Системно-когнитивный анализ в управлении АПК тема диссертации и автореферата по ВАК РФ 08.00.13, доктор экономических наук Луценко, Евгений Вениаминович

• Луценко, Евгений Вениаминович
• доктор экономических наук
• 2003

Оглавление диссертации доктор экономических наук Луценко, Евгений Вениаминович

ВВЕДЕНИЕ.

ГЛАВА 1. ПРОБЛЕМА УПРАВЛЕНИЯ АКТИВНЫМИ ОБЪЕКТАМИ АПК И ИДЕЯ ЕЕ РЕШЕНИЯ.

1.1. ПРОБЛЕМА УПРАВЛЕНИЯ АКТИВНЫМИ ОБЪЕКТАМИ АПК.

1.2. ТРЕБОВАНИЯ К МЕТОДАМ РЕШЕНИЯ ПРОБЛЕМЫ И КРИТЕРИИ ИХ СРАВНЕНИЯ.

1.3. ТРАДИЦИОННЫЕ ПУТИ РЕШЕНИЯ ПРОБЛЕМЫ И ИХ ОГРАНИЧЕНИЯ.

1.4. ИДЕЯ РЕШЕНИЯ ПРОБЛЕМЫ.

1.5. ВЫВОДЫ.

ГЛАВА 2. МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ СК-АНАЛИЗА В УПРАВЛЕНИИ АПК.

2.1. СИСТЕМНЫЙ АНАЛИЗ, КАК МЕТОД ПОЗНАНИЯ.

2.2. КОГНИТИВНАЯ КОНЦЕПЦИЯ И СИНТЕЗ КОГНИТИВНОГО КОНФИГУРАТОРА.

2.3. АСК-АНАЛИЗ, КАК СИСТЕМНЫЙ АНАЛИЗ, СТРУКТУРИРОВАННЫЙ ДО УРОВНЯ БАЗОВЫХ КОГНИТИВНЫХ ОПЕРАЦИЙ.!.

2.4. МЕСТО И РОЛЬ СК-АНАЛИЗА В СТРУКТУРЕ УПРАВЛЕНИЯ АПК.

2.5. ВЫВОДЫ.

ГЛАВА 3. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ СК-АНАЛИЗА.

3.1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ СИСТЕМНОЙ ТЕОРИИ ИНФОРМАЦИИ.

3.2. СЕМАНТИЧЕСКАЯ ИНФОРМАЦИОННАЯ МОДЕЛЬ АСК-АНАЛИЗ А.

3.3. НЕКОТОРЫЕ СВОЙСТВА МАТЕМАТИЧЕСКОЙ МОДЕЛИ (СХОДИМОСТЬ, АДЕКВАТНОСТЬ, УСТОЙЧИВОСТЬ И ДР.).

3.4. ВЗАИМОСВЯЗЬ МАТЕМАТИЧЕСКОЙ МОДЕЛИ СК-АНАЛИЗА С ДРУГИМИ МОДЕЛЯМИ.

3.5. ВЫВОДЫ.

ГЛАВА 4. ЧИСЛЕННЫЙ МЕТОД СК-АНАЛИЗА.

4.1. ПРИНЦИПЫ ФОРМАЛИЗАЦИИ ПРЕДМЕТНОЙ ОБЛАСТИ И ПОДГОТОВКИ ЭМПИРИЧЕСКИХ ДАННЫХ.

4.2. ИЕРАРХИЧЕСКАЯ СТРУКТУРА ДАННЫХ И ПОСЛЕДОВАТЕЛЬНОСТЬ ЧИСЛЕННЫХ РАСЧЕТОВ ВСК-АНАЛИЗЕ.

4.3. ОБОБЩЕННОЕ ОПИСАНИЕ АЛГОРИТМОВ АСК-АНАЛИЗА.

4.4. ДЕТАЛЬНЫЕ АЛГОРИТМЫ СК-АНАЛИЗА.

4.5. ВЫВОДЫ.

ГЛАВА 5. СПЕЦИАЛЬНЫЙ ПРОГРАММНЫЙ ИНСТРУМЕНТАРИЙ АСК-АНАЛИЗА - СИСТЕМА "ЭЙДОС".

5.1. НАЗНАЧЕНИЕ И СОСТАВ СИСТЕМЫ "ЭЙДОС".

5.2. ПОЛЬЗОВАТЕЛЬСКИЙ ИНТЕРФЕЙС, ТЕХНОЛОГИЯ РАЗРАБОТКИ И ЭКСПЛУАТАЦИИ . ПРИЛОЖЕНИЙ В СИСТЕМЕ "ЭЙДОС".

5.3. ТЕХНИЧЕСКИЕ ХАРАКТЕРИСТИКИ И ОБЕСПЕЧЕНИЕ ЭКСПЛУАТАЦИИ СИСТЕМЫ "ЭЙДОС" (ВЕРСИИ 7.3).

5.4. АСК-АНАЛИЗ, КАК ТЕХНОЛОГИЯ СИНТЕЗА И ЭКСПЛУАТАЦИИ РЕФЛЕКСИВНЫХ АСУ АКТИВНЫМИ ОБЪЕКТАМИ В АПК.

5.5. ВЫВОДЫ.

ГЛАВА 6. ОПЫТ ПРИМЕНЕНИЯ АСК-АНАЛИЗА В УПРАВЛЕНИИ АПК.

6.1. ОБЗОР ОПЫТА ПРИМЕНЕНИЯ АСК-АНАЛИЗА ДЛЯ УПРАВЛЕНИЯ В АПК И ИССЛЕДОВАНИЯ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ СИСТЕМ.

6.2. ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ ПО ВЫБОРУ АГРОТЕХНОЛОГИЙ, КУЛЬТУР И ПУНКТОВ ВЫРАЩИВАНИЯ.

6.3. ПРОГНОЗИРОВАНИЕ ДИНАМИКИ СЕГМЕНТА РЫНКА.

6.4. АНАЛИЗ ДИНАМИКИ МАКРОЭКОНОМИЧЕСКИХ СОСТОЯНИЙ ГОРОДОВ И РАЙОНОВ НА УРОВНЕ СУБЪЕКТА ФЕДЕРАЦИИ В ХОДЕ ЭКОНОМИЧЕСКОЙ РЕФОРМЫ (НА ПРИМЕРЕ КРАСНОДАРСКОГО КРАЯ) И ПРОГНОЗИРОВАНИЕ УРОВНЯ БЕЗРАБОТИЦЫ (НА ПРИМЕРЕ ЯРОСЛАВСКОЙ ОБЛАСТИ).

6.5. ВЫВОДЫ.

ГЛАВА 7. ЭКОНОМИЧЕСКАЯ ЭФФЕКТИВНОСТЬ АСК-АНАЛИЗА, ЕГО ОГРАНИЧЕНИЯ И ПЕРСПЕКТИВЫ

7.1. МЕТОДИКА ОЦЕНКИ ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ АСК-АНАЛИЗА (НА ПРИМЕРЕ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПО ВЫБОРУ АГРОТЕХНОЛОГИЙ, КУЛЬТУР И ПУНКТОВ ВЫРАЩИВАНИЯ).

7.2. ОГРАНИЧЕНИЯ АСК-АНАЛИЗА И ОБОСНОВАННОЕ РАСШИРЕНИЕ ОБЛАСТИ ЕГО ПРИМЕНЕНИЯ НА ОСНОВЕ НАУЧНОЙ ИНДУКЦИИ.

7.3. ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ АСК-АНАЛИЗА В УПРАВЛЕНИИ АПК.

7.4. РАЗВИТИЕ АСК-АНАЛИЗА.

7.5. ВЫВОДЫ.

Введение диссертации (часть автореферата) на тему «Системно-когнитивный анализ в управлении АПК»

На основе предложенного системного обобщения семантической теории информации разработан новый математический метод экономики и соответствующий инструментарий: автоматизированный системно-когнитивный анализ (АСК-анализ), обеспечивающий анализ, прогнозирование и управление экономическими, технологическими и социальными объектами АПК на уровне региона, сегмента рынка, отрасли и хозяйства.

Агропромышленный комплекс (АПК) представляет собой реальный сектор экономики, во многом определяющий продовольственную безопасность и само существование страны. Поэтому разработка новых, адекватных подходов к управлению в АПК относится к приоритетным направлениям экономической науки и практики. Однако, управление объектами АПК всегда представляло собой определенную проблему, имеющую комплексную, межотраслевую природу. Причем, проблему представляет и постановка целей управления, и принятие решений по выбору управляющих воздействий, таким образом проблема расширяется до проблематики.

Цель производства в АПК в нашей стране традиционно формулировалась примерно так: "Произвести максимальное количество продукции", причем при том часто подразумевалось, а иногда и произносилось: "Любой ценой". Такая цель была естественной в условиях хронического недопроизводства сельскохозяйственной продукции. Но в последние годы ситуация в этом плане меняется, наблюдается перепроизводство некоторых видов продукции (например, зерновых колосовых в Краснодарском крае в 2002 году) и актуальным является разработка относительно новых подходов к постановке целей производства в АПК исходя из получения максимальной прибыли.

В данном исследовании предполагается, что целью каждого производителя является получение максимальной прибыли, достичь чего он может путем производства и реализации на рынке наиболее рентабельных видов продукции в необходимых объемах. Таким образом, глобальная цель - получение максимальной прибыли трансформируется (путем декомпозиции) в ряд задач: прогноз динамики рынка сельскохозяйственной продукции (по сегментам), в частности прогноз спроса и цен на эту продукцию (по видам) в различных регионах; прогноз возможностей предложения для конкретного производителя по каждому виду продукции в натуральном и стоимостном выражении (определение потенциала пунктов выращивания: для каждого пункта выращивания прогнозирование количественных и качественных результатов выращивания каждой культуры; для каждого пункта выращивания и культуры выработка рекомендаций по выбору агротехнологии, с учетом приоритета ее количества или качества). В связи с тем, что решение этих задач с помощью стандартных математических методов и инструментария математической экономики проблематично, в данном исследовании предлагается новый подход: применение АСК-анализа для прогнозирования динамики рынка и поддержки принятия решений по выбору культур, пунктов выращивания и агротехнологий. Когда цель определена можно предметно ставить вопрос о пути ее достижения, т.е. о поддержке принятия решений по выбору управляющих воздействий (способа управления).

Выбор способа управления объектами АПК также традиционно представляют собой проблему. Среди основных причин этой проблемы прежде всего необходимо отметить следующие: многопараметрический, активный характер самого объекта управления; малоисследованный характер реагирования объекта управления на управляющие факторы; комплексный многофакторный характер управляющих воздействий; очень большая длительность цикла управления; неполнота (фрагментарность), неточность, зашумленность и исходной информации, отсутствие доступа к ней; отсутствие электронных баз данных, которые могли бы стать основной для современных систем поддержки принятия управленческих решений. В настоящее время созданием таких баз данных занимаются только энтузиасты, не имеющие государственной поддержки.

Рассмотрим подробнее некоторые свойства объекта управления в АПК, являющиеся причинами названных проблем.

Первая причина — слабодетерминированностъ и многопараметричность объекта управления. Для адекватного описания объектов управления в АПК необходимо использовать тысячи факторов различной природы, но на практике это сделать очень сложно. Поэтому, в одних исследованиях учитывается влияние климатических факторов на количественные и качественные результаты выращивания сельскохозяйственных культур (агрометеорология), в других влияние агротехнологий, в третьих влияние почв, предшественников (севооборот), структуры и организации машинно-тракторного парка, финансовых и материальных потоков (логистика) и т.д., и т.д. Сами агротехнологии также включают массу различных факторов: способы вспашки; количество, виды и способы внесения удобрений; нормы высева, полива и т.д.

Однако ни одна из этих групп факторов не является определяющей в получении хозяйственного результата (слабодетерминированность). Дело усложняется тем, что исследования каждой группы факторов проводятся обычно разрозненными группами ученых, на разных кафедрах, в различных научно-исследовательских институтах. Так ученые, изучающие влияние лимитирующих климатических факторов с учетом генетического потенциала и пофазного развития сортов и культур не имеют исходной информации для изучения влияния агротехнологий, и наоборот, специалисты по агротехнологиям не имеют климатических баз данных, геоинформационных технологий, и соответственно, возможности учета климатических факторов. И у первых, и у вторых возникают проблемы, связанные с нелинейным системным взаимодействием факторов, а также огромными размерностями математических моделей.

Вместе с тем недоучет в системе управления каких-либо существенных факторов приводит к неадекватности модели объекта управления и приводит к нецелевым (неожиданным и часто нежелательным) результатам управления.

Эти причины создают ряд сложностей в исследовании объекта управления и его математическом моделировании.

В результате решения о размещении садов и выборе сортов для выращивания принимаются по данным эмпирических испытаний в отдельных точках, чаще всего привязанных к крупным плодовым хозяйствам без возможности проводить испытание всего набора культур и без учета и анализа адаптивного и природно-ресурсного потенциала конкретного пункта выращивания. Подобный подход к принятию ответственных решений приводит к тому, что культуры выращиваются не там, где для этого есть природные условия, а там, где имеется необходимая инфраструктура (населенные пункты), в результате, например, ни один сортоучасток в Краснодарском крае не дает урожай абрикосов больше 4-х раз в 10 лет. Аналогично обстоит дело и с выбором культур для выращивания на полях, а также с выбором агротехнологий для их выращивания.

Для решения перечисленных проблем необходимо принимать решения на основе системного подхода, основным требованием которого является требование полноты и всесторонности рассмотрения. Системный подход недостаточно применяется для принятия решений в АПК не потому, что необходимость этого не в полной мере осознают ученые и руководители, а по ряду объективных причин, препятствующих этому. Среди этих причин в первую очередь необходимо отметить следующие:

1. Отсутствие централизованного финансирования и ведомственную разобщенность исследователей и разработчиков.

2. Практически полное отсутствие доступа исследователей и разработчиков к необходимой исходной информации.

3. Отсутствие математических моделей, численных методов и инструментария, обеспечивающих обработку многофакторных системно взаимодействующих, неполных (фрагментарных), неточных и зашумленных исходных данных.

В данном исследовании поставлена задача решения этих проблем, предложен и широко апробирован вариант их решения.

Вторая причина — активность объекта управления. Под активными объектами (АО) и системами в данном исследовании понимаются объекты, имеющие собственную систему целеполагания и принятия решений, а также адаптивную модель предметной области, включая модели самого себя (т.е. АО являются рефлексивными) и управляющих систем различного уровня и назначения, которые воздействуют на активный объект как на объект управления.

К активным объектам относятся прежде всего люди и системы с их участием: это экономические системы различного уровня иерархии от экономики страны и сегмента рынка или отрасли до конкретного предприятия, технологические и организационно-технические системы, человеко-машинные, экологические и человеко-природные системы, а также различные социальные, возрастные, профессиональные и иные группы населения, электорат, социум, организационно-технические, экипажи, а также сложные и интеллектуальные технические системы с параметрами, качественно изменяющимися в процессе штатной эксплуатации.

Традиционно управление активными системами осуществляется на основе подходов, разрабатываемых в экономике, социологии, политологии и психологии, "тяготеющих к гуманитарному полюсу". При этом огромный опыт управления техническими и организационными системами, накопленный в теории и практике автоматизированных систем управления (АСУ), остается, по мнению автора, недостаточно востребованным.

Задачи создания АСУ активными объектами управления (АОУ) относятся к важнейшим для жизни общества, однако корректно ставить и решать подобные задачи стало возможным лишь в последнее время благодаря бурному развитию ряда новых перспективных научных направлений: "интеллектуальный анализ данных", "интеллектуальное управление", "нейронные сети", "генетические алгоритмы", "когнитивное моделирование" и ряда других. Весьма существенно, что сами эти новые научные направления могут рассматриваться как "плоды системного эффекта", возникающего на границах научных направлений в результате междисциплинарного взаимодействия.

В этом взаимодействии есть два направления: распространение естественно-научных методов, прежде всего математики и кибернетики, в традиционно гуманитарную сферу; распространение научных результатов и идей, полученных в гуманитарной сфере, в традиционный ареал естественных наук. В данной работе предпринята попытка "наведения новых мостов" в этом междисциплинарном диалоге, за которым стоит диалог гуманитарного и естественно-научного "полюсов науки".

Управление активными объектами имеет ярко выраженную специфику и ряд существенных отличий от традиционного управления техническими объектами, как по способам математического моделирования объекта управления и принятия решения о выборе управляющих воздействий, так и по способу оказания управляющих воздействий. Причина этого состоит в том, что активные системы развиваются путем чередования детерминистских и бифуркационных этапов. На детерминистских этапах поведение системы жестко предопределено, а после прохождения точек бифуркации - оно в высокой степени неопределенно.

Традиционно (И.Пригожин с соавт.) считается, что в точке бифуркации поведение системы случайно. Предлагается обобщить это понимание, считая, что на бифуркационных этапах осуществляется принятие решений, а на детерминистских — их реализация (случайный выбор есть лишь один из вариантов принятия решений, оптимальный лишь в случае полного отсутствия априорной информации). Таким образом, на бифуркационных этапах определяются закономерности, задающие поведение системы на детерминистских этапах, это означит, что в точках бифуркации система изменяется качественно (революционно), а на детерминистских этапах — лишь количественно (эволюционно).

Например, в цикле управления выращиванием сельхозкультур, имеющем годичную продолжительность, перед посадкой принимается решение по выбору культуры и агротехнологий, а затем до уборки реализуется это решение.

Для создания АСУ активными объектами (системами) необходимо осуществить синтез математической модели предметной области, а затем поддерживать ее адекватность при переходе объекта управления через точки бифуркации, которые происходят достаточно часто на протяжении жизненного цикла АСУ. Из вышеизложенного следует, что для этого поддержания адекватности необходим периодический синтез модели АОУ при каждом прохождении системы через точку бифуркации, т.к. в этом случае адаптации (количественного уточнения существующей модели) уже недостаточно.

Однако, в связи с тем, что активные объекты значительно сложнее классических технических и законы их поведения динамичны, в отличие от неизменных физических законов, детерминирующих поведение классических технических объектов, осуществлять периодический синтез математической модели АОУ в режиме реального времени традиционными методами весьма проблематично.

С целью создания благоприятных условий для периодического синтеза математической модели АОУ в режиме реального времени непосредственно в процессе управления, необходимо включить процесс познания в цикл управления, в качестве периодически выполняемого этапа. Сделать это предлагается в форме автоматизированного инструмента для исследования (познания) предметной области, обеспечивающего выявление, изучение и отражение в математической модели качественно новых закономерностей, управляющих поведением АОУ после прохождения им точки бифуркации.

При этом в качестве методологии целесообразно использовать системный анализ (СА), т.к. одним из основных его требований является полнота и всесторонность рассмотрения, а из теории автоматизированных систем управления АСУ) хорошо известно, что недоучет в математической модели существенных факторов приводит к неадекватности модели и управления.

Однако, применение системного анализа в неформализованном и неавтоматизированном варианте для управления активными объектами в реальном времени весьма проблематично по причине огромной трудоемкости обработки значительных объемов информации в условиях жестких временных ограничений.

Использование известных в настоящее время программных систем не позволяет решить эту задачу по следующим причинам:

1. Математические модели разработаны не для всех этапов С А, в связи с чем некоторые из них на данный момент остаются неформализованными.

2. Существующие математические модели основываются на различных математических подходах.

3. Не для всех математических моделей разработаны доступные программные средства.

4. Имеющиеся программные системы сложно приобрести.

5. Эти системы разработаны на основе различного инструментария, идеологий, интерфейсов, платформ и не образуют целостного программного обеспечения, т.е. единого метода и инструментария системного анализа. Это порождает сложности: инсталляции различных программных систем в единой операционной среде на одном компьютере; передачи данных между программными системами (отсутствие программных интерфейсов, несовместимость по стандартам и структурам баз данных).

Как это не парадоксально, но приходится констатировать, что автоматизация системного анализа велась не системно. И путь максимальной детализации системного анализа способствовал обострению этой ситуации.

Из всего вышесказанного возникает идея комплексной автоматизации системного анализа на единой методологической, математической, алгоритмической и инструментальной основе. В этой связи необходимо отметить, что впервые понятие автоматизированного системного анализа (АСА) предложено В.П.Стабиным в 1984 году [298].

Итак, в данной работе ставится проблема обеспечения устойчивого управления слабодетерминированными многопараметрическими активными объектами АПК как на детерминистских, так и на бифуркационных этапах их развития.

Решение этой проблемы осуществляется путем разработки математического метода и соответствующего инструментария автоматизации системного анализа, как метода познания, т.е. путем декомпозиции системного анализа до уровня базовых когнитивных операций, разработки теоретических основ, инструментария и методики применения АСК-анализа, включения АСК-анализа в непосредственно в цикл управления АОУ. Весьма примечательно, что к этому решению подводит анализ объекта управления в АПК, и как многопараметрической, и как активной системы.

Выдвигается гипотеза, что это позволит обеспечить устойчивое управление активными объектами как на детерминистских, так и на бифуркационных этапах их развития.

Сказанным определяются объект и предмет исследования.

Объектом исследования является управление объектами АПК.

Предметом - управление активными объектами в АПК на основе автоматизированного системно-когнитивного анализа.

Работа выполнена на кафедре компьютерных технологий и систем факультета прикладной информатики Кубанского государственного аграрного университета в рамках темы Министерства сельского хозяйства РФ №18 "Разработать предложения по основным направлениям повышения эффективности регионального АПК", номер государственной регистрации 01200113474, раздел 18.14: "Совершенствование информационного обеспечения управления АПК Краснодарского края с использованием современных информационных технологий", а также при выполнении грантов:

- "ИННО-РФФИ" № 02-04-08080 "Модифицирование и коммерциализация методов компьютерной оценки ресурсного потенциала территорий и адаптивности генотипов для оптимизации размещения и зональных технологий с.х.культур";

- "Инициативный научный проект" № 02-05-64234 "Разработка теории многокритериальной оценки ландшафтных и метеорологических характеристик Юга России для увеличения продуктивности плодовых культур на основе создания системы банков данных и компьютерного моделирования";

- "РФФИ - Юг России (а)" № 030496069.Р2003-ЮГа "Создание системы мониторинга, прогнозирования, анализа и поддержки управленческих решений по продуктивности плодовых культур на основе электронных баз данных";

- "РФФИ - Юг России (в)" № 030796001.Р2003-ЮГв "Разработка новой методологии районирования сортов сельскохозяйственных культур на основе системного подхода при анализе и математическом прогнозе их жизнеобеспечения и продуктивности".

Кроме того тема исследования соответствует Постановлению Правительства РФ от 28.05.96 "О приоритетных направлениях развития науки и техники и критических технологиях", в части приоритетных направлений "Информационные технологии и электроника" и "Производственные технологии": компьютерное моделирование (теоретические основы и инструментарий для проведения математического эксперимента, включая новые вычислительные модели для задач естественных и гуманитарных наук, эффективные численные методы для реализации таких моделей); искусственный интеллект (интеллектуальные системы поддержки принятия решений на основе неклассических логик и интеллектуального интерфейса /в т.ч. когнитивной графики/, интегрированные экспертные системы, основанные на знаниях, методы и средства выявления и представления знаний, методы правдоподобных рассуждений, объединяющих индукцию, аналогию и абдукцию, их применение в интеллектуальных системах); распознавание образов (математические методы и инструментальные средства широкого назначения и для решения индивидуальных, нестандартных или особо важных задач распознавания, прогнозирования и анализа в различных предметных областях); информационная поддержка технологии (модели жизненного цикла продукции, производственных процессов и среды).

Цель и задачи исследования. Целью работы является разработка методологии, математической модели и численного метода, соответствующего специального программного инструментария АСК-анализа, технологии и методики его применения для управления активными объектами АПК.

Для достижения цели в работе решены следующие задачи: 1) разработка схемы СА, ориентированного на интеграцию с когнитивными технологиями; 2) разработка формализуемой когнитивной концепции, выявление БКО, структуризация СА до уровня БКО, разработка обобщенного алгоритма АСК-анализа; 3) разработка математической модели АСК-анализа; 4) разработка численного метода, реализующего математическую модель (конструирование структур данных и алгоритмов БКОСА и визуализации когнитивной графики); разработка детального алгоритма АСК-анализа; 5) создание специального программного обеспечения, реализующего предложенные математическую модель и численные метод АСК-анализа, т.е. создание инструментария АСК-анализа; 6) разработка методики синтеза рефлексивных АСУ активными объектами АПК; 7) синтез и эксплуатация компонент рефлексивных АСУ активными объектами АПК на основе технологии и инструментария АСК-анализа в экономике и других предметных областях.

Методы исследований. Научные исследования работы основывались на теоретических и экспериментальных методах. Теоретические методы: системный анализ, когнитивный анализ, теория информации, теория принятия решений, теория распознавания образов, теория активных систем, теория рефлексивного управления, теория автоматизированных систем управления, математическая статистика, линейная алгебра, когнитивная психология, логика, гносеология. Экспериментальные методы: численный эксперимент, измерения внутренней и внешней, дифференциальной и интегральной валидности предложенных моделей.

Достоверность и обоснованность основных научных положений и практических результатов исследования подтверждается тем, что разработанная автором системная теория информации (СТИ) имеет четкую методологическую основу, построена на достоверных, проверяемых общеизвестных фактах (явлении интерференции последствий выбора). Предложенная математическая модель и численный метод, реализованные в программном инструментарии, исследуются и верифицируются на адекватность в каждом конкретном исследовании на основе АСК-анализа. Формализуемая когнитивная концепция обоснована методологически и фактологически. Применена комплексная методика исследования, обеспечивающая взаимопроверяемость, сопоставимость данных полученных в различных исследованиях, проведенных с применением АСК-анализа. Применен апробированный математический аппарат. Постановка задач корректна, предложенные методы решения рассматриваемых в работе задач обоснованы. Получены оправданные, наглядные и интуитивно-убедительные результаты, совпадающие с уже известными экспертам при проведении исследовании с помощью АСК-анализа уже ранее изученных другими методами предметных областей. АСК-анализ, его технология и инструментарий обеспечивают накопление и анализ как положительного, так и отрицательного опыта. В работе приводятся 2 численных примера из различных предметных областей, основанные на обработке фактологического материала, включающего около 2 млн. фактов опыта. Успешная эксплуатация созданного специального программного инструментария АСК-анализа и технологии его применения подтверждена 17 актами внедрения (за 1987 - 2002 годы).

В работе предлагаются:

1. Формализуемая когнитивная концепция и следующий из нее когнитивный конфигуратор (т.е. минимальный полный набор БКО, к которым сводятся различные процессы познания), состоящий из десяти БКО.

2. Теоретические основы, методология, технология и методика АСК-анализа.

3. Математическая модель АСК-анализа, основанная на системном обобщении семантической меры целесообразности информации А.Харкевича.

4. Численный метод, в универсальной форме реализующий математическую модель АСК-анализа, включающий иерархическую структуру данных и 24 детальных алгоритма 10 БКОСА.

5. Специальное инструментальное программное обеспечение, реализующее математическую модель и численный метод АСК-анализа — Универсальная когнитивная аналитическая система "Эйдос".

6. Методика и технология синтеза рефлексивных АСУ на основе АСК-анализа, в частности в области управления выращиванием сельхозкультур и прогнозирования динамики рынка.

7. Технологии и результаты применения специального инструментария для решения задач управления в АПК:

- поддержка принятия решений по выбору агротехнологий, культур и пунктов выращивания;

- прогнозирование развития различных сегментов рынка РФ;

- анализ динамики макроэкономических состояний городов и районов на уровне субъекта федерации в ходе экономической реформы (на примере Краснодарского края) и прогнозирование уровня безработицы (на примере Ярославской области).

Научная новизна работы состоит в следующем:

1. Предложен новый подход к автоматизации системного анализа, основанный не на его максимальной детализации (традиционный подход), а на идее рассмотрения системного анализа как процесса познания (мышления).

2. В рамках предложенного подхода разработана формализуемая когнитивная концепция. Она обеспечивает: формализацию понятия "смысл" за счет дискретно-интегрального представления фактов опыта и адекватное отражение иерархической структуры когнитивных процессов, а также структуризацию процессов познания по базовым когнитивным операциям системного анализа (БКОСА).

3. Предложены и введены в научный оборот новые понятия: "Кластерно-конструктивный анализ" (кластеры рассматриваются как полюса конструктов, снимается проблема комбинаторного взрыва при формировании конструктов); "Базовые когнитивные операции системного анализа" (БКОСА); "Когнитивный конфигуратор" (минимальный набор БКОСА, достаточный для представления различных процессов познания); "СК-анализ" (системно-когнитивный анализ, как системный анализ, структурированный до уровня БКОСА); "АСК-анализ" (автоматизированный СК-анализ); "Интерференция последствий выбора" (системное нелинейное взаимодействие факторов и альтернативных вариантов выбора, приводящее к качественно новой картине последствий, не сводящееся к сумме последствий альтернативных вариантов выбора); "Семантическая когнитивная сеть".

4. Предложена обобщенная структура СК-анализа и доказано, что он представляет собой необходимую и достаточную базу для формализации и автоматизации системного анализа на базе новых информационных технологий.

5. Предложено изменение (обобщение) трактовки известных понятий: "Состояние бифуркации"; "Детерминистское состояние"; "Адаптация и синтез модели". На их основе разработана обобщенная модель детерминистско-бифуркационной динамики активных объектов АПК.

Состояние бифуркации" и "Детерминистское состояние" рассматриваются не как состояния с высокой и низкой неопределенностью поведения системы (И.Пригожин с соавт.), а как состояния принятия и реализации решений, качественного и количественного изменения закономерностей поведения системы. Под адаптацией модели в работе понимается только ее количественные изменения, а под синтезом - качественные изменения модели или ее создание.

6. Предложен вариант системной теории информации (СТИ), в рамках которой получено аналитическое выражение для системной меры целесообразности информации. В данной мере впервые непосредственно в аналитическом выражении для самого понятия "Информация" отражены такие фундаментальные свойства систем, как "Уровень системности" и "Степень детерминированности" системы. Кроме того это выражение (как и формула Шеннона) удовлетворяет принципу соответствия с выражением Хартли в детерминистском случае (что снимает противоречие между семантической теорией информации Харкевича и классической теорией информации Шеннона), учитывает понятия цели (что принципиально важно для системного анализа и управления) и мощность множества будущих состояний объекта управления, обеспечивает формализацию смысла на основе дискретно-интегрального описания предметной области, сопоставимость в пространстве-времени. Эти свойства системной меры целесообразности информации свидетельствуют о ее оптимальности как основы математической модели управления активными объектами АПК. Показана взаимосвязь предложенной меры с понятием эластичности, широко применяемым в экономических исследованиях.

7. На основе СТИ разработана математическая модель слабодетермини-рованных многофакторных активных объектов АПК, относящаяся к классу семантических информационных моделей. Данная модель обеспечивает формализацию БКОСА (в т.ч. решение прямых и обратных задач идентификации и прогнозирования, задач кластерно-конструктивного анализа), автоматизированный синтез обобщенных таблиц решений на основе непосредственно эмпирических данных, вывод информации о механизмах принятия решений в форме обобщенных правил логического вывода (с расчетной степенью истинности посылок, импликаций и существования заключений).

В данной модели обоснована разложимость вектора текущего состояния объекта управления по векторам классов, в т.ч. векторам будущих состояний (объектный анализ); предложена новая информационная мера уровня системл ности предметной области, связанная с мерой с мерой X .

8. На базе математической модели разработан численный метод реализации АСК-анализа, включающий иерархическую структуру баз данных и детальные алгоритмы БКОСА.

9. Создан инструментарий АСК-анализа — система "Эйдос". Разработана методика и технологии применения инструментария АСК-анализа для управления в АПК.

10. Продемонстрировано успешное применение АСК-анализа при принятии решений и управлении агротехнологиями, прогнозировании динамики рынка в АПК Краснодарского края.

11. В развитие обоснованных в работе теоретических положений в порядке научной дискуссии высказаны идеи многополюсных конструктов и континуального обобщения АСК-анализа на основе нечеткой логики.

Теоретическая значимость исследования подтверждается:

- успешной формализацией базовых когнитивных операций, многие из которых совпадают с известными методами научного мышления: обобщение (синтез, индукция); абстрагирование; оценка адекватности; сравнение (внешнее и содержательное), идентификация и прогнозирование; дедукция и абдукция; классификация и формирование понятий (конструктов);

- изложением новых идей, которые эффективно работают в управлении АПК и подтверждены рядом аргументов в их пользу;

- приведением элементов научной теории, базирующихся на новых идеях: формулировкой новых гипотез; доказательством четырех теорем об аддитивности предложенной системной меры целесообразности информации в предложенном варианте СТИ; анализом исходных научных фактов, на основе которых исторически было сформировано понятие "Информация", расширением фактологической базы этого понятия, уточнением его содержания; созданием механизма автоматизированной интерпретации фактов опыта в семантической информационной модели, обеспечивающей автоматическую генерацию выводов, анализ тенденций, учет факторов и условий и т.д.;

- открытием нового ранее неизвестного "Закона повышения эмерджент-ности", описывающего ускоренное возрастание доли системной информации в объекте при увеличении количества его элементов, а также трех следствий из него (в рамках СТИ);

- формулировкой гипотез "О природе сложности системы" и "О видах системной информации": сложность системы определяется количеством содержащейся в ней информации; системная информация включает две составляющих: зависящее от количества элементов системы и зависящее также от характера взаимосвязей между элементами (в рамках СТИ);

- вычленением новой перспективной проблемы, подлежащей дальнейшему исследованию: применение технологии АСК-анализа для создания online многоагентных распределенных систем обнаружения, накопления и использования знаний в Internet, что действительно может превратить "мировую паутину" в "мировой (коллективный) разум" и может явится качественно новым шагом на пути эволюции ноосферы.

Практическая значимость проведенного исследования состоит в разработке инструментария АСК-анализа - Универсальной когнитивной аналитической системы "Эйдос", технологии и методики ее использования, обеспечивающих: создание автоматизированных систем мониторинга, идентификации (прогнозирования) состояний активных объектов АПК и управления ими; надежную эксплуатацию этих систем в промышленном режиме при массовой обработке информации; углубленный интеллектуальный анализ данных в АПК.

Реализация результатов. Опыт применения АСК-анализа подтверждает эффективность его применения в следующих предметных областях: социологические и политологические исследования, анализ общественного мнения (Краснодарский сектор Института социологических исследований АН СССР, Краснодарский краевой агропромышленный комитет, Академия государственной службы при Президенте РФ, Краснодарский государственный институт культуры, Информационно-аналитический центр администрации Краснодарского края, Аналитический центр администрации Ярославской области и др.); проектирование адаптивных АСУ сложными техническими объектами (Государственное предприятие особое конструкторское бюро "Икар", Кубанский государственный технологический университет); решение ряда задач управления качеством подготовки специалистов (Краснодарский юридический институт МВД РФ); идентификация и анализ макроэкономических состояний городов и районов Краснодарского края и края в целом на основе оценки значимости индикаторов макроэкономики и применения методов статистической теории информации и искусственного интеллекта (Департамент экономики и прогнозирования администрации Краснодарского края); прогнозирование результатов применения агротехнологий и управление выращиванием сельскохозяйственных культур (Кубанский государственный аграрный университет); прогнозирование успешности будущей профессиональной деятельности в экстремальных ситуациях в условиях высокой ответственности и дефицита времени (Северокавказская региональная поисково-спасательная служба Государственного комитета РФ по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий МЧС, АО "Новошип" Новороссийское морское пароходство), решение задач Центра Правительственной связи в Краснодарском крае.

Все проведенные исследования являются составной частью плановых и договорных НИР и ОКР, принятых заказчиками.

Апробация работы. Основные положения и результаты данной работы докладывались и обсуждались на 22 международных, всесоюзных, всероссийских семинарах и симпозиумах: Всесоюзная научно-практическая конференция "Проблемы управления развитием городов" (Краснодар, 1985); VIII Всесоюзный съезд психологов (Москва, 1989); Всероссийская конференция "В.И.Вернадский и современность /к 130-летию со дня рождения/" (Краснодар, 1993); IX научно-практическая конференция "Теоретические и прикладные проблемы социально-психологической и медико-педагогической службы" (Краснодар, 1995); Всероссийская научно-практическая конференция "Состояние и связи криминалистики и теории оперативно-розыскной деятельности ОВД" (Краснодар, 1995); Межвузовская научно-практическая конференция "Актуальные проблемы социально-правовой подготовки специалистов и перспективы совершенствования системы комплектования органов внутренних дел" (Краснодар, 1997); Всероссийская научно-практическая конференция "Актуальные проблемы социально-правовой подготовки специалистов и перспективы совершенствования системы комплектования ОВД" (Краснодар, 1997); Межвузовская конференция "Организация и методологические проблемы компьютеризации учебного процесса" (Краснодар, 1998); 1-я Всероссийская научно-техническая конференция "Компьютерные технологии в науке, проектировании и производстве" (Н.Новгород, 1999); III Всероссийская научно-техническая конференция "Информационные технологии и системы" (Воронеж, 1999); III международная открытая сессия "Modus Academicus": "Компьютерные технологии в науке и образовании XXI века" (Ульяновск, 1999); 1-я Всероссийская научно-техническая конференция "Теория конфликта и ее приложения" (Воронеж, 2000); 2-е Всероссийское совещание-семинар "Интеллектуальные информационные системы" (Воронеж, 2000); 2-я Международная выставка-конференция "Информационные технологии и телекоммуникации в образовании" (Москва, 2000); III международная научно-практическая конференция "Вековой поиск модели хозяйственного развития России" (Волжский, 2000); II, III и IV межвузовские научно-технические конференции "Проблемы совершенствования систем защиты информации, электроснабжения военных объектов и образовательных технологий подготовки специалистов" (Краснодар, 2000-2002); Всероссийская конференция "Опыт и проблемы совершенствования региональной системы дополнительного профессионального образования в области управления качеством" (Краснодар, 2001); Всероссийская конференция "Проблемы экономического и социального развития России" (Пенза, 2001); "Научное обеспечение современных технологий производства, хранения и переработки плодов и ягод в России и странах СНГ (Москва, 2002); IEEE International Conference on Artificial Intelligence System (ICAIS 2002 - Los Alamos, California, Washington-Brussels-Tokyo).

Публикации. По теме данной работы опубликовано: 63 научные работы, в том числе: 5 монографий; 1 стандарт, 1 методические указания, 50 научных статей, авторские права на созданное специальное программное обеспечение и структуры баз данных защищены 6 свидетельствами РосПатента РФ.

Структура и объем работы. Работа состоит из введения, семи глав с выводами к каждой из них, заключения, списка использованной литературы, содержащего 360 наименований, и 7 приложений. Работа изложена на 348 страницах машинописного текста и содержит: 33 таблицы, 185 рисунков, 87 нумерованных формул и 7 приложений на 79 страницах.

Во введении сформулированы объект и предмет исследования, его цель, проблема и задачи, обоснована актуальность, освещен научный аппарат, показана научная новизна и практическая значимость, дано краткое изложение основных идей, приведены сведения по апробации основных результатов данной работы.

В 1-й главе: "Проблема управления активными объектами АПК и идея ее решения" даны определения основных терминов, используемых в данной работе; поставлена проблема исследования; проанализированы традиционные подходы к решению проблемы и предложена концепция ее решения. Здесь ставится исследуемая проблема — обеспечения устойчивого управления многофакторными слабодетерминированными активными объектами АПК как на детерминистских, так и на бифуркационных этапах их развития. Показано, что существует две основных причины возникновения этой проблемы: во-первых, сложность создания математической модели слабодетерминированных многофакторных объектов; во-вторых, периодическая потеря адекватности математической модели при прохождении объектом управления точки бифуркации. Традиционно эти проблема решаются путем адаптации модели на основе апостериорной информации. Однако в данном случае этого недостаточно, т.к. необходимо качественное изменение модели, т.е. не адаптация, а синтез.

Сформулирована идея решения проблемы управления объектами АПК, предусматривающая периодический синтез модели активного объекта в режиме реального времени путем включения процесса познания непосредственно в цикл управления в качестве периодически выполняемого этапа. При этом управление активным объектом предусматривает мета-управление, т.е. управление теми условиями, на основе которых активный объект управления формирует цели и принимает решения. В АПК в управляемые объекты входят люди, имеющие свои цели и мотивации. Поэтому в качестве мета-управляющих факторов мо1уг рассматриваться факторы, ведущие к целям управляющей системы, совпадающим с целями объекта управления, а также факторы, корректирующие цели объекта управления в направлении их сближения с целями управления. В качестве инструмента автоматизации познания предлагается применить АСК-анализ.

Далее в главе сформулированы цель и задачи исследования, которые представляет собой этапы решения сформулированной проблемы.

Во 2-й главе: "Методологические основы АСК-анализа в управлении АПК" системный анализ рассматривается как метод познания, предложена когнитивная концепция, в рамках которой конструируется когнитивный конфигуратор — основа автоматизированного системно-когнитивного анализа (АСК-анализ), определяется его роль и место в структуре управления объектами АПК.

В этой главе реализован 1-й этап решения проблемы — разработка схемы СА, ориентированного на интеграцию с когнитивными технологиями с целью создания условий для дальнейшей автоматизации его этапов. Здесь же реализован 2-й этап решения проблемы — этап разработки формализуемой когнитивной концепции, выявление базовых когнитивных операций (БКО), структуризация системного анализа до уровня БКО, разработка обобщенного алгоритма системно-когнитивного анализа (АСК-анализа). Под АСК-анализом понимается системный анализ, структурированный до уровня базовых когнитивных операций.

1. Системный анализ представляет собой теоретический метод познания, современное воплощение конкретной диалектики. Перспектива его автоматизации состоит в интеграции с когнитивными технологиями.

2. Предлагаемая когнитивная концепция рассматривает процесс познания, как многоуровневую иерархическую систему обработки информации в которой когнитивные структуры каждого уровня являются результатом интеграции структур предыдущего уровня. Таким образом между структурами разных уровней иерархии существует отношение "дискретное - интегральное". Именно это служит основой формализации смысла. В рамках предложенной когнитивной концепции сконструирован когнитивный конфигуратор (терм.авт.), представляющий собой минимальную полную систему когнитивных операций, названных "базовые когнитивные операции системного анализа" (БКОСА). Всего выявлено 10 таких операций, каждая из которых достаточно элементарна для формализации и программной реализации: 1) присвоение имен; 2) восприятие; 3) обобщение (синтез, индукция); 4) абстрагирование; 5) оценка адекватности модели; 6) сравнение, идентификация и прогнозирование; 7) дедукция и абдукция; 8) классификация и генерация конструктов; 9) содержательное сравнение; 10) планирование и принятие решений об управлении.

3. С целью создания предпосылок автоматизации, предложено структурировать системный анализ до уровня базовых когнитивных операций, допускающих формализацию и автоматизацию. СА, структурированный до уровня БКО, предложено называть системно-когнитивным анализом (СК-анализ).

4. Рассмотрены схемы типовой АСУ, адаптивной АСУ сложными системами (ААСУ СС) и рефлексивной АСУ активными системами (РАСУ АС), показаны роль и место АСК-анализа в структуре РАСУ АС при идентификации состояния активного объекта управления (АОУ), мониторинге, анализе, прогнозировании состояний АОУ, а также принятии решений по выбору управляющего воздействия.

В 3-й главе: "Математическая модель АСК-анализа" реализован 3-й этап решения проблемы, состоящий в разработке математической модели АСК-анализа. Здесь обосновывается концепция системной (эмерджентной) теории информации; семантическая информационная модель, обеспечивающая количественную и качественную адаптацию с учетом динамики предметной области (т.е. адаптацию и пересинтез); исследуются важнейшие свойства предложенной математической модели (сходимость, адекватность, устойчивость); вводится новая информационная мера уровня системности предметной области, связанная с мерой % . Для обозначения предложенного метода идентификации и прогнозирования (по аналогии с Фурье-анализом) вводится термин: "Объектный анализ"

1. Предлагается вариант реализации системной теории информации в рамках которого:

- обоснованы требования к математической модели и численной мере;

- осуществляется выбор базовой численной меры для чего проанализированы абсолютные, относительные и аналитические формы представления информации; теория информации применена для анализа процесса труда и средств труда; в рамках предложенной информационной теории стоимости раскрыта глубокая взаимосвязь между понятиями "стоимость" и "информация"; рассмотрены вопросы определения стоимости баз знаний и источник эффективности АСУ с точки зрения теории информации;

- вводится новая системная мера семантической целесообразности информации, представляющая собой системное обобщение формулы Хартли для количества информации;

- сформулирован закон возрастания эмерджентости и 3 следствия из него; рассмотрены генезис и некоторые интерпретации СТИ.

2. На базе СТИ разработана содержательная (семантическая) информационная модель АСК-анализа, относящаяся к интеллектуальным информационным моделям. В рамках этой модели:

- предложен формализм двух взаимосвязанных семантических информационных пространств: пространства классов (в котором объектами являются вектора обобщенных образов классов), и пространства атрибутов (в котором объектами являются вектора атрибутов), причем координатами векторов в обоих случаях являются информативности, рассчитываемые в соответствии с предложенной системной мерой целесообразности информации;

- раскрыт механизм когнитивной структуризации и формализации предметной области путем использования шкал и градаций;

- описана возможность использования классической теории информации Шеннона для расчета весовых коэффициентов и мер сходства;

- разработана математическая модель, основанная на семантической мере целесообразности информации и представлены решения трех основных задач АСУ (синтез и адаптация модели, расчет влияния факторов на переход объекта управления в различные состояния, прогнозирование поведения объекта управления, выработка многофакторного управляющего воздействия на объект управления, сравнение факторов и состояний объекта управления); обоснована сопоставимость предложенных частных критериев (доказаны 4 теоремы о сопоставимости).

3. Исследованы свойства математической модели: ее непараметричность, зависимость информативностей факторов и адекватности модели от объема обучающей выборки, а также зависимость адекватности, уровня системности и степени детерминированности модели от степени ее ортонормированности.

4. Предложена новая меры уровня системности предметной области, основанная на системной мере целесообразности информации, математически показана связь предложенного критерия с критерием %2.

5. Показана взаимосвязь предложенной меры семантической целесообразности информации с эластичностью многозначных функций многих аргументов.

6. Показано, что предложенный метод идентификации и прогнозирования с математической точки зрения является методом разложением вектора состояния объекта по векторам обобщенных образов классов, представляющих собой произвольные функции ("Объектный анализ").

Установлено, что предложенная математическая модель объединяет преимущества содержательных и статистических моделей, позволяет решать задачи идентификации и прогнозирования развития активных систем, вырабатывать эффективные многофакторные управляющие воздействия (путем решения обратной задачи прогнозирования и применения элементов нетрадиционной логики и правдоподобных нечетких рассуждений).

Делается вывод о том, что разработка семантической информационной модели создает необходимые и достаточные условия для разработки численного метода (алгоритмов и структур баз данных) и создания программного инструментария АСК-анализа.

В 4-й главе: "Численный метод АСК-анализа" реализован 4-й этап решения проблемы — разработка численного метода, соответствующего математической модели АСК-анализа (структур баз данных и алгоритмов БКОСА) и его детального алгоритма.

1. Десять БКОСА детализируются до двадцати четырех подопераций.

2. В соответствии с формализуемой когнитивной концепцией разработана детальная иерархическая структура баз данных, обеспечивающая реализацию когнитивных операций и подопераций.

3. Даны вербальные описания всех базовых когнитивных операций с детализацией по подоперациям.

4. Приведены детальные алгоритмы БКОСА.

Таким образом, в данной главе разработан численный метод, обеспечивается уровень детализации, достаточный для программной реализации АСК-анализа. Показано, что данный численный метод реализует все БКОСА на основе непосредственно эмпирических данных.

В 5-й главе: "Специальный программный инструментарий АСК-анализа - система "Эйдос" подробно описан разработанный автором инструментарий АСК-анализа —Универсальная когнитивная аналитическая система "Эйдос". Она защищена 6 Свидетельствами РосПатента РФ (1994 - 2003 годы). Система "Эйдос" обеспечивает реализацию всех БКОСА. С ее помощью решены проблема и задачи, поставленные в данном исследовании. Раскрыты назначение и состав системы, подробно описан ее пользовательский интерфейс, технология и методика создания и эксплуатации приложений. Приведены технические характеристики системы, предложены инфраструктура ее эксплуатации и виды обеспечения. Листинг исходных текстов системы "Эйдос" вместе с системами окружения составляет около 800 страниц (6-м шрифтом).

Здесь реализованы 5-й и 6-й этапы решения проблемы — создание специального программного обеспечения, реализующего предложенные математическую модель, численный метод и разработку методики синтеза рефлексивных АСУ активными объектами.

1. Показано, что созданная автором система "Эйдос" обеспечивает автоматизацию всех БКОСА.

2. Технология использования системы "Эйдос" при синтезе и эксплуатации приложений, обеспечивает:

- формализацию предметной области;

- подготовку обучающей выборки и управление ей;

- синтез семантической информационной модели предметной области;

- оптимизацию модели предметной области;

- исследование адекватности (валидности) и других параметров семантической информационной модели предметной области;

- идентификацию и прогнозирование;

- типологический анализ, т.е. решение обратной задачи идентификации и прогнозирования, семантический информационный и кластерно-конструктивный анализ классов и факторов;

- оригинальную графическую визуализацию результатов анализа в форме когнитивной графики (семантических сетей и когнитивных диаграмм).

3. Приведены технические характеристики системы "Эйдос" и виды обеспечения ее эксплуатации.

4. Показано, что технология использования инструментария АСК-анализа - системы "Эйдос", является методикой синтеза и эксплуатации рефлексивных АСУ активными системами в конкретных предметных областях.

Функции и структура системы "Эйдос" раскрыты на основе описания ее пользовательского интерфейса (экранных форм) с детальной привязкой к реализуемым в каждой подсистеме и режиме БКОСА.

В 6-й главе: "Опыт применения АСК-анализа в управлении АПК" реализован последний 7-й этап решения проблемы — применение АСК-анализа в различных предметных областях (синтез и эксплуатация компонент рефлексивных АСУ активными объектами на основе технологии и инструментария АСК-анализа).

В главе:

- проанализирован опыт применения АСК-анализа при исследовании социально-экономических систем в различных предметных областях;

- приведены конкретные численные примеры успешного практического применения предложенной технологии АСК-анализа в АПК Краснодарского края: поддержка принятия решений по выбору агротехнологий, культур и пунктов выращивания; анализ и прогнозирование развития сегмента рынка;

- представлены результаты применения АСК-анализа для анализа динамики макроэкономических состояний городов и районов на уровне субъекта федерации в ходе экономической реформы (на примере Краснодарского края) и прогнозирования уровня безработицы (на примере Ярославской области).

В 7-й главе: "Экономическая эффективность АСК-анализа, его ограничения и перспективы":

- приведены методика и результаты оценки экономической эффективности АСК-анализа (на примере поддержки принятия решений по выбору агро-технологий, культур и пунктов выращивания);

- указаны ограничения АСК-анализа и обоснована возможность корректного расширения области его применения на предметные области, где эти ограничения несущественны;

- описаны перспективы применения предложенных технологий АСК-анализа в управлении технологиями, экономике, психологии, социологии и политологии, маркетинговых, рекламных и социально-психологических исследованиях, правоохранительной сфере и в Internet (создание многоагентных распределенных систем обнаружения, накопления и использования знаний по различным предметным областям). Отмечается целесообразность применения АСК-анализа для атрибуции анонимных и псевдонимных текстов, контент-анализа, синтеза интеллектуальных дескрипторных информационно-поисковых систем с интерфейсом запросов на естественном языке, идентификации и классификации изображений по их вербальным описаниям.

Делается вывод, о высокой универсальности математического метода и инструментария АСК-анализа. Показано, что технология и методика использования инструментария АСК-анализа легко адаптируется к методике научных исследований в различных предметных областях, где накапливаются факты, производятся их обобщение и анализ, выполняются когнитивные операции, связанные с процессами познания и управления.

В Заключении отражены основные выводы и результаты, полученные в данной работе, подчеркнуты некоторые предложенные в ней новые теоретические идеи, высокая достоверность полученных результатов и их практическая значимость.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Луценко, Евгений Вениаминович

7.5. ВЫВОДЫ

1. Предлагается рассматривать автоматизированный системный анализ, структурированный до уровня базовых когнитивных операций системного анализа, как автоматизированный системно-когнитивный анализ (АСК-анализ).

2. На основе метода научной индукции обоснована возможность корректного расширения области применения АСК-анализа не только в АПК, но и в других предметных областях.

3. Описаны перспективы применения предложенных технологий АСК-анализа в следующих предметных областях: управление технологиями; экономика; психология; социология и политология; маркетинговые, рекламные, социально-психологические исследования; правоохранительная сфера; Internet (создание многоагентных распределенных систем обнаружения, накопления и использования знаний по различным предметным областям). Приведены другие перспективные области. В частности отмечаются перспективные применения для: атрибуции анонимных и псевдонимных текстов (реализовано в системе "Эйдос"); контент-анализа (реализовано в системе "Эйдос"); синтеза интеллектуальных дескрипторных информационно-поисковых систем с интерфейсом запросов на естественном языке (реализовано в системе "Эйдос"); идентификации и классификации изображений по их вербальным описаниям; формирования обобщенных фотороботов лиц по направлениям деятельности и идентификации с ними; применения в области психографологии и дерматоглифики, и т.д. Кроме того, рассматриваются ограничения предложенного варианта АСК-анализа и рассматриваются вопросы его развития (путем преодоления указанных ограничений) с применением теории нечетких множеств и неклассической логики. В частности выдвигается идея обобщения понятия конструкта путем введения многополюсных конструктов.

4. Основной вывод, по результатам данной главы, состоит в том, что оправданным и обоснованным выглядит предположение об универсальности предложенной методологии, специального программного инструментария АСК-анализа, технологии и методик его применения в различных предметных областях, в которых накапливаются факты и производятся их обобщение и анализ, а также выполняются другие операции, связанные с процессом познания, получившие в данном исследовании аббревиатуру БКОСА.

ЗАКЛЮЧЕНИЕ

Истоки проблемы управления активными объектами в том, что модель активной системы периодически теряет адекватность при переходе АОУ через точку бифуркации. Традиционно подобные проблемы решаются путем адаптации модели на основе апостериорной информации. Однако в данном случае этого недостаточно, т.к. необходимо качественное изменение модели, т.е. не ее адаптация, а синтез. Предложенная концепция решения проблемы предусматривает периодический синтез модели АОУ в режиме реального времени на базе рационального применения системного анализа, как метода познания АОУ непосредственно в цикле управления. Это возможно только при условии автоматизации системного анализа.

Конечные результаты работы можно сформулировать следующим образом.

1. Системный анализ представляет собой теоретический метод познания, современное прикладное воплощение диалектики. Перспектива автоматизации системного анализа состоит не в его максимальной детализации, а в интеграции с когнитивными технологиями, т.е. рациональном сочетании творческих возможностей человека и вычислительных возможностей ЭВМ, как инструмента познания.

2. Предлагаемая формализуемая когнитивная концепция рассматривает процесс познания, как многоуровневую иерархическую систему обработки информации, в которой когнитивные структуры каждого уровня являются результатом интеграции структур предыдущего уровня. Это служит основой формализации смысла. В ее рамках сконструирован когнитивный конфигуратор, представляющий собой минимальную полную систему когнитивных операций, получивших название "базовые когнитивные операции системного анализа" (БКОСА). Выявлено 10 таких операций, каждая из которых достаточно удобных для формализации и программной реализации: 1) присвоение имен; 2) восприятие; 3) синтез (обобщение, индукция); 4) абстрагирование; 5) оценка адекватности модели; 6) сравнение, идентификация и прогнозирование; 7) анализ (дедукция и абдукция); 8) классификация и генерация конструктов; 9) содержательное сравнение; 10) планирование и принятие решений об управлении. Предложено новое понятие: "Системно-когнитивный анализ" (СК-анализ) под которым понимается системный анализ, структурированный до уровня БКОСА. Так как БКОСА допускают формализацию и автоматизацию, то СК-анализ имеет лучшие перспективы автоматизации, чем системный анализ, создает для этого благоприятные предпосылки.

3. Системное обобщение формулы А.Харкевича для семантической целесообразности информации позволило предложить новую системную меру целесообразности информации (СМЦИ) и выявить закономерности влияния системы на поведение ее элементов, отраженные в установленном автором "Законе повышения эмерджентности" и 4-х следствиях из него. В рамках СМЦИ впервые на уровне аналитического выражения для самого понятия "Информация" отражены такие фундаментальные свойства систем, как "Уровень системности" и "Степень детерминированности" системы, учтены понятия цели и множества будущих состояний объекта управления. На основе предложенной информационной меры разработана семантическая информационная модель СК-анализа, относящаяся к интеллектуальным информационным моделям. Эта модель СК-анализа позволяет решать задачи идентификации и прогнозирования развития активных систем (разложение вектора объекта по векторам классов — "Объектный анализ"). Она обеспечивает выработку эффективных управляющих воздействий путем решения обратной задачи прогнозирования (БКОСА-7: "анализ") и применение элементов нетрадиционной логики и правдоподобных (нечетких) рассуждений. В ней объединены преимущества содержательных и статистических моделей, созданы предпосылки для реализации СК-анализа на практике. На базе предложенной модели СК-анализа предложена новая информационная мера степени выраженности системных закономерностей в предметной области, связанная с критерием %2.

4. Разработан численный метод, включающий иерархическую структуру данных и 24 детальных алгоритма 10 базовых когнитивных операций системного анализа, обеспечивающие уровень конкретизации, достаточный для программной реализации СК-анализа и разработки одного из вариантов АСК-анализа.

5 Математическая модель и численный метод СК-анализа реализован в Универсальной когнитивной аналитической системе "Эйдос". Она обеспечивает автоматизацию всех базовых когнитивных операций системного анализа, и таким, образом, является инструментарием АСК-анализа. Разработана технология синтеза и эксплуатации приложений в системе "Эйдос". Эта технология обеспечивает: формализацию предметной области; подготовку обучающей выборки и управление ею; синтез семантической информационной модели предметной области; оптимизацию модели; проверку адекватности модели; идентификацию и прогнозирование; типологический анализ (включая решение обратной задачи идентификации и прогнозирования, семантический информационный и кластерно-конструктивный анализ); оригинальную графическую визуализацию результатов анализа в форме когнитивной графики (семантических сетей и когнитивных диаграмм).

6. С позиций повышения интеллектуальности управления и повышения гибкости взаимодействия человека и АСУ приведена классификация функционально-структурных типов АСУ, показано место адаптивных АСУ сложными системами и рефлексивных АСУ активными объектами в этой классификации; показаны роль и место АСК-анализа в рефлексивных АСУ активными объектами. Предложено рассматривать АСК-анализ, как технологию синтеза рефлексивных АСУ активными объектами. Рассмотрены некоторые теоретические вопросы синтеза РАСУ АПК, предложена ее двухуровневая структура.

7. Приведены численные примеры успешного практического применения предложенной технологии АСК-анализа при анализе и прогнозировании состояний одного из сегментов рынка и синтезе и эксплуатации РАСУ возделыванием сельхозкультур. Тем самым подтверждено, что математический метод и инструментарий АСК-анализа позволяет успешно решать проблемы рационального производства сельхозпродукции в АПК, т.е. обоснованно ставить цели производства сельхозпродукции в АПК с учетом прогнозируемой коньюктуры рынка в стоимостном и натуральном выражении в разрезе по видам продукции; производить оценку производственного потенциала производителей в разрезе по видам продукции; давать научно-обоснованные рекомендации по разработке и выбору агротехнологий для достижения поставленных целей.

Попутно рассмотрен опыт и перспективы применения АСК-анализа в ряде предметных областей: анализ динамики макроэкономических состояний городов и районов на уровне субъекта федерации в ходе экономической реформы (на примере Краснодарского края); прогнозирование уровня безработицы (на примере Ярославской области); мониторинг, прогнозирование и управление в финансово-экономической сфере; оценка рисков страхования и кредитования предприятия; анализ общественного мнения (социология и политология); экологический мониторинг, анализ и прогнозирование; РАСУ индивидуального управления лечением; разработка оптимальных адаптивных тестов и профес-сиограмм; комплексное психологическое тестирование и прогнозирование (Автоматизированная система комплексной обработки данных психологического тестирования "Эйдос-Ч"'); управление персоналом; транспортная психология; когнитивная психология; компьютерные VF—технологии; правоохранительная сфера.

Приведенные примеры практического применения предложенной технологии АСК-анализа убедительно подтверждают правильность принятых научно-технических решений и их пригодность для решения проблемы, поставленной в данной работе.

Рассмотрены перспективы континуального обобщения АСК-анализа и его применения в различных сферах деятельности, прежде всего в области создания многоагентных распределенных систем обнаружения, накопления и использования знаний в Internet и интеграции предложенных технологий с экспертными системами, основанными на нечеткой логике.

Можно констатировать, что изложенный в работе математический метод и инструментарий автоматизированного системно-когнитивного анализа (АСК-анализа) представляет собой новый метод системного анализа, структурированный по базовым когнитивным операциям, основанный на предложенной автором системной теории информации. Реализация математического метода и инструментария АСК-анализа в системе "Эйдос" обеспечило решение поставленной в данном исследовании проблемы — проблемы обеспечения устойчивого управление многофакторными слабодетерминированными активными объектами как на детерминистских, так и на бифуркационных этапах их развития.

Итак, в работе обобщены результаты 20-летних исследований и разработок автора, в результате которых предложено новое междисциплинарное научное направление: "Автоматизированный системно-когнитивный анализ" (АСК-анализ, "cognition" - "познание", англ.), с единых позиций теории информации изучающее процессы познания и труда (в форме управления предметом труда) в различных предметных областях. На основе предложенного системного обобщения семантической теории информации А.Харкевича разработан новый математический метод экономики и соответствующий инструментарий: автоматизированный системно-когнитивный анализ (АСК-анализ), обеспечивающий анализ, прогнозирование и управление экономическими, технологическими и социальными объектами АПК на уровне региона, сегмента рынка, отрасли и хозяйства.

Список литературы диссертационного исследования доктор экономических наук Луценко, Евгений Вениаминович, 2003 год

1. Абдеев Р.Ф. Философия информационной цивилизации. -М.: ВЛАДОС, 1994.-288с.

2. Автоматизированные системы управления в народном хозяйстве /Под ред. В.С.Синяка. М.: Экономика, 1987. - 125с.

3. Айвазян С.А. и др. Прикладная статистика: Основы моделирования и первичная обработка данных. Справочное изд. /С.А.Айвазян, И.С.Енюков, Л.Д.Мешалкин. М.: Финансы и статистика, 1983. — 471с.

4. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности: Справочное издание /Под ред. С.А. Айвазяна. М.: Финансы и статистика, 1989. - 607с.

5. Акофф Р. Планирование будущего корпорации. М.: Мир, 1985. - 185с.

6. Алиев P.A., Абдикеев Н.М., Шахназаров М.М. Производственные системы с искусственным интеллектом. -М: Радио и связь. 1990. 264с.

7. Амамия М., Танака Ю. Архитектура ЭВМ и искусственный интеллект. /Пер. с яп. — М.: Мир, 1993.-310с.

8. Андреев Н.И. Теория статистически оптимальных систем управления. М.: Наука, 1980.-155с.

9. Андрющенко В.А. Теория систем автоматического управления: Учебное пособие. — Л.: ЛГУ, 1990.-256с.

10. Анохин П. К. Очерки по физиологии функциональных систем. М.: Медицина, 1975. -231с.

11. Антонюк БД. Информационные системы в управлении. М.: Радио и связь, 1986. -125с.

12. Афанасьев В.Н., Колмановский В.Б., Носов В.Р. Математическая теория конструирования систем управления. М.: Высшая школа, 1989. - 447с.

13. Ахо А., Хопкрофт Дж., Ульман Дж. Построение и анализ вычислительных алгоритмов. М: Мир, 1979. - 536с.

14. Барабаш Ю.Л. Коллективные статистические решения при распознавании. М.: Радио и связь, 1983. - 224с.

15. Бедерханова В.П., Бондарев П.Б. Педагогическое проектирование инновационной деятельности. Учебное пособие. Краснодар: ККИДППО, 2000. - 54с.

16. Беллман Р., Заде Л. Принятие решений в расплывчатых условиях. //В кн.: "Вопросы анализа и процедуры принятия решений". М.: Мир, 1976. - С.172-215.

17. Бендат Дж., Пирсол А. Прикладной анализ случайных данных. /Пер. с англ. М.: Мир, 1989.-350с.

18. Берталанфи Л. фон. Общая теория систем критический обзор. //Системные исследования: Ежегодник. - М.: Наука, 1969. - С.23-95.

19. Бешелев С.Д., Гурвич Ф.Г. Математико-статистические методы экспертных оценок. -2-е изд., пер. и доп. М.: Статистика, 1980. - 263с.

20. Биркгоф Г. Теория решеток. М.: Наука, 1984. - 568 с.

21. Блауберг И.В. Целостность и системность. /Системные исследования: Ежегодник. -М.: Наука, 1977. С.58-128.

22. Блишун А.Ф., Знатнов С.Ю. Обоснование операций теории нечетких множеств. //В кн.: "Нетрадиционные модели и системы с нечеткими знаниями". М.: Энергоатом -издат, 1991. - С.21-33.

23. Богданов A.A. Всеобщая организационная наука (Тектолошя). В 2-х т. М.: Экономика, 1989. т. 1 -304 е.; т. 2 -351 с.

24. Бор Н. Атомная физика и человеческое познание. /Пер.с англ. М.: Мир, 1961. - 151с.

25. Борисов А.Н., Глушков В.И. Использование нечеткой информации в экспертных системах. /Новости искусственного интеллекта. 1991, № 3. С. 13-41.

26. Боровиков В.П. Прогнозирование в системе STATISTICA® в среде Windows. Основы теории и интенсивная практика на компьютере: Учеб. пособие. — М.: Финансы и статистика, 2000.-384с.

27. Боулдинг К. Общая теория систем — скелет науки. /Системные исследования: Ежегодник. М.: Наука, 1969. - С. 106-124.

28. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных.-М.: Наука, 1983.-464с.

29. Бранский В.П. Философские основания проблемы синтеза релятивистских и квантовых принципов. —Л: ЛГУ, 1973. -175с.

30. Будущее искусственного интеллекта. /Под ред. К.Е.Левитина, Д.А.Поспелова. М.: Наука, 1991.-302с.

31. Бурков В.Н., Новиков Д.А. Модели и механизмы теории активных систем в управлении качеством подготовки специалистов. — М.: ИЦПКПС, 1998 157с.

32. Бусленко Н.П. Моделирование сложных систем. М.: Наука, 1978. - 400с.

33. Бутковский А.Г., Самойленко Ю.И. Управление квантово-механическими процессами. М.: Наука, 1984. - 250с.

34. Вагин В.Н. Дедукция и обобщение в системах принятия решений. М.: Наука, 1988.• 384с.

35. Вагнер Г. Основы исследования операций. М.: Мир, 1972. - 210с.

36. Валуев С.А. Системный анализ в экономике и организации производства. /Под ред. С.А.Валуева и В.Н.Волковой. — Л.: Политехника, 1991. — 398с.

37. Варосян С.О., Поспелов Д.А. Неметрическая пространственная логика. /Извес-тия АН СССР. Техническая кибернетика. 1982, № 5. С.86-89.

38. Васильев В.И. Распознающие системы: Справочник. К.: Наукова думка, 1983. - 230с.

39. Вентцель Е.С. Исследование операций: задачи, принципы, методология. М.: Наука,ф 1988.-250с.

40. Вигнер Е. Этюды о симметрии. /Пер.с англ. М.: Мир. - 315с.

41. Вилкас Э.Й. Оптимальность в играх и решениях. М: Наука, 1990. - 256с.

42. Винер Н. Кибернетика или управление и связь в животном и машине. — М.: Наука, 1983.-344с.

43. Волкова В.Н., Денисов A.A. Основы теории систем и системного анализа. — СПб.: Образование и культура, 1997. 510с.

44. Воронов A.A. Устойчивость, управляемость, наблюдаемость. М.: Наука, 1979. -315с.

45. Вунш Г. Теория систем. М.: Советское радио, 1978. - 174с.

46. Гаазе-Рапопорт М.Г., Поспелов Д.А. От амебы до робота: модели поведения. М.: Наука, 1987.-285с.

47. Гаврилова Т.А., Червинская K.P. Извлечение и структурирование знаний для экспертных систем. М.: Радио и связь, 1982. - 200с.

48. Гаскаров Д.В., Шаповалов В.И. Малая выборка. М.:Статистика, 1978. - 248с.

49. Гвишиани Д.М. Организация и управление. М.: Наука, 1972. - 265с.

50. Гетманова А.Д. Учебник по логике. М.: Владос, 1995. - 303с.

51. Гильберт Д. Основания геометрии. М.-Л.: 1948. - 349с.

52. Гнеденко Б.В. Курс теории вероятностей: Учебник. М.: Наука, 1988. - 380с.

53. Голубков Е.П. Использование системного анализа в принятии плановых решении.

54. М.: Экономика, 1982. 160с.

55. Горелик A.JL, Скрипкин В.А. Методы распознавания. Изд.2. М.: Высшая школа, 1984.-219с.

56. Горелов H.H. Разговор с компьютером (психолингвистический аспект проблемы). -М.: Наука, 1987.-255с.

57. Горский Д.П. Обобщение и познание. М.: Мысль, 1985. - 208с.

58. ГОСТ 19675-74. Автоматизированные системы управления. Основные положения. Термины и определения. -М.: Изд-во стандартов, 1974. 5с.

59. Гребенюк Е.А., Корноушенко Е.К., Максимов В.И. Когнитивно-рефлексивный анализ на фондовом рынке. //"Рефлексивное управление". Тезисы международного симпозиума (17-19.10.2000). М.: Ин-т психол. РАН, 2000. - С.99-100.

60. Гретцер Г. Общая теория решеток. М.: Мир, 1982. - 456с.

61. Губанов В.А., Захаров В.В., Коваленко А.Н. Введение в системный анализ: Учебное пособие. /Под ред. Л.А.Петросяна. Л.: ЛГУ, 1988. - 232с.

62. Денисов A.A. Информационные основы управления. Л.: Энергоатомиздат, 1983. -72с.

63. Денисов Е.П., Филин В.И., Царев А.П. и др. Управление технологическими процессами возделывания сельскохозяйственных культур на основе математического моделирования. Волгоград: ВГСХА, 1997. 386 с.

64. Дж. Форрестер. Мировая динамика. М.: Наука, 1978. — 213с.

65. Дитер К. Транспортная психология. /Пер.с нем. М.: Транспорт, 1989. - 368с.

66. Драгавцева И.А. и др. Персик на Юге России и Украины. -Краснодар: СКзНИИСиВ, 2001.-120с.

67. Драгавцева И.А. Экологические основы оптимального размещения абрикоса на Северном Кавказе. Дисс.д.с./х.н. (06.01.07 — Пловодство) — Краснодар: КубГАУ, 1981. -328 с.

68. Драгавцева И.А. Экологические ресурсы продуктивности абрикоса на юге России. — Краснодар: 1999.-94с.

69. Дружинин В.В., Конторов Д.С. Проблемы системологии (проблемы теории сложных систем). — М.: Советское радио, 1976. 296с.

70. Дуда Р., Харт П. Распознавание образов и анализ сцен. /Пер.с англ. М.: Мир, 1978. -510с.

71. Дюбуа Д., Прад А. Теория возможностей. Приложения к представлению знаний в информатике. М: Радио и связь. 1990. - 288с.

72. Дюк В. Обработка данных на ПК в примерах. — СПб: Питер, 1997. 240с.

73. Дюк В.А. Компьютерная психодиагностика. СПб: Братство, 1994. - 365с.

74. Дюран Б., Оделл П. Кластерный анализ. /Пер. с англ. М.: Статистика, 1977. - 125с.

75. Евреинов Э.В. Однородные вычислительные среды и системы. М.: Радио и связь, 1981.-208с.

76. Елисеева И.И., Рукавишников В.О. Группировка, корреляция, распознавание образов. (Статистические методы классификации и измерения связей). М.: Статистика, 1977. - 143с.

77. Ермохин Ю.И. Программирование урожая в Западной Сибири: Учеб. пособие / Ю.И. Ермохин, А.Ф. Неклюдов. Омск: Изд-во ОмГАУ, 2002. - 88 с.

78. Жаке-Лагрез Э. Применение размытых отношений при оценке предпочтительности распределенных величин. //В кн.: "Статистические модели и многокритериальные задачи принятия решений". М.: Статистика, 1979. - С.168-183.

79. Жамбю М. Иерархический кластер-анализ и соответствия. М: Финансы и статистика, 1988. - 342с.

80. Жариков О.Н., Королевская В.И., Хохлов С.Н. Системный подход к управлению. /Под.ред В.А.Персианова. М: ЮНИТИ, 2001. - 62с.

81. Журавлев А.П. Звук и смысл. М.: Просвещение, 1981. - 160с.

82. Загоруйко И.Г. Методы распознавания и их применение. М.: Советское радио, 1972. - 208с.

83. Заде JI.A. Размытые множества и их применение в распознавании образов и кластер-анализе. //В кн.: "Классификация и кластер". /Под ред. Дж.Вэн Райзина. М: Мир, 1980. - С.208-247.

84. Зажигаев Л.С., Кишьян A.A., Романиков Ю.И. Методы планирования и обработки результатов физического эксперимента. М.: Атомиздат, 1978. - 232с.

85. Замков О.О., Тостопятенко A.B., Черемных Ю.Н. Математические методы в экономике: Учебник / Под общ. ред. д.э.н., проф. А.В.Сидоровича; МГУ им. М.В Ломоносова. 3-е изд., перераб. - М.: Издательство "Дело и Сервис", 2001.-368 с.

86. Засухина O.A. Компьютерные технологии и прогнозирование, Кубань-бизнес (связь, информатика). Краснодар: Кубань-бизнес, 1994. - 2с.

87. Зиновьев A.A. Очерк многозначной логики. //В кн.: "Проблемы логики и теории познания". М.: МГУ, 1968. - С.113-204.

88. Иваненко В.И., Лабковский В.А. К вопросу о накоплении информации в адаптивных системах управления. //В сб.: "Адаптивные системы управления". К.: ИК АН УССР, 1977.-С.З-12.

89. Иванов В.В. Четная и нечетная асимметрия мозга и знаковых систем. М.: Советское радио, 1978.- 184с.

90. Ивашко В.Г., Кузнецов С.О. Оценки правдоподобия в продукционных экспертных системах. //В сб.: "Экспертные системы: состояние и перспективы". М.: Наука, 1989. -С. 92-103.

91. Искусственный интеллект. Модели и методы: справочник. В 3-х кн. /Под ред. Д.А. Поспелова. - М.: Радио и связь, 1990. - 304с.

92. Казиев В.М. Введение в системный анализ: Учебное пособие. — Нальчик: КБГУ, 2001. -279с.

93. Калмыков С.А., Шокин Ю.И., Юлдашев З.Х. Методы интервального анализа. Новосибирск: Наука, 1986. - 222с.

94. Капьфа В., Овчинников В.В. Основы автоматизации управления производственными процессами. М.: Советское радио, 1980. - 410с.

95. Кандрашина Е.Ю., Литвинцева Л.В., Поспелов Д.А. Представление знаний о времени и пространстве в интеллектуальных системах. /Под ред. Д.А. Поспелова. Москва: Наука.- 1989.-328с.

96. Каплинский А.И., Руссман И.Б., Умывакин В.М. Моделирование и алгоритмизация слабоформализованных задач выбора наилучших вариантов систем. Воронеж: ВГУ, 1990.- 168с.

97. Карданская H.JI. Принятие управленческого решения: Учебник для вузов. — М.: ЮНИТИ, 1999. 407с.

98. Кафаров В.В., Дорохов И.Н., Марков Е.П. Системный анализ процессов химической технологии. Применение метода нечетких множеств. М: Наука, 1986. - 359с.

99. Каюмов М. К. Справочник по программированию продуктивности полевых культур. Москва. 1982 г.

100. Квейд Э. Анализ сложных систем. М.: Советское радио, 1969. - 520с.

101. Кендэл М. Временные ряды. /Пер. с англ. и пред. Ю.П.Лукашина. М.:Финансы и статистика, 1981.- 199с.

102. Кибрик А.Е., Богданова Е.А. Русская лексема САМ: системно-когнитивный анализ". Вопросы языкознания, 3, 1995. с.25-30.

103. Кимбл Г. Как правильно пользоваться статистикой. М.: Финансы и статистика,1982. - 293с.

104. Клайн П. Справочное руководство по конструированию тестов: Введение в психометрическое проектирование. К.: ПАН ЛТД, 1994. - 283с.

105. Кларин М.В. Инновации в обучении: метафоры и модели: Анализ зарубежного опыта. М.: Наука, 1997 - 223с.

106. Классификация и кластер. /Под ред. Дж.Вэн Райзина. М: Мир, 1980. - 389с.

107. Клиланд Д., Кинг В. Системный анализ и целевое управление. М.: Советское радио, 1974. - 300с.

108. Концепция системной интеграции информационных технологий в высшей школе. -М.: РосНИИСИ, 1993. 72с.

109. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров. -М.: Наука, 1968. 832с.

110. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982. - 432с.

111. Кремер Н.Ш., и др. Исследование операций в экономике: Учебн.пособие для вузов / Под ред. проф. Н.Ш.Кремера.-М.: ЮНИТИ, 2001.-407с.

112. Кремер Н.Ш., Путко Б.А. Эконометрика: Учебник для вузов / Под ред. проф. Н.Ш.Кремера.-М.: ЮНИТИ-ДАНА, 2002.-311с.

113. Кузин Л.Т. Основы кибернетики: Основы кибернетических моделей. Т.2. М.: Энергия, 1979. - 584с.

114. Кузьмин В.Б. Построение групповых решений в пространствах четких и нечетких бинарных отношений. М: Наука, 1982. - 168с.

115. Кузьмина Н.В. Понятие "Педагогическая система" и критерий ее оценки. //В кн.: "Методы системного анализа: Учеб. пособие". /Под ред. Н.В.Кузьминой. — Л.: ЛГУ, 1980.-С.7-45.

116. Кун Т. Структура научных революций. М.: Прогресс, 1977. - 300с.

117. Кунц Г., О.Доннел С. Управление: системный и ситуационный анализ управленческих функций / пер. с англ. М.: Прогресс, 1981. - 495с.

118. Куропаткин П.В. Оптимальные и адаптивные системы. М.: Высшая школа, 1980. -270с.

119. Лаптев В.Н. Исследование путей совершенствования управленческой деятельности дежурных частей ОВД на основе использования сети мини-ЭВМ. Дис. .к.т.н. М.: Академия МВД СССР, 1986. - 232с.

120. Лаптев В.Н. Концепция адаптивной профессиональной деятельности и перспективы ее реализации в ОВД Краснодарского края. //В сб.: "Соотношения и связи криминалистики и теории ОРД ОВД". Краснодар: КЮИ МВД РФ, 1995, ч.З, - С.127-139.

121. Лаптев В.Н. Основы автоматизации деятельности сотрудников ЭКП ОВД. //В сб.: "Актуальные проблемы автоматизации управления организационно-техническими системами ОВД". СПб.: СПбЮИ МВД РФ, 1994, ч.1, - С.80-84.

122. Ларичев О.И. Наука и искусство принятия решений. М: Наука, 1979. - 200с.

123. Левин Р., Дранг Д., Эделсон Б. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике. М.: Финансы и статистика, 1990.-239с.

124. Лефевр В.А. Конфликтующие структуры. 3-е изд. М.: Ин-т психол. РАН, 2000. -136с.

125. Лийв Э. X. Инфодинамика. Обобщённая энтропия и негэнтропия. Таллинн, 1998. -200 с.

126. Литвак Б.Г. Экспертная информация. Методы получения и анализа.-М.: Радио и связь, 1982.- 184с.

127. Личко А.Е., Иванов Н.Я. Патохарактелогический диагностический опросник для подростков и опыт его практического использования. Л.: Медицина. 1976. - 280с.

128. Логический подход к искусственному интеллекту: от классической логики к логическому программированию. /А. Тейз, П. Грибомон, Ж. Луи и др. М.: Мир, 1990. -432с.

129. Луценко Е.В. Автоматизированная система распознавания образов: математическая модель и опыт применения. //В сб.: "В.И. Вернадский и современность (к 130-летию со дня рождения)". Краснодар: КНА, 1993. - С.37-42.

130. Луценко Е.В. Автоматизированный системно-когнитивный анализ в экономике. //Изв. вузов. Сев.-Кавк. регион. Техн. науки. 2003. - Приложение №1,- С. 189-194.

131. Луценко Е.В. Адаптивная система обработки данных "ВЕГА". ИЛ №6-85, КЦНТИ, 1985.-4с.

132. Луценко Е.В. АСК-анализ информационной безопасности организационно-технических систем. // Межвузовский сборник научных трудов, том 1. -Краснодар: КВИ. 2003.-С. 87-89.

133. Луценко Е.В. Исследование адекватности, сходимости и семантической устойчивости системно-когнитивной модели активных объектов. //В сб.: "Материалы III всероссийской межвузовской научно-технической конференции". Краснодар: КВИ, 2002. -С.50-54.

134. Луценко Е.В. Математическая модель автоматизированной системы распознавания образов. //В сб. "Тезисы докладов VIII Всесоюзного съезда психологов". -М.: Наука, 1989.-С.35.

135. Луценко Е.В. Представляем научно-производственное предприятие "ЭЙДОС". -Краснодар: Ринг№1, 1993. 11с.

136. Луценко Е.В. Разработка методологии синтеза адаптивных АСУ сложными объектами на основе применения моделей распознавания образов и принятия решений. Дис. к.т.н. (05.13.06)-Краснодар: КубГТУ. 1999. 187с.

137. Луценко Е.В. Рефлексивное модель управления качеством подготовки специалиста. //В сб.: "Материалы II межвузовской научно-технической конференции". — Краснодар: КВИ, 2001.-С.129-131.

138. Луценко Е.В. Селиверстов В.В. Разработка профессиональных оптимальных адаптивных тестов на основе интеллектуальной технологии "ЭЙДОС". //В Сб.: "Современные компьютерные технологии обучения". Краснодар: КВВАУ, 1998. - С.32-34.

139. Луценко Е.В. Синтез адаптивных систем управления индивидуальным обучением на базе интеллектуальной системы "ЭЙДОС" // В Сб.: "Современные компьютерные технологии обучения". Краснодар: КВВАУ, 1998. - С.27-30.

140. Луценко Е.В. Синтез экстремальных систем "человек-машина" на основе принципа многоуровневой адаптивности. /Труды Краснодарского ВАИ. Вып. 4. Краснодар: КВАИ, 1999. - С.186-190.

141. Луценко Е.В. Системно-когнитивный анализ детерминстско-бифуркационной динамики активных систем. //В сб.: "Материалы III всероссийской межвузовской научно-технической конференции". Краснодар: КВИ, 2002. - С.64-70.

142. Луценко Е.В. Теоретические основы и технология адаптивного семантического анализа в поддержке принятия решений (на примере универсальной автоматизированной системы распознавания образов "ЭЙДОС-5Л"). Краснодар: КЮИ МВД РФ, 1996. -280с.

143. Луценко Е.В. Универсальная автоматизированная система распознавания образов "ЭЙДОС-4". ИЛ №438-93, КЦНТИ, 1993.-4с.

144. Луценко Е.В. Универсальная автоматизированная система распознавания образов "ЭЙДОС": опыт и перспективы применения. //В сб.: "Состояние и связи криминалистики и теории оперативно-розыскной деятельности ОВД". Краснодар.: КЮИ МВД РФ, 1995. - С.168-177.

145. Луценко Е.В. Универсальная автоматизированная система распознавания образов "ЭЙДОС". (версия 4.1). Краснодар: КЮИ МВД РФ, 1995. - 76с.156,157,158,159,160.161,162.163.164,165.166.167.168,169,170.171.172,

146. Луценко E.B. ЭЙДОС-6.2, Кубань-бизнес (связь, информатика). Краснодар: Кубань-бизнес. 1994. -2с.

147. Луценко Е.В., Автоматизация когнитивных операций системного анализа. //В сб.: "Материалы II межвузовской научно-технической конференции". — Краснодар: КВИ, 2001. — С. 131-133.

148. Луценко Е.В., Автоматизированный когнитивный системный анализ фондового рынка. //В сб.: "Проблемы экономического и социального развития России". — Пенза: ПГУ, 2001, -С.87-91.

149. Луценко Е.В., Лебедев А.Н. Диагностика и прогнозирование профессиональных и творческих способностей методом АСК-анализа электроэнцефалограмм в системе "Эйдос". // Межвузовский сборник научных трудов, том 1. -Краснодар: КВИ. 2003 — С. 227-229.

150. Луценко Е.В., Третьяк В.Г. Анализ профессиональных траекторий специалистов с применением системы "Эйдос". //В сб.: "Личность и ее бытие (социально-психологические аспекты бытия личности в местном сообществе)". -Краснодар: Куб-ГУ, 2002. -С.43-49.

151. Луценко Е.В., Численный расчет эластичности объектов информационной безопасности на основе системной теории информации// 2002.-С. 43-54.

152. Лучшие психологические тесты. /Пер. с англ. Харьков: НПФ "Комплекс ЛТД", 1994. - 320с.

153. Льюс Р.Д., Райфа X. Игры и решения. М.: Изд-во иностранной литературы, Мадыхин В.И. Математика в экономике: Учебное пособие.-М.:ИНФРА-М, 2001.-356 с.

154. Майерс Г. Надежность программного обеспечения. /Пер. с англ. М.: Мир, 1980. -300с.

155. Макаров И.М. Теория выбора и принятия решений. М.: Наука,1987. - 350с.

156. Маковский В.А., Похлебаев В.И. Базы знаний (экспертные системы). М.: Изд-во стандартов, 1993. - 37с.

157. Максимов В.И, Гребенюк Е.А., Корноушенко Е.К. Фундаментальный и технический анализ: интеграция двух подходов. /Банковские технологии. №9, 1999. С. 45-49.

158. Максимов В.И. Развитие моделей принятия решений: проблемы, парадоксы и перспективы. /Банковские технологии. 2000. №3. С.39-43.

159. Максимов В.И., Корноушенко Е.К., Качаев C.B. Когнитивные технологии для поддержки принятия управленческих решений. //"Технологии информационного общества 98". Распределенная конференция (30.11.-02.12.98). М.: ИПУ РАН, 1999. - С.11-18.

160. Мамиконов А.Г. Управление и информация. М.: Наука, 1975. - 207с.

161. Мандель И.Д. Кластерный анализ. М.: Финансы и статистика, 1988. - 17бс.

162. Марселлус Д. Программирование экспертных систем на Турбо Прологе. М.: Финансы и статистика, 1994. - 256с.

163. Марусенко М.А., Атрибуция анонимных и псевдонимных литературных произведений методами теории распознавания образов. Л.: ЛГУ, 1990. - 164с.

164. Масалович А. Пять шагов к вершине (портрет российского рынка аналитических систем). /Рынок ценных бумаг. 1996. № 14 (77). С.41-57.

165. Масалович А.И. Прогноз дает. компьютер. /Софтмаркет. 1996, № 23, 1996. С.6-14.

166. Масалович А.И. Этот нечеткий, нечеткий, нечеткий мир. /PC Week/RE. 1995, № 16. -С.35-36.

167. Математика и кибернетика в экономике: Словарь-справочник. М.: Экономика, 1975. -700 с.

168. Мейер Д. Теория реляционных баз данных. М.: Мир, 1987. - 608с.

169. Мелихов А.Н., Берштейн Л.С., Коровин СЛ. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990. - 272с.

170. Мерлин B.C. Очерк интегрального исследования индивидуальности. М., 1986. -187с.

171. Месарович М., Мако Д., Такахара И. Теория иерархических многоуровневых систем. М.: Мир, 1973.-312с.

172. Месарович М., Такахара И. Общая теория систем: математические основы. — М.: Мир, 1978.-311с.

173. Методы и средства автоматизации психологических исследований. /Под ред. Ю.М.Забродина. М.: Наука, 1982. - 300с.

174. Мильнер Б.З. и др. Системный подход к организации управления. — М.: Экономика, 1983.-224с.

175. Миркин Б.Г. Анализ качественных признаков и структур. М.: Статистика, 1980. -319с.

176. Мирский Г.Я. Электронные измерения: 4-е изд., пер. и доп. М.: Радио и связь, 1986. -440с.

177. Модели принятия решений на основе лингвистической переменной /А.Н. Борисов, А.В.Алексеев, О.А.Крумберг и др. Рига: Зинатне, 1982. - 256с.

178. Моделирование процессов обработки информации и управления. М.: МФТИ, 1990. -158с.

179. Модин A.A. Основы разработки и развития АСУ. М.: Наука, 1981. - 330с.

180. Моисеев H.H. Математические задачи системного анализа. М.: Наука, 1981. - 488с.

181. Моргунов И.Б. Основы дискретной оптимизации некоторых задач упорядочения (на примере учебного процесса). М.: ИЦПКПС, 1994. - 215с.

182. Моррис У. Наука об управлении. Байесовский подход. М.: Мир, 1971. - 282с.

183. Мулен Э. Кооперативное принятие решений: аксиомы и модели. М: Мир, 1991. -464с.

184. Мухортов С.Я. Программирование урожая овощных культур на основе информационно-логических моделей "погода урожай" // Резервы стабилизации аграр.пр-ва,-Воронеж, 1996.-Ч. 1 .-С.20.

185. Наводнов В.Г. Математические модели САПР ПИМ: Препринт № 4/97. Йошкар-Ола: НИЦ гос. аккредитации, 1997. — 72с.

186. Найссер У. Познание и реальность. — М.: Прогресс, 1981. — 232с.

187. Налимов В.В. Вероятностная модель языка. О соотношении естественных и искусственных языков. М.: Наука, 1974. - 350с.

188. Нариньяни A.C. Недоопределенность в системах представления и обработки знаний. /Известия АН СССР. Техническая кибернетика. 1986. № 5. С.3-28.

189. Научные основы организации управления и построения АСУ. /Под. ред В.П. Бройдо,

190. B.C. Крылова. Изд. 2-е, пер. и доп. М.: Высшая школа, 1990. - 320с.

191. Негойце К. Применение теории систем к проблемам управления. М.: Мир, 1981. -180с.

192. Нейлор К. Как построить свою экспертную систему. М.: Энергоатомиздат, 1991. -286с.

193. Некрасов С.Д., Босенко A.A., Ждановский A.M. Портрет абитуриента 2000 г. факультета управления КубГУ. /Человек. Сообщество. Управление. 2000, № 3-4, 2000. —1. C.144-157.

194. Нечеткие множества в моделях управления и искусственного интеллекта. /А.Н. Авер-кин, А.Ф. Блишун, И.З. Батыршин, В.Б. Силов, В.Б. Тарасов. — М.: Наука, 1986. — 312с.

195. Нечеткие множества и теория возможностей. Последние достижения. /Под ред. Р.РЛгера. М.: Радио и связь, 1986. - 408с.

196. Нильсон Н. Принципы искусственного интеллекта. М.: Радио и связь, 1985. - 376с.

197. Обработка нечеткой информации в системах принятия решений. /А.Н.Борисов, А.В.Алексеев, Г.В.Меркурьева и др. М: Радио и связь. 1989. - 304с.

198. Общая психодиагностика. /Под ред. А.А.Бодалева. М.: МГУ, 1987. - 303с.

199. Олдендерфер М.С., Блэшфилд Р.К. Кластерный анализ. //В кн.: Факторный, дискри-минантный и кластерный анализ". М.: Финансы и статистика, 1989. - С.139-214.

200. Оптнер С. Системный анализ для решения деловых и промышленных проблем. М.: Советское радио, 1969. - 216с.

201. Орлов А.И. Общий взгляд на статистику объектов нечисловой природы: Анализ нечисловой информации в социологических исследованиях. М.: Наука, 1985. — 132с.

202. Орлов А.И. Прикладная теория измерений. //В кн.: "Прикладной многомерный статистический анализ". М.: Наука, 1978. - С.68-138.

203. Орловский С.А. Проблемы принятия решений при нечеткой информации. М.: Наука, 1981. - 206с.

204. Орловский С.А. Проблемы принятия решений при расплывчатой информации. М.: Наука,1981. - 370с.

205. Осипов Г.В., Андреев Э.П. Методы измерения в социологии. М.: Наука, 1977. -287с.

206. Осипов Г.С. Построение моделей предметных областей. Ч. I. Неоднородные семантические сети. //Техническая кибернетика. 1990. № 5. С.32-45.

207. Основы теории системного подхода. /Колесников JI.A. и др. — К.: Наукова думка, 1988.- 176с.

208. Осуга С. Обработка знаний. М.: Мир, 1989. - 293с.

209. Паповян С.С. Математические методы в социальной психологии. М.: Наука, 1983. -343с.

210. Пат. № 2000610164. РФ. Адаптивная система анализа и прогнозирования состояний сложных систем "ДЕЛЬТА". /В.С.Симанков (Россия), Е.В.Луценко (Россия); Заяв. № 2000610164. Опубл. 03.03.2000. 50с.

211. Пат. № 2003610433 РФ. Автоматизированная система мониторинга, анализа и прогнозирования развития сельхозкультур "ПРОГНОЗ-АГРО". / И. А. Драгавцева (Россия), Е.В.Луценко (Россия), Л.М.Лопатина (Россия); Заяв. № 2002611927 РФ. Опубл. от 18.02.2003.-50с.

212. Пат. № 940217. РФ. Универсальная автоматизированная система распознавания образов "ЭЙДОС". /Е.В.Луценко (Россия); Заяв. № 940103. Опубл. 11.05.94. 50с.

213. Пат. № 940328 РФ. Универсальная автоматизированная система анализа, мониторинга и прогнозирования состояний многопараметрических динамических систем "ЭЙДОС-Т". /Е.ВЛуценко (Россия); Заяв. № 940324. Опубл. 18.08.94. 50с.

214. Пат. № 940334. РФ. Универсальная автоматизированная система анализа и прогнозирования ситуаций на фондовом рынке "ЭЙДОС-фонд" /Е.ВЛуценко (Россия), Б.Х.Шульман (США); Заяв. № 940336. Опубл. 23.08.94. 50с.

215. Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ: Учебное пособие. — М.: Высшая школа, 1997. 389с.

216. Петренко В.Ф. Введение в экспериментальную психосемантику: исследование форм репрезентации в обыденном сознании. М.: МГУ, 1983. — 177с.

217. Петренко В.Ф. Психосемантика сознания. М.: МГУ, 1988. - 208с.

218. Петрик A.A., Лобанов В.Г., Симанков B.C., Луценко Е.В. Адаптивная система управления университетом. //В сб.: "Информационные технологии и телекоммуникации в образовании". М.: ВВЦ, 2000. -С.30-31.

219. Пиаже Ж., Инельдер Б. Генезис элементарных логических структур. М.: Мир, 1963. -231с.

220. Пиотровский Я. Теория измерений для инженеров. /Пер. с польск. М.: Мир, 1989. -335с.

221. Питерсон Дж. Теория сетей Петри и моделирование систем. /Пер. с анг. М.: Мир, 1984.-264с.

222. Подиновский В.В., Гаврилов В.М. Оптимизация по последовательно применяемым критериям. М.: Советское радио, 1975. - 230с.

223. Полежаев А.П. Основы построения отраслевой автоматизированной системы управления МВД СССР (ОАСУ МВД СССР): Лекция. М.: Академия МВД СССР, 1981. -38с.

224. Попов Э.В. Экспертные системы. М: Наука, 1987. - 288с.

225. Поспелов Г.С. Искусственный интеллект основа новой информационной технологии. - М.: Наука, 1988. - 280с.

226. Поспелов Д.А. Ситуационное управление: теория и практика. М. Наука, 1986. -288с.

227. Представление и использование знаний. /Под ред. Х.Уэно, М.Исидзука. М.: Мир, 1989.-220с.

228. Прикладные нечеткие системы. /К.Асаи, Д.Ватада, С.Иваи и др. /Под ред. Т.Тэрано, К.Асаи, М.Сугено. М.: Мир, 1993. - 368с.

229. Приобретение знаний. /Под ред. С.Осуги, Ю.Саэки. М.: Мир, 1990. - 304с.

230. Пугачев B.C. Теория вероятностей и математическая статистика. М.: Наука, 1979. -495с.

231. Пфанцагль И. Теория измерений. М.: Мир, 1976. - 248с.

232. Пшеничный Б.Н., Данилин Ю.М. Численные методы в экстремальных задачах. М.: Наука, 1975.-370с.

233. Рабочая книга по прогнозированию. /Под ред. И.В.Бестужева-Лада. М.: Мысль, 1983. - 300с.

234. Райков А.Н. Аналитическим службам информационные технологии. /Ваш выбор. 1994. № 4. - С.28-29.

235. Райков А.Н. Гносеологическая декомпозиция процессов рефлексивного управления. /"Рефлексивное управление". Тезисы международного симпозиума (17-19.10.2000). -М.: Ин-т психол. РАН, 2000. С.89-90.

236. Райков А.Н. Интеллектуальные информационные технологии и системы. В 2-х частях. -М: МИРЭА, 1998.-213с.

237. Райков А.Н. Интеллектуальные информационные технологии: Учебное пособие. — М.: МГИРЭА(ТУ), 2000. 96с.

238. Райфа Г. Анализ решений. Введение в проблемы выбора в условиях неопределенности. М.: Наука, 1977. - 120с.

239. Рассел Б. Человеческое познание. Его сферы и границы. /Пер. с англ. М.: ИЛ, 1957. -115с.

240. Растригин Л.А. Современные принципы управления сложными объектами. М.: Советское радио, 1980. - 120с.

241. Раяцкас Р.Л., Плакунов М.К. Количественный анализ в экономике. М.: Наука, 1987. -391с.

242. Рейнгольд Э., Нивергельт Ю., Део Н. Комбинаторные алгоритмы. Теория и практика. М.: Мир, 1980.-476с.

243. Рефлексивное управление. Сборник статей Международного симпозиума (1719.10.00). /Под ред. В.ЕЛепского. М.: Ин-т психол.РАН, 2000. - 192с.

244. Рефлексивное управление. Тезисы Международного симпозиума (17-19.10.00). /Под ред. В.ЕЛепского. М.: Ин-т психол.РАН, 2000. - 140с.

245. Роберт ГДжан, Бренда Дж.Данн. Границы реальности. (Роль сознания в физическом мире). /Пер. с англ. М.: Объединенный институт высоких температур РАН, 1995. -287с.

246. Робертсон Б. Лекции об аудите качества. Выпуск 2. Пер. с англ. /Под общей редакцией Ю.П.Адлера. М.: РИА "Стандарты и качество", 1999. - 260с.

247. Рыбина Г.В. Технология проектирования прикладных экспертных систем. М.: МИФИ, 1991,- 104с.

248. Рыжов А.П. Степень нечеткости лингвистической шкалы и ее свойства: Нечеткие системы поддержки принятия решений. Калинин: КГУ, 1989. - С.82-92.

249. Рябикина З.М., Некрасов С.Д., Луценко Е.В. Личность и профессия: проблема самоактуализации. //В сб. "Психологические проблемы самореализации личности". /Под ред. О.Г.Кукосяна. Краснодар: КубГУ, 1997. - С.127-140.

250. Савин И.Ю., Загаров Н.Г., Комплексное моделирование ресурсного потенциала земель Дагестана для размещения косточковых плодовых культур. Махачкала: Юпитер. 2000.-15 с.

251. Симанков B.C. Автоматизация системных исследований в альтернативной энергетике. Дисс. .д.т.н. (05.13.01) Краснодар: КубГТУ, 2001. - 472с.

252. Симанков B.C. Планирование определительных испытаний и оптимизация интервальных оценок при исследовании надежности электрических цепей. -Краснодар, 1982.-11с. Деп.в ВИНИТИ, № D/987.

253. Симанков B.C., Луценко Е.В. Адаптивное управление сложными системами на основе теории распознавания образов Монография (научное издание). — Краснодар: ТУ КубГТУ, 1999.-318с.

254. Симанков B.C., Луценко Е.В. О требованиях, предъявляемых к тестовым заданиям и тестам по предметной обученности. //В сб.: "Интеллектуальные информационные системы". Воронеж, ВГТА, 2000. - С.35-36.

255. Симанков B.C., Луценко Е.В. Применение кластерно конструктивного анализа и теории информации для выявления конфликтующих коалиций в сложных организационных системах. //В сб.: "Теория конфликта и ее приложения". — Воронеж: ВГТА,2000.-С.11-12.

256. Симанков B.C., Луценко Е.В. Применение семантической теории информации для обобщения и сравнительно-типологического анализа исторического опыта стран //В сб.: "Вековой поиск модели хозяйственного развития России". Волжский: ВГУ, 2000.-С.21-23.

257. Симанков B.C., Луценко Е.В. Синтез адаптивных АСУ сложными системами с применением моделей распознавания образов. /Автоматизация и современные технологии. 1999. № 1. С.32-37.

258. Симанков B.C., Луценко Е.В., Лаптев В.Н. Системный анализ в адаптивном управлении: Монография (научное издание). /Под науч. ред. В.С.Симанкова. Краснодар: ИСТЭК КубГТУ, 2001. - 258с.

259. Смирнов И., Безносюк Е., Журавлёв А. Психотехнологии: Компьютерный психосемантический анализ и психокоррекция на неосознаваемом уровне. М.: Изд. группа Прогресс-Культура, 1995. - 416с.

260. Современное состояние теории исследования операций. /Под ред. H.H. Моисеева. -М.: Наука, 1979. 464с.

261. Современные технологии оценочной деятельности: Сборник методических рекомендаций. /Коллектив авторов. М.: Ассоциация ФПГ России, 2000. - 208с.

262. Сойер Б., Фостер Д.Л. Программирование экспертных систем на Паскале. М.: Финансы и статистика, 1990. — 191с.

263. Сокал P.P. Кластер-анализ и классификация: предпосылки и основные направления. //В кн: "Классификация и кластер" /Под ред. Дж.Вэн Райзина. М: Мир, 1980. - С.7-19.

264. Соколов Н., Ляшков А. Информационные хранилища для систем принятия решений. /Рынок ценных бумаг. 1996. № 14 (77). С.45-51.

265. Солсо P.JI. Когнитивная психология. /Пер. с англ. М.: Тривола, 1996. - 600с.

266. Спиди К., Браун Р., Гудивин Дж. Теория управления. М.: Мир, 1973. - 248с.

267. Спицнадель В.Н. Основы системного анализа: Учеб. пособие. СПб.: Бизнес-Пресс, 2000.-326с.

268. Справочник по вероятностным расчетам. /Г.Г.Абезгауз, А.П.Тронь, Ю.Н.Ко-пенкин, И.А.Коровина. М.: Воениздат, 1970. - 536с.

269. Стабин И.Б., Моисеева B.C. Автоматизированный системный анализ. -М.: Машиностроение, 1984.-312 с.

270. Статистические методы повышения качества. /Под. ред. Х.Кумэ. М.: Финансы и статистика, 1990. - 304с.

271. Суппес П., Зинес Дж. Основы теории измерений. //В кн.: "Психологические измерения". М.: Мир, 1967. - С.9-110.

272. Такеда Э. Связность расплывчатых графов. //В кн.: "Вопросы анализа и процедуры принятия решений". М.: Мир, 1976. - С.216-228.

273. Тарасов В.К. Персонал-технология: отбор и подготовка менеджеров. Л.: Машиностроение, 1989.-368с.

274. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ. М.: Финансы и статистика, 1990. - 320с.

275. Темников Ф.Е., Афонин В.А., Дмитриев В.И. Теоретические основы информационной техники. М.: Энергия, 1979. - 511с.

276. Теория выбора и принятия решений: Учебное пособие. — М.: Наука. 1982. 328с.

277. Теория прогнозирования и принятия решений. /Под ред. С.А.Саркисяна. М.: Высшая школа, 1977. - 220с.

278. Терехов С.А. Лекции по теории и приложениям искусственных нейронных сетей. — Снежинск: ВНИИТФ, 1994. 182с.

279. Третьяк В.Г. Учебная активность и индивидуальные особенности обучаемых юридического института МВД. Краснодар: КЮИ МВД РФ, 1996. - 1 Юс.

280. Третьяк В.Г., Александров С.Г., Луценко Е.В. Модель профессионально-значимых психологических качеств личности сотрудников ОВД. //Вестник учебного отдела КЮИ МВД РФ. 2001, №1. -С.37-41.

281. Ту Дж., Гонсалес Р. Принципы распознавания образов. /Пер. с англ. М.: Мир, 1978. -410с.

282. Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере. /Под ред. В.Э.Фигурнова. — М.: ИНФРА-М, Финансы и статистика, 1995. 384с.

283. Уемов А. И. Системный подхода и общая теория систем. — М.: Мысль. 1978. — 272с.

284. Уинстон П. Искусственный интеллект. /Пер. с англ. М.: Мир, 1980. - 520с.

285. Уотермен Д. Руководство по экспертным системам. М: Мир, 1989. - 388с.

286. Фатхуддинов Р.А., Клыков Ю.И., Наркевич С.В., Добробаба А.Д., Луценко Е.В. Разработка и управление реализацией городских целевых комплексных программ. ГСТ 00. 004-85. /Городской стандарт. Краснодар: КФ ВНИИ Стандартизации, 1985. -107с.

287. Фатхудинов P.A. Разработка управленческого решения: Учебник для вузов. — М.: ЗАО Бизнес-школа Интел-синтез. 1998. — 272с.

288. Федосеев В.В. и др. Экономико-математические методы и прикладные модели: Учеб.пособие для вузов / Под ред.В.В.Федосеева-М.: ЮНИТИ, 2002, 391 с.

289. Фейнман Р. Характер физических процессов. М.: Мир, 1968. - 232с.

290. Фешберн П. Теория полезности для принятия решений. М.: Наука, 1978. - 120с.

291. Филин В.И. с соавт. Программирование урожая (разработка и внедрение программированных технологий в производство). Волгоград, 1978. 304с.

292. Фисенко А.Н., Егоров Е. А., Попова В. П. Низкозатратная технология высокопродуктивных садов яблони на слаборослых подвоях. Краснодар. СКЗНИИСиВ. 1999. 52 с.

293. Франселла Ф., Банистер Д. Новый метод исследования личности: руководство по репертуарным личностным методикам. /Пер. с англ. М.: Прогресс, 1987. - 230с.

294. Френкель A.A.-, Бар-Хиллел. Основания теории множеств, М., 1966. - 238с.

295. Фролов М.В. Контроль функционального состояния человека-оператора М.: Наука, 1987.-420с.

296. Фу К. Структурные методы в распознавании образов: Пер.с англ. М.: Мир, 1977. -320с.

297. Хагуров A.A., Луценко Е.В., Бакурадзе JI.A. Системный подход к социальному планированию развития города. //В сб.: "Проблемы управления развитием городов". — Краснодар: Краснодарский горисполком, 1985. -С.53-61с. (ДСП).

298. Харкевич A.A. О ценности информации. //В сб.: "Проблемы кибернетики" Вып. 4. -М.: Физматгиз, I960. C.53-S7.

299. Хартли P.JI. Передача информации. //В кн.: "Теория информации и ее приложе-ния". /Пер. под ред. А.А.Харкевича. М.: Физматгиз, 1959. - 305с.

300. Хемминг Р.В. Численные методы: для научных работников и инженеров. /Пер. с англ. -М.: Наука, 1972.-400с.

301. Холодная М.А. Психология интеллекта. Парадоксы исследования. 2-е изд., перераб. и доп. - СПб.: Питер, 2002. - 272 с.

302. Хорошевский В.Ф. Автоматизация программирования экспертных систем. М.: МИФИ, 1988.-64с.

303. Хофманн Д. Измерительно-вычислительные системы обеспечения качества. /Пер. с нем. М.: Энергоатомиздат, 1991. - 272с.

304. Цаленко М.Ш. Моделирование семантики в базах данных. М: Наука, 1989. - 288с.

305. Цапенко М.П. Измерительные информационные системы: Структуры и алгоритмы, систематическое проектирование: Учеб. пособие для вузов. 2-е изд., пер. и доп. — М.: Энергоатомиздат, 1985. 439с.

306. Цехмистро И.З. Диалектика множественного и единого: Квантовые свойства мира как неделимого целого. М.: Мысль, 1972. - 275с.

307. Цымбал В.П. Теория информации и кодирование. К.: Вища школа, 1977. - 287с.

308. Цыпкин Я.3. Основы информационной теории идентификации. М.: Наука, 1984. -520с.

309. Черняк Ю.И. Системный анализ в управлении экономикой. М.: Экономика, 1975. -191с.

310. Шалютин С.М. Искусственный интеллект. М.: Мысль, 1985. - 196с.

311. Шапиро Д.И. Принятие решений в системах организационного управления: использование расплывчатых категорий. М.: Энергоатомиздат, 1983. - 415с.

312. Шенк Р. Обработка концептуальной информации.- М: Энергия, 1979. 344с.

313. Шилейко A.B., Кочнев В.Ф., Химушин Ф.Ф. Введение в информационную теорию систем. М.: Радио и связь, 1985. - 278с.

314. Шнейдерман Б. Психология программирования: Человеческие факторы в вычислительных и информационных системах. /Пер. с англ. М.: Радио и связь, 1984. - 303с.

315. Шокин Ю.И. Интервальный анализ. Новосибирск: Наука, 1981. -112с.

316. Шрейдер Ю.А. Равенство, сходство, порядок. М: Наука, 1971. - 254с.

317. Эйкхофф П. Основы идентификации систем управления. М.: Мир, 1975. — 120с.

318. Экспертные системы для персонального компьютера: методы, средства, реализации. Справочное пособие. Мн.:Высшая школа, 1990. - 197с.

319. Элти Дж., Кумбс М. Экспертные системы: концепции и примеры. М.: Финансы и статистика, 1987. - 191с.

320. Эшби У. Росс. Общая теория систем как новая научная дисциплина. //Системные исследования: Ежегодник. -М: Наука, 1969. С. 125-150.

321. Юдин Б. Г. Системный анализ. М.: БСЭ, 1976.

322. Юдин Д.Б. Математические методы управления в условиях неполной информации. -М.: Советское радио, 1974. 120с.

323. Юзвишин И.И. Информациология или закономерности информационных процессов и технологий в микро- и макромирах Вселенной. Изд. 4-е, испр. М.: Информациология, 1996.-214с.

324. Яблонский С.В. Введение в дискретную математику. М.: Наука, 1979. - 272с.

325. Яглом A.M., Яглом И.М. Вероятность и информация. Изд. 3-е, пер. и доп. М.: Наука, 1973.-511с.

326. Ядов В.А. Социологическое исследование: методология, программа, методы. М.: Наука, 1987.-248с.

327. Янг С. Системное управление организацией. — М.: Советское радио, 1973. — 455с.

328. Kosko, Bart. Neural Networks and Fuzzy Systems. Englewood Cliffs, NJ: Prentice-Hall, 1991.- 173p.

329. Zemankova-Leech, Maria, and Abraham Kandel. Fuzzy Relational Data Bases: A Key to Expert Systems. Cologne: Verlag TUV Rheinland, 1984. - 236p.

330. Луценко E.B. АСК-анализ в управлении активными системами. //Сб. научных трудов №2. -М.: МИФИ, 2003, с.110-119.Ф