Гибридные системы интеллектуального имитационного моделирования на основе бионических подходов и многоагентных моделей тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат технических наук Афонин, Павел Владимирович

• Афонин, Павел Владимирович
• кандидат технических наук
• 2005

Оглавление диссертации кандидат технических наук Афонин, Павел Владимирович

ВВЕДЕНИЕ.

1. АНАЛИЗ ПРОБЛЕМ И ПРИНЦИПОВ ПОСТРОЕНИЯ ГИБРИДНЫХ СИСТЕМ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ.

1.1. Задачи обработки информации и поиска решений с использованием имитационных моделей сложных систем.

1.2. Подходы к построению имитационных моделей и интеллектуальное имитационное моделирование.

1.3. Гибридные системы: классификация и принципы создания.

1.4. Обзор вариантов построения гибридных интеллектуальных систем.

1.5. Особенности построения гибридных систем на основе имитационного моделирования.

1.6. Обзор методов эволюционного моделирования и подходов искусственной жизни.

1.7. Анализ подходов теории агентов и многоагентных систем.

1.8. Выводы по главе 1.

2. СИСТЕМА ПОИСКА РЕШЕНИЙ НА БАЗЕ ИНТЕЛЛЕКТУАЛЬНОГО ИМИТАЦИОННОГО

МОДЕЛИРОВАНИЯ.

2.1. Построение гибридной системы на основе бионических эволюционных методов и имитационных моделей различной точности.

2.2. Разработка алгоритма построения имитационных моделей различной точности.

2.3. Разработка схем выбора активной имитационной модели.

2.4. Построение макроструктур генетического поиска.

2.5. Разработка схем миграции агентов.

2.6. Выводы по главе 2.

3. СИСТЕМА ЭВРИСТИЧЕСКОГО ПОИСКА С КОРРЕКТИРОВКОЙ

НА ОСНОВЕ ВРЕМЕННЫХ ПРОДУКЦИЙ.

3.1. Построение гибридной системы с использованием временных продукционных правил и многоагентых моделей.

3.2. Разработка алгоритмов поиска на графе на основе временных продукционных правил.

3.3. Построение динамической многоагентной системы для корректировки стратегии однонаправленного поиска.

3.4. Построение многоагентной системы из двух взаимодействующих популяций для корректировки стратегии двунаправленного поиска.

3.5. Выводы по главе 3.

4. ИССЛЕДОВАНИЕ РАЗРАБОТАННЫХ АЛГОРИТМОВ И ОЦЕНКА ИХ ЭФФЕКТИВНОСТИ ПРИ РЕШЕНИИ ПРАКТИЧЕСКИХ ЗАДАЧ.

4.1. Цели и методы проводимых исследований.

4.2. Исследование процессов миграции и макроструктур генетического поиска.

4.3. Исследование многоагентных систем в задачах однонаправленного и двунаправленного поиска.

4.4. Исследование эффективности разработанных алгоритмов на практических производственных задачах.

4.5. Выводы по главе 4.

Введение диссертации (часть автореферата) на тему «Гибридные системы интеллектуального имитационного моделирования на основе бионических подходов и многоагентных моделей»

Одной из наиболее важных тенденций развития информатики и разработки информационных технологий в последние десятилетия стало создание гибридных систем. В частности, еще в 80-е годы ХХ-го века экспертные системы стали объединяться с традиционными информационными технологиями (базами данных, расчетными и графическими пакетами), в результате чего появились гибридные экспертные системы. В последние годы активно разрабатываются нейроэкспертные системы, гибридные системы на базе мягких вычислений, гибридные системы интеллектуального имитационного моделирования. Подобные системы включают разнородные информационные технологии, функционирующие совместно в интересах решения сложных задач (которые трудно или даже невозможно решить с помощью одной-единственной технологии) и достижения большей эффективности обработки информации. Соответственно, возникает проблема исследования и разработки как эмпирических, так и теоретических подходов к гибридизации, обеспечивающих, например, объединение таких разнородных технологий как: имитационные модели и базы знаний, генетические алгоритмы и многоагентные системы. Так включение интеллектуального модуля в системы имитационного моделирования позволяет учитывать эвристические знания и опыт разработчика при определении параметров модели, а применение генетических алгоритмов обеспечивает эффективный поиск решений. В то же время, интеллектуализация систем имитационного моделирования требует развития баз знаний, опирающихся на продукционные системы с модифицированными, зависящими от времени продукционными правилами, которые требуют построения комбинированных стратегий поиска.

В связи с вышеизложенным, проблемы разработки теоретических и прикладных аспектов построения гибридных, динамических систем в информатике, включающих неоднородные подсистемы, изменяющиеся во времени, являются чрезвычайно актуальными. В диссертационной работе дается новое решение задачи разработки гибридных систем, сочетающих имитационное и эволюционное моделирование, динамические базы знаний и многоагентные модели, а также предлагаются варианты реализации бионических методов и моделей в информационных технологиях, что имеет существенное значение для развития теоретических основ информатики.

Целью диссертационной работы является повышение эффективности обработки информации и поиска решений за счет построения гибридных систем, использующих имитационные модели, бионические принципы и многоагентные подходы.

Для достижения поставленной цели в диссертации решаются следующие основные задачи:

1. Исследование существующих гибридных систем. Построение архитектур гибридных интеллектуальных систем, объединяющих методы и средства имитационного и эволюционного моделирования, базы знаний на основе динамических продукционных правил и агентно-ориентированные подходы.

2. Разработка искусственных агентов и многоагентных систем на основе бионических методов.

3. Исследование механизмов взаимодействия популяций искусственных агентов.

4. Разработка алгоритмов модифицированного генетического поиска на основе принципов макроэволюции, методов миграции агентов и теории формирования элитных групп.

5. Разработка алгоритмов эвристического поиска в пространстве состояний с корректировкой на основе многоагентных моделей.

6. Создание программного обеспечения, реализующего разработанные алгоритмы.

7. Применение разработанного программного обеспечения для решения прикладных оптимизационных задач.

В диссертационной работе для решения поставленных задач используются методы теории множеств и теории алгоритмов, теории графов и теории вероятностей, теории планирования эксперимента и эвристического поиска, имитационного и эволюционного моделирования, теории агентов и многоагентных систем.

Научная новизна диссертации определяется, в первую очередь, разработкой гибридных систем, сочетающих средства интеллектуального имитационного моделирования, базы знаний на основе динамических продукционных правил, алгоритмы, реализующие бионические принципы и многоагентные технологии. Новыми являются:

1. Модель эволюции популяции как многоагентной системы, определяемая принципами миграции агентов и формированием элитной популяции, которая использует в процессе поиска решения имитационные^ модели различной точности;

2. Метод эвристического поиска на основе динамических продукционных правил;

3. Метод корректировки весов эвристических функций с помощью многоагентой системы при реализации однонаправленного и двунаправленного поиска в пространстве состояний.

Практическая ценность результатов диссертации определяется созданием комплекса алгоритмов поиска решений, реализующих разработанные бионические методы и модели, которые обеспечивают повышение эффективности обработки информации. Предложенные методы и алгоритмы реализованы в виде программ на ЭВМ на языке программирования С++ в среде MS Visual С++. Программное обеспечение имеет возможность интеграции в среду интеллектуального имитационного моделирования РДО.

Теоретические и практические результаты, полученные в диссертационной работе, применялись при выполнении хоздоговорной тематики Отдела «Компьютерные системы автоматизации» НУК РК МГТУ им. Н.Э.Баумана и госбюджетной тематики ГУ РосНИИ информационных технологий и систем автоматизированного проектирования (см. Отчет о НИР «Разработка моделей и методов многоагентных систем», 2004г., шифр БД-01-04). Результаты диссертации также использованы при выполнении работ по фантам Российского фонда фундаментальных исследований (фанты 02-0100784, 02-07-90240, 03-07-06139, 04-01-00306).

Результаты исследований, проведенных в диссертационной работе, были внедрены на «ОАО Коломенский завод РТИ». Использование результатов диссертации позволило повысить эффективность составления сменно-суточных заданий участка по выпуску резиновых технических изделий (время выполнения текущего портфеля заказов удалось сократить на 4-5%). Кроме того, результаты работы нашли применение в учебном процессе кафедры «Компьютерные системы автоматизации производства» МГТУ им. Н.Э.Баумана и кафедры САПР ТРТУ.

Достоверность научных положений и выводов диссертации подтверждается результатами вычислительных экспериментов на тестовых и практических задачах, а также актами о внедрении.

Основные результаты диссертационной работы докладывались на: Третьей Международной летней школе-семинаре по искусственному интеллекту для студентов и аспирантов (Браславская школа-99, Беларусь, Браславские озера, 1999г.), Четвертой Международной летней школе-семинаре по искусственному интеллекту для студентов и аспирантов (Браславская школа-2000, Беларусь, Браславские озера, 2000г.), Научной сессии МИФИ-2001 (Москва, 2001г.), Международной научно-технической конференции студентов и аспирантов «Радиоэлектроника, электротехника и энергетика» (Москва, 2001г.), Международном научно-практическом семинаре «Интефированные модели и мягкие вычисления в искусственном интеллекте» (Коломна, 2001г.), Научной сессии МИФИ-2002 (Москва, 2002г.), Восьмой Национальной конференции по искусственному интеллекту (КИИ-2002, Коломна, 2002г.), Н-м Международном научно-практическом семинаре «Интефированные модели и мягкие вычисления в искусственном интеллекте»

Коломна, 2003г.), Международных научно-технических конференциях IEEE AIS'03 и CAD-2003 (Дивноморское, 2003г.), Девятой Национальной конференции по искусственному интеллекту (КИИ-2004, Тверь, 2004г.), Международных научно-технических конференциях IEEE AIS'04 и CAD-2004 (Дивноморское, 2004г.), Ш-м Международном научно-практическом семинаре «Интегрированные модели и мягкие вычисления в искусственном интеллекте» (Коломна, 2005г.), а также научно-техническом семинаре «Экобионика» МГТУ им. Н.Э. Баумана в 2005г.

По теме диссертации автором опубликовано 16 работ, включая одну коллективную монографию.

На защиту выносятся:

1. Архитектуры гибридных систем интеллектуального имитационного моделирования, использующие бионические принципы и многоагентные методы.

2. Метод представления программных агентов как искусственных организмов во взаимодействующих и эволюционирующих популяциях.

3. Новая схема генетического поиска на базе механизмов миграции агентов.

4. Алгоритмы эвристического поиска на основе динамических продукционных правил и многоагентных систем.

В первой главе диссертации приводится постановка задач исследования и обзор методов решения данных задач. Рассматриваются две актуальные задачи поиска решения на основе имитационного моделирования. Обосновано, что для их решения необходимо создание гибридных систем, объединяющих методы искусственного интеллекта и средства имитационного моделирования. Показано, что построение гибридных интеллектуальных систем стало ведущей тенденцией современной информатики. Выполнен обзор принципов создания и различных подходов к разработке гибридных интеллектуальных систем, а также предложена их классификация. Установлено, что проблемы гибридизации в области интеллектуального имитационного моделирования являются недостаточно исследованными. Предложены возможные пути их решения, которые заключаются в построение новых структур гибридных систем имитационного моделирования, а также разработке перспективных поисковых методов основанных на бионических принципах моделирования эволюции и построения многоагентных систем. Проведен обзор методов эволюционного моделирования и подходов искусственной жизни, моделей теории агентов и многоагентных систем.

Во второй главе описывается выбор и построение архитектуры гибридной системы поиска решений на основе имитационного моделирования, а также разработка основных компонентов системы в виде методов и алгоритмов. В гибридной системе предложено использовать блок выбора активной имитационной модели, который реализует выбор менее точных моделей для прогона на начальном этапе работы блока оптимизации и последующее повышение точности модели в процессе поиска. Данный механизм позволяет значительно сократить время поиска решения. Описан алгоритм построения имитационных моделей различной точности, который основан на принципе попарного сравнения разрабатываемых имитационных моделей. Предложено несколько схем определения конкретной имитационной модели для прогона на каждом шаге работы алгоритма. В качестве блока оптимизации в гибридной системе предложено использовать макросхему генетического поиска, которая основана на моделировании макроэволюции и методах миграции агентов. Разработан и описан алгоритм модифицированного генетического поиска. Предложены основные типы межпопуляционных связей и схемы выбора мигрантов, которые основаны на принципах создания элитной популяции агентов.

В третьей главе рассматривается построение архитектуры гибридной системы эвристического поиска с корректировкой на основе временных продукций, а также разработка основных компонентов системы в виде методов и алгоритмов. Система состоит из базы знаний на основе временных продукционных правил, блока эвристического поиска на графе состояний и блока корректировки поиска на основе эволюционирующей многоагентной системы. В качестве базового алгоритма эвристического поиска используется алгоритм Харта - Нильсона - Рафаэла. Разработана модификация данного алгоритма для реализации стратегий поиска на основе продукционных правил, зависящих от времени. Описана многоагентная система, моделирующая одну популяцию агентов, которая предназначена для корректировки весов эвристических функций при реализации однонаправленного поиска. Для корректировки весов эвристических функций в процессе двунаправленного поиска рассматривается многоагентная система, охватывающая две популяции агентов. В данной системе предлагается использовать оператор миграции, который реализуется на базе одной из схем миграции, описанных во второй главе.

В четвертой главе приведены результаты исследований разработанных алгоритмов на тестовых и практических производственных задачах. Определены рациональные параметры миграции агентов. Исследованы методы эвристического поиска на основе многоагентных систем и показана их эффективность для корректировки весов эвристических функций в процессе поиска на графе состояний. Показана эффективность разработанных алгоритмов, как на тестовых, так и на рассматриваемых в работе практических производственных задачах.

В заключении содержатся основные выводы и результаты диссертации.

В приложении 1 приведен текст программы, реализующей алгоритмы модифицированного генетического поиска. В приложении 2 приведен текст программы, которая реализует алгоритмы эвристического поиска с корректировкой на основе многоагентной системы.

Заключение диссертации по теме «Теоретические основы информатики», Афонин, Павел Владимирович

Основные результаты выполненных теоретических и практических исследований по теме диссертации состоят в следующем.

1. Построены архитектуры гибридных систем, которые позволяют сократить время на поиск решения и повысить качество решения при использовании имитационного моделирования.

2. Разработаны модели искусственных агентов и многоагентных систем на основе бионических принципов построения искусственных организмов и популяций.

3. Проведены исследования механизмов взаимодействия популяций искусственных агентов. В результате определена наилучшая схема миграции агентов - комбинированная схема. Найдено наиболее рациональное число мигрантов — 25% от общего числа агентов в популяции. Определена наилучшая схема взаимосвязей между популяциями агентов — схема связи «один к одному».

4. Разработан алгоритм модифицированного генетического поиска, основанный на бионических принципах макроэволюции и миграции агентов. Алгоритм оказался эффективнее, чем стандартный алгоритм генетического поиска. При этом выигрыш во времени поиска решений составляет 10-30%, а выигрыш в качестве решения составляет 2-10% в зависимости от типа задачи.

5. Разработаны алгоритмы однонаправленного и двунаправленного поиска на графе состояний, использующие базу знаний на основе временных продукционных правил и многоагентные системы эволюционирующих агентов. Использование многоагентных систем для корректировки весов эвристических функций в процессе поиска позволяет сократить время поиска решения на 5-20%.

6. Создано программное обеспечение, реализующее разработанные алгоритмы. Программное обеспечение реализовано в среде Visual С++ в рамках объектно-ориентированного подхода, что облегчает его дальнейшее сопровождение и интеграцию с другими системами.

7. Разработанные алгоритмы также подтвердили свою эффективность при решении рассмотренных в диссертационной работе прикладных производственных задач.

ЗАКЛЮЧЕНИЕ

Главным итогом диссертационной работы является новое решение актуальной задачи разработки гибридных динамических систем в информатике, а именно, построение гибридных интеллектуальных систем, сочетающих имитационные и эволюционные модели, динамические базы знаний на основе продукционных правил, содержащих параметр времени, и многоагентные структуры, а также применение бионических методов и моделей в информационных технологиях, что имеет существенное значение для развития теоретических основ информатики.

Список литературы диссертационного исследования кандидат технических наук Афонин, Павел Владимирович, 2005 год

1. Аверкин А.Н., Прокопчина С.В. Мягкие вычисления и измерения // Интеллектуальные системы (МГУ). — 1997. — Т.2, вып.1-4. — С.93-114.

2. Адамацкий А.И., Холланд О. Роящийся интеллект: представления и алгоритмы // Информационные технологии и вычислительные системы. — 1998. -№1. С.45-53.

3. Айала Ф. Введение в популяционную и эволюционную генетику. Пер. с англ. -М.: Мир, 1984.

4. Алексеев А.В., Попов В.А., Слядзь Н.Н., Фомин С.А. Гибридные экспертные системы Протей для автоматизации ранних стадий проектирования // Известия РАН: Техническая кибернетика. — 1992. — №5.- С.197-208.

5. Алиев Р. А., Алиев P.P. Теория интеллектуальных систем и ее применение. Баку: Чашыоглы, 2001.

6. Арлазаров B.JL, Журавлев Ю.И., Ларичев О.И., Лохин В.М., Макаров И.М., Рахманкулов В.З., Финн В.К. Теория и методы создания интеллектуальных компьютерных систем// Информационные технологии и вычислительные системы. 1998. — №1. — С.3.13.

7. Афонин П.В. Определение условий эффективной работы модифицированной схемы генетического поиска в задачах планирования производства // Научная сессия МИФИ-2002: Сборник научных трудов в 14 томах М.: Изд-во МИФИ. - 2002. - Т. 3. - С.193-194.

8. Батищев Д.И. Генетические алгоритмы решения экстремальных задач. — Воронеж: Изд-во ВГТУ, 1995.

9. Берштейн JI.C., Карелин В.П., Целых А.Н. Модели и методы принятия решений в интегрированных интеллектуальных системах. — Ростов-на-Дону: Изд-во РГУ, 1999.

10. Берштейн Л.С., Коровин С.Я., Мелихов А.Н., Сергеев Н.Е. Функционально-структурное исследование ситуационно-фреймовой сети экспертной системы с нечеткой логикой// Известия РАН: Техническая кибернетика. 1994. -№2. -С.71-83.

11. Будущее искусственного интеллекта. М.: Наука, 1991.

12. Букатова И.Л., Михасев Ю.И., Шаров A.M. Эвоинформатика. Теория и практика эволюционного моделирования. М.: Наука, 1991.

13. Бурцев М.С., Гусарев Р.В., Редько В.Г. Нейросетевая модель эволюционного возникновения целенаправленного адаптивного поведения // Научная сессия МИФИ-2001: Сборник научных трудов в 14 томах.-Т. 1.-М.: МИФИ, 2001. -С.153-160.

14. Буч Г. Объектно-ориентированный анализ и проектирование с примерами приложений на С++: Пер. с англ. 2-е изд. — М.: Бином, 1998.

15. Вагин В.Н., Головина Е.Ю., Загорянская А.А., Фомина М.В. Достоверный и правдоподобный вывод в интеллектуальных системах / Под ред.

16. B.Н.Вагина, Д.А.Поспелова. М.: Физматлит, 2004.

17. Вагин В.Н., Еремеев А.П. Некоторые базовые принципы построения интеллектуальных систем поддержки принятия решений реального времени // Известия РАН: Теория и системы управления. — 2001. №6. —1. C.114-123.

18. Венда В.Ф. Системы гибридного интеллекта: Эволюция, психология, информатика. — М.: Машиностроение, 1990.

19. Волкова В.Н., Денисов А.А. Основы теории систем и системного анализа. -СПб: СПбГТУ, 2001.

20. Гаазе-Рапопорт М.Г., Поспелов Д.А. От амебы до робота: модели поведения. М.: Едиториал УРСС, 2004.

21. Гаврилов А.В. Гибридные интеллектуальные системы. — Новосибирск: Изд-во НГТУ, 2003.

22. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. — СПб: Питер, 2000.

23. Гладков JI.A., Зинченко Л.А., Курейчик В.В., Курейчик В.М., Лебедев Б.К., Нужнов Е.В., Сорокин С.Н. Методы генетического поиска. -Таганрог: ТРТУ, 2002.

24. Гладков Л.А., Корнюшенко Ю.В., Маслов Е.В. Алгоритмы выделения ядер в нечетких графах на основе моделирования эволюции // Известия ТРТУ. 2003. - №2. - С. 124-129.

25. Гладков Л.А., Курейчик В.М., Курейчик В.В. Генетические алгоритмы: Учебное пособие/ Под ред.В.М.Курейчика. — Ростов-на-Дону: Ростиздат, 2004

26. Голицын Г.А., Фоминых И.Б. Нейронные сети и экспертные системы: перспективы интеграции// Новости искусственного интеллекта. 1996. -№4. - С.121-145.

27. Голубин А.В., Тарасов В.Б. Нечеткие генетические алгоритмы// Труды Международных научно-технических конференций «IEEE AIS'05» и

28. CAD-2005» (Дивноморское, 3-10 сентября 2005 г.).- М.: Физматлит, 2005. Т. 1.

29. Городецкий В.И., Грушинский М.С., Хабалов А.В. Многоагентные системы (обзор)// Новости искусственного интеллекта. — 1998. —№2 — С.64-116.

30. Джексон П. Введение в экспертные системы: Учеб. пособие: Пер. с англ.- М.: Изд. дом «Вильяме», 2001.

31. Емельянов В.В. Метод построения математических моделей сложных дискретных систем и процессов// Вестник МГТУ: Сер. Машиностроение.- 1993. — №1. С.14-19.

32. Емельянов В.В. Гибридные системы управления на основе интеллектуальной имитационной среды РДО // Труды второй Международной конференции «Проблемы управления и моделирования в сложных системах». — Самара: СНЦ РАН, 2000. С. 263-268.

33. Емельянов В.В, Афонин П.В. Модель искусственной жизни в управлении производством// Труды восьмой национальной конференции по искусственному интеллекту (КИИ-2002, Коломна, 7-12 октября 2002 г.). Т.2.- М.: Физматлит.- 2002. С.950-957.

34. Емельянов В.В., Афонин П.В. Модель искусственной жизни с возможностью управления ресурсами эволюции // Труды Международных научно-технических конференций IEEE AIS'03 и CAD2003 (Дивноморское, 3-10 сентября 2003 г.). Т.1.- М.: Физматлит, 2003. С.26-30.

35. Емельянов В.В., Курейчик В.В., Курейчик В.М. Теория и практика эволюционного моделирования. — М.: Физматлит, 2003.

36. Емельянов В.В., Ясиновский С.И. Продукционный имитатор дискретных процессов и систем // Вестник машиностроения. 1992. — №5. — С.41-44.

37. Емельянов В.В., Ясиновский С.И. Гибридная система для планирования производства на основе генетических алгоритмов, методов имитации и экспертных систем // Известия ТРТУ. — 1996. №3. - С.4-9.

38. Емельянов В.В., Ясиновский С.И. Введение в интеллектуальное имитационное моделирование сложных дискретных систем и процессов. Язык РДО. М.: АНВИК, 1998 - 426 с.

39. Еремеев А.П. Об интеграции моделей в интеллектуальных системах поддержки принятия решений// Труды 9-й национальной конференции по искусственному интеллекту КИИ'2004 (Тверь, 28 сентября 2 октября 2004 г.).- М.: Физматлит, 2004. - Т.2. - С.815-823.

40. 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.

41. Заде JI. Понятие лингвистической переменной и его применение к принятию приближенных решений: Пер. с англ. М.: Мир, 1976.

42. Зафиров Э.Г. Реинжиниринг позаказного производства // Сборник трудов Международных научно-технических конференций «Интеллектуальныесистемы» и «Интеллектуальные САПР» (IEEE AIS'03 и CAD-2003). М.: Физматлит, 2003. - Т.2. - С. 181 -190.

43. Интеллектуальные системы: Коллективная монография/ Под ред. В.М.Курейчика. М.: Физматлит, 2005. - 288 с.

44. Исследование операций: Пер. с англ./ Под ред. Дж. Моудера и С. Элмаграби. М.: Мир, 1981. - Т.1 — Методологические основы и математические методы. - 712 с. Т.2 - Модели и применения. - 677 с.

45. Карпов В.Э. Эволюционное моделирование. Проблемы формы и содержания // Новости искусственного интеллекта.— 2003 .—№5 — С.35-46.

46. Ковалев С.М., Родзин С.И. Информационные технологии: интеллектуализация обучения, моделирование эволюции, распознавание речи. Ростов-на-Дону: Изд-во СКНЦ ВШ, 2002.

47. Колесников А.В. Гибридные интеллектуальные системы. Теория и технология разработки / Под ред. A.M. Яшина. — СПб.: СПбГТУ, 2001.

48. Колмогоров А.Н. Автоматы и жизнь// Кибернетика ожидаемая и кибернетика неожиданная. М.: Наука, 1968. - С. 12-31.

49. Комарцова Л.Г. Исследование конструктора генетических алгоритмов // Известия ТРТУ. 2003. - №2. - С. 120-124.

50. Кузнецов О.П. Неклассические парадигмы в искусственном интеллекте// Известия РАН: Теория и системы управления. — 1995. — №5. — С.3-23.

51. Курейчик В.В. Эволюционные методы решения оптимизационных задач.- Таганрог: Изд-во ТРТУ, 1999.

52. Курейчик В.М. Генетические алгоритмы. Таганрог: Изд-во ТРТУ, 1998.

53. Курейчик В.М. Генетические алгоритмы. Обзор и состояние. Новости искусственного интеллекта. №3. - 1998. — С. 14-64.

54. Курейчик В.М. Эволюционные методы построения клик и независимых множеств графов // Известия ТРТУ. 2003. - №2. - С.66-71.

55. Курейчик В.М., Курейчик В.В. Эволюционные, синергетические и гомеостатические стратегии в искусственном интеллекте// Новости искусственного интеллекта. 2000. - №3. - С.39-65.

56. Лоу А., Кельтон В. Имитационное моделирование: Пер. с англ. (3-е изд.)- СПб.: BHV, 2004.-847с.

57. Люгер Дж.Ф. Искусственный интеллект. Стратегии и методы решения сложных проблем: Пер с англ. -М.: Изд. Дом «Вильяме», 2003.

58. Математическая теория планирования эксперимента/ Под ред. С.М. Ермакова. -М.: Наука, 1983.

59. Меркурьева Г.В., Меркурьев Ю.А. Экспертные системы имитационного моделирования// Известия РАН: Техническая кибернетика. 1991. - №3.- С.156-173.

60. Метан Г.Н., Тарасов В.Б. Нейро-нечеткие модели и их применение в задачах фильтрации звуковых сигналов// Труды YIII-й национальной конференции по искусственному интеллекту КИИ'2002 (Коломна, 7-12 октября 2002 г.).- М.: Физматлит, 2002. Т.2. - С.805-819.

61. Миронова Т.С., Плесневич Г.С. Гибридные модели знаний// Известия РАН: Техническая кибернетика. 1994. - №2. - С.56-70.

62. Нильсон Н. Принципы искусственного интеллекта: Пер. с англ. М.: Издательский Дом «Вильяме», 2001.

63. Норенков И.П., Косачевский О.Т. Генетические алгоритмы комбинирования эвристик в задачах дискретной оптимизации// Информационные технологии. 1999. - №2. - С.2-7.

64. Осипов Г.С. Динамика в системах, основанных на знаниях// Известия РАН: Теория и системы управления. — 1998. — №5. — С.24-28.

65. Попов Э.В. Экспертные системы. Решение неформализованных задач в диалоге с ЭВМ. М.: Наука, 1987.

66. Попов Э.В. Экспертные системы. Состояние, проблемы, перспективы// Известия АН СССР: Техническая кибернетика. 1989. -№5.

67. Попов Э.В. Особенности разработки и использования экспертных систем// Искусственный интеллект: в 3-х кн. Кн.1. Системы общения и экспертные системы: Справочник/ Под ред. Э.В.Попова. М.: Радио и связь, 1990.-С.261-290.

68. Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. Статические и динамические экспертные системы: Учебное пособие. М.: Финансы и статистика, 1996.

69. Поспелов Г.С. Искусственный интеллект-основа новой информационной технологии. М.: Наука, 1988.

70. Поспелов Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов. М.: Радио и связь, 1989.

71. Поспелов Д.А. Ситуационное управление — основа прикладных интеллектуальных систем// Вестник МГТУ им. Н.Э.Баумана. Сер. «Приборостроение». 1995. - №2. - С.3-10.

72. Поспелов Д.А. Многоагентные системы — настоящее и будущее // Информационные технологии и вычислительные системы. — 1998 №1. — С.14-21.

73. Прицкер А. Введение в имитационное моделирование и язык CJIAM II. -М.: Мир, 1987. -644с.

74. Редько В.Г. Эволюционная кибернетика. -М.: Наука, 2001.

75. Родзин С.И. Гибридные интеллектуальные системы на основе алгоритмов эволюционного программирования//Новости искусственного интеллекта. — 2000. — №3. С. 159-170.

76. Рутковская Д., Пилиньский М., Рутковский JI. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польск. И.Д. Рудинского. М.: Горячая линия - Телеком, 2004.

77. Рыбина Г.В. Принципы создания автоматизированной технологии проектирования интегрированных экспертных систем// Новости искусственного интеллекта. 1993. — №4. - С.105-116.

78. Рыбина Г.В. Использование методов имитационного моделирования при создании интегрированных экспертных систем реального времени// Известия РАН: Теория и системы управления. — 2000. №5. - С. 182-191.

79. Рыбина Г.В. Архитектуры интегрированных экспертных систем: современное состояние и тенденции// Новости искусственного интеллекта. 2002. - №4. - С. 10-17.

80. Семенов Н.А., Грецкий А.В. О возможности использования генетических алгоритмов при реинжиниринге бизнес-процессов// Искусственный интеллект (Донецк). — 2001. №2.

81. Силютин Д.А. Агентно-ориентированный подход к управлению генетическим поиском подстановки изоморфизма графов // Известия ТРТУ. 2003. - №2. - С. 134-139.

82. Скурихин А.Н. Генетические алгоритмы// Новости искусственного интеллекта. 1995. - №4. - С.6-46.

83. Станкевич J1.A. Управление поведением роботов с использованием знаний в нейрологической форме// Труды 9-й национальной конференции по искусственному интеллекту КИИ'2004 (Тверь, 28 сентября-2 октября 2004 г.).- М.: Физматлит, 2004. Т.З. - С.1173-1182.

84. Стефанюк B.JI. Локальная организация интеллектуальных систем. — М.: Физматлит, 2004.

85. Тарасов В.Б. От искусственного интеллекта к искусственной жизни: новые направления в науках об искусственном// Новости искусственного интеллекта. 1995. - №4. - С.93-117.

86. Тарасов В.Б. Искусственная жизнь — новая метафора для моделирования и перепроектирования предприятий// Известия ТРТУ. — 1997.— №3 С.87-92.

87. Тарасов В.Б. Искусственная жизнь и нечеткие эволюционные многоагентные системы-основные теоретические подходы к построению интеллектуальных организаций// Известия РАН: Теория и системы управления. 1998. - №5.- С.12-23.

88. Тарасов В.Б. Агенты, многоагентные системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте// Новости искусственного интеллекта. 1998. — №2. — С.5-63.

89. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. — М.: Эдиториал УРСС, 2002.-352с.

90. Тарасов В.Б., Соломатин Н.М. Развитие прикладных интеллектуальных систем: анализ основных этапов, концепций и проблем// Вестник МГТУ: Сер. «Приборостроение». 1994. — №1. — С.5-14.

91. Тельнов Ю.Ф., Кузьмицкий А.А. Обоснование стратегических решений по реорганизации предприятий на основе интеллектуальных технологий// Новости искусственного интеллекта.- 2003. — №2 — С.13-19.

92. Финн В.К. Философские проблемы логики интеллектуальных систем// Новости искусственного интеллекта. 1999. — №1. - С.36-51.

93. Фогель Л., Оуэне А., Уолш М. Искусственный интеллект и эволюционное моделирование: Пер. с англ. — М.: Мир, 1969.

94. Фоминых И.Б. Интеграция нейронных и символьно-логических моделей в интеллектуальных технологиях // Труды YII-й Национальной конференции по ИИ. М.: Физматлит, 2000. — Т.2. — С.588-596.

95. Фоминых И.Б. Принципы построения гибридных интеллектуальных систем реального времени// Труды Международного конгресса «Искусственный интеллект в XXI-м веке».— М.: Физматлит, 2001. — Т.2. -С.570-583.

96. Хакен Г. Тайны природы. Синергетика: учение о взаимодействии. -Москва-Ижевск: ИКИ, 2003.

97. Хедрик Ф. Генетика популяций. — М.: Техносфера, 2003.

98. Шеннон Р. Имитационное моделирование искусство и наука. — М.: МИР, 1978.-418 с.

99. Шпеер С., Меллор С. Объектно-ориентированный анализ: моделирование мира в состояниях. Киев: Диалектика, 1993. -240с.

100. Штрик А.А. Влияние информационно-коммуникационных технологий на устойчивое развитие стран Западной Европы// Новости искусственного интеллекта.- 2003. -№2- С.3-12.

101. Ярушкина Н.Г. Вычислительный интеллект: синергизм слова и числа// Информационные технологии и вычислительные системы 2002. — №4. — С.23-33.

102. Ярушкина Н.Г. Гибридные системы, основанные на мягких вычислениях: определение, архитектура, возможности // Программные продукты и системы. 2002. — №3.

103. Ярушкина Н.Г. Основы теории нечетких и гибридных систем. — М.: Финансы и статистика, 2004. 320 с.

104. Ясиновский С.И. Логический вывод в гибридных системах // Вестник МГТУ. Сер. Приборостроение. 1994. - №1. - С.88-99.

105. Adami С. Introduction to Artificial Life. Berlin: Springer Verlag, 1998.

106. Artiba A., Emelyanov V.V., Iassinovski S.I. Introduction to Intelligent Simulation: The RAO Language. — Boston/Dordrecht/London: Kluwer Academic Publishers, 1998. —517p.

107. Back Т., Schwefel H.-P. An Overview of Evolutionary Algorithms for Parameter Optimization// Evolutionary Computation.-l 993.- Vol. 1.- P. 1 -23.

108. Bowden R.O., Hall J.D. Simulation Optimization Research and Development // Proc. 1998. Winter Simulation Conference, Washington, D.C., p. 1693-1698.

109. Cloete J. Knowledge-Based Neurocomputing — Cambridge: The MIT Press, 2000.

110. Davis L. Handbook of Genetic Algorithms. New York: Van Nostrand Reinhold, 1991.

111. Demazeau Y., Costa A.C.R. Populations and Organizations in Open-Multi-Agent Systems // Proceedings of the First Symposium on Parallel and Distributed AI (Hyderabad, India, July 6-9, 1996).

112. Farmer J.D., Belin A. Artificial Life: the Coming Evolution. Cambridge: Cambrodge University Press, 1990.

113. Ferber J. Les systemes multi-agents. Vers une intelligence collective. Paris: InterEditions, 1995.

114. Fogel D.B. Evolutionary Computation. Toward a New Philosophy of Machine Intelligence. New York: IEEE Press, 1995.

115. Genesereth M.R., Ketchpel S.P. Software Agents// Communications of the ACM. 1994. -Vol.37, №7. -P.48-53.

116. Glover F., Laguna M. Tabu Search. New York: Kluwer Academic Publishers, 1997.

117. Goldberg D.E. Genetic Algorithms in Search, Optimization and Machine Learning. New York: Addison-Wesley Publishing Company, Inc., 1989.

118. Gupta M.M., Rao D.H. On the Principles of Fuzzy Neural Networks// Fuzzy Sets and Systems. 1994.-Vol.61. - P. 1-18.

119. Herrera F., Magdalena L. Introduction: Genetic Fuzzy Systems// International Journal of Intelligent Systems. 1998. - Vol.13. - P.887-890.

120. Heudin J.-C. La vie artificielle. Paris: Hermes, 1994.

121. Hewitt C. Viewing Control Structures as Patterns of Message Passing// Artificial Intelligence. -1977. Vol.8, №3. -P.323-364.

122. Hilario M. An Overview of Strategies for Neurosymbolic Integration// The IJCAI Workshop on Connectionist-Symbolic Integration: From Unified to Hybrid Approaches. Montreal, 1995. - P.234-250.

123. Hirota K., Pedrycz W. A Distributed Model of Fuzzy Set Connectives// Fuzzy Sets and Systems. 1994.-Vol.68.-P. 157-170.

124. Holland J. H. Adaptation in Natural and Artificial Systems: An Introductory Analysis with Application to Biology, Control, and Artificial Intelligence. -Ann Arbor: University of Michigan, 1975.

125. Jennings N.R., Wooldridge M. Applications of Agent Technology// Agent Technology: Foundations, Applications and Markets/ Ed. by N.RJennings and M.Wooldridge. Berlin: Springer Verlag, 1998.

126. Jung J.S.-R., Sun C.T., Mizutani E. Neuro-Fuzzy and Soft Computing. -Englewood Cliffs: Prentice Hall, 1997.

127. Kasabov N. Evolving Connectionist Systems. Berlin: Springer Verlag, 2003.

128. Keller J.M., Yager R.R., Tahani H. Neural Network Implementation of Fuzzy Logic// Fuzzy Sets and Systems. 1992. - Vol.45, №1. - P. 1-12.

129. Kosko B. Neural Networks and Fuzzy Systems. Englewood Cliffs: Prentice Hall, 1992.

130. Koza J.R. Genetic Programming (2nd ed.). Cambridge: The MIT Press, 1994.

131. Langton C. (Ed.). Artificial Life. New York: Addison-Wesley, 1988.

132. Langton C.G. Artificial Life: an Overview. Cambridge MA: MIT Press, 1995.

133. Lesser V. Multi-Agent Systems: an Emergent Subdiscipline of Artificial Intelligence// ACM Computing Surveys. 1995. - Vol.27. - P.340-342.

134. Maes P. Artificial Life Meets Entertainment: Life Like Autonomous Agents// Communication of the ACM. 1995. -Vol.38, №11. - P. 108-114.

135. Mandelbrot B. The Fractal Geometry of Nature. New York: W.H.Freeman and Company, 1977.

136. Medsker L.R. Hybrid Intelligent Systems. — Kluwer Academic Publ., 1995.

137. Meyer J.A., Wilson S. (Ed.). Simulation of Adaptive Behavior: from Animals to Animats. Cambridge MA: MIT Press, 1991.

138. Michalewicz Z. Genetic Algorithms + Data Structures = Evolution Programs (3d ed.). New York: Springer-Verlag, 1996.

139. Murray D. Developing Reactive Software Agents//AI Expert-1995 -P.27-29.

140. Nii H.P. The Blackboard Model of Problem Solving and the Evolution of Blackboard Architecture// AI Magazine. -1986. -Vol.7, №3.

141. Nwana H. Software Agents: an Overview// The Knowledge Engineering Review.-1996.-Vol.l 1, №3. P.205-244.

142. Pedrycz W. Fuzzy Neural Networks and Neurocomputations// Fuzzy Sets and Systems. 1993. - Vol.56.-P.l-28.

143. Ray T.S. An Approach to the Synthesis of Life// Artificial Life II: Proceedings of the Second Artificial Life Workshop/ Ed. by C.Langton, C.Taylor, J.D. Farmer and S.Rasmussen. Redwood City CA: Addison-Wesley, 1992 — P.371-408.

144. Ruan Da (Ed.). Intelligent Hybrid Systems. — Amsterdam: Kluwer Academic Publishers, 1997.j

145. Russell S.J., Norvig P. Artificial Intelligence: a Modern Approach (2 ed.) -Englewood Cliffs NJ: Prentice Hall, 2003.

146. Subrahmanian V.S., Bonatti P., Dix J. et al. Heterogeneous Agent Systems. -Cambridge: The MIT Press, 2000.

147. SycaraK. Multi-Agent Systems/Mi Magazine-1998 Vol.19,№2 -P.79-92.

148. Wooldridge M. Multiagent Systems: a Modern Approach to Distributed Artificial Intelligence. Cambridge MA: The MIT Press, 1999.

149. Yaeger L. Computational Genetics, Physiology, Learning, Vision, and Behavior or PolyWord: Life in a New Context// Artificial Life III/ Ed. by C.Langton, New Yourk: Addison-Wesley, 1994. P.263-298.

150. Zadeh L.A. Fuzzy Logic, Neural Network and Soft Computing// Communications of the ACM. 1994. - Vol.37, №3. - P.77-84.

151. ГА — генетический алгоритм

152. ГИС — гибридная интеллектуальная система1. ГС — гибридная система1. ИЖ — искусственная жизнь

153. ИИ искусственный интеллект

154. ИИМ интеллектуальное имитационное моделирование1. ИМ — имитационная модель

155. КИМ — коэффициент использования материала

156. MAC — многоагентная система

157. МГА модифицированный генетический алгоритм

158. МИЛ модифицированное продукционное правило

159. ООП объектно-ориентированное программирование

160. ПГА — простейший генетический алгоритм

161. ПЗ — простейшая задача оптимизации

162. УЗ задача управления запасами1. ФП — функция пригодности

163. ЭМ эволюционное моделирование