Разработка методов и средств динамического выбора алгоритмов планирования действий интеллектуальных агентов тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат технических наук Добрецов, Сергей Вячеславович

• Добрецов, Сергей Вячеславович
• кандидат технических наук
• 2003

Оглавление диссертации кандидат технических наук Добрецов, Сергей Вячеславович

ВВЕДЕНИЕ.

1. ВЫБОР ПРИНЦИПОВ ОРГАНИЗАЦИИ ЭКСПЕРТНЫХ СИСТЕМ ДЛЯ ОПТИМИЗАЦИИ ПЛАНИРОВАНИЯ ДЕЙСТВИЙ ИНТЕЛЛЕКТУАЛЬНЫХ АГЕНТОВ.

1.1. Назначение и функции интеллектуальных агентов.

1.2. Описание знаний интеллектуальных агентов.

1.3. Задача планирования действий интеллектуального агента.

1.3.1. Среда функционирования интеллектуальных агентов и ее основные характеристики.

1.3.2. Постановка задачи планирования интеллектуальных агентов.

1.3.3. История исследований и текущее состояние.

1.4. Анализ перспектив развития и выбор принципов организации экспертных систем для оптимизации планирования действий интеллектуальных агентов

1.4. L Особенности разработки и применения экспертных систем.

1.4.2. Использование искусственных нейронных сетей в экспертных системах

1.5. Постановка задачи диссертационной работы.

2. ФОРМИРОВАНИЕ КЛАССА ПЕРСПЕКТИВНЫХ СТРАТЕГИЙ fr ПЛАНИРОВАНИЯ ДЕЙСТВИЙ ИНТЕЛЛЕКТУАЛЬНЫХ АГЕНТОВ.

2.1. Представление алгоритмов нелинейного планирования в пространстве состояний.

2.2. Обобщенный алгоритм нелинейного планирования в пространстве состояний.

2.2.1. Конструктор решений.

2.2.2. Уточнение частичного плана.

2.2.3. Проверка состоятельности модифицированного плана.

2.2.4. Оптимизация уточненного плана.

2.3. Анализ особенностей реализаций нелинейных систем планирования и их представление через обобщенный алгоритм планирования.

2.3.1. Алгоритм NONLIN.

2.3.2. Алгоритм TWEAK.

2.3.3. Алгоритм SNLP.

2.3.4. Алгоритм XJA.

2.3.5. Формирование базиса класса нелинейных систем планирования.

2.4. Выводы.

3. АНАЛИЗ КРИТЕРИЕВ ОПТИМИЗАЦИИ ПЛАНИРОВАНИЯ ДЕЙСТВИЙ.

3.1. Анализ известных подходов к оптимизации планирования действий

3.2. Анализ показателей производительности алгоритмов планирования

3.2.1. Универсальные показатели производительности.

3.2.2. Оценка специфических особенностей алгоритмов планирования.

3.3. Параметризация предметной области.

3.4. Характеристики задачи планирования.

3.5. Экспериментальный анализ производительности сравниваемых алгоритмов.

5Г' 3.6. Выбор алгоритма планирования с позиций теории исследования операций.

3.7. Формирование критериев эффективности алгоритма.

3.8. Концепция системы выбора оптимального алгоритма.

3.9. Выводы.

4. АПРИОРНЫЙ ВЫБОР ОПТИМАЛЬНОГО АЛГОРИТМА РЕШЕНИЯ ЗАДАЧИ ПЛАНИРОВАНИЯ.

4.1. Анализ задачи априорного выбора.

4.2. Критерий отбора доступной информации.

4.3. Оценка значения критерия эффективности.

4.4. Построение канонических регрессионных моделей.

4.5. Применение средств анализа данных на основе искусственных нейронных сетей.

4.6. Использование регрессионных моделей для выбора оптимального алгоритма.

4.7. Выводы.

5. ЭКСПЕРТНАЯ СИСТЕМА ВЫБОРА ОПТИМАЛЬНОГО АЛГОРИТМА ПЛАНИРОВАНИЯ И ЕЕ ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ.

5.1. Примененимость выбора оптимального алгоритма в прикладных системах.

5.2. Анализ требований к системе выбора оптимального алгоритма планирования.

5.3. Особенности практической реализации.

5.4. Использование системы выбора алгоритма планирования для управления комплексной вычислительной средой.

5.4.1. Задача управления комплексной вы числительной средой.

5.4.2. Моделирование предметной области.

5.4.3. Архитектура системы управления вычислительной средой.

5.4.4. Оценка эффективности.

5.5. Выводы.

Введение диссертации (часть автореферата) на тему «Разработка методов и средств динамического выбора алгоритмов планирования действий интеллектуальных агентов»

Решение значительного числа научных и технических задач не может быть выполнено за один или несколько очевидных шагов. Причиной этого может быть, например, большое число разнообразных условий и ограничений, неполная информация о предметной области, множество используемых параметров. Одним из наиболее распространенных способов решения таких сложных задач является построение плана - упорядоченного набора несложных действий, последовательное выполнение которых обеспечивает достижение поставленной цели.

Автоматизация такого рода деятельности относится к области исследования и разработки интеллектуальных систем. В настоящее время понятие интеллектуальной системы широко используется, причем зачастую в различных смыслах, в научных, технических и маркетинговых целях, в частности, в ряде случаев интеллектуальные системы отождествляются с экспертными системами искусственного интеллекта (понимаемыми, правда, в достаточно широком смысле). В данной работе под интеллектуальной системой ш понимается техническая система, реализованная на основе концепций искусственного интеллекта, и, следовательно, обладающая способностью воспроизведения отдельных функций творческой деятельности человека. К подобным функциям в первую очередь относятся сбор, представление и использование знаний, анализ информации и принятие решений, а также планирование деятельности. Интересной особенностью является тот факт, что с одной стороны системы планирования сами по себе являются разновидностью интеллектуальных систем, а с другой стороны они являются одним из основных факторов, определяющих функциональность других интеллектуальных систем. Поэтому вопросы, связанные с изучением проблемы построения планов как важной составляющей теории решения задач, занимают одно из ведущих мест в исследованиях по тематике искусственного интеллекта.

Следует отметить, что в последние годы интерес к исследованиям в области планирования действий значительно возрос. Это объясняется, с одной стороны, экспоненциальным ростом мощности вычислительных систем и одновременным падением стоимости самого оборудования, что обеспечивает его широкую доступность, а с другой стороны, расширением области применения научных результатов путем решения качественно новых задач. Наиболее ярко (Ъ подобная ситуация проявляется в тех сферах, где применяются информационные технологии, развитие которых стимулирует появление таких классов задач, как сбор и обработка слабоструктурированной информации, распределенной по источникам с различной внутренней архитектурой, разными способами доступа. Одним из основных факторов эффективного решения перечисленных задач является использование методов теории планирования.

Несмотря на значительный прогресс, достигнутый в области систем и алгоритмов планирования, текущее состояние характеризуется двумя особенностями:

1. В общем случае вычислительная сложность нахождения плана остается достаточно высокой. Несмотря на непрерывно растущую производительность вычислительной аппаратуры, усложнение решаемых задач за счет повышения насыщенности сред и увеличение длины генерируемых планов налагает весомые ограничения на практическую применимость данного подхода.

2. К настоящему времени было разработано достаточно большое число развитых алгоритмов планирования, причем с каждым годом их становится все больше и больше. При этом ни один из известных алгоритмов не является ярко выраженным лидером, более того, результаты сравнительных тестов показывают значительные изменения соотношения от задачи к задачи.

При этом основной областью применения технологий планирования является подмножество интеллектуальных систем, известное как интеллектуальные агенты. В первой главе данной работы проводится формальный анализ концепции ИА, которые определяются как интеллектуальные программные роботы, обладающие такими свойствами как автономность, реактивность, целеустремленность и коммуникативность. При этом целеустремленность (способность агента к активным действиям, направленным на достижение поставленной цели) определяет необходимость планирования деятельности агента, а автономность обуславливает локальную реализацию подсистемы планирования, а также ограниченность доступных вычислительных ресурсов.

Анализ известных научных работ по тематике планирования позволяет выделить ряд областей, непосредственно влияющих на эффективность применения систем планирования при разработке интеллектуальных агентов, которым не было уделено должного внимания:

- методы анализа и сравнения производительности алгоритмов планирования;

- исследование зависимости производительности алгоритма планирования от типа предметной области и задачи планирования;

- оптимизация процесса планирования.

Перечисленные факторы определяют цель диссертационной работы: создание научно обоснованной системы методов и средств для эффективного планирования действий интеллектуальных агентов. Для достижения поставленной цели необходимо решить следующие задачи:

1. Выполнить анализ текущего состояния и направлений развития систем планирования действий в искусственном интеллекте и выделить наиболее перспективные подходы к их совершенствованию.

2. Построить унифицированное формализованное представление процесса построения плана действий и определить множество альтернатив, состоящее из потенциально оптимальных алгоритмов планирования.

3. Разработать комплексный подход к сравнительному анализу алгоритмов построения планов действий.

4. Сформировать критерии оптимальности алгоритма планирования и определить принципы динамического выбора алгоритма эффективного планирования действий интеллектуальных агентов.

5. Разработать методы динамического выбора алгоритмов эффективного планирования действий интеллектуальных агентов.

6. Построить прототип экспертной системы для динамического выбора алгоритмов эффективного планирования действий и подтвердить целесообразность использования предложенного инструментария.

Научная новизна диссертационной работы заключается в следующем:

1. Проведена формализация процесса нелинейного планирования в системах искусственного интеллекта и доказан общий случай теоремы о систематичности уточнения частичного плана с использованием двусторонней защиты казуальных связей.

2. Построен базис пространства нелинейных алгоритмов, позволяющий производить синтез новых конкурентоспособных алгоритмов планирования, не требующий низкоуровневой разработки функциональных модулей программного обеспечения.

3. Предложена расширенная система показателей для анализа качества функционирования интеллектуальных агентов на этапе генерации плана действий, впервые определены способы формирования критериев оптимальности алгоритма планирования и принципы его динамического выбора.

4. Впервые решена задача регрессионной оценки значений показателей качества алгоритмов планирования действий интеллектуальных агентов и предложен способ снижения сложности регрессионной модели с сохранением точности результатов за счет введения критерия отбора значимой информации.

5. Разработаны методы априорного динамического выбора оптимального алгоритма построения планов действий интеллектуальных агентов на w основании анализа известной информации о среде функционирования агента, типе и условиях задачи планирования, повышающие эффективность их действий.

6. Определены функциональные спецификации и архитектура экспертной системы, обеспечивающей автоматизацию динамического выбора эффективных алгоритмов планирования действий интеллектуальных агентов.

Практическая исследования состоит в том, что полученные результаты могут быть использованы для повышения качества функционирования интеллектуального программного обеспечения, основанного на построении планов действий. Экспериментально продемонстрированные преимущества предложенных методов позволяют рекомендовать их применение для проектирования нового поколения интеллектуальных агентов. Созданный прототип нейросетевой экспертной системы представляет собой программную реализацию готового инструментария для разработки и совершенствования интеллектуальных агентов. Практическая значимость подтверждена успешным внедрением результатов исследования в процесс сопровождения вычислительной инфраструктуры, используемой корпорациями Xerox и EDS. ^ Материалы диссертационной работы внедрены в учебный процесс кафедры автоматики и вычислительной техники СПбГПУ. Представленные внедрения подтверждены соответствующими актами.

Диссертационная работа состоит из введения, пяти глав и заключения. В первой главе анализ концепции интеллектуальных агентов, определение задачи планирования и обзор существующих методов построения плана действий. Вторая часть первой главы содержит обзор известных подходов к построению экспертных систем и анализ их потенциальности применимости для решения задачи выбора оптимального алгоритма планирования.

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

Основные результаты диссертационной работы представлены в [9-19].

Заключение

В диссертационной работе представлены результаты теоретического и экспериментального исследования, на основе которых решена задача создания аппарата качественного и количественного анализа алгоритмов и систем планирования действий интеллектуальных агентов, позволяющего проводить сравнение и априорный выбор оптимального алгоритма планирования. Практическое значение данной задачи определяется ее ключевой ролью в повышении производительности агентов за счет оптимизации работы и расширения функциональности одной из основных подсистем агента, отличающих ИА от других программных продуктов - подсистемы планирования деятельности. Основные результаты работы заключаются в следующем:

1. На основе анализа известных достижений теории искусственного интеллекта определена ограниченная применимость существующих проблемно-независимых методов построения планов действий при разработке интеллектуальных агентов и установлена объективная необходимость повышения эффективности программных агентных систем за счет совершенствования математического обеспечения подсистем планирования их действий.

2. В процессе теоретического исследования класса нелинейных алгоритмов планирования выполнено систематизированное изложение формальной теории нелинейных систем планирования действий в пространстве частично упорядоченных планов. В результате анализа основных известных реализаций подсистем планирования построен базис пространства нелинейных алгоритмов планирования действий, расширяющий набор известных алгоритмов за счет синтеза новых алгоритмов с использованием существующих базисных компонент.

3. Предложена двухуровневая система показателей производительности алгоритма, на основе которой проведен сравнительный анализ функционирования рассматриваемых алгоритмов нелинейного планирования с учетом их специфических особенностей.

4. С использованием аппарата теории исследования операций определены подходы к построению статистических критериев оптимальности алгоритмов планирования и принципы динамического выбора алгоритма планирования на основе введенной системы показателей эффективности.

5. На основе статистических и нейросетевых подходов разработаны методы априорного динамического выбора оптимального алгоритма построения плана действий на основании анализа доступной информации о предметной области и условиях задачи планирования до фактического ее решения.

6. С помощью предложенных методов продемонстрированы преимущества динамического выбора оптимального алгоритма построения плана действий по сравнению с жестко заданным алгоритмом планирования и с выбором алгоритма на основе статистических критериев. Выполнена программная реализация прототипа нейросетевой экспертной системы выбора оптимального алгоритма планирования и проведена ее успешная интеграция в качестве компоненты системы управления вычислительными ресурсами корпоративной компьютерной сети.

Список литературы диссертационного исследования кандидат технических наук Добрецов, Сергей Вячеславович, 2003 год

1. Аналитические технологии для прогнозирования и анализа данных. Учебное пособие, Нейропроект НИИЯФ МГУ, 1999 http://www.neuroproject.ru/oglavl.htm (15 авг. 2003)

2. Боровков А. А. Математическая статистика. Оценка параметров. Проверка гипотез. М., Наука, 1984. - 472 с

3. Винер Н. Кибернетика, или Управление и связь в животном и машине Пер с англ., 2 изд. М.: Наука, 1983. - 344 с.

4. Галушкин А.И. Применение нейрокомпьютеров в энергетических системах // Научный Центр Нейрокомрьютеров, М., 1996 http://www.uran.donetsk.Ua/~masters/2002/kita/serdyuk/diss/lib/2/index2.htm (15 авг. 2003)

5. Галушкин А.И. Современные направления развития нейрокомпьютерных технологий в России // Открытые системы, №4, 1997 http://www.osp.ru/os/1997/04/25.htm (15 авг. 2003)

6. Герасимов Ю.Ю. Теория принятия решений. Учебный курс, Петрозаводский ГУ, 1998 http://www.karelia.ru/psu/Faculties/Forest/ courses/decision/decisa.htm (15 авг. 2003)

7. Горбань А.Н, Дунин-Барковский В.Л., Кирдин А.Н. и др. Нейроинформатика Новосибирск: Наука. Сиб. предприятие РАН, 1998. -296 с.

8. Горбань А.Н. Обобщенная аппроксимационная теорема и вычислительные возможности нейронных сетей // Сибирский журнал вычислительной математики. 1998. - Т. 1. - N 1. - С. 12-24

9. Добрецов С. В., Шестаков С.М. Планирование действий в искусственном интеллекте // Демиург (Вестник Академии Технического Творчества), № 1/1998,- СПб, 1998-С. 32-46.

10. Добрецов С. В., Шестаков С.М. Особенности организации систем сбора и обработки информации в гетерогенных сетях // Вычислительные, измерительные и управляющие системы. Труды СПбГТУ № 479 — СПб: СПбГТУ, 1999. С. 32-35.

11. Добрецов С.В Экспертная система выбора оптимального алгоритма планирования действий интеллектуального агента // Сборник докладовмеждународной конференции "Информационные технологии в образовании, технике и медицине". -Волгоград: ВГТУ, 2002. С. 75-78

12. Ежов А, Чечеткин В. Нейронные сети в медицине // Открытые системы, №4, 1997 -http://www.osp.ru/os/1997/04/34.htm (15 авг. 2003)

13. Ежов А., Шумский С. Нейрокомпьютинг и его применение в экономике и финансах -М.: МИФИ, 1998. 222 с.

14. Искусственный интеллект. Кн. 2. Модели и методы / Под ред. Д.А.Поспелова М: Радио и связь, 1990 - 304 с.

15. Каннади Д. Нейросетевые технологии в диагностике аномальной сетевой активности // Пер. с англ. М.: НИП «Информзащита», 1999. -http://vlasov.iu4.bmstu.ru/primer/ssl/ssll.htm (15 авг. 2003)

16. Катулев А.Н., Северцев H.A. Исследование операций: принципы принятия решений и обеспечение безопасности М.: Физ.-мат. лит., 2000. — 320 с.

17. Китаев А., Шень А., Вялый М. Классические и квантовые вычисления. Курс лекций. М.: МЦМНО, 1998. - http://qc.ipt.ac.ru/russian/kitaev.zip (15 авг. 2003)

18. Клышинский Э. С. Некоторые аспекты построения агентных систем // МГИЭМ, 1999-http://www.sdteam.com/articles/agent.html (15 авг. 2003)

19. Логический подход к искусственному интеллекту: От модальной логики к логике баз данных / Тейз А., Грибомон П., Юлен Г. и др. М.:Мир, 1998.494 с.

20. Минский М., ПайпертС. Персептроны. М.: Мир, 1971.-240 с.31.0суга С. Обработка знаний М.:Мир, 1989. - 293 с.

21. Попов Э. В. Экспертные системы реального времени // Открытые системы, №2, 1995 -http://www.osp.ru/os/1995/02/66.htm (15 авг. 2003)

22. Розенблатт Ф. Принципы нейродинамики. Персептрон и теория механизмов мозга. М.: Мир, 1965. - 480 с.

23. Статистические и динамические экспертные системы :Учеб. пособие для вузов/ Попов Э.В.,Фоминых И.Б.,Кисель Е.Б.,Шапот М.Д. М. :Финансы и статистика, 1996. - 319 с.

24. Универсальная энциклопедия Кирилла и Мефодия М.: Кирилл и Мефодий, 1999. - http://mega.km.ru (15 авг. 2003)

25. Уоссерман Ф. Нейрокомпьютерная техника: Теория и практика. -М: Мир, 1992.-240 с.

26. Уэно X., Исидзука М. Представление и использование знаний М.:Мир, 1989.-220 с.

27. Фишберн П. Теория полезности для принятия решений. М.: Наука, 1978.-352 с.

28. Шестаков С. М. Разработка и исследование интеллектуальных агентов для работы с информационными источниками в гетерогенных сетях: Диссертация на соискание ученой степени кандидата технических наук. -СПб, 2000-184 с.

29. AIPS98 Planning Competition Results // Proceedings of the Forth International Conference AIPS'98 Carnegi-Mellon University (PA), 1998. - http://www-2.cs.cmu.edu/~aips98 (15 авг. 2003)

30. Agent Technology: Foundations, Applications, and Markets / Jennings N. R., Wooldridge M. J. (Eds.) Berlin: Springer-Verlag, 1998. - 325 p.

31. Agre, P. E., Chapman, D. Pengi: An Implementation of a Theory of Activity // Proceedings of the 6th National Conference on Artificial Intelligence. — Morgan Kaufmann, 1987. pp. 268-272

32. Akaike, H. Fitting Autoregressive Models for Prediction // Annals of the Institute of Statistical Mathematics, 1969, Vol 21. pp. 243-247.

33. Alterman R. Issues in adaptive planning. University of California, Berkeley (CA), 1986.-39 p.

34. Appleby S. ,Steward S. Mobile Software Agents for Control in Telecommunications Networks // ВТ Technological Journal 12 (2), 1994. -pp.104-113

35. Bacchus F. AIPS-2000 Planning Competition. U. of Toronto, Canada, 2000. -http://www.cs.toronto.edu/aips2000 (15 авг. 2003)

36. Blum A., Furst M. Fast planning through planning graph analysis // Artificial Intelligence, Vol. 90, 1997 pp. 281-300

37. Boger, Z., and Guterman, H. Knowledge extraction from artificial neural network models // Proceedings of the 1997 IEEE Conference on Systems, Man, and Cybernetics. Orlando (FL), 1997. - pp. 3030-3035

38. Bratman, M.E. Intentions, Plans, and Practical Reason Cambridge (MA): Harvard University Press, 1987 - 140 p.

39. Bylander T. A Linear Programming Heuristic for Optimal Planning // Proceedings of 14th AAAI/9th IAAI Conference. AAAI Press / The MIT Press, 1997.-pp. 694-699.

40. Carpenter 0., Grossberg S. A massively parallel architecture for a self-organizing neural pattern recognition machine // Computing Vision, Graphics and Image Processing, Vol 37, 1987. pp. 54-115.

41. Chapman D. Planning for conjunctive goals // Artificial intelligence, Vol. 32, 1987.-pp. 333-337.

42. Chavez A., Maes P. Kasbah: An Agent Marketplace for Buying and Selling Goods // Proceedings the First International Conference on the Practical Application of Intelligent Agents and Multi-Agent Technology (PAAM'96) -London, UK, 1996. pp. 75-90

43. Chiariglione L. FIPA A general overview // 1996 -http://agdec2.technion.ac.il/~granot/telerobotics/ilpa.htm (15 aBr. 2003)

44. Cohen, P.R., Levesque H.J. Intention is choice with commitment // Artificial Intelligence, Vol. 42, 1990-pp. 213-261

45. Davies, N. J., Weeks, R. Jasper: Communicating Information Agents // Proceedings of the 4th International Conference on the World Wide Web -Boston (MA), 1995 http://www.w3.org/Conferences/WWW4/Papers/ 180 (15 aBr. 2003)

46. Doyle P., Planning. AI Qual Summary: Stanford University, 1997 http://www-cs-students.stanford.edu/~pdoyle/quail/notes/pdoyle/planning.html (15 aBr. 2003)

47. Enbutsu I., Baba K., Hara K. Fuzzy rule extraction from a multilayered neural network// Proceedings of IJCNN Seattle (WA), 1991. - pp. 461-465

48. Etzioni O., Hanks S., Weld D., Draper D., Lesh N. and Williamson M. An approach to planning with incomplete information // In Proceedings of the

49. Third International Conference on Principles of Knowledge Representation and Reasoning, KR-92 Cambridge (MA), 1992. - pp. 115-125

50. Ferber J. Simulating with Reactive Agents / In Stender, J., Hillebrand, E. (Eds.), Many Agent Simulation and Artificial Life. Amsterdam: IOS Press, 1994-pp. 8-28

51. Feigelbaum E., Feldman J. (Eds.). Computers and Thought. New York: McGraw-Hill, 1963.-535 p.

52. Feigelbaum E. A Personal View of Expert Systems / Report No. KNL92-41 -Stanford University, CA, USA, 1992.- 21 p.

53. Fikes, R. E., Nilsson, N. J. STRIPS: A New Approach to the Application of Theorem Proving to Problem Solving // Artificial Intelligence, Vol. 2, 1971. -pp. 189-208

54. Foner L. A Multi-Agent Referral System for MatchMaking // Proceedings the First International Conference on the Practical Application of Intelligent Agents and Multi-Agent Technology (PAAM '96) London, UK, 1996. - pp. 245-262

55. Genesereth M., Ketchpel S. Software Agents // Communications of the ACM, 37(7), 1994.-pp. 48-53.

56. Currie K., Tate A. O-PLAN: The Open Planning Architecture // Artifical Intelligence, Vol. 51(1), 1991. pp. 49-86

57. Hanks S., Williamson M. Optimal Planning with a Goal-Directed Utility Model// Proceedings of the 2nd AIPS Conference, 1994 pp. 176-181

58. Hanks S., Weld D.S. A Domain-Independent Algorithm for Plan Adaptation // JAIR Vol. 2, 1995.-pp. 319-360

59. Hayes-Roth, B. An Architecture for Adpative Intelligent Systems // Artificial Intelligence, Vol. 72 (1-2), 1995. pp.329-365.

60. Heckerman D., A tutotial on learning Bayesian networks / Technical report TR-95-06. -Redmond (WA): Microsoft Research, 1995. 57 p.

61. Hoist A., The Use of a Bayesian Neural Network Model for Classification Tasks: Dissertation. Stockholm, Sweden: Royal Institute of Technology, 1997.-172 p.

62. Hopfíeld J.J. Neural Networks and Physical systems with emergent collective computational abilities // Proceedings of the National Academy of Sciences of the USA, Vol. 79, 1982. -pp.2554-2558

63. Huhns M.N., Singh M.P. Ksiezyk T. Global information management via local autonomous agents / In: Huhns M.N., Singh M.P (Eds.), Readings in Agents. — San Francisco (CA): Morgan Kaufmann Publishers Ca, 1998. pp. 36-45

64. Hurvich C.M., Tsai C.L. Regression and time-series model selection in small samples // Biometrika, 1989. pp. 297-307

65. Hyotyniemi H. Multivariate Regression Techniques and Tools: Report 125. -Helsinki University of Technology, Espoo, Finland, 2001.-215 p.

66. Jennings N. R., Wittig T. ARCHON: Theory and Practice /In: Avouris N. M., Gasser L. (Eds.), Distributed Artificial Intelligence: Theory and Praxis-Kluwer Academic Press, 1992. pp. 179-195

67. Jordan M. I. Why the logistic function? A tutorial discussion on probabilities and neural networks: MIT Computational Cognitive Science Report 9503. — MIT, 1995.- 13 p.

68. Kaebling, L. P., Rosenschein, S. J. Action and Planning in Embedded Agents / In: Maes P. (Ed.), Designing Autonomous Agents: Theory and Practice from Biology to Engineering and Back. Cambridge (MA): The MIT press, 1990. — pp. 35-48

69. Kambhampati S. Multi-Contributor Causal Structures for Planning: A Formalization and Evaluation // Artificial Intelligence, Vol. 69, 1994. pp. 235-278.

70. Kambhampati S., Knoblock C., Yang Q. Planning as Refinement Search: A Unified framework for evaluating design tradeoffs in partial order planning // Artificial Intelligence. Special issue on Planning and Scheduling. Vol. 76. No. 1-2, 1995.-pp. 167-238.

71. Kautz H., Selman B. Unifying SAT-based and graph-based planning // Proceedings of the 16th International Joint Conference on Artificial Intelligence, IJCAI99. Stockholm, Sweden, 1999. - pp. 318-325

72. Kohonen, T. Self-Organization and Associative Memory. Berlin: SpringerVerlag, 1989.-312 p.

73. Kosko B. Bi-directional associative memories // IEEE Transactions on Systems, Man and Cybernetics 18(1), 1987. -pp.49-60

74. Kozierok R., Maes P. A Learning Interface Agent for Scheduling Meetings // Proceedings of the ACM-SIGCHI International Workshop on Intelligent User Interfaces. Orlando (FL), 1993. - pp. 81-93

75. Kushmerick N., Hanks S., Weld D. S. An algorithm for probabilistic planning// Artificial Intelligence. Special issue on Planning and Scheduling. Vol. 76. No. 1-2, 1995.-pp. 239-286

76. Lambrecht E., Kambhampati S., Optimizing Recursive Information Gathering Plans // Proceedings of the 16th International Joint Conference on Artificial Intelligence. Stockholm, Sweden. 1999. - pp. 1204-1211

77. Lange D. B. Mitsuru, O. Programming and Deploying Java(TM) Mobile Agents with Aglets(TM). Addison-Wesley, 1998. -225 p.

78. Liatsos V, Richards B. Least Commitment An Optimal Planning Strategy // 16th Workshop of the UK Planning and Scheduling SIG, 1997. - http://www-icparc.doc.ic.ac.uk/parcPlan/sig97 (15 feb. 2002)

79. Lippman R.P. An introduction to computing with neural nets // IEEE ASSP Magazine. Apr. 1987. pp. 4-22

80. Lovasz L. Computational Complexity: Lecture Notes. Eotvos University, Budapest, Hungary, 1995. - 168 p.

81. Maes P. Artificial Intelligence meets Entertainment: Lifelike Autonomous Agents//Communications of the ACM, Vol.38 (11), 1995.-pp.108-114.

82. McAllister D, Rosenblitt D. Systematic Nonlinear Planning // Proceedings of 9th AAAI Conference. Anaheim (CA), 1991. - pp. 634-639

83. McMillan C., Mozer M. C., Smolensky P. Learning explicit rules in a neural network // Proceedings of the International Joint Conference on Neural Networks IJCNN'91. Seattle (WA), 1991. - pp. 83-88.

84. Minsky M. A Framework for Representing Knowledge // In: Winston P. H. (ed.), The Psychology of Computer Vision. New York: McGraw-Hill, 1975-pp. 211-277

85. Minton S., Bresina J. , Drummond M. Commitment Strategies in Planning: A Comparative Analysis // Proceedings of the Twelfth International Joint Conference on Artificial Intelligence. Sydney, Australia, 1991. - pp. 259-267

86. Minton S., Drummond M., Bresina J., Philips A. Total order vs. Partial Order Planning: Factors Influencing Performance // Proceedings of the KR-92 Conference. Cambridge (MA), 1992. - pp. 83-92

87. Moody J. E., Darken C. Fast learning in networks of locally-tuned processing units // Neural Computation 1, 1989. pp. 281-294

88. Muller J. P., Pischel, M. Modelling interacting agents in dynamic environments I I Proceedings of the Eleventh European Conference on Artificial Intelligence (ECAI-94). Amsterdam, The Netherlands, 1994. - pp. 709-713

89. Multiagent Systems: A Modern Approach to Distributed Artificial Intelligence/ G. Weiss (Ed.) Cambridge, MA: MIT Press, 1999. - 619 p.

90. Nabney I.T. NETLAB: Algorithms for Pattern Recognition. New York: Springer Verlag, 2001 - 420 pp.

91. Newell A., Simon H. A. GPS, a program that simulates human thought / In Feigenbaum E. A., Feldman J. (Eds.), Computers and Thought. New York: McGraw-Hill, 1963. - pp. 279 - 293

92. Nwana, H. S. Simulating a Children's Playground in ABLE: Working Report. Department of Computer Science, Keele University, UK, 1993. -http://www.keele.ac.uk/depts/cs (12 Oct. 1999)

93. Nwana H. Software Agents: An Overview // Knowledge Engineering Review Journal, Vol. 11, No 3, 1996. pp. 1-40

94. Papazoglou M. P., Laufman S. C., Sellis, T. K. An Organizational Framework for Cooperating Intelligent Information Systems // Intelligent and Cooperative Information Systems 1(1), 1992.-pp. 169-202.

95. Pednault E. P. D. ADL: Exploring the middle ground between STRIPS and the Situation Calculus // Proceedings of the 1st International Conference on Principles of Knowledge Representation and Reasoning. Toronto, Canada, 1989.-pp. 324-332

96. Penberthy J. S., Weld D. S. UCPOP: A Sound, Complete, Partial Order Planner for ADL // Proceedings of the Third International Conference on Principles of Knowl. Repr. and Reasoning. Cambridge (MA), 1992. - pp. 103-114

97. Plu M. Software Agents in Telecommunications Network Environments II UNICOM Seminar on Intelligent Agents and their Business Applications. -London, UK, 1995. pp. 225-243

98. Quillian M. R. Semantic Memory / In. Minsky M. (ed.), Semantic Information Processing. Cambridge (MA): The MIT Press, 1968. - pp. 227270

99. Rao A.A. and Georgeff M.P. Modeling rational agents within a BDI-architecture // Proceedings of the Second International Conference on Principles of Knowledge Representation and Reasoning. -San Mateo (CA), 1991. pp. 473-484

100. Sacerdoti E. Planning in a Hierarchy of Abstraction Spaces // Artificial Intelligence, Vol 5(2), 1974. pp. 115-135

101. Safra S., Tennenholtz M. On Planning while Learning // Journal of Artificial Intelligence Research, Vol. 2, 1994. pp. 111-129.

102. Sarle W. S. Donoho-Johnstone Benchmarks: Neural Net Results/ SAS Institute Inc, 1999. ftp://ftp.sas.com/pub/neural/dojo/dojo.html (20 Mar 2002)

103. Schwarz G. Estimating the Dimension of a Model // Annals of Statistics, Vol. 6, 1978-pp.461-464

104. Shahmehri N., Lambrix P. Notes on Intelligent Software Agents: Course notes. LinkOping university, Sweden, 1998. - http://www.ida.liu.se/ labs/iislab/courses/Agents/paper (4 Mar. 1999)

105. Sheth B., Maes P. Evolving Agents for Personalised Information Filtering // Proceeding of the Ninth Conference on AI for Applications. IEEE Computer Society Press, 1993. - pp.345-352,

106. Shoham, Y. Agent Oriented Programming // Journal of Artificial Intelligence, 1993. Vol. 60(1). pp. 51-92

107. Slaney J., Thiebaux S. Linear-Time Near-Optimal Planning in the Blocks World // Proceedings of 13th AAAI Conference. AAAI Press/The MIT Press, 1996. - pp. 1208-1214.

108. Smith D., Peot M. Postponing Threats in Partial-Order Planning // Proceedings of the 11th AAAI Conference. AAAI Press, 1993. - pp. 500-506

109. Sussman G. J. The Virtuous Nature of Bugs / In: Allen J., Hendler J, Tate A. (Eds.), Readings in Planning,. San Franciso (CA): Morgan Kaufmann Publishers, 1990. - pp 111-117

110. Swingler, K. Applying Neural Networks: A Practical Guide. — London: Academic Press, 1996. 303 p.

111. Sycara K., Zeng D. Coordination of Multiple Intelligent Software Agents // International Journal of Cooperative Information Systems, Vol. 5 (2-3) 1996.-pp. 181-212

112. Tate A. Interplan: A plan generation system which can deal with interactions between goals: Memo MIP-R-109. Machine Intelligence Research Unit, Univ. of Edinburgh, UK, 1974.

113. Tate A. Generating Project Networks // Proceedings of the Fifth International Joint Conference on Artificial Intelligence. Boston (MA), 1977.- pp. 888-893

114. Warren D. Warplan: A system for generating plans: Technical Report 76. Computational Logic Dept., School of AI, Univ. of Edinburgh, UK, 1974.

115. Weld D. S. An Introduction to Least Commitment Planning // AI Magazine, 15(4), 1994.-pp. 27-64

116. Weld D. Recent Advances in AI Planning // AI Magazine, Vol 20(2), 1999.-pp. 93-123.

117. White, J. E. Mobile Agents Make a Network an Open Platform for Third-Party Developers // IEEE Computer, 27(11), 1994. pp. 89-90

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