Проектирование элементов принятия решений в имитационных моделях бизнес-систем тема диссертации и автореферата по ВАК РФ 05.13.12, кандидат технических наук Клышинский, Эдуард Станиславович

• Клышинский, Эдуард Станиславович
• кандидат технических наук
• 2000

Оглавление диссертации кандидат технических наук Клышинский, Эдуард Станиславович

Введение

Глава 1. Особенности описания бизнес-процессов в задачах проектирования

§ 1. Применение методов принятия решений в бизнес-системах

§2. Области применения агентных систем

§3. Существующие средства моделирования поведения

§4. Применение агентного подхода к моделированию поведения

Выводы

Глава 2. Имитационная модель поведения бизнес-систем

§ 1. Теоретические основы имитационного моделирования

§2. Подходы к построению агентных систем

§3. Модель элементов принятия решений

§4. Обработка результатов принятия решения агентом

Выводы

Глава 3. Построение системы имитационного моделирования, основанной на элементах принятия решений

§ 1. Организация системы моделирования

§2. Функциональная схема системы моделирования

§3. Организация распределенной обработки информации

Выводы

Глава 4. Примеры реализации и функционирования

§ 1. Практическая реализация

§2. Экспертная оболочка "Электрон"

§3. Примеры функционирования

Выводы

Введение диссертации (часть автореферата) на тему «Проектирование элементов принятия решений в имитационных моделях бизнес-систем»

Актуальность работы.

На современном этапе развития инженерной мысли перед проектировщиками и исследователями встают задачи по созданию и изучению все более сложных систем, которые характеризуются многочисленными объектами внутри себя, сложной иерархией самих этих объектов и взаимосвязей между ними, высокой степенью динамики, многофакторностью поведения как системы в целом, так и ее подсистем. В связи с большим количеством параметров и взаимосвязей, которые приходится рассматривать, процесс проектирования подобных систем существенно затрудняется. Решением данной проблемы является автоматизация процесса проектирования и исследования таких систем при помощи создания новых средств анализа.

Одной из наиболее востребованных предметных областей на данный момент являются бизнес-системы. Под бизнес-системой будем понимать совокупность систем, проводящих на основе поступающей информации бизнес-процессы в интересах внутренних или внешних пользователей. Под бизнес-процессом понимается совокупность действий, получающая на входе данные различных типов и продуцирующая результат, имеющий ценность для потребителя [28].

Сложность протекающих ' в бизнес-системе процессов заключается в том, что в состав бизнес-системы зачастую входят объекты, самостоятельно определяющие свое поведение. При этом самостоятельное поведение понимается как цепочка «исходное состояние» -> «действие» -» «конечное состояние», определяемая Самим объектом. Это могут быть лица, принимающие решения, автоматизированные и роботизированные комплексы, объекты, управляемые человеком. При этом поведение определяется на основании набора правил, обычно неизменного в ходе выполнения поставленной задачи.

При исследовании бизнес-системы необходимо учитывать фактор принятия решения. Для достижения большей адекватности модели оригиналу при исследовании системы в целом необходимо решить задачу построения ее модели таким образом, чтобы отдельные объекты могли самостоятельно принимать решения о своем поведении.

Сложность задачи состоит в том, что внешняя среда может мешать такому объекту достигнуть целевого состояния, изменять параметры окружающей среды таким образом, что целевое состояние будет перемещаться в пространстве состояний. Кроме того, воздействия других объектов могут приводить бизнес-систему в состояние, отличное от того, которое объектом запланировал в ходе принятия решения о своем поведении.

Еще одной сложностью является то, что зачастую нельзя свести процесс принятия решения к единственной оценке решения или к функции полезности, которую можно вычислить, используя численные методы. Однако подобная оценка может быть вычислима в результате работы с набором правил, последовательно применяемых к текущей ситуации.

Также на этапе проектирования может возникнуть необходимость отладить модель поведения будущей системы реального мира. Особенно актуальна эта задача при проектировании интеллектуальных систем: роботов, систем контроля и управления и других. Отладка такой модели в ходе натурных экспериментов может быть дорогостоящей или невозможна. Для решения этой задачи могут быть применены методы имитационного моделирования. Создание виртуальной среду, соответствующей будущей реальной предметной области, позволит проектировщику поместить в нее самостоятельные модули, отвечающие за моделирование . объектов предметной области. Производя модельные прогоны, проектировщик может получить необходимую модель поведения еще до создания реальной системы. Особенно актуальным такой подход становится при проектировании интеллектуальных программных систем, когда в качестве блока, принимающего решение о дальнейшем поведении агента, может выступать тот же самый программный модуль, который будет применен в реальной системе. В этом случае проектировщик получает возможность не только отладить модель поведения, но и проверить работоспособность этого модуля, получить готовую и отлаженную базу знаний.

Решение данных задач может быть найдено при помощи применениея методов имитационного моделирования. В нем последующие состояния системы вычисляются на основании предыдущих, что вполне укладывается в алгоритмы существования указанных объектов бизнес-систем. Кроме того, в имитационное моделирование можно легко внедрить методы работы с правилами, наряду с обработкой совокупности числовой информации.

В качестве основы для построения систем имитационного моделирования можно взять целый ряд работ как отечественных [1,2], так и зарубежных авторов [32,48].

Областью науки, изучающей объекты, самостоятельно определяющие и осуществляющие собственное поведение, является агентный подход к построению систем. а»

Под агентом будет пониматься самостоятельная система, имеющая возможность принимать воздействие от внешнего мира, определять свою реакцию на это воздействие и осуществлять эту реакцию.

Под интеллектуальным агентом понимается агент, который обладает рядом знаний о себе и окружающем мире и целесообразное поведение которого определяется этими знаниями.

Восприятие внешнего мира производится посредством рецепторов, воздействие на внешний мир - при помощи эффекторов.

Приведенное в данной работе определение агента хоть и согласуется с рядом данных другими авторами [76, 83], но все же является личным мнением автора, так как единого определения до сих пор не дано. Так в работе [71] приведено 11 определений разных авторов.

Основными работами в области агентных и мультиагентных систем являются работы Вулдриджа и Дженнингса ([87,88]), Рассела и Норвига ([83]), Д.А. Поспелова ([46]).

Кроме того, был разработан целый ряд работ, развивавшихся вне рамок агентного похода, однако построенных по сходным принципам. Среди них можно указать работы в области робототехники ([6]), представления знаний ([26]), работы Д.А. Поспелова ( [47]), М.Л. Мински ( [78]), института кибернетики ( [50]), ряд других.

Кроме агентов в бизнес-системы входят объекты, не обладающие самостоятельным поведением. Для простоты будем называть их просто объектами. Под объектом в данной работе понимается пассивная сущность, обладающая рядом параметров.

Таким образом, целью работы является создание основанного на применении методов агентных систем подхода к построению элементов имитационной модели объектов бизнес-систем. При этом объекты определяют последовательность своих действий на основании информации из внешней среды, собственного и целевого состояний.

В качестве методов исследования в диссертации используются методы имитационного моделирования, искусственного интеллекта, теории принятия решений и планирования эксперимента.

Предметом исследования являются элементы принятия решений объектов бизнес-систем, обладающих самостоятельным поведением, пригодные для имитационного моделирования.

Научная новизна работы заключается: в разработке подхода к построению элементов имитационной модели объектов бизнес-систем, определяющих последовательность своих действий в зависимости от состояния самого транзакта и внешней среды, а так же целевых условий; в разработке подхода к включению в структуры имитационной модели объектов данного класса;

- в построении метода планирования событий в системах имитационного моделирования поведения бизнес-систем с множеством взаимодействующих объектов, принимающих решения.

Практическая ценность работы заключается в следующем.

- Предложенный в работе метод построения имитационной модели бизнес-систем позволяет не нарушая структуры системы имитационного моделирования включить в нее объекты с элементами искусственного интеллекта (ИИ) . Это позволяет анализировать поведение моделируемых агентов как с точки зрения принимаемых ими решений, так и с точки зрения классического имитационного моделирования.

Разработан алгоритм функционирования объектов, самостоятельно определяющих последовательность своих действий, в ходе имитационного моделирования.

- На основании предложенных методов и алгоритмов была построена система имитационного моделирования 13Адеп1:.

Структура работы.

В первой главе показаны подходы к принятию решений, применяемые при проектировании бизнес-систем. Дан анализ применения агентного подхода к имитационному моделированию бизнес-систем, а также к другим задачам.

Во второй главе приводится теоретическое описание систем имитационного моделирования, а также структуры агента, не привязанной к какой-либо предметной области. На их основе строится модель бизнес-системы, включающая в себя объекты, имеющие возможность самостоятельно определять свое поведение. Далее в главе излагается подход к оценке деятельности агента на основе информации, полученной в ходе модельных прогонов.

В третьей главе рассмотрены аспекты построения системы имитационного моделирования, основанной на элементах принятия решений. В главе даются структурная и функциональная схемы системы имитационного моделирования, алгоритм проведения такта модельного прогона. Также в главе рассмотрены некоторые вопросы распределенного проектирования имитационной модели бизнес-системы и проведения имитационного эксперимента в рамках вычислительной сети.

Четвертая глава посвящена описанию практической реализации теоретических положений, изложенных в данной диссертационной работе. В главе рассмотрены исследовательский прототип (программа 13Адеп"Ь) системы имитационного моделирования, экспертная оболочка «Электрон», положенная в основу командного языка программы 13Адеп"Ь. В заключение приведены примеры функционирования системы, результаты ее работы.

10

В данной диссертационной работе на защиту выносятся следующие теоретические положения.

1. Подход к построению включаемых в имитационные модели классов объектов, определяющих последовательность выполняемых ими действий в соответствии с состоянием самого транзакта и внешней среды, а так же целевых условий.

2. Структурная схема прототипов элементов системы имитационного моделирования, основанная на применении агентного подхода.

Заключение диссертации по теме «Системы автоматизации проектирования (по отраслям)», Клышинский, Эдуард Станиславович

115 Выводы

1. Реализация предложенных в диссертации методов имитационного моделирования поведения объектов бизнес-систем позволила решить целый ряд задач. Среди них моделирование поведения транспортных средств при сборе объектов транспортировки с заданной области и реализация интеллектуального пользовательского интерфейса, основанного на агентном подходе.

2. Программная реализация и апробирование подтверждает работоспособность предложенных в диссертационной работе методов построения агентов и имитационного моделирования поведения объектов, самостоятельно определяющих свое поведение, основанное на применении агентного подхода.

3. Решение выбранных задач показывает применимость указанных методов к моделированию таких предметных областей, как, например, организация функционирования небольшой транспортной сиситемы.

Заключение

Введение в имитационную модель бизнес-системы элементов принятия решений позволяет решить задачу моделирования поведения лиц, принимающих решения, автоматизированных комплексов и систем, на основе информации об их поведении. За счет этого может быть повышена точность и адекватность моделей подобных участников бизнес-процессов.

В данной диссертационной работе была решена важная научно-техническая задача построения подхода к созданию элементов принятия решений в имитационных моделях бизнес-систем. Результатом данной работы, полученным в ходе исследований данного вопроса, является решение следующих теоретических и практических задач.

1.Разработан подход к созданию элементов имитационной модели, являющихся разновидностью транзактов, обладающих механизмом планирования своих действий в зависимости от состояния и целевых условий.

2.Предложена структура схемы взаимодействия агентов с базовой системой имитационного моделирования. Данная структура системы включает в себя:

• структуру моделируемых объектов;

• структурную и функциональную схемы системы моделирования.

3. Разработаны методы оценки действий агента, включенного в структуру системы имитационного моделирования с точки зрения принимаемых им решений.

117

4. На основании разработанного теоретического аппарата построен исследовательский прототип (программа 1БАдеп1:) системы имитационного моделирования, служащей для моделирования объектов бизнес-систем, определяющих свое поведение в зависимости от состояния самого транзакта и внешней среды, а так же целевых условий.

Список литературы диссертационного исследования кандидат технических наук Клышинский, Эдуард Станиславович, 2000 год

1. Аврамчук Е.Ф. и др. Технология системного моделирования/ Под ред. C.B. Емельянова и др. М. : Машиностроение; Берлин: Техник, 1988 - 520 с.

2. Андрианов А.Н., Бычков С.П., Хорошилов Н.И. Программирование на языке Симула-67/ под ред. Мамлина А.Н. -М.: Наука, 1985. 288 с.

3. Архипенков С. Аналитические системы на базе Oracle Express OLAP M.: Диалог-МИФИ, 1999.

4. Бабынин И.В. и др. Интеллектуальная информационная система мониторинга политических конфликтов: концепция создания.// Научно-техническая информация: Информационные процессы и системы. №10./ М.: ВИНИТИ, 1995.

5. Бахвалов JI. Компьютерное моделирование: долгий путь к сияющим вершинам? // CompuTerra, № 40, 6 октября 1997.

6. Берштейн J1.C., Мелехин В. Б. Планирование поведения интеллектуального робота. М.: Энергоатомиздат, 1994.-240 с.

7. Буйволов Г. Мобильные интеллектуальные роботы // PC WEEK/RE, 17 июня 1997, сс. 37-39.

8. Буч Г. Объектно-ориентированное проектирование с примерами применения. М.: Конкорд, 1992. - 519 с.

9. Бобровский С.А. Дайджест ошибок. // PC WEEK/RE, №47, 1998.

10. Вагнер Г. Исследование операций. T. 1. -M.: Мир, 1972.

11. Васкевич Д. Стратегии «Клиент-сервер» Киев: Диалектика. 1996. - 384 с.

12. Вендров A.M. Case-технологии. Современные методы и средства проектирования информационных систем. // Материал взят с адреса в интернете citforum.ru/database/case/

13. Виттих В.А., Скобелев П.О. Мультиагентные системы для моделирования процессов самоорганизации и кооперации // Ргос. Of XIII International Conference of the Artificial Intelligence in Engeneering, Galway, 1998, pp. 91-96.

14. Виттих В.А., Луке A.A., Смирнов C.B. Технология интеллектуальных агентов в системах поддержки согласованной инженерной деятельности (обзор) // Сб. докл. 6-1 нац. Конференции по искусственному интеллекту, 5-11 октября, 1999, Пущино, Россия, сс. 71-7 6

15. Городецкий В.И. Многоагентные системы: современное состояние исследований и перспективы развития // Сб. докл. V национальной конференции «Искусственный интеллект 96», т.1. Казань, 1996. сс. 36-45.

16. Городецкий В.И., Грушинский М.С., Хабалов A.B. Многоагентные системы (обзор) // Новости искусственного интеллекта, №2, 1998, сс. 64-116.

17. Григорьев В.Р. Нейронные сети и клеточные автоматы // Обозрение прикладной и промышленной математики, т.1, вып. 3, 1994, сс. 357-375.

18. Григорьев Л., Романовский А., Сапов Г. Имитационное моделирование финансового управления банка // Банковские технологии, №8, 1996.

19. Давыдов А.Н. и др. CALS (поддержка жизненного цикла продукции): Руководство по применению/ Минэкономики РФ; НИЦ «Прикладная логистика»; ГУП «ВИМИ», 1999, 4 4 с.

20. Дрейган Р.В. Будущее программных агентов // PC Magazine Russian Edition. Март 1997

21. Дубова Н., Кутукова Е. Unicenter TNG управление распределенной корпорацией // Открытые системы, №2, 1998. сс. 54-60.

22. Емельянов В.В., Ясиновский С.И. Введение в интеллектуальное имитационное моделирование сложных дискретных систем и процессов. Язык РДО. М. : Анвик, 1998. -427 с.

23. Заборовский B.C. Интеллектуальные технологии в управлении инормационно-сетевой инфраструктурой // Материал взят с адреса в интернете www.neva.ru/first.page/conf/zvs/zvl.html

24. Зверев Г.Н. Частотная логика альтернатива классической логике в новых информационных технологиях // Информационные технологии, №11, 1998, сс. 2-10.

25. Каляев И. и др. Многопроцессорные распределенные системы управления интеллектуальных мобильных роботов // Современные технологии автоматизации, №4. 1997, сс. 94-97.

26. Калянов Г.Н. Консалтинг при автоматизации предприятий. -М.: СИНТЕГ, 1997. 316 с.2 9 . Капица С.П., Курдюмов С.П., Малинецкий Г.Г. Синергетика и прогнозы будущего. М.: Наука, 1997. - 285 с.

27. Керстеттер Д. Электронная торговля обогащается интеллектуальными агентами. / PCWeek/RE, №10 от 18.03.1997.

28. Ким Н.В. Формирование структуры интеллектуальной системы "помощник летчика". // Известия Академии наук. Теория и системы управления. № 3, 19 96.

29. Киндлер Е. Языки моделирования/ Пер. с англ. М. : Энергоиздат, 1985. 288 с.

30. Клышинский Э.С. Агентные системы классификация и применение // САПР и графика, №8. 1999, сс. 90-96

31. Клышинский Э.С. Построение систем ситуационного моделирования // Информатика-Машиностроение, №4. 1998, сс. 2-4.

32. Клышинский Э.С. Представление знаний в системах принятия решений, основанных на передаче маркеров // Автоматизация и современные технологии, №5, 1997 г., сс. 34-39.

33. Ларичев О.И., Мошкович Е.М. Качественные методы принятия решений. Вербальный анализ решений. М. : Наука. Физматлит., 1996. - 208 с.

34. Липаев В.В. Системное проектирование сложных программных средств для информационных систем М.: Синтег, 1999.-224 с.

35. Лорьер Ж.Л. Системы искусственного интеллекта. М. : Мир, 1991. - 568 с.

36. Львов В. Создание систем поддержки принятия решений на основе хранилищ данных// СУБД, №3, 1997.

37. Майкевич Н.В. Архитектуры мультиагентных систем: планирование и коррекция планов // Proc. of the Int. Workshop DAIMAS'97, June 15-18, 1997, St. Petersburg, Russia.

38. Миллман Г. Ваши верные агенты // Computerworld Россия, № 11, 1998.

39. Насыпный В.В. Комплексная защита компьютерных систем // Мир ПК, №4, 1998, сс. 68,69. ■

40. Ойхман Е.Г., Попов Э.В. Реинжиниринг бизнеса: Реинжиниринг организаций и информационные . технологии. М. : ФиС, 1997 336 с.

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

42. Попов Э.В. и др. Статические и динамические экспертные системы. М.: ФиС, 1996 320с.

43. Поспелов Д.А. Многоагентные системы настоящее и будущее // Информационные технологии и вычислительные системы, №1, 1998, сс. 14-21.

44. Поспелов Д.А., Пушкин В.Н. Мышление и автоматы. М.: Сов. Радио, 1972.

45. Принцкер А. Введение в имитационное моделирование и язык СЛАМ II/ Пер. с англ. М.: Мир. 1987. 664 с.

46. Райков А.Н. Информационные системы поддержки государственных решений // Научно-техническая информация: Информационные процессы и системы. №10, 1995.

47. Скобелев П.О. Виртуальные миры и интеллектуальные агенты для моделирования деятельности компаний // Труды IV Национальной конференции по искусственному интеллекту, г. Пущино, 5-7 ноября 1998 г. Т.2., сс 714-719

48. Смирнов A.B., Шереметов JI.E. Многоагентная технология проектирования сложных систем. // Автоматизация проектирования, №3. / М.: 1998.

49. Создание экспертных систем реального времени с помощью G2 // Материал взят с адреса в интернете www.argussoft.ru/ascpwin/metrtes.htm

50. Степанов B.C. Фондовый рынок и нейросети // Мир ПК, № 12, 1998.

51. Тарасов Б.В. Агенты, многоагентные системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте // Новости искусственного интеллекта, №2, 1998, сс. 5-63

52. Толстихина A.JI., Арутюнов П.А., Клышинский Э.С. Разработка экспертной системы для интерпретации дифракционных картин в электронографии // Кристаллография, том 43, № 6, 1998 г., сс 1004-1008.

53. Трахтенгерц Э.А. Компьютерная поддержка принятия решений в САПР // Автоматизация проектирования, №5, 1997.

54. Тумай К. Имитационное моделирование бизнес-процессов. Как отображаются характеристики процессов при моделировании // Материал взят с адреса в интернете consulting.ru/main/mgmt/texts/m2/o22spot.htm

55. Турецкий Д. Кенгуру со стингером // Vesti.Ru, on-line газета от 21.12.1990, вып. №057, адрес в интернет vesti.ru/flopovod/21-12-1999flp.htm

56. Уотерман Д. Руководство по экспертным системам./ Пер. с англ. М.: Мир, 1989 - 388 с.

57. Чернов М. Имитационная модель банка — основа аналитической системы // Банковские технологии, № 5, 1997.

58. Шапот М.Д., Коровкин А.О. Анализ потребительских рынков с использованием многоагентных имитационных моделей // Сборник научных трудов научной сессии МИФИ-2000, том 3. М., 2000г., сс. 103-104.

59. Это уже не игра! / Итоги, 9 июня 1998. с. 47.

60. Явор А. Индуктивно-дедуктивный подход к методологии имитационного моделирования // В сб. «Теоретические и прикладные вопросы моделирвоания» / Под. Ред. Емельянова C.B. и Калашникова В.В. М.: ВИНИТИ, 1984 г. сс.15-25

61. Asada M., Uchibe Е., Hosoda К. Agents That Learn from Other Agents.

62. Brazier F. at al. Modeling Internal Dynamic Behaviour of BDI Agents // Proc. of MODELAGE'97 Workshop, Italy, 1997.

63. Burckert H.-J., Fisher K., Vierke G. Teletruck: A Holonic Fleet Managment System // Proc. of 14th European Meeting on Cybernetics and Systems Research (EMCSR'98), Viena, 1998.

64. Cetnarowicz K., Nawarecki E., Zabinska M. M-Agent Architecture and Its Application to the Agent Oriented Technology of Decentralized System // Proc. of DAIMAS-97, June 15-18, 1997, St. Petersburg, Russia.

65. Dorais G.A. at al. Adjustable Autonomy for Human-Centered Autonomous Systems on Mars// Proc. of the 1st International Conference of the Mars Society, August, 1998.

66. Etzioni 0. Intelligence without Robots (A Reply to Brooks) //AI Magazine, Vol. 14, №4, 1993, pp. 7-13.

67. Franklin S., Graesser A. Is it an Agent, or just a program?: A Taxonomy for Autonomous Agents // 3rd International Workshop on agent Theories, Architectures and Languages, Springer-Verlag, 1996.

68. Grosof B.N. & other. Reusable Architecture for Embedding Rule-based Intelligence in Information Agents // IBM research report RC 20305 Computer Science, 1995.

69. Harrison C.G., Chess D.M., Kershenbaum A. Mobile Agents: are they a good idea? // IBM research reports, 1994. www.research.ibm.com/iagents/

70. Han J. OLAP Mining: An Integration of OLAP with Data Mining. IFIP, 1997. - 18 p.

71. Larson J.E., Hayes-Roth B. Guardian: An intelligent Autinomous Agent for Medical Monitoring and Diagnosis // IEEE intelligent systems & their applications, №1. 1998, pp. 5864 .

72. Maes P. Artificial Life meets Entertainment: Lifelike Autonomous Agents // Communication of the ACM, Vol. 38, No 3, November 1995, pp. 108-114.

73. Schneider-Fontan M., Matarie M.J. Territorial Multi-Robot Task Division // IEEE Transaction on Robotics and Automation. 15(5), October, 1998.

74. Minsky M.L. Matter, Mind and Models // Proc. of International Federation of Information Processing Congress, vol. 1, 1965, pp. 45-49.

75. Moukas A.G. User Modeling in a Multi-Agent Evolving System //Proc. of Workshop "Machine Learning for User Modeling", 6th International Conference on User Modeling Chia Laguna, Sardinia, 2-5 June 1997.

76. Nayak P.P. at al. Validating the DS1 Remote Agent Experiment // Proc. of the 5th International Symposium on Artificial Intelligence, Robotics and Automation in Space. 13 June 1999, Noordwijk, Netherlands.

77. Rao A.S., Georgeff M.P. Modelling rational agents within a BDI-architecture // Proc. of the 2nd International Conference on Principles of Knowledge Representation and Reasoning/ Morgan Kaufmann Publishers, San Mateo, 1991, pp. 473-484

78. Reece D.A. Soldier Agents in a Virtual Urban Battlefield // Proc. of 1st Workshop on Situation and Interaction in Virtual Environments/ Uneversity of Iowa, 1995

79. Russel S., Norvig P. Artificial Intelligence: A Modern Approach/ Prentice-Hall: Englewood Cliffs, 1995. 912 p.

80. SAS/EIS. Programmers guide ver. 6, first edition. Carry, NC, USA. SAS Institute Inc. 1992. 479 p.

81. Stader J, Jarvis P. Intelligent Support for Enterprise Modeling // Proc. of ECAI-98, Brighton, UK, 23-28 August, 1998.

82. Tidhar G., Murray G., Stuart S. Computer Generated Forces and Agent Oriented Technology //Proc. of the Artificial Intelligence in Defence Workshop, Australian Defence Force Academy, 14 November 1995, pp. 123-132.

83. Wooldridge M., Jennings N. Towards a Theory of Cooperative Problem Solving // Proc. of MAAMAW'94,Odense, Dennmark, 1994.

84. Wooldridge M., Jennings N. Intelligent Agents: Theory and Practice // The Knowledge Engineering Review 1995. Vol. 10, №2, pp. 115-152.