Модель информационной системы управления транспортно-логистическим процессом на морском транспорте с применением нечетких нейросетевых технологий тема диссертации и автореферата по ВАК РФ 05.22.19, кандидат наук Левченко, Наталья Георгиевна

• Левченко, Наталья Георгиевна
• кандидат наук
• 2014

Оглавление диссертации кандидат наук Левченко, Наталья Георгиевна

Оглавление

Введение

Глава 1. Анализ информационной системы управления транспортно-логистическим процессом в целях построения модели на базе нечетких нейросетевых технологий

1.1. Обоснование необходимости применения интеллектуальных транспортных систем

1.2. Структура информационной системы транспортно-логистического процесса

1.3. Особенности имитационного моделирования транспортно-логистического процесса на базе нечетких нейросетевых технологий

Выводы по главе 1

Глава 2. Нейросетевые технологии в построении модели информационной системы управления транспортным процессом

2.1. Основные характеристики нейронных сетей, необходимые в построении сложной динамической многофакторной модели транспортного процесса

2.2. Использование математического аппарата нечеткой логики для решения проблемы неопределенности входных/выходных данных в построении модели транспортно-логистического процесса

2.3. Обоснование применения нейронных нечетких сетей в построении модели транспортно-логистического процесса

Выводы по главе 2

ГлаваЗ. Разработка модели информационной системы управления транспортно-логистическим процессом

3.1. Разработка алгоритма процесса управления транспортно-логистическим процессом

3.2. Разработка нечеткой нейросетевой модели информационной системы управления транспортно-логистическим процессом

3.3. Проверка адекватности и верификация построенной модели

Выводы по главе 3

Глава 4. Факторный анализ и параметрическая оптимизация построенной модели информационной системы управления транспортно-логистическим процессом с использованием классических критериев и на базе генетического алгоритма

4.1. Факторный анализ транспортно-логистического процесса на базе построенной нечеткой нейросетевой модели

4.2. Разработка алгоритма оптимизации информационной системы управления транспортно-логистическим процессом

4.3. Оценка результатов параметрической оптимизации транспортно-логистического процесса

Выводы по главе 4

Заключение

Список сокращений и условных обозначений

Список литературы:

Приложение 1

Приложение 2

Приложение 3

Приложение 4

Приложение 5

Введение диссертации (часть автореферата) на тему «Модель информационной системы управления транспортно-логистическим процессом на морском транспорте с применением нечетких нейросетевых технологий»

Введение

Актуальность темы исследования. Для принятия стратегических и оперативных управленческих решений как на уровне транспортной отрасли в целом, так и на уровне отдельного транспортного предприятия важна полная, достоверная и своевременная информация, необходимая для анализа и оценки их текущего состояния, прогнозирования и планирования дальнейшей работы. Также необходимы инструменты сбора и аналитической обработки этой информации, то есть необходима информационная система управления (ИСУ).

Повышение эффективности информационной системы управления предприятием является одним из важнейших вопросов производственного менеджмента. Актуален этот вопрос и для транспортной отрасли в целом, в т.ч. и при осуществлении перевозок морем.

Важным доказательством необходимости разработки и внедрения такой информационной системы является также возможность формирования стратегии развития предприятия с помощью информационного моделирования.

В современных условиях руководящим работникам или лицам, принимающим решения (ЛПР), необходим мощный интеллектуальный инструмент для переработки данных из информационных систем и выдачи адресного анализа - вариантов возможных управленческих решений и полномочий для разных ЛПР. Наличие комплексной информационной модели процесса, включающей описание бизнес-процессов, информационных потоков и их параметров, учитывающей внутреннюю структуру и внешнюю среду, значительно облегчает процесс управления.

Специфика транспортно-логистической отрасли такова, что для осуществления эффективного управления предприятием, занимающимся организацией перевозок, существующих информационных систем уже недостаточно. Настала необходимость использования имитационного моделирования на основе систем искусственного интеллекта, которые сочетают в

себе преимущества нейронных сетей и систем нечеткого вывода. Они позволяют разрабатывать и представлять наглядные и содержательные модели систем в форме правил нечетких продукций, используя при этом методы нейронных сетей.

Степень разработанности темы исследования. Разработкам применения информационных технологий в управлении на морском транспорте, а также технологий интеллектуального управления уделено большое внимание в трудах многих российских ученых и исследователей: И.В. Алексеева, А.Б. Барского, Д.И. Батищева, В.В. Борисова, Г.Л. Бродецкого, Э.Р. Бугулова, Р.Г. Валеевой, В.И. Васильева, А.П. Веревченко, E.H. Воевудского, А.И. Галушкина, М.И. Дли, A.A. Емельянова, В.В. Зеленцова, В.В. Круглова, И.М. Макарова, Ю.Н. Павловского, Д.А. Поспелова, А.Л. Степанова, Л.Н. Сукотия, В.И. Финаева и др. и зарубежных разработчиков: Ал Caris. Cathy Mach ans, Gerrit К. Janssens, Teodor Gabriel Crainic, Michel Gendreau, Jean-Yves Potvin и др.

Многие ученые своими исследованиями подтверждают, что использование интеллектуальных моделей в управлении является средством повышения эффективности управления сложными организационными системами различных отраслей деятельности. Вместе с этим, применительно к специфике управления транспортно-логистическим предприятием, глубина существующих научных исследований по данной тематике недостаточна. Остаются недоработанными вопросы влияния системы управления на конечные результаты деятельности транспортно-логистических организаций, в незначительной мере используются интеллектуальные информационные технологии в системах поддержки принятия управленческих решений в условиях неопределенности сложных динамических производственно-организационных процессов перевозки грузов, недостаточно определена совокупность факторов и особенностей, оказывающих влияние на производительность транспортной организации.

Объектом исследования является технология, организация и управление перевозками и работой флота, коммерческая работа на водном транспорте. Предмет исследования - управление транспортно-логистическим процессом.

Цели и задачи исследования. Цель исследования - повышение эффективности управления транспортно-логистическим процессом (ТЛП) с помощью разработки модели ИСУ ТЛП на морском транспорте с применением нечетких нейросетевых (ННС) технологий.

В соответствии с поставленной целью выдвигаются следующие задачи:

1) анализ современного состояния ИСУ ТЛП и существующих методов оценки эффективности их деятельности;

2) определение области и требований к входным/выходным данным имитационной модели управления ТЛП с учетом производственных особенностей;

3) разработка математического подхода к построению модели ИСУ ТЛП на базе имитационного нечеткого нейросетевого моделирования;

4) построение ННС модели информационной системы управления ТЛП, ее обучение и тестирование;

5) проведение факторного анализа с целью повышения эффективности ТЛП на построенной модели;

6) проведение параметрической оптимизации ТЛП, анализ результатов.

Научная новизна диссертационной работы заключается в следующем.

1. Разработан метод имитационного моделирования сложных динамических производственно-организационных процессов перевозки груза водным транспортом с применением ННС технологий, учитывающий неполноту и плохую формализованность исходной информации, возможность выработки эффективных руководящих решений в условиях неопределенности.

2. Разработана и построена модель ИСУ производственной деятельностью транспортной организации с применением ННС технологий, основанная на критериях оценки руководства, ведущих специалистов и экспертов логистической организации, ответственных за эффективность всех этапов процесса перевозки груза.

3. Представлена возможность применения ННС модели для анализа ситуации и поведения взаимодействующих элементов ИСУ ТЛП, обеспечения в динамическом режиме мониторинга и диагностики управленческих процессов, моделирования реальных событий и процессов, прогнозирования и предупреждения критических ситуаций.

Теоретическая и практическая значимость исследования определяется возможностью использования полученных результатов для повышения эффективности ИСУ производственной деятельностью ТЛП. ИСУ на основе ННС технологий моделирования предоставляет адекватную картину процесса для анализа информации, подготовки основы принятия решений и прогнозирования результатов различных возможных вариантов управляющих воздействий на систему.

Результаты работы, в том числе ННС модель ИСУ ТЛП с методиками формирования ее базы знаний и рекомендациями по применению переданы в ООО «ДиДиПи Сервис» для использования в производственной деятельности.

Теоретические, методические и практические результаты диссертационного исследования представляют интерес для транспортно-логистических предприятий морской отрасли, а также для использования в учебном процессе ВУЗа.

Методология и методы исследования. В работе использованы методы системного анализа, теории систем, теории нечетких нейронных сетей. . Работа выполнена с применением математической обработки результатов, математического и компьютерного моделирования.

На защиту выносятся следующие положения.

1. Метод моделирования сложных динамических производственно-организационных процессов перевозки груза водным транспортом с применением ННС технологий.

2. Методика формирования базы знаний для ННС модели ИСУ ТЛП с учетом не только количественных оценок, но и качественных, нечетко заданных, не поддающихся формализации критериев и связей между ними.

3. Методики применения ННС модели ИСУ ТЛП для анализа ситуации и поведения взаимодействующих элементов ИСУ ТЛП, обеспечения в динамическом режиме мониторинга и диагностики управленческих процессов, моделирования реальных событий и процессов, прогнозирования и предупреждения критических ситуаций.

4. Методики выработки наиболее рациональных руководящих решений в условиях неполной неопределенности при помощи ННС модели ИСУ ТЛП.

Степень достоверности и апробация результатов. Разработанная ННС модель прошла апробацию в опытно-промышленной эксплуатации логистической компании ООО «ДиДиПи Сервис», г. Владивосток, что подтверждено соответствующим актом от 02.12.2013 г. (Приложение 5).

Основные результаты диссертационного исследования докладывались на научно-практических конференциях: «Проектирование модели менеджмента организации: научные и прикладные аспекты» (Екатеринбург, 2010г.); «The 24th Asian-Pacific Technical Exchange and Advisory Meeting on Marine Structures» (TEAM-2010, Vladivostok); «Актуальные вопросы развития современной науки, техники и технологий» (Москва, 2011г.); «Актуальные проблемы и перспективы развития информационного общества» (Саратов, 2012г.); «Проблемы транспорта Дальнего Востока» (FEBRAT-2011, 2013, г. Владивосток); а также на научно-методическом совете МГУ им. адм. Г.И. Невельского, 2013г.

Публикации. Результаты научных исследований нашли отражение в 27 научных публикациях, 4 из которых в журналах, вошедших в Перечень ВАК РФ, общим объемом 8,8 п.л. (личный вклад автора 7,5 п.л.).

Личный вклад. Соискатель участвовал в подготовке материалов, написании статей по тематике диссертации, разработке и создании ННС модели ИСУ ТЛП, проводил исследование и анализ разработанной модели.

Глава 1. Анализ информационной системы управления транспортно-логистическим процессом в целях построения модели на базе нечетких

нейросетевых технологий

1.1. Обоснование необходимости применения интеллектуальных

транспортных систем

62-65% всех грузовых перевозок в мире выполняется водным транспортом. 98% всех внешнеторговых перевозок в Великобритании, Японии обслуживается морским транспортом, в Греции и Испании - 94%, в Финляндии и Норвегии -88%. В России в настоящее время морским транспортом обслуживается около 5% внешнеторговых перевозок вместо 60% до перестройки. Таким образом, несмотря на географические преимущества, Россия по экспорту транспортных услуг занимает место лишь во втором десятке стран-экспортеров [66].

В 2012 г. отмечено снижение объема перевозок грузов морским транспортом по сравнению с 2011 г., он составил 19,24 млн т (без учета судов смешанного плавания «река-море»), грузооборот составил 24,5 млрд тонно-миль. Из общего объема перевозок в заграничном плавании было перевезено 10,9 млн т грузов, в каботажном - 8,3 млн т. По итогам 2012 г. объем перевалки грузов в морских портах России увеличился на по сравнению с 2011 г. и составил 567,1 млн т (+5,9%), в том числе сухогрузов - 251,8 млн т (+7,3%), наливных - 315,3 млн т (+4,7%). По направлениям грузооборота морских портов рост объемов перевалки составил 6,3% в импорте, в экспорте - 9,3%. Снижение было отмечено в каботаже на 0,9% и транзите на 18,4%. На долю экспортных грузов приходится 78,9% (447,7 млн т) от общего грузооборота портов, импортных - 8,4% (47,5 млн т), транзитных - 7,1% (40,2 млн т), каботажных - 5,6% (31,7 млн т) (рисунок 1). К 2016-2018 гг. планируется увеличение объема перевалки грузов до 740 млн т в год [36], [43].

Таким образом, в обеспечении международных связей различных государств, их экономического развития, транспортной независимости большую роль играет водный транспорт.

Рисунок 1 - Объем перевалки грузов в морских портах России в 2012 г.

Совершенствование транспортной логистики на водном транспорте -важное условие оптимальной организации морских и речных сообщений и в системе управления транспортным процессом. В решении этой задачи одним из существенных вопросов производственного менеджмента является повышение эффективности информационной системы, с помощью которой осуществляется планирование, управление и контроль процесса доставки грузов благодаря опережающей, сопровождающей и заканчивающий процесс информации, особенно в условиях неопределенности.

В настоящее время практически невозможно обеспечить требуемое потребителями качество обслуживания и эффективность транспортных операций без применения информационных систем (ИС), технологий и программных комплексов для анализа, планирования и поддержки принятия управленческих решений. Информация является важнейшим экономическим ресурсом предприятия. Использование актуальной и достоверной информации позволяет

обеспечить принятие своевременных и эффективных управленческих решений менеджерами различных уровней.

Повышение результативности информационных систем управления предприятием является одной из важнейших проблем, в особенности в морской отрасли. От решения этой проблемы зависит как существование самих предприятий, так и обеспечение устойчивого развития морской отрасли России в целом [20]. Оптимизация ИСУ предприятием - одно из наиболее актуальных условий повышения эффективности его работы. Именно от оперативности, экономичности и надежности управления зависит эффективность финансово-производственной деятельности предприятий.

Для экономической рыночной среды характерна быстрая изменчивость. Поэтому менеджмент предприятия должен оперативно реагировать на эти изменения, соответствующим образом адаптироваться. Наличие комплексной информационной модели предприятия, включающей описание бизнес-процессов, информационных потоков и их параметров, учитывающей внутреннюю структуру и внешнюю среду, значительно облегчит этот процесс. Оно даст возможность высшему менеджменту принимать взвешенные решения по стратегическим вопросам, используя информацию и системный подход для планирования и управления всеми ресурсами в целях повышения конкурентоспособности предприятия и создания резерва для экономического роста. Помимо этого, важным доказательством необходимости разработки и внедрения комплексной информационной модели является ее потенциальная возможность прогнозировать стратегию развития предприятия. Тем более что экспериментировать в реальных условиях, применяя различные управляющие воздействия и изучая реакцию, не эффективно и практически невозможно.

7-8 апреля 2009 года при поддержке Государственной Думы РФ и Министерства транспорта РФ прошёл первый российский Международный конгресс по интеллектуальным транспортным системам. Этот конгресс стал ежегодным (очередной шестой конгресс пройдет в апреле 2014 г.). Программы

конгрессов поднимают ключевые проблемы внедрения интеллектуальных систем, без которых невозможна успешная модернизация транспортного комплекса. На них обсуждаются вопросы по созданию единой информационной среды транспортного комплекса и аналитических информационных систем поддержки процессов управления его развитием в рамках Транспортной стратегии Российской Федерации до 2030 года [89]. Единая информационная среда подразделяется на уровни: управленческий (информационная среда Минтранса РФ и находящихся в его ведении федеральных служб и агентств); технологический (информационная среда различных видов транспорта и участников транспортного процесса, в том числе среда интеллектуальных транспортных систем); пользовательский (информационная среда транспортных услуг и информационного обслуживания клиентов). В принятой участниками конгресса резолюции было сформулировано понятие интеллектуальных транспортных систем - это интеграция информационно-коммуникационных технологий между ключевыми оставляющими транспортных процессов: человек -транспортные средства - транспортная инфраструктура.

Создание и внедрение отечественных интеллектуальных транспортных систем позволит повысить эффективность управления перевозками, сократить непроизводительные затраты на транспортировку грузов, ускорят развитие национальной транспортной, территориальной и информационной инфраструктур, а также обеспечит благоприятный климат для внедрения сервисов на основе глобальных навигационных спутниковых систем [23], [17], [19], [18].

Создание единой автоматизированной системы управления транспортным комплексом РФ обеспечит эффективное решение задач, стоящих перед транспортной системой России. Создание такой единой системы предполагает формирование единой базы данных, в которой будет отражена информация обо всех поднадзорных объектах и субъектах РФ. Что в свою очередь означает обязательное предоставление необходимой информации в электронном

формализованном виде от каждого транспортного предприятия. Полное внедрение ЕИАС Ространснадзор предусматривает к 2015 году [73].

Основная задача интеллектуального анализа данных состоит в выявлении скрытых правил и закономерностей в массивах данных. В настоящее время на многих транспортных предприятиях создана мощная информационная среда, в которую входят системы сбора данных, сети передачи, вычислительная инфраструктура, программное обеспечение, базы данных, информационные хранилища и др. Однако эти системы не используются в полной мере, так как на руководящих работников обрушивается огромный объем

слабоструктурированной информации, который человеческий разум не способен своевременно проанализировать, а значит, возникают трудности в принятии правильных оптимальных технологических решений. В современных условиях руководящим работникам или лицам, принимающим решения (ЛПР), необходим мощный интеллектуальный инструмент, который перерабатывал бы данные из информационных систем и выдавал адресный анализ - варианты возможных управленческих решений и полномочий для разных должностных лиц. Такой инструмент позволил бы максимально ускорить процессы интеллектуального анализа информации, подготовки основы для принятия решений и прогнозирования результатов различных возможных вариантов управляющих воздействий на систему [13].

Существует основная логистическая миссия, так называемое правило «7R»: нужный товар (Right Product) необходимого качества (Right Quality) в необходимом количестве (Right Quantity) должен быть доставлен в нужное время (Right Time) и в нужное место (Right Place) нужному потребителю (Right Customer) с требуемым уровнем затрат (Right Cost). Задачу соблюдения этого правила решает провайдер логистический (PL). Существует пять уровней эволюции PL на основе инсорсинга (использование внутренних источников для обеспечения нормального хода производственного процесса) и аутсорсинга (использование подряда, привлечение внешних ресурсов для выполнения каких-

либо работ, являющихся частью основной деятельности). В настоящее время активно используется ЗРЬ - комплексный логистический сервис, выходящий за пределы простой транспортировки товаров. Например, в перечень услуг ЗРЬ-оператора входит складирование, перегрузка, дополнительные услуги со значительной добавленной стоимостью, а также использование субподрядчиков. Для повышения эффективности необходимо применять системный подход к управлению всеми логистическими бизнес-процессами, т.е. выходить на уровень 4РЬ, характеризующийся интеграцией всех компаний, вовлеченных в цепь поставки грузов. Впоследствии будет использоваться интернет-логистика, т.е. управление всеми компонентами, составляющими единую цепь поставки грузов, с помощью электронных средств информации с использованием всех преимуществ интеллектуального транспортного пространства - уровень 5РЪ [84].

Динамика роста объема грузоперевозок, повышение требований к качеству транспортно-логистического обслуживания, усиление конкуренции между предприятиями в условиях рыночной экономики требуют совершенствования систем управления на основе оперативного и продуктивного анализа данных о процессах грузоперевозки, о влияющих на них многочисленных и разнообразных факторах. Это важно учесть при поддержке принятия решений ЛИР, которая является одной из самых насущных проблем в управлении транспортно-логистическими процессами в силу сложности как формализации задач управления, так и ограниченного выбора применимых на практике методик для их решения. Многие российские исследователи работают над этими вопросами: Бродецкий Г., Волобуева Е. в статьях «Управление цепями поставок при многих критериях в условиях случайного спроса» и «Возможности оптимизации объема заказа и цены реализации товара в цепи поставок» представляют модель оптимального управления товарными потоками от производителя товаров к потребителю. Формат модели предусматривает 1Я-шаговый процесс поставок, на каждом шагу которого выбирается размер заказа и наценка для цены реализации

товара с учетом специфики случайного спроса. Задача реализована и апробирована в Microsoft Office Excel [29], [10].

Попова И. в статье «Современные характеристики и инструменты стратегического управления цепями поставок» предлагает алгоритмы построения системы логистических стратегических ориентиров и разработки сбалансированной системы показателей как инструмента эффективного стратегического управления цепью поставок [74].

Клименко В. в статье «Развитие рынка транспортно-логистического сервиса РФ в разрезе формирования логистической инфраструктуры» использует новую трактовку сетевых графов с явными и неявными связями, представляющую собой имитационную модель процесса формирования инфраструктуры логистического центра [46].

Добронравии Е. в статье «О бизнес-концепциях адаптивности и стройности» утверждает, что в указанных концепциях получили отражение характерные особенности и тенденции развития современной рыночной экономики, включающие ее глобализацию, кооперацию, активную ориентацию на потребителя, синхронизацию и ситуационную гибкость бизнес-процессов, их системную интеграцию с использованием прогрессивных информационных технологий [37].

Бубнов С. В статье «О проектировании логистических систем и цепей поставок» обосновывает методику поэтапного решения поставленной проблемы и формулирует принципиальные требования, которые необходимо учитывать при практическом формировании логистических систем и цепей поставок. Созданная им методика проектирования ассоциативного взаимодействия логистических систем ориентирована на развитие интегративных бизнес-процессов между взаимодействующими предприятиями, входящими в логистические системы и являющимися участниками цепей поставок [12].

Вохмянина А.В. в статье «Методологические аспекты обеспечения надежности логистических цепей поставки» доказывает, что вероятностный

анализ факторов, характеризующих неопределенность, позволяет выявить узкие места в процессе товародвижения: определить наиболее ненадежные звенья логистической цепи, попытаться изменить характеристики взаимодействия с ними или выбрать более надежных контрагентов [30].

Однако массивы данных, которые необходимо оперативно анализировать в режиме реального времени для принятия оптимальных экономических решений, уже невозможно собирать и обрабатывать без применения интеллектуальных информационных технологий. Сложность современных транспортно-логистических ИС и их специализация привели к тому, что для их исследования, изучения свойств, прогнозирования поведения настала необходимость использования имитационного моделирования на основе систем искусственного интеллекта, включающее построение нейросетевой модели. Большую роль играет также выбор определённых технических средств, системного и прикладного программного обеспечения. К тому же неполнота и нечеткость исходной информации (сведения, которые размыты, смутны, неопределенны, неясны или неточны по своей природе), увеличение количества факторов из различных предметных областей приводит к тому, что наиболее подходящим и эффективным методом является метод моделирования с применением нечетких нейросетевых технологий. Основное преимущество этого подхода заключается в способности алгоритма подстраивать структуру сети под новые наблюдения (факторы) и выявлять сложные (нелинейные) взаимосвязи между значениями входных и выходных данных [52], [9]. Это гибридные интеллектуальные системы, позволяющие более эффективно соединять формализуемые и неформализуемые знания. Они сочетают в себе достоинства нейронных сетей и систем нечеткого вывода, позволяют разрабатывать и представлять наглядные и содержательные модели систем в форме правил нечетких продукций, используя при этом методы нейронных сетей, что является более удобным и менее трудоемким процессом для системных аналитиков [99].

Следует отметить, что разработкам технологий интеллектуального управления уделяют большое внимание многие ученые. Российские ученые Макаров И.М., Лохин В.М., Манько C.B., Романов М.П. рассматривают концептуальные основы построения и методы проектирования сложных систем автоматизации в условиях неопределенности - интеллектуальных систем управления, в основу которых положен принцип ситуационного управления с использованием таких современных информационных технологий, как: экспертные системы, нейросетевые структуры, нечеткая логика и ассоциативная память [64].

Барский А.Б. рассматривает возможности применения технологий нейронных сетей для управления сложными процессами, решения оптимизационных задач, динамической маршрутизации, первичной диагностики состояния системы с помощью «живого» моделирования [4], [5].

Валеева Р.Г., Сильнова C.B., Пузырникова Е.А. предлагают строить систему управления как иерархическую систему поддержки принятия решений, основанную на нечётких алгоритмах обработки количественной и качественной информации об объекте управления [14].

Список литературы диссертационного исследования кандидат наук Левченко, Наталья Георгиевна, 2014 год

Список литературы:

1. Алексеев, И.В. Некоторые результаты моделирования транспортной системы. // Транспортное дело Poccmi.TRANSPORT BUSINESS IN RUSSIA. №11. Часть №4 - Москва 2006. - С. 26-29.

2. Андрейчиков, A.B., Андрейчикова, О.Н. Анализ, синтез, планирование решений в экономике - М: Финансы и статистика, 2000. - 368 с.

3. Барский, А.Б., Нейронные сети: распознавание, управление, принятие решений. -М: Финансы и статистика, 2004. -176 е.: ил. - (Прикладные информационные технологии)

4. Барский, А.Б., Нейросетевые технологии на транспорте. / А.Б. Барский // Мир транспорта, 2011, № 2. - С. 4-11.

5. Барский, А.Б., Нейросетевые технологии на транспорте. / А.Б. Барский // Мир транспорта, 2011, № 3. - С. 14-19.

6. Батищев, Д.И., Неймарк, Е.А., Старостин, Н.В. Применение генетических алгоритмов к решению задач дискретной оптимизации. Учебно-методический материал по программе повышения квалификации «Информационные технологии и компьютерное моделирование в прикладной математике». Нижний Новгород, 2007, 85 с. [Электронный ресурс] - http://www.unn.ru/pages/e-library/aids/2007/l5.pdf [Дата обращения: 11.01.2014 г.]

7. Белман, Р. Принятие решений в расплывчатых условиях / Р. Белман, JI. Заде // В кн.: Вопросы анализа и процедуры принятия решений. - М.: Мир, 1976. -С.172-215.

8. Борисов, А.Н., Крумберг, O.A., Федоров И.П. Принятие решений на основе нечетких моделей: Примеры использования / - Рига : Зинатне, 1990. - 184 с.

9. Борисов, В.В., Круглов, В.В., Федулов A.C. Нечеткие модели и сети. - М.: Горячая Линия-Телеком, 2007. - 284с. : ил.

10. Бродецкий , Г., Волобуева, Е. Управление цепями поставок при многих критериях в условиях случайного спроса // Логистика. - № 3 (64) - 2012. - С. 3235.

11. Бродецкий, Г.Л. Системный анализ в логистике. Выбор в условиях неопределенности / - М.: «Академия», 2010 / -336с [Электронный ресурс] - / http://institutiones.coin/download^ooks/1679-sistemnyj-analiz-v-logistike.htrnl [Дата обращения: 11.01.2014 г.]

12. Бубнов, С. О проектировании логистических систем и цепей поставок // Логистика. - № 2 (43) - 2008. - С. 10-12.

13. Бугулов, Э.Р., Козлова, В.П., Осокин, О.В. О построении автоматизированных аналитических систем на транспорте. // Транспорт. Наука, техника, управление: научный информационный сборник, 2007, № 6, С. 18-21.

14. Валеева, Р.Г., Сильнова, С.В., Пузырникова, Е.А. Интеллектуальная система управления производством и сбытом. // Мехатроника, автоматизация, управление: теоретический и прикладной научно-технический журнал, 2008, январь, № 1(82)-С. 47-51.

15. Васильев В.И. Имитационное управление неопределенными объектами / В.И. Васильев, В.В. Коваленко, Ю.И. Горелов : отв. Ред. Павлов В.В. : АН. УССР. Ин-т кибернетики - Киев : Наук. Думка, 1989 — 216 с.

16. Веревченко, А.П. Информационные ресурсы для принятия решений [Текст] / А.П. Веревченко, В.В. Горчаков, И.И. Иванов, О.В. Голодова. - Учебное пособие. - М.: Академический Проект; Екатеринбург: Деловая книга, 2002. - 560 с. -(Серия «Gaudeamus»)

17. Вестник конгресса ИТС России. Приложение к информационно-аналитической газете «Транспорт России». Ко Второму российскому международному конгрессу по интеллектуальным транспортным системам. -Специальный выпуск №1, 2010. -16 с. - http://itamain.com/data/documents/II.pdf [Дата обращения: 25.02.2014 г.]

18. Вестник конгресса по интеллектуальным транспортным системам. Информационный бюллетень к IV Российскому международному конгрессу по интеллектуальным транспортным системам. - Июнь, 2012. -16 с. -http://itamain.com/data/documents/IV.pdf [Дата обращения: 25.02.2014 г.]

19. Вестник конгресса по интеллектуальным транспортным системам. Информационный бюллетень к III Российскому международному конгрессу по интеллектуальным транспортным системам. - Май, 2011. -16 с. -http://itamain.com/dataydocuments/III.pdf [Дата обращения: 25.02.2014 г.]

20. Винников, В.В. Экономика предприятия морского транспорта (экономика морских перевозок): Учебник для вузов водного транспорта. - 2-е изд., перераб. и доп. - Одесса: Латстар, 2001 .-416 с.

21. Винников, В.В., Крушкин, Е.Д., Лущан, H.A. Экономика, организация и планирование работы морского транспорта [Текст] : учебник для мореходных училищ / Под ред. Винникова B.B. - М.: Транспорт, 1991. - 360 с.

22. Винокур, Л.Б. Основы логистики. [Текст] : учебное пособие / Л.Б. Винокур. - Владивосток: ДВГМА, 2001. - 172 с.

23. Власова, Г. Транспортным процессам требуется интеллект [Текст] / Г. Власова // Морские порты: информационно-аналитический журнал. - 2009. - N 4/5(76).-С. 70-75.

24. Воевудский, E.H. Моделирование базы данных системы управления морским транспортом [Текст] : учебное пособие / E.H. Воевудский, С.А. Крекотун

- Киев.: ИК, 1983,-34 с.

25. Воевудский, E.H. Система моделей описания процессов управления морским транспортом [Текст] : учебное пособие / E.H. Воевудский, О.В. Соколова

- М.: ЦРИА «Морфлот», 1981. - 104 с.

26. Воевудский, E.H. Управление на морском транспорте [Текст] : Учеб. для вузов / E.H. Воевудский - М.: Транспорт, 1993. - 366 с.

27. Воевудский, E.H. Экономико-математические методы и модели в управлении морским транспортом [Текст] / E.H. Воевудский, H.A. Коневцева,

Г.С. Махуренко, И.П. Тарасова; Под ред. E.H. Воевудского - М.: Транспорт, 1988. -384 с.

28. Волкова, В.Н. Теория систем [Текст] / В.Н. Волкова, A.A. Денисов. - М.: Высш. ж., 2006. - 511 с. : ил.

29. Волобуева, Е. Возможности оптимизации объема заказа и цены реализации товара в цепи поставок // Логистика. - № 3 (52) - 2010. - С. 36-37.

30. Вохмянина, A.B. Методологические аспекты обеспечения надежности логистических цепей поставки // Транспорт Российской Федерации. - № 5 (48) -2013.-С. 55-59.

31. Гаврилова, Т.А. Базы знаний интеллектуальных систем / Т.А Гаврилова,

B.Ф. Хорошевский. - СПб.: Питер, 2001. - 384 с. : ил.

32. Галушкин, А.И. Сфера применения нейрокомпьютеров расширяется. Приложение к журналу «Информационные технологии»./ Галушкин А.И. -М.: Машиностроение, 2001. -№ 10 - 24 с.

33. Глушков, C.B. Построение нечеткой нейросетевой модели информационной системы управления транспортно-логистическим процессом /

C.B. Глушков, Н.Г. Левченко, Ю.Ю. Почесуева, Е.М. Коньков. // Вестник государственного университета морского и речного флота имени адмирала С.О. Макарова. - СПб.: ГУМРФ имени адмирала С.О. Макарова, 2013 - Вып. 3, С. 100111.

34. Головко, В.А. - Нейронные сети: обучение, организация и применение. Кн. 4./Общая ред. А.И. Галушкина. - М.: ИПРЖР, 2001. - 256 е.: ил. (Нейрокомпьютеры и их применение)

35. Горев, А.Э. Основы теории транспортных систем: учеб. пособие / А.Э. Горев; СПбГАСУ. - СПб, 2010. - 214 с.

36. Давыденко, A.A. Работа морского и внутреннего водного транспорта: итоги 2012 года и перспективы - Журнал «Наука и транспорт», № 1(5), 2013. - С. 4-9. - http://www.rostransport.eom/science_transport/pdf/5/4-9.pdf [Дата обращения: 18.02.2014 г.]

37. Добронравии, Е. О бизнес-концепциях адаптивности и стройности // Логистика. - № 3 (44) - 2008. - С. 17.

38. Дюбуа, Д. Теория возможностей. Приложения к представлению знаний и информатике : пер. с фр. / Д. Дюбуа, А. Прад. - М.: Радио и связь, 1990. - 288 с.

39. Есин, В.И., Пергаменцев, Ю.А. Технология проектирования модели предприятия на основе универсальной модели данных. http://www.citforum.ru/database/articles/udm/ [Дата обращения: 11.02.2010 г.]

40. Заде, Л. Понятие лингвистической переменной и его применение к принятию приближенных решений / Л. Заде - Математика. Новое в зарубежной науке. Редакторы серии: А.Н. Колмогоров, С.П. Новиков : Перевод с английского Н.И. Ринго. Под редакцией H.H. Моисеева и С.А. Орловского. - Издательство «Мир», Москва, 1976. - 167 с.

41. Зайцев, М.Г., Варюхин, С.Е. Методы оптимизации управления и принятия решений: примеры, задачи, кейсы: учебное пособие. - 2-е изд., испр. -М.: Издательство «Дело» АНХ, 2008. - 664 с. [Электронный ресурс] -http://www.htbs-miit.ru:9999/biblio/books/km/6/l.pdf [Дата обращения: 11.01.2014

г-]

42. Зеленцов, В.В. Экономика отрасли (морского транспорта) [Текст] : учебное пособие / В.В. Зеленцов - Владивосток: Морской гос. ун-т, 2009. - 132 с.

43. Иванов, Ю.М., Романенко, A.A., Лебедев, Г.В. Морские порты России -траектория развития // Транспорт Российской Федерации. - № 5 (48) - 2013. - С. 8-12.

44. Избачков, Ю.С., Петров, В.Н. Информационные системы [Текст] : Учебник для вузов. 2-е изд. / Ю.С. Избачков, В.Н. Петров - СПб.: Питер, 2006. -656 с. : ил.

45. Клещев, Н. Т. Практическое руководство по организации и проектированию информационных систем [Текст] / Н. Т. Клещев, А. А. Романов М.: - Изд-во ООО «Научтехлитиздат», 2001. - 389 с.

46. Клименко, В. Развитие рынка транспортно-логистического сервиса РФ в разрезе формирования логистической инфраструктуры // Логистика. - № 5 (66) -2012.-С. 38-41.

47. Козырев, A.A. Информационные технологии в экономике и управлении [Текст] : Учебник. Второе издание. / A.A. Козырев. - СПб.: Изд-во Михайлова В .А., 2001. -360 с.

48. Коростелев, И.Ф. Перевозка скоропортящихся грузов на морсих судах [Текст] : учебное пособие / И.Ф. Коростелев - Владивосток: Дальрыбвтуз, 2005. -161 с.

49. Кофман, А. Введение в терию нечетких множеств / А. Кофман. - М.: Радио и связь, 1982. - 432 с.

50. Краев, В.И., Пантин, A.A. Экономика морского транспорта [Текст] : учебник / В.И. Краев, A.A. Пантин - М.: Транспорт, 1990. - 256 с.

51. Круглов, В.В., Борисов, В.В. Искусственные нейронные сети. Теория и практика - М.: Горячая линия-Телеком, 2001. - 382 с.

52. Круглов, В.В., Дли, М.И. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода. - М.: Издательство Физико-математической литературы, 2002. - 256 с.

53. Левченко, Н.Г. Аспекты построения информационной системы предприятия водного транспорта / Н.Г. Левченко, Д.Ю. Сясин. // Эксплуатация морского транспорта: ежеквартальный сборник научных статей; Государственная морская академия им. адм. С.О. Макарова; С.-Петербург : 3 (61), 2010. - С. 3-8.

54. Левченко, Н.Г. Имитационное моделирование с применением интеллектуальной системы / Н.Г. Левченко, Ю.Ю. Почесуева. // Вестник Морского государственного университета. Серия: Автоматическое управление, математическое моделирование и информационные технологии. Вып. 45/2011. -Владивосток: Мор. гос. ун-т, 2011. - С. 45-54.

55. Левченко, Н.Г. К вопросу создания интеллектуальных транспортных систем / Н.Г. Левченко. // Вестник Морского государственного университета.

Серия: Автоматическое управление, математическое моделирование и информационные технологии. Вып. 43/2010. - Владивосток: Мор. гос. ун-т, 2010. -С. 84-90.

56. Левченко, Н.Г. Метод моделирования плохо формализованных или слабоструктурированных объектов управления с применением нечетких нейронных технологий / Н.Г. Левченко, Ю.Ю. Почесуева. // Вестник Морского государственного университета. Серия: Автоматическое управление, математическое моделирование и информационные технологии. Вып. 45/2011. -Владивосток: Мор. гос. ун-т, 2011. - С. 40-^44.

57. Левченко, Н.Г. Модель нечеткой системы для решения плохо формализованной задачи / Н.Г. Левченко, Ю.Ю. Почесуева. // Вестник Морского государственного университета. Серия: Автоматическое управление, математическое моделирование и информационные технологии. Вып. 45/2011. -Владивосток: Мор. гос. ун-т, 2011. - С. 54-67.

58. Левченко, Н.Г. Нечеткая логика в имитационном моделировании / Н.Г. Левченко. // Морские исследования на Дальнем Востоке : сборник научных трудов курсантов, студентов и молодых ученых. - Владивосток: Мор. гос. ун-т, 2011.-С. 47-54.

59. Левченко, Н.Г. Оптимизация слабо формализованных процессов с использованием нечеткой нейронной модели / Н.Г. Левченко. // Журнал университета водных коммуникаций. - СПб.: СПГУВК, Выпуск 4 (16), 2012. - С. 105-114.

60. Левченко, Н.Г. Особенности моделирования информационной системы предприятия водного транспорта / Н.Г. Левченко. // Вестник Морского государственного университета. Серия: Автоматическое управление, математическое моделирование и информационные технологии. Вып. 43/2010. -Владивосток: Мор. гос. ун-т, 2010. - С. 77-84.

61. Левченко, Н.Г. Применение гибридных сетей для создания интеллектуальной системы / Н.Г. Левченко, Ю.Ю. Почесуева. // Вестник

Морского государственного университета. Серия: Автоматическое управление, математическое моделирование и информационные технологии. Вып. 45/2011. -Владивосток: Мор. гос. ун-т, 2011. - С. 99-102.

62. Левченко, Н.Г. Решение плохо формализуемых задач с помощью гибридных интеллектуальных систем / Н.Г. Левченко, Ю.Ю. Почесуева. // Научные проблемы транспорта Сибири и Дальнего Востока: научное издание; ФБОУ ВПО «НГАВТ», Новосибирск : 2, 2011. - С. 28-31.

63. Лимонов, Э.Л. Внешнеторговые операции морского транспорта и мультимодальные перевозки [Текст] : / Э.Л. Лимонов - СПб: ООО «Модуль», 4-е изд., 2009.-636 с.

64. Макаров, И.М. Создание интеллектуальных систем автоматизации и управления на основе современных информационных технологий. / И.М. Макаров, В.М. Лохин, C.B. Манько, М.П. Романов // Мехатроника, автоматизация, управление: теоретический и прикладной научно-технический журнал, 2007, апрель, № 4 - С. 13-21.

65.Микита, P.M. Концепция построения информационной модели предприятия. / P.M. Микита, P.M. Рогозов, A.C. Свиридов, Л.Н. Сукотий http://www.deagnostic.ru/statya7.htm [Дата обращения: 11.02.2010 г.]

66. Минеев, В.И., Костров, C.B. Обоснование эффективности комбинированных технологий перевозок грузов водным транспортом / В.И. Минеев, C.B. Костров. //Научные проблемы транспорта Сибири и Дальнего Востока: научное издание; ФБОУ ВПО «НГАВТ», Новосибирск : 1, 2013. - С. 36.

67. Москаленко, М.А., Друзь, И.Б., Москаленко, А.Д. Устройство и оборудование транспортных средств. -2-е изд., Спб.: Изд-во «Лань»,.2013. - 235 с.

68. Никифоров, B.C. Мультимодальные перевозки и транспортная логистика. - М.: ТрансЛит, 2007, - 272 с.

69. Орловский, С.А. Проблемы принятия решений при нечеткой исходной информации. - М.: Радио и связь, 1981. - 286 с.

70. Осовский, С. Нейронные сети для обработки информации [Текст] / С. Осовский; пер. с польского И.Д. Рудинского. - М.: Финансы и статистика, 2002. -344 с.

71. Павловский, Ю.Н. Имитационные системы и модели. - М. : Знание, 1990 - 48 с. - Новое в жизни, науке, технике. Сер. «Математика, кибернетика», № 6.

72. Перепелица, В.А., Тебуева, Ф.Б. Дискретная оптимизация и моделирование в условиях неопределенных данных. - Издательство «Академия Естествознания», 2007. - 152 с. [Электронный ресурс] -http://www.rae.ru/monographs/22 [Дата обращения: 11.01.2014 г.]

73. Полякова, И. Кто заполнит пустоту: отсутствие интеллектуально-интегрированных систем управления становится барьером на пути дальнейшего развития транспортной отрасли. // Транспорт России: еженед.информ.-ан.газ-2009, 11-17 мая. - N 20(568). - С. 6

74. Попова, И. Современные характеристики и инструменты стратегического управления цепями поставок // Логистика. - № 3 (52) - 2010. - С. 38-41.

75. Поспелов, Д.А. Логико-лингвистические модели в системах управления / Д.А. Поспелов - М.: Энергоиздат, 1981 - 232 е., ил.

76. Поспелов, Д.А. Ситуационное управление: теория и практика / Д А. Поспелов : Гл. ред. физ.-мат.лит. : М. : Наука, 1986 - 288 с.

77. Поспелов, Д.А. Большие системы. Ситуационное управление. М.: Знание, 1975-64 с.

78. Поспелов, Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов. - М.: Радио и связь, 1989. - 184 с.

79. Рутковская, Д., Пилиньский, М., Рутковский, Л. Нейронные сети, генетические алгоритмы и нечеткие системы. - 2-е изд. - М.: Горячая линия-Телеком, 2007 - 452 с.

80. Системный анализ в управлении: Учеб. пособие / B.C. Анфилатов, A.A. Емельянов, A.A. Кукушкин / Под ред. A.A. Емельянова. - М.: Финансы и статистика, 2002. - 368 с.

81. Системный анализ в экономике и организации производства: Учебник для студентов вузов / Под ред. С.А. Валуева, В.Н. Волковой. - JL: Политехника, 1991.-398 с.

82. Системный анализ и принятие решений: Словарь-справочник / Под ред. В.Н. Волковой, В.Н. Козлова - М.: Высшая школа, 2004. - 616 с.

83. Смирнова, Г.Н. Проектирование экономических информационных систем [Текст] : учебник / Г. Н. Смирнова, А. А. Сорокин, Ю .Ф. Тельнов. - М.: Финансы и статистика, 2002. - 512 с.

84. Степанов, A. JI. Эволюция портов и экспедиторской деятельности -основа транспортной логистики // Эксплуатация морского транспорта. - 2007 - № 4 (50).-С. 6-9.

85. Сукотий JI.H., Рогозов P.M. Фрактальное моделирование организационных структур, http://www.deagnostic.ru/statya6.htm [Дата обращения: 11.02.2010 г.]

86. Танака, Т. Итоги Рассмотрения факторов неопределенности и неясности в инженерном искусстве // Т. Танака. /Нечеткие множества и теория возможностей. Последние достижения: пер. с англ. / Под ред. P.P. Ягера. - М.: Радио и связь, 1986. - 408 е.: ил.

87. Теория систем и системный анализ в управлении организациями: Справочник : Учеб. пособие / Под ред. В.Н. Волковой, A.A. Емельянова. - М.: Финансы и статистика, 2006. - 848 с. : ил.

88. Тимошек, Е.С. Управление работой морского флота [Текст] / Е.С. Тимошек - Владивосток: Морской гос. ун-т, 2011. - 99 с. /1.2.13.

89. Транспортная стратегия Российской Федерации на период до 2030 года (утв. Распоряжением Правительства Российской Федерации от 22 ноября 2008 г. № 1734-р). URL: http://gov.garant.ru/SESSION/PILOT/main.litm

90. Управление процессами в транспортных логистических системах: учеб. пособие В.М. Беляев, Л.Б. Миротин, А.Г. Некрасов, А.К. Покровский; под общ. ред. А.Г. Некрасова; М.: МАДИ, 2011 - 127 с. [Электронный ресурс] -http://lib.madi.ru/fel/fell/felllE095.pdf [Дата обращения: 09.11.2013 г.]

91. Усков, A.A., Котельников, С.А. Гибридные нейросетевые методы моделирования сложных объектов. Монография / A.A. Усков, С.А. Котельников, Е.М. Грубник, В.М. Лаврушин - Смоленск: Смоленский филиал AHO ВПО ЦС РФ «Российский университет кооперации», 2011 - 132 с. : ил. [Электронный ресурс] -http://www.uskov.net/index.flles/Page337.htm [Дата обращения: 22.11.2013 г.]

92. Усков, A.A., Круглов, В.В. Интеллектуальные системы управления на основе методов нечеткой логики - Смоленск: Смоленская городская типография, 2003 -177 с. : ил. [Электронный ресурс] -http://www.uskov.net/index.files/Page337.htm [Дата обращения: 19.11.2013 г.]

93. Филипс, Ч., Харбор, Р. Системы управления с обратной связью [Текст] / Ч. Филипс, Р. Харбор - М.: Лаборатория Базовых Знаний, 2001. - 616 с. : ил.

94. Финаев, В.И., Молчанов, А.Ю. Задача автоматической оптимизации при нечетком интервальном задании параметров экстремальной характеристики объекта // Проблемы мехатроники и автоматизации в работах технологического института южного федерального университета. Приложение к журналу «Мехатроника, автоматизация, управление», 2008, январь, № 1 - С 11-15.

95. Хамаза, Е.В. Внешнеторговые операции и их транспортное обеспечение (морским транспортом) [Текст] : учебное пособие /Е.В. Хамаза - Владивосток: Дальрыбвтуз, 2008. - 280 с.

96. Хузиятов, Т.Д. Транспортно-логистическое обеспечение торговли в Азиатско-Тихоокеанском регионе [Текст] / Т.Д. Хузиятов - Владивосток: Морской гос. ун-т, 2009. - 216 с.

97. Шеннон, Р. Имитационное моделирование систем - искусство и наука. -М.: Мир, 1978.-424 с.

98. Шиян, A.A. Способ формализации процессов сжатия и атрибуции данных, http://www.collegian.ru/index.php/tiara/2003/ [Дата обращения: 11.02.2010 г.]

99. Штовба, С.Д. Проектирование нечетких систем средствами MATLAB / С.Д. Штовба - М.: Горячая линия-Телеком, 2007. - 288 с.

100. Шумский, А. А. Основы системного анализа [Текст] : учебное пособие / А. А. Шумский, А. А. Шелупанов. - Томск: В-Спектр, 2007. - 218 с.

101.Шутенко, В.В. Аренда судов [Текст] /В.В. Шутенко - СПб.: Информационный центр «Выбор», Серия «Коммерческая работа на морском транспорте», выпуск 3, 2003. - 136 с.

102. Шутенко, В.В. Договорная работа. Агентирование судов [Текст] /В.В. Шутенко -СПб.: Информационный центр «Выбор», Серия «Коммерческая работа на морском транспорте», выпуск 2, 2002. - 112 с.

103. Шутенко, В.В. Коносамент. Ответственность морского перевозчика [Текст] : /В.В. Шутенко - СПб.: Информационный центр «Выбор», Серия «Коммерческая работа на морском транспорте», выпуск 1, 2001. - 96 с.

104. Шутенко, В.В. Морское страхование [Текст] /В.В. Шутенко - СПб.: Информационный центр «Выбор», Серия «Коммерческая работа на морском транспорте», выпуск 4, 2004. - 168 с.

105. Шутенко, В.В. Фрахтование тоннажа [Текст] /В.В. Шутенко -СПб.: ООО «Морсар», Серия «Коммерческая работа на морском транспорте», выпуск 5., 2007. - 168 с.

106. Янг, С. Системное управление организацией [Текст] / С. Янг - М.: Сов. радио, 1972.-455 с.

107. Glushkov, S., Levchenko, N. Use of Neural Network Technologies for Improving Efficiency of Transport and Logistics Processes / N. Levchenko, S. Glushkov // Asia-Pacific Journal of Marine Science&Education, Vol. 3, # 1, 2013, pp 67-74.

108. An Cans, Cathy Macharis, Gerrit K. Janssens Decision support in intermodal transport: A new research agenda // Computers in Industry, Volume 64, Issue 2, February 2013, Pages 105-112

109. Ching-Yu Tyan, Paul P. Wang, Dennis R. Bahler, An application on intelligent control using neural network and fuzzy logic // Neurocomputing, Volume 12, Issue 4, 1 August 1996, Pages 345-363

110. Levchenko, N. Optimization of hard formalized processes using fuzzy neural model / N. Levchenko. // Asia-Pacific Journal of Marine Science&Education, Vol. 2, # 1, 2012, pp 101-111.

111. Levchenko, N. The Imitating model of the maritime branch enterprise's information management system / N. Levchenko. // Asia-Pacific Journal of Marine Science&Education, Vol. 1, # 1, 2011, pp 107-112.

112. Ronald R. Yager, Implementing fuzzy logic controllers using a neural network framework // Fuzzy Sets and Systems , Volume 100, Supplement 1, 1999, Pages 133-144

113.Teodor Gabriel Crainic, Michel Gendreau, Jean-Yves Potvin Intelligent freight transportation systems: Assessment and the contribution of operations research // Transportation Research Part C: Emerging Technologies, Volume 17, Issue 6, December 2009, Pages 541-557

114. Timon Chih-Ting Dua, Philip M. Wolfeb Implementation of fuzzy logic systems and neural networks in industry // Computers in Industry, Volume 32, Issue 3, March 1997, Pages 261-272

115. Vilem Novak, Reasoning about mathematical fuzzy logic and its future // Fuzzy Sets and Systems, Volume 192,1 April 2012, Pages 25-44

116. Witold Pedrycz, Genetic tolerance fuzzy neural networks: From data to fuzzy hyperboxes // Neurocomputing, Volume 70, Issues 7-9, March 2007, Pages 1403-1413