Разработка интегрированных моделей и алгоритмов обработки слабоструктурированной информации для автоматизированной поддержки принятия решений на основе мультиагентного подхода тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Хованских, Александр Анатольевич

• Хованских, Александр Анатольевич
• кандидат наук
• 2015

Оглавление диссертации кандидат наук Хованских, Александр Анатольевич

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

1. СИСТЕМНЫЙ АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ ОРГАНИЗАЦИИ ПРОБЛЕМНО-ОРИЕНТИРОВАННЫХ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ТЕХНИЧЕСКИХ И СОЦИАЛЬНЬ1Х СИСТЕМАХ

1.1 Принципы функционирования информационных систем управления в технических и социальных системах

1.1.1 Основные принципы организации систем управления

1.1.2 Особенности информационных систем управления и поддержки принятия решений в технических и социальных системах

1.2 Информационные технологии в системах поддержки принятия

решений

1.2.1 Технологии создания информационных систем поддержки

принятия решений

1.2.1.1 Технологии автоматизации бизнес-процессов

1.2.1.2 Технологии автоматизации эвристической деятельности

1.2.2 Мультиагентный подход к построению информационных

систем

1.2.2.1 Основы агентов и мультиагентных систем

1.2.2.2 Технологии построения мультиагентных систем

1.3 Применение мультиагентных информационных технологий при решении задач в технических и социальных системах

1.3.1 Преимущества использования мультиагентных технологий

1.3.2 Сферы использования мультиагентных технологий в технических и социальных системах

1.4 Концепция построения мультиагентных систем поддержки принятия решений на основе аналитической обработки слабоструктурированной информации

1.4.1 Основные принципы построения мультиагентной системы поддержки

принятия решений в технических и социальных системах

1.4.2 Описание концепции построения мультиагетных систем поддержки

принятия решений

1.5 Цель и задачи диссертационного исследования

2. РАЗРАБОТКА МОДЕЛЕЙ АГЕНТОВ МУЛЬТИАГЕНТНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ АНАЛИТИЧЕСКОЙ ОБРАБОТКИ СЛАБОСТРУКТУРИРОВАННОЙ ИНФОРМАЦИИ

2.1 Формализация задачи многомерного анализа ситуации управления в технических и социальных системах

2.2 Постановка задачи построения мультиагентной системы поддержки принятия решений

2.3 Основные принципы организации информационного хранилища данных

2.4 Выбор подхода к извлечению данных из информационных web-pecypcoB

2.5 Описание мультиагентного подхода к решению задачи обработки слабоструктурированной статистической информации

2.5.1 Разработка структурных моделей агентов и описание их функционирования

2.5.2 Разработка продукционных моделей представления знаний агентов

2.6 Описание временных характеристик для общей задачи МАСППР

Основные выводы по главе 2

3. РАЗРАБОТКА МОДЕЛИ ВНЕШНЕГО МИРА И АЛГОРИТМОВ ФУНКЦИОНИРОВАНИЯ МУЛЬТИАГЕНТНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТА РЕШЕНЕИЙ НА ОСНОВЕ АНАЛИТИЧЕСКОЙ ОБРАБОТКИ СЛАБОСТРУКТУРИРОВАННОЙ ИНФОРМАЦИИ

3.1 Принципы построения онтологии предметной области обработки слабоструктурированной статистической информации

3.2 Выбор концептуальной основы архитектуры МАСППР

3.3 Методология проектирования МАСППР

3.3.1 Модель жизненного цикла МАСППР

3.3.2 Проектирование архитектуры МАСППР

3.3.2.1 Построение модели актеров

3.3.2.2 Построение функциональной модели

3.3.2.3 Построение модели агентов

3.3.2.4 Построение архитектуры МАСППР

3.3.3 Проектирование спецификаций МАСППР

3.3.3.1 Специфицирование онтологии

3.3.3.2 Построение модели классов агентов

3.3.3.3 Специфицирование протоколов взаимодействий агентов

3.3.3.4 Построение модели деятельности МАСППР

3.3.4 Имплементация

3.3.5 Преимущества методологии проектирования МАСППР

Основные выводы по главе 3

4. РАЗРАБОТКА МУЛЬТИАГЕНТНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ И ПРОВЕДЕНИЕ ВЫЧИСЛИТЕЛЬНОГО ЭКСПЕРИМЕНТА ПО ОЦЕНКЕ ЭФФЕКТИВНОСТИ ФУНКЦИОНИРОВАНИЯ НА ПРИМЕРЕ СФЕРЫ УПРАВЛЕНИЯ ОБРАЗОВАНИЕМ

4.1 Описание ключевых моментов реализации МАСППР в сфере управления образованием

4.1.1 Описание использования информационного web-pecypca

4.1.2 Разработка требований к информационному хранилищу данных

4.1.3 Описание основных принципов организации МАСППР в сфере управления образованием

4.1.4 Описание онтологии предметной области МАСППР в

сфере управления образованием

4.2 Анализ программно-аппаратных средств реализации МАСППР

4.2.1 Анализ требований к операционной системе

4.2.2 Выбор системы управления базами данных

4.2.3 Анализ и выбор языка программирования

4.2.4 Анализ и выбор платформы и средств реализации

4.2.5 Модульная структура МАСППР

4.3 Экспериментальные исследования работоспособности и эффективности функционирования мультиагентной системы поддержки принятия

решений

Основные выводы по главе 4

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЯ

Приложение 1. Интерфейс агента пользователя

Приложение 2. Интерфейс модуля многомерного анализа данных

Приложение 3. Фрагмент онтологии предметной области

Введение диссертации (часть автореферата) на тему «Разработка интегрированных моделей и алгоритмов обработки слабоструктурированной информации для автоматизированной поддержки принятия решений на основе мультиагентного подхода»

ВВЕДЕНИЕ

Актуальность темы. В современных информационных технологиях роль такой процедуры, как извлечение информации из \veb-pecypcoB, многократно повышается. Не редко, в качестве такой информации выступает социальная, техническая, экономическая, финансовая, торговая статистика, собираемая и публикуемая различными организациями в виде слабоструктурированной информации, организованной в многотабличном многомерном представлении.

В свою очередь, данная информация может быть достаточно полезной для принятия различных решений организациями, функционирующими в данных областях деятельности, что приводит к необходимости проведения многомерного анализа статистических табличных данных. Процесс анализа может быть крайне затруднителен ввиду того, что данные, предоставляемые в срезах тех или иных измерений, располагаются на различных страницах, что обуславливает неудобство в процессе аналитической деятельности из-за наличия достаточно больших коллекций страниц с табличными данными.

В процессе многомерного анализа табличных данных стандартными инструментами луеЬ-ресурсов усложняются процедуры консолидации, детализации, агрегации и анализа динамики изменения показателей различных объектов анализа. В свою очередь, обработка множества таблиц посредством ручного переноса данных в локальное хранилище не решает данную проблему, а лишь только сопровождается рутиной и большими временными затратами.

Таким образом, для решения данной проблемы требуется разработка моделей и алгоритмов, реализующих автоматизированную поддержку процесса извлечения, обработки и загрузки табличных данных в специальным образом организованное хранилище данных (ХД), установленное на рабочем месте аналитиков, а также их интеграция в единой системе поддержки принятия решений, обеспечивающей использование инструментов многомерного анализа данных в целях автоматизированной поддержки принятия решений.

Так же требуется решение проблемы адаптации этих моделей и алгоритмов к появлению новых объектов анализа и связанных с ними многомерных данных, посредством привлечения знаний из различных областей, в том числе, искусственного интеллекта.

Вопросам извлечения информации из сети Интернет посвящены труды Стенина A.A., Березкина Д.В., Агеева М.С., Вершинникова И.В., Еремеева Р.Н., Хорошевского В.Ф., Косинова Д.И., Tim Jones М., Suhit G., Francesco В., и д.р. Среди некоторых прослеживается тенденция использования мультиагентных технологий, которые, в настоящее время, являются перспективным направлением на стыке информационных технологий и искусственного интеллекта.

Однако на сегодняшний день не существует единого удобного способа извлечения многомерных табличных данных из web-pecypcoB. Существующие модели и алгоритмы в области мультиагентных технологий (монографии Городецкого В.И., Тарасова В.Б., Brooks R., Finin Т., Jennings N., Nwana H., Wooldridge M. и д.р.) не являются в полной мере подходящими для решения указанных проблем ввиду специфических особенностей предметной области.

Таким образом, отмеченные обстоятельства позволяют признать актуальной задачу разработки интегрированных моделей и алгоритмов обработки слабоструктурированной статистической информации для автоматизированной поддержки принятия решений на основе мультиагентного подхода.

Диссертационное исследование выполнено в ФГБОУ ВПО «Воронежский государственный технический университет» в рамках научного направления «Интеллектуальные информационные системы».

Целью диссертационного исследования является разработка новых интегрированных моделей и алгоритмов обработки слабоструктурированной информации на основе мультиагентного подхода в целях повышения эффективности процесса поддержки принятия решений в технических и социальных системах.

Задачи исследования. В соответствии с поставленной целью в диссертационном исследовании решаются следующие основные задачи:

- системный анализ предметной области организации проблемно-ориентированных систем поддержки принятия решений в технических и социальных системах;

- разработка концепции построения мультиагентных систем поддержки принятия решений на основе аналитической обработки статистической информации, необходимой для спецификации подходов к разработке данного класса систем;

- разработка структурных моделей интеллектуальных агентов, способных решать поставленные задачи в соответствии со специфическими особенностями предметной области;

- разработка пополняемой модели внешнего мира интеллектуальных агентов для решения проблемы адаптации к новым объектам анализа и связанных с ними многомерным данным, а также обеспечения интеллектуальной поддержки функционирования агентов;

- разработка алгоритмов функционирования агентов для комплексной автоматизации процесса обработки статистической информации в целях поддержки принятия решений;

- интеграция разработанных моделей и алгоритмов в едином комплексе, и разработка программного обеспечения мультиагентной системы поддержки принятия решений.

Методы исследования. В работе использованы методы: мультиагентных технологий, дескрипционной логики, оперативной аналитической обработки данных (OLAP), хранилищ данных (Data warehouses), методы анализа объектной модели документа (DOM), теория и методы информационных процессов и систем, методы проектирования сложных информационных систем, объектно-ориентированного программирования.

Соответствие диссертации паспорту специальности.

П.9 Разработка проблемно-ориентированных систем управления, принятия решений и оптимизации технических, экономических, биологических, медицинских и социальных объектов.

П.10 Методы и алгоритмы интеллектуальной поддержки при принятии управленческих решений в технических, экономических, биологических, медицинских и социальных системах.

Научная новизна исследования. Научная новизна положений, изложенных в диссертации, представлена следующими результатами:

- предложена концепция построения мультиагентных систем поддержки принятия решений на основе аналитической обработки слабоструктурированной статистической информации, отличающаяся интеграцией методов извлечения информации из \veb-pecypcoB, технологии многомерного анализа данных и мультиа-гентного подхода, и позволяющая проводить комплексную разработку данного класса систем в различных предметных областях;

- разработаны структурные модели интеллектуальных агентов, отличающиеся новым вариантом многоуровневой вертикальной организации составных элементов, и позволяющие на каждом функциональном уровне решать соответствующие задачи навигации, распознавания, извлечения и записи данных, хранения и предоставления знаний в рамках процесса обработки слабоструктурированной статистической информации;

- разработана пополняемая модель внешнего мира интеллектуальных агентов, отличающаяся спецификой концептуального семантического описания декларативных знаний о предметной области, и позволяющая агентам получать необходимые знания для адекватного осуществления процесса обработки слабоструктурированной статистической информации;

- предложены алгоритмы функционирования агентов, отличающиеся функциональной полнотой и ориентацией на проблемную область обработки слабоструктурированной статистической информации, и позволяющие комплексно автоматизировать процессы решения задач каждого агентного уровня в целях преобразования исходной статистической информации в многомерные логические структуры.

Практическая ценность. Предложенная концепция позволяет проводить комплексную разработку мультиагентных систем поддержки принятия решений

на основе аналитической обработки слабоструктурированной статистической информации в различных предметных областях. Предложенные модели и алгоритмы функционирования агентов позволяют организовывать процессы обработки слабоструктурированной статистической информации в целях поддержки принятия решений в технических и социальных системах. Разработанная модель внешнего мира обеспечивает адаптацию интеллектуальных агентов к изменениям в предметной области без корректировок их структурных моделей и алгоритмов функционирования.

Реализация н внедрение результатов работы. Разработанные теоретические и практические результаты в виде программного обеспечения проблемно-ориентированной мультиагентной системы поддержки принятия решений используются при обработке и анализе слабоструктурированной статистической информации в сфере управления образованием Департаментом образования, науки и молодежной политики Воронежской области.

Апробация работы. Основные результаты диссертационного исследования доложены: в материалах международной молодежной научной школы в рамках фестиваля науки «Россия-ЕС. Инженерия знаний и технологии семантического веб-анализа» (Воронеж, 2012г.); на научной Всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 2012г.); на всероссийской научной конференции «Проблемы управления в социально-экономических и технических системах» (Саратов, 2013г.); на XIII всероссийской научно-технической конференции «Приоритетные направления развития науки и технологий» (Тамбов, 2013г.); на международном лектории, посвященном 30-летию кафедры «Систем автоматизированного проектирования и информационных систем» Воронежского государственного технического университета (Воронеж, 2014г.).

Публикации. Основные материалы диссертационного исследования отражены в 10 публикациях, 4 из которых опубликованы в издании, рекомендованном ВАК РФ.

В работах, опубликованных в соавторстве, лично автору принадлежат: основополагающие принципы и подходы к построению мультиагентных систем

поддержки принятия решений [2, 3, 10], эшелонированная архитектура мультиа-гентной системы с частично-децентрализованным управлением [4], методология нисходящего проектирования мультиагентных систем [1, 8, 9].

Объем работы. Диссертационная работа содержит 4 главы, введение, заключение, список литературы из 137 наименований, содержит 170 страниц основного текста, 60 рисунков, 28 таблиц.

1. СИСТЕМНЫЙ АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ ОРГАНИЗАЦИИ ПРОБЛЕМНО-ОРИЕНТИРОВАННЫХ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ТЕХНИЧЕСКИХ И СОЦИАЛЬНЫХ СИСТЕМАХ

1.1 Принципы функционирования информационных систем управления в технических и социальных системах

1.1.1 Основные принципы организации систем управления

Информационные технологии активно вторгаются в нашу жизнь, используются во всех процессах (социальных, экономических, политических), заменяя их, помогая им развиваться, являются сопутствующим и одновременно обязательным средством сбора, предоставления, обработки и анализа информации.

В настоящее время активно разрабатываются различные концепции по внедрению информационных технологий в регионы. Концепции основываются на внедрении территориально распределенных информационно-коммуникационных инфраструктур предприятий и компаний регионов, ведущих инновационную деятельность.

Информационная система (ИС) - это взаимосвязанная совокупность информационных, технических, программных, математических, организационных, правовых, эргономических, лингвистических, технологических и других средств, а также персонала, предназначенная для сбора, обработки, хранения и выдачи информации для принятия управленческих решений.

Внедрение информационных систем производится с целью повышения эффективности производственно-хозяйственной деятельности предприятий и фирм за счет:

- обработки и хранения рутинной информации;

- автоматизации офисных работ;

- применения принципиально новых методов управления, основанных на моделировании деятельности специалистов в организации принятия решений (ме-

тодов искусственного интеллекта, экспертных систем и т. д.);

- использования современных средств телекоммуникаций (электронной почты, телеконференций), глобальных и локальных вычислительных сетей и т. д.

Задача информационных систем - формирование, сбор необходимой информации в целях обеспечения эффективного управления ресурсами предприятия, а также осуществление эффективной информационной и технологической среды для реализации функций управления предприятием.

Зачастую в системах управления (СУ) выделяются три уровня: стратегический, тактический и оперативный. На каждом из данных уровней управления присутствуют соответствующие задачи, для решения которых существует необходимость в соответствующем наборе исходных данных, которые можно получить с помощью соответствующих запросов к информационной системе. Информационные технологии позволяют обрабатывать данные запросы и сформировывать ответы на эти запросы. В конечном итоге на каждом из уровней управления собирается информация, необходимая для принятия решений.

На стратегическом уровне управления осуществляется определение долгосрочной цели, направление деятельности предприятия, распределение ресурсов, координация и регулирование, прогноз параметров внешней среды и организационные изменения.

На тактическом уровне управления осуществляется детализация выбранных стратегий до уровня планов действий, планирование производственных мощностей, сбыта, капиталов, персонала, инвестиций в рамках стратегического планирования.

На оперативном уровне управления осуществляется разработка конкретных действий на краткосрочный период (месяц, декада, неделя, сутки) в рамках тактического плана, принятие соответствующих структурированных решений, обеспечение выполнения запланированных задач при заданных сроках, нормативах затрат, спецификации и количестве.

Информационные системы управления (ИСУ) - это системы, которые строятся на тактическом уровень управления: среднесрочное планирование, анализ и

организация деятельности в течение определенного интервала времени, например анализ и планирование снабжения, сбыта, составление производственных программ.

Информационные автоматизированные системы управления - это многоуровневые иерархические автоматизированные системы, которые обеспечивают комплексную автоматизацию управления на всех уровнях и охватывают весь цикл работ от проектирования до сбыта продукции, и предназначенные для обеспечения эффективного функционирования управляемого объекта (системы) путем автоматизированного выполнения заданных функций.

Информационные системы обеспечивают специалистов данными для выполнения всех функций управления и поддержки принятия решений.

В настоящее время ИС играют особую роль при современном уровне информатизации управленческих процессов. Для современного общества ИС представляют собой средства для обработки больших массивов неструктурированной информации, средства обеспечения доступа и обработки информации, поступающей из внешней среды предприятия, и позволяющие осуществлять доступ к удаленным базам данных (БД), информационно-справочным и поисковым системам. С помощью таких средств можно проводить маркетинговые исследования и мониторинг изменений внешней среды предприятия.

Также к ИС относятся средства автоматизации бизнес-процессов предприятия, позволяющие сотрудникам выполнять работу более качественно и эффективно. К данным ИС относятся, в частности, и средства обработки больших массивов структурированных данных, такие, как хранилища данных и электронные архивы.

К современным ИС относятся также и средства автоматизации труда управленцев, позволяющие использовать наработанный мировой опыт, заложенный в информационные продукты для управления предприятием.

1.1.2 Особенности информационных систем управления и поддержки принятия решений в технических и социальных системах

Информационные системы управления в технических и социальных системах должна обеспечивать выполнение следующих основных функций:

1. Обеспечение полноты информации для каждого звена системы управления. Полнота определяется как отношение полученной информации к запрошенной информации, необходимой для управления.

2. Полезность и ценность информации. Информационные потоки в системе управления должны направляться по конкретным адресам - конкретным руководителям, специалистам и служащим управленческого аппарата.

3. Точность и достоверность информации - принятие решений на недостаточно точных или недостоверных данных увеличивает риск допущения ошибок в процессе принятия управленческих решений.

4. Своевременность поступления информации. Если информация не поступает вовремя, то орган управления будет бездействовать в тот момент, когда объект управления особенно нуждается в управляющих действиях.

5. Агрегируемость информации - рациональное распределение информации по уровням иерархии управления. На высшие уровни управления должна поступать более обобщенная информация, на нижние - более детализированная.

6. Актуальность информации. В процессе принятии решений важно учитывать возраст информации и ее актуальность для конкретных управленческих задач.

7. Экономичность и эффективность обработки информации. Эффективность информационной подсистемы можно оценить сопоставляя результаты управления с затратами на сбор, накопление, обработку, преобразование и передачу информации.

Программа создания информационной системы управления предусматривает разработку и совершенствование систем сбора и обработки информации по критерию максимального обеспечения управляющих структур необходимой и

достоверной информацией в необходимые сроки, модернизацию системы управления в целях автоматизированной поддержки принятия управленческих решений, а также построение стратегической информационно-управляющей системы.

Таким образом, системы поддержки принятия решений выступают как подсистемы ИСУ, обеспечивающие автоматизированную поддержку необходимых решений для осуществления эффективного управления.

Системы поддержки принятия решений (СППР) - компьютерные автоматизированные системы, целью которых является помощь лицам, принимающим решения (ЛПР), в сложных условиях для полного и объективного анализа предметной деятельности.

Системы поддержки принятия решений предназначены для поддержки многокритериальных решений в сложной информационной среде. При этом под мно-гокритериальностью понимается тот факт, что результаты принимаемых решений оцениваются не по одному, а по совокупности многих показателей (критериев), рассматриваемых одновременно. Информационная сложность определяется необходимостью учета большого объема данных, обработка которых без помощи современной вычислительной техники практически невыполнима. В этих условиях число возможных решений, как правило, весьма велико, и выбор наилучшего из них без всестороннего анализа может приводить к грубым ошибкам.

Дальнейшая интеграция процессов управления и информатизации в технической и социальной сфере приводит к необходимости создания ситуационных центров управления различного назначения и информационно-аналитических систем поддержки принятия решений, в которых организуются процессы накопления, аналитической обработки территориальной информации, а также содержится инструментарий ситуационного многомерного анализа данных для поддержки принятия управленческих решений.

1.2 Информационные технологии в системах поддержки принятия решений

1.2.1 Технологии создания информационных систем поддержки принятия решений

Информационные технологии проектирования и создания систем поддержки принятия решений и информационных систем управления в целом, можно разделить на две основные группы: технологии автоматизации бизнес-процессов и технологии автоматизации эвристической деятельности.

1.2.1.1 Технологии автоматизации бизнес-процессов

К настоящему времени среди технологий автоматизации бизнес-процессов в области проектирования информационных систем можно выделить следующие основные направления: CASE-технологии и, реализованные на их основе, WorkFlow-технологии.

Термин CASE (Computer Aided Software Engineering) означает «компьютерная поддержка проектирования программного обеспечения», и связан с появлением так называемых CASE-средств - программных продуктов нового типа, предназначенных для автоматизации разработки ИС.

CASE-технологии представляют собой совокупность методологий проектирования и сопровождения ИС на всем жизненном цикле, поддержанную комплексом взаимоувязанных CASE-средств.

Основная цель CASE-технологий заключается в поддержке процесса проектирования информационной системы отдельно от программной реализации. Разработчику предоставляются удобные автоматизированные графические средства моделирования структуры ИС, а также средства, позволяющие автоматизировать рутинные операции - кодогенерацию, формирование баз данных, конвертацию файлов в новые форматы и т.д.

CASE-технологии обычно применяются на этапах анализа требований и

проектирования структуры программного обеспечения (ПО). Как правило, данные этапы проектирования ИС являются наиболее трудоемкими, в процессе выполнения которых САБЕ-средства позволяют обеспечить необходимую поддержку принимаемых технических решений и подготовку проектной документации [6]. Здесь основную роль играют методы визуального проектирования ИС. Данные этапы проектирования подразумевают построение различных видов диаграмм в реальном масштабе времени, использование наборов различных графических паттернов и стандартов проектирования. Средства проектирования и универсальные языки моделирования предметных областей позволяют проектировщикам изучить существующую ИС и переделать ее в соответствии с поставленными целями и ограничениями [7].

Как правило, к разряду САБЕ-средств относятся любые программные средства, автоматизирующие совокупность процессов жизненного цикла ПО, и обладающие мощными графическими средствами, интеграцией отдельных компонентов СА8Е-средств, обеспечивающих разработчиков управлением проектирования ИС, а также организованного специальным образом хранилища проектных метаданных (репозитария).

Комплекс интегрированных СА8Е-средств, поддерживающий полный жизненный цикл программного обеспечения, как правило, включает в себя следующие составные элементы:

- репозитарий, являющийся основой САБЕ-средств, и обеспечивающий процедуры обработки и хранения версий проекта и его отдельных составных компонентов, синхронизацию информации, поступающей от различных разработчиков в процессе коллективной разработки, а также, в свою очередь, контроль полноты и непротиворечивости метаданных;

- графические средства анализа и проектирования;

- инструментарии разработки приложений и конфигурационное управление;

- инструментарии обеспечения документирования и тестирования;

- средства управления проектами и реинжиниринга.

В настоящее время наиболее часто продвигаемой технологией среди авто-

матизированных информационных систем управления является технология Workflow. Данная технология включает в себя некоторый комплекс информационных технологий, а именно электронную почту, управление проектами, технологии баз данных, объектно-ориентированного программирования и CASE-технологии. Основным требованием к системам такого класса является выполнение правил и алгоритмов функционирования бизнес-процессов, а также временных характеристик и масштабов предприятия [12].

Системы Workflow имеют в своей основе комплексные подходы для решения задач управления. Обычно они поддерживают реализацию всех основных функций управления, таких как планирование, организация, активизация, координирование и контроль.

Одной из важнейших задач в системах, построенных на основе технологии Workflow, является соблюдение принципа своевременного отражения происходящих изменений в работе предприятия. Одновременно с этим для обновления системы не требуется ее перепрограммирование, а изменения непосредственно вносятся пользователями системы.

Рассмотренные технологии автоматизации бизнес-процессов достаточно широко используются при автоматизации проектирования СППР. Но здесь следует отметить, что данные технологии не решают основную задачу в функционировании ИСУ и СППР - поддержка принятия решений.

1.2.1.2 Технологии автоматизации эвристической деятельности

Эвристическая деятельность (эвристика) в широком смысле - наука о творчестве; в узком, более современном, - теория и практика организации избирательного поиска при решении сложных интеллектуальных задач.

Автоматизация эвристической деятельности в системах управления представляет собой сложную задачу, поэтому данные технологии подразумевают не автоматизацию деятельности такого рода, а ее автоматизированную поддержку [15]. В целях автоматизированной поддержки используются экспертные системы

(ЭС) и системы поддержки принятия решений (DSS - Decision Support System), строящиеся на основе систем анализа в реальном времени (OLAP), технологий создания информационных хранилищ данных (Data Warehouse) и технологий интеллектуального анализа данных (Data Mining).

Информационно-аналитические системы поддержки принятия решений -это человеко-машинные вычислительные комплексы, ориентированные на многомерный анализ данных, и обеспечивающие получение и обработку информации, необходимой для принятия управленческих решений [16].

Список литературы диссертационного исследования кандидат наук Хованских, Александр Анатольевич, 2015 год

СПИСОК ЛИТЕРАТУРЫ

1. Иванов В.Н., Патрушев В.И. Инновационные социальные технологии государственного и муниципального управления: 2-е изд., перераб. и доп. — М.: ЗАО «Издательство «Экономика», 2001. - 327 с.

2. Тихомиров Ю.А. Управленческое решение. - М.: Политиздат, 1974. - 33

с.

3. Цыгичко В.Н. Руководителю о принятии решений. - М.: Инфра-М, 1996. -272 с.

4. Артемьев В.И. Обзор способов и средств построения информационных приложений // Открытые системы. Системы управления базами данных, 1996. -№5.

5. Саймон Алан Р. Стратегические технологии баз данных // Финансы и статистика, 1999.

6. Олсон Майкл А. Выбор и реализация встроенных баз данных // Открытые системы. Системы управления базами данных, 2000. - № 11.

7. Маклаков C.B. BPwin и ERwin. CASE-средства разработки информационных систем. - М.: Диалог-Мифи, 1999. - 256 с.

8. Вендров A.M. Проектирование программного обеспечения экономических информационных систем: Учебник. - М.: Финансы и статистика, 2004.

9. Вендров A.M. Практикум по проектированию программного обеспечения экономических информационных систем. - М.: Финансы и статистика, 2002.

10. Новоженов Ю.В. Объектно-ориентированные технологии разработки сложных программных систем. - М.: Аргуссофт компани, 1996. - 115 с.

П.Избачков Ю.С., Петров В.Н. Информационные системы // 2-е изд. -СПб.: Питер, 2006. - 656 с.

12. Berg А.V., Boumans A., Spanholff G. De aanval op starre informati-evoorziening: Workflow-management. Computable, 26(21) (1993).

13. Joosten S., Aussems G., Duitshof M., Huffmeijer R., Mulder E. WA-12 an Empirical Study about the Practice of Workflow Management/University of Twente

Centre for Teleinformatics and Information Technology (1994).

14. Hammer M., Champy J., Reengineering the corporation: A manifesto for business revolution HarperCollins Publishers, Inc (1993).

15. Архипенков С., Голубев Д., Максименко О. Хранилища данных. От концепции до внедрения. - М.: ДИАЛОГ-МИФИ, 2002. - 528 с.

16. Inmon W. Н. Building the Data Warehouse. New York: John Wiley 8c Sons,

Inc.

17. Спирли Э. Корпоративные хранилища данных. Планирование, разработка, реализация. Том 1: Пер. с англ. -М.: «Вильяме», 2001. - 400 с.

18. Кузнецов С. Хранилища данных в начале века. // Открытые системы. Системы управления базами данных, 2002. -№ 1. С. 35-36.

19. Сахаров А.А. Концепции построения и реализации информационных систем, ориентированных на анализ данных // СУБД. 1996. - № 4. - С. 55-70.

20. Chaudhuri S., Dayal LT. «An Overview of Data Warehousing and OLAP Technology» in SIGMOD Record, Vol. 26, No. 1, 1997, pp. 65-74.

21. Kimball R. The Data Warehouse Toolkit. Practical Techniques for Building Dimansional Data Warehouses.

22. Федоров А., Елманова H. Введение в OLAP-технологии Microsoft. Издательство: Диалог-МИФИ - 2002.

23. Эделстейн Г. Интеллектуальные средства анализа, интерпретации и представления данных в информационных хранилищах // ComputerWeek-Москва, 1996. -№16. С. 32-33.

24. Пржиялковский В.В. Сложный анализ данных большого объема: новые перспективы компьютеризации // СУБД. 1996. - № 4. - С. 71-83.

25. Winter R. «Databases: Back in the OLAP Game», Intelligent Enterprise Magazine, vol. 1, no. 4, 1998.

26. Thomsen E., Spofford G., Chase D., Microsoft OLAP Solutions, John Wiley & Sons, New York, 1999.

27. Исаев Д., Ларина В. «Интеллектуальная платформа» для современного банка. // Банки и технологии, 2003 - № 1. - С. 34-37.

28. Прохоров A. MineSet - визуализационный дейтамайнинг на вашем столе. КомпьютерПресс, 2014.

29. Brand Е., Gerritsen R. Data Mining and Knowledge Discovery // DBMS. 1998.-№7.

30. Киселев M., Соломатин E. Средства добычи знаний в бизнесе и финансах. // Открытые системы, 1997, - № 4. - С. 41-44.

31. Fayyad U., Piatetsky-Shapiro G., Smythz P., Uthurusamy R. Advances in Knowledge Discovery and Data Mining. - AAAI/MIT Press: 1996.

32. Knowledge Discovery Through Data Mining: What Is Knowledge Discovery? - Tandem Computers Inc., 1996.

33. Дюк В., Самойленко A. Data mining: учебный курс. - СПб: Питер, 2001. -368 с.

34. Parsaye К.А. Characterization of Data Mining Technologies and Processes // The Journal of Data Warehousing, 1998. - № 1.

35. Винокуров M.A. Автоматизация кадрового учета. - M.: ИНФРА-М, 2001. - 222 с. - (Серия: «Секреты менеджмента»).

36. Клыков Ю.И., Горьков JI.H. Банки данных для принятия решений. - М.: Сов. Радио, 1980.-155 с.

37. Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. Статические и динамические экспертные системы. Учеб. Пособие. - М.: Финансы и статистика, 1996.

38. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. - СПб.: Питер, 2000. - 384 с.

39. Марселлус Д. Программирование экспертных систем на Турбо Прологе: Пер. с англ. - М.: Финансы и статистика, 1994.

40. Искусственный интеллект: Применение в интегрированных производственных системах / Под ред. Э. Кьюсиака; Пер. с англ. - М.: Машиностроение, 1991.

41. Левин Р., Дранг Д., Эделсон Б. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике: Пер.

с англ. - M. Финансы и статистика, 1990.

42. Искусственный интеллект: В 3 кн. Кн. 1. Системы общения и экспертные системы: Справочник / Под редакцией Э.В.Попова, — М.:Радио и связь, 1990. -464 с.

43. Джексон П. Введение в экспертные системы. - М.: Издательский дом «Вильяме», 2001. - 624 с.

44. Сафонов В.О. Экспертные системы - интеллектуальные помощники специалистов. - СПб.: Знание, 1992. - 32 с.

45. Брукинг А., Джонс П., Кокс Ф. Экспертные системы. Принципы работы и примеры: Пер. с англ. - М.: Радио и связь, 1987. - 224 с.

46. Хейес-Рот Ф., Уотерман Д., Ленат Д. Построение экспертных систем. -М.: Мир, 1987.-450 с.

47. Герман О.В. Введение в теорию экспертных систем и обработку знаний. -Мн.: ДизайнПРО, 1995.-255 с.

48. Попов Э.В. Экспертные системы реального времени. // Открытые системы, 1995.-№2.

49. Harmon P. The market for intelligent software products Intelligent Software Strategies, 1992, v.8, n.2, pp.5-12.

50. Норвиг П., Рассел С. Искусственный интеллект: Современный подход. -М.: Вильяме, 2006.

51. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. -М.: Эдиториал УРСС, 2002.

52. Тарасов В.Б. Агенты, многоагентные системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте. // Новости искусственного интеллекта, 1998. -№3. - С. 5-54.

53. Кибяков П.П. Мир нейронных сетей и агенты-двойники. (http://oasis.peterlink.ru/~dap/nneng/nnlinks/NNAgents-Doubles.htmn.

54. Monique Calisti. Latest News from the Standardisation World. //AgentLink News, 18, 2005, pp. 31-32.

55. Городецкий В.И., Грушинский M.C., Хабалов A.B. Многоагентные сис-

темы // Новости искусственного интеллекта, 1998. - № 2. - С. 28-29.

56. Ландсберг С.Е., Хованских A.A. Основы агентов и многоагентных систем // Оптимизация и моделирование в автоматизированных системах: межвуз. сб. науч. тр. Воронеж: ГОУВПО ВГТУ. С. 151-156.

57. Ландсберг С.Е., Хованских A.A. Мультиагентный подход к проектированию информационных систем // Оптимизация и моделирование в автоматизированных системах: межвуз. сб. науч. тр. Воронеж: ГОУВПО ВГТУ. С. 4853.

58. Ландсберг С.Е., Хованских A.A. Современные средства разработки мультиагентных систем // Оптимизация и моделирование в автоматизированных системах: межвуз. сб. науч. тр. Воронеж: ГОУВПО ВГТУ. С. 25-30.

59. Ландсберг С.Е., Хованских A.A. Нисходящий подход к проектированию мультиагентных систем // Оптимизация и моделирование в автоматизированных системах: межвуз. сб. науч. тр. Воронеж: ГБОУВПО ВГТУ. С. 97-100.

60. Ландсберг С.Е., Хованских A.A. Методология проектирования архитектуры мультиагентных систем с использованием нисходящего подхода на основе многоуровневой иерархической структуры // Оптимизация и моделирование в автоматизированных системах: межвуз. сб. науч. тр. Воронеж: ГБОУВПО «ВГТУ». С. 30-36.

61. Ландсберг С.Е., Хованских A.A. Некоторые аспекты построения систем аналитической отчетности в сфере образования // Интеллектуальные информационные системы. Труды Всероссийской конференции (20-22 июня 2012 г.). Воронеж. ВГТУ. С. 225-228.

62. Ландсберг С.Е., Хованских A.A. Методология нисходящего проектирования мультиагентных систем // Интеллектуальные информационные системы. Труды Всероссийской конференции (20-22 июня 2012 г.). Воронеж. ВГТУ. С. 1623.

63. Ландсберг С.Е., Хованских A.A. Функционально-структурный синтез при организационном проектировании мультиагентных систем // Интеллектуальные информационные системы. Труды Всероссийской конференции (20190

22 июня 2012 г.). Воронеж. ВГТУ. С. 91-94.

64. Ландсберг С.Е. Некоторые аспекты проектирования мультиагентных систем с использованием языка UML / С.Е. Ландсберг, A.A. Хованских // Вестник Воронежского государственного технического университета. 2012. - Т. 8. - № 9. -С. 4-8.

65. Ландсберг С.Е. Принципы построения мультиагентной системы аналитической отчетности удаленного web-pecypca на основе технологии OLAP':/ С.Е. Ландсберг, A.A. Хованских // Вестник Воронежского государственного технического университета. 2013. - Т. 9. -№ 5-1. - С. 60-63.

66. Ландсберг С.Е. Особенности построения информационных систем с использованием мультиагентных технологий / С.Е. Ландсберг, A.A. Хованских // Вестник Воронежского государственного технического университета. 2014. - Т. 10. -№ 3-1. - С. 37-39.

67. Ландсберг С.Е. Подход к построению мультиагентных систем поддержки принятия решений на основе многоуровневой иерархической эшелонированной архитектуры с частично децентрализованным управлением / С.Е. Ландсберг, A.A. Хованских // Вестник Воронежского государственного технического университета. 2014. - Т. 10. - № 5 - С. 53-55.

68. Кононенко Р.Н., Божич В.И. Модель мультиагентной информационной поисковой системы WWW // Internet и современное общество // Тез. Второй науч.-метод. конф. СПб, 29 ноября - 3 декабря 1999. - СПб: Изд-во СПб ун-та, 1999. -С. 92-93.

69. Кононенко Р.Н., Божич В.И. Модель мультиагентной поисковой системы Internet на основе нейросетевых агентов // VI Всерос. конф.: Нейрокомпьютеры и их применение (НКП 2000), 16-18 февраля 2000. // Сб. науч. тр. -М, 2000.-С. 245-249.

70. Иванов A.M. Агенты и их виды / Курс «Мультиагентные интеллектуальные системы» МГТУ им. Н.Э.Баумана, каф. ИУ-3, 2008.

71. Иващенко A.B., Лада А.Н., Симонова Е.В., Скобелев П.О. Мультиа-гентная технология управления мобильными ресурсами в режиме реального вре-

мени / Поволжский государственный университет телекоммуникаций и информатики. Самара, 2011 - 177 с.

72. Божич В.И., Кононенко Р.Н., Топчий А.П. Технологии агентов в распределенных информационно-вычислительных сетях // Науч.-техн. конф. Информационная безопасность автоматизированных систем, 16-17 июня 1998 г. — Воронеж, НИИ связи: Истоки, 1998. - С. 123-129.

73. Божич В.И., Кононенко Р.Н., Абияка A.A. Нейросетевое управление в мультиагентной системе с самоорганизующейся коммуникацией // Науч. сессия МИФИ - 99. Всерос. науч.-техн. конф.: Нейроинформатика-99. // Сб. науч. тр.: В 3 Ч. Ч.З. - М.: МИФИ, 1999. - С. 239-246.

74. Tim Jones М. Artificial Intelligence: A Systems Approach (Computer Science) (Dec 26, 2008).

75. Абияка A.A., Божич В.И., Кононенко P.H. Самоорганизующаяся коммуникация в мультиагентной системе с нейросетевым управлением // Изв. АН.: Теория и системы управления, 1999. - № 5. - С. 135-138.

76. Fetterman R.L., Gupta S.K. Mainstream Multimedia. Applying Multimedia in Business. New York, 1993.278 s.

77. Горбатюк H.B. Модульная обучающая система на основе мультимедийных и гипертекстовых технологий. Информационные технологии и системы в образовании, науке, бизнесе. // Сб. матер. Международ, науч.-техн. конф. — Пенза, 14-15 декабря 1999 г. - Пенза: Изд-во Приволжский Дом знаний, 1999. - С. 45-46.

78. Божич В.И., Горбатюк Н.В. Модели интеллектуальной мультимедийной обучающей системы. Интернет и современное общество // Тез. Второй Всерос. науч.-метод. конф. СПб, 29 ноября - 3 декабря 1999 г. - СПб.: Изд-во СПб. ун-та, 1999.-С. 127.

79. Скобелев П.О., Царев A.B. Интеллектуальные программные технологии для транспортных, производственных и сервисных систем // Тезисы доклада, г. Самара - 3 с.

80. Виттих В.А., Скобелев П.О., Лахин О.И., Сальков А.Н. Мультиагентный интернет-портал для интеграции ресурсов департаментов социального блока Са-

марской области // Институт проблем управления сложными системами РАН, г. Самара - 8 с.

81. Nikraz М., Caire G. A Methodology for the Analysis and Design of MultiAgent Systems using JADE

82. Mylopoulos J., Kolp M., Castro J. UML for agent-oriented software development: The Tropos proposal. In Proc. of the 4th Int. Conf. on the Unified Modeling Language UML'Ol, Toronto, Canada, 2001.

83. Monique Calisti. Latest News from the Standardization World. //AgentLink News, 18, 2005, pp. 31-32.

84. Kabassi K., Virvou, M. Using Web Services for Personalized Web-based Learning. Educational Technology & Society, 6(3), 2003, pp.61.

85. Келеберда И.Н., Лесная H.C., Репка В.Б. Использование мультиагент-ного онтологического подхода к созданию распределенных систем дистанционного обучения. //Educational Technology & Society 7(2), 2004, pp. 190-205.

86. Агенты и мультиагентные системы: мультиагентная система vs агентная платформа, 2007.

87. Сравнение средств разработки для создания мультиагентных систем // Распределённые вычислительные системы, 2010.

88. Lind J. Issues in Agent-Oriented Software Engineering // The First International Workshop on Agent-Oriented Software Engineering (AOSE - 2000). - 2000.

89. Wagner G. Agent-Object-Relationship Modeling // Proc. of Second International Symposium - from Agent Theory to Agent Implementation together with EMCRS (2000 - 2000), April.

90. Швецов A.H. Агентно-ориентированные системы: от формальных моделей к промышленным приложениям. Вологодский государственный технический университет.

91. Nikraz М., Caire G., Bahri P. A Methodology for the Analysis and Design of Multi-Agent Systems using JADE.

92. Mylopoulos J., Kolp M., Castro J. UML for agent-oriented software development: The Tropos proposal. In Proc. of the 4th Int. Conf. on the Unified Modeling

Language UML'Ol, Toronto, Canada, 2001.

93. Евгенев Г.Б. Принципы построения мультиагентных систем автоматизации проектирования и управления // Информационные технологии, № 4, 2000, -С. 2-7.

94. Федотов В.Б. Построение распределенной системы доступа к информационным ресурсам на основе многоагентной архитектуры. 23-27 сентября 2002г., г. Новосибирск.

95. Косинов Д.И. Метод разбиения веб-страниц на семантические блоки с целью выявления схожих документов / Д.И. Косинов // Вестник Воронежского государственного университета. Сер. Системный анализ и информационные технологии. - Воронеж, 2008 .-№ 2. - С. 123-126.

96. Барсегян A.A., Куприянов М.С., Степаненко В.В., Холод И.И. Методы и модели анализа данных: OLAP и Data Mining - Учебное пособие, 2004г.

97. Основина О. Н. Мультиагентная система оценки и прогнозирования надежности АСУ // Труды II школы-семинара молодых ученых «Управление большими системами». Воронеж, 2007. - С. 168-176.

98. Буч Г. Объектно-ориентированное проектирование с примерами применения. -М.: Радио и связь, 1992.

99. Люгер Д.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. -М: Издательский дом «Вильяме», 2003.

100. Еремеев Р.Н., Воронова Л.И., Охапкина Е.П., Воронов В.И. Разработка мультиагентного приложения для поиска информации в сети интернет по заданным критериям / Национальный исследовательский университет - Высшая школа экономики Российский государственный гуманитарный университет, Москва.

101. Ian Dickinson. The Semantic Web and Software Agents: Partners, or Just Neighbours? AgentLink News 15, 2004, pp. 3-6.

102. Daniel Elenius. Tools for Semantic Web Services. AgentLink News, 18.

103. Городецкий В. И., Карсаев О. В., Конюший В. Г., Самойлов В. В., Маньков Е. В., Малышев A.B. Технология разработки прикладных многоагентных систем в инструментальной среде MASDK // Труды СПИИРАН. Вып. 3, т. 1. -

СПб.: Наука, 2006.

104.Березкин Д. В. Метод автоматизированного извлечения знаний из слабоструктурированных источников и его применение для создания корпоративных информационных систем [электронный ресурс http://www.raai.org/resurs/ papers/kolomna2009. ]

105.Котенко И.В., Уланов А.В. Многоагентное моделирование защиты информационных ресурсов в сети Интернет // Известия РАН. Теория и системы управления, 2007. - №5. - С. 74-88.

106.Batishev S., Ivkushkin К., Minakov I., Rzevski G., Skobelev P. MagentA Multi-Agent Systems: Engines, Ontologies and Applications // Proceedings of the 3rd International Workshop on Computer Science and Information Technologies CSIT.2001. Ufa. Russia. 2001.

107. Mark Lutz, David Ascher. Learning Python // O.Reilly, 1999.

108. Шахмаметов Р.Г. Распределенные системы искусственного интеллекта: Учебное пособие. - Новосибирск: Изд-во НГТУ, 2007.

109.Mylopoulos J., Kolp М., Castro J. UML for agent-oriented software development: The Tropos proposal. In Proc. of the 4th Int. Conf. on the Unified Modeling Language UML'01, Toronto, Canada, 2001.

110. Игровые агенты, управляемые состояниями // Журнал о создании игр,

2012.

Ш.Куликов Г.Г., Старцев Г.В., Яковлев Н.Н., Суворова В.А. Использование OLAP-технологии для комплексного анализа основных показателей бизнес-процессов кафедры вуза.

112. OLAP и многомерные базы данных // Монографии изданные в издательстве Российской Академии Естествознания, 2010.

ПЗ.Парсинг сайтов с помощью фреймворка Scrapy. Электронный ресурс http://gis-lab.info/qa/scrapv.html.

114. Уильяме У. Проектирование контролепригодных устройств / Т.У. Уильяме, К.П. Паркер//ТИИЭР. 1983. -Т. 71. -№1. - С. 122-139.

115. Филатов В.А., Козырь О.Ф. Агентные технологии // «Современные

сложные системы управления»: Сборник научных трудов. Старый Оскол, СТИ МИСиС, 2002. - С. 135-138.

Пб.Кудинов В.А. Принципы построения интеллектуальных обучающих сред на основе технологии управления знаниями // Курский государственный университет.

117. Черкесов Г.Н. Надежность аппаратно-программных комплексов. Учебное пособие. - СПб.: Питер, 2005. - 479 с.

118. Волкова О.И., Позднякова В.Я. Экономика предприятия (фирмы) / М.: ИНФРА-М, 2003.-320с.

119.Ястребенецкий М.А., Иванова Г.М. Надежность автоматизированных систем управления технологическими процессами. Учебное пособие. - М.: Энер-гоатомиздат, 1989. - 264 с.

120. Wooldridge M.J. An Introduction to MultiAgent Systems.: Wiley. 1996 (2002).

121. Wooldridge M. An Introduction to MultiAgent Systems.: Wiley, 2009. -ISBN0470519460.

122. Vidal J. Fundamentals of Multiagent Systems With NetLogo Examples.

2007.

123. Kendall E.A., Malkoun M.T., Chong J. The application of object-oriented analysis to agent-based systems of Object-Oriented Programming. 1997. Vol. 9 (9). P. 56-65.

124.Люгер Д.О. Искусственный интеллект. Стратегии и методы решения сложных проблем. Вильяме, 2003.

125. Richard Н. Meyers, Kam L. Wong, Harold М. Gordy. Reliability engineering for electronic systems. - John Wiley & Sons, Inc., London, 1968.

126. Simon H.A. Models of Bounded Rationality / Herbert Simon. - Cambridge MA: MIT Press, 1982. - Vol 2.

127. Тимофеев A.B. Интеллектуальное и мультиагентное управление робо-тотехническими системами с использованием модели виртуальной реальности // Санкт-Петербургский институт информатики и автоматизации РАН.

128. Тарасов В.Б. Системно-организационный подход в искусственном интеллекте // Программные продукты и системы, 1999 - №3. - С. 6-13.

129. Wooldridge М., Jennings N. Inntellidgent Agents: Theory and Practice // Knowledge Engineering Review. - 1995. - JN210 (2).

130. Wooldridge M. The control of reasoning in resource-bounded agents / M. Wooldridge // The Knowledge Engineering Review, 2001. - Vol. 16, № 3. - P. 215128.

131. Зацаринный А. А., Сучков А. П. Некоторые подходы к ситуационному анализу потоков событий // Новые технологии, Институт проблем информатики РАН.

132.Бондаренко А.В., Бессарабов Н.А. Метод преобразования реляционных данных в многомерные кубы и построения OLAP-отчетов // Альманах современной науки и образования, Тамбов: Грамота, 2012. - № 6 (61). - С. 13-17.

133. Семченков С.Ю. Формальное представление структуры систем аналитической обработки данных, основанных на о1ар-технологии // Вестник Нижегородского университета им. Н.И. Лобачевского, 2010, - № 6, - С. 201-207.

134. Стенин А. А. Латентно-семантический метод извлечения информации из интернет ресурсов / А. А. Стенин, Ю. А. Тимошин, Е. Ю. Мелкумян, В. В. Курбанов //Восточно-Европейский журнал передовых технологий. - 2013. - № 4(9).-С. 19-22.

135. Агеев М., Вершинников И., Добров Б. Извлечение значимой информации из web-страниц для задач информационного поиска // Интернет-Математика 2005. Автоматическая обработка веб-данных. - Яндекс, 2005. - С. 283-301.

136. Suhit Gupta, Gail Е Kaiser, Peter Grimm, Michael Chiang, Justin Starren, Automating Content Extraction of HTML Documents // World Wide Web Journal, January 2005.

137. Francesco Bonchi, Fosca Giannotti, Giuseppe Manco, Mirco Nanni, Dino Pedreschi, Chiara Renso, Salvatore Ruggieri. "Data Mining for Intelligent Web Caching", 2001 December.