Технология разработки гибридных интеллектуальных систем тема диссертации и автореферата по ВАК РФ 05.13.01, доктор технических наук Колесников, Александр Васильевич

• Колесников, Александр Васильевич
• доктор технических наук
• 2002

Оглавление диссертации доктор технических наук Колесников, Александр Васильевич

Введение.

1. Гибридные интеллектуальные системы и проблемы их разработки.

1.1. Особенности обработки информации и управления на современных предприятиях.

1.2. Гибриды и гибридизация в теории управления и обработке информации.

1.3. Понятие и актуальность гибридных интеллектуальных систем.

1.4. Классификация и свойства гибридных интеллектуальных систем.

1.5. Состояние теории, методологии и технологии гибридных интеллектуальных систем.

1.6. Проблемы гибридизации для организации интеллектуального управления и задачи разработки технологии функциональных гибридных интеллектуальных систем.

2. Концептуальные модели - основа технологии гибридных интеллектуальных систем.

2.1. Концептуальные модели эвристик технологии гибридных интеллектуальных систем.

2.2. Онтология концептуальных моделей.

2.3. Неформальная аксиоматическая теория схем ролевых концептуальных моделей.

2.4. Схема ролевых концептуальных моделей для представления моделей действительности.

2:5. Схемы ролевых концептуальных моделей для структурированного представления знаний об объектах-оригиналах гибридизации из мира управления - ресурсах, действиях, структурах, ситуациях и состояниях.

2.6. Стратифицированные концептуальные модели предметной области.

3. Модели задач обработки информации и управления в технологии гибридных интеллектуальных систем.

3.1. Онтология задач обработки информации и управления.

3.2. Источники и понятие неоднородности задач.

3.3. Схемы ролевых концептуальных моделей однородных и неоднородных задач.

3.4. Многоуровневый подход к решению неоднородных задач.

3.5. Модели и свойства задач планирования в неоднородной проблемной среде.

4. Модели инструментариев в технологии гибридных интеллектуальных систем.

4.1. Онтология методов моделирования задач обработки информации и управления.

4.2. Схемы ролевых концептуальных моделей методов моделирования.

4.3. Модели базисных автономных методов в проблемно-структурной технологии.

4.4. Интегрированные методы и модели в проблемно-структурной технологии.

4.5. Модель взаимодействия мира однородных и неоднородных задач и мира автономных и интегрированных методов. $ 5. Моделирование функциональных гибридных интеллектуальных систем в проблемно-структурной технологии.

5.1. Модели элементов гибридных интеллектуальных систем.

5.2. Схема ролевых концептуальных моделей функциональных гибридных интеллектуальных систем для крупнозернистого описания элементов.

5.3. Схема ролевых концептуальных моделей функциональных w гибридных интеллектуальных систем для мелкозернистого описания элементов.

5.4. Модели функционирования гибридных интеллектуальных систем. Гибридные стратегии.

5.5. Язык концептуального моделирования функциональных гибридных интеллектуальных систем.

5.6. Метод моделирования гибридных стратегий.

5.7. Принципы разработки гибридных интеллектуальных систем.

Ш 6. Системный анализ неоднородных задач в проблемно-структурной технологии.

6.1. Структура и содержание проблемно-структурной методологии.

6.2. Методология разработки элементов функциональных гибридных интеллектуальных систем.

6.3. Методы редукции неоднородных задач.-.:

6.4. Метод и алгоритм выбора класса базисных методов для разработки элементов гибридных интеллектуальных систем.

7. Методы синтеза функциональных гибридных интеллектуальных систем в проблемно-структурной технологии.

7.1 .Синтез метода решения неоднородных задач для декомпозиций типа «дерево».:.

7.2. Синтез метода решения неоднородных задач для декомпозиций типа «сеть».

7.3. Язык и технология конвейерного моделирования функциональных гибридных интеллектуальных систем.

7.4. Свойства проблемно-структурной методологии.

8. Инструментальные средства поддержки проблемно-структурной технологии функциональных гибридных интеллектуальных систем.

8.1. Инструментальная система разработки гибридных интеллектуальных систем - ГИМЕНЕЙ.

8.2. Инструментальная среда Visual Event 2.0.

8.3. Инструментальная среда КОНЦЕПТ 1.0.

8.4. Инструментальные среды и пакеты программ СИГМА ТУ, АГРО и SENSOR.

9. Исследования проблемно-структурной технологии на неоднородных задачах планирования и проектирования.

9.1. Сменно-суточное планирование в морском рыбном порту.

9.2. Планирование пропускной способности транспортного узла.

9.3. Планирование урожаев и агротехмероприятий в биопроизводственной щ, системе.

9.4. Проектирование систем автоматики морских транспортных судов иностранной постройки.

Введение диссертации (часть автореферата) на тему «Технология разработки гибридных интеллектуальных систем»

Автоматизацию обработки информации и управления в технических, социально-экономических и биопроизводственных системах (БПС) невозможно представить без применения широкого спектра методов и моделей классической и дискретной математики, имитационного моделирования, системного анализа, исследования операций (ИСО), искусственного интеллекта (ИИ). Огромный вклад в эту область внесли своими работами А.И. Берг, В.М. Глушков, JI.T. Кузин, О.И. Ларичев, JI.A. Растригин, А.И. Уемов, В.Ф. Перегудов, Г.С. Поспелов, Д.А. Поспелов, Р.А. Полуэктов, N.J. Nilsson, L. Zadeh, Е. Mamdani, W.S. McCulloch, W.H. Pitts, Kohonen, S. Grossberg, J. Holland и др. Благодаря трудам этих ученых и их школ появилось множество разных по способам представления данных и знаний классов методов, моделей, алгоритмов и инструментальных средств систем обработки информации и управления, открылась возможность увеличить производительность умственного труда во всех сферах деятельности человека.

К концу 80-х годов, несмотря на разнообразие инструментариев с заметно улучшившимся качеством, для специалистов по автоматизированным системам управления и обработки информации сложилась парадоксальная ситуация: написать интеллектуальную систему, которая помогала бы решать все усложняющиеся практические задачи, становилось все труднее и труднее. А сегодня уже известно, что только менее трети проектов информационных систем заканчиваются успешно. С этим парадоксом наука и практика перешли в 21-й век.

Большинство ученых во многом сходятся в оценке главной причины этого парадокса. Он вызван, с одной стороны, необходимостью решения не «игрушечных», а сложных «практических» задач, т.е. таких задач, «какие они есть» на самом деле, в реальном мире, а с другой стороны, практикой узкой специализации научных школ на развитии и применении одного единственного метода моделирования для имитации решения задач человеком, что приводит к одностороннему, ограниченному, несистемному рассмотрению сложных явлений и процессов.

Необходимость отказа от абсолютизации какого-то одного вида знаний при разработке интеллектуального управления, перехода к ансамблям сотрудничающих с целью взаимокомпенсации недостатков моделей и поиска методов решения практических задач за рамками преимуществ и недостатков отдельных инструментариев построением многомодельных, интегрированных, гибридных систем и гибридных интеллектуальных систем (ГИИС) с мягкими вычислениями обосновывалась А.Н. Борисовым, В.Ф. Венда, Е.С. Вентцель, Д.А. Поспеловым, L. Peshel, L. Zadeh, М. Minsky, R. Sun и др. Основы теории, методологии и технологии ГИИС заложены в трудах А.Н. Аверкина, Н.П. Бусленко, В.В. Емельянова, Г.С. Осипова, В.Б. Тарасова, Н.Г. Ярушкиной, L. Medsker, S. Goonatilake, S. Khebbal, M. Hillario, S. Wermter, D. Nauck и других ученых.

Несмотря на успехи ГИИС 90-х годов, как и в любом научном направлении, здесь еще много неясных и нерешенных проблем как по постановке, так и по методам. По многокомпонентным, функциональным ГИИС сделаны лишь первые шаги. Нет теории, отсутствуют технологии их автоматизированного проектирования, разработка ГИИС по-прежнему относится скорее к искусству «генетика-информатика» в его уникальной мастерской, чем к научно обоснованной гибридизации, широко используемой в решении практических задач. Гибридизация - сложный, тонкий и трудоемкий процесс разработки ГИИС, требующий широкого спектра знаний о предметной области, задачах, методах их решения, длительной по времени, сложной обработки информации и экспериментов. Часто встречающееся некорректное применение автономных технологий и методов, например искусственных нейронных сетей (ИНС), нечетких систем (НС) и генетических алгоритмов (ГА), приводит к ошибкам в функциональных ГИИС, а трудоемкость их разработки не позволяет за время проекта построить несколько вариантов, проверить их качество и выбрать приемлемый.

Поэтому, а также из-за расширения практики разработки и применения в интеллектуальном управлении и проектировании гибридов, актуальны теория, методология и особенно технология гибридизации. Объект исследования диссертации - методы, модели, алгоритмы и программы разработки функциональных ГИИС.

Актуальность исследований подтверждается поддержкой Российского фонда фундаментальных исследований (грант 98-01-0081) и Комитета по научным исследованиям республики Польша (грант № 8Т11А00813), договором о Международном сотрудничестве между Гданьским техническим университетом и Калининградским государственным техническим университетом (КГТУ) от 10 апреля 1998 года. Выполнение работы связано с плановыми исследованиями Санкт-Петербургского государственного технического университета (СПбГТУ), КГТУ и Калининградского отделения международной Академии информатизации. В соответствии с приоритетными направлениями развития науки и техники, а также перечнем критических технологий федерального уровня, утвержденных решением Правительственной комиссии по научно -технической политике и указом Президента РФ от 13.07.1996 года № 884 «О доктрине развития Российской науки» интеллектуальные системы автоматизированного проектирования и управления отнесены к критическим технологиям федерального уровня.

На защиту выносятся следующие основные научные результаты:

1) впервые разработанные классификации ГИИС и их архитектур, модели гибридизации, построенные обобщением мирового опыта создания ГИИС;

2) впервые разработанная н^фюрмальная^ теория схем ролевых концептуальных моделей для представления данных и знаний как системная основа технологии ГИИС;

3) впервые построенные в неформальной аксиоматической теории схемы многоуровневых концептуальных моделей объектов-оригиналов гибридизации (сложных практических задач), объектов-прототипов (методов моделирования), элементов ГИИС и объектов-результатов (функциональных ГИИС);

4) методы редукции сложности практических задач, метод и эвристический алгоритм выбора классов для разработки элементов ГИИС, метод и эвристические алгоритмы синтеза функциональных ГИИС;

5) новая методология автоматизированной разработки функциональных ГИИС, использующая знания в виде схем ролевых концептуальных моделей задач, методов и архитектур ГИИС;

6) новая проблемно-структурная технология, автоматизирующая системный анализ сложных практических задач и синтез функциональных ГИИС;

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Колесников, Александр Васильевич

ЗАКЛЮЧЕНИЕ

Настоящая работа посвящена повышению эффективности интеллектуальных систем обработки информации и управления путем разработки теории и методологии автоматизированного проектирования функциональных ГИИС с учетом человеческого фактора, созданию программной технологии системного анализа сложных практических задач и синтеза методов их решения за рамками возможностей отдельных инструментариев.

Теоретические исследования, выполненные в диссертации, позволили решить научно-техническую проблему автоматизированного проектирования функциональных ГИИС путем разработки методологии и проблемно-структурной технологии. Решение данной проблемы имеет важное значение для автоматизации сложных практических задач обработки информации и управления.

Проведенные исследования позволили получить ряд новых результатов.

1) Впервые разработана неформальная аксиоматическая теория схем КМ -теоретическая основа PS-технологии проектирования ГИИС, что позволяет типизировать, формализовать, систематизировать, использовать на практике и тиражировать знания и опыт, необходимые для конструирования сложных интеллектуальных систем.

2) Впервые в рамках неформальной аксиоматической теории построены схемы КМ для системного анализа сложных практических задач как неоднородных объектов, автоматизировать решение которых не удается в рамках ограничений существующих методов моделирования и схемы КМ шести классов автономных методов для синтеза за рамками ограничений релевантной областям неоднородности интегрированной модели, как инструментария решения задачи.

3) Впервые выявлены, систематизированы и учтены в схемах КМ знания о преимуществах и недостатках шести классов методов моделирования, что снижает риск срыва проектов и улучшает качество разработки ГИИС.

4) В неформальной аксиоматической теории разработаны схемы КМ, впервые позволившие формализовать и изучить крупно- и мелкозернистые функциональные ГИИС, выявить их свойства, создать метод моделирования гибридных стратегий и сформулировать принципы их разработки.

5) Впервые разработана методология функциональных ГИИС, использующая знания в виде схем КМ и оригинальные методы системного анализа и редукции неоднородных задач, метод и алгоритм выбора автономных методов для построения элементов ГИИС релевантных областям неоднородности и алгоритм синтеза ГИИС для решения практической задачи, что позволяет автоматизировать и существенно снизить трудозатраты на разработку приложений.

6) Разработанные теория, модели, схемы и методология положены в основу оригинальной PS-технологии и программ автоматизированного проектирования ГИИС, что в 3 - 7 раз сокращает время разработки и во столько же раз снижает трудозатраты на эксплуатацию функциональных ГИИС.

7) Свойства и качество проектируемых по PS-технологии функциональных ГИИС исследованы на неоднородных задачах планирования и проектирования в трех предметных областях. Для этого разработаны ГМП в рамках шести классов методов для решения задачи сменно-суточного планирования производственного процесса в морском порту - 3 модели, для решения задачи планирования урожаев и агротехмероприятий - 19 моделей и выбора ИППП для систем судовой автоматики - 6 моделей, что имеет как самостоятельное значение для совершенствования качества обработки информации и управления, так и впервые позволило синтезировать и исследовать интегрированные модели. Для ТУ инструментальные средства позволили более чем в 20 раз снизить затраты труда на подготовку и анализ сменно-суточного плана. Для БПС средняя ошибка прогноза урожая снижена в 4 - 8 раз и по серии из 60 экспериментов не превысила двух ц/га. Получаемые по PS-технологии ГИИС дают ошибку в три раза меньшую, чем автономные модели и однородное моделирование.

8) Результаты диссертации нашли широкое практическое применение в разработке автоматизированных систем обработки информации и управления для

Российских и зарубежных предприятий и организаций, а также в учебном процессе КГТУ и Калининградского института международного бизнеса.

Подводя итог, следует отметить, что, имея самостоятельное значение, проблемно-структурная технология функциональных ГИИС - основа, базис для проведения других теоретических исследований, в частности, разработки лабораторных синтезирующе-тестируюгцих стендов изучения эволюционных процессов в мире методов моделирования за рамками ограничений отдельных автономных методов и оценки качества интегрированных методов и моделей на подобранных для этих целей задачах.

Список литературы диссертационного исследования доктор технических наук Колесников, Александр Васильевич, 2002 год

1. Аверкин и др., 1990. Аверкин А Н., Блишун А.Ф., Гаврилова Т А., Осипов Г.С. Приобретение и формализация знаний // В кн. «Искусственный интеллект. В 3-х кн. Кн. 2. Модели методы: Справочник» / Под ред. Д.А. Поспелова. -М.: Радио связь, 1990. С. 65-76.

2. Акоф, Сасиени, 1971. Акоф Р., Сасиени М. Основы исследования операций. М.: Мир, 1971. - 536 с.

3. Александров, 1975. Александров Е.А. Основы теории эвристических решений. М.: Сов радио, 1975. - 320 с.

4. Алексеев, Имаев и др., 1999. Алексеев А.А., Имаев Д.Х., Кузьмин Н.Н., Яковлев В.Б. Теория управления: Учеб. пособие. СПб.: СПбГЭТУ «ЛЭТИ», 1999.-435 с.

5. Алексеева, 1998. Алексеева М.М. Планирование деятельности фирмы. -М.: Финансы и статистика, 1998. 248 с.

6. Арефьев, 1980. Арефьев И.Б. и др. Принципы построения АСУ политранспортным процессом региона // Сб. «Проблемы системотехники и АСУ». -Л.: Изд. СЗПИ, 1980. С. 7-15.

7. Архив по ГА IlliGAL, 2000. Архив публикаций по генетическим алгоритмам IlliGAL из University of Illinois.- http://gal4.ge.uiuc.edu.

8. Архив по ГА, 2000. Архив по генетическим алгоритмам. http://www.cs.purdul.edu/coast/archive/clife/FAQ/www/Q20matLabga.htm.

9. Астанин, Захаревич, 1997. Астанин С В., Захаревич В.Г. Обработка и представление знаний в информационно советующих комплексах гибридного интеллекта: Учебное пособие. Таганрог: ЕЗТУ, 1997. - 136 с.

10. Афанасьев, 1986. Афанасьев В.Г. Мир живого: системность, эволюция и управление. М.: Политиздат, 1986. - 334 с.

11. Бартос, 1997. Бартос Ф.Дж. Искусственный интеллект: принятие решений в сложных системах управления // Мир компьютерной автоматизации. 1997. №4 (12). С. 22-27.

12. Башлыков, Еремеев, 1994. Башлыков А.А., Еремеев А.П. Экспертные системы поддержки принятия решений в энергетике. М.: МЭИ, 1994. - 216 с.

13. Бенерджи, 1972. Бенерджи Р. Теория решения задач: Подход к созданию искусственного интеллекта. М.: Мир, 1972. - 224 с.

14. Бирюков, Гастев, Геллерт, 1974. Бирюков Б.В., Гастев Ю.А., Геллерт Е.С. Моделирование // Большая Советская энциклопедия. Т. 16. М.: Советская энциклопедия, 1974. С. 393-395.

15. БСЭ, 1971а. Большая Советская Энциклопедия. Т.6. М.: Советская энциклопедия, 1971. С. 453.

16. БСЭ, 1971b. БСЭ. Т.6. М.: Советская энциклопедия, 1971. С. 439.

17. БСЭ, 1971с. ББСЭ. Т.7. М.: Советская энциклопедия, 1971. С. 53.

18. БСЭ, 1972. БСЭ. Т.9. М.: Советская энциклопедия, 1972. С. 277.

19. БСЭ, 1974. БСЭ. Т.15. М.: Советская энциклопедия, 1974. С. 480-481.

20. Бондаренко и др., 1982. Бондаренко Н.Ф. и др. Моделирование продуктивности агроэкосистем. JL: Гидрометеоиздат, 1982. - 264 с.

21. Борисов и др., 1986. Борисов А.Н. и др. Диалоговые системы поддержки принятия решений на баз мини-ЭВМ: Информационное, математическое и программное обеспечение. Рига: Зинате, 1986. - 195 с.

22. Букатова, 1990. Букатова И.Л. Эвоинформатика. Теория и практика эволюционного моделирования. М.: Наука, 1990. - 205 с.

23. Бурков, Еналиев, Новиков, 1996. Бурков В Н., Еналеев А.К., Новиков Д.А. Механизмы функционирования социально-экономических систем с сообщением информации//Автоматика и телемеханика. 1996. №3. С.3-25.

24. Бусленко, 1977. Бусленко В.Н. Автоматизация имитационного моделирования сложных систем. М.: Наука, 1977. - 240 с.

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

26. Бусленко, 1973. Бусленко Н.П. и др. Лекции по теории сложных систем. -М.: Наука, 1973.-439 с.

27. Вавилов, Имаев, 1983. Вавилов А.А., Имаев Д.Х. Эволюционный синтез систем управления: Учебное пособие,- Л.: ЛЭТИ, 1983,- 80 с.

28. Вавилов, Имаев и др., 1983. Вавилов А.А., Имаев Д.Х., Плескухин В.И., Фомин Б.Ф. и др. Имитационное моделирование производственных систем.-М.: Машиностроение, Берлин: Техника, 1983.- 416 с.

29. Валькман, 1998. Валькман Ю.Р. Интеллектуальные технологии исследовательского проектирования: формальные системы и семиотические модели. Киев: Port-Royal, 1998. 250 с.

30. Венда, 1990. Венда В.Ф. Системы гибридного интеллекта: Эволюция, психология, информатика. М.: Машиностроение, 1990. - 448 с.

31. Веников, 1976. Веников В.А. Теория подобия и моделирования: Учебное пособие для вузов. Изд. 2-е . М.: Высшая школа, 1976. - 479 с.

32. Вентцель, 1988. Вентцель Е.С. Исследование операций: задачи, принципы, методология. М.: Наука, 1988. - 208 с.

33. Виленкин, 1969. Виленкин Н.Я., 1969. Комбинаторика. М.: Наука, 1969. - 328 с.

34. Винер, 1958. Винер Н. Кибернетика и общество. М.: Иностранная литература, 1958. - 199 с.

35. Волкова, Темников, 1974. Волкова В.Н., Темников Ф.Е. Методы формализованного представления (отображения) систем // Текст лекций. М.: ИП-КИР, 1974. - 114 с.

36. Волкова, Денисов, 1999. Волкова В.Н., Денисов А.А. Основы теории систем и системного анализа. СПб.: СПбГТУ, 1999. - 512 с.

37. Вороновский и др., 1997. Вороновский Г.К. и др. Генетические алгоритмы. Искусственные нейронные сети и проблемы виртуальной реальности. -Харьков: Основа, 1997. 112 с.

38. Выход в ENCORE, 2001. Выход в ENCORE (the Evolutionary Computation Repository network. http://www.cs.gmu.edu/research/gag/.

39. Гаазе-Рапопорт, Поспелов, 1987. Гаазе-Рапопорт М.Г., Поспелов Д.А. От амебы до робота: модели поведения. М.: Наука, 1987. - 288 с.

40. Гаврилов, 1998. Гаврилов А.В. Проблемы обработки символьной информации в нейронных сетях // Сб. докладов междун. конференции по мягким вычислениям и измерениям SCM-98. Т.1.- СПб., 1998. С. 321-323.

41. Гаврилова, Червинская, 1992. Гаврилова Т.А., Червинская К.Р. Извлечение и структурирование знаний для экспертных систем. М.: Радио и связь, 1992. - 200 с.

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

43. Гельфандбейн и др., 1991. Гельфандбейн Я.А., Рудинский И.Д., Новожилова Н.В. Гибридные многомодельные системы. Вопросы реализации // Известия АН СССР. Серия «Техническая кибернетика»,- 1991. № 3. С. 174 183.

44. ГА для оптимизации, 2000. Генетические алгоритмы для многокритериальной оптимизации. http://www.lania.mx/~ccoello/EMOO/zitzler99.ps.gz.

45. ГИБРИД СПР, 1998. Гибридная интеллектуальная система синтеза и принятия рациональных решений ГИБРИД СПР. http://www3. unicor.ac.ru/scripts/resource. idc?Resid=l 943

46. Гильманов, 1978. Гильманов Т.Г. Математическое моделирование биогеохимических циклов в травяных экосистемах. М.: МГУ, 1978. - 272 с.

47. Гладун, 1987. Гладун В.П. Планирование и решений. Киев: Наукова думка, 1987.- 168 с.

48. Гладун, 2001. Гладун В.П. Каким должен быть интеллектуальный компьютер // Сб. тр. междун. научно-практической конференции KDS 2001. Т.1.-СПб.: Северо-западный государственный заочный технический университет, 2001. С. 136-143.

49. Глухов, 1998. Глухов Д.О. Экспертная система на нечетких продукционных правилах для обследования сложного объекта // Сб. докладов междун. конференции по мягким вычислениям и измерениям SCM-98. Т.2. СПб, 1998. С. 174-176.

50. Горбань, Россиев, 1996. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука, сиб. отделение, 1996. - 276 с.

51. Городецкий и др., 1998. Городецкий В.И, Грушинский М.С., Хабалов А.В. Многоагентные системы (обзор) // Новости искусственного интеллекта. -1998. №2. С. 64-116.

52. Гультяев, 1999. Гультяев А.К. MATLAB 5.2: Имитационное моделирование в среде Windows: Практическое пособие. СПб.: КОРОНА принт, 1999. -288 с.

53. Декарт, 1950. Декарт Р. Избранные произведения. М.: Госполитиздат, 1950. -712 с.

54. Денисов, Колесников, 1982. Денисов А.А., Колесников Д.М. Теория больших систем управления. J1.: Энергоиздат, 1982. - 288 с.

55. Джейн и др., 1997. Джейн А.К., Мао Ж., Монуддин М. Введение в искусственные нейронные сети // Открытые системы. 1997. №4. С. 16-24.

56. Джексон, 2001. Джексон П. Введение в экспертные системы: Пер. с англ.: Учебное пособие. М.: Изд. дом «Вильяме», 2001,- 624 с.

57. Дрейфус, 1979. Дрейфус X. Чего не могут вычислительные машины: критика искусственного интеллекта. М.: Прогресс, 1979. - 332 с.

58. Ерофеев, Поляков, 1999. Ерофеев А.А., Поляков А О. Интеллектуальные системы управления. СПб.: СПбГТУ, 1999. - 256 с.

59. Ефимов, 1982. Ефимов Е.И. Решатели интеллектуальных задач. М.: Наука, 1982.-320 с.

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

61. Заде, 1976. Заде J1. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. - 165 с.

62. Захаров, Ульянов, 1994. Захаров В.Н., Ульянов С.В. Нечеткие модели интеллектуальных регуляторов и систем управления. IV. Имитационное моделирование // Известия РАН. Серия «Техническая кибернетика». 1994. №5. С. 168-210.

63. Захаров, 1997. Захаров В.Н. Интеллектуальные системы управления: Основные понятия и определения // Известия РАН. Теория и системы управления. 1997. №3. С. 138-145.

64. Иванов, 1978. Иванов В.В. Чет и нечет: Асимметрия мозга и знаковых систем. М.: Советское радио, 1978. -184 с.

65. Ильин, 1989. Ильин В.Д. Система порождения программ. М.: Наука, 1989.-264 с.

66. Интервью с Медведевым, 2001. Интервью с директором института мозга и человека РАН С.В. Медведевым // Секретные материалы 20-го века. 2001. N19 (63). С. 10-11.

67. ИНТЕРНЕТ-страница фирмы Interface Ltd., 2000. ИНТЕРНЕТ-страница фирмы Interface Ltd.: программные продукты Rational Software. -http ://www.interface.ru.

68. ИНТЕРНЕТ-страница языка РЕФАЛ, 2000. ИНТЕРНЕТ-страница рабочей группы по языку РЕФАЛ. http://refal.msu.ru.

69. Иппа и др., 1998. Иппа А.Ю., Исмаилов Ш.Ю, Шкодырев В.П. Выбор начальных условий при обучении многослойных нейронных сетей // Сб. докладов междун. конференции по мягким вычислениям и измерениям SCM-98. Т.1. -СПб., 1998. С. 309-317.

70. Исаков, 1988. Исаков Л.И. Справочник по устройству, обслуживанию и ремонту судовой автоматики: Вопросы и ответы. М.: Транспорт, 1988. -207 с.

71. Искусственный интеллект, 1990. Искусственный интеллект. В 3-х кн. Кн. 2. Модели и методы / Под ред. Д.А. Поспелова. М.: Радио и связь, 1990. -304 с.

72. Катковник, Полуэктов, 1966. Катковник В.Я., Полуэктов Р.А. Многомерные дискретные систебмы управления. М.: Наука, 1966,- 416 с.

73. Клир, 1990. Клир Дж. Системология. Автоматизация решения системных задач. М.: Радио и связь, 1990. - 544 с.

74. Клыков, 1974. Клыков Ю.И. Ситуационное управление большими системами. М.: Энергия, 1974. - 134 с.

75. Ковтун, 1989. Ковтун JI.C. Оптимизация условий возделывания озимой пшеницы по интенсивной технологии. М.: Наука, 1989. - 231 с.

76. Колесов, Сениченков, 2001. Колесов Ю.Б., Сениченков Ю.Б. Визуальное моделирование. СПб.: НПО «Мир и семья», 2001. - 256 с.

77. Колесников, 1984b. Колесников А.В. Моделирование систем. Методические указания к практическим занятиям для студентов вузов по специальности «Автоматизированные системы управления». Калининград: КТИРПХ, 1984. -56 с.

78. Колесников, 1987а. Колесников А.В. Моделирование систем. 41. Вероятностно-автоматные модели. Калининград: КТИРПХ, 1987. - 45 с.

79. Колесников, 1987b. Колесников А.В. Моделирование систем. 43. Агрегаты и агрегативные системы. Калининград: КТИРПХ, 1987. - 41 с.

80. Колесников, 1988. Колесников А.В. Моделирование систем. Логико-лингвистические модели. Калининград: КТИРПХ, 1988. - 68 с.

81. Колесников, 1989а. Колесников А.В. Моделирование систем. 46. Схемы и структура моделирования систем. Калининград: КТИРПХ, 1989. - 61 с.

82. Колесников, 1989b. Колесников А.В. Моделирование систем. Метод статистического моделирования систем на ЭВМ. Калининград: КТИРПХ, 1989. -46 с.

83. Колесников, 1989с. Колесников А.В. Моделирование систем. Программные средства. Обработка результатов моделирования. Калининград: КТИРПХ, 1989. - 33 с.

84. Колесников, 1990. Колесников А.В. Полиязыковые модели и моделирование // Сб. «Методы и системы принятия решений. Экспертные системы в автоматизированном проектировании». Рига: РПИ, 1990. С. 97-101.

85. Колесников, 1998а. Колесников А.В. Гибридные парадигмы автоматизированного проектирования // Сб. тр. междун. научно-технической конференции БАЛТТЕХМАШ 98. Калининград: КГТУ, 1998. С. 35-36.

86. Колесников, 1998b. Колесников А.В. Многокомпонентная система поддержки принятия решений в проектировании // Сб. докладов международной конференции по мягким вычислениям и измерениям (SCM 98). Т2. СПб., 1998. С. 211-214.

87. Колесников, 1999d. Колесников А.В. Гибридные интеллектуальные системы для поддержки принятия решений // Сб. тр. междун. конференции «Интеллектуальное управление: новые интеллектуальные технологии в задачах управления ICIT 99». М.: Наука, 1999. С. 59-63.

88. Колесников, 2000а. Колесников А.В., 2000. Неоднородное моделирование в автоматизированном проектировании сложных технических объектов // Сб. докладов международной научно-технической конференции БАЛТТЕХ-МАШ-2000. Т 1. Калининград: КГТУ, 2000. С. 66-67.

89. Колесников, 2000с. Колесников А.В. Интеллектуальное управление и гибриды // Сб. тр. международной научной конференции посвященной 70-летию основания Калининградского государственного технического университета. 44. Калининград: КГТУ, 2000. С. 237-239.

90. Колесников, 2001. Колесников А.В. Гибридные интеллектуальные системы. Теория и технология разработки / Под ред. A.M. Яшина. СПб.: СПбГТУ, 2001. - 711 с.

91. Колесников, Петухов, 1981. Колесников А.В., Петухов О.А. Моделирование систем. JL: Северо-западный заочный политехнический институт, 1981.-72 с.

92. Колесников и др., 1982. Колесников А.В., Михлин Л.П., Настин Ю.Я., Пономарев В.Ф. Автоматизированные системы управления предприятиями рыбного хозяйства / Под ред. В.Ф.Пономарева. М: Легкая и пищевая промышленность, 1982. - 232 с.

93. Колесников и др., 1984. Колесников А.В., Копейкин М.В., Петухов О.А. Машинные методы вычислений. Л.: СЗПИ, 1984,- 80 с.

94. Колесников Сулева, 1989а. Колесников А.В., Сулева О.М. Проектирование и применение двухмодельной системы и планирование основной деятельности вуза // Сб. «Автоматизированные процедуры принятия решений в управлении вузами». М.: НИИВШ, 1989. С. 152-159.

95. Колесников Сулева, 1989b. Колесников А.В., Сулева О.М. АСУ ВУЗ отрасли. Опыт и перспективы // Рыбное хозяйство. 1989. №7. С. 39-41.

96. Колесников, Щетинин, 1990. Колесников А.В., Щетинин А.И. Полиязыковые модели. Теория и практика. М.: ИПУ АН СССР, ВВИИСИ АН СССР, 1990. С. 10-11.

97. Колесников, Шибаев, 1998. Колесников А.В., Шибаев М. База данных и диалоговая система проектирования автоматики морских судов // Сб. тр. международной научно-технической конференции БАЛТТЕХМАШ 98. Калининград: КГТУ, 1998. С. 33-34.

98. Косовский, Типпсов, 2000. Логики конечнозначных предикатов на основе неравенств: Учебное пособие,- СПб.: С.-Петерб. университет, 2000,- 268 с.

99. Кудаков и др., 1998. Кудаков А.В., Речинский А.В., Щукин Д.В., Яшин A.M. Математические основы систем искусственного интеллекта: Учебное пособие. 4.1. Экспертные системы. СПб.: СПбГТУ, 1998. - 104 с.

100. Кузин, 1973. Кузин Л.Т. Основы кибернетики: В 2-х т. Т1. Математические основы кибернетики. М.: Энергия, 1973. - 504 с.

101. Кузин, 1979. Кузин Л.Т. Основы кибернетики: В 2-х т. Т2. Основы кибернетических моделей. М.: Энергия, 1979. - 582 с.

102. Кузнецов, Адельсон-Вельский, 1980. Кузнецов О.П., Адельсон-Вельский Г.М. Дискретная математика для инженера. М.: Энергия, 1980. - 344 с.

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

104. Ларичев, 1987. Ларичев О.И. Объективные модели и субъективные решения. М.: Наука, 1987,- 144 с.

105. Ларичев, 2000. Ларичев О.И. Теория и методы принятия решений. М.: Логос, 2000. - 296 с.

106. Лелюк, 1990. Лелюк В.А. Концептуальное проектирование систем с базами знаний. Харьков: Основа, 1990. - 144 с.

107. Лорьер, 1991. Лорьер Ж.-Л. Системы искусственного интеллекта. М.: Мир, 1991. - 568 с.

108. Лэсдом, 1975. Лэсдом Л.С. Оптимизация больших систем. М.: Наука, 1975.-432 с.

109. Максимей, 1988. Максимей И.В. Имитационное моделирование на ЭВМ. М.: Радио и связь, 1988. - 232 с.е Малышев и др., 1991. Малышев Н.Г., Берштейн Л.С., Боженок А.В. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991. -136 с.

110. Математика и кибернетика в экономике, 1975. Математика и кибернетика в экономике // Словарь-справочник. Изд. 2-е перераб. и доп. М.: Экономика, 1975.- 700 с.

111. Мелихов и др., 1990. Мелихов A.M., Берштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990. -272 с.

112. Меркурьева, Меркурьев, 1991. Меркурьева Г.В., Меркурьев Ю.А. Экспертные системы имитационного моделирования (Обзор) // Известия РАН. Серия «Техническая кибернетика». 1991. №3. С. 156-173.

113. Месарович и др., 1973. Месарович М., Мако Д., Такахара И. Теория иерархических многоуровневых систем. М.: Мир, 1973. - 344 с.

114. Микони, 2000. Микони С.В. Модели и базы знаний: Учебное пособие. -СПб.: Петербургский гос. университет путей сообщения, 2000. -155 с.

115. Минский, 1967. Минский М. На пути к созданию искусственного разума // В кн. «Вычислительные машины и мышление» / Под ред. Э. Фейгенбаума и Дж. Фельдмана. М.: Мир, 1967. С. 452-458.

116. Миронова, Плесневич, 1994. Миронова Т.С., Плесневич Г.С. Гибридные модели знаний// Известия РАН. Серия «Техническая кибернетика». 1994. №2. С. 56-70.

117. Нариньяни, 1998. Нариньяни А С. Искусственный интеллект: стагнация или новая перспектива // Сб. тр. 6 национальной конференции по искусственному интеллекту с международным участием КИИ 98. Т.1. Пущино, 1998. С. 15-29.

118. Науман, 1987. Науман Э. Принять решение но как? // Пер. с нем. - М.: Мир, 1987. - 198 с.

119. Нечаев, 1990. Нечаев В.В. Творческая задача и интеллектуальный решатель: концептуальный подход // Межвузов, сборник научных тр. «Модели и системы представления знаний». М.: МИРЭА, 1990. С. 53-68.

120. Нечеткие множества, 1986. Нечеткие множества в моделях управления и искусственного интеллекта // Аверкин А.Н., Батыршин И.З., Блишун А.Ф. / Под ред. Д.А. Поспелова. М.: Наука, 1986. - 312 с.

121. Николаев, Брук, 1985. Николаев В.И., Брук В.М. Системотехника: методы и приложения. Д.: Машиностроение, 1985. -199 с.

122. Нильсон, 1973. Нильсон Н. Искусственный интеллект. Методы поиска решений. М.: Мир, 1973. - 272 с.

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

124. Новик, 1965. Новик И.Б. О моделировании сложных систем (философский очерк). М.: Мысль, 1965. - 336 с.

125. Новиков, 2000. Новиков Ф.А. Дискретная математика для программистов. СПб.: Питер, 2000. - 304 с.

126. Ньюэлл, Саймон, 1967. Ньюэлл А., Саймон Г. GPS- программа, моделирующая процесс человеческого мышления // В кн. «Вычислительные машины и мышление» / Под ред. Э. Фейгенбаума, Дж. Фельдмана. М.: Мир, 1967. С. 283302.

127. Общение с ЭВМ на естественном языке, 1982. Общение с ЭВМ на естественном языке // Попов Э.В. М.: Наука, 1982. - 360 с.

128. Ожегов, 1972. Ожегов С.И. Словарь русского языка. М.: Советская энциклопедия, 1972. - 848 с.

129. Осипов, 1990. Осипов Г.С. Построение моделей предметных областей. Ч. 1. Неоднородные семантические сети // Известия АН СССР. Серия «Техническая кибернетика». 1990. №5. С. 32-45.

130. Осипов, 1997. Осипов Г.С. Приобретение знаний интеллектуальными системами: Основы теории и технологии. М.: Наука, 1997. - 112 с.

131. Осипов, 1998. Осипов Г.С. Динамика в системах, основанных на знаниях // Известия РАН. Теория и системы управления. 1998. №5. С. 24-28.

132. Осуга, 1989. Осуга С. Обработка знаний: Пер. с япон. М.: Мир, 1989. -293 с.

133. Первозванский, 1975. Первозванский А.А. Математические модели в управлении производством. М.: Наука, 1975,- 616 с.

134. Перегудов, Тарасенко, 1989. Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ: Учебное пособие для вузов. М.: Высшая школа, 1989. -367 с.

135. Пешель, 1981. Пешель М. Моделирование сигналов и систем. М.: Мир, 1981.- 302 с.

136. Пойя, 1970. Пойа Д. Математическое открытие. Решение задач: основные понятия, изучение и преподавание. М.: Наука, 1970. - 452 с.

137. Полевой, 1983. Полевой А.Н. Теория и расчет продуктивности сельскохозяйственных культур. Д.: Гидрометеоиздат, 1983. - 175 с.

138. Полуэктов, 1991. Полуэктов Р.А. Динамические модели агроэкосистем. -JL: Гидрометеоиздат, 1991.-311 с.

139. Поспелов, 1980. Поспелов Г.С. Системный анализ и искусственный интеллект. М.: АН СССР, 1980. - 47 с.

140. Поспелов, Ириков, 1976. Поспелов Г.С., Ириков В.А. Программно-целевое планирование и управление (введение). М.: Советское радио, 1976. -440 с.

141. Поспелов, 1971. Поспелов Д.А. Принципы ситуационного управления // Известия АН СССР. Серия «Техническая кибернетика».-1971. №2. С. 10-17.

142. Поспелов, 1981. Поспелов Д.А. Логико-лингвистические модели в системах управления. М.: Энергоиздат, 1981. - 232 с.

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

144. Поспелов, 1991. Поспелов Д.А. Как же будут развиваться системы ИИ? // В кн. «Будущее искусственного интеллекта». М.: Наука, 1991. С. 149.

145. Поспелов, 1998. Поспелов Д.А. Метафора, образ и символ в познании мира// Новости искусственного интеллекта. 1998. №1.С. 94-114.

146. Поспелов, Пушкин, 1972. Поспелов Д.А., Пушкин В.Н. Мышление и автоматы. М.: Советское радио, 1972. - 224 с.

147. Поспелов, Кузнецов, 1996. Поспелов Д.А., Кузнецов О.П. Знания и рассуждения в гуманитарных науках // Новости искусственного интеллекта. 1996. №2. С. 93-98.

148. Поспелов, 1989. Поспелов Д.А. Заключение к сб. «Экспертные системы: состояние и перспективы». М.: Наука, 1989. С. 147-151.

149. Построение экспертных систем, 1987. Построение экспертных систем // Пер. с англ./ Под ред. Ф. Хейса-Рота, Д. Уотермана, Д. Лената. М.: Мир, 1987. - 441 с.

150. Потемкин, 1999. Потемкин В.Г. Система инженерных и научных расчетов MATLAB 5.x: В 2-х т. Т.1. М.: ДИАЛОГ-МИФИ, 1999. - 366 с.

151. Потемкин, 1999. Потемкин В.Г. Система инженерных и научных расчетов MATLAB 5.x: В 2-х т. Т.2. М.: ДИАЛОГ-МИФИ, 1999. - 304 с.

152. Правила классификации и постройки морских судов, 1999. Правила классификации и постройки морских судов. Т.2. СПб.: Российский Морской регистр судоходства, 1995. - 505 с.

153. Прангишвили, 1999. Прангишвили И.В. Доклад на юбилейном заседании, посвященном 60-летию ИПУ РАН. http://www.ipu.ru/publ/pl p3.htm.

154. Приобретение знаний, 1990. Приобретение знаний // Пер. с япон. / Под ред. С. Осуги, Ю. Саэки. М.: Мир, 1990. - 394 с.

155. Программное обеспечение САПР в судостроении, 1999. Программное обеспечение САПР в судостроении. http://admis.com.pl/Isoftwr.html.

156. Пушкин, 1965. Пушкин В Н. Оперативное мышление в больших системах. М.: Энергия, 1965. - 375 с.

157. Пышагин, Рыбина, 1998. Пышагин С В., Рыбина Г.В. Интеллектуальная поддержка разработки интегрированных экспертных систем // Сб. тр. 6 национальной конференции с международным участием по искусственному интеллекту КИИ 98. Т.2. Пущино, 1998. С. 419-426.

158. СПР по озимой пшенице, 1997. Разработка системы принятия решений по озимой пшенице: Отчет о НИР / Калининградское отделение международной академии информатизации; Руководитель работ Колесников А.В. № 96-1101. Калининград, 1997. - 214 с.

159. Растригин, 1980. Растригин JI.A. Современные принципы управления сложными объектами. М.: Советское радио, 1980. - 232 с.

160. Римский, 1994. Римский Г.В. Теория систем автоматизированного проектирования: интеллектуальные САПР на базе вычислительных комплексов и сетей. Минск: Наука и техника, 1994. - 631 с.

161. Рыбина, 1998а. Рыбина Г.В. Автоматизированное построение баз знаний для интегрированных экспертных систем // Известия РАН. Теория и системы управления. 1998. №5. С. 152-166.

162. Самюэль, 1967. Самюэль А. Некоторые исследования возможности обучения машин на примере игры в шашки // В кн. «Вычислительные машины и мышление» / Под ред. Э. Фейгенбаума и Дж. Фельдмана. М.: Мир, 1967. С. 71-111.

163. Санин, 2000. Санин А.Л. Синергетика: Учебное пособие. СПб.: СПбГТУ, 2000. - 75 с.

164. Словарь иностранных слов, 1955. Словарь иностранных слов / Под ред. И.В. Лехина и Ф.Н. Петрова. М.: Гос. изд. иностранных, и национальных словарей, 1955. - 856 с.

165. Смит, 1987. Смит С. Адаптивные обучающиеся системы // В кн. «Экспертные системы. Принципы работы и примеры» / Пер. с англ./ Под ред. Р. Форсайта. М.: Радио и связь, 1987. С. 158-177.

166. Спиркин, 1974. Спиркин А.Г. Метод // Большая Советская энциклопедия. Т.16. М.: Советская энциклопедия, 1974. С. 162 .

167. Советов, Яковлев, 1985. Советов Б.Я., Яковлев С.А. Моделирование систем. М.: Высшая школа, 1985. - 271 с.

168. Тарасов, 1997. Тарасов В.Б. Системно-организационный подход в искусственном интеллекте // Известия РАН. Теория и системы управления. -1997. №3. С. 6-13.

169. Тарасов, 1998а. Тарасов В.Б. Искусственная жизнь и нечеткие эволюционные многоагентные системы основные теоретические подходы к построению интеллектуальных организаций // Известия РАН. Теория и системы управления. - 1998. №5. С. 12-23.

170. Тарасов, 1998b. Тарасов В.Б. Предприятия XXI века: проблемы проектирования управления // Автоматизация проектирования. 1998. №4,-http .//www.osp.ru/ap/1998/04/index. htm.

171. Технология системного моделирования, 1985. Технология системного моделирования / Е.Ф. Аврамчук, А.А. Вавилов, С.В. Емельянов и др./ Под общ. ред. С.В. Емельянова и др. М.: Машиностроение. Берлин: Техник, 1985. - 520 с.

172. Толковый словарь по ИИ, 1992. Толковый словарь по искусственному интеллекту / Авторы-составители А.Н. Аверкин, М.Г. Гаазе-Рапопорт, Д.А. Поспелов. М.: Радио и связь, 1992. - 256 с.

173. Трахтенгерц, 1997. Трахтенгерц Э.А. Компьютерный анализ в динамике принятия решений // Приборы и системы управления. 1997. №1. С. 49-56.

174. Трахтенгерц, 1998. Трахтенгерц Э.А. Многоагентные системы поддержVки принятия решений // Известия РАН. Теория и системы управления. 1998. №5. С. 106-122.

175. Трахтенгерц, 1995. Трахтенгерц Э.А. Методы генерации, оценки и соглаVсования решений в распределенных системах поддержки принятия решений // Автоматика и телемеханика. 1995. №4.1995. С.3-52.

176. Трегуб и др., 1991. Трегуб В.Г., Ладанюк А.П., Плужников Л.Н. Проектирование, монтаж и эксплуатация систем автоматизации в пищевой промышленности. М.: Агропромиздат, 1991. - 350 с.

177. Уемов, 1963. Уемов А.И. Вещи, свойства, отношения. М.: Институт философии АН СССР, 1963.- 184 с.

178. Уемов, 1978. Уемов А.И. Системный подход и общая теория систем. М. Мысль, 1978.-272 с.

179. Уинстон, 1980. Уинстон П. Искусственный интеллект / Пер. с англ. В.Л. Стефанюка. М.: Мир, 1980. - 520 с.

180. V Уоссермен, 1992. Уоссермен Ф. Нейрокомпьютерная техника. М.: Мир, 1992. - 126 с.v Уотермен, 1989. Уотермен Д. Руководство по экспертным системам. М.: Мир, 1989. - 184 с.

181. Управление, информация, интеллект, 1976. Управление, информация, интеллект / Под ред. А.И. Берга и др- М.: Мысль, 1976. 384 с.

182. Уфимцев, 1998. Уфимцев С.В. Система поддержки принятия решений диагностической ЭС РВ в условиях неопределенности // Сб. докладов международной конференции по мягким вычислениям и измерениям SCM-98. Т.1. -СПб., 1998. С. 199-202.

183. Фишбейн, 1977. Фишбейн П.С. Теория полезности для принятия решений / Пер. с англ. М.: Наука, 1977. - 352 с.

184. Форрестер, 1971. Форрестер Дж. Основы кибернетики предприятия. М.: Прогресс, 1971. - 340 с.

185. Хорошевский, 1999. Хорошевский В.Ф., 1999. Поведение интеллектуальных агентов: Модели и методы реализации // Сб. тр. 4 международного семинара по прикладной семиотике, семиотическому и интеллектуальному управлению. М.: ПАИМС, 1999. С. 5-20.

186. Черноруцкий, 1990. Черноруцкий ИГ. Методы принятия решений: Учебное пособие. Д.: ЛПИ, 1990. - 92 с.

187. Четвериков и др., 1978. Четвериков ВН., Баканович Э.А., Меньков А.В. Вычислительная техника для статического моделирования. М.: Советское радио, 1978. - 312 с.

188. Шеннон, 1978. Шеннон Р. Имитационное моделирование систем искусство и наука. - М.: Мир, 1978. - 418 с.

189. Шрайбер, 1980. Шрайбер Т. Дж. Моделирование на GPSS. М.: Машиностроение, 1980. - 592 с.

190. Экспертные системы, 1996. Экспертные системы. Инструментальные средства разработки / Под ред. Ю.В. Юдина. СПб.: Политехника, 1996.-220 с.

191. Экспертные системы для персональных компьютеров, 1990. Экспертные системы для персональных компьютеров: Методы, средства, реализация / В.Г. Крисевич, JI.A. Кузьмич, A.M. Шиф и др. Минск: Вышэйшая школа, 1990.- 197 с.

192. Экспертные системы, 1989. Экспертные системы: состояние и перспективы // Сб. научных трудов. М.: Наука, 1989. - 150 с.

193. Эндрю, 1985. Эндрю А. Искусственный интеллект. М: Мир, 1985.-264 с.

194. Энциклопедия кибернетики, 1974. Энциклопедия кибернетики. Т. 2. -Киев: АН УССР, гл. ред. Украинской советской энциклопедии, 1974. С. 131132.

195. Ярушкина, 1998. Ярушкина Н.Г. Мягкие вычисления в САПР // Сб тр. 6 национальной конференции с международным участием по искусственному интеллекту КИИ 98. Т.1. Пущино, 1998. С. 343-350.

196. Artificial Intelligence Group, 2000. Artificial Intelligence Group (University of Geneva).- http://cui.unige.ch/AI-group/home.html.

197. Benitez et al, 1997. Benitez J., Castro J., and Requena J.I. Are Artificial Neural Networks Black Boxes? // IEEE Transactions on Neural Networks. 1997. 8(5). P. 1156 -1164.

198. BrainMaker, 1998. BrainMaker V. 3.1. California: California Scientific Software, 1998.

199. Churchland, 1988. Churchland P.M. Perceptual Plasticity and Theoretical Neutrality: A replay to Jerry Fodor // Philosophy of Science. 1988. 55. P. 167-187.

200. Conceptual Structures, 1996. Conceptual Structures: Knowledge Representation as Interlingua // Pr. of the 4th International Conference on Conceptual Structures, ICCS'96. Sydney: Springer, 1996.

201. Cooper, Franks, 1993. Cooper R., Franks B. Interruptibility as a Constraint on Hybrid Systems // Mines and Machines. 1993.3. P. 73-96.

202. Cytowski, 1996. Cytowski J. Algorytmy Genetyczne: Podstawy i Zastosow-ania. Warszawa: Akademicka Oficyna Wydawnicza PLJ, 1996. - 104 p.

203. Deb, 1999. Deb K. Multi-Objective Evolutionary Algorithms: Introducing Bias Among Pareto-Optimal Solutions // Report № 9902. Genetic Algorithms Laboratory. Kanpur: Indian Institute of Technology, 1999.

204. Deshpande, et al, 2000. SHIFT. http://www.path.berkeley.edu/shift.

205. Donskoy, 1998. Donskoy V.I. Case-, Knowledge-, and Optimisation Based Hybrid Approach in AJ // Pr. of 11th Int. Conference on Industrial and Engineering Applications of AI and Expert Systems IEA-98-AIE. - Benicassim. Spain, 1998. P. 520-527.

206. Durkin, 1993. Durkin J. Expert Systems: Catalogue of Applications. Acron: Intelligent Computer Systems Inc., 1993.

207. Edelman, 1987. Edelman G. Neural Darwinism: The Theory of Neural Group Selection. New York: Basic Books, 1987.

208. Eom, 1995. Eom S.B. Decision support systems research: reference disciplines and a cumulative tradition // International Journal of Management Science. 1995. V.23. 5. P. 511-523.

209. ERAM, 1999. Engine Room Arrangement Model Program. http://eramwww.dt.navy.mil.

210. Fodor, 1984. Fodor J. Observation Reconsidered // Philosophy of Science. -1984. 51. P.23-43.

211. FORAN, 1999. FORAN. http://wwwspb.sterling.ru/foran.

212. Fuzzy CLIPS, 2000. Fuzzy CLIPS v 6.04. Institute for Information Technology. National Research Council of Canada.- http://ai.iit.nrc.ca/fiizzy/fuzzy.html.

213. Fuzzy Logic Toolbox, 1998. Fuzzy Logic Toolbox / For Use with MATLAB. User's Guide. Version 2. The MathWorks Inc., 1998.

214. Gallant, 1993. Gallant S.I. Neural Network learning and Expert Systems. -Cambridge. Massachusetts: The MIT Press, 1993.

215. Goldberg, 1998. Goldberg D.E. Algorytmy genetyczne i ich zastosowania. -Warszawa: Wyd. Naukowo-Techniczne, 1998. 408 p.

216. Goldberg, 1989. Goldberg D.E. Genetic Algorithm in Search and Machine Learning. Addison-Wesley Publishing Company, Inc., 1989.

217. Goonatilake, Khebbal, 1992. Goonatilake S., and Khebbal S. Intelligent Hybrid Systems // Pr. of the First Singapore Int. Conference on Intelligent Systems. -Singapore, 1992. P. 356-364.

218. Graver, Shavlik, 1993. Graver M.W., and Shavlik J.M. Using Sampling and Queries to Extract Rules from Trained Neural Networks // Pr. of the 11 International Conference on Machine Learning, 1993. P. 37-45.

219. Gupra, Rao, 1994. Gupra M.M., and Rao D.H. On the Principles of Fuzzy Neural Networks // Fuzzy Sets and Systems. 1994. V. 61. P.l-18.

220. Handbook of Genetic Algorithms, 1991. Handbook of Genetic Algorithms / Ed. L. Davis. N.Y. -Van Nostrand Reinhold.

221. Hebb, 1949. Hebb D. Organisation of Behaviour. New York: Wiley, 1949.

222. Hendler, 1989. Hendler J.A. On the Need for Hybrid Systems // Connection Science.- 1989. 1(3). P. 227-229.

223. Herrmann, 1997. Herrmann C.S. Symbolical Reasoning about Numerical Data: A Hybrid Approach // Applied Intelligence. 1997. №7. P. 339-354.

224. Herrera, Magdalena, 1998. Herrera F., and Magdalena L. Introduction: Genetic Fuzzy Systems // International Journal of Intelligent Systems.- 1998. V.13. P.887-890.

225. Hilario, 1995. Hilario M. An overview of strategies for neurosymbolic integration // The IJCAI Workshop on Connectionist -Symbolic Integration: From Unified to Hybrid Approaches. Montreal, 1995. P. 234-250.

226. Holland, 1975. Holland J.H. Adaptation in Natural and Artificial Systems: An Introductory Analysis with Application to Biology, Control, and Artificial Intelligence. Michigan: University of Michigan, 1975.

227. Hoffmann, 1998. Hoffmann F. Soft Computing Techniques for the Design of Intelligent Systems.- http://http.cs.berkeley.edu/~fhoffmann/oai97/oai.97.html

228. Home Page of Granada University, 2000. Home Page of Granada University (Spain) .- http://krypton.ugr.es/~encore.

229. Honavar, 1994. Honavar V. Symbolic Artificial Intelligence and Numeric Artificial Neural Networks: Towards A Resolution of Dichotomy // Technical Report TR 94-14. Iowa: Iowa State University, 1994.

230. Hruska et al, 1992. Hruska S., Kuncicky D., and Lacher R. Hybrid Learning in Expert Networks // Pr. of the Int. Joint Conf. on Neural Networks. V2. 1992. P.l 17120.

231. Hybrid Intelligent Systems Group, 2000. Hybrid Intelligent Systems Group (HIS). http://www.his.sunderland.ac.uk./main.html.

232. Jang, Sun, 1993. Jang J.-S.R., and Sun C.T. Functional Equivalence between Radial Basis Function Networks and Fuzzy In Reference Systems // IEEE Transactions Neural Networks. 1993. 4. P.156-158.

233. Kasabov, Kozma, 1998. Kasabov N., and Kozma R. Hybrid Intelligent Adaptive Systems: a Framework and a Case Study on Speech Recognition II Intelligent Systems. 1998.V.13. P. 455-466.

234. Kjellman, 1999. Kjellman A. The Role of Consciousness, in the Creation of Reality The Subject-Oriented Approach to Science // Pr. of 4th Int. Conf. "Mathematical Modelling and Analysis MMA 99". - Vilnius, 1999. P.48.

235. Kolesnikov, 1999. Kolesnikov A. Computer Aided Design of Hybrid Models for Automation Ship Systems // Konferencja Naukowo Techniczna AUTOMATION 99. - Warszawa, 1999. P. 281-285.

236. Kolesnikov, 2000. Kolesnikov A. Problem-Structure Technology for Hybrid Intelligent Systems Development // Pr. of the 4th IEEE International Baltic Workshop "Databases & Informational Systems". V.2. Vilnius: Tecnika, 2000. P. 141151.

237. Kolesnikov, Kowalsky, 1999. Kolesnikov A., and Kowalsky Z. Conceptual Models of Sea-Going Automation Application Domain and their Computer Aided Design // Konferencja Naukowo Techniczna AUTOMATION 99. - Warszawa, 1999. P. 275-280.

238. Kolesnikov, Yashin, 1999. Kolesnikov A., and Yashin A. Hybrid Simulation of Stratified Systems // Pr. of the 4th Intern. Conf. "Mathematical Modelling and Analysis MMA 99". Vilnius, 1999. P. 51.

239. Kolesnikov, Yashin, 2000. Kolesnikov A., Yashin A. Hybrid Modelling in Stratified Decision Support Systems -1 // Mathematical Modelling and Analysis. V.5. Vilnius: Technika, 2000. P. 108-118.

240. Kolesnikov, Yashin, 2001. Kolesnikov A., Yashin A. Hybrid Modelling in Stratified Decision Support Systems 2 // Mathematical Modelling and Analysis. V.6. №1,- Vilnius: Technika, 2001. P. 97-105.

241. Kolesnikov, Sedov, 1999. Kolesnikov A., and Sedov R. The Theory and Technology of Conceptual Modelling of Professional Activity Languages // Pr. of the 4th Int. Conf. "Mathematical Modelling and Analysis MMA 99". Vilnius, 1999. P. 50.

242. McCulloch, Pitts, 1943. McCulloch W.S., and Pitts W.H. A logical calculus of the Ideas immanent in Neuruous Activity // Bull, of Mathematical biophysics. 1943. N5. P. 115-119.

243. McGarry, et al, 1999. McGarry K., Wermter S., and Maclntyre J. Hybrid Neural Systems: From Simple Coupling to Fully Integrated Neural Networks // Neural Computing Surveys.- 1999. 2. P. 62-93.

244. Marenbach, et al, 1998. Marenbach P., et al. NeFuGeP Neuro-Fuzzy construction using Genetic Programming. A short introduction and users guide. -http://www.rt.e-technik.tu-darmstadt.de/~mali/DOC/nefugep/node2.html.

245. Medsker, 1996. Medsker L.R. Hybrid Intelligent Systems // International Journal of Computational Intelligence and Organizations. 1996. V.l. P. 10-20.

246. Medsker, 1995. Medsker L.R. Hybrid Intelligent Systems.- Kluwer Academic Publ., 1995.

247. Medsker, 1994. Medsker L.R. Hybrid Neural Network and Expert Systems. -Boston/Dordrecht/London: Kluwer Academic Publishers, 1994. 240 p.

248. Minsky, Papert, 1969. Minsky M., and Papert S. Perceptrons. Cambridge. MA, 1969.

249. Minsky, 1991. Minsky M. Logical Versus Analogical or Symbolic Versus Connectionist or Neat Versus Scruffy // Al Magazine. 1991. V.12. 2. P. 33-51.

250. MIX, 1996. Modular Integration of Connectionist and Symbolic Processing in Knowledge-Based Systems (MIX), -http://www.loria.fr/equipes/rfia/cortex/mix.

251. Moller, Wiese, 1996. Moller J.-U., and Wiese D. Editing Conceptual Graphs // Pr. of 4th International Conference on Conceptual Structures ICCS'96. Sydney: Springer, 1996. P.175-187.

252. Nauck, 1998. Nauck D. SCOT A Tool for Developing Models from Soft Computing and Artificial Intelligence.http://innovate.bt.eom/unilinks/fellow/l 998/scot.htm.

253. Nauck, et al, 1992. Nauck D., Klawonn F., and Kruse R. Fuzzy Sets, Fuzzy Controllers and Neural Networks // Scientific Journal of the Humbold University of Berlin. Series Medicine 41. 1992. № 4. P. 99-120.

254. Nauck, Kruse, 1997. Nauck D., and Kruse R. Foundations of Neuro-Fuzzy Systems. Wiley, Chichester, 1997.

255. NEUfuzzy v3.0, 1999. NEUfuzzy v3.0. http://www.ncs.co.uk/nfuzzy.htm.

256. Neural Network Technology, 1997. Neural Network Technology: Welcome to The World Artificial Intelligence. Ward Systems Group Inc., 1997.

257. Neuro-Fuzzy Systems, 1999. Neuro-Fuzzy Systems.-http://fuzzy.cs.uni-magdeburg.de/nnfuz.html.

258. Neuron Data Elements Environment, 1996. Neuron Data Elements Environment Version 2.0. Getting Started. Neuron Data, Inc., 1996.

259. Newell, Simon, 1972. Newell A., Simon M. Human Problem Solving. -Englewood Cliffs. New Jersey: Prentice Hall, 1972.

260. Nilsson, 1998. Nilsson N.J. Artificial Intelligence. A New Synthesis. San Francisco. California: Morgan Kaufmann Publishers Inc., 1998. - 513 p.

261. Osipov, Pospelov, 1996. Osipov G.S., and Pospelov D A. Semiotic Systems and Models // Pr. of the 12th European Conference on Artificial Intelligence Workshop on Applied Semiotics. -1996. P.1-4.

262. Osowski, 1997. Osowski S. Sieci neuronowe w ujeciu algorytmicznym. -Warszawa: Wyd. Nukowo-Techniczne, 1997. 350 p.

263. Pedrycz, 1992. Pedrycz W. Fuzzy neural Networks with Reference Neurones as Pattern Classifiers // IEEE Transactions Neural Networks. 1992. 5. V. 3. P. 770775.

264. Pop, et al, 1994. Pop E., Hauward R., and Diederich J. RULENEG: Extracting Rules from a Trained ANN by Step-wise Negation // Technical report. QVT NRC, 1994.

265. Puri, Varaija, 1994. Puri A., Varaija P. Decidability of Hybrid Systems with Rectangular Differential Inclusions: Computer-Aided Verification // LN CS 818. -Springer-Verlag, 1994.

266. PCAI Magazine, 2001. PCAAI Magazine.2001. http://www.pcai.com.

267. Ribikauskas, et al, 1999. Ribikauskas A., Caplinskas A., and Vasilecas O. Conceptual Models of the Quality Control Process // Pr. of the 4th Intern. Conf. "Mathematical Modelling and Analysis MMA 99". Vilnius, 1999. P. 63.

268. Rosenblatt, 1960. Rosenblatt F. On the Convergence of Reinforcement Procedures in Simple Perceptrons // Cornel Aeronautical Laboratory Report VG-1196-G-4. Buffalo.NY, 1960.

269. Russell, Norvig, 1995. Russell S.J., Norvig P. Artificial Intelligence. A Modern Approach. Prentice Hall, 1995. - 932 p.

270. Rutkowska, et al, 1997. Rutkowska D., Pilinski M., Rutkowski L. Sieci neu-ronowe, algoritmy genetyczne i systemy rozmyte. Warszawa-Lodz: Wyd. naukowe PWN, 1997.-411 s.

271. Sastry, Zadeh, et al, 1997. Sastry S., Zadeh L., et al. Soft computing Techniques for the Design of Intelligent Systems, htpp ://robotics. eecs.berkeley.edu/MURI/muriproj ect 1. html

272. Sobh, et al, 1994. Sobh T.M. et al. A Graphical Environment and Application for Discrete Event and Hybrid Systems in Robotics and Automation. -http://www.bridgeport.edu/~sobh.

273. Soft Computing Studio, 2000. Soft Computing Studio Generic Framework for Visual Programming. - http://meridian-marketing.com/ECANSE/ecan-3bot.html.

274. Sprague, 1980. Sprague R.H. A Framework for the Development of Decision support systems // Management Information Systems Quarterly. 1980. V.4. P. 1-26.

275. Sun, 1995. Sun R. Robust Reasoning: Integrating rule-based and similarity-based Reasoning//Artificial Intelligence. 1995. 75(2). P. 214-295.

276. Sun, Bookman, 1995. Sun R., and Bookman L. How Do Symbols and Networks Fit Together// Al Magazine. 1995. V.14. № 2. P. 20-23.

277. Sun, 1996. Sun R. Hybrid Connectionist-Symbolic Models: a Report from the IJCAI'95 Workshop on Connectionist-Symbolic Integration // Technical Report № AL35487. University of Alabama, 1996.

278. Takagi, et al, 1992. Takagi H., Suzuki N., Koda Т., and Kojima Y. Neural Networks Designed on Approximate Reasoning Architecture and their Applications/ / IEEE Transactions Neural Networks. 1992. 5. V.3. P. 752-760.

279. The Laboratory of Computational Intelligence, 1999. The Laboratory of Computational Intelligence at the SCE-ICMSC-USP (University of Otago, Brasil). -http ://www. icmsc. sc .usp. br/~andre/hybrid-links. html.

280. TILShell Family, 1999. TILShell Family. Togai InfraLogic, Inc.-http ://www. ortech-engr.com/fuzzy/TilShell. html.

281. Towell, Shavlik, 1994. Towell G., and Shavlik J. Knowledge-Based Neural Networks //Artificial Intelligence. 1994.V. 69(70). P.l 19-165.

282. Ultsch, et al, 1993. Ultsch A., Mantyk R., and Halmans G. Connectionist knowledge acquisition tool: CONKAT // Artificial Intelligence Frontiers in Statistics: AI and Statistics 111 / Ed. J. Hand. Chapman and Hall, 1993. P. 256-263.

283. Vuorimaa, 1994. Vuorimaa P. Fuzzy Self-Organizing map // Fuzzy Sets and Systems. 1994. V.66. P.223-231.

284. Walsh, 1996. Walsh G. On Race Conditions for Networked Control Systems // Pr. of the 30th CISS. Princeton, 1996. P. 411-415.

285. Web-page of MultiLogic Inc., 2000. Web-page of MultiLogic Inc. -http://www.multilogic.com.

286. Web-page of Gensym Inc., 2000. Web-page of Gensym Inc. -http://www.gensym.com.

287. Web-page of MathWorks Inc., 2000. Web-page of MathWorks Inc.-http://www.mathworks.com.

288. Web-page of Flexible Intelligence Group, LLC., 2000. Web-page of Flexible Intelligence Group, LLC. 2000. http://www.flextool.com/ftsites.html.

289. Witsenhausen, 1966. Witsenhausen H.S. A Class of Hybrid-State Continuous Time Dynamic Systems // IEEE Trans, on Automatic Control.- 1966. 2. VI1. P. 161167.

290. Wu, Hughes, 1997. Wu X., and Hughes J.G. HKBCN A Hybrid Intelligent System for Knowledge Revising // Pr. Asia-Pacific Software Engineering Conference and International Computer Science Conference ICSC'97. - Hong Kong, 1997. P. 106114.

291. Zeigler, 1990. Zeigler B.P. Object-Oriented Simulation with Hierarchical, Modular Models. London: Academic Press, 1990.