 17−19.
  158. Kuipers B. The Spatial Semantic Hierarchy// Artificial Intelligence. 2000. -Vol.119.-P.191−233.
  159. Logics in Artificial Intelligence. Lecture Notes in Computer Science. Vol.1489/ Ed. by J. Dix, F.L.Del Cerro and U. Furbach. Berlin: Springer Verlag, 1998.
  160. J.A., Wilson S. (Ed.). Simulation of Adaptive Behavior: from Animals to Animats. Cambridge MA: MIT Press, 1991.
  161. Nwana H. Software Agents: an Overview// The Knowledge Engineering Review.-1996.-Vol.l 1, № 3.-P.205−244.
  162. Pedrycz W., Gomide F. Fuzzy Systems Engineering: Toward Human-Centric Computing.- Hoboken: Wiley-Interscience, 2007.
  163. Shoham Y. Agent Oriented Programming// Artificial Intelligence. 1993. -Vol.60, №l.-P.51−92.
  164. Smith B. Mereotopology: A Theory of Parts and Boundaries// Data and Knowledge Engineering. -1996. Vol.20. — P.287−303
  165. Subrahmanian V.S., Bonatti P., Dix J. et al. Heterogeneous Agent Systems. -Cambridge MA: The MIT Press, 2000.
  166. Turner E. Logics for Artificial Intelligence. Chichester: Ellis Norwood, 1984.
  167. Yager R.R. On Measures of Specificity// Computational Intelligence: Soft Computing and Fuzzy-Neuro Integratiom with Applications/ Ed. by O. Kaynak, L.A.Zadeh, B. Turksen and I.J.Rudas. Berlin: Springer-Verlag, 1998.
  168. Yao Y. Y Granular Computing Using Neighborhood Systems// Advances in Soft Computing, Engineering Design and Manufacturing/ Ed. by S.K.Pal et al. London: Springer, 1999. — P.539−553.
  169. Zadeh L.A. Fuzzy Sets// Information and Control. 1965. — Vol.8. — P.338−353.
  170. Zadeh L.A. Calculus of Fuzzy Restrictions// Fuzzy Sets and Their Applications to Cognitive and Decision Processes/ Ed. by L.A.Zadeh, R.S.Fu and M.Shimura. -New York: Academic Press, 1975. P. 1−39.
  171. Zadeh L.A. Fuzzy Sets and Information Granularity// Advances in Fuzzy Sets Theory and Applications. Ed. by M.M.Gupta, R.K.Ragade, R.R.Yager.- Amsterdam: North-Holland Publishing Company, 1979. P.3−20.
  172. Zadeh L.A. Fuzzy Logic = Computing With Words// IEEE Transactions on Fuzzy Systems. 1996. — Vol. 4. — P. 103−111.
  173. Zadeh L.A. Toward a Theory of Fuzzy Information Granulation and its Centrality in Human Reasoning and Fuzzy Logic// Fuzzy Sets and Systems. 1997. -Vol.90i — P.111−127.
  174. Zadeh L.A. From Computing with Numbers to Computing with Words from Manipulation of Measurements to Manipulation of Perceptions// IEEE Trans, on Circuits and Systems — 1: Fundamental Theory and Applications. — 1999 .-Vol.45, № 1. -P.105−119.
  175. Zadeh L.A. Toward a Generalized Theory of Uncertainty (GTU): an Outline// Information Sciences Informatics and Computer Science. — 2005. — Vol.172, № 1−2. -P. 1−40.
Заполнить форму текущей работой

Пора сдавать?