Объектно-продукционная модель знаний для построения параллельных экспертных систем реального времени для производственных и организационных комплексов тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат технических наук Бураков, Сергей Борисович

• Бураков, Сергей Борисович
• кандидат технических наук
• 1997

Оглавление диссертации кандидат технических наук Бураков, Сергей Борисович

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ ПРОБЛЕМ ИССЛЕДОВАНИЯ И РАЗРАБОТКИ МОДЕЛЕЙ И МЕТОДОВ ДЛЯ ЗАДАЧ УПРАВЛЕНИЯ РЕАЛЬНОГО ВРЕМЕНИ В ДИСКРЕТНЫХ ПРОИЗВОДСТВЕННЫХ И ОРГАНИЗАЦИОННЫХ КОМПЛЕКСАХ.

1.1. Анализ современных дискретных объектов и процессов управления в производственных и организационных комплексах.

1.2. Структура, инструментальные средства и возможности современных экспертных систем реального времени (ЭС РВ).

1.3. Анализ современных моделей знаний с точки зрения задач управления реального времени.

1.4. Цель, задачи и средства исследования и разработки объектно-продукционной модели знаний.

Введение диссертации (часть автореферата) на тему «Объектно-продукционная модель знаний для построения параллельных экспертных систем реального времени для производственных и организационных комплексов»

В условиях современной рыночной экономики выживание, повышение конкурентоспособности и развитие - являются наиболее важными задачами для огромного количества производственных и организационных комплексов. Динамика конъюнктуры рынка заставляет современные предприятия постоянно внедрять новые схемы бизнеса и в соответствии с ними модифицировать организационную структуру (business process reengineering). Успешное решение этих задач напрямую зависит от эффективности и оперативности использования всех ресурсов комплекса в производственных и организационных процессах; от трудоемкости и синхронности выполнения всех бизнес-процессов; от скорости адаптации организационной структуры к новым условиям рынка. Степень удовлетворения столь жестким требованиям, в свою очередь, определяется используемой предприятием информационной технологии поддержки бизнеса или уровнем его автоматизации и интеллектуализации. Применение компьютерной информационной технологии позволяет увеличить гибкость структуры предприятия при создании и предложении новых товаров и услуг; избавится от части бумажной работы; ускорить процесс обмена информацией, как одного из видов ресурсов; более полно использовать возможности каждого сотрудника предприятия; и, наконец, принимать более правильные решения, основанные на полной и точной оперативной информации.

Современные производственные и организационные комплексы представляют собой сложную иерархическую дискретно-непрерывную многокомпонентную проблемную среду для исследования вопросов построения систем обработки информации и управления реального времени. Структуру комплекса образуют объекты и подсистемы различной природы, связанные сетью материальных и информационных потоков. Объекты комплекса, как правило, функционируют последовательно-параллельно во времени, причем их деятельность подчинена определенной цели (производство продукции, обслуживание клиентов, .). С точки зрения предприятия объекты могут рассматриваться либо как ресурсы (финансы), либо как исполнители определенных процессов (оборудование), либо как и то и другое одновременно (сотрудники). С точки зрения компьютерной системы управления ресурсы предприятия образуют внешнюю среду, а производственные и организационные процессы являются предметом автоматизации.

Большинство автоматизируемых процессов в производственных комплексах электронной промышленности и организационных системах торгово-финансового профиля являются пока практически неформализованными и связаны, как правило, со сбором, анализом и контролем большого объема сложноструктурированной информации. Ее обработка носит преимущественно параллельный событийно-качественный характер, при этом она связана с большим числом операций принятия решений, сопоставлением ситуаций и асинхронной выдачей управляющих воздействий и сообщений обратной связи. Алгоритмы автоматизируемых процессов отражают специфику предприятия и существенной зависят от его профиля, размеров и уровня развития. Например, крупная фирма со множеством филиалов и дочерних предприятий характеризуется более сложными бизнес-процессами, чем небольшая. Следствием такого положения является отсутствие стандартизации большинства производственных и организационных процессов и широкое использование эвристик для их реализации. Поэтому, говоря о информационной компьютерной системе управления, в первую очередь, следует рассматривать ее не как законченный продукт, способный выполнять определенные прикладные функции, а как инструментальное средство, обладающее технологическими возможностями настройки и расширения.

В этих условиях целесообразно использовать для решения задач мониторинга, контроля и управления сочетание традиционных подходов с моделями и методами искусственного интеллекта, как технологии направленной на решение "человеческих задач" с использованием знаний. Другими словами, целесообразно строить систему управления, как экспертную систему реального времени. Использование экспертной системы позволяет решать неформализованные задачи обработки информации и управления непосредственно специалистами предприятия с минимальными затратами и в кратчайшие сроки. Кроме того экспертная система изначально ориентирована на взаимодействие не только с различными техническими объектами, но и с людьми, выступающими в качестве внешних объектов управляемой системы. Практическим доказательством жизнеспособности и эффективности систем, основанных на знаниях, является всемирно известная инструментальная экспертная система реального времени G2 фирмы Gensym (USA). Однако, существующие экспертные системы являются либо довольно сложными в освоении и использовании, либо обладают небогатыми выразительными возможностями.

Актуальность работы определяется, с одной стороны, возрастающей потребностью производственных и организационных комплексов в инструментальных средствах быстрой разработки и сопровождения сложных, параллельных компьютерных систем обработки информации и управления непосредственно внутри предприятия, а с другой стороны, отсутствием моделей, алгоритмов и программно-информационных средств полностью удовлетворяющих их требованиям. Главной целью настоящей работы является синтез новой объектно-продукционной модели представления и обработки знаний, ориентированной на неформализованные задачи дискретного управления производственными и организационными комплексами, требующими параллельной интеллектуальной обработки информации. Синтезируемая модель должна позволить специалистам из предметной области непосредственно участвовать в разработке компьютерной системы, решающей поставленную задачу.

В целом диссертация подготовлена на основе работ, выполняемых автором с 1990 г. на кафедре "Автоматизация и Интеллектуализация Процессов Управления" Московского Государственного Института Электроники и Математики.

Заключение диссертации по теме «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», Бураков, Сергей Борисович

ОБЩИЕ ВЫВОДЫ

Сформулируем основные результаты работы.

1. Проведен анализ проблем исследования и разработки моделей и методов для задач управления реального времени в дискретных производственных и организационных комплексах, как сложных системах. В результате анализа:

- Выявлены основные типы объектов управления и объектов взаимодействия для производственных и организационных комплексов, сформулированы их ключевые свойства.

- Зафиксировано, что с точки зрения автоматизируемых комплексов компьютерная система управления в основном рассматривается как технологическое средство для решения неформализованных задач обработки информации и управления, а не законченный программный продукт.

- Выявлено, что основным требованием к базовой модели ЭС РВ является модульное представление знаний об иерархической структуре внешних объектов и параллельных процессах обработки информации и управления в реальном времени, независящее от размера управляемой системы.

2. Дано формализованное определение объектно-ориентированной модели знаний, уточняющее понятия объект, класс, экземпляр. Структура модели представляется иерархической семантической сетью, в которой явно выделены интенсиональная и экстенсиональная части. Каждый объект модели содержит декларативные и процедурные свойства, и поддерживает правила ограничения доступа.

3. Синтезирована объектно-продукционная модель представления и обработки знаний для задач дискретного управления производственными и организационными комплексами в реальном масштабе времени. Модель ориентированна на модульное, логически распределенное представление знаний о иерархической структуре управляемой системы и параллельных процессах обработки информации и управления в РВ. Единицами представления и обработки знаний модели являются

П-объект (продукционный объект) и О-продукция (объект-продукция). Структура модели имеет вид иерархической семантической сети П-объектов, в которой явно выделяются интенсиональная и экстенсиональная части. Основными свойствами модели являются:

- структуризация базы правил за счет разделения О-продукций на основные и вспомогательные;

- реальное распараллеливание структурированной системы О-продукций за счет декомпозиции базы правил на фрагменты, инкапсулируемые в П-объекты;

- новый децентрализованный механизм синхронизации параллельных П-объектов, позволяющий абстрагироваться от механизма сообщений;

- поддержка многократного повторного использования знаний за счет явного выделения классов и экземпляров П-объектов;

- возможность динамического изменения структуры алгоритма управления во время выполнения;

- наличие средств визуализации и возможность формализованного анализа функциональной структуры алгоритмов управления.

4. Разработано алгоритмическое обеспечение объектно-продукционной модели знаний, поддерживающее новый децентрализованный механизм синхронизации параллельных П-объектов. Механизм позволяет П-объекту одновременно устанавливать несколько каналов управления с параллельными П-объектами.

5. Разработана объектно-продукционная сеть обработчиков событий, обеспечивающая визуализацию функциональной структуры и динамики выполнения алгоритма управления, а также возможность его формализованного анализа.

6. Разработан программно-информационный проект инструментальной среды ПРОДУС.96 для построения объектно-продукционных параллельных экспертных систем реального времени. Предложено строить объектно-продукционную базу знаний в форме виртуальной машины, управляемой потоком событий и программируемой на декларативно-процедурном языке высокого уровня. Основными характеристиками прикладных объектно-продукционных ЭС РВ являются:

- ориентация на быстрое решение сложных неформализованных задач мониторинга, контроля и управления непосредственно специалистами;

- модульная, открытая и логически распределенная структура;

- параллельное поведение, управляемое событиями;

- межплатформная переносимость.

7. Описаны процесс и правила построения объектно-продукционных алгоритмов управления для производственных и организационных комплексов. Название, структура и поведение П-объекта, как информационной управляющей модели, описывается в терминах предметной области. Наличие простой и четкой методики построения объектно-продукционных алгоритмов способствует уменьшению затрат временных, финансовых и человеческих ресурсов, а также минимизирует риск неудачи разработке сложных, динамических параллельных приложений.

8. Прикладные возможности разработанных алгоритмических и программно-информационных средств продемонстрированы на задачах управления реальными дискретными объектами производственных и организационных комплексов. Построены объектно-продукционный алгоритм управления технологическим реконфигурируемым производством СБИС и алгоритм мониторинга и контроля движения товаров, финансов и документов в закупочной деятельности компании.

9. Предложено использовать инструментальную среду ПРОДУС.96 для построения программного обеспечения серверов приложений, выполняющих параллельную, интеллектуальную обработку информации, в трехуровневой архитектуре клиент/сервер. Благодаря высокоуровневому языку ПРОДУС.96 настройка сервера на решение прикладной задачи может быть выполнена непосредственно специалистами предметной области, не являющимися профессиональными программистами. Реализация физически распределенного сервера приложений может быть выполнена, например, на многопроцессорной ЭВМ, сети транспьютеров, локальной вычислительной сети или даже единой мировой компьютерной сети Internet.

Список литературы диссертационного исследования кандидат технических наук Бураков, Сергей Борисович, 1997 год

1. Евсеев О.В., Кравченко В.А. Применение ЭВМ в управлении технологическимипроцессами: Автоматизация и интеллектуализация производства: Учеб. пособие. М.: Изд-во МГОУ; А/О Росвузнаука, 1992.

2. Евсеев О.В. Методы формализованного исследования и инвариантные моделидля построения систем оперативного управления производственных и организационных комплексов. Докторская диссертация М.: МГИЭМ, 1996.

3. Венда В.Ф. Системы гибридного интеллекта: Эволюция, психология,информатика. М.: Машиностроение, 1990. - 448 с.

4. Newell A. Heuristic Programming: III Structured Problems // Progress in Operation

5. Research. Vol. 3. New York: Weley and Sons, 1969.

6. Кук Д., Бейз Г. Компьютерная математика: Пер. с англ. М.: Наука, Гл. ред. физ.мат. лит., 1990.- 384с.

7. Питерсон Дж. Теория сетей Петри и моделирование систем: Пер. с англ. М.:1. Мир, 1984.-264 с.

8. Котов В.Е. Сети Петри. М.: Наука, 1984-160 с.

9. Розенблюм Л.Я. Сети Петри // Изв. АН СССР. Техн. кибернетика 1983, №5с.12-40.

10. Перспективы развития вычислительной техники: В 11 кн.: Справ. пособие/Подред. Ю.М.Смирнова. Кн. 2.: Интеллектуализация ЭВМ/Е.С.Кузин, А.И.Ройтман, И.Б.Фоминых, Г.К.Хахалин.- М.: Высшая школа, 1989.-159 с.

11. Искусственный интеллект: В 3 кн. Кн. 1. Системы общения и экспертные системы:

12. Справочник/Под ред. Э.В.Попова.- М.: Радио и связь, 1990.-464 с.

13. Newell A. Heuristic Programming: III Structured Problems // Progress in Operation

14. Rexarch. Vol. 3. New York: Weley and Sons, 1969.

15. Попов Э.В. Экспертные системы. M.: Наука, 1983. - 208 с.

16. Поспелов Г.С. Искусственный интеллект основа новой информационнойтехнологии. М.: Наука, 1988. - 272 с.

17. Построение экспертных систем. М.: Мир, 1987. - 441 с.

18. Представление знаний в человеко-машинных и робототехнических системах. Т.А.

19. Фундаментальные исследования в области представления знаний. 150 с. Т.В. Инструментальные средства разработки систем, ориентированных на знания. -140 с. Т.С. Прикладные человеко-машинные системы, ориентированные на знания. -140 с. - М.: ВИНИТИ, 1984.

20. Уотермен Д. Руководство по экспертным системам. М.: Мир, 1989. - 388 с.

21. Экспертные системы. Принципы работы и примеры. М.: Радио и связь, 1987.223 с.

22. Amble Т. Logic programming and knowledge engineering. Reading: Addison-Wesley,1987. 281 p.

23. Bratko I. Prolog programming for artificial intelligence. Reading: Reading: Addison1. Wesley, 1986. 423 p.

24. Системы управления базами данных и знаний: Справ, изд. / А.Н.Наумов,

25. А.М.Вендров, В.К.Иванов и др.; Под ред. А.Н.Наумова. М.: Финансы и статистика, 1991. - 352 с.

26. Glimore J.F., Pulaski К. A survey of expert system tools. // 2nd Conf. of Al Applic.,1985. -p.418-502.

27. Richer M.H. An evaluation of expert system development tools // Expert Systems.1986. Vol. 3, N 3. - p.166-182.

28. Swinkels D.A.J., Lock Lee L., Saunders M. Comparison of four expert systemdevelopments packages // 2nd Int. Expert Systems Conf., 1986. p. 149-155.

29. Waterman D.A. A Guide to Expert Systems. New York: Addison-Welse, 1986.

30. Программирование, отладка и решение задач на ЭВМ единой серии. Язык

31. Фортран: Учеб. пособие для вузов / И.А.Кудряшов, Н.Х.Кушнер, Л.В.Петрова, Н.А.Силов. Л.: Энергоатомиздат, Ленингр. отд-ние, 1988. -208 с.

32. Белецкий Я. Энциклопедия языка Си: Пер. с польск. М.: Мир, 1992. - 687 с.

33. Сойер Б., Фостер Д.Л. Программирование экспертных систем на Паскале. М.:

34. Финансы и статистика, 1990. 240 с.

35. Практическое введение в технологию искусственного интеллекта и экспертныхсистем с иллюстрациями на Бейсике /Р.Левин, Д.Дранг, Б.Эделсон: Пер. с англ. М.: Финансы и статистика, 1991. - 239 с.

36. Charniak Е., Riesbeck С., McDermott D. Artificial Inteligence Programming. New

37. Jersey: Lawrence Erlbaum Associates, 1980. 352p.

38. Goldberg A., Robson D. Smalltalk-80. The Language and its implementation.

39. Addison-Wesley, 1983. 714p.

40. Хювёнен Э., Сеппянен Й. Мир Лиспа. В 2-х т. Т.1: Введение в язык Лисп ифункциональное программирование. Пер. с финск. М.: Мир, 1990. - 447 с.

41. Клоксин У.Ф., Меллиш К.Ф. Проограммирование на языке Пролог. М.: Мир,1987.-336 с.

42. Пильщиков В.Н. Язык ПЛЕНЭР. М.: Наука, 1983. - 208 с.

43. Робинсон Дж., ЗибертЭ. LOGLISP: мотивировка, разработка и реализация //

44. Логическое программирование. М.: Мир, 1988. - с.261- 275.

45. Brownston L., Farrell R., Kant E., Martin N. Programming expert systems in OPS5. Anintroduction to rule-based programming. Reading: Addison-Wesley, 1985. -373 p.

46. Stefic M., Bobrow D.G. et al. Knowledge programming in LOOPS: report onexperimental course // Al Magazin. 1983. - Vol. 4, N 3. - p.3-14.

47. Представление и использование знаний: Пер. с япон./ Под ред. Х.Уэно,

48. М.Исидзука.- М.:Мир, 1989.- 220 с.

49. B.Dutton. Continuous Expertise. // Manufacturing Systems. December 1991.

50. Евсеев O.B. Продукционная управляющая система для гибких производственныхсистем // Известия АН СССР. Техническая кибернетика, 1987, №5, с.93-112.

51. Евсеев О.В., Нечаев A.M., Поневаж В.П., Деткин А.Н., Ковалевский Д.В.

52. Инвариантная система управления ГПС.-"Вестник машиностроения", №8, 1990, с.49-51.

53. Evseev O.V. Real Time Production Control System Produs-85.- in book: Industrial

54. Applications of Artificial Intelligence / Edd. by J.L.AIty and L.I.Mikulich Elsevier Science Publishers B.V., Amsterdam, London, New York, Tokio, 1991, pp.426-430.

55. Кравченко B.A., Евсеев О.В., Нечаев A.M., Поневаж В.П., Ковалевский Д.В., Крез

56. В.Д., Титов В.И., Бураков С.Б., Бузулукова Л.А. Логико-динамические модели и программно-технические средства интеллектуальной системы управления дискретными процессами.- "Приборостроение". №9-10, 1994, с. 36-44.

57. Кравченко В.А., Евсеев О.В., Нечаев A.M., Поневаж В.П., Титов В.И., Бураков

58. Forgy С. RETE: a Fast Algoritm for the Many Pattern. / Many Object Pattern Match

59. Problem//AI.-1982.-Vol. 19.- p.17-38.

60. Искусственный интеллект: В 3 кн. Кн.2. Модели и методы: Справочник/Под ред.

61. Д.А.Поспелова.- М.: Радио и связь, 1990.-304 с.

62. Поспелов Г.С., Поспелов Д.А. Искусственный интеллект прикладные системы //

63. Новое в жизни, науке, технике (Серия Математика, Кибернетика). 1985. N 9. М.: Знание. МДИТП.

64. Георгиев В.О. Модели представления знаний предметных областей диалоговыхсистем (обзор) // Изв. АН Техническая кибернетика. 1993, N 5, с. 24-44.

65. Ван Хао. Формализация и автоматическое доказательство теорем //

66. Кибернетический сборник: Пер. с англ. М.: Мир, 1970. - Вып. 7. - с.180-193.

67. Девис М. Устранение лишнего из механических доказательств //

68. Кибернетический сборник: Пер. с англ. М.: Мир, 1970. - Вып. 7. - с. 160-179.

69. Green С. Theorem proving by resolution as a basis for question-answeing systems //

70. Mach. Intell. V. 4. - 1969. - p. 183-205.

71. Gallaire H., Minker J. (eds.) Logic and data bases. N-Y.: Plenum Press, 1978. 458p.

72. Hewitt C. PLANNER: A language for manipulating models and proving theorems in arobot // Memo 68, Ai Lab., MIT, Cambridge, Mass., 1971.

73. Kowalski R. Predicate logic as programing language // Proc. IFIP Congress. 1974.p.569-574.

74. Quillian M.R. Semantic memory // Semantic Information Proc. Cambridge, Mass.:

75. MIT Press, 1968. p.227-270.

76. Цикритис Д., Лоховски ф. Модели данных. М.: Финансы и статистика, 1985. 343с.

77. Поспелов Д.А. Логико-лингвистические модели в системах управления. М.:1. Энергоиздат, 1981. 231 с.

78. Поспелов Д.А. Элементы аксиоматики временных отношений // Вопросыкибернетики. 1975. - N 5. - с. 15-21.

79. Поспелов Д.А. Ситуационное управление: теория и практика. М.: Наука. 1986.284 с.

80. Гладун В.П. Формирование понятий путем обучения растущих сетей //

81. Кибернетика. 1970. - N 2. - с.107-112.

82. Гладун В.П. Эвристический поиск в сложных средах. Киев: Наукова думка, 1977.-166 с.

83. Тыугу Э.Х. Концептуальное программирование. М.: Наука, 1984. - 255 с.

84. Уинстон П. Искусственный интеллект. М.: Мир, 1980.

85. McCalia G., Cercone N. Techniques and issues in the design of applied artificialintelligence systems // Computer and Mathematics with Applications. 1985. V. 11. N5.

86. Results of survey on trends in expert systems in Japan // Future Generations

87. Computer Systems. 1987. V. 3. N 1.

88. Minsky M. Matter, mind and models. Semantic Information Processing, MIT Press,

89. Cambridge, Mass., 1968, pp. 425-433.

90. Minsky M.: A Framework for Representing Knowledge in The Phychology of Computer

91. Vision, P.H. Winston (ed.), McGraw-Hill (1975).

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

93. Экспертные системы: состояние и перспективы: Сборник научных трудов.

94. Институт проблем передачи информации АН СССР / Под ред. Д.А.Поспелова.- М.: Наука, 1989.- 152с.

95. Алексеева Е.Ф., Стефанюк В.Л. Экспертные системы- состояние и перспективы

96. Изв. АН СССР. Техн. кибернетика.- 1984.- №5.- с. 153-167.

97. Микулич Л.И. Проблемы создания экспертных систем // Ученые записки

98. Тартуского ГУ.- Тарту, 1985.- Вып. 714. Теория и модели знаний (теория и практика создания систем искусственного интеллекта)- с. 87-114.

99. Осуга С. Обработка знаний. / Пер. с япон.- М.:Мир, 1989.- 293 с.

100. Крумберг О.А., Федоров И.И., Змановский Т.П. Методы организациипродукционного представления знаний // Методы и системы принятия решений: Системы, основанные на знаниях. Рига: Риж. политехи, ин-т, 1989.

101. Нариньяни А.С., Яхно Т.Г. Продукционные системы // Представление знаний вчеловеко-машинных и робототехнических системах. М.: ВЦ АН СССР, ВИНИТИ, 1984. - с. 136-177.

102. Eick.C.F. and B.Czejdo. Reactive rules for С++. // Journal of Object-Oriented

103. Programming 6(6): 56-62, 1993.

104. Miranker.D, F.H.Burke, J.J.Steele, J.Kolts, and D.R. Haug. The С++ embeddable rulesystem. // International Journal on Artifitial Intelligence Tool 2(1): 33-46, 1993.

105. Pachet.F., On the embeddability of production rules in object-oriented languages. //

106. Journal of Object-Oriented Programming, pp. 19-24, 1995.

107. Амамия M., Танака Ю. Архитектура ЭВМ и искусственный интеллект: Пер. с япон.1. М.:Мир, 1993.- 400 с.

108. Искусственный интеллект: В 3 кн. Кн.З. Программные и аппаратные средства:

109. Справочник/Псщ ред. В.Н.Захарова, В.Ф.Хорошевского.- М.: Радио и связь, 1990.-368 с.

110. Liskov В., Zilles S. Programming with Abstract Data Types // SIGPLAN Notices.1974. Vol. 9, N 4. - p. 50-59.

111. Liskov B. An Introduction to CLU // New Derection in Algorithmic Languages / Ed. by

112. S.A. Schuman. IRIA. - 1976. - p. 139-156.

113. Дедко А.Ф. Абстрактные типы данных в языке АТ-Паскаль. М.: Наука. Гл. ред.физ.-мат. лит. , 1989. (Библиотека программиста). - 200 с.

114. Шлеер С., Меллор С. Объектно-ориентированный анализ: моделирование мира всостояниях: Пер. с англ.- Киев: Диалектика, 1993.- 240 с.

115. Буч Г. Объектно-ориентированное проектирование с примерами применения:

116. Пер. с англ.- М.: Конкорд, 1992.- 519 с.

117. Программирование на Borland С++ в среде Windows. П.Нортон, П. Йао: Том 1.

118. Киев: "Диалектика", 1993. 320 с.

119. Лекции лауреатов премии Тьюринга: Пер. с англ./Под ред. Р. Эшенхёрста.1. М.: Мир, 1993. 560с.

120. Java technology phenomenon / Р.Богатырев, COMPUTERWEEK-MOSCOW №23,1996, с.23,24,46.

121. Greenblatt R.: The USP Machine, MIT Al Memo, No.79, 1974.

122. Lampson B.W. and Pier K.A.: A Processor for a High-Performance Personal

123. Computer, Proc. 7-th Symposium on Computer Architecture, pp. 146-160, 1980.

124. Hayashi H. et al.: ALPHA: A High-Performance LISP Machine Equipped with a New

125. Stack Structure and Garbage Collection System, Proc. 10-th Symposium on Computer Architecture, pp.342-348, 1983.

126. Nakazaki R., Konagaya A., Habata S., Shimazu H., Umemura M., Yamamoto M.,

127. Yokota M. and Chikayama Т.: Design of High-speed Prolog Machine (HPM), Proc. 12-th Annual Symposium on Computer Architecture, 1985.

128. Kaneda Y., Tamura M., Wada K. and Matsuda H.: Sequental Prolog Machine РЕК

129. Architecture and Software System, Proc. International Workshop on High-Level Computer Architecture '84, 1984.

130. Dobly T.P., Despain A.M. and Patt Y.N.: Performance Studies of a Prolog Machine

131. Architecture. Proc. 12-th Annual Symposium on Computer Architecture, 1985.

132. Flynn, M.J.: "Very High-Speed Computing Systems", Proc. IEEE, vol. 54, pp. 19011909 (1966)

133. Страуструп Б. Язык программирования Си++: Пер. с англ. М.: Радио и связь,1991.-352 с.

134. Эллис М., Страуструп Б. Справочное руководство по языку программирования

135. С++ с комментариями: Пер. с англ. М.: Мир, 1992. - 445 с.

136. Собоцинский В.В. Практический курс Turbo С++. (Основы объектноориентированного программирования) // М.: "Свет", 1993.

137. Смирнов А.Л. Проблемы психологии памяти. М.:"Просвещение", 1966, 423с.

138. Инструментальные средства быстрой разработки программ RAD: разбег, но невзлет, COMPUTERWEEK-MOSCOW №31, 1994, с.1,22-27.

139. Компоненты будущего / Jacques Surveyer, COMPUTERWEEK-MOSCOW №28,1996, с.32-33,44.

140. Г. Ладыженский "Технология клиент/сервер и мониторы транзакций", Открытыесистемы, лето 1994.

141. Клиент/сервер: мифы и реальность / Валерий Овсий, СофтМаркет №15, апрель1995, с.7.

142. Как выбрать подходящий инструмент визуального программирования / Andy

143. Feibus, COMPUTERWEEK-MOSCOW №29, 1996, с.34-35.

144. Как упростить переход к системам клиент/сервер нового поколения,

145. COMPUTERWEEK-MOSCOW №23, 1996, с.29-31.

146. Microsoft стремиться к господству в Internet / Don Kiely, COMPUTERWEEK

147. MOSCOW №33, 1996, с.22-23.

148. Транспьютеры. Архитектура и программное обеспечение. Пер. с англ. / Подред. Г.Харпа. М.: Радио и связь, 1993. - 304 с.

149. Крол Э. Все об Internet. Руководство и каталог /Пер. с англ. Киев, BHV, 1995.

150. Автоматизированные системы обработки информации и управления".

151. В дальнейшем предполагается построение инструментальной объектно-продукционной экспертной системы реального времени и ее использования для проведения лабораторных работ по предмету "Автоматизация и интеллектуализация процессов управления".

152. Заведующий кафедрой АИПУ, д.т.н., профессор1. Кравченко В.А.