Метод формирования распределенных онтологий в многоагентных системах поддержки принятия решений органов власти субъектов России тема диссертации и автореферата по ВАК РФ 05.13.10, кандидат технических наук Миргалеев, Алексей Толгатович

• Миргалеев, Алексей Толгатович
• кандидат технических наук
• 2005

Оглавление диссертации кандидат технических наук Миргалеев, Алексей Толгатович

Список сокращений.

Введение.

1. Анализ особенностей информационного обеспечения деятельности по управлению в социально-экономической сфере жизнедеятельности субъектов РФ и путей автоматизации формирования онтологий в распределенных информационных системах.

1.1. Характеристика задачи подготовки данных для принятия решений по управлению в социально-экономической сфере субъектов России.

1.2. Характеристика задачи формирования распределенных онтологий в многоагентных системах поддержки принятия решений органов власти субъектов России.

1.3. Анализ методов формирования распределенных онтологий в многоагентных системах.

1.4. Выбор направлений исследований.

Выводы по первой главе.

2. Разработка метода формирования распределенных онтологий в многоагентных системах поддержки принятия решений органов власти субъектов России.

2.1. Анализ процессов подготовки данных в многоагентных системах поддержки принятия решений.

2.2. Разработка модели распределенной онтологии.

2.3. Разработка метода формирования распределенных онтологий.

• Выводы по второй главе.

3. Исследование путей корректировки распределенных онтологий в многоагентных системах поддержки принятия решений органов власти субъектов России.

3.1. Разработка способа корректировки распределенных онтологий.

3.2. Разработка алгоритма формирования и корректировки распределенных онтологий.

3.3. Анализ и выбор средств представления онтологий в многоагентных системах поддержки принятия решений.

Выводы по третьей главе.

4. Обоснование предложений по использованию результатов исследований в многоагентных системах поддержки принятия решений органов власти субъектов России.

4.1. Разработка методики формирования и корректировки распределенных онтологий в многоагентных системах поддержки принятия решений органов власти субъектов России.

4.2. Разработка агента формирования распределенных онтологий в многоагентных системах поддержки принятия решений.

4.3. Экспериментальная проверка результатов исследований.

Выводы по четвертой главе.

Введение диссертации (часть автореферата) на тему «Метод формирования распределенных онтологий в многоагентных системах поддержки принятия решений органов власти субъектов России»

В настоящее время одним из условий устойчивого социально-экономического развития субъектов РФ является обеспечение действенной поддержки принятия управленческих решений при возникновении негативных тенденций и чрезвычайных ситуаций на территориях или в отраслях хозяйства. Подготовка данных для принятия указанных решений осуществляется комитетами и службами местных органов власти. Она предусматривает последовательное объединение (агрегацию) данных об обстановке на уровнях отдельных объектов, муниципальных образований или отраслей хозяйства, субъекта РФ в целом. Большое число и распределенность источников данных потребовали внедрения современных средств телекоммуникаций и передачи данных, создания на их основе распределенных систем поддержки принятия решений (СППР).

Создание подобных СППР в ряде субъектов РФ (в частности, в Курской области) осуществляется путем наращивания возможностей информационно-телекоммуникационной среды территориальных подразделений МЧС и организации на ее основе информационного обеспечения деятельности местных органов власти с использованием технологий многоагентных систем. Это предусматривает формирование распределенных онтологий в виде иерархических систем понятий с прямыми и обратными связями (отношениями) для описания складывающихся ситуаций.

В настоящее время формирование распределенных онтологий в многоагентных СППР органов власти субъектов РФ осуществляется на основе методов, предусматривающих привлечение экспертов для обеспечения однозначности семантики понятий и терминов, используемых при спецификации данных в различных комитетах и службах. Это влечет увеличение временных затрат на подготовку данных для принятия решений.

Методы формирования онтологий, обеспечивающие их автоматизированное создание в многоагентных информационных системах, рассматривались в работах Городецкого В.И., Смирнова А.В., Тарасова В.Б., Гавриловой Т.А., Клещева А.С. и других отечественных и зарубежных ученых. Вместе с тем их использование в многоагентных СППР органов власти субъектов РФ не позволяет учесть наличие обратных связей в иерархических системах понятий, организовать корректировку распределенных онтологий по мере накопления примеров практического решения задач сбора и обработки данных.

В этой связи объективно сложилось противоречие между потребностями практики по информационному обеспечению деятельности по управлению в социально-экономической сфере жизнедеятельности субъектов РФ и ограниченными возможностями используемых в многоагентных СППР местных органов власти методов и средств формирования распределенных онтологий.

Это определило актуальность исследования путей автоматизированного формирования распределенных онтологий в многоагентных СППР органов власти субъектов РФ, его значимость для теории и практики управления в социальных и экономических системах.

Объектом исследований в работе определены процессы информационного обеспечения деятельности по управлению в социально-экономической сфере жизнедеятельности субъектов РФ.

Предметом исследований являются методы формирования распределенных онтологий в многоагентных СППР местных органов власти.

Цель диссертации состоит в сокращении временных затрат на подготовку данных для принятия управленческих решений в социально-экономической сфере жизнедеятельности субъектов РФ на основе разработки метода автоматизированного формирования распределенных онтологий в многоагентных СППР местных органов власти.

Для достижения цели необходимо решение следующих задач:

Заключение диссертации по теме «Управление в социальных и экономических системах», Миргалеев, Алексей Толгатович

Выводы по четвертой главе

1. Проведенные исследования позволили предложить пути практической реализации полученных результатов исследований в многоагентных системах поддержки принятия решений органов власти субъектов России. В этой связи разработана методика формирования и корректировки распределенных онтологий в многоагентных СППР в соответствии с разработанным методом. Она обеспечивает сокращение временных затрат на подготовку данных для принятия управленческих решений за счет автоматизированного построения НКК агентов, их групп и СППР в целом. Использование методики обеспечивает выполнение практических работ по формированию распределенных онтологий с использованием НКК.

2. Практическая реализация предложенной методики потребовала разработки специального агента формирования распределенных онтологий в многоагентных СППР органов власти субъектов России. При создании агента учтены возможности существующих программно-технических средств многоагентных СППР органов власти субъектов РФ и обеспечено взаимодействие с пользователями при формировании онтологий агентов, метаагентов и распределенных онтологий.

3. Экспериментальные исследования показали, что использование разработанной методики позволяет в 2 — 3 раза сократить временные затраты на формирование распределенных онтологий в многоагентных СППР при решении задач подготовки данных для принятия решений по ликвидации лесных пожаров и загрязнений почв отходами промышленности. В целом это позволяет на 20-30% повысить оперативность подготовки данных для принятия управленческих решений в социально-экономической сфере жизнедеятельности субъектов РФ.

ЗАКЛЮЧЕНИЕ

В работе с целью сокращения временных затрат на подготовку данных для принятия управленческих решений в социально-экономической сфере жизнедеятельности субъектов РФ решена задача разработки метода формирования распределенных онтологий в многоагентных СППР местных органов власти. При этом получены следующие результаты.

1. Одним из условий устойчивого социально-экономического развития субъектов РФ является обеспечение действенной поддержки принятия управленческих решений при возникновении негативных тенденций и чрезвычайных ситуаций на территориях или в отраслях хозяйства. Подготовка данных для принятия указанных решений осуществляется комитетами и службами местных органов власти с использованием многоагентных систем поддержки принятия решений.

2. В результате анализа установлено, что для многоагентных систем (как класса интеллектуальных систем) важнейшим этапом, обеспечивающим скоординированное решение задачи подготовки данных агентами, является формирование распределенных онтологий. Показано, что в настоящее время их построение осуществляется сотрудниками органов власти, что влечет увеличение временных затрат на подготовку данных для принятия решений. Это определило необходимость поиска путей автоматизации процессов формирования распределенных онтологий в многоагентных СППР органов власти субъектов РФ.

3. Проведенный анализ существующих методов построения онтологий показал отсутствие в них возможностей автоматизации формирования распределенных онтологий многоагентных СППР органов власти субъектов России. Показано, что на основе методов, предусматривающих построение математических моделей онтологий и поиск путей их формализации, возможно реализовать требования, предъявляемые к распределенным онтологиям многоагентных СППР органов власти субъектов РФ. Однако существующие методы не содержат средств представления обратных связей между понятиями и корректировки онтологий.

4. Показано, что преодоление указанных ограничений возможно при использовании нечетких когнитивных карт и представлении понятий и отношений предметной области в виде концептов, прямых и обратных отношений, а также весов отношений. Однако методы формирования распределенных онтологий в многоагентных системах с использованием НКК отсутствуют.

5. Установлено, что разработка подобного метода требует учета особенностей формирования онтологий для отдельных агентов СППР, их групп и системы в целом, а также изыскания путей корректировки распределенных онтологий по мере накопления примеров практического решения задач сбора и обработки данных. Это, в свою очередь, предполагает анализ процессов подготовки данных в многоагентных системах поддержки принятия решений, разработку формальной модели распределенной онтологии и поиск путей алгоритмизации процедур формирования распределенных онтологий в многоагентных СППР на ее основе.

6. Проведенные исследования деятельности местных органов власти по подготовке данных для принятия управленческих решений показали, что она представляет собой сложный перцептивно-познавательный процесс изучения реальной обстановки, направляемый как текущими данными мониторинга, так и априорными сведениями об объектах, возможных процессах и явлениях на территориях и в отраслях хозяйства субъекта РФ. Поиск решения задачи подготовки данных для формирования описаний обстановки является проблемной ситуацией. Задача формирования описаний обстановки формализована и реализуется в многоагентных СППР как поиск соответствия исходных (мониторинговых) данных одной из моделей описания обстановки, представленной в форме совокупности семантически интерпретируемых структур данных с определенными на этой совокупности иерархиями «род-вид», «часть-целое», «если-то» и обратными связями. Формализация задачи позволила рассмотреть пути организации формирования распределенных онтологий в многоагентных СППР с единых методологических позиций организации поиска решений проблемных ситуаций.

7. Анализ компонент известных моделей нечетких когнитивных карт показал, что в целом они удовлетворяет требованиям по построению систем понятий и отношений с обратными связями в многоагентных СППР. Однако вместе с тем нечеткие когнитивные карты не обеспечивают возможность формирования онтологий агентов, их групп и системы в целом. В этой связи разработана модель распределенной онтологии на базе НКК, обеспечивающая формирование онтологий для различных агентов многоагентных СППР. Разработка модели позволила исследовать пути алгоритмизации процесса формирования распределенных онтологий на ее основе.

8. Разработан метод формирования распределенных онтологий, обеспечивающий построение и корректировку иерархических систем понятий и отношений в многоагентных СППР органов власти субъектов РФ на основе использования иерархических нечетких когнитивных карт с прямыми и обратными связями. Метод предусматривает декомпозицию общей задачи подготовки данных для формирования описаний обстановки на более простые подзадачи по определению значений факторов, составляющих описание, и определяются способы их решения (в предложенном методе этому этапу соответствует построение прототипа онтологии). Затем подзадачи решаются, а их решения объединяются и составляют решение общей задачи. Такая последовательность шагов определяется особенностями движения потоков мониторинговых данных в многоагентных СППР органов власти субъектов при формировании описаний обстановки, а также тем, что агенты решают, в основном, задачи объединения данных. Построение онтологий выполняется при построении НКК агентов нижних уровней и их объединение метаагентами верхних уровней многоагентных СППР. Разработанный метод позволяет исключить синонимию, омонимию и многозначность понятий в формируемых онтологиях путем суммирования и объединения НКК.

9. Разработаны способы суммирования и объединения НКК. Суммирование предусматривает построение матриц связанности агрегированных нечетких когнитивных карт на основе матриц связанности однородных НКК. Предложенный способ суммирования предусматривает поэлементное сложение соответствующих матриц связанности и применение к элементам агрегированной матрицы предложенной функции стандартизации, учитывающей прямые и обратные связи в НКК. Объединение обеспечивает однозначность концептов в НКК путем исключения синонимии, омонимии и многозначности. Объединение заключается в формировании матрицы связанности иерархической НКК путем замены ее диагональных элементов матрицами связанности объединяемых карт. При этом многозначные концепты заменяются одним, а соответствующие значения обобщенной матрицы связанности усредняются.

10. Обеспечение корректировки распределенных онтологий потребовало анализа путей ее реализации в многоагентных СППР органов власти субъектов России. Проведенные исследования путей корректировки распределенных онтологий в многоагентных СППР органов власти субъектов России показали, что дифференциальный хэббовский подход может быть использован для пересчета значений весов и концептов в иерархических НКК. Однако его использование требует разработки условий завершения корректировки, обеспечивающих ее реализацию за конечное время.

11. Разработан способ корректировки распределенных онтологий, построенных с использованием иерархических нечетких когнитивных карт, обеспечивающий изменение значений концептов и отношений на основе дифференциального хэббовского подхода и условий завершения корректировки, предусматривающих оценку максимального значения выходного концепта и его ошибки.

12. Разработан алгоритм формирования и корректировки распределенных онтологий в многоагентных СППР органов власти субъектов России. Алгоритм реализует последовательное выполнение процедур метода. При разработке алгоритма предложено использование центроидного способа дефазификации значений функций принадлежности, выполняемой при суммировании и объединении НКК.

13. Проведенный анализ языков спецификации знаний позволил предложить использовать XML в качестве программного языка для реализации распределенных онтологий в многоагентных СППР. Это определяется возможностью представления на основе XML матриц связанности НКК согласно разработанному методу, а также его совместимостью с большинством сред разработки многоагентных приложений и переносимостью на различные операционные платформы.

14. Проведенные исследования позволили предложить пути практической реализации метода формирования распределенных онтологий в многоагентных системах поддержки принятия решений органов власти субъектов России, построенных на базе информационно-телекоммуникационных сред Управлений МЧС. Разработана методика формирования и корректировки распределенных онтологий в многоагентных СППР в соответствии с разработанным методом. Она обеспечивает сокращение временных затрат на подготовку данных для принятия управленческих решений за счет автоматизированного построения НКК агентов, их групп и СППР в целом. Использование методики обеспечивает выполнение практических работ по формированию распределенных онтологий с использованием НКК.

15. Практическая реализация предложенной методики потребовала разработки специального агента формирования распределенных онтологий в многоагентных СППР органов власти субъектов России. При создании агента учтены возможности существующих программно-технических средств многоагентных СППР органов власти субъектов РФ и обеспечено взаимодействие с пользователями при формировании онтологий агентов, метаагентов и распределенных онтологий.

16. Экспериментальные исследования показали, что использование разработанной методики позволяет в 2 - 3 раза сократить временные затраты на формирование распределенных онтологий в многоагентных СППР при решении задач подготовки данных для принятия решений по оценке различных видов угроз жизнедеятельности субъектов РФ. В целом это позволяет на 20-30% повысить оперативность подготовки данных для принятия управленческих решений в социально-экономической сфере жизнедеятельности субъектов РФ.

Список литературы диссертационного исследования кандидат технических наук Миргалеев, Алексей Толгатович, 2005 год

1. Салов, С.С. Концептуальные положения по совершенствованию государственной системы управления в условиях чрезвычайных ситуаций Текст. /С.С. Салов // Проблемы управления безопасностью сложных систем. — М.: ИПУ РАН, 2001.

2. Игнатов, В.Г. Регионоведение (методология, политика, экономика право) Текст. /В.Г. Игнатов, В.И. Бутов. Ростов н/Д: Изд-во «МарТ», 1998.

3. Возженников, А.В. Современные проблемы национальной безопасности России на региональном уровне Текст. /А.В. Возженников, А.А. Прохо-жев //Информационный сборник «Безопасность». 1999 - №11-12.

4. Мачкин, П.И. Анализ и оценка локальной безопасности социально-экономического развития регионов России (субъектов РФ) /П.И. Мачкин //Проблемы управления безопасностью сложных систем. М.: ИПУ РАН, 2001.

5. Федеральный Закон Российской Федерации «О безопасности» , 1992год.

6. Федеральный Закон Российской Федерации «Об информации, информатизации и защите информации», 1995 год.

7. Указ Президента Российской Федерации от 10 января 2000 года №24 «О Концепции национальной безопасности Российской Федерации».

8. Указ Президента Российской Федерации от 17 декабря 1997 года №1300 «Об утверждении Концепции национальной безопасности Российской Федерации».

9. Указ Президента Российской Федерации «Об основах государственной политики в сфере информатизации» №170 от 20 января 1994 года (в редакции Указа Президента Российской Федерации № 764 от 26 июля 1995 года)

10. Указ Правительства Российской Федерации №ПР-1895 от 9 сентября 2000 года «Доктрина информационной безопасности Российской Федерации».

11. Клыков, Ю.И. Ситуационное управление большими системами

12. Текст. /Ю.И.Клыков. М.: Энергия, 1974.

13. Поспелов, Д.А. Принципы ситуационного управления Текст. /Д.А. Поспелов //Изв. АН СССР. «Техническая кибернетика» 1971, №2.

14. Поспелов, Д.А. Ситуационное управление: теория и практика Текст. /Д.А. Поспелов. М.: Наука, 1986.

15. Юдицкий, С.А. Модель и принципы компьютерной реализации стратегического управления сложными организационными системами Текст. / С.А. Юдицкий, Ю.С. Затуливетер, И.И. Ижов //Приборы и системы управления. -1999-№7.

16. Ющенко, С.П. Информационные проблемы обеспечения социально-политической безопасности РФ Текст. /С.П. Ющенко [и др.] //Социально-политическая безопасность: федеральный и региональные аспекты — Курск: РАГС, Курский филиал, 1999.

17. Разработка технических предложений на создание территориальной системы страхового фонда документации Курской области. Отчет о НИР. КООИР «Поиск» при войсковой части 25714, 1998.

18. Автоматизированная система Единой дежурно-диспетчерской службы г. Курска и Курской области (АС ЕДДС-К). Пояснительная записка к Техническому проекту. ВНИИ ГОЧС, Москва, 1998.

19. Опытный участок Автоматизированной системы ЕДДС города Курска и Курской области. Пояснительная записка по ОКР. КООИР «Поиск» при войсковой части 25714, 1998.

20. Быченок, Н.Н. Информационная поддержка решений в чрезвычайных ситуациях Текст. /Н.Н. Быченок, В.В. Мостовой //Модели и методы исследования операций, теории риска и надежности. Киев: Институт кибернетики АН Украины, 1992.

21. Геловани, В.А. Интеллектуальные СППР в нештатных ситуациях с использованием современных информационных технологий Текст. /В.А. Геловани, А.А. Башлыков, В.Б. Бритков [и др.] М.: Эдиториал УРСС, 2000.

22. Городецкий, В.И. Визуальный синтез классифицирующих предикатов и их применение для мета-классификации Текст. /В.И. Городецкий, В. Самойлов //Труды Таганрогского радиотехнического института, 4, 5-16, 2001.

23. Городецкий, В.И. Многоагентные системы: основные свойства и модели координации поведения Текст. /В.И. Городецкий //Информационные технологии и вычислительные системы. 1998 — №1. С. 22-34.

24. Городецкий, В.И. Многоагеитные системы: современное состояние исследований и перспективы применения Текст. /В.И. Городецкий //Новости искусственного интеллекта — 1996 — №1. С. 44-59.

25. Городецкий, В.И. Многоагентные системы (обзор) Текст. /В.И. Городецкий, И.В. Котенко, О.В. Карсаев //Новости искусственного интеллекта. -1998-№2. С. 64-116.

26. Тарасов, В.Б. Искусственная жизнь и нечеткие эволюционные многоагентные системы основные теоретические подходы к построению интеллектуальных организаций Текст. /В.Б. Тарасов // Известия РАН: Теория и системы управления. - 1998 — №5.

27. Тарасов, В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика Текст. /В.Б. Тарасов М.: Эди-ториал УРСС, 2002.

28. Трахтенгерц, Э.А. Агентно-ориентированные информационные технологии управления проектами Текст. /Э.А. Трахтенгерц М.: ИЛУ РАН, 1999.

29. Трахтенгерц, Э.А. Многоагентные системы поддержки принятия решений Текст. /Э.А. Трахтенгерц //Теория и системы управления, 1998 — №5. С.106-122.

30. Gorodetski, V. Bayes. Inference and Decision Making in Artificial Intelligence Systems". In Industrial Applications of Artificial Intelligence. North-Holland, 276-281, 1991.

31. Gorodetski, V., Karsayev, O. Algorithm of Rule Extraction from Learning Data. In Proceedings of the 8th International Conference «Expert Systems & Artificial Intelligence» (EXPERSYS-96). 133-138, 1996.

32. Genesereth, M.R., Ketchpel, S.P. Software agents. Communications of the ACM, 37(7), 1994, 48-53.

33. Georgeff, M. Communication and Interaction in Multi-agent Planning. In

34. Proceedings of the National Conference on Artificial Intelligence, Washington, D.C. 1983, 125-129.

35. Gershenson, C., Gonzalez, P., Negrete, J. Action Selection Properties in a Software Simulated Agent. Cairo et. al. MICAI 2000: Advances in Artificial Intelligence Lecture Notes in Artificial Intelligence, 1793, Springer-Verlag, 2000, 634-648.

36. Goodman, I., Mahler, R., and Nguen, H. Mathematics of Data Fusion. Kluwer Academic Publishers, 1997.

37. P.E. van der Vet and N.J.I. Mars, Structured system of concepts for storing, retrieving, and manipulating chemical information. Journal of Chemical Information and Computer Sciences 33 (1993), 564-568.

38. P.E. van der Vet, Nicolaas J.I. Mars. Bottom-up construction of ontologies: the case of an ontology of pure substances. Memoranda Informatica 95-35, September 20, 1995

39. Клещев, A.C. Математическая модель онтологии предметной области. Часть 1. Существующие подходы к определению понятия "онтология" Текст. /А.С. Клещев, И.Л. Артемьева // Научно-техническая информация, серия 2, 2001, №2.

40. Клещев, А.С. Математическая модель онтологии предметной области. Часть 2. Существующие подходы к определению понятия "онтология" Текст. /А.С. Клещев, И.Л. Артемьева // Научно-техническая информация, серия 2, 2001, №3.

41. Клещев, А.С. Математическая модель онтологии предметной области. Часть 3. Существующие подходы к определению понятия "онтология" Текст. /А.С. Клещев, И.Л. Артемьева // Научно-техническая информация, серия 2, 2001, №4.

42. Turban, Е., Aronson, Jay E. Decision support systems and intelligent systems. 6-th ed. Prientice Hall International, 2001.

43. Джексон, П. Введение в экспертные системы Текст. /П. Джексон -М.: «Вильяме», 2001.

44. Гаврилова, Т.А. Базы знаний интеллектуальных систем Текст. /Т.А. Гаврилова, В.Ф. Хорошевский СПб.: 2000.

45. Guarino, N. Formal ontology and Information systems. In N. Guarino (ed.), Formal Ontology in Infomation Systems. Proceeding of FOIS'98, Trento, Italy, 6-8 June 1998. Amsterdam, IOS Press.

46. Gruber, T.R. Ontolingua: A Mechanism to Support Portable Ontologies. Technical report KSL-91-66, Stanford University, Knowledge Systems Laboratory, 1992.

47. Gruber, T.R. A translation Approach to Portable Ontology Specifications. In Knowledge Acquisition, 1993.

48. Guarino, N. Understanding, Building, and Using Ontologies. IJHCS, 1996,46 (2-3).

49. Guarino, N. Formal ontology, conceptual analysis and knowledge representation // Int. J. of Human Computer Studies. V.43.1995. №5/6.

50. Девятков, B.B. Онтологии и проектирование систем Текст. /В.В. Де-вятков //Приборы и системы. Управление, контроль, диагностика. 2000. №1.

51. Смирнов, СВ. Онтологии в задачах моделирования сложных систем Текст. /С.В. Смирнов //Проблемы управления и моделирования в сложных системах: Труды II международной конф. Самара: СНЦ РАН, 2000.

52. Смирнов, СВ. Онтологический анализ: определения и алгоритмы Текст. /С.В. Смирнов //Проблемы управления и моделирования в сложных системах: Труды III международной конф. Самара: СНЦ РАН, 2001.

53. Романов, Б.П. Интеллектуальные информационные системы в экономике. Учебное пособие. Текст. /Под ред. проф. М.П. Тихомирова. — М.: Экзамен, 2003.

54. Foundation for Intelligent and Physical Agents //Internet www.fipa.org

55. Omelayenko, B. Learning ontologies for the Web: the analysis of existent approaches. In proceedings of the International Workshop of Web Dynamics with 8th International Conference on Database Theory (ICDT'Ol) London, 2001.

56. Schumacher, M. Objective coordination in MAS engineering, LNAI 2039, Berlin Heidelberg, 2001.

57. Finin, T. KQML as an agent commutation language. In J.Bradshow (ed.). Software agents, 1997.

58. Clegg, Dai and Richard Barker, Case Method Fast-track: A RAD Approach, Adison-Wesley, 1994.

59. KAON The KArlsruhe ONtology and semantic WEB infrastructure //Internet — http://www.aifb.uni-karlsruhe.de/WBS.

60. Матюшкин, А.П. Основные психологические модели проблемных ситуаций Текст. /А.П. Матюшкин // В кн.: Основные подходы к моделированию психики и эвристическому программированию. Материалы симпозиума. -Киев, 1968.

61. Рубахин, В.Ф. Психологические основы обработки первичной информации Текст. /В.Ф. Рубахин JL: Наука, 1974.

62. Тихомиров, O.K. Структура мыслительной деятельности человека Текст. /O.K. Тихомиров М.: Изд-вл МГУ, 1969.

63. Пушкин, В.Н. Оперативное мышление в больших системах Текст. /В.Н. Пушкин М.: Энергия, 1965.

64. Максимов, В.И. Когнитивные технологии для поддержки принятия управленческих решений Текст. /В.И. Максимов, С.В. Качаев, Е.К. Корноушко //Современные технологии управления для администраций городов и регионов. М.: Фонд «Проблемы управления», 1998.

65. Витяев, Е.Е. Вероятностное прогнозирование и предсказание как принцип работы мозга Текст. /Е.Е. Витяев //Измерение и модели когнитивных процессов, вып. 148: Вычислительные системы. Новосибирск, 1998.

66. Витяев, Е.Е. Формальная модель работы мозга, основанная на принципе предсказания Текст. /Е.Е. Витяев //Модели когнитивных процессов, вып.164: Вычислительные системы. Новосибирск, 1998.

67. Белихин, А.Е.О количественных показателях и индикаторах региональной безопасности Текст. /А.Е. Белихин, Е.А. Белихина //Информационный сборник «Безопасность». — М.: Фонд национальной и международной безопасности 1999, №11-12.

68. Классификация и кластер Текст. /Под ред. Дж. Вэн Райзин — М.: Мир, 1980.

69. Лорьер, Ж. Системы искусственного интеллекта Текст. /Ж.Лорьер -М.: Мир, 1991.

70. Осуга, С. Обработка знаний Текст. /С. Осуга М.: Мир, 1989.

71. Представление и использование знаний Текст. //Под ред. Уэно X., Исидзука М., М.: «Мир», 1989.

72. Ефимов, Е.И. Решатели интеллектуальных задач Текст. /Е.И. Ефимов-М.: Наука, 1982.

73. Ефимов, Е.И. СФИНКС система формального интеллекта комплексных стратегий Текст. /Е.И. Ефимов // В кн.: Вопросы кибернетики, вып. 18. Теория и практика ситуационного управления. - М.: Научный Совет по комплексной проблеме «Кибернетика», 1977.

74. Акофф, P.JI. Планирование в больших экономических системах Текст. /Р.Л. Акофф -М.: Сов. Радио, 1972.

75. Бенерджи, Р. Теория решения задач Текст. /Р.Бенерджи М.: Мир,1972.

76. Брудио, А.Л. Эвристический поиск в сложных средах Текст. /А.Л. Брудио — Киев: Наукова думка, 1977.

77. Ющенко, С.П. Стратегия использования методов объединения данных в многоагентной системе формирования описаний угроз локальной безопасности Текст. /С.П. Ющенко С.П., И.Б. Родионов, А.В. Потапов //Телекоммуникации. М.: Машиностроение, 2004. №3.

78. Ющенко, С.П., Захаренков А.И., Родионов И.Б. Алгоритм объединения неполных и неточных данных в многоагентных информационных системах Текст. /С.П. Ющенко, А.И. Захаренков, И.Б. Родионов //Телекоммуникации. М.: Машиностроение, 2004. №11.

79. Ющенко, С.П. Концептуальная модель многоагентной системы формирования описаний угроз локальной безопасности субъектов РФ Текст. /С.П. Ющенко, И.С. Захаров, А.Т. Миргалеев //Телекоммуникации. М.: Машиностроение, 2004. №1.

80. Ющенко, С.П. Алгоритм объединения неполных и неточных данных в многоагентных информационных системах Текст. /С.П. Ющенко, А.И. Заха-ренков, И.Б. Родионов //Телекоммуникации, №11, 2004.

81. Dezert, J. Foundations for a new theory of plausible and paradoxical reasoning. Inform.&Secur.J., Semerdjiev Ed., Bulg.Acad. Of Sci., Vol.9, 2002.

82. Еремеев, А.П. Концепции и модели представления времени и их применение в интеллектуальных системах Текст. /А.П. Еремеев, В.В. Троицкий //Новости искусственного интеллекта, 2004, №1.

83. Караваев, А.П. Модели и методы управления составом активных систем Текст. /А.П. Караваев М.: ИЛУ РАН, 2003.

84. Multiagent systems. A modern approach to distributed artificial intelligence / edited by Gerhard Weiss. London, 1999.

85. Parenthoen, M., Reignier, P., Tisseau, J. Action Learning for Autonomous Virtual Actors. FuzzIEEE'01 proceedings, 1:P038, 2001.

86. Parenthoen, M., Reignier, P., Tisseau, J. Put Fuzzy Cognitive Maps to Work in Virtual Worlds, FuzzIEEE'01 proceedings, 1 :P038, 2001.

87. Smarandache, F. Fuzzy Cognitive Maps and Neutrosophic Cognitive Maps. Univ. of New Mexico. Gallup, 2002.

88. Kosko, B. Fuzzy Cognitive Maps, International journal of Man-Machine Studies 24(1986) 65-75.

89. Kosko, B. Adaptive Inference in Fuzzy Knowledge Networks, Pages 261268, Proceedings of the First IEEE International Conference on Neural Networks (ICNN-86), San Diego, California. 1987.

90. Kosko, B. Hidden Patterns in Combined and Adaptive Knowledge Networks. Proceedings of the First IEEE International Conference on Neural Networks (ICNN-86) 2:377-393. 1988.

91. Kosko, B. Fuzzy Associative Memory Systems, Pages 135-162 in A. Kan-del, editor. Fuzzy Expert Systems. CRC Press, Boca Raton, Florida. 1992.

92. Kosko, B. Neural Networks and Fuzzy Systems: A Dynamical Systems Approach to Machine Intelligence. Prentice-Hall, Englewood Cliffs, New Jersey. 1992.

93. Laszlo, E., R. Artigiani, A. Combs and V. Csanyi. Changing Visions: Human Cognitive Maps: Past, Present and Future, Greenwood Publishing House, 1996.

94. Lee, K., Kim, S. and Sakawa, M. On-line Fault Diagnosis by Using Fuzzy Cognitive Maps, IEICE Transactions in Fundamentals of Electronics, Communications and Computer Sciences (JTC-CSCC '95), Sept. 18-21 1996, v E79-A, no. 6, June 1996, 921-927.

95. Lee, K.C., Kim, H.S., and Chu, S.C. A Fuzzy Cognitive Map Based Bidirectional Inference Mechanism: An Application to Stock Investment Analysis, Proc. Japan/ Korea Joint Conf. on Expert Systems, 10 (1994), 193-196.

96. Montazemi, A.R., Conrath, D. W. The Use of Cognitive Mapping for Information Requirements Analysis, MIS Quarterly, 10 (1986) 45-55.

97. Ndousse, T.D., and Okuda, T. Computational Intelligence for Distributed

98. Fault Management in Networks using Fuzzy Cognitive Maps, In Proc. of the IEEE International Conference on Communications Converging Technologies for Tomorrow's Application, 1996. pp. 1558-1562.

99. Schneider, M., Shnaider, E., Kandel, A., and Chew, G. Automatic Construction of FCMs, Fuzzy Sets and Systems, 93. 1998. pp. 161-172.

100. Carobs, M. and Price K. Internet Intrusion detection systems. http://www.cerias.purdue.edu/coast/coast-library.html

101. Carvalho, J.P., Jose, A.B. Rule based Fuzzy Cognitive Maps -- Fuzzy Causal Relations, Computational Intelligence Modeling, Control and Automaton, Edited by M.Mohammadian, 1999.

102. Carvalho, J.P., Jose, A.B. Fuzzy Mechanisms for Causal Relations. In Proceedings of the 8th International Fuzzy Systems Association World Congress, IFSA '99, Taiwan. 1999.

103. Carvalho, J.P. Jose, A.B. Rule based Fuzzy Cognitive Maps: Expressing Time in Qualitative System Dynamics. //Internet http://digitais.ist.utl.pt/ uke/papers/FUZZIEEE2001P089RBFCMExpressingTimeinQualitativeSystemDyna mics.pdf

104. Carvalho, J.P., Jose, A.B. Rule based Fuzzy Cognitive Maps Qualitative Systems Dynamics. In Proc. of the 19th International Conference of the North American Fuzzy Information Processing Society, NAFIPS2000, Atlanta, 2000.

105. Carvalho, J.P., Jose, А.В. Rule-based Fuzzy Cognitive Maps and Fuzzy Cognitive Maps . a Comparative Study. In Proc. of the 18th International Conference of the North American Fuzzy Information Processing Society, by NAFIPS, New York, (1999) 115-119.

106. Zhang, W., Chen, S.S. A Logical Architecture for Cognitive Maps, Proceedings 2nd IEEE International Conference on Neural Networks, Vol 2, San Diego, A 24-27.July (1988), pp. 381-388.

107. Juliano, B.J. Fuzzy Cognitive Structures for Automating human problem solving Skills Diagnoses, Proceeding of the 9th Annual NAFIPS Conference (1990), pp. 311-314.

108. Dickens, J.A., Kosko, B. Fuzzy Virtual World, AI Expert (1994), 25-31.

109. Gotoh, K., Yamaguchi, T. Fuzzy Associative Memory Application for Plant Modeling, Proceeding of 1991 International Conference on Artificial Neural Networks, Espoo, Finland, 24-28 June (1991), pp 1245-1249.

110. Pelaez, C.E., Bowles, J.B. Using Fuzzy Cognitive Maps as A System Model for Failure Models and Effect Analysis, Information Science 88 (1996) 177199.

111. Tsadiras, A., Margaritis, K., Mertzios, B. Strategy Planning Using Extended Fuzzy Cognitive Maps, Studies in Informatics and Control 4(3) (1995) 23724.

112. Stylios, C.D., Groumpos, P.P., Georgopoulos, V.C., A Fuzzy Cognitive Maps Approach to Process Control of Systems, Journal of Advanced Computational Intelligence, Vol.3, No.5, 1999, pp. 409-417.

113. Lee, K.C, Kang, B.U. A stratified cognitive map approach to fuzzy inference mechanism. Sung Kyun Kwan University, Seoul 110-745, Korea, 2002.

114. Vazquez, A. A balanced differential learning algorithm in fuzzy cognitive maps. Universitat Politecnica de Catalunya (UPC), 2000.

115. Aguilar, J. Adaptive random fuzzy cognitive maps. Lecture notes in artificial intelligence 2527, Springer-Verlag, Berlin, 2002.

116. Aurada, J. Introduction to artificial neural systems. West Publishing Company, 1992.

117. Finin, T. KQML as an agent commutation language. In J.Bradshow (ed.). Software agents, 1997.

118. Knowledge Interchange Format. Reference Manual /Computer Science Department Stanford University Stanford, California 94305, 2003.

119. Cockburn, A. Writing effective use cases. Humans and Technology. Addison-Wesley, 2000.

120. Decker, S., Brickley, D., Saarela, J., and Angele, J. A Query and Inference Service for RDF. In Proceedings of the W3C Query Language Workshop (QL-98), 1998.

121. Baader, F. and Hanschke, P. A scheme for integrating concrete domains into concept languages. In Proceedings of the 12th International Joint Conference on Artificial Intelligence (IJCAI-91), 1991.

122. Gruber, T. A Translation Approach to Portable Ontology Specifications. Stanford Univ., 1999.

123. Uschold, M., King, M., Moralee, S., Zorgios, Y. The Enterprise Ontology //The Knowledge Engineering Review. 1998. V. 13. № 1.

124. Uschold, M. Converting an Informal Ontology into Ontolingua: Some Experiences. Proc. of the Workshop on Ontological Engineering, Budapest, 1996.

125. Wielinga, В., Schreiber, A.T., Jansweijer, W., Anjewierden, A. and van Harmelen, F. Framework and Formalism for Expressing Ontologies (Version 1). ESPRIT Project 8145 KACTUS, Free University of Amsterdam Deliverable, DOlb.l, 1994.

126. Akkermans, H., Top, J. Tasks and ontologies in engineering modeling. Proceedings of the 8th Knowledge Acquisition for Knowledge Based Systems Workshop, Banff, Canada, 1998.

127. Левин, A. CALS сопровождение жизненного цикла Текст. /А. Левин, Е. Судов //Открытые системы, 2001, №3.

128. Смирнова, Г.Н. Проектирование экономических информационных систем Текст. /Т.Н. Смирнова-М.: Алане, 2000.

129. ГОСТ РВ 51987 — 2002. Типовые требования и показатели качества функционирования информационных систем. Общие положения. Госстандарт России, 2002.

130. ГОСТ 24.702 85. Единая система стандартов автоматизированных систем управления. Эффективность АСУ. Основные положения. Государственный стандарт СССР, 1985.

131. ГОСТ 34.002 90. Информационная технология. Комплекс стандартов на автоматизированные системы. Автоматизированные системы. Термины и определения. Государственный стандарт СССР, 1990.

132. ГОСТ 28195 — 89. Оценка качества программных средств общие положения. Государственный стандарт СССР, 1989.

133. Многоагентные информационные системы: Учеб. пособие Текст. /С.П. Ющенко, А.Т. Миргалеев, А.А. Кониченко Курск: КурскГТУ, 2004.

134. Миргалеев, А.Т. Построение территориально распределенных ГИС с использованием OLАР-технологий. Текст. /А.Т. Миргалеев, С.П. Ющенко, А.В. Кониченко //Материалы междунар. конф. «Распознавание 2001», г. Курск, 2001. Курск: КурскГТУ, 2001.

135. Миргалеев, А.Т. Подход к обучению многоагентной информационной системы локальной безопасности субъектов РФ Текст. /А.Т. Миргалеев,

136. С.П. Ющенко //Материалы междунар. конф. «Системные проблемы качества, математического моделирования, информационных и электронных технологий (ИННОВАТИКА-2004)», Москва, 2004 г. М.: Радио и связь, 2004.

137. Миргалеев А.Т., Ющенко С.П., Потапов А.В. Многоагентный способ организации формирования описаний угроз локальной безопасности Текст. /А.Т. Миргалеев, С.П. Ющенко, А.В. Потапов //Телекоммуникации. М.: Машиностроение, 2003. №11.

138. Миргалеев, А.Т. Концептуальная модель многоагентной системы формирования описаний угроз локальной безопасности субъектов РФ Текст. /А.Т. Миргалеев, С.П. Ющенко, И.С. Захаров //Телекоммуникации. М.: Машиностроение, 2004. №1.

139. Миргалеев, А.Т. Обобщенный алгоритм обучения многоагентных информационных систем Текст. /А.Т. Миргалеев, С.П. Ющенко, А.И. Захарен-ков//Телекоммуникации. М.: Машиностроение, 2004. №12.

140. Миргалеев, А.Т. Многоагентный способ организации формирования описаний угроз локальной безопасности Текст. /А.Т. Миргалеев, С.П. Ющенко, А.В. Потапов //Телекоммуникации, М.: Машиностроение, 2003. №11.

141. Миргалеев, А.Т. Концептуальная модель многоагентной системы формирования описаний угроз локальной безопасности субъектов РФ Текст. /А.Т. Миргалеев, С.П. Ющенко, И.С. Захаров //Телекоммуникации, М.: Машиностроение, 2004. №1.

142. Миргалеев, А.Т. Метод обучения многоагентных информационных систем с использованием нечетких когнитивных карт Текст. /А.Т. Миргалеев

143. Телекоммуникации, М.: Машиностроение, 2004. №11.