Разработка адаптивной экспертной системы сравнительного анализа алгоритмов и программ тема диссертации и автореферата по ВАК РФ 05.13.16, кандидат физико-математических наук Ермолаева, Елизавета Каральбиевна

• Ермолаева, Елизавета Каральбиевна
• кандидат физико-математических наук
• 2000

Оглавление диссертации кандидат физико-математических наук Ермолаева, Елизавета Каральбиевна

ВВЕДЕНИЕ.

Глава I

АНАЛИТИЧЕСКИЙ ОБЗОР И ОБОСНОВАНИЕ ЦЕЛЕЙ РАБОТЫ

Глава II

ФОРМАЛИЗАЦИЯ ОСНОВНЫХ ПОДАТЕЛЕЙ КАЧЕСТВА ПРОГРАММНЫХ ПРОДУКТОВ

И АЛГОРИТМОВ.

§ 2.1. структура и жизненный цикл программы.

§ 2.2. классификация показателей качества программных продуктов.

§ 2.3. показатели качества программных продуктов

§ 2.4. описание значений качественных характеристик программ и алгоритмов.

§ 2.5. построение интегральных показателей программ и алгоритмов.

§ 2.6. лингвистическая аппроксимация

Глава III

МАТЕМАТИЧЕСКИЕ МОДЕЛИ РЕШЕНИЯ ЗАДАЧИ СРАВНКТеЛЬНОГО АНАЛИЗА АЛГОРИТМОВ И ПРОГРАММ.-.

§ 3.1. логико-вероятностная модель оценки качества программ и алгоритмов

§ 3.2. экспертный метод сертификации программ.

§ 3.3. ЛОГИЧЕСКИЕ МОДЕЛИ РЕШЕНИЯ ЗАДАЧИ СРАВНИТЕЛЬНОГО АНАЛИЗА алгоритмов и программ.

§ 3.4. модель многомерного ранжирования объектов.

§ 3.5. алгоритм нахождения множества оптимальных решений

§ 3.6. метод многокритериального выбора алгоритмов и программ на основе нечеткого отношения предпочтения.

Глава IV

СТРУКТУРА И ФУНКЦИИ АДАПТИВНОЙ

ЭКСПЕРТНОЙ СИСТЕМЫ СРАВНИТЕЛЬНОГО АНАЛИЗА АЛГОРИТМОВ И ПРОГРАММ.

§ 4.1 .ОСНОВНЫЕ ФУНКЦИИ, СТРУКТУРА И ОСОБЕННОСТИ ПОСТРОЕНИЯ

§ 4.2. ОБЩЕЕ ОПИСАНИЕ БАЗЫ ЗНАНИЙ

ЭКСПЕРТНОЙ СИСТЕМЫ "ЭКСПЕРТ".

Глава V

ПРОГРАММНАЯ РЕАЛИЗАЦИЯ.

§5.1. общие сведения.

§ 5.2. основные функции системы "Эксперт".

Введение диссертации (часть автореферата) на тему «Разработка адаптивной экспертной системы сравнительного анализа алгоритмов и программ»

Актуальность темы. В настоящее время существует большое количество методов и средств, позволяющих создавать программы для разных областей применения и типов вычислительных машин. Увеличивается объем разработок программ. Это связано с повышением уровня доверия к программам и к их возможностям, что значительно повышает ьажность и ответственность выполняемых ими функций. Рост интереса пользователей и разработчиков к анализу качества создаваемых и эксплуатируемых программ обусловлен повышением значения результатов функционирования пакетов прикладных программ и сложных комплексов программ управления и обработки информации.

Программирование как целенаправленная деятельность обладает своей спецификой, а программные продукты - уникальны, не похожи ни на какую другую продукцию. Создание индустрии программных средств сопровождается трудностями, связанными, прежде всего со сложностью и несовершенством ЭВМ, разобщенностью в процессе промышленного производства программных средств между различными его элементами по содержанию, структуре, терминологии, времени исполнения. Процесс создания программ сталкивается с трудностями связанными с технологическими, организационными и экономическими факторами.

Для превращения программирования в современную инженерную дисциплину проектирование программного продукта следует осуществлять научными и промышленными методами, с обязательным применением различных способов измерения характеристик программ и установлением между ними причинно-следственных связей. Для этого необходимо научиться измерять и прогнозировать характеристики качества программ, а также изучить зависимость характеристик от различных параметров.

По мере накопления знаний об объекте исследования происходит переход от его качественного описания к методам количественного представления характеристик этих объектов. В результате устанавливаются связи между интуитивными, неформализованными понятиями качества и измеряемыми количественными характеристиками объектов исследования. Эмпирические свойства или связи отображаются в формальную модель процесса функционирования и модель показателей качества объекта. В процессе углубления исследований повышается достоверность создаваемых понятий и адекватность моделей исследуемым реальным объектам. Вследствие этого возрастает достоверность измерения показателей качества и предсказания их значений на основе использования других параметров, коррелированных с прогнозируемыми. Появляется возможность численного описания характеристик исследуемого объекта и использования их для целенаправленного управления его разработкой и эксплуатацией.

1. В настоящей работе исследуется проблема оценки качества и сравнительного анализа алгоритмов и программ. Основным содержанием работы является создание адаптивной экспертной системы сравнительного анализа алгоритмов и программ. Ключевой проблемой при построении экспертной системы является проблема представления и использования знаний, которыми обладают эксперты, то есть специалисты, имеющие существенный и положительный опыт при решении исследуемых задач. Исходя из анализа классов решаемых задач, а ими являются задачи выбора параметров проектирования, определения вариантов проектирования программного продукта, в качестве моделей представления знаний предлагается система условных четких и нечетких высказываний, с помощью которых экспертами описываются характеристики программных, продуктов. Для решения поставленных задач используются модели, удачно сочетающие в себе как декларативное, так и процедурное представление знаний. Фактически решаемые в работе задачи являются задачами принятия решений на трудноформализуемых этапах проектирования в условиях нечеткости, которая проявляется на этапе постановки задачи, при использовании интуитивных представлений эксперта о путях ее решения, а также нечетком описании характеристик программ.

Экспериментальные методы оценки качества программных продуктов сталкиваются со значительными трудностями, обусловленными спецификой программных продуктов и, в особенности, размерами и сложностью программного продукта. Поэтому в последние годы наряду с экспериментальными методами широко используются математические средства и строятся модели. Формализованные математические модели отдельных свойств, например надежности программ, малоэффективны при прогнозировании поведения вычислительного процесса.

Важнейшим из основных методов контроля качества и выбора программного продукта являются экспертные методы, обычно дорогостоящие и требующие относительно больших затрат и средств [9], [12]. Поэтому желательно иметь метод, который позволял бы быстро и эффективно осуществить предварительную оценку качества программного продукта. После этого при необходимости можно провести оценку качества программного продукта более дорогостоящими способами. Например, предлагаемый в диссертации метод сертификации программного продукта позволяет оценить качество программы самому производителю как после создания программного продукта, так и в процессе его производства и проектирования.

Именно такое направление исследований было выбрано в качестве основного в диссертационной работе.

Второй круг вопросов, рассматриваемых в диссертации, связан с построением целесообразной системы характеристик программных продуктов и алгоритмов.

Существует целый ряд типичных ситуаций, в которых можно эффективно воздействовать на качество программного продукта, и поэтому очень важно знать его основные характеристики. Управление качеством программного продукта привело бы к повышению экономичности текущего его обслуживания.

Существующие показатели качества [2] программных средств, как правило, неадекватно отражают те или икда свойства, определяемые желанием, потребностями и предпочтениями будущего пользователя В связи с большим разнообразием пользователей невозможно предложить какую-то единую универсальную меру качества программного продукта. Лучшее, что можно сделать - это предложить эффективную методику оценки качественных показателей на основе либо хорошо продуманных детальных вопросников и ранжирования соответствующих характеристик, либо построения адекватных математических моделей с использованием знаний высококвалифицированных специалистов-экспертов. Однако, поскольку метрику программного продукта нельзя считать всеобъемлющей, общий результат такой оценки должен рассматриваться скорее как информация к размышлению, чем как окончательные выводы или предписания.

В работе предлагается несколько типов метрик возможных для использования при решении задачи оценки качества и выбора программных продуктов. Выбор метрико - характеристик для оценки качества программного продукта зависит от поставленной цели.

В повседневной жизни человек постоянно сталкивается с проблемами принятия решений при наличии многих разнородных условий, ограничений и критериев. Традиционный подход к принятию решений индивидом осуществляется исходя из его субъективных представлений, знаний, опыта и анализа ситуаций. Такой подход, как правило, оказывается далеко не эффективным. Ситуация усугубляется, если таких решений приходится принимать много, причем при наличии многочисленных условий и ограничений.

Выходом из ситуации является автоматизация и интеллектуализация процедур принятия решений (ПР). Для разработки таких процедур необходимо иметь модели данных, а также модели ПР, оперирующими этими данными.

Те и другие модели могут быть как количественными, базирующимися на точных математических моделях (числа, формулы), так и качественными - на основе логико-лингвистических структур (фактах, текстах). Для автоматизации процедур принятия решений в настоящее время активно используется технология баз данных и баз знаний. С точки зрения структуризации первая служит как бы средством механизации ручного труда (просмотр и поиск необходимых данных), вторая - для автоматизации умственной деятельности (принятие решений на количественных и качественных моделях поддержки принятия решений).

Целью диссертационной работы является разработка математических моделей, методов сравнительного анализа и сертификации алгоритмов и программ, а так же построение действующей адаптивной экспертной системы на основе целесообразной системы показателей качества.

Для достижения указанных целей были поставлены и решены следующие задачи:

1. Исследование характеристики, влияющие на качество изучаемых объектов;

2. Разработка методики сравнительной оценки влияния факторов на качество алгоритмов и программ, выбор метрики характеристик для оценки качества алгоритмов и программ;

3. Разработка комплекса математических моделей и методов решения задачи сравнительного анализа и сертификации алгоритмов и программ;

4. Разработка концепции создания экспертной системы как продукта реализации новой информационной технологии в эко- и биологических исследованиях, в области сравнительного анализа и сертификации программного обеспечения вычислительных машин и автоматизированных систем;

5. Разработка методики создания экспертной системы с учетом специфики области исследования;

6. Построение демонстрационного прототипа адаптивной экспертной системы анализа алгоритмов и программ на основании разработанной целесообразной совокупности характеристик качества программных продуктов и алгоритмов.

Объектом исследований выступают алгоритмы и программы, рассматриваемые в рамках компьютерных технологий (например, в эко- и биологических исследованиях, в области разработка программного обеспечения вычислительных машин и автоматизированных систем), программ (систем и методик) роста, развития и защиты биосистем, ведения и управления сельскохозяйственным производством.

Методы исследования. В диссертации используются методы теории вероятностей, современной алгебры, компьютерной алгебры, теории графов, теории нечетких множеств, теории принятия решений, теории математического моделирования и компьютерного моделирования.

Научная новизна. Разработана общая схема построения экспертной системы задачи сравнительного анализа алгоритмов и программ на основе логических, логико-вероятностных, нечетких моделей представления знаний. Научная новизна представлена в следующих основных аспектах:

1. определены и исследованы факторы: практичность, целостность, эффективность, корректность, надежность, удобство обслуживания, оцениваемость, гибкость, возможность использования в других условиях, мобильность, возможность взаимодействия и характеристики оценки качества и устойчивости алгоритмов и программ;

2. Построена двухуровневая система показателей качества алгоритмов и программ;

3. Разработаны математические даетоцы модели сравнительного анализа алгоритмов и программ:

Логические модели и решающие правила сравнительного анализа и оценки качества в четкой и нечеткой среде;

Логико-вероятностные модули и решающие правила оценки качества в четкой и нечеткой среде;

Разработка нечеткой и четкой модели на основе экспертного метода сертификации алгоритмов и программ;

4. На основании полученных результатов теоретических исследований и методологических положений разработана адаптивная экспертная система сравнительного анализа алгоритмов и программ, ориентированная на практическое применение в био- и экологических исследованиях, при области создания программ для ВМ и АСУ, создании компьютерных технологий как инструмент при решении задачи сравнительного анализа, выбора и сертификации.

Практическая ценность. Разработанные в диссертации методы и алгоритмы могут найти применение при решении прикладных задач выбора параметров проектирования, определения вариантов проектирования. Созданная экспертная система может служить демонстрационным материалом спецкурсов по искусственному интеллекту и методам принятия решений.

Реализация результатов работы. Реализованные в диссертационной работе методы и алгоритмы легли в основу программного средства «Эксперт», реализованного на IBM PC совместимых компьютерах.

Апробация работы. Основные результаты были представлены на следующих конференциях и семинарах: Ш международной конференции «Региональная информатика - 95», 1995г, С.-Петербург; И Всероссийской конференции «Распознавание образов и анализ изображений: новые информационные технологии», 1995г, Ульяновск; международной научно-практической конференции «Эльбрус'97 - новые информационные технологии и их региональное развитие», 1997г, При-эльбрусье; на научно-исследовательском семинаре отдела интеллектуализиции информационных и управляющих систем НИИ ПМА КБНЦ РАН; на расширенном семинаре кафедры «Информатики и математического обеспечения автоматизированных систем» Кабардино-Балкарского государственного университета, 1999г, Нальчик.

Публикации. Результаты диссертации опубликованы в 6 работах [56]-[61].

В первой главе приводится краткий аналитический обзор по тематике работы, обосновываются ее цели.

Во второй главе формализуются основные показатели качества программ и алгоритмов; рассматриваются структура и жизненный цикл программного продукта; классифицируются показатели качества алгоритмов и программ; предлагаются различные метрики программных продуктов, описываются значения качественных характеристик программ и алгоритмов; строится интегральный показатель качества алгоритмов и программ; рассматривается задача лингвистической аппроксимации.

Из 245 нормативных показателей качества программного продукта отобраны наиболее адекватно отображающие цели настоящей работы. В основе всех методов и моделей экспертной системы лежит следующая иерархическая система показателей для оценки качества программного продукта.

Практичность: работоспособность; возможность обучения, коммуникативность, объем ввода-вывода, скорость ввода-вывода;

Целостность: регулирование доступа, контроль доступа;

Эффективность: эффективность использования памяти, эффективность функционирования;

Корректность: трассируемость, завершенность, согласованность;

Надежность: точность, устойчивость к ошибкам, согласованность, простота;

Удобство обслуживания: согласованность, простота; краткость, информативность, модульность;

Оцениваемость: простоте, наличие измерительных средств, информативность, модульность;

Гибкость: распространяемость, общность, информативность, модульность;

Возможность использования в других условиях: общность, информативность, модульность, машинонезависимость, независимость от других программных средств;

Мобильность: информативность, модульность, машинонезависимость, независимость от других программных средств; Возможность взаимодействия: модульность, унифицированность процедур связи, унифицированность данных.

Для получения сводной оценкч сложных многопараметрических объектов (программ или алгоритмов) необходимо решить следующие вопросы:

1. «какие качества . подлежат рассмотрению в смысле влияния на оценку сравнительного достоинства»;

2. «каким числом каждое из этих качеств в отдельности измеряется»;

3. «какие относительные множители приписываются тем качествам, коим дается предпочтение».

Ответы на эти вопросы определяют основные этапы построения сводных показателей, синтезирующих значения отдельных критериев, по которым оценивается сложный многопараметрический объект. В работе приводится упрощенная схема построения сводного показателя <2 исследуемого объекта. Построение сводного показателя Q(q) осуществляет линеаризацию множества векторов отдельных показателей, частично упорядоченного отношением покомпонентного доминирования.

Формирование сводного показателя 0.(д(Р)-,со) исследуемых объектов обычно происходит в условиях дефицита информации, когда имеет место неопределенность выбора функций д,(Р), ¿ = 1,2,.,М, Q{q) и вектора со = {а>^а>2,.,а)м}. Указанная неопределенность усугубляется еще и тем, что во многих случаях доступная информация не имеет числового характера и описывается при помощи лингвистических переменных. В таком слу чае значение сводного показателя представляется нечеткой величиной, описываемой лингвистической переменной Т, .

Здесь Т = {Г1}~ ее базовое терм-множество, |7'[ = п. По определению лингвистической переменной каждое ее значение Т. является наименованием нечеткой переменной (Тпх,с(), где с,. = У¡л[/х.

ЛГёХ

Пусть (р,х,с0)-нечеткая переменная, семантика которой определена нечетким множеством с0, вычисленным в результате выполнения некоторого нечеткого алгоритма. Пусть также известно, что данная нечеткая переменная является значением лингвистической переменной В.

Требуется найти наименование нечеткой переменной р в расширенном терм-множестве Т* лингвистической переменной ¡3.

Поставленная задача называется задачей лингвистической аппроксимации, осуществляющая вербальное представление результатов работы лингвистических моделей.

Для формального описания качественных характеристик программ используется лингвистическая переменная ¡5 с терм-множеством

Т = {" плохое"," среднее"," хорошее").

Строятся элементы расширенного терм-множества Т*. Семантика каждого из термов Т] е Т* задается описанной в параграфе 2.6 процедурой М.

Процедура (7 представлена в виде контекстно-свободной грамматики

В третьей главе исследуются математические модели решения задачи сравнительного анализа алгоритмов и программ: Логико-вероятностная модель оценки качества программ и алгоритмов.

Пусть дано множество алгоритмов и программ А = {а1,а2,.,ат1 которые в дальнейшем будем называть объектами. Каждый объект множества А описывается набором показателей качества Р = {Р1,Р2,.,РП\ / = 1,2,.,и, Р . Агде

V; - дискретное множество значений г - го показателя качества, определенное на \а,р\ {0,]У} N - множество натуральных чисел. Каждый объект из А характеризуется показателем эффективности, который описывается целевой переменной IV = V/ \ А Щ фд], / =1,2. г. Задано некоторое подмножество А" с А. Для каждого аь е А0 известны значения показателей качества р° = рх(а°),.,р1 = р„(а°) и значение целевой переменной Щ = Ща°), г = 1,2,.,г.

Эмпирическая информация задана в виде таблицы. Данные таблицы описываются множеством

Г = {Р',^,} где 7=1,2

Р(а;) = Р' ={]]',.,Р/,.,1>,11

Р/ = Р.(а.)- значение /-го показателя Р. е.Р 7-го объекта а; е А, = Ж (а значение показателя эффективности у-го объекта а/. е А, ]¥: е[0,1],

Требуется построить систему решающих правил Е, где £ = {сг 1,.,<тк,.,(ты\ ^ ПWJk еЖ, е{1,2,.,4 Рк >р, 1/2<р <1, которая позволяла бы для каждого объекта а. е А находить значение показателя эффективности Ж, на основе значений показателя качества Р/,.,Р/,.,.,Р/. Экспертный метод сертификации программ.

Сертификация программного продукта представляет задачу оценки качества программного продукта по характеристикам и факторам, описанным во второй главе.

Для описания программного гфодукта отобраны 26 характеристик качества. Выделены 12 факторов программ. Для каждог о фактора задается подмножество характеристик.

Выделенные характеристики располагаются экспертом в порядке убывания их важности. Известны экспертные оценки характеристик качества. Подмножества характеристик, влияющие на различные факторы, могут пересекаться. Для каждого фактора между соседними его характеристиками задается экспертом отношение порядка типа «больше или равно» (>), «больше» (>), «значительно больше» (»).

Назовем конфигурацией системы набор факторов, их характеристик, отношение порядка между соседними характеристиками каждого фактора.

Требуется для заданной конфигурации системы получить оценку качества. Если полученное качество не удовлетворяет требованиям пользователя, то изменять конфигурацию системы до получения искомой оценки качества. Логические модели решения задачи сравнительного анализа алгоритмов и программ.

Исследуется задача сравнения алгоритмов и программ, решающих некоторую конкретную задачу в заданной ситуации (классе ситуаций) по заданному набору показателей качества (признаков).

Пусть задано множество объектов А = {а1,а2,.,ат}. Каждый объект множества А рассматривается на множестве ситуаций 5 = {^.л^}, разбитых на классы С = {с1,с2,.,с1\ где с,, е с^с^О!) при / *у, /-количество классов, 1 <1<к.

Элементы множества А рассматриваются в пространстве признаков Р = {Р1,Р2,.,Рп}. Для каждого / = 1,2,., и Р. - это функция, такая, что Р1 : Ах Б -» В., где = [а,р\ а,/ЗеЯ\ О. - множество значений /-го показателя качества. Для каждого а0 е А в заданной ситуации известны значения показателей качества

Для решения задачи сравнения строится система логических решающих правил на основе введенных определений: р|[Р„(ак,с') > Р»(а;,с')\ где с' = , 1 < / < ак,ау е А, или j=1 i=i л

РАак,с') < РАагс')) л [ f](Pü (uk,c') > Р,(а;;с:')) л({дХак,с',Р)>д(а^с',Р)), где J'g{1,2,.,4 J'*J, Q{at, с, Р) = J W(c', Pj) ■ Ptj, Щс',^.) e[0,lj а, e А, j=i

Pvz[a,ß\ a,ßsR+, c'cS,l = {k,j}. в третьей главе приводится обобщение на нечеткий случай: модифицированного метода «Электра» и алгоритма построения оптимальных решений. Рассматривается алгоритм на основе нечеткого отношения предпочтения.

Исходные значения, используемые в рассмотренных моделях задаются экспертом в виде:

1. Четких чисел, помещаемых в базу данных. Тогда система логических правил записывается в базу знаний экспертной системы, как система правил продукционного типа:

2. Словесно. Тогда показатель качества формально описывается лингвистической переменной. Терм - множество лингвистической переменной описывается нечетким множеством, характеризующимся стандартной п - функцией принадлежности. Отличительной особенностью нечетких логических моделей является то, что операции сравнения, сложения и умножения необходимо рассматривать в рамках нечеткой математики. База знаний, являющаяся хранилищем знаний, содержит наряду с нечеткими логическими правилами описания лингвистических переменных, процедуру получения новых значений нечеткой переменной и определенную в виде контекстно-свободной грамматики процедуру определения семантики каждого из термов.

Четвертая глава посвящена структуре и функции адаптивной экспертной системы сравнительного анализа алгоритмов и программ. В ней описываются основные функции, приводится структура и особенности построения экспертной системы.

Для решения поставленной задачи сравнительного анализа алгоритмов и программ разработана адаптивная экспертная система продукционного типа с открытой архитектурой.

Экспертная система рассматривается как система искусственного интеллекта, в которой в частично формализованное виде накапливаются знания экспертов-специалистов из исследуемой предметной областк(аналитиков, программистов) и имеются правила использования этих знаний для сравнения программных продуктов и оценки качества программ.

Уровень способности экспертной системы решать поставленные задачи определяется теми знаниями, которые ввел в базу знаний эксперт, то есть специалист, обладающий положительным опытом решения задачи в исследуемой предметной области и способный выразить свои познания на принятом в данной экспертной системе языке представления знаний.

Фундаментальным организационным принципом построения экспертной системы является разделение баз дэндъгс и знаний и механизма логического вывода, что позволяет добавлять в систему новые факты, знания и отношения, делая экспертную систему все более гибкой по отношению к классу решаемых задач и более дружественной по отношению к пользователю.

Отличительной особенностью построенной экспертной системы является наличие двух специфических баз знаний: первая содержит эвристические знания о реальном мире в форме ограничений и логико-лингвистических зависимостей о предметной области и не связана непосредственно с поиском эффективных реше

15 ний. Назначение второй базы знаний заключается в построении эффективного поиска на основе первой. Таким образом, первая база знаний является предметно-ориентированной (модель-ориентированной), а вторая является методо-ориентированной базой знаний. Такая методология построения баз знаний обусловливает адаптивность разработанной экспертной системы.

Пятая глава посвящена программной реализации рассмотренных в диссертационной работе методов и алгоритмов принятия решений по ряду показателей качества по базе данных, составленной на основе экспертных оценок. Описанные компьютерные системы построения баз знаний основаны на логических решающих правилах, которые строятся в терминах предикатноописанных показателей качества и рейтинговых оценок. Системы имеют модульную структуру.

Адаптивная экспертная система реализована в среде Borland Delphi. В приложении приводятся основные программные модули, реализующие математические модели сравнительного анализа и сертификации алгоритмов и программ.

В диссертационной работе получены следующие основные результаты:

1. Для четких и нечетких сред разработаны и реализованы в виде компьютерной системы логические решающие правила, а так же экспертный метод сертификации качества программ и алгоритмов на основе взвешенной линейной свертки.

2. Разработан метод и алгоритм построения логико-вероятностных решающих правил оценки качества исследуемых объектов.

3. Построены иерархические системы показателей качества алгоритмов и программ.

4. Разработаны и реализованы алгоритмы задачи ранжирования объектов на основе нечеткого отношения предпочтения и бинарного сравнения объекта.

5. Разработан демонстрационный прототип адаптивной экспертной системы «Эксперт» оценки качества и выбора программ и алгоритмов, реализованный для IBM PC совместимых компьютеров.

Заключение диссертации по теме «Применение вычислительной техники, математического моделирования и математических методов в научных исследованиях (по отраслям наук)», Ермолаева, Елизавета Каральбиевна

Заключение

В диссертационной работе получены следующие основные результаты:

1. Для четких и нечетких сред разработаны и реализованы в виде компьютерной системы логические решающие правила, а так же экспертный метод сертификации качества программ и алгоритмов на основе взвешенной линейной свертки.

2. Разработан метод и алгоритм построения логико-вероятностных решающих правил оценки качества алгоритмов и программ.

3. Построены иерархические системы показателей качества алгоритмов и программ.

4. Разработаны и реализованы алгоритмы задачи ранжирования объектов на основе нечеткого отношения предпочтения и бинарного сравнения объекта.

5. Разработан демонстрационный прототип адаптивной экспертной системы «Эксперт» оценки качества и выбора программ и алгоритмов, реализованный для IBM PC совместимых компьютеров.

Список литературы диссертационного исследования кандидат физико-математических наук Ермолаева, Елизавета Каральбиевна, 2000 год

1. Боэм Б. Дж. Браун, Каспар X., Липов М., Мак-Леод Г., Мерит М. Характеристики качества программного обеспечения. - М.:Мир, 1981.-208 с.

2. Оценка качества программных средств. Общие положения ГОСТ 28195-89 М.: Издательство стандартов, 1989.

3. Липаев В. В. «Качество программного обеспечения». М.: Финансы и статистика, 1983.-263 с.

4. Липаев В. В. Проектирование программных средств. М.: Высшая школа, 1990.

5. Транхтенброт. Б. А. Алгоритмы и машинное решение задач. М.: Государственное издательство физико-математической литературы, 1960. - 118 с.

6. Колмогоров А.Н. Три подхода к определению понятия «количество информации».-«Проблемы передачи информации». 5(1969) - №3. - С.3-7.

7. Агафонов В.Н. Сложность алгоритмов и вычислений. Новосибирск, 1975. - с. 146.

8. Хованов Н.В. Статистические модели теории квалиметрических шкал. Л.: ЛГУ, 1986.

9. Воробьев В.И., Копыльцов A.B., Пальчун Б.П., Юсупов P.M. Методы и модели оценивания качества программного обеспечения / СПИИРАН.-СП6., 1992 (Препринт).

10. Юсупов P.M., Пальчун Б.П. Оценка надежности программного обеспечения. СПб.: Наука, 1992.

11. Материалы Всесоюзного семинара "Методы повышения качества программного обеспечения". Владивосток: ДВО АН СССР, 1990.

12. Копыльцов A.B. Об оценке качества программных продуктов/Шроблемы информатизации. -1994. -№3-4.

13. НильсонМ.Дж. Принципы искусственного интеллекта. -М.: Радио и связь, 1985.

14. Заде Л.А. Понятие лингвистической переменной и ее применение к принятию приближенных решений. -М.: Мир, 1976.

15. Руа Б. Классификация и выбор при нескольких критериях(метод Электра) //Вопросы анализа и процедуры принятия решений М.: Мир, 1976,- с.80-107.

16. Борисов А.Н., Алексеев A.B., Крумберг O.A. и др. Модели принятия решений на основе лингвистической переменной-Рига: Зинатне, 1982.

17. Малышев Н.Г., Бернштейн Л.С., Боженюк A.B. Нечеткие модели для экспертных систем в САПР. -М.: Энершатомиздат, 1991.

18. Марков A.A. Теория алгорифмов/Яр. МИАН CCCP.-1954.-t.39 -С. 176- 189.

19. Чечкин A.B. Математическая информатика,- М.: Наука, Главная редакция физико-математической литературы, 1991.

20. Варнаков В.В., Погодин В.П. Доминирование при бинарном сравнении в задачах ранжирования объектов.//Автоматика и Телемеханика, 1994,- №1,- С. 171-180.

21. Ногин В.Д. Протодьяконов И.О., Евлампиев Ч.И. Основы теории оптимизации. М.: Высшая школа, 1986. - 384 с.

22. Экспертные системы: Инструментальные средства разработки: Учебн. Посо-бие/Л.А.Керов, АПЧастиков, Ю.В.Юдин, В.А. Юхтенко; Под ред. Ю.В.Юдина. -СПб: Политехника, 1996. 220 с.

23. Борисов А.Н., Алексеев А. В. и др. Обработка нечеткой информации в системах принятия решений. -М.: Радио и связь, 1989. 303 с.

24. Кузнецов В.Е. Представление в ЭВМ неформальных процедур. М.: Наука, 1989.— 158с.

25. Лигун A.A., Малышева А.Д. Математическая обработка результатов эксперимента. Днепродзержинск: ДИИ, 1992.—47с.

26. Ивахненко А. Г. Долгосрочное прогнозирование и управление сложными системами. К.: Техника, 1975,—312с.

27. Васильев В. И., Коноваленко В. В., Горелов Ю. И. Имитационное управление неопределенными объектами. К.: Наукова думка, 1989.—216с.

28. Половинкин А. И. Основы инженерного творчества. М.: Машиностроение, 1988.— 368с.

29. ДюкВ. А. Компьютерная психодиагностика. СПб.:Братство, 1994.—360с.

30. Искусственный интеллект: справочник в 3-х книгах. М.: "Мир", 1990.

31. Ивахненко А. Е, Самообучающиеся системы распознавания и автоматического регулирования. К: Наукова думка, Г96у. —349 с.

32. Ивахненко А. Е. Моделирование сложных систем: информационный подход. К.: Наукова думка, 1987. 136 с.

33. Лорьер Ж.-Л. Системы искусственного интеллекта. М.: Мир, 1991—342 с.

34. У. Росс Эшби. Конструкция мозга. Происхождение адаптивного поведения. М.: Издательство иностранной литературы, 1962. —392 с.

35. A.B. Тимофеев. Роботы и искусственный интеллект. М.: Наука 1978. 192 с.

36. К. Нейлор. Как построить свою экспертную систему. М.: Энергоатомиздат, 1991. -287с.

37. Мазуров В.Д. Метод комитетов в задачах оптимизации и классификации М.: Наука, 1990.

38. Распознавание, классификация, прогноз. Математические методы и их применение. -М.: Наука, 1992.

39. Выявление экспертных знаний -М.: Наука, 1989.

40. Калмогоров А.Н. О понятии алгоритма//УМН, -1953 выпуск 4. - С. 175-176.

41. Экспертные системы. Принципы работы и примеры. /Под ред. Р.Форсайта. М.: Радио и связь, 1987.

42. Экспертные системы: состояние и перспективы. М.: Наука, 1989.

43. Искусственный интеллект. Справочник / Под ред. Э. В. Попова. М.: Радио и связь, 1990.

44. Саати Т. Л. Математические модели конфликтных ситуаций. М.: Советское радио, 1977.

45. Майерс Г. Надежность программного обеспечения/Пер. с англ. под ред. В.Ш Кауфмана. М.: Мир, 1980. 360с.

46. Хованов Н.В. Статистические модели теории квалиметрических шкал. Л.: ЛГУ, 1986.

47. Справочник по системотехнике/Под ред. Р.Макола. Пер. с англ. под ред. А.В.Шилейко. М.: Сов. Радио, 1970. 760 с.

48. Холстед М.Х. Начала науки о программах/Пер. с англ. В.М. Юфы. М.: Финансы и статистика, 1981. 128 с.

49. Bowen I.B. Are current approache sufficient for measuring software quality? Software Engineering Notes, 1978, v.3, №3, p. 148-155.

50. Сложность алгоритмов и вычислений. Пер. с англ. М.: Мир, 1974. 216 с.

51. Липаев В.В. Конструктивные показатели качества программ и их связь с технологией проектирования//Известия АН СССР, Техническая кибернетика. 1982. - № 2. - с. 151163.

52. Akiyama F. An Example of Software System Debuqinq/ IFIP Congr. 71, North Holland Publ., 1972, v. 1, p. 353-359.

53. Тимофеев A.B., Шибзухов З.М. Методы синтеза и оптимизации баз знаний по базам данных на основе локально-оптимальных логико-вероятностных алгоритмов. International journal "Information theories and applications", 1995, v.3, №2, pp. 12-19.

54. Колмогоров A.H. Алгоритм, информация, сложность//Математика и кибернетика. -1991 -№ 1.-44 с.

55. Хованов Н.В. Анализ и синтез показателей при информационном дефиците. СПб.: Издательство С.-Петербургского университета, 1996. -195 с.

56. Ермолаева Е.К. (в соавторстве с Хашировой Т.Ю.). Имитационная модель комплексной оценки качества природных вод.//Вестник Кабардино-Балкарского государственного университета. Серия Физико-математические науки. Нальчик, 1996. - Вып1. -С. 141-149.

57. Ермолаева Е.К. Интегрированная экспертная система принятия решений.: Сб. науч. тр./КБГУ. Нальчик, 1999. -С. 19-22.