Исследование и реализация систем дискретно-событийного имитационного моделирования на основе графовых моделей тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат технических наук Карпухин, Илья Николаевич

• Карпухин, Илья Николаевич
• кандидат технических наук
• 2013

Оглавление диссертации кандидат технических наук Карпухин, Илья Николаевич

ВВЕДЕНИЕ.

Актуальность темы работы.

Цель работы.

Решаемые задачи.

Научная новизна.

Практическая полезность.

Методы исследований и достоверность результатов.

Апробация работы.

Личный вклад диссертанта.

Публикации.

Содержание работы по

главам.

1. ИССЛЕДОВАНИЕ МОДЕЛЕЙ И МЕТОДОВ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ.

1.1. Глоссарий.

1.2. Значимость.

1.3. Определение имитационного моделирования.

1.4. Этапы имитационного моделирования.

1.5. Модели времени в имитационном моделировании.

1.5.1. Дискретно-событийное моделирование.

1.5.2. Моделирование Монте-Карло.

1.5.3. Непрерывное моделирование.

1.6. Методы имитационного моделирования.

1.7. Модели представления знаний.

1.7.1. Формальные грамматики.

1.7.2. Логические модели.

1.7.3. Комбинаторные модели.

1.7.4. Алгебраические модели.

1.7.5. Продукционные модели.

1.7.6. Семантические сети.

1.7.7. Байесовские сети.

1.7.8. Фреймы.

1.7.9. Ленемы.

1.7.10. Нечёткие логики.

1.7.11. Нейронные сети.

1.7.12.Генетические алгоритмы.

1.8. Основные подходы к имитационному моделированию.

1.8.1. Агентное моделирование.

1.8.2. Дискретно-событийный подход.

1.8.3. Системная динамика.

Выводы и результаты по главе.

2. АНАЛИЗ СУЩЕСТВУЮЩИХ ПРОГРАММНЫХ СРЕДСТВ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ.

2.1. Программные средства имитационного моделирования.

2.1.1. AnyLogic by XJ Technologies.

2.1.2. GPSS by Minuteman Software.

2.1.3. Arena Simulation Software by Rockwell Automation.

2.1.4. SCADA-системы.

2.1.5. VisSim by Visual Solutions.

2.1.6. 20-sim by Controlab Products В. V.

2.1.7. Dymola by Dassault Systèmes AB.

2.1.8. Omola by M. Andersson.

2.1.9. COMNET III by CACI Products.

2.1.10. SIMNET II by Hamdy A. Taha.

2.1.11. AutoMod by Brooks-PRI Automation.

2.1.12. MedModel by PROMODEL Corporation.

2.1.13. Vensim by Ventana Systems.

2.1.14.Powersimby Powersim Software AS.

2.1.15.Ascape by The Brookings Institution.

2.1.16.The RePast Suite.

2.1.17.CSIM by Mesquite Software.

2.1.18.Extend by Imagine That.

2.1.19.SIMUL8.

2.1.20.SimPy by SimPy Developer Team.

2.2. Программные средства имитационного моделирования в российской высшей школе.

2.2.1. Инструментальный комплекс СИМПР-WINDOWS.

2.2.2. Среда имитационного моделирования РДО.

Выводы и результаты по главе.

3. МОДЕЛЬ ДИСКРЕТНО-СОБЫТИЙНОГО ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ НА ОСНОВЕ РЕШАЮЩИХ ГРАФОВ.

3.1. Понятие решающего графа и его использование в имитационном моделировании.

3.2. Формальное представление.

3.3. Полнота, неоднозначность и эквивалентность решающих графов.

3.4. Утверждение (о сводимости многодольных моделей).

Выводы и результаты по главе.

4. ПРОГРАММНОЕ СРЕДСТВО «G-IPS ULTIMATE».

4.1. Общие сведения о программных разработках.

4.2. История развития комплекса G-IPS Ultímate.

4.3. Программное средство G-IPS Ultímate.

4.3.1. Требование к программе.

4.4. Реализация.

4.4.1. Структура проекта.

4.4.2. Графический интерфейс G-IPS Ultimate.

4.4.3. Структуры данных в G-IPS Ultimate.

4.4.4. API Gipsinclude.Ill

4.4.5. API GipsHostPlugins.

4.4.6. Функциональное наполнение.

4.4.7. Объемные характеристики G-IPS Ultimate.

4.5. Примеры использования G-IPS Ultimate.

4.5.1. Пример реализации в G-IPS Ultimate алгоритма поиска цепей заданной длины в графе.

4.5.2. Пример реализации логики игры в G-IPS Ultimate.

4.5.3. Пример моделирования бизнес-процесса работы приёмного отделения медицинского центра.

4.6. Тестирование комплекса G-IPS Ultimate.

4.6.1. Постановка эксперимента.

Результаты по главе.

Введение диссертации (часть автореферата) на тему «Исследование и реализация систем дискретно-событийного имитационного моделирования на основе графовых моделей»

Тема работы

Исследование и реализация систем дискретно-событийного имитационного моделирования на основе графовых моделей. Объект работы

Модели дискретно-событийного имитационного моделирования, базы знаний на их основе. Предмет работы

Создание и интерпретация моделей поведения дискретных систем, эффективное манипулирование моделями.

Актуальность темы работы

Имитационное моделирование является мощным инструментом исследования поведения реальных систем. Методы имитационного моделирования позволяют собрать необходимую информацию о поведении системы путем создания её математической модели и последующего имитационного эксперимента. Эта информация используется затем для проектирования системы.

Современное имитационное моделирование применяется в основном для исследования ситуаций и систем, которые можно описать как системы массового обслуживания. Это не ограничивает применение имитационного моделирования, поскольку на практике любую ситуацию исследования операций или принятия решений можно в той или иной мере рассматривать как систему массового обслуживания. По этой причине методы имитационного моделирования находят широкое применение в задачах, возникающих в процессе создания систем массового обслуживания, систем связи; в экономических и коммерческих задачах, включая оценки поведения потребителя, определение цен, экономическое прогнозирование деятельности фирм; в социальных и социально-психометрических задачах; в задачах анализа военных стратегий и тактик; в задачах дорожного движения, логистики, динамики экосистем, социальных сетей и многого другого [1].

В перечисленных выше областях одна из главных проблем создания имитационных моделей - выбор способа представления знаний, описывающих правила поведения системы. Адекватный выбор способа представления знаний минимизирует трудозатраты на создание модели и эффективность её дальнейшего использования.

В данной работе проводится анализ различных способов представления знаний, анализ их преимуществ и недостатков, предлагается авторский вариант представления знаний на основе графовых моделей.

Цель работы

Цель диссертационной работы - исследование современных средств имитационного моделирования и моделей представления экспертных знаний, разработка программного комплекса для дискретно-событийного имитационного моделирования на основе графовых моделей.

Решаемые задачи

Для достижения поставленной цели в работе решаются следующие задачи.

1. Исследование подходов к имитационному моделированию, моделей представления знаний и современных программных средств имитационного моделирования, выявление их достоинств и недостатков.

2. Разработка авторской модели представления знаний, позволяющей охватить широкий круг как прикладных, так и учебных задач.

3. Реализация разработанной модели в виде программных библиотек общего назначения.

4. Создание на основе библиотек прикладного программного комплекса G-IPS Ultimate.

5. Исследование разработанных алгоритмов и их реализаций, заключающееся в доказательстве корректности, установлении границ применимости.

6. Применение программного комплекса G-IPS Ultimate для получения теоретических и прикладных результатов, использование в учебном процессе.

Научная новизна

Новыми научными результатами работы являются следующие.

1. Предложена оригинальная математическая модель, формализующая представление экспертных знаний для имитационного моделирования систем в дискретном времени. Она представляет собой набор графовых моделей (наглядных решающих графов), обобщает подход на основе продукционных правил и позволяет охватить широкий спектр прикладных и учебных задач.

2. Предложенная модель реализована в виде алгоритмов и программных библиотек, позволяющих создавать и верифицировать имитационные модели, интерпретировать и анализировать результаты прогона этих моделей, визуализировать процесс имитации.

3. Создан программный комплекс имитационного моделирования G-IPS Ultimate, прошедший апробацию, подтверждена корректность и функциональная полнота разработанного программного обеспечения.

Практическая полезность

Результаты работы (в особенности, разработанные прикладные программные комплексы) могут быть использованы при решении ряда задач экономики, планирования, логистики, проектирования систем массового обслуживания. Помимо вышеназванных, важным направлением использования разработанных программных средств является моделирование алгоритмов структурной информатики с использованием методов параллельных вычислений.

Оригинальный способ представления знаний позволяет строить наглядные модели сложных систем из различных областей науки и техники. Такие модели могут использоваться для построения тренажеров (симуляторов), с помощью которых можно обучать оперативно-диспетчерский персонал.

Комплекс G-IPS Ultimate внедрён в учебный процесс для студентов в качестве лабораторного практикума по таким дисциплинам как: • исследование операций и принятие решений,

• экспертные системы,

• интеллектуальные системы и др.

А так же планируется внедрение в учебный процесс по курсам:

• теории игр,

• имитационного моделирования.

Методы исследований и достоверность результатов

Задачи, поставленные в работе, решаются с помощью методов теории множеств, алгебры, теории графов, теории вероятности и математической статистики, анализа и построения эффективных алгоритмов и др.

Достоверность результатов подтверждается как теоретически - исходя из свойств математической формализации модели, так и эмпирически с помощью объемных вычислительных экспериментов.

Апробация работы

Основные положения и результаты диссертации докладывались и обсуждались на 13 международной научно-технической конференции студентов и аспирантов «РАДИОЭЛЕКТРОНИКА, ЭЛЕКТРОТЕХНИКА И ЭНЕРГЕТИКА» (г. Москва, 2007г.), научно-практической конференции студентов, аспирантов, молодых ученых и специалистов: «Интегрированные модели, мягкие вычисления, вероятностные системы и комплексы программ в искусственном интеллекте» (г. Коломна, 2009г), на научных семинарах РГСУ и НИУ ВШЭ.

Личный вклад диссертанта

Работа продолжает развитие методов имитационного моделирования систем. Личный вклад диссертанта состоит в разработке оригинального метода представления модификации продукционных правил и программной реализации алгоритмов интерпретации этих моделей, а так же в создании программных средств, позволяющего выполнять весь необходимый спектр задач, связанных с моделированием систем.

Публикации

Основные результаты, полученные в процессе выполнения диссертационной работы, опубликованы в статьях [2, 3, 4, 5, 6], трудах [7] и тезисах конференций [8].

Содержание работы по главам

Диссертация состоит из введения, четырёх глав, заключения, списка литературы (117 наименований) и трёх приложений.

Заключение диссертации по теме «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», Карпухин, Илья Николаевич

Выводы и результаты по главе

В данной главе предложена и формализована модель представления экспертных знаний в виде решающих графов, в основе которых лежит модификация модели продукционных правил. Данная модель представляется (и строится) в виде графовых моделей особой топологии. Использование графов для представления знаний даёт следующие преимущества:

• интуитивная наглядность процесса принятия решений;

• возможность описывать различные компоненты системы на разном уровне абстракции;

• возможность легко строить и модифицировать уже существующие модели;

• возможность распараллеливать различные этапы принятия решений;

• возможность автоматически преобразовывать модель в более эффективную (по скорости принятия решений) без изменения системы правил (на основе утверждения о сведении моделей) и др.

Математическая формализация решающих графов и функции интерпретации позволяют варьировать различные аспекты процесса принятия решений (например, при условии неоднозначности принятия решений, выполнение действий может быть параллельным или может быть определён специальный порядок выполнения).

Для поддержки всех этапов моделирования (построение модели, верификации, валидации, интерпретации, визуализации и анализа интерпретации) на основе исследования, проведённого в главе 2, разработаны алгоритмы обработки представленной модели. Сами алгоритмы и их реализации в виде программных библиотек описаны в следующей главе.

4. ПРОГРАММНОЕ СРЕДСТВО «G-IPS ULTIMATE»

4.1. Общие сведения о программных разработках

Целью программных разработок являлось получение комплекса для дискретно-событийного имитационного моделирования в дискретном времени на основе модели, представленной в главе 2, содержащего инструменты для поддержки всех этапов имитационного эксперимента.

При выполнении диссертационного исследования разработано следующее программное обеспечение.

1. Программный комплекс G-IPS Ultimate, поддерживающий такие режимы работы как: a) создание и редактирование моделей, представленных решающими графами; b) тестирование и прояснение внутренней логики модели (режим клари-фикации); c) режим тестовой имитации с остановкой после каждого шага имитации; d) режим рабочей имитации с демонстрацией динамики процесса; e) режим демонстрации ранее проведённой имитации.

2. Интерфейсы к комплексу G-IPS Ultimate: a) интерфейс для подключения внешних ¿///-модулей, реализующих взаимодействие конкретной модели со внешней средой; b) интерфейс для подключения ¿///-модулей, расширяющих функциональное наполнение комплекса G-IPS Ultimate, например, генераторов, ва-лидаторов моделей и т.п.

3. Тестовые примеры, демонстрирующие применение G-IPS Ultimate к различным задачам: a) программный модуль, иллюстрирующий решение задачи поиска цепей заданной длины на графе; b) программный модуль, поддерживающий решение игровой ситуации.

4.2. История развития комплекса G-IPS Ultimate

В рамках диссертационного исследования создано несколько версий программного обеспечения.

Первая версия G-IPS (G-IPS 1.0) была разработана в 2007 году в рамках курсового проекта по курсу «Экспертные системы» под руководством доцента Незнанова A.A. в МЭИ ТУ (сейчас, НИУ МЭИ) на кафедре прикладной математики. Данная версия продукта была подсистемой автоматизированной системы научных исследований «GraphModel Workshop» (разработчики: Кохов В.А., Тка-ченко C.B., Незнанов A.A.), далее, GMW. G-IPS 1.0 подключался к АСНИ GMW через низкоуровневый API Grin. В роли редактора моделей выступала сама АСНИ GMW, позволяющая создавать собственные стили моделей с соответствующим набором весов (пример см. на рис. 4.1).

С-1РБ 1.0 запрашивало эти модели для дальнейшей обработки из (7МЖ. Данное ПО позиционировалось как программное средство учебного назначения (далее ПСУН) и поддерживало работу только с трёхдольными не стохастическими моделями (см. рис. 4.2). Областью значений датчиков в той версии ПО была булева алгебра.

Рис. 4.1 Пример решающего графа для G-IPS 1.0

Рис. 4.2 Главное окно С-1Р8 1.0

Расширение С-1РБ 1.0 имело следующие характеристики (таблица 4.1).

ЗАКЛЮЧЕНИЕ

Целью диссертации являлось создание программного средства имитационного моделирования в дискретном времени для решения широкого класса научных, учебных и прикладных задач.

1. В результате выполненной работы получены следующие результаты:

2. Исследованы модели представления знаний, представления времени и подходы к имитационному моделированию (дискретно-событийный, системно-динамический и агентный). Проанализированы достоинства, недостатки и области применения рассмотренных моделей, представлений и подходов. Показана значимость разработок в области дискретно-событийного моделирования.

3. Предложена оригинальная модель представления экспертных знаний в виде системы решающих графов на основе продукционных правил. Доказаны основные свойства модели, используемые при последующей программной реализации (полнота, неоднозначность, сводимость).

4. Выполнен сравнительный анализ более 20 наиболее распространённых инструментов имитационного моделирования с целью определения места разрабатываемого программного средства среди уже существующих. Представлены такие характеристики продуктов, как стоимость, платформа, возможности, предметная ориентированность, функциональные возможности и ограничения. Также рассмотрены программные средства имитационного моделирования, используемые в учебном процессе в российской высшей школе. На основе проведённого анализа выявлены достоинства и недостатки существующих средств имитационного моделирования.

5. На основе модели, рассмотренной во третьей главе, разработаны оригинальные программные средства, поддерживающие все необходимые этапы имитационного эксперимента: построение модели, верификация модели, имитация, визуализация, анализ результатов имитации.

6. Создан оригинальный программный комплекс G-IPS Ultimate, поддерживающий визуальное проектирование имитационных моделей в виде решающих графов. Ядро комплекса G-IPS Ultimate реализовано в среде CodeGear Rad Studio 2007, объём авторского исходного кода составляет более 10000 строк авторского кода объёмом более 230 Кб, размер скомпилированного модуля - 2.3 Мб.

7. В работе приведены примеры разработок с использованием комплекса G-IPS Ultimate. Тестирование комплекса проводилось как с помощью объёмных вычислительных экспериментов на конструктивно перечисленных классах решающих графов (299943 пары решающих графов), так и на синтетических и реальных примерах: реализации алгоритма решения ¿VP-трудной задачи поиска топологических индексов графов в базисах цепей, реализации игры «РасМап», имитации принятия решений в работе приёмного отделения медицинского центра и др.

8. К настоящему моменту разработанный программный комплекс внедрён ФГБУ «ФНКЦ ДГОИ им. Дмитрия Рогачева» министерства здравоохранения РФ для моделировании бизнес-процессов, а также в учебный процесс РГСУ.

Список литературы диссертационного исследования кандидат технических наук Карпухин, Илья Николаевич, 2013 год

1. Taxa Хемди А. Введение в исследование операций = Operations Research: An Introduction, 7th изд. M. : Вильяме, 2007.

2. Karpukhin I. N., Korablin Yu. P., Neznanov A. A. The Models of Time in Simulation / Automatic Documentation and Mathematical Linguistics, № 3, стр. 133-137,2012.

3. Карпухин И. H. , Незнанов A. A. Системы имитационного моделирования учебного назначения в российской высшей школе / Современные проблемы информационной безопасности и программной инженерии, стр. 132-142, Октябрь 2011.

4. Карпухин И. Н., Кораблин Ю. П., Незнанов А. А. Модели времени в имитационном моделировании / Научно-Техническая Информация/ Серия 2 / Информационные процессы и системы, № 5, стр. 16-21, Май 2012.

5. Карпухин И. Н., Кораблин Ю. П., Незнанов А. А. Программное средство для имитационного моделирования с помощью графовых моделей / Программные продукты и системы, № 2 (98), стр. 156-158, 2012.

6. Карпухин И. Н., Яркин С. В., Кохов В. А. Генераторы средних по сложности структур для исследования базовых алгоритмов структурнойинформатики / Радиоэлектроника, электротехника и энергетика, Т. 1, стр. 367-368, 1-2 марта 2007.

7. Томашевский В. , Жданова Е. Имитационное моделирование в среде GPSS. М. : Бестселлер, 2003. - 416 с.

8. Свободная энциклопедия ВикипедиЯ. Электронный ресурс., http://ru.wikipedia.0rg/wiki/HMHTauHQHH0eM0fleflHp0BaHHe, (дата обращения^ 1.08.2012)

9. И. John A. Sokolowski Catherine М. Banks. Principles of modeling and simulation: multidisciplinary approach. New Jersey : A JOHN WILEY & SONS, 2009.

10. Сидоренко В. H. , Красносельский А. В. Имитационное моделирование в науке и бизнесе: подходы, инструменты, применение / Бизнес-информатика, № №2 (08), стр. 52-57, 2009.

11. Chung Chris. A. Simulation Modeling handbook. A Practical Approach. Boca Raton, USA : CRC Press, 2004. - 574 c.

12. Brito A. V. Dynamic Modelling. Vukovar, Croatia : Intech, 2010. - 290 c.

13. Banks J. Handbook of Simulation. New York, USA : John Wiley & Sons, inc, 1998. - 849 c.

14. Лычкина H. H. Имитационное моделирование экономических процессов. -М. : Академия АйТи, 2005. 164 с.

15. Емельянов А. А., Власова Е. А., Дума Р. В. Имитационное моделирование экономических процессов. М. : Финансы и статистика, 2002. - 368 с.

16. Рыжиков Ю. И. Имитационное моделирования систем массового обслуживания. JI. : ВИККИ им. А.Ф. Можайского, 1991. - 111 с.

17. Коткин Г. JL , Черкасский В. С. Компьютерное моделирование физических процессов с использованием MatLab. Новосибирск, Россия : Новосиб. ун-т, 2001. - 173 с.

18. Коробейников А. В. Имитационное моделирование по данным археологии. -Ижевск, Россия : НОУ КИГИГ, 2006. 116 с.

19. Гультяев А. К. Matlab 5.2. Имитационное моделирование в среде Windows: практическое пособие. -.

20. Снетков H. Н. Имитационное моделирование экономических процессов. -Москва, Россия : центр ЕАОИ, 2008. 228 с.

21. Cakaj Sh.; Zeliko Debeljuh. Modeling, Simulation and Optimization. Focus on Applications. Vikovar, Croatia : In-Teh, 2010. - 312 c.

22. Шеннон Р. Имитационное моделирование систем искусство и наука. - М. : Мир, 1978.

23. Isken Mark Computer simulation in Management Engineering. / Management Engineering, № Chicago: Healthcare Information and Management Systems Society, стр. 179-196, 2001.

24. Моисеев H. H. Математические задачи системного анализа. M., Россия : Наука, 1981.-400 с.

25. Аристов С. А. Имитационное моделирование экономических процессов. -Екатеринбург, Россия : Урал. гос. экон. ун-та, 2004. 121 с.

26. Астахов А. В. Автореферат Астахов АВ Распределенное моделирование задач оптимизации компьютерных сетей на вычислительном кластере. Электронный ресурс., http://www.masters.donntu.edu.ua/2008/fVti/astakhov/diss/index.htm, (дата обращения: 1.Август.2012)

27. Авдулов П. В., Гойзман Э. И., Кутузов В. А. Экономико-математические методы и модели для руководителя. М., Россия : Экономика, 1984. - 232 с.

28. Хохлов А. Р., Рабинович A. JL, Иванов В. А. Методы компьютерного моделирования для исследования полимеров и биополимеров. М., Россия : Книжный дом «ЛИБРОКОМ», 2009. - 696 с.

29. Алтаев А. А. Имитационное моделирование на языке GPSS. Улан-Удэ, Россия : ВСГТУ, 2002. - 122 с.

30. Altiok Т. , Melamed В. Simulation modeling and analysis with ARENA.

31. Burlington, USA : Elsevier Inc., 2007. 440 c.

32. Bennett B. S. Simulation Fundamentals. London, UK : Prentice Hall, 1995. - 329 c.

33. Sokolowski J. A. , Banks С. M. Modeling and simulation fundamentals. Theoretical Underpinnings and Practical Domains. New Jersey, USA : A John Wiley & Sons, 2010.-437 c.

34. Sokolowski John A. , Banks Catherine M. Principles of modeling and simulation: multidisciplinary approach. New Jersey : A JOHN WILEY & SONS, 2009.

35. Kwan Нее Han Programmable Logic Controller // Object-Oriented Modeling, Simulation and Automatic Generation of PLC Ladder Logic, 2010.

36. Былкин В. Д., Дубинин В. Н., Глебова Т. А., Коновалова И. И. Основы построения и функционирования интеллектуальных информационных систем: Учебное пособие. Пенза, Россия : ПТУ АС, 2007. - 207 с.

37. Davis R., Shrobe Н., Szolovits P. What Is a Knowledge Representation? / AI MAGAZINE, № SPRING, стр. 17-33, 1993.

38. Капитонова Ю. В., Кривой С. JL, Летичевский А. А., Луцкий Г. М. Лекции по дискретной математике. СПб., Россия : БХВ-Петербург, 2004. -624 с.

39. Солдатова О. П. , Лёзина И. В. Логическое программирование на языке Visual Prolog. Самара, Россия : СНЦРАН, 2010. - 81 с.

40. Белоусов А. И. , Ткачев С. Б.; В. С. Зарубина ,А. П. Крищенко. Дискретная математика: Учеб. для вузов, 3rd изд. М., Россия : Изд-во МГТУ им. Н.Э. Баумана, 2004. - 744 с.

41. Тельнов Ю. Ф. Интеллектуальные информационные системы. -, 2004.

42. Курбатов С. С., Найденова К. А., Хахалин Г. К. Интегрирование интеллектуальных систем анализа/синтеза изображений и текста: контуры проекта INTEGRO / Open Semantic Technologies for Intelligent Systems, стр.213.232,2011.

43. Shapiro S. С. Knowledge Representation / Knowledge Representation, стр. 671680.

44. Коробова И. JI. Методы представления знаний. Тамбов, Россия : ТГТУ, 2003. - 16 с.

45. Чанышев О. Г. Курс лекций "Введение в ИИ." Часть I. От психофизиологической проблемы до экспертных систем. Электронный ресурс., http://slava.fateback.com/work/docs/ai, (дата обращения: 12.август.2012)

46. Гаврилова Т. А. , Хорошевский В. Ф. Базы знаний интеллектуальных систем: Учебник для вузов. СПб., Россия : Питер, 2000. - 384 с.

47. Скрэгг Г. Семантические сети как модели памяти / Новое в зарубежной лингвистике, № 12, стр. 228-271, 1983.

48. Тулупьев A. JL, Николенко С. И., Сироткин А. В. Байесовские сети: Логико-вероятностный подход. СПб., Россия : НАУКА, 2006. - 607 с.

49. Гончаров М. Байесовские сети. Электронный ресурс., http://www.businessdataanalYtics.ru/download/BayesianNetworks.pdf, (дата обращения: 16 .август. 2012)

50. Minsky М. A Framework for Representing Knowledge. N.Y., 1974. - 306 с.

51. Кандрашина Е. Ю., Литвинцева Л. В., Поспелов Д. А.; Поспелов Д.А. Представление знаний о времени и пространстве в интеллектуальных системах. М., Россия : Наука, 1989. - 328 с.

52. Круглов В. В. , Борисов В. В. Искусственные нейронные сети. Теория и практика., 2nd изд. М., Россия : Телеком, 2002. - 382 с.

53. Галушкин А. И. Теория нейронных сетей. Кн. 1: Учеб. пособия для вузов. -М., Россия : ИПРЖР, 2000. 416 с.

54. Комашинский В. И. , Смирнов Д. А. Нейронные сети и их применение в системах управления и связи. М., Россия : Горячая линия—Телеком, 2003.94 с.

55. Рутковская Д., Пилиньский М., Рутковский JI. Нейронные сети, генетические алгоритмы и нечёткие системы: Пер. с польск. И.Д. Рудинского. М., Россия : Горячая-линия - Телеком, 2006. - 452 с.

56. Емельянов В. В., Курейчик В. В., Курейчик В. М. Теория и практика эволюционного моделирования. М., Россия : ФИЗМАТ ЛИТ, 2003. - 432 с.

57. Тарасов В. Б. Агенты, Многоагентные системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте /.

58. Gheorghe Luiza. Continuous/Discrete Co-simulation interfaces from formalization to implementation. Montreal: Polytechnique de Montreal, 2009.

59. Wainer G. A. , Mosterman P. J. Discrete-event modeling and simulation. New York, USA : CRC Press, 2011. - 493 c.

60. Форрестер Д. Мировая динамика: Пер. с англ. М., Россия : ООО "Издательство ACT", 2003. - 379 с.

61. Карпов Ю. Имитационное моделирование систем. Введение в моделирование с AnyLogic 5. Санкт-Петербург, Россия : БХВ-Петербург, 2005. - 400 с.

62. Алиев Т. И. Основы моделирования дискретных систем. Учебное пособие. -СПб., Россия : СПбГУ ИТМО, 2009. 363 с.

63. Takus D. А. , Profozich D. М. Arena Software Tutorial / Winter Simulation Conference, 1997.

64. Имитационное моделирование с Arena. Электронный ресурс., http://www.interface.ru/sysmod/arl.htm, (дата обращения:20.август.2012)

65. Локотков А. Что должна уметь SCADA / Программное обеспечение. Инструментальные системы., № 3, стр. 44-46, 1998.

66. SCADA Свободная энциклопедия ВикипедиЯ. Электронный ресурс., http://ru.wikipedia.org/wiki/SCADA, (дата обращения:1.Август.2012)

67. Волович Г. Моделирование однотактных DC/DC-преобразователей в пакете

68. VisSim / Современная электроника, № 3, стр. 56-61, 2005.

69. Kleijn С., Groothuis М. A. Getting Started with 20-sim 4.2. -, 2011. 137 с.

70. Bruek D., Elmqvist H., Olsson H., Mattson S. E. Dymola for Multi-Engineering Modeling and Simulation / The Second International Modelica Conference, стр. 55-1 55-8, March 2002.

71. Andersson M. Omola An Object-Oriented Language for Model Representation. - Sweden : Department of Automatic Control Lund Institute of Technology, 1990. -102 c.

72. CACI. (1996) COMNET Ш. Planning for Network Managers.

73. Замятина О. M. Моделирование сетей: учебное пособие. Томск : Издетельство Томского политехнического университета, 2011. - 168 с.

74. Taha Н. A. Introduction to SIMNET v2.0 / Proceedings of the 1988 Winter Simulation Conference, стр. 93-101, 1988.

75. Rohrer M. W., McGregor I. W. SIMULATING REALITY USING AUTOMOD / Proceedings of the 2002 Winter Simulation Conference, стр. 173-181, 2002.

76. Denney S. H. MedModel Healthcare Simulation Software / Proceedings of the 1997 Winter Simulation Conference, стр. 581-586, 1997.

77. Сидоренко В. H. Системно-динамическое моделирование в среде POWERSIM: справочник по интерфейсу и функциям. М., Россия : МАКС-ПРЕСС, 2001.- 159 с.

78. Centola D. The Ascape Model Developer's Manual. -, 2002. 101 c.

79. Collier N. Repast HPC Manual.

80. Mesquite Software. User's Guide CSIM19 Simulation Engine (С++ Version).

81. Rivera J. Modeling With Extend / Proceedings of the 1997 Winter Simulation Conference, стр. 674-679, 1997.

82. Concannon K., Elder M., Hindle K., Tremble J., Tse S. Simulation Modeling with SIMUL8. -: VISUAL8 Simulation Solution, 2007. -415 c.

83. Еремеев А. П. Чибизова H. В. MPEI. Электронный ресурс.,http://www.mpei.ru/lang/rus/main/aboutuniversity/science/projects/project 60.pdf

84. Виноградов О.В. Построение матриц и функций различимости правил в таблицах решений на основе теории приближенных множеств // МИФИ-2007. Сборник научных трудов в 17 тт., № Т.З, 2007

85. Кохов В. А., Незнанов А. А., Ткаченко С. В. Решение базовых задач структурной информатики с помощью 111111 "Полигон-Стрин". М., Россия : Издательство МЭИ, 2005. - 120 с.

86. Строгалев В. П. , Толкачева И. О. Имитационное моделирование. М. : МГТУ им. Баумана, 2008.

87. Советов Б. Я., Яковлев С. А. Моделирование систем. М. : Высшая школа, 1998. - 320 с.

88. Рыжиков Ю. И. Имитационное моделирование. Теория и технологии. М. : Альтекс, 2004. - 384 с.

89. Рассел Стюарт Норвиг Питер. Искусственный интеллект: современный подход, 2-е изд. М. : Издательский дом Вильяме, 2006. - 1408 с.

90. Поспелов Д. А. Логико-лингвистические модели в системах управления и искусственного интеллекта. М. : Наука, 1981.

91. Поспелов Д. А. Интеллектуальные системы (МГУ) // Десять "горячих точек" в исследованиях по искусственному интеллекту., Т. 1, вып. 1-4.- М., 1996.

92. Попов Э. В., Фоминых И. Б., Кисель Е. Б., Шапот М. Д. Статические и динамические экспертные системы. М. : Финансы и статистика, 1996. - 320 с.

93. Павловский Ю. Н., Белотелов Н. В., Бродский Ю. И. Имитационное моделирование. М. : Издательский центр "Академия", 2008. - 240 с.

94. МГТУ им. Баумана. КАО-БШёю. Электронный ресурс., http://rdo.rk9.bmstu.ru/

95. Люгер Ф. Искусственный интеллект: методы и решения сложных проблем. -М. : Вильяме, 2003. 864 с.

96. Кобелев Н. Б. Основы имитационного моделирования сложных экономических систем. М. : Дело, 2003.

97. Климов Г. П. Стохастические системы обслуживания. М. : Наука, Физмат, 1968.-243 с.

98. Касьянов В. Н. , Евстигнеев В. А. Графы в прогрммировании: обработка, визуализация и применение. СПб. : БХВ-Петербург, 2003. - 1104 с.

99. Еремеев А. П. Продукционная модель представления знаний на базе языка таблиц решений // Известия АН СССР. Техн. кибернетика, № №2, 1987

100. Джексон П. Введение в экспертные системы. М. : Издательский дом "Вильяме", 2001.-624 с.

101. Городецкий В. И., Грушинский М. С., Хабалов А. В. Многоагентные системы /.

102. Гаврилов С., Малышкова А., Плесневич Г. КИИ 2002, Труды конференции в 2 т. // Бинарная модель данных и знаний. М., 2002.

103. Вагин В. Н. Еремеев А. П. Некоторые базовые принципы построения интеллектуальных систем поддержки принятия решений реального времени // Известия РАН. Теория и системы управления, № №6, 2001

104. Блюмин С.Л. Шуйкова И.А. Модели и методы принятия решений в условиях неопределенности. Липецк : ЛЭГИ, 2001. - 138 с.

105. Башлыков А. А. Еремеев А. П. Экспертная диагностическая система как компонент интеллектуальной системы поддержки принятия решений реального времени. // Новости искусственного интеллекта, 2001

106. Афанасьев М. Ю., Багриновский К. А., Матюшок В.М. Прикладные задачи исследования операций. М. : ИНФРА-М, 2006. - 352 с.

107. Law Averill. Simulation Modeling and Analysis with Expertfit Software, 4th изд. -: McGraw-Hill Science/Engineering/Math;, 2006. 792 c.

108. Бусленко H. П. Моделирование сложных систем. Москва, СССР : Наука, 1968.-356 с.

109. ПО.Колесов Ю. Б. Объектн-ориентированное моделирование сложных динамических систем. СПб., Россия : СПбГПУ, 2004. - 240 с.

110. Сениченков Ю. Б. Численное моделирование гибридных систем. СПб., Россия : Политехи, ун-т, 2004. - 206 с.

111. Hochney R. W., EastWood J. W. Computer Simulation Using Particles. USA : Adam Hilger, 1988. - 523 c.

112. Perros H. Computer Simulation Techniques: The definitive introduction! USA, 2009.- 177 c.

113. Шеннон К. Работы по теории информации и кибернетике. М. : Издательство иностранной литературы, 1963. - 832 с.

114. Касьянов В.Н. , Евстигнеев В.А. Графы в программировании: обработка, визуализация и применение. СПб. : БХВ-Петербург, 2003. - 1104 с.

115. Пб.Ахо А., Хопкрофт Дж., Ульман Дж. Структуры данных и алгоритмы. -Москва : Вильяме, 2000.

116. Bertalanffy L. General System Theory: Foundations, Development, Applications. New York : George Braziller, 1969. - 296 c.