Разработка теории и исследование эволюционных, синергетических и гомеостатических методов принятия решений тема диссертации и автореферата по ВАК РФ 05.13.18, доктор технических наук Курейчик, Владимир Викторович

• Курейчик, Владимир Викторович
• доктор технических наук
• 2001

Оглавление диссертации доктор технических наук Курейчик, Владимир Викторович

Введение.

1. Анализ гомеостатических, синергетических и эволюционных моделей принятия решений.

1.1. Анализ установления порядка из хаоса в моделях искусственных систем

1.2. Использование элементов и основных принципов гомеостатики в искусственных системах.

1.3. Анализ эволюционных методов и генетических алгоритмов.

Введение диссертации (часть автореферата) на тему «Разработка теории и исследование эволюционных, синергетических и гомеостатических методов принятия решений»

Основные проблемы в науке и технике сегодня - это разработка теории, принципов математических методов и моделей для эффективного принятия решения. При этом важными задачами являются, построение интеллектуальных систем поддержки принятия решений; моделирование принципов эволюционного развития природы; адаптация и взаимодействие с внешней средой; исследование открытых систем; построение порядка из хаоса; поддержание гомеостаза в искусственных системах; иерархическая самоорганизация.

Основным языком таких систем является математический аппарат системного анализа, теории сложных систем. Способность формировать математические структуры и оперировать с ними - краеугольный камень человеческого интеллекта. Математические структуры и алгоритмы - это те формы, в которых теория вычислительной техники и искусственного интеллекта (ИИ) облекают знания об интеллектуальных процессах.

Одним из видов интеллектуальной деятельности является алгоритмическая деятельность лица принимающего решение. Главным помощником в этой деятельности стали интеллектуальные системы поддержки и принятия решений.

Создание интеллектуальных иерархических систем, переход от алгоритмов обработки данных к альтернативной технологии автоформализации профессиональных знаний, моделирование эволюции, построение гомеостатических, синергетических и эволюционных моделей принятия решений позволит увеличить эффективность деятельности инженеров, конструкторов, технологов, менеджеров. Все это должно быть связано с новой концепцией развития естественных систем, основанных на самоорганизации, построения порядка из хаоса, поддержания гомеостаза, интеллектуального, интегрированного моделирования.

Основополагающими работами, оказавшими влияние на исследования автора, являются труды О.И.Ларичева, Г.С.Поспелова, Д.И.Поспелова, Н.Винера, И.Пригожина, Г.Хакена, Д.Холланда. Большой вклад в разработку теории и практики искусственного интеллекта, эволюционного моделирования и системного анализа внесли Д.И.Батищев, Л.С.Берштейн, И.Л.Букатова, В.Н.Вагин, Ю.М.Горский, Н.П.Дубинин, В.В.Емельянов, С.В.Емельянов,

A.П.Еремеев, Ю.Л.Климантович, А.А.Колесников, О.П.Кузнецов,

B.М.Курейчик, А.Н.Мелихов, Н.Н.Моисеев, И.П.Норенков, Г.С.Осипов, Э.В.Попов Л.А.Растригин, Э.А.Трахтенгерц, В.Б.Тарасов, В.К.Финн, Д.Гольдберг, Ж.Грефенстетте, Л.Дэвис, Л.Заде, М.Месарович, Д.Фогель, И.Чамберс и многие другие.

В новых бурно развивающихся научных направлениях гомеостатики, синергетики и эволюционном моделировании исследуется совместное действие многих иерархических интеллектуальных систем (ИИС), в результате которого возникают новые знания и новые структуры. Философское определение ИИС, как известно, включает в себя понятие целостности, которое совмещает в себе свойства открытости и закрытости. Для снятия противоречий и выхода к синтезу в последнее время предлагается триада, обладающая системными свойствами и оказывающаяся простейшей структурной ячейкой ИИС. Комплексы из трех равноправных объектов, находящихся в заданных отношениях, существовали давно: цель - план -стратегия; точность - локальность - простота; индукция - дедукция -абдукция; изменчивость - наследственность - отбор и др. В триаде пара элементов находится в отношении дополнительности, а третий элемент задает отношение (меру) совместимости. Общей для разных интеллектуальных объектов характеристикой является структура или архитектура ИИС. Это совокупность отношений, т.е. набор знаков или чисел, в который вкладывается определенный смысл. Она характеризуется многоуровневостью, единством и противоречивостью.

Новая ИИС создается путем эволюции. Тогда решение задачи соответствует построению определенной математической модели, обладающей нужными свойствами, которых не было у ее исходных прародителей. Смысл «существования» таких ИИС сводится только к порождению себе подобных потомков, которые при благоприятных обстоятельствах дают новое потомство до тех пор, пока возникшая популяция существует. Если задача не имеет решения, то популяция рано или поздно должна исчезнуть. При бесконечном числе решений популяция пребывает в постоянной готовности к росту.

Кардинальное отличие эволюции в ИС от естественной системы (ЕС) состоит в наличии у ИС цели, связанной с решением определенной задачи. Здесь важна разработка критериев искусственного отбора, т.е. способов селекции и репродукции, при которых кроме бесперспективных удаляются и малоперспективные элементы.

Суть метода эволюции состоит в реализации целенаправленного процесса размножения - исчезновения, при котором размножению соответствует появление новых объектов, а гибели - удаление объектов из процесса в соответствии с определенным критерием естественного отбора (или селекции).

Для оптимизационных задач принятия решений (03 ПР) необходимо каждый раз доказывать сходимость процесса к искомому решению. Один эволюционный процесс отличается от другого видом объектов, способом размножения, числом объектов в популяции, числом поколений и критериями выживания. При математической интерпретации его основная идея в следующем. Производится перебор по всей популяции, в результате чего возникают объекты двух поколений - родители и потомки. При этом метод эволюции превращается в алгоритм смены поколений, в котором потомок становится родителем только в следующей генерации. Подражание ЕС представляется очень удобным для решения важнейших 03 ПР.

ИИС имеют множество путей эволюции. Отсюда разнообразие форм. Но реализуется одна из форм. Синергетика подтверждает, что в фундаменте ЕС и ИС заложен принцип ЯН-ИНЬ. ИНЬ - символизирует неопределенность и неоднозначность, блуждание в эволюционном лабиринте, а ЯН -завершенность, реализация цели и построение целого.

В процессах эволюции ИИС прошлое не исчезает. Надо научиться определять в эволюционных структурах информацию о ее прежних состояниях и процессах. Вся природа устроена так, что в ней действуют принципы экономии и ускорения эволюции. Природа выработала спецальные механизмы воздействий. Надо правильно моделировать и распределять эти воздействия. Важна часто не величина управляющего воздействия, а его архитектура, пространственная конфигурация, топология, симметрия. При этом возможна самоорганизация объектов на различных иерархических уровнях. Эволюция невозможна без смены одной устойчивой структуры другой, без конкуренции, без конфликтов, которые разрешаются в ее процессе путем борьбы и компромиссов, установления гармонии и гомеостаза. В этом случае трудоемкость 03 ПР резко возрастает и использовать ЫР-полные и алгоритмы с экспоненциальной временной сложностью становится невозможным из-за необходимости обработки огромных массивов информации. Тогда становится необходимым модернизация структуры, как самих традиционных ИИС, так и основных блоков, стратегий, концепций, алгоритмов и методов ПР. Одним из подходов такой модернизации является использование методов моделирования эволюции, генетических алгоритмов, синергетических и гомеостатических принципов управления, построение порядка из хаоса, адаптация и взаимодействие с внешней средой. Такое развитие осуществляется под воздействием трех основных признаков: наследственности; изменчивости; отбора. Считается, что элементарной единицей эволюции являются популяции, и в ее основе лежат изменения наследственных структур, называемых мутациями. Причем, только отбор превращает мутационные сдвиги и изменения в адаптацию. Следовательно, отбор является одним из ведущих факторов адаптивной организации ЕС и ИС. Адаптация позволяет накапливать и использовать информацию в ИИС, достигать ее оптимального состояния, при первоначальной неопределенности и изменяющихся внешних условиях.

В настоящее время эволюционное моделирование (ЭМ) - хорошо известная и эффективная оптимизационная методология, которую применяют для различных ОЗ ПР в науке и технике основанная на аналогии процессов натуральной селекции и генетических преобразований.

В быстро прогрессирующей теории ЭМ содержится теоретический анализ класса адаптивных, управляющих, интеллектуальных и иерархических систем, в которых структурные модификации осуществляются последовательными и параллельными преобразованиями символов, выбранных из некоторого алфавита. Поиск оптимальных решений в поле таких представлений и выполняют генетические алгоритмы (ГА). В настоящее время ГА широко используются как эффективный поиск в задачах ИИ, оптимизации структур, решений нелинейных уравнений, создании и разработки ЭВМ, теории массового обслуживания, исследования операций и т.д.

В последнее время началась разработка и исследование возможностей применения ГА для эффективного решения задач проектирования сложных систем. При этом постоянно возникает конфликт между сложностью систем и требованиями увеличения качества проектирования, уменьшения времени проектирования. Данные проблемы не могут быть полностью решены распараллеливанием процесса проектирования, увеличением персонала конструкторов и качеством рабочих станций. Одним из возможных подходов к решению этой проблемы является использование новых информационных и компьютерных технологий. По мнению автора - одна из таких технологий может базироваться на идеях моделирования эволюций, синергетики и гомеостатики.

В этой связи разработка фундаментальной теории и основных принципов эволюционного моделирования, синергетического и гомеостатического управления в ИИС на основе системного анализа и математических моделей является в настоящее время актуальным и важным.

Цель диссертационной работы. Разработка теории и исследование эволюционных, синергетических и гомеостатических методов принятия решений, обладающих малой трудоемкостью и обеспечивающих гарантированное качество при решении оптимизационных задач на графах.

Указанная цель достигается решением следующих проблем.

1. Построение математических моделей эволюционных, синергетических и гомеостатических принципов принятия решений.

2. Разработка новых нестандартных архитектур генетического поиска на основе системного анализа и эволюционной адаптации.

3. Исследование и разработка теоретических принципов принятия решений при анализе и синтезе оптимизационных задач на графах.

4. Разработка средств программной поддержки организации генетического поиска при использовании моделей совместной эволюции и адаптивного управления.

Методы исследования. В диссертационной работе для решения поставленных задач используются теория сложных систем, методы системного анализа, аппарат теории четких и нечетких множеств, алгебры логики, теории графов и гиперграфов, теории искусственного интеллекта, синергетики, гомеостатики и эволюционного моделирования. В исследованиях широко использовались эксперименты на ЭВМ и моделирование на основе новых информационных технологий.

Научная новизна работы заключается в теоретическом обобщении и решении научной проблемы, имеющей важное народнохозяйственное значение, в области системного анализа и эволюционного моделирования.

1. Разработана фундаментальная теория эволюционного моделирования. Она включает модифицированную фундаментальную теорему генетических алгоритмов. Построены новые генетические операторы, основанные на жадных стратегиях, методах золотого сечения, числах Фиббоначи, дихотомического разбиения, фрактальных множествах и др.

2. Предложен единый комбинаторный подход к решению оптимизационных задач на графах. Исследованы и обобщены методы синергетики, гомеостатики и эволюционного моделирования на предмет повышения качества искусственных систем.

3. Сформулирована постановка оптимизационных задач принятия решений на графах. Разработаны и исследованы новые перспективные технологии генетического поиска, на основе Платоновых графов, принципов ЯН - ИНЬ, построение порядка из хаоса, установление баланса и гармонии.

4. Исследованы и обоснованы принципы поиска оптимальных решений на основе моделирования совместных эволюций Дарвина, Ламарка, Фризе и Поппера. Построены новые структурные схемы совместного локального и генетического поиска.

5. Разработаны новые стратегии и алгоритмы решения следующих комбинаторно - логических задач на графах: разбиения графов; размещения графов; раскраски графов; определение пути коммивояжера, построение независимых множеств, клик графа и определение изоморфизма графов.

Решение поставленных задач позволяет автору защищать следующие новые научные результаты:

1. Триединый подход к построению архитектуры искусственных систем на основе эволюции, синергетики и гомеостатики.

2. Стратегии взаимодействия поисковых методов и эволюционного моделирования. Нестандартные архитектуры решения оптимизационных задач принятия решений.

3. Принципы реализации синтетической модели эволюции Дарвина, Ламарка и Фризе для построения новых архитектур генетического поиска.

4. Новые генетические алгоритмы решения оптимизационных задач разбиения, размещения, раскраски, определение изоморфизма, построения клик и независимых множеств графов, построение пути коммивояжера на основе использования совместного локального поиска и объединенных моделей эволюций Дарвина, Ламарка, Фризе и Попера.

Практическая ценность результатов диссертационной работы определяется созданием комплекса оптимизационных задач принятия решений, позволяющего использовать разработанные математические модели, стратегии, методы, алгоритмы и эвристики, отвечающие конкретным требованиям практики. Основные теоретические положения доведены до конкретных методик и алгоритмов.

Разработана специальная программная среда для моделирования графовых задач на ЭВМ. Комплексы программ реализованы на языке С++ под WINDOWS. Предлагаемые в диссертации программные средства поддержки эволюционного моделирования при использовании адаптивных методов управления генетическим поиском дают возможность представления задач пользователя в виде иерархических строительных блоков, что позволяет распараллеливать процесс решения.

Широкий спектр экспериментальных исследований, проведенный автором, показал преимущество разработанной теории эволюционного моделирования для решения оптимизационных задач принятия решений на графах, по сравнению с численными и поисковыми методами. Сравнение проводилось на стандартных тестовых задачах (бенчмарках), разработанных в ведущих фирмах мира и известных из литературы. Оно показало, что время решения разработанных алгоритмов позволяет получать не одно, а набор оптимальных, или квазиоптимальных результатов. Решения, полученные автором, сравнимы с бенчмарками. Время получения лучших результатов соответствует полиномиальному времени, которое требуют итерационные алгоритмы.

Реализация результатов работы. Теоретические и практические результаты, полученные в диссертационной работе, использовались в 10 научно исследовательских работах, выполненных в рамках грантов РФФИ, госбюджетной и хоздоговорной тематики.

Материалы диссертации использованы в госбюджетных работах: «Разработка высокоэффективных интеллектуальных средств автоматизации проектирования интегральных микросхем»( 1995г.); «Разработка методов и моделей адаптивного поиска интеллектуальных систем автоматизированного проектирования)^ 1996г.); «Разработка интеллектуальных систем проектирования на основе эволюционной адаптации»(№1.08.96Ф, 19962000г.); «Разработка методов эволюционного моделирования и генетического поиска для оптимизации интеллектуальных систем управления»(№03.30.98,

1998-1999г.), которая выполнялась в рамках Межвузовскойнаучно технической программы «Механика, машиновединие и процессы управления»; «Разработка и исследование фундаментальных методов эволюционного синтеза структур для интеллектуальных систем проектирования на основе адаптации»(1998-2000г.); «Разработка и исследование методов принятия решений в информационных средах на основе эволюционной адаптации и нейросетевых моделей»(№1.07.00Д, 2000г.); «Разработка интеллектуальных систем проектирования и технологической подготовки производства на основе эволюционной адаптации»(№ 123 60,2001г.), выполняемой в рамках Программы научных исследований высшей школы по приоритетным направлениям науки и техники.

В 1998 и 2001 годах проведены работы по пяти грантам (№98-01-01022, 1998г.; №00-01-10102, 2000г.; №99-01-10017, 1999-2000г.; № 99-01-00050,

1999-2001г.; № 00-01-00125, 2000-2001г.) Российского фонда фундаментальных исследований Академии наук Российской федерации:

Эволюционно-генетические технологии в однородных электронных средах»; «Генетические алгоритмы в интеллектуальных САПР»; «Символьные информационные технологии проектирования на основе эволюционной адаптации».

Результаты работы внедрены в НИИ ИТ и АП МИННАУКИ РФ (г.Москва) с экономическим эффектом 1млн. руб.; в СКБ ВИНИТИ МИННАУКИ РФ и РАН (г.Москва); в ВНИИАС МПС (Ростовский филиал, г.Ростов-на-Дону ) с экономическим эффектом в среднем 400тыс. руб. в год; в НИИ МВС при ТРТУ (г.Таганрог); в работах отделения «Информационные сети и системы» МАИ (г.Москва), что подтверждается соответствующими актами внедрения.

Результаты научных исследований внедрены в учебный процесс Московского энергетического института (Технического университета); Московского государственной технического университета им. Баумана; Ростовского государственного университета путей сообщения; Таганрогского государственного радиотехнического университета, что подтверждено актами использования.

Результаты диссертационной работы обобщены в 3 изданных учебных пособиях.

Апробация работы. Основные научные и практические результаты диссертационной работы докладывались, обсуждались и были одобрены на Всесоюзном семинаре «Создание ИСАПР СБИС» (г.Москва, 1990г.); семинаре НТО радиотехники, электроники и связи им.А.С.Попова (г.Москва, 1993г.); всероссийских научно-технических конференциях с участием зарубежных представителей и международных научно-технических конференциях «Интеллектуальные САПР» (г.Геленджик, 1990г. - 2000г.); международных научных конференциях «Информационные технологии в науке, образовании, телекоммуникации», 1Т+8Е95, 1Т+8Е99, 1Т+8Е2000 (Украина, г.Гурзуф, 1995,1999,2000); шестой национальной конференции с международным участием «Искусственный интеллект», КИИ-98 (г.Пущино, 1998г.); второй международной конференции «Актуальные проблемы современного естествознания» (г.Калуга, 2000г.); третьей всероссийской научной конференции молодых ученых «Новые информационные технологии» (г.Таганрог,2000г.); четвертой международной конференции «Применение нечетких систем и мягкие вычисления», 1САГ8'2000, (Германия, г.Зиген, 2000г.).

Публикации. Основные результаты диссертационной работы отражены в 57 печатных работах, в том числе: 2 монографиях и 3 учебных пособиях. Список основных работ по теме диссертации приведен по мере цитирования в списке использованной литературы в конце диссертации.

Структура и объем диссертационной работы. Диссертация состоит из введения, трех разделов, заключения, изложенных на 344 страницах, рисунков 65 расположенных на 53 страницах, 2 таблицы, списка литературы из 290 наименований и двух приложений. В приложение вынесены акты об использовании и внедрении результатов диссертационной работы, а также основные результаты экспериментальных исследований.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Курейчик, Владимир Викторович

3.5. Выводы и рекомендации

1. Реализация алгоритмов разбиения показала преимущество ГА с СГПУ и нестандартными архитектурами поиска по сравнению с алгоритмами парного обмена и случайными алгоритмами. Применение модифицированных ГО позволяет повысить качество разбиения. Такие алгоритмы позволяют всегда получать локальные оптимумы, иметь возможность выхода из них и приближаться к получению оптимальных и квазиоптимальных решений. ВСА не уходит из области полиномиальной сложности (ВСА « 0(п \ogri) - 0(а п3)).

2. Предложены новые подходы к решению основных ОЗ ПР при размещении вершин графа на плоскости и в линейке. Они состоят в использовании объединенных методов генетического поиска, совместной эволюции Дарвина, Ламарка и Фризе, агрегации фракталов, иерархического триединого подхода (синергетика, гомеостатика и эволюция) и позволяют получать набор локально-оптимальных решений за полиномиальное время. Это дает возможность распараллеливать процесс оптимизации, эффективно управлять поиском, получать оптимальные и квазиоптимальные решения за время, сопоставимое с временем реализации итерационных алгоритмов.

3. Разработан новый алгоритм решения ЗК. Был использован совместный метод локального поиска и объединенных эволюций Дарвина, Ламарка, Фризе и Попера. Реализация алгоритма ЗК на стандартных тестах показала преимущество разработанной методики и возможность получать глобальные оптимумы.

4. Построены новые ГА решения задач раскраски, изоморфизма, построения клик и независимых множеств графов. Применение разработанных триединых концепций принятия решений позволило получать решения с локальными оптимумами за полиномиальное время.

Заключение

В результате выполненных фундаментальных теоретических и практических исследований по теме диссертационной работы реализованы следующие положения.

1. Проанализированы основные проблемы синергетики. Показана взаимосвязь основных концепций синергетики и теории искусственного интеллекта. Описаны состояния, проблемы, перспективы, способы построения и развития иерархических искусственных систем. Рассмотрены основные проблемы и концепции гомеостатики. Сделано предположение, что развитие искусственных систем связано с установлением баланса и построением порядка из хаоса.

2. Исследованы основные принципы эволюции в естественных и искусственных системах. Высказано предположение о триедином подходе к построению архитектуры искусственных систем на основе эволюции, синергетики и гомеостатики.

3. Сформулирована постановка оптимизационных задач принятия решений. Описаны математические модели и построен расплывчатый алгоритм построения иерархических искусственных систем. Приведены две стратегии взаимодействия поисковых методов и эволюционного моделирования. Построены нестандартные архитектуры решения оптимизационных задач принятия решений, позволяющие получать набор квазиоптимальных решений за полиномиальное время.

4. Предложен триединый подход на основе блоков эволюционной адаптации, синергетического и гомеостатического принципов управления для построения иерархических искусственных систем принятия решений. Рассмотрена новая схема совместной эволюции Дарвина и Ламарка и приведены новые алгоритмы поиска оптимизационных задач принятия решений на ее основе, позволяющая решать задачи предварительной сходимости алгоритмов.

5. Разработаны новые архитектуры генетического поиска на основе использования модифицированной синтетической эволюции Дарвина, Ламарка и Фризе. Приведены новые иерархические искусственные схемы на основе моделей противоположностей ЯН - ИНЬ. Построены новые схемы строительных блоков на основе Платоновых графов, модифицированных схем Винера, различных принципов гомеостатики и распространения информации во времени и пространстве. Это дает возможность распараллеливать процесс поиска оптимизационных задач принятия решений и сокращать время получения результатов.

6. Предложены новые генетические операторы, использующие фрактальные структуры, методы дихотомии, «жадные» стратегии, золотого сечения и чисел Фибоначчи. Это позволяет расширить область поиска решений без увеличения времени работы алгоритмов и сократить преждевременную сходимость алгоритмов.

7. Реализация алгоритмов разбиения графов показала преимущество генетических алгоритмов с нестандартными архитектурами поиска по сравнению с алгоритмами парного обмена и случайными алгоритмами. Применение новых и модифицированных генетических операторов позволяет повысить качество разбиения графов на части. Такие алгоритмы позволяет всегда получать локальные оптимумы, иметь возможность выхода из них и приближаться к получению оптимальных и квазиоптимальных решений. Временная сложность алгоритмов не уходит из области полиномиальной л сложности (ВСА « O(nlogn) - 0(ап )).

8. Предложены новые подходы к решению основных оптимизационных задач принятия решений при размещении вершин графа на плоскости и в линейке. Они состоят в использовании объединенных методов генетического поиска, совместной эволюции Дарвина, Ламарка и Фризе, агрегации фракталов, иерархического триединого подхода и позволяют получать набор локально-оптимальных решений за полиномиальное время. Это может дать возможность распараллеливать процесс оптимизации, эффективно управлять поиском, получать оптимальные и квазиоптимальные решения за время, сопоставимое с временем реализации итерационных алгоритмов.

9. Разработан новый алгоритм решения задачи о коммивояжере. Был использован совместный метод локального поиска и объединенных эволюций Дарвина, Ламарка, Фризе и Поппера. Реализация алгоритма задачи о коммивояжере на стандартных тестах показала преимущество разработанной методики и возможность получать глобальные оптимумы.

10.Построены новые ГА решения задач раскраски, изоморфизма, построения клик и независимых множеств графов основанные на жадных стратегиях и эвристиках. Применение разработанных триединых концепций принятия решений позволило получать решения с локальными оптимумами за полиномиальное время.

11. Создан комплекс программных средств по анализу разработанных генетических алгоритмов (экспериментального тестирования) и программное обеспечение для решения оптимизационных задач. При построении комплекса программ использовались пакеты Borland С++, Builder, Visual С++. Отладка и тестирование проводилось на ЭВМ типа IBM PC с процессором Pentium-III-650, AMD Atlon А(0)-800. Для адекватного сравнения использовались стандартные оценки по производительности различных систем (бенчмаркам), представленными ведущими фирмами мира.

12.Проведены серии тестов и экспериментов и выполнена обработка экспериментальных данных, что позволило уточнить теоретические оценки, временной сложности алгоритмов оптимизационных задач и их поведение для схем различной структуры. Проведенные комплексные исследования показали улучшение работы предложенных архитектур генетического поиска по сравнению с известными методами. Улучшение составило по качеству от 15% до 40%, а по времени от 10% до 25% в зависимости от вида оптимизационных задач.

Список литературы диссертационного исследования доктор технических наук Курейчик, Владимир Викторович, 2001 год

1. Искусственный интеллект: В 3 кн. Кн. 1. Системы общения и экспертные системы. Справочник / Под ред. Э.В. Попова. М.: Радио и связь, 1990.

2. Искусственный интеллект: В 3 кн. Кн. 2. Модели и методы . Справочник / Под ред. Д.А. Поспелова. М.: Радио и связь, 1990.

3. Нильсон Н. Принципы искусственного интеллекта. М.: Радио и связь, 1985.

4. Хант Э. Искусственный интеллект. М.: Мир, 1978.

5. Левин Р. и др. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике. М.: Финансы и статистика, 1990.

6. Реальность и прогнозы искусственного интеллекта/ Сб. статей. М.: Мир, 1987.

7. Попов Э.В., Фирдман Г.Р. Алгоритмические основы интеллектуальных роботов и искусственного интеллекта. М.: Наука, 1976.

8. Тарасов В.Б. Искусственная жизнь и нечеткие эволюционные системы -основные теоретические подходы к построению интеллектуальных организаций// Известия АН. Теория и системы управления, №5,1998, с. 12-23.

9. Суворов В.В. Интеллект в нейробиологии, психологии и интерактивных технологиях. М.: Изд-во МГУ, 1999.

10. Таранов П.С. Мудрость трех тысячелетий. М.: Изд-во ACT, 1998.

11. Таранов П.С. Энциклопедия высокого ума. М.: Изд-во ACT, 1997.

12. Таранов П.С. Философия сорока пяти поколений. М.: Изд-во ACT, 1998.

13. Таранов П.С. Золотая философия. М.: Изд-во ACT, 1999.

14. Аристотель. Сочинения в четырех томах. Т. 1. М.: Мысль, 1976.

15. Платон. Сочинения в четырех томах. Т. 1. М.: Мысль, 1990.

16. Горский Ю.М. Основы гомеостатики.(Гармония и дисгармония живых, природных, социальных и искусственных систем). Иркутск: Изд-во ИГЭА, 1988.

17. Моисеев H.H. Алгоритмы развития. М.: Наука, 1987.

18. Моисеев H.H. Математические задачи системного анализа. М.: Наука, 1981.

19. Поспелов Д.А. «Десять горячих точек» в исследованиях по искусственному интеллекту. М.: ИС, Т. 1,1996.

20. Суворов В.В. Искусственный интеллект : проблемы и реальность. М.: Изд-во МГУ, 1998.

21. Курейчик В.В. Эволюционные методы решения оптимизационных задач. Монография. Таганрог: Изд-во ТРТУ, 1999.

22. Курейчик В.В. Эволюционные, синергетические и гомеостатические методы принятия решений. Монография. Таганрог: Изд-во ТРТУ, 2001.

23. Поспелов Г.С. Искусственный интеллект основа новой информационной технологии. М.: Наука, 1988.

24. Лорьер Ж.Л. Системы искусственного интеллекта. М.: Мир, 1991.

25. Поспелов Д.А., Осипов Г.С. Прикладная симеотика// Новости искусственного интеллекта. М.,№1,1999,с.9-35.

26. Месарович М., Мако Д., Такахара. Теория иерархических многоуровневых систем. М.: Мир, 1973.

27. Горский Ю.М. Гомеостатика: модели, свойства, патологии. Новосибирск: Наука, 1990.

28. Горский Ю.М. Основы гомеостатики. Часть 1 (курс лекций). Иркутск: Изд-во ИЭА, 1995.

29. Пригожин И. От существующего к возникающему. М.: Наука, 1985.

30. Хакен Г. Синергетика. Иерархия неустойчивостей в самоорганизующихся системах и устройствах. М.: Мир, 1985.

31. Винер Н. Кибернетика или управление и связь в животном мире. М.: Сов. радио, 1968.

32. Эшби У.Р. Введение в кибернетику. М.: Изд-во ин. лит-ры, 1959.

33. Колесников A.A. Синергетическая теория управления. Таганрог: ТРТУ, М.: Энергоатомиздат, 1994.

34. Дульнев Г.Н. Введение в синергетику. СПб.: Изд-во «Проспект», 1998.

35. Хакен Г. Информация и самоорганизация. М.: Мир, 1991.

36. Климонтович Н.Ю. Без формул о синергетике. Минск: Высшая школа, 1985.

37. Курейчик В.В. Гомеостатические архитектуры эволюционного поиска// Тезисы докладов 1-й международной НПК «Проблемы регионального управления, экономики, права». Таганрог, 1999, с.264-256.

38. Курейчик В.В. Гомеостатические, синергетические, эволюционные принципы принятия решений// Тезисы докладов 2-й международной конференции АПСЕ. Калуга, 2000,с.184-185.

39. Kureichik V.V. Gomeostatic, sinergetic end evolutionery principles of decision support systems. Proceedings 4-th International conference on application of fuzzy systems and soft computing. ICAFS, Siegen, Germany, Juny, 2000,pp.l57-159.

40. Курейчик B.B. Гомеостатические,синергетические и эволюционные принципы поиска решений// Известия ТРТУ, №2, 2000,с.337-338

41. Красовский A.A. Некоторые актуальные проблемы управления// Известия АН. Теория и системы управления, №3, 1996.

42. Осуга С. Обработка знаний. М.: Мир, 1989.

43. Уэно X. и др. Представление знаний. М.: Мир, 1989

44. Попов Э. В. и др. Статические и динамические экспертные системы. М.: Финансы и статистика, 1996.

45. Уотермен О. Руководство по экспертным системам. М.: Мир, 1989.

46. Курейчик В.В.,Чернышов Ю.О. Проблемы построения экспертных подсистем в САПР// Тезисы докладов НТС. ПГТУ, Пенза, 1990,с.33-34.

47. Теслинов А.Г. Развитие систем управления: методология и концептуальные структуры. М.: Глобус, 1998.

48. Финн B.K. Философские проблемы логики ИС// Новости искусственного интеллекта. М., N1, 1999, с.36-51.

49. Уинстон П. Искусственный интеллект. М.: Мир, 1988.

50. Колесников A.A. Основы теории синергетического управления. М.: Фирма «Испо- Сервис»,2000.

51. Василькова В.В. Порядок и хаос в развитии социальных систем: (Синергетика и теория социальной самоорганизации). СПб.: Изд-во «Лань», 1999.

52. Берже П., Помо., Видаль Р. Порядок в хаосе. М.: Мир, 1991.

53. Пригожин И., Стенгерс И. Порядок из хаоса. М.: Прогресс, 1986.

54. Анохин П.К. Избранные труды. Кибернетика функциональных систем. М.: Медицина, 1998.

55. Фогель Л., Оуэне А., Уолш М. Искусственный интеллект и эволюционное моделирование. М.: Мир, 1969.

56. Синергетика и методы науки. Спб.: Наука, 1998.

57. Синергетика// Труды семинара. Том 3. М.: Изд-во МГУ, 2000.

58. Галицын Г.А., Петров В.М. Гармония и алгебра живого. М.: Знание, 1990.

59. Инге-Вечтомов С.Г. Введение в молекулярную генетику. М.: Наука, 1982.

60. Алиханян A.B. и др. Общая генетика. М.: Наука, 1985.

61. Петров Д.Ф. Генетика с основами селекции. М.: Высшая школа, 1971.

62. Яблоков В.А. Фенетика. М.: Наука, 1980.

63. Некрасов В.В. Ансамбль универсальных миров. М.: Изд-во «ИНСАН», 1992.

64. Диоген Лаэртский. О жизни, учениях и изречениях знаменитых философов. М.: Мысль, 1979.

65. Конфуций. Уроки мудрости: Сочинения. М.: Изд-во «ЭКСМО-Пресс», 1999.

66. Великие мыслители Востока / Пер.с англ. М.: КРОН ПРЕСС, 1999.

67. Великие мыслители Запада / Пер.с англ. М.: КРОН ПРЕСС, 1999.

68. Курейчик В.М., Курейчик В.В. Методы генетического поиска, основанные на учениях древности// Труды 26-й международной конференции IT+SE 99, Гурзуф, Украина, 1999. с.64-66.

69. Kureichik V.M., Kureichik V.V. Genetic Search Methods Based on the Ancient Teaching. Proceedings workshop Applied semiotics of CAI-98, Pushchino,1998, p.106.

70. Шевченко А.И. Функциональная схема формирования искусственного интеллекта. Донецк, Украина, Искусственный интеллект, №3, 2000, Q.IIS.

71. Поспелов Д.А. Фантазия или наука: на пути к искусственному интеллекту М.: Наука, 1982.

72. Некрасов В.В. Тетрактис, или гармония мира. Волгодонск, ТОО ВП, 1998.

73. Курейчик В.М. Математическое обеспечение конструкторского и технологического проектирования с применением САПР. М.: Радио и связь, 1990.

74. Интеллектуальные системы автоматизированного проектирования больших и сверхбольших интегральных схем. М.: Радио и связь, 1988.

75. Курейчик В.М., Лебедев Б.К., Нужнов Е.В. Применение экспертных систем в инженерной практике. Москва, Таганрог: Изд-во ТРТУ, 1996.

76. Емельянов В.В. Многоагентная модель управления потоком производственных ресурсов// Труды международной конференции ICIT'99, М.: Наука.Физматлит, 1999, с.121-126.

77. Астанин С.В., Берштейн Л.С., Захаревич В.Г. Проектирование интеллектуального интерфейса "человек-машина". Ростов-на-Дону: Изд-во РГУ, 1990.

78. Минский М. Фреймы для представления знаний. М.: Энергия, 1979.

79. Тей А. и др. Логический подход к искусственному интеллекту: от классической логики к логическому программированию. М.: Мир, 1990.

80. Мелихов А.Н., Берштейн JI.C. Гиперграфы в автоматизации проектирования дискретных устройств. Ростов-на-Дону: Изд-во РГУ, 1991.

81. Бершадский A.M. Применение графов и гиперграфов для автоматизации конструкторского проектирования РЭА и ЭВА. Саратов: Изд-во СГУ, 1993.

82. Курейчик В.В. Курейчик Н.В. Применение графовых и гиперграфовых моделей в экономике// Тезисы докладов 1 международной НПК Проблемы регионального управления, экономики, права, Таганрог, 1999, с.252-254.

83. Курейчик В.В. Эволюционное моделирование. Энциклопедия гидроакустики. Таганрог: Изд-во ТРТУД999, с.404.

84. Курейчик В.М., Курейчик В.В. Архитектуры эволюционного поиска при принятии решений// Труды международной конференции IT+SE2000, Украина, Гурзуф, 2000,с.130-131.

85. Курейчик В.В. Перспективные архитектуры генетического поиска. М., Программные продукты и системы, №3, 1998, с. 14-16.

86. Курейчик В.В. Об эволюционном подходе к проблеме принятия решений// Известия ТРТУ, N2, 2000,с.35-38

87. Астафьев В.И. Гомеостатика: некоторые итоги и перспективы. Новосибирск: Наука, 1990.

88. Варшавский В.И., Поспелов Д.А. Оркестр играет без дирижера. М.: Наука, 1984.

89. Берштейн JI.C., Финаев В.И. Адактивное управление с нечеткими стратегиями. Ростов на - Дону: Изд-во РГУ, 1993.

90. Мелихов А.Н., Берштейн JI.C., Коровин С.А. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990.

91. Поспелов Д.А., Пушкин В.Н. Мышление и автоматы. М.: Сов. радио, 1972.

92. Осипов Г.С. Приобретение знаний интеллектуальными системами. М.: Наука., 1997.

93. Ларичев О.И. и др. Выявление экспертных знаний. М.: Наука, 1989.

94. Holland John Н., Adaptation in Natural and Artificial Systems: An Introductory Analysis with Application to Biology, Control, and Artificial Intelligence. USA: University of Michigan, 1975.

95. Холланд Д. Генетические алгоритмы. В мире науки.1992. № 9-10. С.32-40.

96. Goldberg David Е. Genetic Algorithms in Search, Optimization and Machine Learning. USA: Addison-Wesley Publishing Company, Inc., 1989.

97. Handbook of Genetic Algorithms. Edited by Lawrence Davis. USA: Van Nostrand Reinhold, New York, 1991.

98. Practical Handbook of Genetic Algorithms. Editor I. Chambers. T.l, Washington, USA, CRC Press, 1995.

99. Practical Handbook of Genetic Algorithms. Editor I. Chambers. T.2, Washington, USA, CRC Press, 1995.

100. Practical Handbook of Genetic Algorithms. Editor I. Chambers. T.3, Washington, USA, CRC Press, 1999.

101. Davis L. Genetic Algorithms and Simulated Annealing. San Mateo, USA, Morgan Kaufman Publisher, 1987.

102. De Jong K. Evolutionary Computation: Recent Development and Open Issues. Proceedings 1st International conf., Evolutionary Computation and Its Application, EvCA 96, Moscow, 1996, pp.7-18.

103. Батищев Д.А. Генетические алгоритмы решения экстремальных задач. Воронеж: Изд-во ВГТУ, 1995.

104. Дубинин Н.П. Избранные труды, Т.1. Проблемы гена и эволюции. М.: Наука,2000.

105. Курейчик В.М. Генетические алгоритмы: Монография. Таганрог: Изд-во ТРТУ, 1998.

106. Растригин Л.А. Статистические методы поиска. М.: Наука, 1968.

107. Rastrigin L.A. Random Search in Evolutionary Computations. Proceedings 1st International conf., Evolutionary Computation and Its Application, EvCA 96, Moscow, 1996, pp.135-143.

108. Букатова И.JI. Эволюционное моделирование и его приложения. М.:Наука, 1991.

109. Букатова И.Л. Эволюционные технологии средства интенсивной информатизации. М.: РАН, ИРЭ, препринт №5(593), 1994.

110. Букатова И.Л. Когнитивные процессы эволюционирующих систем. М.: РАН, ИРЭ, препринт №10(598), 1994.

111. Эволюционные вычисления и генетические алгоритмы. Составители Гудман Э.Д., Коваленко А.П. Обозрение прикладной и промышленной математики. М.: Изд-во ТВП, 1966.

112. Курейчик В.М., Курейчик В.В. Эволюционные, синергетические и гомеостатические стратегии. Состояние и перспективы// Новости искусственного интеллекта. М., № 3,2000, с.22-92.

113. Батищев Д.И., Львович Я.Е., Фролов В.Н. Оптимизация в САПР. Воронеж: Изд-во ВГУ, 1997.

114. Корячко В.П., Курейчик В.М., Норенков И.П. Теоретические основы САПР. М.: Энергоатомиздат, 1987.

115. Курейчик В.М. Генетические алгоритмы. Обзор и состояние// Новости искусственного интеллекта, М., №3, 1998, с. 14-64.

116. Курейчик В.М. Генетические алгоритмы. Состояние. Проблемы. Перспективы// Известия АН. Теория и системы управления, №1,1999, с. 144-160.

117. Курейчик В.В. Генетические алгоритмы в проектировании СБИС: Учебное пособие. Таганрог: Изд-во ТРТУ, 1997.

118. Курейчик В.В. Генетические алгоритмы в задачах оптимизации. Таганрог, Перспектива, №2,1995. с. 15-22.

119. Курейчик В.М., Курейчик В.В. Генетические алгоритмы в комбинаторно-логических задачах искусственного интеллекта// Труды 6национальной конференции с международным участием КИИ-98, том 2, Пущино, 1998, с.720-725.

120. Norenkov I.P. Genetic Method for Structure Synthesis in Design on the Basic of AND/OR Trees. Proceedings 1st International conf., Evolutionary Computation and Its Application, EvCA 96 Moscow, 1996, p. 164-169.

121. Корнеев B.B. и др. Базы данных. Интеллектуальная обработка информации. М.: «Нолидж»,2000.

122. Курейчик В.М., Лебедев Б.К., Курейчик В.В. и др. Разработка интеллектуальных систем проектирования на основе эволюционной адаптации. Отчет по НИР, № гос.рег. 01.9.60004346, Таганрог, 2000.

123. Курейчик В.В. и др. Разработка методов эволюционного моделирования и генетического поиска для оптимизации интеллектуальных систем управления. Отчет по НИР, № гос.рег. 01.20.0007229, Таганрог, 2000.

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

125. Миркин Б.Г., Родин С.Н. Графы и гены. Использование графов в анализе структуры функций и эволюции генетических систем. М.: Наука, 1977.

126. Вороновский Г.К. и др. Генетические алгоритмы, искусственные нейроны сети и проблемы виртуальной реальности. Харьков, Украина, Основа, 1997.

127. Proceedings the3 rd Design, Automation and Test in Europe Conference. Paris, France, 2000.

128. Kureichik V.M., Zinchenco L. Symbolic Information Technologies in Evolutionary modelling. ECAI Workshop Notes, ASC2000, Berlin, Germany, 2000,pp.50-53.

129. Russell S.J., Norvig P. Artificial Intelligence a modern approach. Engle Wood Cliffs. N. J.: Prentice Hall, 1995.

130. Artificial Life. / Eds C. Langton, T. Shimohara. Cambridge MA: MTT PRESS, 1996.

131. Fogel D.B. Evolutionary computing. IEEE Spektrum, February, 2000, pp.2633.

132. Genetics Algorithms. Editor Lawrence Elbaum. Proceedings of the 1st International conf., New Jersey, USA, Associates Publishers, 1985.

133. Genetics Algorithms. Editor J. Grefenstette. Proceedings of the 2nd International conf., New Jersey, USA, Associates Publishers, 1987.

134. Genetic Algorithm. Editor D.Schaffer D. Proceedings 3d International conf., San Mateo, USA, Morgan Kaufman Publishers, 1989.

135. Genetics Algorithms . Editors R. Belew , L.Booker . Proceedings of the 4th International conf., San Mateo, USA, Morgan Kaufman Publishers, 1991.

136. Genetics Algorithms. Editor R. Forrest. Proceedings of 5th International conf., San Mateo, USA, Morgan Kaufman Publishers, 1993.

137. Genetics Algorithms. Editor R. Forrest. Proceedings of 6th International conf., San Mateo, USA, Morgan Kaufman Publishers, 1995.

138. Genetics Algorithms. Editor T.Back. Proceedings of the 7th International conf., San Francisco, USA, Morgan Kaufman Publishers, Inc, 1997.

139. Genetics Algorithms. Editor David Goldberg. Proceedings of the 8th International conf., San Francisco, USA, Morgan Kaufman Publishers, Inc, 1999.

140. Клизовский А. Основы миропонимания новой эпохи. Минск: Лотоць, 1997.

141. Ларичев О.И. Теория и методы принятия решений, а также Хроника событий в Волшебных Странах. М.: Логос,2000.

142. Кини Р.Л., Райфа X. Принятие решений при многих критериях: предпочтения и замещения. М.: Радио и связь, 1981.

143. Берштейн Л.С., Карелин В.П., Целых А.Н. Модели и методы принятия решений в интегрированных ИС. Ростов-на-Дону: Изд-во РГУ, 1999.

144. Целых А.Н. Моделирование процессов принятия решений в нечетких условиях. Ростов-на-Дону: Изд-во СКНЦВШ, 1999.

145. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М.: Синтег,1998.

146. Борисов А.Н., Крумберг O.A., Федоров И.П. Принятие решений на основе нечетких моделей: Примеры использования. Рига: Зинатне,1990.

147. Макаров И.М. и др. Теория выбора и принятие решений. М.: Наука, 1982.

148. Малышев Н.Г., Берштейн J1.C., Боженюк A.B. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат,1991.

149. Микони C.B. Методы и алгоритмы принятия решений. Учебное пособие 4.2. СПб.: ПГУПСД996.

150. Нечеткие множества и теория возможностей. Последние достижения. Пер.с англ. Под ред. Р. Ягера. М.: Радио и связь, 1986.

151. Аверкин А.Н., Тарасов В.Б. Нечеткое отношение моделирования и его применения в психологии и ИИ. М.: ВЦ АН СССР, 1986.

152. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2000.

153. Емельянов C.B., Наппельбаум Э.Л. Методы анализа сложных систем. Выбор в условиях неопределенности. Итоги науки и техники. Техническая кибернетика. М.: ВИНИТИ, Т.9.ч.1,2,1978.

154. Венда В.Ф. Системы гибридного интеллекта. М.Машиностроение, 1990.

155. Городецкий В.И., Грушинский М.С., Хабаров A.B. Многоагентные системы// Новости искусственного интеллекта, М., № 2,1998, с.36-55.

156. Вагин В.Н. Дедукция и обобщение в системах принятия решений. М.: Наука, 1988.

157. Аверкин А.Н., Костерев В.В. Триангулярные нормы в системах ИИУ/ Известия АН. Теория и системы управления, №5, 2000, с. 107-120.

158. Берштейн Л.С., Мелехин В.Б. Планирование полифазного поведения самоорганизующихся ИС// Известия АН. Теория и системы управления, №5, 2000, с.143-147.

159. Емельянов В.В. Метод построения математических моделей сложных дискретных систем и процессов// Вестник МГТУ. Серия Машиностроение, 1993, №1, с. 14-19.

160. Курицкий Б.Я. Оптимизация вокруг нас. JL: Машиностроение, 1989.

161. Карелин В.П., Родзин С.И. УМП по методам математического программирования (поисковой оптимизации). Таганрог: Изд-во ТРТУД999.

162. Алексеев О.В. и др. Автоматизация проектирования радиоэлектронных средств. М.: Высшая школа,2000.

163. Забежайло М.И. DM & KDD предметная область, задачи, методы и инструменты// Труды 6-ой национальной конференции по ИИ с международным участием Т.2, М.: Наука, 1998,с.592-601.

164. Proceedings of the 2nd International conf. Adaptive Computing in Engineering Design and Control'96, Uk, Plymouth, March, 1996.

165. Рыбина Г.В. Использование методов имитационного моделирования при создании интегрированных ЭС реального времени// Известия АН. Теория и системы управления, №5, 2000, с.147-157.

166. Айала Ф. Введение в популярную и эволюционную генетику. М:Мир, 1984.

167. Приходченко Н.Н., Шкурат Т.П. Основы генетики человека. Ростов-на-Дону: Феникс, 1997.

168. Genetic Algorithms and Evolution Strategy in Engineering and Computer Science. Editid by D. Quagliarella and et all. John Wiley & Song, NY, USA, 1998.

169. Курейчик В.В. Эволюционные вычисления в САПР// Известия ТРТУ, №2,1998, с.252-253.

170. Курейчик В.В. Перспективные архитектуры ГП. Перспективные информационные технологии и интеллектуальные системы. Таганрог, №1, 2000,с.55-57.

171. Курейчик В.В. Концепция оптимизации на основе моделирования эволюции// Тезисы 3 ВНК молодых ученых и аспирантов «Новые информационные технологии. Разработка и аспекты применения», Таганрог: Изд-во ТРТУ, 2000, с.49-51.

172. Курейчик В.В. Об эволюционном подходе к проблеме принятия решений в неопределенных условиях. Перспективные информационные технологии и интеллектуальные системы. Таганрог, №3, 2000,с.24-30.

173. Potts C.I., Giddens T.D., Yadav S.B. The Development and Evaluation of an Improved Genetic Algorithm Based on Migration and Artificial selection. IEEE Trans, on Systems, Man and Cybernetics, vol.24, No.l, 1994, pp. 73 -86.

174. Shahookar K.,Mazmunder P. A Genetic Approach to standard Cell Placement Using Meta-Genetic Parameter Optimization. IEEE Trans, on CAD, Vol.9, No.5, 1990, pp. 500-511.

175. Cohoon J.P., Paris W.D. Genetic Placement, IEEE Trans, on CAD, Vol.6, No 6, November, 1987. pp. 956 964.

176. Андрейчиков A.B. Андрейчикова O.H. Анализ, синтез, планирование решений в экономике. М.: Финансы и Статистика,2000.

177. Ackley D.H. A connectionist Machine for Genetic Hillclimbing. Kluwer Academic Publishers, Boston, MA, 1987.

178. Еремеев А.П., Троицкий B.B. Подсистема ПР, основанная на логико-вероятностном тестовом распознавании образов// Труды 7-ой национальной конференции по ИИ с международным участием Т.2, М.: Наука,2000,с.652-663.

179. Еремеев А.П., Тихонов Д.А. Применение средств параллельной обработки информации в ИС 111 IP// Труды 6-ой национальной конференции по ИИ с международным участием Т.2, М.: Наука, 1998,с.З 80-3 86.

180. Андрейчиков А.В. Андрейчикова О.Н. Компьютерная поддержка изобретательства. М.: Машиностроение, 1998.

181. Вагин В.H., Еремеев А.П. Конструирование интеллектуальных систем ППР реального времени. Интеллектуальное управление: новые информационные технологии в задачах управления, М.: Наука, 1999,с.27-32.

182. Колесников A.B. Гибридные ИС для ППР. Интеллектуальное управление: новые информационные технологии в задачах управления, М.: Наука, 1999,с.59-64.

183. Микони C.B. Взаимодействие БЗ и системы выбора. Интеллектуальное управление: новые информационные технологии в задачах управления, М.: Наука, 1999,с.68-72.

184. Таран Т.А. Когнитивные конфликты: проблемы моделирования и принятия решений. Интеллектуальное управление: новые информационные технологии в задачах управления, М.: Наука, 1999,с.94-99.

185. Тесленко О.Ю., Солодовников И.В. Разработка средств ПР для информационных логических систем. Интеллектуальное управление: новые информационные технологии в задачах управления, М.: Наука, 1999, с.99-103.

186. Ларичев О.И. Системы, основанные на экспертных знаниях: история, современное состояние и перспективы// Труды 7-ой национальной конференции по ИИ с международным участием Т.1, М.: Наука,2000,с.З-9.

187. Целых А.Н., Берштейн Л.С. Формирование процедур ПР с использованием гомоморфных отображений нечетких отношений// Труды 7-ой национальной конференции по ИИ с международным участием Т.2, М.: Наука,2000,с.524-532.

188. Гладков Л.А. Курейчик В.М. Методы решения ОЗ с использованием интеллектуальных технологий// Труды 7-ой национальной конференции по ИИ с международным участием Т.2, М.: Наука,2000,с.532-541.

189. Краснощеков П.С., Федоров В.В., Флеров Ю.А. Элементы математической теории принятия решений. Автоматизация проектирования, №1,1997,с. 15-24.

190. Харари Ф. Теория графов. М.: Мир, 1977.

191. Ope О. Т. Теория графов. М.: Наука,1973.

192. Кристофидес Н. Теория графов. Алгоритмический подход. М.: Мир, 1978.

193. Курейчик В.М. Дискретная математика, Часть 2. Элементы теории графов. Таганрог: Изд во, ТРТУД997.

194. Наумкин А.П. Калагия. М.: АО «Прометей», 1992.

195. Кордюм В.А. Эволюция и биосфера. Киев: Наук. Думка, 1982.

196. Алешенков М.С., Родионов Б.Н., Титов В.Б., Ярочкин В.И. Энергоинформационная безопасность человека и государства. М.: Парус, 1997.

197. Самигулинн 3. Мир хаоса и порядка. СПб.:С-ПТУРП, 1999.

198. Кормен Т., Лейзерсон Й., Ривест Р. Алгоритмы: построения и анализ. М.: МЦМОД000.

199. Абилов Ю.А., Алиев P.A., Насиров И.М. ГА с групповым выбором и направленной мутацией// Известия АН. Теория и системы управления, №5,1997, с.96-99.

200. Пригожин И., Стенгерс И. Время, хаос, квант. К решению парадокса времени. М.: Эдиториал УРСС,2000.

201. Моисеев H.H. Восхождение к разуму. М.: Издат, 1993.

202. Моисеев H.H. Современный рационализм. М.: МГВП Кокс, 1995.

203. Николе Г., Пригожин И. Познание сложного. М.: Мир, 1990.

204. Пайтген Х.О., Рохтер П.Х. Красота фракталов. М.: Мир, 1990

205. Лоскутов А.Ю., Михайлов A.C. Введение в синергетику. М.: Наука, 1990.

206. Wang X. An investigation into relations between some transitivity-related concepts.-Fuzzy Sets and Systems, 89, 1997,pp. 257-262.

207. Zaden L.A. Fuzzy logic=computing with words.-IEEE Trans. On Fuzzy Systems, v.4,2, 1996,pp. 103-111.

208. Zaden L.A. Toward a theory of fuzzy information granulation and its centrality in human reasoning and fuzzy logic.-Fuzzy Sets and Systems, 90, 1997,pp. 111-127.

209. Батыршин И.З. Методы представления и обработки нечеткой информации в интеллектуальных системах. Новости искусственного интеллекта, М., №2,1996,с.9-65.

210. Беллман Р., Заде JL Принятие решений в расплывчатых условиях // Вопросы анализа и процедуры принятия решений. М.: Мир, 1976,с. 172215.

211. Белкин А.Р., Левин М.Ш. Принятие решений: комбинаторные модели аппроксимации информации. М.: Наука, 1990.

212. Буданов В.Г. Синергетика событийного языка в науке и культуре. Синергетика// Труды семинара. Том 3. М.: изд-во МГУ, 2000 с. 187-204.

213. Морозов К.К. и др. Методы разбиения схем РЭА на конструктивно законченные части. М.: Советское радио, 1978.

214. Курейчик В.В. Применение генетических алгоритмов для компоновки схем РЭА// Тезисы докладов Всероссийской НТК «ИСАПР», Таганрог, 1992,с.40-41.

215. Курейчик В.В. Алгоритмы разбиения графа на основе генетического поиска// Известия ТРТУ, N3. 1999,с.97-104.

216. Курейчик В.М., Курейчик В.В. Генетические алгоритмы в комбинаторно-логических задачах ИИ// Известия ТРТУ, N3, 1999, с. 126128.

217. Курейчик В.М., Курейчик В.В. Генетический алгоритм разбиения графа// Известия АН. Теория и системы управления, № 5, 1999, с.79-87.

218. Kureichik V.M, Kureichik V.V. A Genetic Algorithms for Graph Partitioning Journal of Computer and Systems Sciences International,vol.38, №4, 1999, pp.580-588.

219. Петухов Г.А., Смолич Г.Г., Юлин Б.И. Алгоритмические методы конструкторского проектирования узлов с печатным монтажом. М.: Радио и связь, 1987.

220. Fröhlich N., Glockel V., Fleischmann J. A new partitioning method for parallel simulation of VLSI circuits on transistor level. Proceedings Design, Automation and Test in Europe Conference, 2000, Paris, France, 27-30 March 2000, pp.679-685.

221. Saab Y. G., Rao V. B. Fast Effective Heuristics for the Graph Bisectioning Problem, IEEE, Transaction on CAD. vol.9 N1, January 1990, pp.

222. Wei Y.C., Cheng C.K. A two-level two-way partitioning algorithm, Tech. report CH2924-9, University of California, San Diego, IEEE, 1990.

223. Ching-Wei Yeh, Chung-Kuan Cheng, Ting-Ting Y. Lin. A general purpose multiple way partitioning algorithm. Proceedings 28th ACM/IEEE Design Automation Conference, paper 25/1, 1991, pp.421-425.

224. Kernighan В., Lin S. An efficient heuristic procedure for partitioning graphs, Bell Syst. Tech.J., vol 49, Feb 1970, pp. 291-307.

225. Fiduccia C., Mattheyses R. A linear time heuristics for improving network partitions. Proceedings 19th ACM/IEEE Design automation conference, 1982, pp. 175-181.

226. Sherwani Naveed. Algorithms for VLSI Physical Design Automation, Kluwer Academic Publishers, Boston/Dordrecht/London, 1995.

227. Saab. Y. A new effective and efficient multi-level partitioning algorithm. Proceedings Design, Automation and Test in Europe Conference 2000, Paris, France, 27-30 March 2000, pp.112-116.

228. Bui T. N., Moon B. R. Genetic algorithm and graph partitioning, IEEE Trans. Comput., vol.45, 1996, pp. 841-855.

229. Chandrasekharam R., Subhramanian and chadhurys. Genetic algorithms for node partitionaly problem and application in VLSI design. IEEE Proc-E, Vol.140, No.5, September, 1993. pp. 167 178.

230. Лоскутов А.Ю. Синергетика и нелинейная динамика: новые подходы к старым проблемам. Синергетика// Труды семинара. Том 3. М.: Изд-во МГУ, 2000 с.204-224.

231. Кроновер P.M. Фракталы и хаос в динамических системах. Основы теории. М.: Постмаркет,2000.

232. Курейчик В.В. Генетический алгоритм группирования элементов// Известия ТРТУ, №2, 1998. с.252-253.

233. Садовничий В.А. и др. Устойчивость глобального развития и хаотичность региональных явлений в нелинейных динамических процессах. Синергетика// Труды семинара. Том 3. М.: Изд-во МГУ, 2000, с.5-39.

234. Князева Е.Н., Курдюмов С.П. Жизнь неживого с точки зрения синергетики. Синергетика// Труды семинара. Том 3. М.: изд-во МГУ, 2000, с.39-61.

235. Князева Е.Н., Курдюмова С.П. Законы эволюции и самоорганизации сложных систем. М.: Наука, 1994.

236. Руденко А.П. Самоорганизация и синергетика. Синергетика// Труды семинара. Том 3. М.: изд-во МГУ, 2000, с.61-100.

237. Климантович Ю.Л. Введение в физику открытых систем. 1 и 2. Синергетика// Труды семинара. Том 3. М.: изд-во МГУ, 2000, с. 100-143.

238. Shahookar R. And Mazumder P. VLSI Placement Techniques ACM Computing Surveys, Vol.23, No.26, 1991. pp. 142-220.

239. Kling R.M., Banerjee P.: Placement by Simulated Evolution. IEEE Trans, on CAD, Vol.8, No.3, 1989. pp. 245-256.

240. Kling R.M. and Banerjee P. Empirical and Theoretical Studies of the Simulated Evolution Method applied to standard Cell Placement. IEEE Trans, on CAD, Vol.10, No.10, 1991. pp. 1303-1315.

241. Paris W. GENIF: A new placement Algorithms. Thesis (ms) University of Virginia, USA, 1989.

242. Mayer M. Parallel GA for the DAG Vertex spelling problem. Thesis, Univesity of Missouri, USA, 1993.

243. Saab Y., Rao V. Stochastic Evolution: A Fast Effective Heuristic for some General Layout Problems. Proceedings 27th, ACM/IEEE Design automation conference (DAC), June, 1990. pp. 16-31.

244. Курейчик В.В. Линейное размещение элементов СБИС с использованием методов моделирования эволюции// ИСАПР-межведомственный научный сборник, Таганрог, 1995, вып.5, с.59-67.

245. Курейчик В.В. Генетический алгоритм линейного размещения элементов топологии БИС// ИСАПР межведомственный научный сборник, Таганрог, 1995, вып.5, с. 121-122.

246. Курейчик В.В. Чернышев Ю.О. Генетические алгоритмы размещения. Proceedings XXII 1С CAD-95, Ukraine, Gurzuff, 1995, с.329.

247. Курейчик В.В. Размещение элементов на основе процессов моделирования эволюции// Известия ТРТУ, № 3, Таганрог, 1996, с. 110111.

248. Курейчик В.В. Применение гомеостатических, синергетических и эволюционных подходов для принятия решений в интеллектуальных системах// Перспективные информационные технологии и интеллектуальные системы, № 4, 2000, с. 125-127.

249. Курейчик В.М. Курейчик В.В. Генетический алгоритм размещения графа// Известия АН. Теория и системы управления, № 5, 2000, с.67-74.

250. Kureichik V.M, Kureichik V.V. Genetic Algorithm for Graph Placement Journal of Computer and Systems Sciences International,vol.39, №5, 2000, pp.733-740.

251. Grefenstette J, Gopal G, Rosmaita В., D. van Gucht. Genetic algorithms for the traveling salesman problem. Proc. Intern. Conf. of Genetic Algorithms and their applications. John Grefenstette, ed. New Jersey, 1987. pp. 160-165.

252. Grefensette J.J. (ed) Genetic Algorithms for Machine Learning. Kluwer Academic Press, USA, 1994.

253. Oliver I., Smith D., and Holland J.R. A study of permutation crossover operators on the traveling salesman problem. Proc. of the Second International Conf. on Genetic Algorithms, pp. 224-230.

254. Kureichik V.M., Miagkikh V. Some New Features in Genetic Solution of the TSP. Proceedings of the second International conference, Plymouth UK, 1996.pp.

255. Эволюционная эпистемология и логика социальных наук: Карл Поппер и его критики // Составление Д.Г. Лахути, В.Н. Садовского, В.К. Финна. М.: Эдиториал УРСС, 2000.

256. Будущее искусственного интеллекта./УПод ред. К.Е.Левитина и Д.А.Поспелова. М: Наука, 1991.

257. Нариньяни А.С. He-факторы и инженерия знаний; от наивной формализации к естественной прагматике//КИИ-94. Национальная конференция с международным участием. «Искусственный интеллект-94».Том 1.-Рыбинск, 1994, с.9-18.

258. Лебедев Б.К. Адаптация в САПР. Таганрог:Изд-во ТРТУД999.

259. Алексеев А.В., Борисов А.Н. и др. Интеллектуальные системы принятия проектных решений. Рига: Зинатне, 1997.

260. Гэри М., Джонсон Д. Вычислительные машины и труднорешаемые задачи. М.: Мир, 1982.

261. Панадимитриу X., Стайниц К. Комбинаторная оптимизация. Алгоритмы и сложность. М.: Мир, 1983.

262. Нечепуренко М.И. и др. Алгоритмы и программы решения задач на графах и сетях. Новосибирск: Наука. Сиб. отд-ние,1990.

263. Новиков Ф.А. Дискретная математика для программистов. СПб.: Питер,2000.

264. Kureichik V., Tetelbaum A., Graph Isomorfizm Algorithm for Regular VLSI Structure, Proc. 28th Annual conf. in Information Sciences and systems, Princenton, USA, 1994. pp. 17-23.

265. Курейчик B.M. A Graph Isomorphism Algorithm for Reqular VLSI Structures// Известия ТРТУ, №3, Таганрог, 1997, c.4-12.

266. Read R.C. and Cornell D.G. The graph isomorphism disease. Journal of Graph Theory, USA, Nol, 1977. pp.339-363.

267. Курейчик B.M., Королев А.Г. Метод для распознавании изоморфизма графов. Кибернетика, АН УССР, Киев, № 2,1977, с. 15-21.

268. Kureichik V.M., and Bickart Т.A. An Isomorphism test for homogeneous graphs. Proc. 1979 Conf. On Information Science and Systems, Baltimore, USA, 1979. pp.175-183.

269. Warnaar D.B., Chew M., Olarin S. Method for detecting isomorphism in graphs using vertex degree correspondence with partitioning. American society of Mechanical Engineers, DE, vol.47, USA, 1993. pp.219-224.

270. Ohlrich M., Fbeling C., Cinting E. And 1. Sather. Sub Gemini: Identifying Sub Circuits using Isomorphism Algorithm. Proc. 30th DAC, USA, 1993. pp.3137.

271. Курейчик В.В. Генетический алгоритм определения изоморфизма однородных графов//Известия ТРТУ, № 3, Таганрог, 1997, с.60-63.

272. Foundation of Genetic Algorithms Edited by Rawlins Gregory. Morgan Kaufman Publishers, San Mateo, California, 1991.

273. Guckles B.P., Perty F.E. Genetic Algorithms. IEEE Computer Society Press. Los Alamos, California, 1992.

274. Курейчик B.B. и др. Разработка методов и моделей адаптивного поиска в ИСАПР. Отчет по НИР № гос.рег.01.9.70000757, Таганрог, 1996.

275. Васильев В.И., Ильясов Б.Г. Интеллектуальные системы управления с использованием генетических алгоритмов// Приложение к журналу Информационные технологии, №12, 2000.

276. Скурихин А.Н. Генетические алгоритмы// Новости искусственного интеллекта, М., №4,1995,с.6-46.

277. Норенков И.П., Косачевский О.Т. Генетические алгоритмы комбинирования эвристик в задачах дискретной оптимизации// Информационные технологии, №2, 1999, с.2-7.

278. Тимофеев A.B., Юсупов P.M. Интеллектуализация систем автоматического управления// Известия АН. Теория и системы управления, №5, 1994, с.211-224.

279. Захаров В.Н. Интеллектуальные системы управления: основные понятия и определения// Известия АН. Теория и системы управления, №3, 1997, с.138-145.

280. Чернухин Ю.В. Искусственный интеллект и нейрокомпьютеры. Таганрог: Изд-во ТРТУ, 1997.

281. Курейчик В.В. Принятие решений с использованием модели совместной эволюции Дарвина и Ламарка// Известия ТРТУ, № 4, Таганрог, 2001, с.100-108.

282. Курейчик В.В. Использование фрактальных множеств в генетических алгоритмах// Известия ТРТУ, № 4, Таганрог, 2001, с.213-215.

283. Мелихов А.Н., Карелин В.П. Методы распознавания изоморфизма и изоморфного вложения четких и нечетких графов: Учебное пособие. Таганрог: Изд-во ТРТУ, 1995.339

284. Астанин C.B. Правдоподобные рассуждения в системах принятия решений: Учебное пособие 4.1,2. Таганрог: Изд-во ТРТУ, 2000.

285. Современная прикладная теория управления: Оптимизационный подход в теории управления/ Под ред. A.A. Колесникова. Таганрог: Изд-во ТРТУ, 2000.4.1.

286. Современная прикладная теория управления: Синергетический подход в теории управления/ Под ред. A.A. Колесникова. Таганрог: Изд-во ТРТУ, 2000.4.2.

287. Современная прикладная теория управления: Новые классы регуляторов технических систем/ Под ред. A.A. Колесникова. Таганрог: Изд-во ТРТУ, 2000.4.3.1. АББРЕВИАТУРЫ

288. АЗОМ аргументированный знаниями оператор мутации БД - база данных БЗ - база знаний

289. БМАС базовая многоагентная система1. БС бинарная строка

290. БЭА блок эволюционной адаптации

291. ВСА временная сложность алгоритма1. ВЭ вышестоящий элемент1. ГА генетический алгоритм1. ГО генетические операторы1. ГП генетический поиск

292. ГУ гомеостатическое управление

293. DM извлечение знаний (Date mining)

294. ДОК двухточечный оператор кроссинговера

295. ДОМ двухточечный оператор мутации1. ДП диалоговый процессор1. ЕС естественная система

296. ЖОК «жадный» оператор кроссинговера1. ЖС жадные стратегии1. ЖЭ жадная эвристика

297. ЗБО задачи безусловной оптимизации1. ЗК задача коммивояжере

298. ЗУО задачи условной оптимизации1. ИЖ искусственная жизнь

299. ИИ искусственный интеллект

300. ИИС иерархическая искусственная система1. ИС искусственная система

301. КОГА кластерно-ориентированный генетический алгоритм

302. KM минимальный кластер КС - ковер Серпинского КТ - квазиаксиоматические теории ЛПР - лицо, принимающее решение MAC - многоагентная система МГ - метод градиента

303. МГО модифицированный генетический оператор1. МД метод дихотомии

304. МЗС метод золотого сечения1. МК множество Кантора1. ММ математическая модель1. ММК метод Монте-Карло

305. МНП метод наискорейшего подъема

306. МНС метод наискорейшего спуска1. МО моделирование отжига

307. МОК многоточечный оператор кроссинговера

308. МПВ метод поиска с возвратом

309. МПГ метод поиска в глубину1. МПШ метод поиска в ширину1. MP метод релаксации

310. МУОК модифицированный универсальный оператор кроссинговера1. МФ метод Фибоначчи

311. НП независимое подмножество1. НЭ нижестоящий элемент03 оптимизационная задача1. ОИ оператор инверсии

312. ОИМД оператор инверсии метода дихотомии

313. ОИМЗС оператор инверсии метода золотого сечения

314. ОИМК оператор инверсии множества Кантора

315. ОИМФ оператор инверсии метода Фибоначчи1. ОК оператор кроссинговера

316. ОКД диагональный оператор кросинговера

317. ОКМД оператор кросинговера метода дихотомии

318. ОКМЗС оператор кросинговера метода золотого сечения

319. ОКМК оператор кросинговера множества Кантора

320. ОКМФ оператор кросинговера метода Фибоначчи1. ОМ оператор мутации

321. ОММД оператор мутации метода дихотомии

322. ОММЗС оператор мутации метода золотого сечения

323. ОММК оператор мутации множества Кантора

324. ОММФ оператор мутации метода Фибоначчи

325. ООК одноточечный оператор кроссинговера1. ОР оператор репродукции

326. ОРС органические структуры1. ОС оператор сегрегации

327. ОСМД оператор сегрегации метода дихотомии ОСМЗС - оператор сегрегации метода золотого сечения ОСМК - оператор сегрегации множества Кантора ОСМФ - оператор сегрегации метода Фибоначчи ОТ - оператор транслокации

328. ОТМД оператор транслокации метода дихотомии

329. ОТМЗС оператор транслокации метода золотого сечения

330. ОТМК оператор транслокации множества Кантора

331. ОТМФ оператор транслокации метода Фибоначчи1. ОУ оператор удаления

332. ПГА простой генетический алгоритм

333. ПМИ принцип максимума информации

334. ПМЭ принцип максимума энтропии

335. ПОГА проблемно- ориентированный генетический алгоритм ПОК - порядковый оператор кроссинговера

336. ПОМ позиционный оператор мутации ПР - принятие решений ПС - прикладная семиотика РГ - раскраска графа

337. РИГ распознавание изоморфизма графов СБ - строительный блок

338. СБСУ синергетический блок самоорганизации и упорядочивания

339. СГПУ синергетические и гомеостатические принципы управления1. СГ сильнорегулярные графы1. СЛП случайный поиск

340. СМО статистический метод оптимизации

341. СМОКС статистический метод оптимизации координанного самообучения

342. СМОНС статистический метод оптимизации непрерывного самообучения

343. СОИ специальный оператор инверсии

344. СППР система поддержки принятия решения

345. СС самоорганизующаяся структура

346. СТЭ синтетическая теория эволюции

347. СУ синергетическое управление

348. УОК универсальный оператор кроссинговера1. ФМ фрактальное множество1. ФП функция пригодности1. ФР функция рекомбинации

349. ФРР фрактальная размерность

350. ЦОК циклический оператор кроссинговера1. ЦФ целевая функция

351. ЧСОК частично соответствующий оператор кроссинговера ЧФ - числа Фибоначчи ЭД - эволюция Дарвинао внедрении научных результатов докторсксгйщ^с^ЕаДионной работы1. В.В.Курейчика

352. Ученый секретарь НИИ ИТ и САПР МИННАУКИ I "этом, экономический эффектдиссертационнойк.т.н.1. И.Б. Фоминых

353. МИНИСТЕРСТВО НАУКИ И ТЕХНОЛОГИЙ РОССИЙСКОЙ ФЕДЕРАЦИИ1. РОССИЙСКАЯ АКАДЕМИЯ НАУК

354. ВСЕРОССИЙСКИЙ ИНСТИТУТ НАУЧНОЙ И ТЕХНИЧЕСКОЙ ИНФОРМАЦИИ СПЕЦИАЛЬНОЕ КОНСТРУКТОРСКОЕ БЮРО140000, г. Люберцы, Московская область, ул. Волковская, д. 69 Факс. [phone] Тел. [phone] Бухгалтерия 554 74 22 Отдел снабжения 554 74 88зол шо №тМ/н

355. Следует отметить, что работы В. В. Курейчика достаточно известны кругу специалистов в области автоматизации проектирования и представляют научный интерес, как для разработчиков, так и для пользователей современных интеллектуальных САПР.

356. Зам. начальника СКБ ВИНИТИ по научной работе главный инженер1. В. Ф. Каплин1. МПС РФ

357. Всероссийский научно-исследовательский и проектно-конструкторский институт информатизации,автоматизации и связи Министерства путей сообщения

358. Результаты диссертационной работы В.В.Курейчика представляют штерес и вносят определенный вклад в развитие теории и практики штоматизации проектирования.

359. Директор Ростовскою Филиала ВНИИАС МЙС1. А.Н.Шабельников1. УТВЕРЖДАЮ

360. Президент отделения ИСиС МАИ у "''^акщ^мт МАИ В.Г. Лазаревт у-. „ ,и в&ЯМЦ 2000 г.1. АКТо внедрении результатов докторской диссертации Курейчика В.В.

361. Зав. кафедрой Прикладной математики МЭИ (ТУ)д.т.н., проф. Кутепов В.П.

362. Лектора курсов: д.т.н., проф д.т.н., проф1. Еремеев А.П. Вагин В.Н.1. Утверждаю»1. АКТ

363. О внедрении результатов докторской диссертации Курейчика В.В.

364. Разработка теории и исследование эволюционных, синергетических игомеостатических методов принятия решений» в учебный процесс

365. Таганрогского государственного радиотехнического университета

366. Указанные результаты используются при чтении следующих курсов на кафедре САПР: «Математические основы дискретной техники», «Методы оптимизации», «Методы генетического поиска».

367. Указанные результаты включены в дисциплины: «Микропроцессорные информационно-управляющие системы», «САПР».