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

Интеллектуальная система моделирования коллективного принятия решений для сложной транспортно-логистической задачи

Диссертация: Интеллектуальная система моделирования коллективного принятия решений для сложной транспортно-логистической задачи
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Выполнение работы связано с плановыми исследованиями Калининградского филиала ИПИ РАН, проводимыми в рамках Программы фундаментальных научных исследований государственных академий наук на 2008 — 2012 годы, утвержденной распоряжением Правительства Российской Федерации от 27.02.2008 г. № 233-р (направления 27, 28). Гибридная интеллектуальная многоагентная система для решения сложной… Читать ещё >

Содержание

  • 1. СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ — ИНСТРУМЕНТ КОЛЛЕКТИВНОГО РЕШЕНИЯ ЗАДАЧ
    • 1. 1. Особенности сложной транспортно-логистической задачи
    • 1. 2. Концептуальная модель коллективного принятия решений
    • 1. 3. Интегрированные методы компьютерного моделирования процессов и явлений коллективного принятия решений
    • 1. 4. Проблемы коллективного принятия решений и задачи диссертационной работы
  • 2. МОДЕЛИРОВАНИЕ СЛОЖНОЙ ТРАНСПОРТНО-ЛОГИСТИЧЕСКОЙ ЗАДАЧИ
    • 2. 1. Мера сложности моделирования задач
    • 2. 2. Классификация транспортно-логистических задач по сложности моделирования
    • 2. 3. Условия сложной транспортно-логистической задачи
  • 3. МОДЕЛИРОВАНИЕ КОЛЛЕКТИВНОГО РЕШЕНИЯ СЛОЖНОЙ ТРАНСПОРТНО-ЛОГИСТИЧЕСКОЙ ЗАДАЧИ
    • 3. 1. Концептуальная модель самоорганизации в системах поддержки принятия решений на основе анализа целей
    • 3. 2. Гибридная интеллектуальная многоагентная система с самоорганизацией
    • 3. 3. Модель рассуждений агента, принимающего решения
    • 3. 4. Метод моделирования процессов самоорганизации в системах поддержки принятия решений с использованием гибридной интеллектуальной многоагентной системы
  • 4. ГИБРИДНАЯ ИНТЕЛЛЕКТУАЛЬНАЯ МНОГОАГЕНТНАЯ СИСТЕМА С САМООРГАНИЗАЦИЕЙ ДЛЯ РЕШЕНИЯ СЛОЖНОЙ ТРАНСПОРТНО-ЛОГИСТИЧЕСКОЙ ЗАДАЧИ
    • 4. 1. Функциональная структура системы
    • 4. 2. Выбор среды разработки
    • 4. 3. Методика применения системы при решении сложной транспортно-логистической задачи
  • 5. ИССЛЕДОВАНИЕ ЯВЛЕНИЙ И ПРОЦЕССОВ КОЛЛЕКТИВНОГО ПРИНЯТИЯ РЕШЕНИЙ В ПРОГРАММНОМ ПРОДУКТЕ ТРАНСМАР НА ПРИМЕРЕ СЛОЖНОЙ ТРАНСПОРТНО-ЛОГИСТИЧЕСКОЙ ЗАДАЧИ
    • 5. 1. Цели, задачи и организация экспериментов
    • 5. 2. Результаты и анализ вычислительных экспериментов
    • 5. 3. Оценка экономических показателей практического использования программного продукта ТРАНСМАР

Интеллектуальная система моделирования коллективного принятия решений для сложной транспортно-логистической задачи (реферат, курсовая, диплом, контрольная)

Результаты информатики за последние полвека со всей очевидностью показали, что применение на практике методов моделирования принятия решений, развитых в рамках парадигмы рационализма и редукционизма, не всегда дает корректные результаты [1 — 4]. Дело в том, что задачи из практики принятия решений — сложные, состоящие из множества взаимосвязанных, взаимозависимых частей, и для их решения требуются знания различных научных школ. В практике принятия решений сложные задачи по-прежнему решаются «вручную» системами поддержки принятия решений — коллективами экспертов под управлением лица, принимающего решения.

В СППР не только снижается сложность проблемы делением ее на части между квалифицированными специалистами, но и организуется несколько линий обсуждения для получения общего решения-комбинации [1]. При этом возникают многочисленные и разнообразные взаимосвязи между экспертами, что приводит к самоорганизации коллектива. Всякий раз, когда возникает задача, СППР, работая с «нуля», вырабатывает новый метод ее решения. По сути, это означает, что в СППР практикуется принцип синтеза метода решения сложной задачи комбинированием разнородных знаний и линий рассуждений экспертов.

В то время как коллективы людей давно научились вырабатывать и применять новые методы к решению сложных задач, в информатике компьютеры по-прежнему используются как инструмент реализации уже известных и ограниченных по своим возможностям инструментариев [1]. Таким образом, актуально создание методов компьютерного моделирования поведения систем поддержки принятия решений в процессе самоорганизации, что расширит класс задач, решаемых автоматизированно с использованием парадигмы компьютерного синтеза метода решения задачи из ограниченного набора инструментариев.

Теоретические основы комбинированных моделей для машинного синтеза новых динамично изменяемых методов решения задач рассматривались в работах по синергетическому искусственному интеллекту (многоагентные системы, гибридные интеллектуальные системы, интегрированные экспертные системы и др.). Тем не менее вопросы сложности разработки информационных моделей задач с разнородными знаниями, построения новых методов с достоинствами гибридных и многоагентных систем, а также создания и исследования функционирования программных продуктов, имитирующих поведение коллектива людей, решающего сложные задачи в условиях разнообразия информации, исследованы недостаточно.

В этой связи можно сформулировать актуальную научно-техническую задачу повышения эффективности разработки информационных интеллектуальных систем и качества результатов автоматизированного решения сложных задач в условиях разнообразия информации, что снижает временные затраты на разработку системы и повышает эффективность системы управления путем сокращения потерь от ошибочных и нерелевантных сложности ситуации индивидуальных решений.

Выполнение работы связано с плановыми исследованиями Калининградского филиала ИПИ РАН, проводимыми в рамках Программы фундаментальных научных исследований государственных академий наук на 2008 — 2012 годы, утвержденной распоряжением Правительства Российской Федерации от 27.02.2008 г. № 233-р (направления 27, 28). Гибридная интеллектуальная многоагентная система для решения сложной транспортно-логистической задачи и программный продукт «Транспортный маршрутизатор ТРАНСМАР» версия 1.1, реализующий ее, были разработаны в Калининградском филиале ИПИ РАН в рамках проекта «Альянс» (2010 — 2011 гг.), а также тесно связанного с ним проекта «Гибрид-функционал» (2007 — 2009 гг.). Особенность ГиИМАС — использование взаимодействующих агентов интеллектуальных технологий, которые вместе способны имитировать несколько разнородных линий рассуждений. Благодаря наличию агента, принимающего решения, система может перестраивать свою архитектуру и менять алгоритм своего функционирования, т. е. проявлять признаки самоорганизации, а сам агент, принимающий решения, способен обучаться в ходе эксплуатации системы. В качестве примера сложной задачи в диссертации рассматривается сложная транспорт-но-логистическая задача доставки грузов клиентам.

В первой главе проводится анализ особенностей СТЛЗ, вводится и исследуется концептуальная модель коллективного принятия решений, дается аналитический обзор интегрированных методов компьютерного моделирования явлений и процессов коллективного принятия решений, выявляются проблемы коллективного принятия решений и ставятся задачи диссертационного исследования.

Вторая глава посвящена разработке формализованной меры сложности моделирования (разработки модели) задач, предлагается классификация транспортно-логистических задач по сложности моделирования, формулируются условия СТЛЗ.

В третьей главе разработаны модель ГиИМАС с самоорганизацией, модель рассуждений агента, принимающего решения, метод моделирования процессов самоорганизации в СППР с использованием ГиИМАС.

В четвертой главе предлагается функциональная структура системы, выбирается программная среда и разрабатывается методика применения системы для решения СТЛЗ.

В пятой главе ставятся цели, задачи, рассматривается организация лабораторных экспериментов, оцениваются экономические показатели практического использования ПП «Транспортный маршрутизатор ТРАНСМАР».

Цель диссертационной работы состоит в том, чтобы для решения поставленной научно-технической задачи: 1) получить новые знания о сложности моделирования задач- 2) разработать и исследовать метод, модели, алгоритмы интегрированного, гибридно-многоагентного представления знаний о сложной задаче- 3) создать и исследовать ПП, имитирующий поведение коллектива людей, вырабатывающих и применяющих метод решения сложной задачи над различными линиями рассуждений экспертов.

Задачи исследования:

1. Выявление объективных параметров классификации задач по признаку сложности моделирования и разработка меры сложности моделирования задач;

2. Исследование явлений и процессов самоорганизации в СППР;

3. Разработка метода моделирования процессов самоорганизации в системах поддержки принятия решений с использованием ГиИМАС;

4. Извлечение знаний о поведении ЛПР по управлению коллективом в СППР с использованием компьютерного моделирования;

5. Разработка и исследование программной реализации ГиИМАС с самоорганизацией и методики для решения СТЛЗ.

Данные задачи были решены в ходе работы.

Объекты исследования: СППР и процессы самоорганизации в коллективах людей, принимающих решениякласс сложных для моделирования задачшесть классов методов: аналитические, статистические, экспертных систем, нечетких систем, искусственных нейронных сетей, генетических алгоритмовновый класс гибридных интеллектуальных многоагентных систем.

Содержание диссертационного исследования соответствует специальности 05.13.17 «Теоретические основы информатики» (пункты 1, 2, 4, 8 паспорта специальности ВАК).

Методическая база исследований. Для разработки меры сложности задач использовались: дискретная математика, теория множеств, теория графов, модели «неоднородная задача» и «однородная задача», информационный язык «ресурс-свойство-действие-отношение» A.B. Колесникова. Для разработки метода моделирования самоорганизации в СППР с использованием ГиИМАС применялись теория нечетких множеств, методы нечеткой логики. При разработке ПП ТРАНСМАР использовались алгебраические уравнения, алгоритм колонии муравьев, продукционная экспертная система с рассуждениями в прямом направлении, алгоритм нечетких рассуждений Мамдани и метод Монте-Карло. Применялось объектно-ориентированное, агентно-ориентированное, модульное программирование. Методика применения ПП основана на проблемно-структурной методологии ГиИС.

Научная новизна состоит в том, что:

1. Предложена классификация задач по сложности моделирования и разработана мера сложности моделирования задач;

2. Исследованы процессы и разработана модель самоорганизации в системах поддержки принятия решений на основе анализа целей участников;

3. Разработан метод моделирования самоорганизации в СППР с использованием гибридной интеллектуальной многоагентной системы;

4. Получены новые знания о поведении лица, принимающего решения, по управлению коллективом СППР методом компьютерного моделирования;

5. Разработана программная реализация ГиИМАС с самоорганизацией для решения сложной транспортно-логистической задачи — ПП «Транспортный маршрутизатор ТРАНСМАР» версии 1.1 — и методика ее применения.

Достоверность научных положений, рекомендаций и выводов. Обоснованность научных положений, рекомендаций и выводов определяется корректным использованием математических методов и моделей. Достоверность положений и выводов подтверждена результатами лабораторных исследований и экспериментальными данными, полученными при внедрении ГиИМАС. Определения, классификация задач, мера сложности моделирования апробированы на конференциях и в научных публикациях.

Практическая ценность диссертационной работы состоит в том, что разработанный ПП «Транспортный маршрутизатор ТРАНСМАР» версии 1.1 может использоваться при создании компьютерных интеллектуальных СППР, что снижает временные затраты на проект у разработчика и повышает эффективность системы управления, сокращая потери от ошибочных и нерелевантных решений.

Разработанная мера сложности моделирования задачи может использоваться для анализа результатов предпроектного обследования объекта автоматизации и разработки технического задания на КСППР, что позволяет рассчитать релевантные оценки архитектуры ГиИМАС, времени и ресурсов на реализацию проекта.

Реализация результатов исследования. Метод моделирования самоорганизации в СППР с использованием ГиИМАС реализован, что подтверждается свидетельствами о регистрации программ для ЭВМ [5−7]. Мера оценки сложности моделирования и ПП ТРАНСМАР использовались: 1) в лабораторных экспериментах для моделирования самоорганизации в СППР и оценки качества коллективных решений в сравнении с индивидуальными- 2) при разработке КСППР для транспорт-но-логистических предприятий ЗАО «Совтрансавто-Калининград» и ООО «Балт-реммаш», выполняющих международные и региональные перевозки. Использование подтверждается двумя актами о внедрении результатов диссертационной работы (приложение А). Результаты планируется использовать в проектах интеллектуального муниципалитета и ситуационных центров в Калининградской области.

Положения, выносимые на защиту. На защиту выносятся следующие полученные автором результаты:

1. Мера оценки сложности моделирования, основанная на объективных параметрах разнообразия и неоднородности информации: «класс переменных» и «класс отношений», позволяющая вычислить границу сложных задач, определить требования к структурным свойствам КСППР, количественно оценить релевантность моделей оригиналам;

2. Модель ГиИМАС с самоорганизацией, релевантно отображающая в памяти ЭВМ как разнообразие знаний агентов-экспертов, так и их информационные взаимодействия между собой и агентом-ЛПР в ходе анализа, редукции и поиска решения сложной задачи;

3. Метод моделирования самоорганизации СППР на основе анализа целей агентов для синтеза релевантного ситуации принятия решений инструмента;

4. Модель информационной структуры, реализующей в ЭВМ интегрированное представление знаний — ГиИМАС, и процесс ее функционирования, отображающий самоорганизацию в СППР;

5. Методика применения ГиИМАС для решения СТЛЗ с целью прокладки маршрутов транспортных средств, выполняющих доставку грузов клиентам логистической компании.

Апробация работы. Основные положения диссертационной работы обсуждались на Международной научной конференции Computer Days — 2009 (Каунас, Литва, 2009) — 7-й Международной конференции «Инновации в науке и образовании» (Калининград, 2009), Международных научных конференциях IT 2010 и IT 2011 (Каунас, Литва, 2010, 2011), III — V Всероссийских конференциях студентов, аспирантов и молодых учёных «Искусственный интеллект: философия, методология, инновации» (Москва, 2009, 2010, 2011), IX Международной конференции «Морская индустрия, транспорт и логистика в странах региона Балтийского моря: новые вызовы и ответы», посвященной 45-летию Балтийской государственной академии рыбопромыслового флота, и др. Работа отмечена премией в рамках Второй школы молодых ученых ИПИ РАН в 2011 г.

Публикации. По тематике диссертационной работы имеется 18 печатных публикаций общим объемом 17,6 печатных листа, из них 7,1 авторских (в изданиях, рекомендованных ВАК, — 2 публикации общим объемом 1,5 печатных листа, из них 1,1 авторских), в том числе одна коллективная монография и три свидетельства о регистрации программ для ЭВМ в Федеральной службе по интеллектуальной собственности, патентам и товарным знакам (Роспатент).

Объем и структура работы. Диссертация состоит из введения, пяти глав, 17 таблиц, 35 рисунков, заключения, списка литературы, содержащего 170 наименований, и двух приложений. Объем основного текста работы — 145 страниц.

Выводы по пятой главе.

Пятая глава диссертационной работы посвящена тестированию ГиИМАС для решения СТЛЗ ТРАНСМАР. В ней описаны цели и задачи экспериментов. Рассмотрены три архитектуры ГиИМАС, относящиеся к различным классам архитектур по степени взаимодействия агентов. Представлены результаты вычислительных экспериментов по определению зависимости вероятности и величины синерге-тического эффекта от типа архитектуры ГиИМАС. В результате анализа этих результатов сформулированы правила нечеткой базы знаний агента, принимающего решения, т. е. решена четвертая задача диссертационного исследования. Сделан вывод о том, что эффективность ГиИМАС при любом взаимодействии агентов выше, чем без такового.

Разработанный ПП «Транспортный маршрутизатор» позволил в лабораторных условиях имитировать и исследовать сложное и многогранное явление самоорганизации в ходе коллективного принятия решений, выработать признаки и наблюдать ситуации синергетического эффекта, когда коллективное решение оказывается лучше любого индивидуального мнения, что подтверждает эффективность результатов моделирования СППР.

Анализ технико-эксплуатационных параметров показывает, что в условиях эксперимента время решения СТЛЗ составило 2−30 мин, а качество решений подтверждено экспериментально и экспертами. По итогам практического использования ПП ТРАНСМАР на двух объектах средняя суммарная себестоимость доставки грузов в день сократилась на 7,2%, средняя суммарная длительность доставки в день — на 12,13%, среднее время построения маршрутов в день уменьшилось на 23,14%. Рассчитана цена ПП, необходимые для его внедрения капитальные вложения заказчика, а также срок окупаемости, который составляет менее года. Показана экономическая целесообразность внедрения данного ПП. Таким образом, в данной главе исследована программная реализация ГиИМАС с самоорганизацией, т. е. решена вторая часть пятой задачи диссертационного исследования.

Заключение

.

К основным результатам работы можно отнести следующие.

1) Разработанная мера оценки сложности моделирования (разработка модели), основанная на объективных параметрах разнообразия и неоднородности информации: «класс переменных» и «класс отношений», дает возможность классифицировать задачи на «простые» и «сложные», определить требования к структурным свойствам компьютерных систем поддержки принятия решений, а также количественно оценить релевантность моделей оригиналам. Применение меры к результатам предпроектного обследования объекта автоматизации позволяет выработать оценки трудозатрат и ресурсов, что значительно снижает риски.

2) Разработанная модель нового класса интеллектуальных системГиИМАС с самоорганизацией — позволяет отобразить и скомбинировать в памяти ЭВМ разнообразие знаний экспертов о проблемной среде, что имитирует полиязыковой характер сложных задач, с одной стороны, и социальный, коллективный характер решений, когда моделируется взаимодействие экспертов друг с другом и с ЛПР, — с другой стороны. Наконец, такие модели позволяют строить системы, самостоятельно изменяющие алгоритм своего функционирования, и создавать информационные технологии для решения задач со все более высокими оценками сложности моделирования.

3) Метод моделирования самоорганизации СППР на основе анализа целей агентов, по сути, позволяет разнообразию условий и ситуаций решения сложных задач коллективом сопоставить не один единственный инструмент, а множество динамично синтезируемых и изменяемых интегрированных моделей, что является выходом из проблем теоретической информатики, когда моделируется принятие решений «когда в одну и ту же воду войти нельзя».

4) Универсальная информационная структура, реализующая в ЭВМ интегрированное представление знаний — ГиИМАС — и имитационный процесс ее функционирования, отображающий самоорганизацию систем, принимающих коллективные решения, удовлетворяют предложенным в работе требованиям, реализованы программно и апробированы на примере СТЛЗ.

5) Методика применения ГиИМАС для решения СТЛЗ позволяет сделать обработку информации в отношении «оригинал — модель» целенаправленной и может быть положена в основу методологии и технологии компьютерных систем поддержки принятия решений, а также позволит избежать многочисленных ошибок проектирования и «откатов назад», что приводит к выходу проектов интеллектуальных систем за рамки бюджета и ресурсов.

6) Разработанный ПП «Транспортный маршрутизатор» позволил в лабораторных условиях имитировать и исследовать сложное и многогранное явление самоорганизации в ходе коллективного принятия решений, выработать признаки и наблюдать ситуации синергетического эффекта, когда коллективное решение оказывается лучше любого индивидуального мнения, что подтверждает эффективность результатов моделирования СППР.

7) Анализ технико-эксплуатационных параметров показывает, что в условиях эксперимента время решения СТЛЗ составило 2−30 мин, а качество решений подтверждено экспериментально и экспертами. По итогам практического использования ПП ТРАНСМАР на двух объектах средняя суммарная себестоимость доставки грузов в день сократилась на 7,2%, средняя суммарная длительность доставки в день — на 12,13%, среднее время построения маршрутов в день уменьшилось на 23,14%.

В рамках диссертационной работы получены новые знания о сложности моделирования задач, разработаны и исследованы методы, модели, алгоритмы и программа интегрированного, гибридно-многоагентного представления знаний о сложной задаче, имитирующие в памяти ЭВМ коллективное поведение людей в условиях сложных ситуаций, позволяющие вырабатывать и применять метод решения сложной задачи над различными линиями рассуждений экспертов. Таким образом, сделан еще один шаг в решении фундаментальной научной проблемы информатики — создании программных средств, синтезирующих новые методы обработки информации.

Показать весь текст

Список литературы

  1. A.B. Методология и технология решения сложных задач методами функциональных гибридных интеллектуальных систем / A.B. Колесников, И. А. Кириков. М.: ИЛИ РАН, 2007. — 387 е., ил.
  2. М. Моделирование сигналов и систем / М. Пешель. М.: Мир, 1981.
  3. В.И. Закон оптимального построения техноценозов / В. И. Гнатюк. -М.: Изд-во ТГУ, 2005. 384 с.
  4. В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика / В. Б. Тарасов. М.: Эдиториал УРСС, 2002.
  5. A.B., Листопад C.B. Многоагентная система для решения сложной задачи коммивояжера «MAS SZK». Свидетельство о регистрации программы для ЭВМ № 2 009 615 951, 11.01.2010.
  6. Т.В., Колесников A.B., Листопад C.B., Меркулов A.A. Логистический диспетчерский центр. Свидетельство о регистрации программы для ЭВМ № 2 009 615 952, 11.01.2010.
  7. C.B., Кабыш С. А., Резниченко Ю. А., Меркулов A.A. Интеллектуальная гибридная система управления технологическими процессами. Свидетельство о регистрации программы для ЭВМ. № 2 010 610 825, 26.01.2010.
  8. Coulter N.A. Human synergetics Электронный ресурс. / N.A. Coulter. Электрон. дан. — 2002. — Режим доступа: http://www.synearth.net/coulter/synergetics.pdf. -Загл. с экрана.
  9. Ю. Психологическая теория решений / Ю. Козелецкий. М.: Прогресс, 1979. — 503 с.
  10. Т.В. Психология риска и принятия решений / Т. В. Корнилова. -М.: Аспект Пресс, 2003.
  11. Д. Математическое открытие. Решение задач: основные понятия, изучение и преподавание / Д. Пойа. М.: Наука, 1970. — 452 с.
  12. Г. Познание сложного. Введение: Пер с англ. / Г. Николис, И. При-гожин. М.: Едиториал УРСС, 2003. — 344 с.
  13. Г. Принципы работы головного мозга: Синергетический подход к активности мозга, поведению и когнитивной деятельности / Г. Хакен. М.: ПЕР СЭ, 2001.-351 с.
  14. Mainzer К. Thinking in complexity: The complex dynamics of matter, mind, and mankind / K. Mainzer. Berlin: Springer-Verlag, 1994.
  15. Cotsaftis M. A Passage to Complex Systems / M. Cotsaftis // Complex systems and self-organization modeling / C. Bertelle, G.H.E. Duchamp, H. Kadri-Dahmani (eds.). -Berlin: Springer-Verlag, 2009. 228 p.
  16. Вир С. Мозг фирмы / С. Вир. М.: Едиториал УРСС, 2005. — 416 с.
  17. Weaver W. Science and Complexity / W. Weaver // American Scientist. 1948. -Vol. 36, № 4.-pp. 536−544.
  18. E.H. Законы эволюции и самоорганизации сложных систем / Е. Н. Князева, С. П. Курдюмов. М.: Наука, 1994.
  19. С.П. Синергетика и прогнозы будущего / С. П. Капица, С. П. Курдюмов, Г. Г. Малинецкий. —М.: Наука, 1997.
  20. М.В. Энтропия и информация / М. В. Волькенштейн. — М.: Наука, 1986. — 192с.
  21. Д.С. Синергетика и информация / Д. С. Чернавский. — М.: Наука, 2001. — 105 с.
  22. Мелик-Гайказян И. В. Информационные процессы и реальность / И.В. Мелик-Гайказян. — М.: Наука, 1997. — 192 с.
  23. Grassberger P. Toward a quantitative theory of self-generated complexity / P. Grassberger // International Journal of Theoretical Physics. 1986. — Vol. 25, № 9. — pp. 907−928.
  24. Hartmanis, J. On the computational complexity of algorithms / J. Hartmanis, R.E. Stearns // Transactions of the American Mathematical Society. 1965. — Vol. 117. — pp. 285−306.
  25. Bennett C.H. Logical depth and physical complexity / C.H. Bennett // The Universal Turing Machine. A Half-Century Survey. Oxford: Oxford University Press, 1988. -pp. 227 — 257.
  26. McShea D. W. Metazoan complexity and evolution: Is there a trend? / D.W. McShea // Evolution. 1996. — Vol. 50, № 2. — pp. 477 — 492.
  27. Crutchfield J.P. Inferring statistical complexity / J.P. Crutchfield, K. Young // Physical Review Letters. 1989. — Vol. 63. — pp. 105 — 109.
  28. Bialek W. Predictability, complexity, and learning / W. Bialek, I. Nemenman, N. Tishby. //Neural Computation. 2001. — Vol. 13. — pp. 2409 — 2463.
  29. McCabe T. A Complexity Measure / T. McCabe // IEEE Transactions on Software Engineering. 1976. — Vol. SE-2, № 4. — pp. 308 — 320.
  30. Cyclomatic Complexity Electronic resource. / A.H. Watson, T.J. McCabe- National Institute of Standards and Technology. Electronic data. -1996. — Mode of access: http://hissa.nist.gov/HHRFdata/Artifacts/ITLdoc/235/chapter2.htm. — Загл. с экрана.
  31. Алгебраическая теория автоматов, языков и полугрупп: Пер с англ. / под ред. М. Арбиба. -М.: Статистика, 1975. 335 с.
  32. Lopez-Ruiz R. A Statistical Measure of Complexity / R. Lopez-Ruiz, H. Mancini, X. Calbet // Physics Letters A. 1995. — Vol. 209. — pp. 321 — 326.
  33. Hrair limit Definition Electronic resource. / WordIQ.com. — Electronic data. -2010. — Mode of access: http://www.wordiq.com/defmition/Hrairlimit. — Загл. с экрана.
  34. С.И. Словарь русского языка / С. И. Ожегов. М.: Советская энциклопедия, 1972.-556 с.
  35. П. Оптимум мотивации / П. Фресс, Ж. Пиаже // Экспериментальная психология. М.: Прогресс, 1975. — Вып. 5. — С. 119 — 125.
  36. O.K. Структура мыслительной деятельности человека / O.K. Тихомиров. М.: МГУ, 1969. — 304 с.
  37. Р.А. Измерение трудности учебных упражнений посредством моделирования процесса их выполнения: дисс.. канд. пед. наук / Казанский университет- Р. А. Гильманов Казань, 1987. — 156 с.
  38. А.М. Логическая структура учебного материала / A.M. Сохор. М.: Педагогика, 1974. — 189 с.
  39. В.М. Кибернетика. Вопросы теории и практики / В. М. Глушков. -М.: Наука, 1986.-488 с.
  40. В.В. О понятии сложности / В. В. Бирюков, B.C. Тюхтин // Логика и методология наук. М.: Мысль, 1967. — С. 218 — 225.
  41. Н.Г. Структуризация и систематизация сюжетных задач по сложности их решения / Н. Г. Рыженко, H.A. Жигачева // Вестник Омского университета. -Омск: Издательство ОмГУ, 1998. № 4. — С. 111 — 114.
  42. Я.А. Советская педагогика и школа / Я. А. Микк. Тарту, 1981.
  43. И.Я. Критерии сложности некоторых элементов учебника /И.Я. Лернер // Проблемы школьного учебника. М.: Просвещение, 1974. — Вып. 1. — С. 47 — 58.
  44. Г. А. Теория учебных задач: психолого-педагогический аспект / Г. А. Балл. М.: Педагогика, 1988. — 98 с.
  45. В.И. Структура и логика процесса обучения математике в средней школе / В. И. Крупич. М.: МГПИ им. В. И. Ленина, 1985. — 118 с.
  46. В.В. Соотнесение сложности и трудности учебных задач с уровнями планируемых результатов обучения / В. В. Гузеев // Школьные технологии. 2003. -№ 3. — С. 50−56.
  47. Russell S.J. Artificial Intelligence. A modern approach / S.J. Russell, P. Norvig. -New Jersey: Prentice Hall, 1995. p. 932.
  48. H. А. Программирование: учеб. пособие / H.A. Давыдова, E.B. Боровская. M.: БИНОМ. Лаборатория знаний, 2009. — 238 с.
  49. Р. Имитационное моделирование систем искусство и наука / Р. Шеннон. — М.: Мир, 1978. — 420 с.
  50. В.Н. Методы формализованного представления (отображения) систем: Текст лекций / В. Н. Волкова, Ф. Е. Темников. М.:ИПКИР, 1974. — 114 с.
  51. В.Н. Основы теории систем и системного анализа / В. Н. Волкова, A.A. Денисов. СПб.: СПбГТУ, 1999. — 512 с.
  52. Ismail Z. Traveling Salesman Approach for Solving Petrol Distribution Using Simulated Annealing / Z. Ismail, W.R.W. Ibrahim //American Journal of Applied Sciences. 2008. — 5 (11). — pp. 1543−1546.
  53. Lenstra J. Some simple applications of the travelling salesman problem / J. Lenstra,
  54. A.R. Kan // Operational Research Quarterly. November 1975. — Vol. 26, № 4, Part 1. -pp.717−733.
  55. A.B. Решение сложных задач коммивояжера методами функциональных гибридных интеллектуальных систем / Колесников А. В., Кириков И. А., Листопад С. В. и др.- Под ред. А. В. Колесникова. М.: ИПИ РАН, 2011. — 295 с.
  56. Goldschmidt О. SONET/SDH ring assignment with capacity constraints / О. Goldschmidt, A. Laugier, E.V. Olinick // Discrete Applied Mathematics. 2003. — Vol. 129. -pp. 99−128.
  57. Johnson O. A traveling salesman approach for predicting protein functions / O. Johnson, J. Liu // Source Code for Biology and Medicine. 2006. — Vol. 1, Art. No. 3. -pp. 1−7.
  58. В.И. Задача о коммивояжере / В. И. Мудров. М.: Знание, 1969.
  59. Х.Х. Комбинаторная оптимизация. Алгоритмы и сложность / Х. Х. Пападимитриу, К. Стайглиц. М.: Мир, 1984.
  60. Э. Комбинаторные алгоритмы. Теория и практика / Э. Рейнгольд, Ю. Нивергельт, Н. Део. М.: Мир, 1980.
  61. Основы теории оптимального управления: учеб. пособие для экон. вузов /
  62. B.Ф. Кротов, Б. А. Лагоша, С. М. Лобанов и др. М.: Высшая школа, 1990.
  63. Лорьер Ж.-Л. Системы искусственного интеллекта / Ж.-Л. Лорьер. М.: Мир, 1991.
  64. Н. Теория графов. Алгоритмический подход / Н. Кристофидес. -М.: Мир, 1978.
  65. И.Х. Введение в прикладное дискретное программирование: модели и вычислительные алгоритмы / И. Х. Сигал, А. П. Иванова. М.: ФИЗМАТЛИТ, 2007.
  66. В.Д. Приближенные методы решения NP-трудных задач в системах автоматизации проектирования / В. Д. Фроловский. Новосибирск: Изд-во НГТУ, 2006.
  67. Gutin G. Traveling salesman should not be greedy: domination analysis of greedy-type heuristics for the TSP / G. Gutin, A. Yeo, A. Zverovich // Discrete Applied Mathematics, 2002. Vol. 117. P. 81−86.
  68. И.В. Задачи дискретной оптимизации: проблемы, методы решения, исследования / И. В. Сергиенко, В. П. Шило. Киев: Наук, думка, 2003.
  69. A.B. Гибридные интеллектуальные системы. Теория и технология разработки / A.B. Колесников- под ред. A.M. Яшина. СПб.: СПбГТУ, 2001.
  70. В.М. Теория и практика принятия управленческих решений: Учеб. пособие / В. М. Колпаков. 2-е изд., перераб. и доп. — К.: МАУП, 2004. — 504 с.
  71. В.П. Современный менеджмент (в схемах): Опорный конспект лекций (в схемах) / В. П. Сладкевич, А. Д. Чернявский. 3-е изд., стереотип. — К.: МАУП, 2003.- 152 с.
  72. А.И. Теория принятия решений. Учебное пособие / А. И. Орлов. М.: Издательство «Экзамен», 2005. — 656 с.
  73. Т. Принятие решений. Метод анализа иерархий / Т. Саати- пер. с англ. Р. Г. Вачнадзе. М.: Радио и связь, 1993. — 278 с.
  74. М.Г. Методы прогнозирования: учеб. пособие / М. Г. Сухарев. М.: РГУ нефти и газа, 2009. — 208 с.
  75. Г. С. Алгоритм изобретения / Г. С. Альтшуллер. М.: Московский рабочий, 1973.-С. 47−51.
  76. В.Д. Упрощенный вариант метода анализа иерархий на основе нелинейной свертки критериев / В. Д. Ногин // Журнал вычислительной математики и математической физики. 2004. — Т. 44, № 7. — С. 1259 — 1268.
  77. Толковый словарь по искусственному интеллекту / А. Н. Аверкин, М.Г. Гаазе-Рапопорт, Д. А. Поспелов. М.: Радио и связь, 1992. — 256 с.
  78. Э.А. Методы генерации, оценки и согласования решений в распределенных системах поддержки принятия решений / Э. А. Трахтенгерц // Автоматика и телемеханика. 1995. — № 4. — С. 3 — 52.
  79. JI.A. Адаптация сложных систем / JI.A. Растригин. Рига: Зинатне, 1981.-375 с.
  80. Л.И. Менеджмент. Конспект лекций / Л. И. Дорофеева. -М.: ЭКС-МО, 2007. 192 с.
  81. Heylighen F. The Science of Self-organization and Adaptivity / F. Heylighen // Knowledge Management, Organizational Intelligence and Learning, and Complexity / L.D. Kiel (ed.). Oxford: Eolss Publishers, 2001. — pp. 184 — 211.
  82. С.Г. Концепции современного естествознания: курс лекций / С. Г. Хорошавина. изд. 4-е. — Ростов н/Д: Феникс, 2005. — 480 с.
  83. В.И. Теория, практика и искусство управления / В. И. Кнорринг. 2-е изд., изм. и доп. — М.: Изд-во НОРМА, 2001. — 528 с.
  84. С.В. Как принимать решения / С. В. Потапов. М.: Эксмо, 2007.
  85. И. Сочинения в шести томах. / И. Кант. Т. 3. — М., 1964.
  86. Гегель Г. В. Ф. Наука логики: В 3 т. / Г. В. Ф. Гегель. Т. 3. — М., 1972.
  87. А.А. Тектология. Всеобщая организационная наука / А. А. Богданов. М.: Финансы, 2003. — 496 с.
  88. Э. Что такое жизнь? С точки зрения физики: Пер. с англ. / Э. Шредингер. изд. 2. — М.: Атомиздат, 1972. — 88 с.
  89. Bertalanffy L. An Outline of General System Theory / L. Bertalanffy // The British Journal for the Philosophy of Science. 1950. — Vol. 1, № 2. — pp. 134 — 165.
  90. Ashby W.R. Principles of the Self-Organizing Dynamic System / W.R. Ashby // Journal of General Psychology. 1947. — Vol. 37. — pp. 125 — 128.
  91. Ashby W.R. Principles of the self-organizing system / W.R. Ashby // Principles of Self-Organization: Transactions of the University of Illinois Symposium / H. Von Foer-ster, G. W. Zopf, Jr. (eds.). London: Pergamon Press, 1962. — pp. 255 — 278.
  92. H.H. Универсальный эволюционизм и самоорганизация Электронный ресурс. / Н. Н. Моисеев. Электрон, дан. — М.: 2003. — Режим доступа: http://www.ecolife.ru/jornal/echo/ 2003−2-l.shtml. — Загл. с экрана.
  93. Н.Н. Универсум. Информация. Общество / Н. Н. Моисеев. М.: Устойчивый мир, 2001. — 200 с.
  94. Г. Самоорганизация в неравновесных системах / Г. Николис, И. При-гожин. -М.: Мир, 1979. 512 с.
  95. И.Р. Порядок из хаоса: новый диалог человека с природой / И. Р. Пригожин, И.Стенгерс. -М.: Прогресс, 1986.
  96. Г. Информация и самоорганизация: Макроскопический подход к сложным системам: Пер. с англ. / Г. Хакен. М.: Мир, 1991. — 240 с.
  97. Г. Синергетика: Пер. с англ / Г. Хакен. М.: Мир, 1980. — 406 с.
  98. У.Р. Древо познания / У. Р. Матурана, Ф. Х. Варела. М.: Прогресс-Традиция, 2001.-224 с.
  99. В.И. Теория катастроф /В.И. Арнольд. 4-е изд., стер. — М.: Едито-риалУРСС, 2004.- 127 с.
  100. Marzo Serugendo G.D. Self-organization in multi-agent systems / G.D. Marzo Se-rugendo, M.-P. Gleizes, A. Karageorgos // The Knowledge Engineering Review. 2005. — Vol. 20, № 2. — pp. 165 — 189.
  101. Olson E.E. Facilitating organization change: Lessons from complexity science / E.E. Olson, G.H. Eoyang. San Francisco: Jossey-Bass/Pfeiffer, 2001.
  102. Stacey R. Complexity and creativity in organizations / R. Stacey. San Francisco: Berrett-Koehler Publishers, 1996.
  103. Eoyang G. Coping with chaos: Seven simple tools / G. Eoyang. Cheyenne: Lagumo, 1999.
  104. Pascale R.T. Surfing the edge of chaos: The laws of nature and the new laws of business / R.T. Pascale, M. Millemann, L. Gioja. New York: Crown Business, 2000.
  105. Философский энциклопедический словарь / Е. Ф. Губский, Г. В. Кораблева, В .А. Лутченко М.: Инфра-М, 1997.
  106. Brockett R.W. Hybrid Models for Motion Control Systems / R.W. Brockett // Technical Report CICS-P-364. Center for Intelligent Control Systems. Massachusetts Institute of Technology, 1993.
  107. Back A. Dynamical Simulation Facility for Hybrid Systems / A. Back, J. Gucken-heimer, M.A. Myers // Technical Report 92−6, Mathematical Science Institute. Cornell University, 1992.
  108. Witsenhausen H.S. A class of hybrid-state continuous time dynamic systems / H.S. Witsenhausen // IEEE Transactions on Automatic Control. 1966. — Vol. 11, № 2. — 161 — 167 pp.
  109. Nerode A. Models for Hybrid Systems: Automata, Topologies, Stability / A. Nerode, W. Kohn // Technical Report 93−11. Mathematical Science Institute, Cornell University, 1993.
  110. Tavernini L. Differential Automata and their discrete simulators / L. Tavernini // Nonlinear Analysis, Theory, Methods, and Applications. 1987. — 11(6). — pp.665 — 683.
  111. Г. В. Интегрированные экспертные системы: современное состояние, проблемы и тенденции / Г. В. Рыбина // Известия РАН. Теория и системы управления. 2002. — № 5. — С. 111 — 126.
  112. Г. В. Современные экспертные системы: тенденции к интеграции и гибридизации / Г. В. Рыбина // Приборы и системы. Управление, контроль, диагностика. -2001.- № 8. -С. 18−21.
  113. Г. В. Проектирование систем, основанных на знаниях / Г. В. Рыбина. -М: МИФИ, 1997.
  114. Э.В. Статические и динамические экспертные системы: учебное пособие / Э. В. Попов, И. Б. Фоминых, Е. Б. Кисель и др. М.: Финансы и статистика, 1996 — 320с.
  115. А.И. Проблемы моделирования в интеллектуальных системах / А. И. Эрлих // Вестн. МГТУ. 1/94. — Системы искусственного интеллекта: спец. выпуск. -М.:МГТУ, 1994.
  116. Н.Г. Основы теории нечетких и гибридных систем / Н.Г. Ярушки-на. М.: Финансы и статистика, 2004. — 320 с.
  117. Goonatilake S. Intelligent Hybrid Systems / S. Goonatilake, S. Khebbal // The First Singapore Int. Conference on Intelligent Systems: proceedings. 1992. — pp. 356−364.
  118. Kasabov N. Hybrid Intelligent Adaptive Systems: a Framework and a Case Study on Speech Recognition / N. Kasabov, R. Kozma // Intelligent Systems. 1998. — Vol. 13. -pp. 455−466.
  119. Medsker L.R. Hybrid Intelligent Systems / L.R. Medsker. Boston: Kluwer Academic Publishers, 1995.
  120. T.A. Базы знаний интеллектуальных систем / Т. А. Гаврилова, В. Ф. Хорошевский. СПб.: Питер, 2000.
  121. В.И. Многоагентные системы (обзор) / В. И. Городецкий, М. С. Грушинский, А. В. Хабалов // Новости искусственного интеллекта. 1998. — № 2. -С. 64−116.
  122. Нарушев Е.С. AgSDK: инструментарий разработки мультиагентных систем / Е. С. Нарушев, В. Ф. Хорошевский // Тр. VII национальной конференции по искусственному интеллекту с международным участием КИИ-2000. Т. 2. — М.: Физ-матлит, 2000. — С. 830 — 840.
  123. Multiagent systems: A modern approach to distributed artificial intelligence / Gerhard Weiss (ed.). London: The MIT Press Cambridge, 1999. — 654 p.
  124. Wooldridge M. An Introduction to MultiAgent Systems. New York: John Wiley & Sons Ltd, 2002. — 366 p.
  125. Burkhard H.-D. On a formal definition of multi-agent systems / H.-D. Burkhard // Proc. workshop concurrency, specification & programming. Berlin: Humboldt-University, 1992.-pp. 1−15.
  126. Demazeau Y. Populations and organizations in open multi-agent systems / Y. De-mazeau, A.C. Rocha Costa // In 1st Nat. Symposium on Parallel and Distributed AI (PDAI '96). Hyderabad, India: 1996.
  127. Е.А. Элементарные решения неэлементарных задач на графах: учеб. пособие / Е.А. Берзин- под ред. А. Н. Кудинова. Тверь: ТГТУ, 2005. — 136 с.
  128. Ohlmann J.W. Compressed-Annealing Heuristic for the Traveling Salesman Problem with Time Windows / J.W. Ohlmann, B.W. Thomas // INFORMS Journal on Computing. -2007. -Vol.19, № 1. pp. 80−90.
  129. Focacci F. A hybrid exact algorithm for the TSPTW / F. Focacci, A. Lodi, M. Milano // INFORMS Journal on Computing. 2002. — Vol. 14. — pp. 403−417.
  130. Kolesnikov A.V. Investigation of self-organization relations in intelligent agents' teams / A.V. Kolesnikov, S.V. Listopad, I.A. Kirikov // Pr. of The «Computer Days -2009». Kaunas, 2009. — 89 — 91 pp.
  131. И.А. Моделирование самоорганизации групп интеллектуальных агентов в зависимости от степени их взаимодействия / И. А. Кириков, А. В. Колесников, С. В. Листопад // Информатика и её применения. — 2009. — Т. 3, Вып. 4. — М., 2009. — С. 76−86
  132. Ю.П. Теория систем и системный анализ: учеб. пособие / Ю.П. Сур-мин. Киев: МАУП, 2003. — 368 с.
  133. B.C. Системный анализ в управлении: Учебное пособие / B.C. Ан-филатов, А. А. Емельянов, А. А. Кукушкин. М.: Финансы и статистика, 2002.
  134. А.Е. Модели и алгоритмы принятия решений в нечетких условиях / А. Е. Алтунин, М. В. Семухин. Тюмень: Изд-во Тюменского государственного университета, 2000. — 352 с.
  135. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д. А. Поспелова. М.: Наука, 1986.
  136. А. Введение в теорию нечетких множеств / А. Кофман- пер. с франц. М.: Радио и связь, 1982.
  137. А.П. Элементы теории нечетких множеств и ее приложений / А. П. Рыжов. М.: Диалог-МГУ, 1998. — 81 с.
  138. Abonyi J. Adaptive fuzzy inference system and its application in modelling and model based control / J. Abonyi, L. Nagy, F. Szeifert // Chemical engineering research and design. 1999. — Vol. 77, № 4. — pp. 281−290.
  139. Jang R. Neuro-fuzzy modeling: architectures, analyses and applications. Ph.D. Thesis. Berkeley: University of California, 1992.
  140. Berenji H.R. Learning and tuning fuzzy logic controllers through reinforcements / H.R. Berenji, P. Khedkar // IEEE Transactions on Neural Networks. 1992. — Vol. 3. -pp. 724−740.
  141. Feng J.C. An online self constructing neural fuzzy inference network and its applications / J.C. Feng, L.C. Teng // IEEE Transactions on Fuzzy Systems. 1998. — Vol. 6, № l.-pp. 12−32.
  142. С.Д. Идентификация нелинейных зависимостей с помощью нечеткого логического вывода в системе MATLAB / С. Д. Штовба // Математика в приложениях. 2003. — № 2 (2). — С. 9 — 15.
  143. С.А. Лекции по теории и приложениям искусственных нейронных сетей. Лекция 6. Многослойный персептрон Электронный ресурс. / ВНИИТФ- С.А.
  144. ТереховВ.В. Электрон, дан. — Снежинск: ВНИИТФ, 1998. — Режим доступа: http://alife.narod.ru/lectures/ neural/Neuch06.htm. — Загл. с экрана.
  145. С.В. Моделирование коллективного решения сложных задач гибридными интеллектуальными многоагентными системами / С. В. Листопад // Вторая школа молодых ученых ИПИ РАН. Сборник докладов. М.: ИЛИ РАН, 2011.— С.42−52.
  146. Zhang Z. Agent-Based Hybrid Intelligent Systems: An Agent-Based Framework for Complex Problem Solving / Z. Zhang, C. Zhang // Lecture Notes in Artificial Intelligence / J. G. Carbonell, J. Siekmann (eds.). Berlin: Springer, 2004. — Vol. 2938.-216 p.
  147. Standard status specifications Electronic resource. / Foundation for Intelligent Physical Agents. Electronic data. — Alameda, 2002. — Mode of access: http://www.fipa.org /repository/standardspecs.html. — Загл. с экрана.
  148. Allan R. Survey of agent based modelling and simulation tools / R. Allan // Technical Report DL-TR-2010−007. STFC Daresbury Laboratory, Daresbury, Warrington, 2010.
  149. Leszczyna R. Evaluation of agent platforms / R. Leszczyna // Technical report, European Commission, Joint Research Centre, Institute for the Protection and security of the Citizen, Ispra, Italy, 2004.
  150. Procedural Reasoning System. User’s Guide. A Manual for Version 2.0 / Artificial Intelligence Center, SRI International. Menlo Park, 2001. — p. 80.
  151. DTnverno M. The dMARS architecture: A specification of the distributed multiagent reasoning system // M. d’lnverno, M. Luck, M. Georgeff, D. Kinny, etc. // Autonomous Agents and Multi-Agent Systems. 2004. — Vol. 9, № 1. — 5 — 53 pp.
  152. Thorne C. The BDI model of agency and BDI logics / C. Thorne // Technical Report, Laboratory for Applied Ontology (ISTC-CNR), 2005.
Заполнить форму текущей работой

Пора сдавать?