Математическое моделирование систем управления информационными структурами с использованием принципов построения экспертных систем тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Картавцев, Дмитрий Владимирович

• Картавцев, Дмитрий Владимирович
• кандидат технических наук
• 2006

Оглавление диссертации кандидат технических наук Картавцев, Дмитрий Владимирович

Содержание.

Введение.

Глава 1. Использование методов теории экспертных систем для моделирования систем управления в области информационных технологий.

1.1 Развитие и недостатки информационных технологий на современном этапе.

• 1.2 Возможности использования принципов построения экспертных систем для управления информационными структурами.

1.3 Постановка цели и задач исследования.

Глава 2. Разработка функциональной модели системы управления информационными структурами на основе принципов построения экспертных систем.

2.1 Использование элементов теории массового обслуживания для моделирования компьютерной системы централизованного доступа к информационным ресурсам.

2.2 Разработка структуры и функциональной схемы серверной части компьютерной системы централизованного доступа к информационным ресурсам.

2.3 Разработка структуры и функциональной схемы системы управления информационной структурой на базе принципов построения экспертных систем.

•в 2.4 Алгоритм оптимизации распределения приоритетов обработки запросов.

Глава 3. Разработка обобщенной математической модели интерпретатора системы управления информационными структурами.

3.1 Моделирование стохастических сетей.

3.1.1 Использование методов регрессионного анализа при построении интерпретатора экспертной системы. ф 3.1.2 Категорирование данных, построение стохастической сети.

3.1.3 Применение коэффициента корреляции для автоматизации выявления стохастических связей.

3.1.4 Циклы в стохастической сети.

3.2 Разработка математической модели для решения задач прогнозирования на стохастической сети.

3.2.1 Использование методов регрессионного анализа для решения задач прогнозирования.

3.2.2 Алгоритм решения задачи прогнозирования для двух стохастически связанных процессов.

3.3 Моделирование инерционных зависимостей с использованием методов анализа распределенных лагов.

3.3.1 Применение методов анализа распределенных лагов для решения задач управления.

3.3.2 Нахождение лаговой функции по заданным выборкам двух процессов.

Глава 4. Экспериментальная проверка эффективности предложенных алгоритмов.

4.1 Программное обеспечение, использующееся при проведении экспериментов.

4.2 Экспериментальное исследование процессов, протекающих в серверной части информационной системы.

4.3 Выявление зависимости времени обработки запроса от его приоритета.

4.4 Формализация многокритериальной регрессионной модели.

Введение диссертации (часть автореферата) на тему «Математическое моделирование систем управления информационными структурами с использованием принципов построения экспертных систем»

Актуальность темы

В настоящее время одной из самых перспективных областей в развитии технических систем самого различного назначения является разработка и внедрение современных информационных технологий [8, 21, 34]. Темпы развития сетевых информационных технологий связаны с появлением все более производительной и компактной цифровой и компьютерной техники. Новые возможности открываются при конфигурировании локальных сетей различного назначения. Использование ресурсов глобальных сетей (INTER3STET, Fido, ведомственных сетей) становится все более доступным и интегрированным в процесс работы с компьютерной техникой.

Информационные технологии, функционирующие в вычислительных сетях, становятся все более сложными и «интеллектуальными» и могут в некоторой степени составлять конкуренцию биологическим системам. Такие технологии в настоящий момент находят самое широкое применение в различных областях человеческой жизнедеятельности.

Поскольку процесс управления современной информационной системой носит сложноформализованный характер, становятся актуальными вопросы разработки систем управления и экспертных систем в области управления информационными технологиями, функционирующими в рамках компьютерных сетей. Для решения сложноформализованных задач, как правило, используются методы моделирования экспертных систем. Экспертные системы (ЭС) находят свое применение в тех областях, где процесс принятия решения не может быть подчинен «жесткому» алгоритму, или не может рассчитываться по заданным формулам, и в то же время к принятию решения предъявляются требования оперативности. Общей особенностью всех экспертных систем является «интеллектуальность», под которой принято понимать способность системы к обучению в той или иной форме.

Важнейшим элементом любой экспертной системы является интерпретатор, в основе которого могут лежать различные математические методы, - блок, решающий на основе имеющихся в системе знаний предъявленную ему задачу.

В настоящее время теория экспертных систем изучена достаточно хорошо [15, 22, 23, 32, 54, 55, 57, 63, 69, 70, 81, 91, 92, 101, 113, 121, 127,' 131, 142-147], однако ранее основное внимание уделялось т.н. системам первого поколения, интерпретатор которых строится на базе методов искусственного интеллекта, к ним относятся методы, основанные на использовании продукционных правил, нейронных систем, имитационные методы и т.п. Однако, несмотря на быстрые темпы роста быстродействия и объемов памяти компьютерной техники, «интеллектуальность» таких систем на сегодняшний день серьезно ограничена аппаратной частью. Это делает невозможным создание мощных экспертных систем на базе современных персональных компьютеров.

В последнее время возрос интерес к экспертным системам, интерпретатор которых имеет в своей основе классические методы, в первую очередь - теории вероятностей и математической статистики. Исследования показали [70, 139, 146], что эффективным средством преодоления проблемы ограниченности ресурсов аппаратной части является использование в модели вероятностного аппарата.

Все вышеизложенное говорит об актуальности исследований в области экспертных систем и систем управления сложными информационными структурами, функционирующими в условиях современной компьютерной техники и сетевых телекоммуникационных технологий (в первую очередь - систем типа «клиент-сервер»), с применением классических методов теории экспертных систем, систем автоматизированного управления, а также теории телетрафика.

Разработка таких систем призвана уменьшить выявленные в течение последних лет недостатки, присущие известным функционирующим информационным системам.

Решение данной задачи предполагает не только использование современного математического аппарата, но и конструирование новых моделей, синтез алгоритмов, а также их апробацию с помощью программных средств.

Цель и задачи работы

Целью диссертационного исследования является математическое моделирование систем управления информационными структурами, функционирующими в вычислительных сетях, разработка комплекса функциональных, математических и программных моделей таких систем с использованием принципов построения экспертных систем.

Для достижения цели работы возникла необходимость в решении следующих основных научных задач:

- обоснование целесообразности использования методов теории экспертных систем для моделирования систем управления в области информационных технологий;

- разработка функциональной модели системы управления информационными структурами, функционирующими в вычислительных сетях, с использованием принципов построения экспертных систем;

- разработка обобщенной математической модели интерпретатора системы управления информационными структурами на основе методов регрессионного анализа;

- разработка частной математической модели компьютерной системы удаленного доступа к информационным ресурсам на основе предложенной обобщенной математической модели;

- разработка комплекса программ для экспериментальной проверки эффективности предложенных математических моделей и алгоритмов.

Методы исследования

Для решения перечисленных задач в диссертационной работе были использованы методы системного анализа, математического моделирования, теории вероятностей, математической статистики, теории графов, регрессионного анализа, корреляционного анализа.

Научная новизна диссертационной работы

1. Разработана функциональная модель, совмещающая в себе щ принципы построения ЭС, основанных на концепции искусственного интеллекта (1-е поколение), и ЭС, основанных на методах экспертных оценок (2-е поколение), что позволяет добиться высокой эффективности принятых решений, присущей ЭС 2-го поколения, и оперативности процесса принятия решений, присущей ЭС 1-го поколения.

2. Предложен алгоритм нахождения значимой функции полиномиальной регрессии, использующий программу численного нахождения минимальной степени полинома, позволяющий не рассматривать Ф-критерий для функций меньших степеней.

3. Предложен алгоритм управления выходными параметрами, зависящими от предикторов посредством лаговых функций.

4. Получена зависимость времени выполнения группы запросов в системе с приоритетами при известных параметрах от распределения приоритетов между запросами для рассматриваемого сервера. to Практическая значимость работы

Предложенные в работе алгоритмические средства реализованы в виде комплекса программ, ориентированного на решение вычислительных задач на базе системного программирования. Практические результаты исследования могут найти применение в информационных системах, функционирующих в условиях вычислительных сетей, например в системах управления базами данных (БД), построенными по принципу клиент-сервер» и т.п., что позволит улучшить качество обслуживания в таких системах за счет оптимизации временных характеристик.

Реализация и внедрение результатов работы

Основные теоретические и практические результаты работы реализованы в виде алгоритмов, программ и блок-схем программ и использовались при разработке программного обеспечения и администрировании информационных систем в информационном центре ГУВД Воронежской области, ОАО «Криста-Офис», о чем получены соответствующие акты.

Апробация работы

Основные результаты работы докладывались и обсуждались на следующих конференциях:

1. Всероссийская научно-практическая конференция «Охрана-98» (Воронеж, 1998 г.).

2. Всероссийская научно-практическая конференция «0храна-2000» (Воронеж, 2000 г.).

3. Всероссийская научно-практическая конференция «Охрана и безопасность-2001» (Воронеж, 2001 г.).

4. Всероссийская научно-практическая конференция «Современные проблемы борьбы с преступностью» (Воронеж, 2001 г.).

5. Всероссийская научно-практическая конференция "Проблемы управленческого консультирования" (Воронеж, 2003 г.).

6. Всероссийская научно-практическая конференция «Современные проблемы борьбы с преступностью» (Воронеж, 2003 г.).

7. Всероссийская научно-практическая конференция «Охрана, безопасность и связь — 2003» (Воронеж, 2003 г.).

8. Всероссийская научно-практическая конференция «Современные проблемы борьбы с преступностью» (Воронеж, 2004 г.).

9. Всероссийская научно-практическая конференция «Современные проблемы борьбы с преступностью» (Воронеж, 2005 г.).

Публикации

По теме диссертации опубликовано 18 печатных работ. Список научных работ приведен на стр. 149.

Структура и объем работы

Диссертационная работа состоит из введения, четырех разделов, заключения, списка литературы из 178 наименования и 4 приложений. Работа изложена на 166 страницах машинописного текста (основной текст занимает 116 страниц), содержит 44 рисунка и 12 таблиц.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Картавцев, Дмитрий Владимирович

3) выводы о рекомендуемой степени.

Используя данное программное обеспечение при проведении регрессионного анализа, каждый раз при нахождении полиномиальной регрессии достаточно один раз выполнить разработанные алгоритмы и провести аппроксимацию полинома известной уже степени.

Более подробное описание программного модуля определения степени полинома приведено в приложениях.

Блок анализа предназначен для решения на основе построенной стохастической сети конкретной практической задачи. Как было указано выше, разрабатываемая система предназначена для решения задач прогнозирования и оптимизации. Для этого предназначены соответствующие модули.

Модуль постановки задачи предназначен для определения типа решаемой задачи и уточнения некоторых параметров (граничные условия, дополнительные ограничения).

Модуль принятия решений в доступной для пользователя форме выдает результаты, полученные при решении.

Помимо рассмотренных в программе предусмотрены некоторые дополнительные блоки и модули.

Предусмотрена возможность генерирования наборов случайных процессов с нормальным распределением, подчиняющихся условиям заданной стохастической сети, в которой все стохастические связи задаются в виде линейных функций. Эта возможность реализована в модуле генерирования данных (рис. 4.6).

Сто»астмческне сеяэ

Процесс iпроцесс 2 зависит ег

Название процессе

-!процессЗ

Добавить 2"j Уделить у=к"х+Ь j5 Мат ожидание [Т Интервал разброса Изменить j

Рис. 4.6. Вид модуля генерирования данных

Графический блок осуществляет графические возможности программного комплекса в виде построения различного вида графиков (модуль построения графиков, рис. 4.7) и визуализации графов (модуль построения графов).

Рис. 4.7. Вид модуля построения графиков

В блок вспомогательных программ включены следующие модули:

- статистический калькулятор;

- калькулятор;

- модуль помощи.

В Модуле помощи содержится вся необходимая теоретическая информация для работы с программным комплексом, а также описание самого комплекса.

Калькулятор, по сути, не является модулем комплекса, это лишь программа вызова стандартного системного калькулятора из программ Windows.

Статистический калькулятор представляет собой программу для быстрого и наглядного вычисления основных статистических характеристик для одного процесса и пары процессов.

4.2. Экспериментальное исследование процессов, протекающих в серверной части информационной системы

Перед тем как проводить анализ процессов, протекающих в серверной части информационной системы, необходимо определится с общей структурой графа зависимостей между процессами. В первую очередь, необходимо выделить совокупность процессов, которые оказывают значимое прямое или косвенное влияние на оптимизируемый параметр, в данном случае на общее время обработки всех запросов.

Для этой цели был проведен экспертный опрос, в результате которого были выделены следующие процессы:

- приоритет конкретного запроса;

- объем результата по конкретному запросу;

- количество одновременно обрабатываемых запросов;

-точность конкретного запроса (подразумевается степень заполнения атрибутов запроса);

- загруженность системы(%);

- загруженность канала сети(%);

- время Ping между сервером и клиентом;

- время выполнения конкретного запроса.

Приорит* конкретно запроса

Объем информ; по запрс

Точност конкретк запроса

Время Ping

Время выполнения запроса

Кол-во одновременно обрабатываемых запросов

Рис. 4.8. Структура стохастических зависимостей для одного запроса

При проведении экспертного опроса были выявлены также наличие и направление зависимостей между вышеперечисленными процессами. Полученный по результатам экспертного опроса граф зависимостей представлен на рис. 4.8.

При проведении первого эксперимента было рассмотрено три одновременно выполняющихся запроса: «запрос 1», «запрос 2» и «запрос 3». «Запрос 1» организован таким образом, что на его выполнение требуется всего один элементарный поиск и объем пересылаемой информации по этому запросу минимален. Таким образом, на общее время выполнения всех запросов влияют целиком «запрос 2» и «запрос 3», специфика которых в том, что при одинаковых приоритетах они выполняются за одинаковое время, так как объем пересылаемой информации по этим запросам одинаков, а последний найденный файл удовлетворяет как «запросу 2», так и «запросу 3». Было произведено 23 запуска сервера с постоянными параметрами для обработки этих запросов. Результаты работы сервера приведены в таблице 4.1.

Заключение

В процессе проведения диссертационного исследования проводилось математическое моделирование систем управления информационными структурами с использованием принципов построения экспертных систем. Был проведен синтез алгоритмов функционирования таких систем и разработана обобщенная система методов, позволяющая осуществлять аналитическую и численную оценку таких систем.

Выполнение работы базировалось на использовании методов моделирования экспертных систем. Предлагаемые модели строились с использованием методов математической статистики, обеспечивающих построение инструментальных средств на основе обобщенных математических формул.

В ходе проведения диссертационного исследования были получены следующие результаты:

1. Показано, что использование методов теории экспертных систем для моделирования систем управления в области информационных технологий позволит реализовывать модели адаптивных систем управления с гибкой конфигурацией, способных учитывать инерционность объекта управления и перестраивать свои параметры в зависимости от изменения внешних условий.

2. Разработана функциональная модель системы управления информационными структурами, которая совмещает в себе принципы построения ЭС, основанных на концепции искусственного интеллекта (1-е поколение), и ЭС, основанных на методах экспертных оценок (2-е поколение), что позволяет добиться высокой эффективности принятых решений, присущей ЭС 2-го поколения, и оперативности процесса принятия решений, присущей ЭС 1-го поколения.

3. Разработана обобщенная математическая модель интерпретатора системы управления информационными структурами на основе методов регрессионного анализа, которая не противоречит основным принципам построения экспертных систем и в то же время эффективно решает проблему ограниченности аппаратных ресурсов, присущую экспертным системам первого поколения.

4. Разработан и программно реализован алгоритм нахождения значимой функции полиномиальной регрессии, позволяющий не рассматривать Ф-критерий для функций меньших степеней.

5. Разработана частная математическая модель компьютерной системы удаленного доступа к информационным ресурсам. На ее основе получена зависимость общего выполнения группы запросов в системе с приоритетами при известных параметрах от распределения приоритетов между запросами для рассматриваемого сервера.

6. Разработан комплекс программ, включающий в себя серверную часть БД и инструментарий для сбора и анализа статистических данных, характеризующих работу сервера, на его основе проведен ряд экспериментов, в результате которых установлено, что разработанная модель удовлетворяет предъявляемым к ней требованиям.

Список литературы диссертационного исследования кандидат технических наук Картавцев, Дмитрий Владимирович, 2006 год

1. Абу-Мустафа Я.С. Оптические нейронно-сетевые компьютеры /Я.С. Абу-Мустафа, Д. Псалтис //В мире науки. 1987. № 5. - С. 42-50.

2. Аверкин А.Н. Толковый словарь по искусственному интеллекту. М.: Радио и связь, 1992. - 256 с.

3. Айвазян С.А. Прикладная статистика: Классификация и снижение размерности /С.А. Айвазян, В.М. Бухштабер, И.С. Енюков, Л.Д. Мешалкин. М.:Финансы и статистика, 1989. - 607 с.

4. Айвазян С.А. Прикладная статистика. Основы моделирования и первичная обработка данных /С.А. Айвазян, И.С. Енюков, Л.Д. Мешалкин.- М.: Финансы и статистика, 1989. 400 с.

5. Айвазян С.А. Прикладная статистика. Исследование зависимостей /С.А. Айвазян, И.С. Енюков, Л.Д. Мешалкин. М.: Финансы и статистика, 1985. - 488 с.

6. Алгоритмическое и программное обеспечение прикладного статистического анализа./ Под ред. С.А. Айвазяна и И.С. Енюкова -М.:Наука, 1980.-424 с.

7. Архангельский А.Я. Приемы программирования в Delphi. 2-е изд., перераб. и доп. М.: Бином, 2004. - 848 с.

8. Балашов Е.П. Эволюционный синтез систем. М.: Радио и связь, 1985.- 328 с.

9. Баранов Ф.Н. Процесс разработки программных изделий /Ф.Н.Баранов, А.Н. Домарацкий, Н.К. Ласточкин, В.П. Морозов. -М.:Физматлит, 2000. 176 с.

10. Баранов Ф.Н. Экстремальные комбинаторные задачи и их приложения. М.:Физматлит, 2004. - 240 с.

11. Большев Л.Н. Таблицы математической статистики / Л.Н. Большев, Н.В. Смирнов. М.: Наука, 1983. - 416 с.

12. Бобровский С. Delphi 7. Учебный курс. СПб.: Питер Принт, 2004. -736 с.

13. Братко И. Программирование на языке Пролог для искусственного интеллекта: Пер. с англ. М.: Мир, 1990. - 560 с.

14. Бродский А.В. Типовые задачи и модели разработки программного обеспечения автоматизированных систем: Учебное пособие. М.: Изд-во МАИ, 1996.- 133 с.

15. Брукинг А. и др. Экспертные системы. Принципы работы и примеры. -М.: Радио и связь. 1987. 224 с.

16. Бухарин С.В. Графово-стоимостная модель локальных рынков информационных услуг /С.В. Бухарин, Д.В. Картавцев, Е.С. Забияко // Всероссийская НПК «Проблемы управленческого консультирования»: Сб. материалов. Воронеж: АОНО ИММиФ, 2003. - С.32-34.

17. Бухарин С.В. Теория и приложения нестационарных М-систем./ С.В. Бухарин, В.Г. Рудалев. Воронеж: Издательство Воронежского госуниверситета, 1992. - 236 с.

18. Васильев П.Ф. Линейное программирование. М.: Факториал Пресс,2003. 352 с.

19. Власов В.К. Элементы информатики / В.К. Власов, JI.H. Королев, А.Н. Сотников. Под ред. JI.H. Королева. М.: Наука. Гл. ред. физ.-мат. лит., 1988.-320 с.

20. Вольфенгаген В.Э. Система представления знаний с использованием семантических сетей /В.Э. Вольфенгаген, О.В. Воскресенская, Ю.Г. Горбанев //Вопросы кибернетики: Интеллектуальные банки данных. -М.: АН СССР, 1979.-С. 49-69.

21. Вудс У.А. Основные проблемы представления знаний/ЛГИИЭР. 1986. - Т.74, - № 10.-С. 32-47.

22. Гаврилова Т.А. Извлечение и структурирование знаний для экспертных систем / Т.А. Гаврилова, К.Р. Червинская. М.: Радио и связь, 1992.-200 с.

23. Гаврилова Т.А. Базы знаний интеллектуальных систем /Т.А.Гаврилова, В.Ф. Хорошевский СПб.: ПИТЕР, 2001. - 384 с.

24. Галисеев Г.В. Компоненты в Delphi 7: Профессиональная работа. М.: Диалектика, 2004. - 624 с.

25. Гилл Ф. Практическая оптимизация: Пер. с англ./ Ф. Гилл, У. Мюррей, М. Райт. М.: Мир, 1985. - 509 с.

26. Гнеденко Б.В. Курс теории вероятностей: Учебник. М.: Наука. Гл. ред. Физ.-мат. лит., 1988. - 448 с.

27. Горбатов В.А. Дискретная математика. С.Пб.:ACT, 2003г. - 447 с.

28. Ермаков С.М. и др. Математическая теория планирования эксперимента. М.: Наука. Гл. ред. Физ.-мат. лит., 1983. - 392 с.

29. Ефимов Н.Н. Основы информатики. Введение в искусственный интеллект/Н.Н. Ефимов, B.C. Фролов. -М.: Изд-во МГУ, 1991. 267 с.

30. Ивашко В.Г. Экспертные системы и некоторые проблемы их интеллектуализации /В.Г. Ивашко, В.К. Финн //Семиотика и информатика. -1986. -Вып.27.-С.25-61.

31. Ильин В.А. Математический анализ. Часть 1. М.:Велби, 2004г. -672 с.

32. Иртегов Д.В. Введение в сетевые технологии. М.:ИКИ, 2004 г. -560 с.

33. Искусственный интеллект: В 3-х кн. Кн. 2. Справочник:/ Под ред. В.Н. Захарова. .- М.: Радио и связь, 1990. - 368 с.

34. Искусственный интеллект: Справочник: В 3-х кн., Кн. 2: Модели и методы. / Под ред. Д.А.Поспелова. - М.: Радио и связь, 1990. - 304 с.

35. Картавцев Д.В. Анализ распределенных лагов для решения задач прогнозирования в УИС // Всероссийская НПК «Современные проблемы борьбы с преступностью»: Сб. материалов. — Воронеж: ВИ МВД России, 2004. С. 72.

36. Картавцев Д.В. Категорирование и оценка параметров системы при построении графовой модели // Всероссийская НПК «Охрана, безопасность и связь 2003»: Сб. материалов. 41. — Воронеж: ВИ МВД России, 2003. -С. 97.

37. Картавцев Д.В. Перспективы развития экспертных систем, применяемых в системах охраны УИС / Д.В. Картавцев, С.Н. Головко // Всероссийская НПК «Современные проблемы борьбы с преступностью»: Сб. материалов. 4.2. — Воронеж: ВИ МВД России, 2003. — С. 64.

38. Картавцев Д.В. Построение графовой модели оптимизации и прогнозирования, применительно к техническим системам безопасности // Всероссийская НПК «Охрана, безопасность и связь 2003»: Сб. материалов. 4.1.— Воронеж: ВИ МВД России, 2003.-С. 98.

39. Картавцев Д.В. Принцип построения экспертных систем УИС /Д.В. Картавцев, С.Н. Головко // Всероссийская НПК «Современные проблемы борьбы с преступностью»: Сб. материалов. 42. — Воронеж: ВИ МВД России, 2003. — С. 65-66.

40. Картавцев Д.В. Регрессионный анализ для стохастической сети, характеризующей деятельность подразделений УИС // Всероссийская НПК «Современные проблемы борьбы с преступностью»: Сб. материалов. — Воронеж: ВИ МВД России, 2004. С. 73-74.

41. Картавцев Д.В. Целесообразность использования экспертных систем в УИС для решения слабоформализованных задач // Всероссийская НПК «Современные проблемы борьбы с преступностью»: Сб. материалов. 4.2. — Воронеж: ВИ МВД России, 2003. — С. 62-63.

42. Картавцев Д.В. Применение статистических методов для управления информационными системами // Всероссийская НПК «Современные проблемы борьбы с преступностью»: Сб. материалов (Радиотехнические науки). Воронеж: ВИ МВД России, 2005. - С. 59.

43. Картавцев Д.В. Использование линейных стохастических сетей для анализа статистических данных // Сборник научных трудов, посвященный 5-летию Липецкого филиала Воронежского института МВД России,-Липецк: ЛГТУ, 2005. С. 221-225.

44. Картавцев Д.В. Разработка алгоритмов функционирования экспертной системы в области управления сетевыми информационными технологиями // Вестник Воронежского института МВД России. 2005. - №2. - С. 59-61.

45. Квакернаак X. Линейные оптимальные системы управления / X. Квакернаак, Р. Сиван. — М.: Мир, 1977. 650 с.

46. Кемени Дж. Кибернетическое моделирование: Пер. с англ. Б.Г. Миркина/Дж. Кемени, Дж. Снелл. М.: Сов.радио, 1972. - 192 с.

47. Кендэл М. Ранговые корреляции. Зарубежные статистические исследования. -М.: Статистика, 1975. 216 с.

48. Кендэл М. Статистические выводы и связи /М. Кендэл, А. Стюарт. -М.: Наука, 1973.-900 с.

49. Кендэл М. Многомерный статистический анализ и временные ряды /М.Кендэл, А. Стюарт. М.: Наука, 1976. - 736 с.

50. Кендэл М. Теория распределений /М.Кендэл, А. Стюарт.- М.: Наука, 1966.-588 с.

51. Кирсанов Б.С. Отечественные оболочки экспертных систем для больших ЭВМ/Б.С. Кирсанов, Э.В. Попов //Искусственный интеллект: Справочник. Т.1. - М.: Радио и связь, 1990. - С. 369-388.

52. Компьютер обретает разум: Пер. с англ. / Под ред. B.JI. Стефанюка. -М. : Мир, 1990.-240 с.

53. Корн Г. Справочник по математике для научных работников и \ инженеров /Г. Корн, Т. Корн. М.: Наука. Гл. ред.физ.-мат.лит., 1977.831с.

54. Крисевич B.C. и др. Экспертные системы для персональных компьютеров: методы, средства, реализации. Минск: Высшая школа, 1990.- 197 с.

55. Кузнецов О.П. Дискретная математика для инженера /О.П. Кузнецов, Г.М. Адельсон-Вельский. М.:Энергия, 1980. - 344 с.

56. Кулиш У. Достоверные вычисления. Базовые численнные методы./У. * Кулиш, Д. Рац, Р. Хаммер, М. Хокс. СПб.:РХД, 2005г. - 495 с.

57. Кульбах С. Теория информации и статистика.- М.:Наука, 1967. 408 с.

58. Культин Н.Б. Delphi в задачах и примерах. СПб.: БХВ-Петербург, 2004. - 288 с.

59. Ларичев О.И. Выявление экспертных знаний /О.И. Ларичев, А.И. Мечитов, Е.М. Мошкович, Е.М. Фуремс. М.: Наука, 1989. - 128 с.

60. Левин Р. Практическое введение в технологию искусственного Ф интеллекта и экспертных систем с иллюстрациями на Бейсике.1. М.:Финансы, 1991.-239 с.

61. Лившиц Б.С. Теория телетрафика: Учебник для вузов /Б.С. Лившиц, А.П. Пшеничников, А.Д. Харкевич. 2-е изд., перераб. и доп. - М.: Связь, 1979.-224 с.

62. Литвак Б.Г. Прикладной многомерный статистический анализ. — М.: Наука, 1978.-452с.

63. Лорьер Д.Л. Системы искусственного интеллекта.-М.: Мир, 1991.568 с.

64. Люгер Д.Ф. Искусственный интеллект: Пер. с англ. М.: Вильяме, 2003. - 863 с.

65. Макалистер Дж. Искусственный интеллект и Пролог на микроЭВМ. -М.: Машиностроение, 1990. 235 с.

66. Маковский В.А. Базы знаний (экспертные системы) / В.А. Маковский,

67. B.И. Похлебаев. М.: Издательство стандартов, 1993. - 37 с.

68. Марселус Д.Н. Программирование экспертных систем на Турбо Прологе.- М.: Финансы и статистика, 1994. -213 с.

69. Марчук Г.И. Методы вычислительной математики. М.: Наука. Главная редакция физико-математической литературы, 1980. - 595 с.

70. Медич Дж. Статистически оптимальные линейные оценки и управление. М.: Энергия. 1973. - 440 с.

71. Минский М. Фреймы для представления знаний. М.: Энергия, 1979. -151 с.

72. Минский М. Персептроны./М. Минский,С. Пейперт. М.:Мир, 1971. -261 с.

73. Миркин Б.Г. Шкалы упорядочения. Моделирование в экономических исследованиях /Б.Г. Миркин, Н.В. Высоцкий, В.Л. Куперштох. -Новосибирск: Наука, 1978.-322с.

74. Михеев С.Е. Нелинейные методы в оптимизации. С.Пб.:С-Петербургский университет, 2001. - 276 с.

75. Мичи Д. Компьютер творец /Д. Мичи, Р. Джонстон. -М.: Мир, 1987. -255 с.

76. Многомерный статистический анализ / Под ред. С.А.Айвазяна и

77. C.Е.Кузнецова. М.: ЦЭМИ, 1974. - 416 с.

78. Моисеев Н.Н. Математические задачи системного анализа. М.: Наука. Главная редакция физико-математической литературы, 1981.- 488 с.

79. Неве Ж. Математические основы теории вероятностей.- М.:Мир, 1969. -312с.

80. Нейлор К. Как построить свою экспертную систему. М.: Энергоатомиздат, 1991. - 286 с.

81. Непейвода Н.Н. Стили и методы программирования. М.:ИКИ, 2005. -320 с.

82. Нечеткие множества в моделях управления и искусственного интеллекта /А.Н. Аверкин, И.З. Батыршин, А.Ф. Блишун и др.- М.: Наука, 1986.-312 с.

83. Нильсон Н.Д. Принципы искусственного интеллекта. М.: Радио и связь, 1985. - 376 с.

84. Осипов Г.С. Приобретение знаний интеллектуальными системами. Основы теории и технологии. М.: Физматлит, 1997. - 112 с.

85. Осуга С. Обработка знаний. М.: Мир, 1989. - 293 с.

86. Приобретение знаний / Под ред. С.Осуги, Ю.Саэки.- М.: Мир, 1990. -304 с.

87. Отнес Р. Прикладной анализ временных рядов./Р.Отнес, J1. Эноксон.1. М.: Мир, 1982.-428 с.

88. Парижский С. Delphi. Только практика. М.: Додека XXI век, 2005. -208 с.

89. Подиновский В.В. Парето-оптимальные решения многокритериальных задач/В.В. Подиновский, В.Д. Ногин. М.: Наука. Главная редакция физико-математической литературы, 1982. - 256 с.

90. Попов Э.В. Экспертные системы. М.: Наука, 1987. - 288 с.

91. Попов Э.В. Экспертные системы реального времени.// Открытые системы.- 1995.- №2. С.35-40.

92. Поспелов Г.С. Искусственный интеллект основа новой информационной технологии. -М.: Наука, 1988. - 280 с.

93. Поспелов Д.А. Моделирование рассуждений. М.: Радио и связь, 1989.- 182 с.

94. Прохоров Ю.В. Вероятность и математическая статистика. М.:БРЭ, 2003г.-912 с.

95. Пустыльник Е.И. Статистические методы анализа и обработки наблюдений. М.:Наука, 1986. - 288 с.

96. Реальность и прогнозы искусственного интеллекта/ Пер. с англ. B.JI. Стефанюка. -М.: Мир, 1987. 247 с.

97. Ревунков Г.И. Базы и банки данных и знаний./Г.И. Ревунков, Э.Н. Самохвалов, В.В. Чистов Москва: Высшая школа, 1992. - 367 с.

98. Рот М. Интеллектуальный автомат: компьютер в качестве эксперта. -М.: Энергоатомиздат, 1991. 80 с.

99. Самарский. Введение в численные методы. М.:Лань, 2005. - 288 с.

100. Сафонов В. О. Экспертные системы интеллектуальные помощники специалистов,- СПб: Санкт-Петербургская организация общества «Знания» России, 1992.-367 с.

101. Сейдж Э.П. Оптимальное управление системами / Э.П.Сейдж, Ч.С.Уайт // Пер. с англ. — М.: Радио и связь, 1982. 294 с.

102. Скакун А.А. Математический анализ и приближенные методы. -М.:Политехника, 2000. 125 с.

103. Скрэгг Г. Семантические сети как модели памяти // Новое в зарубежной лингвистике. -М.: Радуга, 1983. -Вып. XII. -С.228-271.

104. Сойер Д. Программирование экспертных систем на Паскале./Д. Сойер, Д.В. Фостер. -М.: Финансы и статистика 1990. 191 с.

105. Справочник по прикладной статистике в 2-х томах / Под ред. Э. Ллойда, У. Ледермана. М.: Финансы и статистика, 1989. - 510 с.

106. Статистическое моделирование и прогнозирование: Учеб. пособие / Г.М. Гамбаров, Н.М. Журавель, Ю.Г. Королев и др.; Под ред. А.Г. Гранберга. М.: Финансы и статистика, 1990. - 383 с.

107. Сумин В.И. Блок принятия решений часть экспертной системы для принятия решений сотрудниками подразделений вневедомственной охраны / Сумин В.И., Храмов В.Ю., Картавцев Д.В., Мельников А.В.,

108. Востриков О.В. // Научно-практическая конференция ВИ МВД России: Тезисы докладов,- Воронеж: Воронежский институт МВД России, 2000. -236 с.

109. ПЗ.Таунсенд К. Проектирование и программная реализация экспертных систем на персональных ЭВМ: Пер. с англ. / К. Таунсенд, Д.Фохт. -М.'.Финансы и статистика, 1990. 320 с.

110. Тейлор Д. и др. Delphi 3: библиотека программиста. СПб.: Питер, 1998.-560 с.

111. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М.: СИНТЕГ, 1998.-375 с.

112. Трибунских О.А. Программа решения краевой задачи на графе / О.А.Трибунских, Д.В. Картавцев // Научно-практическая конференция

113. ВВШ МВД России: Тезисы докладов. Часть 2.- Воронеж: Воронежская высшая школа МВД России, 1998. 144 с.

114. П.Тьюринг A.M. Может ли машина мыслить? Саратов: Издательство ГосУНЦ "Колледж", 1999. 100 с

115. И8.Тэйс А. и др. Логический подход к искусственному интеллекту. От классической логики к логическому программированию: Пер. с фр. -М.:Мир, 1990.-429 с.

116. Тэнк Д.У. Коллективные вычисления в нейроноподобных электронных схемах / Д.У. Тэнк, Д.Д. Хопфилд // В мире науки. -1988.- N 2. С. 44-53.

117. Уинстон П. Искусственный интеллект. М.: 1980. - 301с.

118. Уотермен Д. Руководство по экспертным системам.- М.: Мир, 1989.390 с.

119. Представление и использование знаний / Под ред. X. Уэно, М. Исудзука. -М.: Мир, 1989. 220 с.

120. Фаронов В.В. Турбо Паскаль: (в 3-х книгах). Кн. 3: Практика программирования. Часть 2. М.: МВТУ-ФЕСТО ДИДАКТИК, 1993. -304 с.

121. Фильтрация и стохастическое управление в динамических системах / Под ред. К.Т. Леондеса. — М.: Мир, 1980. 407 с.

122. Фленов М.Е. Библия Delphi. СПб.: БХВ -Петербург, 2004. - 880 с.

123. Форд Л. Потоки в сетях /Л. Форд, Д. Фалькерсон. М.:Мир, 1966.-278с.

124. Форсайт Р. Экспертные системы: принципы и примеры,- М.: Радио и связь, 1987.-223 с.

125. Фрэнк Дж. Барбос. Искусственный интеллект: принятие решений в сложных системах управления // Мир компьютерной автоматизации, 1997., №4.- С. 2-27.

126. Хант Д. Искусственный интеллект. М.: Мир, 1978. - 558 с.

127. Харари Ф. Теория графов. Уральск:УРСС, 2003г. - 296 с.

128. Построение экспертных систем // Ф.Хейес-Рот, Д.Уотерман, Д.Ленат; под ред.В.Л.Стефанюка, М.: Мир, 1987. - 441 с.

129. Хеннан Э. Многомерные временные ряды. М.:Мир, 1974. - 576 с.

130. Химмельблау Д. Анализ процессов статистическими методами. М.: Мир, 1973.-957 с.

131. Хоггер К. Введение в логическое программирование. М. Мир, 1988. -348 с.

132. Хомоненко А.Д. Самоучитель Delphi/А.Д. Хомоненко, В.Э. Гофман. -СПб.: БХВ-Петербург, 2005. 556 с.

133. Шамотин С.М. Искусственный интеллект. -М.: Мысль, 1985. 323 с.

134. Шевченко В. Нейронные сети // Компьютерное обозрение, №46, 1996. -С.19.

135. Ширяев А.Н. Вероятность: в 2 кн. Кн. 1. Гриф МО РФ. М.:МЦНМО, 2004. - 520 с.

136. Шмерлинг Д.С. Статистические методы анализа экспертных оценок. -М.: Наука, 1977.-384 с.

137. Шмырев В.И. Введение в математическое программирование. -М.:Институт компьютерных исследований, 2002. 192 с.

138. Штейнберг Ш.Е. Идентификация в системах управления. М.: Энергоатомиздат. 1887. - 80 с.

139. Экспертные системы и анализ данных/ Науч. ред. Н.Г. Загоруйко -Новосибирск, 1991. С. 54-176.

140. Экспертные системы. Принципы работы и примеры: Пер. с англ. / А. Брукинг, П. Джонс, Ф. Кокс и др.; Под ред. Р. Форсайта. М.: Радио и связь, 1987.-224 с.

141. Экспертные системы: Сборник научных трудов / Под ред. Б.М. Васильева. М.: Знание, 1990. - 47 с.

142. Экспертные системы: состояние и перспективы. Сборник научных трудов / Под ред. Д.А. Поспелова.- М.: Наука, 1989. 152 с.

143. Экспертные М-системы в организации налогового учёта: Монография / Под ред. проф. С.В. Бухарина / С.В. Бухарин, С.Н. Головко, А.В. Мельников, В.В. Навоев, Д.В. Платонов. Липецк: ЛГТУ, 2003. - 147 с.

144. Элти Дж. Экспертные системы. Концепции и примеры / Дж. Элти, М. Кумбс М.: Финансы и статистика, 1987 - 191 с.

145. Эндрю А. Искусственный интеллект. М.: Мир, 1985. - 264 с.

146. Энслейн К. Статистические методы для ЭВМ. М.:Наука, 1986.- 459с.

147. Abelson Н., Sussman G. J. and Sussman J. Structure and Interpretation of Computer Programs. Cambridge MA: MIT Press, 1996.

148. Allen J. F. Natural Language Understanding, 2nd edn. Menlo Park, CA: Benja-min/Cummings, 1995.

149. Bachant J. RIME: preliminary work towards a knowledge acquisition tool. In Automating Knowledge Acquisition for Expert Systems (Marcus S., eds.), Chapter 7. Boston: Kluiver Academic, 1988.

150. Baldwin J. E, eds. Fuzzy Logic.- New York: Wiley, 1996.

151. Barr A. and Feigenbaum E. A., eds. The Handbook of Artificial Intelligence Vol. 1. Los Altos CA: Morgan Kaufmann, 1981.

152. Barr A. and Feigenbaum E. A., eds. The Handbook of Artificial Intelligence Vol. 2.- Los Altos CA: Morgan Kaufmann, 1982.

153. Bergadano F. and Gunetti D. Inductive Logic Programming: From Machine Learning to Software Engineering. Cambridge MA: MIT Press, 1996.

154. Bobrow D. G. and Collins A., eds. Representation and Understanding.-New York: Academic Press, 1975.

155. Booch G. Object-Oriented Analysis and Design with Applications, 2nd edn.- Redwood City CA: Benjamin/Cummings, 1994.

156. Boose J. H. Expertise Transfer for Expert System Design.- New York: Elsevier, 1986.

157. ChappellD. Understanding ActiveX and Ole. Microsoft Press, 1996.

158. Clark К. L. and Tarnlund S.-A., eds. Logic Programming,- London: Academic Press, 1982.

159. Cohen P. and Feigenbaum E. A., eds. The Handbook of Artificial Intelligence, Vol. 3.- Los Altos, CA: Morgan Kaufinann, 1982.

160. Coombs M. J., eds. Developments in Expert Systems.- London: Academic Press, 1984.

161. Davis R. and Lenat D. Knowledge-Based Systems in Artificial Intelligence.- New York: McGraw-Hill, 1980.

162. Feigenbaum E. A. The art of artificial intelligence: themes and case studies of knowledge engineering// In Proc. 5th International Joint Conference on Artificial Intelligence, 1977.

163. Feigenbaum E. A. and Feldman J., eds. Computers and Thought. New York: McGraw-Hill, 1963.

164. Findler N. V., eds. Associative Networks. New York: Academic Press, 1979.

165. Harmon P. and Sawyer B. Creating Expert Systems for Business and Industry. New York: Wiley, 1990.

166. Henderson P. Functional Programming: Application and Implementation. Englewood Cliffs, -NJ: Prentice-Hall, 1980.

167. Klahr P. and Waterman D., eds! Expert Systems: Techniques, Tools, and Applications.- Reading, MA: Addison-Wesley, 1986.

168. Meyers S. More Effective С++ : 35 New Ways to Improve Your Programs and Designs. Reading, MA: Addison-Wesley, 1995.

169. Michie D., eds. Expert Systems in the Micro-Electronic Age.- Edinburgh: Edinburgh University Press, 1979.

170. Minsky M. Computation: Finite and Infinite Machines.- London: Prentice-Hall, 1972.

171. Newell A. Physical symbol systems. In Perspectives on Cognitive Science (Norman D. A., eds.), Chapter 4.- Norwood, NJ: Ablex, 1981.

172. Newell A. and Simon H. A. Human Problem Solving. Englewood-Cliffs, NJ: Prentice-Hall. 1972.

173. Poeson M. C. and Richardson J. Foundations of Intelligent Tutoring Systems. Hillsdale, NJ: Lawrence Erlbaum. 1988.

174. Simon H. A. Why should machines learn? In Machine Learning (Michalski R. S., Car-bonell J. G. and Mitchell Т. M., eds.), Chapter 2. Palo Alto, CA: Tioga. 1983.

175. Yager R. R. and Filev D. P. Essentials of Fuzzy Modeling and Control. New York: Wiley. 1994.