УПРАВЛЕНИЕ СЛАБОФОРМАЛИЗУЕМЫМИ МНОГОКОМПОНЕНТНЫМИ СИСТЕМАМИ НА ОСНОВЕ АГЕНТНЫХ ТЕХНОЛОГИЙ тема диссертации и автореферата по ВАК РФ 05.13.01, доктор наук Щербатов Иван Анатольевич

• Щербатов Иван Анатольевич
• доктор наук
• 2015

Оглавление диссертации доктор наук Щербатов Иван Анатольевич

ВВЕДЕНИЕ

ГЛАВА 1. КРАТКАЯ ХАРАКТЕРИСТИКА ВОПРОСОВ АНАЛИЗА, МОДЕЛИРОВАНИЯ И УПРАВЛЕНИЯ СЛОЖНЫМИ СЛАБОФОРМАЛИЗУЕМЫМИ СИСТЕМАМИ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ

1.1. Понятие сложной слабоформализуемой технической системы

1.2. Классификация неопределенностей сложных слабоформализуемых технических систем

1.3. Формулировка нового классификационного признака слабоформализуемых многокомпонентных систем

1.4. Понятие слабоформализуемой многокомпонентной системы в условиях неопределенности

1.5. Робототехническая система как активная компонента слабоформализуемой многокомпонентной системы

1.6. Слабоформализуемый технологический процесс как пассивная компонента слабоформализуемой многокомпонентной системы

1.7. Краткая характеристика математического моделирования и управления сложными слабоформализуемыми системами в условиях неопределенности

1.8. Постановка проблемы исследования

1.9. Результаты и выводы

ГЛАВА 2. СОЗДАНИЕ КОНЦЕПЦИИ СИСТЕМНОГО АНАЛИЗА СЛАБОФОРМАЛИЗУЕМЫХ МНОГОКОМПОНЕНТНЫХ СИСТЕМ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ

2.1. Формирование основных концептов слабоформализуемых многокомпонентных систем

2.2. Разработка концепции системного анализа слабоформализуемых многокомпонентных систем в условиях неопределенности

2.3. Разработка методики системного анализа слабоформализуемых многокомпонентных систем в условиях неопределенности

2.4. Результаты и выводы

ГЛАВА 3. СОЗДАНИЕ МЕТОДОЛОГИИ УПРАВЛЕНИЯ СЛАБОФОРМАЛИЗУЕМЫМИ МНОГОКОМПОНЕНТНЫМИ СИСТЕМАМИ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ

3.1. Управление слабоформализуемыми многокомпонентными системами в условиях неопределенности

3.2. Создание методики коррекции глобальной цели

3.3. Создание методики множественности математического описания компонент

3.4. Разработка метода распределения локальных целей

3.5. Разработка методики снижения влияния неопределенностей

3.6. Разработка метода группового управления компонентами

3.7. Результаты и выводы

ГЛАВА 4. УПРАВЛЕНИЕ ГРУППОЙ АКТИВНЫХ КОМПОНЕНТ НА ПРИМЕРЕ РОБОТОТЕХНИЧЕСКИХ МОБИЛЬНЫХ ПЛАТФОРМ

4.1. Постановка задачи управления группой роботов

4.2. Создание модели группы роботов на основе агентных технологий

4.3. Управление группой мобильных роботов

4.4. Анализ реализации управления группой роботов

4.5. Результаты и выводы

ГЛАВА 5. УПРАВЛЕНИЕ ГРУППОЙ ПАССИВНЫХ КОМПОНЕНТ НА ПРИМЕРЕ СЛАБОФОРМАЛИЗУЕМЫХ ПРОИЗВОДСТВЕННО-ТЕХНОЛОГИЧЕСКИХ СИСТЕМ

5.1. Постановка задачи управления слабоформализуемыми производственно-технологическими системами

5.2. Построение математической модели группы пассивных компонент

5.3. Управление слабоформализуемой многокомпонентной системой состоящей из пассивных компонент

5.4. Реализация управления группой пассивных компонент

5.5. Результаты и выводы

ГЛАВА 6. ЧЕЛОВЕКО-МАШИННОЕ ВЗАИМОДЕЙСТВИЕ В СЛАБОФОРМАЛИЗУЕМЫХ МНОГОКОМПОНЕНТНЫХ СИСТЕМАХ С ИСПОЛЬЗОВАНИЕМ АГЕНТНЫХ ТЕХНОЛОГИЙ НА ПРИМЕРЕ УПРАВЛЕНИЯ СИСТЕМОЙ «АКТИВНАЯ КОМПОНЕНТА-ЧЕЛОВЕК»

6.1. Распознавание подвижных и неподвижных объектов в системе технического зрения робота

6.2. Создание мультиагентной системы планирования движения робота в частично-детерминированной динамической среде

6.3. Реализация голосового управления в системе робот-человек

6.4. Реализация информационного поиска при человеко-машинном взаимодействии в системе «робот-человек»

6.5. Результаты и выводы

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

Приложение А. Пример для методики коррекции глобальной цели

Приложение Б. Примеры для методики решения задачи распределения локальных целей компонент

Приложение В. Пример для методики компенсации неопределенностей

Приложение Г. Результаты анализа работ по моделированию и управлению группой роботов

Приложение Д. Характеристики типового робота семейства «MoЫleBot»

Приложение Е. Реализация нечеткой локальной АСР

Приложение Ж. Гибридная математическая модель пассивной компоненты (на примере процесса получения серы)

Приложение З. Эксперимент и анализ результатов распознавания объектов в СТЗиСО

Приложение И. Свидетельства о регистрации программы для ЭВМ

Приложение К. Акты внедрения

Введение диссертации (часть автореферата) на тему «УПРАВЛЕНИЕ СЛАБОФОРМАЛИЗУЕМЫМИ МНОГОКОМПОНЕНТНЫМИ СИСТЕМАМИ НА ОСНОВЕ АГЕНТНЫХ ТЕХНОЛОГИЙ»

ВВЕДЕНИЕ

Развитие теории систем и доминирование системной парадигмы в современной науке, а также наличие развитого математического аппарата и высокопроизводительных вычислительных машин обуславливают не только возможность разработки методов анализа и управления различными классами систем, но и делает эту задачу крайне актуальной. Современные сложные технические системы (СТС) обладают свойством слабой формализуемости, когда полностью или частично отсутствует возможность измерения параметров системы или имеет место незнание закономерностей протекания процессов, являющихся малоизученными или сложными с точки зрения формализации с использованием традиционного математического аппарата.

Присутствие псевдоинтеллектуальной составляющей, обеспечивающей рассмотрение сложных систем с точки зрения наличия и реализации плана рационального поведения, позволяет выделить в составе системы структурные образования - компоненты. Реальная система представляет набором компонент и реализуется посредствам механизма их формирования. При таком подходе появляется новое свойство - многокомпонентностъ. Таким образом, появляется новый подкласс СТС - слабоформализуемые многокомпонентные системы (МС).

Существенный вклад в развитие методов и способов формализации целей СТС, а также описания структур целей внесли: Лукьянова Л.М., Ломако Е.И., Новиков Д.А., Губко М.В., Путилов В.А., Саати Т. Л., Веселов Г.Е., Финаев В.И., Гриф М.Г., Edwin V.K., Jing H., Huget, M., Scott A. DeLoach.

Решение задач математического моделирования СТС рассмотрено в работах Новикова Д.А., Тихонова В.И., Волковой В. Н., Денисова А. А., Гаскарова Д.В., Люггера Дж., Павлова В.В., Советова Б.Я., Цапко Г.П. Возможность применения различных математических моделей для одной и той же СТС в зависимости от целей управления представлено в трудах Мышкиса А.Д., Бусленко Н.П., Павловского В.Е., Максимова В.И., Boccara N., Fiona A. C., Horling B.

Вопросы управления СТС рассмотрены в работах: Прангишвили И.В., Макарова И.М., Ускова А.А., Арнольда В.И., Неделько С.Н., Колесникова А.А.,

Jennings N. R., Zhang F., Karuna H., Chan S.

Существенные успехи, достигнутые в области системного анализа, моделирования и управления СТС, тем не менее, не позволяют говорить об их соответствии современным требованиям, предъявляемым к слабоформализуемым многокомпонентным системам. Данный подкласс сложных систем требует разработки методов, методик и алгоритмов анализа, моделирования и управления. Этот аспект обусловлен наличием неопределенности, которая характеризуется недостаточностью информации о функционировании системы.

Неопределенность оказывает влияние на построение математических моделей систем, формирование структуры целей и их достижение, снижает эффективность управления рассматриваемым подклассом сложных систем.

Наличие плана рационального поведения компоненты и механизмов его реализации в условиях неопределенности продуцирует появление модифицированного подхода к представлению слабоформализуемых многокомпонентных систем. Принципиальная возможность учета опыта и знаний экспертов в области исследуемого подкласса сложных систем позволяет рассматривать лицо принимающее решение (ЛПР) в качестве составляющей организационного взаимодействия внутри слабоформализуемой

многокомпонентной системы. Для этих целей необходимо разработать формальные модели, позволяющие рассматривать ЛПР не только как постановщика цели, но и как участника взаимодействия внутри системы.

Признаки рационального поведения и механизмы их реализации позволяют отнести компоненту к активным, а их отсутствие к пассивным. В общем случае существует пять вариантов простейшего взаимодействия компонент внутри системы: «пассивная компонента - пассивная компонента»; «ЛПР - пассивная компонента»; «пассивная компонента - активная компонента»; «активная компонента - активная компонента»; «ЛПР - активная компонента». Варианты взаимодействия «ЛПР-пассивная компонента» и «пассивная компонента-активная компонента» подробно рассмотрены в работах других авторов.

Отнесение образованной в системе компоненты к типу активных или

пассивных осуществляется на основе анализа имеющихся признаков рационального поведения, характеристик и свойств.

Таким образом, в качестве примера активной компоненты рассматривается робототехническая система (РТС), а в качестве пассивной производственно-технологическая система (ПТС).

Для достижения поставленных целей РТС, состоящая из нескольких роботов, способна перестраивать свою структуру сообразно с типом цели и состоянием каждого робота (например, при выходе робота из строя). Структура представляет собой коалицию роботов. В сформированной структуре роботов образуются связи, которые существенным образом влияют на поведение всей группы (эмерджентностъ, появление которой обусловлено формирование группы роботов). Робот - нелинейная техническая система, способная к автономному поведению, обладающая адаптивностью, т.е. приспособлением к изменяющимся условиям окружающей обстановки. В том случае, если отсутствует выделенный центр управления группой РТС, то она обладает децентрализованным управлением, когда управляющее воздействие синтезируется и реализуется непосредственно участником группы с учетом управлений других роботов группы. И наконец, изменение глобальной цели системы, потеря одного из участников группы и пр., приводит к внутренней эволюции системы, запускающей процессы самоорганизации, когда группа роботов корректирует внутреннюю организацию в соответствии с механизмами формирования внутренней структуры и сообразно цели. Таким образом, наличие признаков рационального поведения и перечисленных характеристик позволяет отнести робота к типу активных компонент, а группу робототехнических систем к подклассу слабоформализуемых многокомпонентных систем. Согласно «Стратегии развития отрасли информационных технологий в РФ на 2014-2020 годы и на перспективу до 2025 года» робототехника включена в число нескольких приоритетных направлений технологического развития страны, что обуславливает актуальность исследования РТС.

Слабоформализуемый технологический процесс (СФТП) обладает жесткой

структурой размещения технологического оборудования, определяемой на этапе его проектирования. Ряд не измеряемых параметров процесса, компенсируются наличием качественной информации, формализация которой с применением методов искусственного интеллекта (ИИ) обеспечивает повышение качества управления. Нестационарность обусловлена изменением ряда технологических параметров в процессе функционирования и определяет необходимость коррекции математической модели и алгоритмов управления СФТП. Таким образом, наличие перечисленных характеристик позволяет отнести СФТП к типу пассивных компонент, а ПТС, образованную СФТП, к подклассу слабоформализуемых многокомпонентных систем. Актуальность исследования данных систем определяется положениями «Генеральной схемы развития газовой отрасли России до 2030 г.». Кроме того, актуальность приобретает рассмотрение вопросов организации человеко-машинного взаимодействия в рассматриваемом подклассе сложных систем.

Поэтому сформулирована научная проблема, рассмотрению которой посвящена данная диссертационная работа: создание концепции системного анализа и методологии управления слабоформализуемыми многокомпонентными системами в условиях неопределенности с использованием агентных технологий в приложении к робототехническим и производственно-технологическим системам.

Основные разделы исследования выполнены в рамках государственного контракта с Фондом содействия развитию малых форм предприятий в научно-технической сфере по программе СТАРТ в 2012 г., а также госбюджетных научно-исследовательских работ ФГБОУ ВПО «АГТУ» «Управление техническими системами в условиях неопределенности» в 2009 - 2011 гг., «Системный анализ и моделирование слабоформализуемых технических систем» в 2012-2013 гг., «Модели и алгоритмы интеллектуального управления сложными слабоформализуемыми многокомпонентными системами» в 2014 г. Их содержание отвечает положениям «Генеральной схемы развития газовой отрасли России до 2030 г.», Стратегии развития отрасли информационных технологий в

РФ на 2014-2020 годы и на перспективу до 2025 года.

Объект исследования - слабоформализуемые многокомпонентные системы.

Предмет исследования - модели, методы и алгоритмы управления слабоформализуемыми многокомпонентными системами (на примере производственно-технологических и робототехнических систем).

Цель диссертационной работы - повышение эффективности управления слабоформализуемыми многокомпонентными системами за счет совершенствования концепции системного анализа и методологии управления в условиях неопределенности на основе агентных технологий.

Для достижения поставленной цели требуется решить следующие задачи:

1. определить новый подкласс сложных систем - слабоформализуемые многокомпонентные системы на основе сформулированных классификационных признаков;

2. для данного подкласса сформулировать концепцию системного анализа и управления в условиях неопределенности;

3. на основе сформированной концепции разработать методологию управления слабоформализуемыми многокомпонентными системами в условиях неопределенности;

4. реализовать методики и методы в виде алгоритмического и программного обеспечения;

5. реализовать приложение разработанных методик, методов и алгоритмов к решению задач управления робототехническими и производственно-технологическими системами, а также организации человеко-машинного взаимодействия в слабоформализуемых многокомпонентных системах;

6. провести исследование эффективности применения предложенных моделей, методов и алгоритмов на эффективность управления робототехническими и производственно-технологическими системами.

Научная новизна. Предложены концепция системного анализа и

методология управления слабоформализуемыми многокомпонентными системами в условиях неопределенности с использованием агентных технологий, включающие в себя:

1. методику коррекции глобальной цели, отличающуюся использованием нечетких множеств второго рода для описания целевой ситуации, при которой требуется ее изменение на основе необходимых и достаточных условий;

2. методику математического описания, отличающуюся представлением в матричной форме связей между основными составляющими «глобальная цель, набор локальных целей, модель, управление», что совместно с применением Байесовского подхода обеспечивает выбор требуемой математической модели для целей управления на требуемом уровне абстракции;

3. методику снижения влияния неопределенности, позволяющую уменьшить степень ее воздействия на структуру, цели и данные, отличающуюся формированием компонент системы на основе расчета индекса целостности и показателя совместимости;

4. метод распределения локальных целей компонент, отличающийся использованием оригинального синтеза парето-оптимальных стратегий распределения взаимосвязанных локальных целей и обеспечивающий решение задач: прямой - назначение целей компонентам и обратной - формирование компонент, обеспечивающих достижение фиксированного набора целей;

5. метод группового управления компонентами, обеспечивающий комплексное решение проблемы управления МС при рассмотрении системы сверху вниз «глобальная цель системы, набор локальных целей компонент, набор задач элементов компонент», отличающийся использованием оригинальных алгоритмов на всех уровнях представления МС.

Теоретическая значимость работы:

1. определен новый подкласс сложных систем - слабоформализуемые многокомпонентные системы и сформулирован его классификационный признак;

2. разработаны концепция системного анализа и методология

управления слабоформализуемыми многокомпонентными системами в условиях неопределенности на основе агентных технологий;

3. на основе разработанной методологии поставлены и решены задачи управления тремя взаимодействующими группами компонент: «активная компонента - активная компонента» (для группы РТС); «пассивная компонента -пассивная компонента» (для группы ПТС); взаимодействие активной компоненты с ЛПР (для организации человеко-машинного взаимодействия в системе «РТС-ЛПР»).

Практическая значимость работы:

1. разработано алгоритмическое и программное обеспечение системы управления, реализующие следующее:

- методику коррекции глобальной цели слабоформализуемой многокомпонентной системы;

- метод группового управления компонентами для сложных производственно-технологических и робототехнических систем;

2. разработаны и зарегистрированы алгоритмы и программы, реализующие новые, оригинальные алгоритмы, методики и методы управления слабоформализуемыми многокомпонентными системами.

Результаты внедрены в ООО «АГТУ Роботикс» (г. Астрахань) при разработке человеко-машинного интерфейса для проекта «MobileBot». Программное обеспечение нечеткого когнитивного моделирования внедрено в ООО ПКФ «Бест Софт» (г. Астрахань) для повышения эффективности реализации крупномасштабных проектов энергетического профиля. Результаты внедрены в ООО «Наногальваника» (г. Тамбов) при разработке систем управления сложными слабоформализуемыми процессами нанесения наномодифицированных гальванических покрытий из электролитов с добавками углеродных нанотруболк «Таунит». Учебный вариант разработанного программного обеспечения используется в ФГБОУ ВПО «Астраханский государственный технический университет» и ФГБОУ ВПО «Саратовский государственный технический университет имени Гагарина Ю.А.» (г. Саратов) для подготовки научных и

инженерных кадров.

Методология и методы исследования: системный анализ и инженерия знаний, теория управления, агентные технологии, теория нечетких множеств, когнитивное и имитационное моделирование, теория принятия решений, методы распознавания образов, методы планирования экспериментов, теория вероятностей и математическая статистика.

Положения, выносимые на защиту:

1) выделены новые классификационные признаки, на основе которых определен новый подкласс сложных систем - слабоформализуемые многокомпонентные;

2) методики коррекции глобальной цели, математического описания и снижения влияния неопределенностей слабоформализуемых многокомпонентных систем;

3) метод распределения взаимосвязанных локальных целей компонент;

4) метод группового управления компонентами;

5) результаты, подтверждающие эффективность использования методологии управления слабоформализуемыми многокомпонентными системами.

Степень достоверности исследования обусловлена корректным применением методов исследования, подтверждается вычислительными и имитационными экспериментами, проверкой адекватности предложенных решений, полученных на основе экспериментальных данных, результативность и эффективность решений подтверждена соответствующими актами внедрения результатов работы в различных организациях и учреждениях.

Публикации. Основные теоретические и прикладные результаты диссертационной работы изложены в 1 монографии, 25 статьях в периодических и научно-технических журналах, рекомендуемых ВАК РФ, 2 статьях в журналах, индексируемых в SCOPUS, 21 статьях в сборниках материалов всероссийских и международных научных конференций. Получено 5 свидетельств о государственной регистрации программ для ЭВМ. Без соавторства опубликовано 19 работ. В работах, опубликованных в соавторстве, личное участие автора

заключалось в определении проблемы, постановке задач, разработке теоретических положений, а также в непосредственном участии во всех этапах исследования.

Апробация научных результатов. Основные результаты работы докладывались и обсуждались на 3rd International Conference on Advanced Research in Scientific Areas, ARSA-2014 (Словакия, 2014), Международные научно-технические конференции Интеллектуальные системы, AIS и Интеллектуальные CAnP,CAD-2006 (Москва, 2006, 2009), XX-XXVII Международных научных конференциях «Математические методы в технике и технологиях» (Ярославль, 2007; Саратов, 2008, 2010; Волгоград, 2012; Нижний Новгород, 2013; Тамбов, 2014), VI Всероссийской научно-практической конференции (с международным участием) Современные информационные технологии в науке, образовании и практике (Оренбург, 2007), XVII Международная студенческая научная школа-семинар «Новые информационные технологии» (Судак, 2009), I Всероссийская научно-практическая конференция студентов, аспирантов и молодых ученых «Прогрессивные технологии и перспективы развития» (Тамбов, 2010), Международная научно-практическая конференция, посвященная 80-летию Астраханского государственного технического университета (Астрахань, 2010), International Congress on Information Technologies, ICIT-2012 (Саратов, 2012), XIV Международной научно-практической конференции «Техника и технология: новые перспективы развития» (Москва, 2014), XIII Международной научно-практической конференции «Приоритетные научные направления: от теории к практике» (Новосибирск, 2014).

Структура и объем диссертации. Диссертация содержит введение, 6 глав, заключение, библиографический список из 368 наименований, 10 приложений. Основная часть диссертации изложена на 337 страницах и содержит 101 рисунок и 49 таблиц.

Во введении обоснована актуальность проблемы, сформулированы цель и задачи исследования, научная новизна и практическая ценность работы.

В первой главе проанализированы существующие подходы к исследованию сложных систем, выявлено, что имеет место недостаточная изученность вопросов моделирования и управления слабоформализуемыми многокомпонентными системами. Показано, что существует принципиальная возможность синтеза комплексного подхода, обеспечивающего рассмотрение вопросов управления МС в условиях неопределенности с позиций единого методологического базиса. Для его реализации построена классификация неопределенностей МС. Введено понятие компоненты слабоформализуемой многокомпонентной системы, показаны существенные отличия введенного термина, от существующих и использующихся терминов подсистема и компонента. Для анализа и описания компонент синтезирована карта компоненты, позволяющая описывать входные, выходные и внутрикомпонентные переменные, связи элементов внутри компонент, механизмы образования компонент и их цели, а также типы неопределенности. Это позволило выявить существенные с точки зрения анализа, моделирования и управления свойства, признаки и характеристики компонент. МС рассматривается как отдельный подкласс сложных систем. Введен термин компонентная структура (КС), описывающая МС как совокупность компонент, сформированную под воздействием механизмов образования КС. Предложена обобщенная схема механизма формирования компонент. Показано как происходит образование компонент и КС в рассматриваемом подклассе сложных систем. Выявлено, что образование КС происходит на основе трех механизмов: самонастройка КС (пассивная адаптация КС); самоорганизация КС, предполагающая модификацию структуры компоненты; самоорганизация КС, предполагающая реорганизацию структуры компонент. Показано, что для обеспечения устойчивости КС и управляемости МС требуется обеспечение инвариантности по отношению к различным типам неопределенности, выявленных в ходе их анализа и классификации. Выделены и описаны два типа компонент - активная, обладающая признаками рационального поведения, планирования, реализации плана и пассивная, которая такими признаками не обладает.

Определен новый классификационный признак МС - по степени

интеллектуальности, позволяющий выделить три типа систем (псевдо интеллектуальные, с ограниченным интеллектом и интеллектуальные) и определить место МС в классификации сложных систем.

На основании вышеизложенного робототехническая система - активная компонента, а слабоформализуемая производственно-технологическая система -пассивная компонента.

Сделан вывод о целесообразности использования методов искусственного интеллекта и агентных технологий для управления МС. Дан литературный обзор и проведен анализ использования различных методов для решения задач моделирования и управления МС, а также выделены основные направления их применения: постановка и распределение целей (глобальной и локальных); описание структуры системы; математическое моделирование совместно с вопросами не единственности описания; управление в условиях неопределенности.

Проведен анализ достоинств и недостатков существующих методов по вышеуказанным направлениям, оценена возможность их использования для управления МС. Показано, что несмотря на определенные успехи в этой научной области, отсутствует комплексный методологический подход к интеграции интеллектуальных методов и агентных технологий для управления выделенным подклассом сложных систем. Это обуславливает необходимость создания методологии управления МС в условиях неопределенности. На основе проведенных исследований сформулирована научная проблема и соответствующие ей задачи.

Во второй главе разработана концепция системного анализа и управления МС с учетом присущих им особенностей. В основу концепции положена полная система взаимосвязанных принципов, достаточная для решения задач анализа и расширяющая область применения методов и алгоритмов управления и принятия решений для рассматриваемого подкласса сложных систем. Сформулированы принципы системного анализа, а также методика, обеспечивающая их реализацию.

Принцип коррекции глобальной цели (П1). Постулируется возможность коррекции не единственной глобальной цели. Выделены три уровня представления: элементный, на котором располагаются образующие единичную компоненту

элементы (МС-А2); компонентный, на котором располагается КС, образованная конечным множеством компонент (МС-А1); системный - уровень системы, в которую рассматриваемая МС входит в качестве компоненты (МС-А0). Система характеризуется индексом целостности и показателем совместимости. Сформулированы необходимые и достаточные условия целостности. Новые интегративные свойства МС характеризуются коэффициентом эмерджентности Хартли.

Принцип мулътиструктурности (П2). Для достижения глобальной цели может быть выделена (на этапе анализа и формирования системы упрощений и допущений, с учетом различающихся мнений экспертов предметной области) или образована в процессе функционирования не единственная компонентная структура. На основании расчета индекса целостности и показателя совместимости ряд КС могут быть исключены. Если все компоненты МС относятся к пассивным, то множество КС может быть сведено к единственной КС с помощью итеративной процедуры последовательного исключения связей.

Принцип множественности описания (П3). Использование нескольких математических моделей КС, которые определяются уровнем абстрагирования, типом решаемой задачи или поставленной глобальной цели, задаваемые множеством кибернетических, интеллектуальных и аналитических моделей для описания отдельных компонент и МС в целом (данный принцип вытекает из принципа мультиструктурности). Выбор способа математического описания единичной КС зависит от локальной цели компоненты, изменение локальной цели может повлечь за собой смену способа задания модели компоненты. Для описания единичной КС используется матричный способ представления.

Принцип множественности целей (П4). Существует множество наборов локальных целей компонент, позволяющих достигать глобальную цель, один из которых будет оптимальным. Выделение единственной глобальной цели и ее конкретизация зависит от ЛПР, а реализация данного принципа предполагает: ограничение множества глобальных целей и выбор из него единственной (генеральной или общей) цели; выявление КС системы; определение компонент,

их типа и связей между ними; выделение множества наборов локальных целей компонент (построение структуры локальных целей); синтез и реализация алгоритмического обеспечения процесса выбора оптимального набора локальных целей, ведущих к достижению глобальной цели. Иерархическая структура целей представлена в виде несвязного ориентированного графа. При переходе к представлению иерархии целей в виде графа цели будут находиться на не пересекающихся уровнях, т.е. не существуют дуги, соединяющие вершины графа, находящиеся не на смежных уровнях.

Принцип снижения влияния неопределенности (П5). Существует принципиальная возможность снижения степени влияния неопределенностей на этапе проектирования и функционирования МС. Существует вектор компенсирующих воздействий, обеспечивающий инвариантность по отношению к различным неопределенностям. Рассмотрены подходы к снижению влияния неопределенности целей, структуры и данных.

Принцип группового управления компонентами (П6). Управление компонентой с учетом согласования вырабатываемых управляющих воздействий с целями других компонент. Это является необходимым условием достижения глобальной цели. Принцип группового управления компонентами базируется на выделенном классификационном признаке. Имеет место пространственная структурная организация (все компоненты и связи не разнесены во времени) и сетевая структурная организация (компоненты и связи разнесены во времени). Элементы МС могут входить в более чем одну компоненту, компоненты не должны преследовать антагонистические цели. Для управления необходимо наличие трех составляющих: управление для достижения глобальной цели; управление группой компонент (координация, реализация согласованных действий), управление элементами внутри компонент; увеличение числа функций управления, переданных на компонентный уровень при увеличении степени интеллектуальности компоненты; компоненты могут иметь децентрализованное управление внутри компоненты с выделенным центром управления компонентами, выделенный центр управления внутри компоненты, а также

Список литературы диссертационного исследования доктор наук Щербатов Иван Анатольевич, 2015 год

СПИСОК ЛИТЕРАТУРЫ

1. Aguirre, E. Fuzzy behaviors for mobile robot navigation: design, coordination and fusion / E. Aguirre, A. González // International Journal of Approximate Reasoning. 2000. Vol. 25. Iss. 3. P. 255-289.

2. Aicardi, M. [et all]. Closed loop steering of unicycle like vehicles via lyapunov techniques / M. Aicardi, G. Casalino, A. Bicchi, A. Balestrino // Robotics Automation Magazine. 1995. № 2 (1). P. 27-35.

3. Alami, R. [et all]. Multi-Robot Cooperation in the MARTHA Project / R. Alami, S. Fleury, M. Herrb, F. Ingred // IEEE robotics&Automation magazine. 1998. Vol. 5. № 1. P. 36-47.

4. Antoniou, P. Understanding Complex Systems. A Communication Networks Perspective. Technical Report TR-07-01 / P. Antoniou, A. Pitsillides // Department of Computer Science University of Cyprus. February, 2007. 22 p.

5. Apostolakis, G. A. A Commentary on Model Uncertainty / G. A. Apostolakis // Presented at Proc. Workshop I Adv. Topics Risk Reliab. Anal. Model Uncertainty. Its Character Quantification, Annapolis, MD. 1994. Р. 973-980.

6. Arkin, R. C. Motor schema based mobile robot navigation / R. C. Arkin // The International Journal of Robotics Research. 1989. № 8(4). Р. 92-112.

7. Arras, K. Real-time obstacle avoidance for polygonal robots with a reduced dynamic window / K. Arras, J. Persson, N. Tomatis // IEEE International Conference on Robotics and Automation, 2002. Proceedings. ICRA '02. Vol. 3. Р. 3050-3055.

8. Balch, T. Communication in reactive multiagent robotic systems / T. Balch, R. C. Arkin // Autonomous Robots . 1994. Vol. 1. Iss. 1. P. 27-52.

9. Bar-yam, Y. About engineering complex systems. Multiscale analysis and evolutionary engineering / Y. Bar-yam // Engineering self-organizing systems: methodologies and applications. 2005. Vol. 3464. P. 16-30.

10. Bay, H. Speeded-Up Robust Features (SURF) / H. Bay, A. Ess, Т. Tuytelaars // Computer Vision and Image Understanding. 2008. Vol 110. Iss. 3. P. 346-359.

11. Behera, L. K. Ant Colony Optimization for Co-operation in Robotic Swarms / L. K. Behera, A. Sasidharan // Advances in Applied Science Research. 2011. Vol. 2. Iss. 3. P. 476-482.

12. Berger, J. O. Objective Bayesian methods for model selection. Introduction and comparison (with discussion) / J. O. Berger, L. Pericchi // In Model Selection. IMS, Beachwood, OH. 2001. P. 135-207.

13. Boccara, N. Modeling Complex Systems/N. Boccara. Springer, 2010. 490 p.

14. Bonin-Font, F. Visual Navigation for Mobile Robots: a Survey / F. Bonin-Font,

A. Ortiz, G. Oliver // Journal of Intelligent and Robotic System. 2008. P. 263-296.

15. Borenstein, J. The vector field histogram-fast obstacle avoidance for mobile robots / J. Borenstein, Y. Koren // IEEE Transactions on Robotics and Automation. 1991. № 7(3). P. 278-288.

16. Bradski, G. Learning OpenCV/G. Bradski, A. Kaehler//O'Reilly Media,2008.576 p.

17. Brock, O. Elastic strips: a framework for motion generation in human environments / O. Brock, O. Khatib // The International Journal of Robotics Research. 2002. № 21(12). P. 1031-1052.

18. Cacuci, D. G. A Comparative Review of Sensitivity and Uncertainty Analysis of Large-Scale Systems-II / D. G. Cacuci, M. Ionescu-Bujor // Statistical Methods. Nuclear Science and Engineering. 2004. Vol. 147. № 3. P. 204-217.

19. Camurri, M. Urban Traffic Control with Co_Fields / M. Camurri, M.Mamei, F. Zambonelli//Series Lecture Notes in Artificial Intelligence.2007.Vol. 4389. P. 239-253.

20. Carvalho, J. B. Parallel and Distributed Processing in State Estimation of Power System Energy / J. B. Carvalho, F. M. Barbosa // Electrotechnical Conference, 1998. Vol. 2. P. 969-973.

21. Carvalho, J. P. Rule Based Fuzzy Cognitive Maps - Fuzzy Causal Relations, computational Intelligence for Modelling, control and automation / J. P. Carvalho, J. A.

B. Tomé // Evolutionary Computation & Fuzzy Logic for Intelligent Control. Knowledge Acquisition & Information Retrieval, edited by M. Mohammadian. IOS Press, 1999.

22. Cetnarovicz, E. Agent-oriented Technology of Decentralized systems based on the M-agent Architecture / E. Cetnarovicz, E. Nawarecki, K. Cetnarovicz // Preprints of IFAC/IFIP Conference on Management and Control of Production and Logistics. 1997. Vol. 2. P. 486-491.

23. Chan, S. Complex Adaptive Systems : [Электронный ресурс] / S. Chan. Режим доступа: http://web.mit.edu/esd.83/www/notebook/Complex%20Adaptive% %20Systems.pdf.

24. Chen, Y. Fractional Order Control - A Tutorial / Y. Chen, I. Petras, D. Xue // American Control Conference. Hyatt Regency Riverfront. St. Louis, USA. 2009. P. 1397-1411.

25. Chipman, H. A. The practical implementation of Bayesian model selection (with discussion) / H. A. Chipman, E. I. George, R. E. Mcculloch // In Model Selection. 2001. Р. 65-134.

26. Clyde, M. Model Uncertainty / M. Clyde, E. I. George // Statistical Science. 2004. Vol. 19. №. 1. P. 81-94.

27. Conn, N. R. Trust-Region Methods, MPS/SIAM Series on Optimization / N. R. Conn, N. I. M. Gould, Ph. L. Toint // Pareto Optimality in Multiobjective Problems. 2000. Vol. 4. P. 41-59.

28. Coote, R. Development of a Voice Control Interface for Navigation Robots and Evaluation in Outdoor Environments / R. Coote // Proc. of the International Multiconference on Computer Science and Information Technology. 2010. P. 381-388.

29. Cowling, M. Analysis of speech recognition thechiques for use in a non-speech sound recognition system : [Электронный ресурс] / M. Cowling, R. Sitte. Режим доступа : http://www.elec.uow.edu.au/stafi/wysocki/dspcs/papers/004.pdf.

30. Damas, B. Avoiding moving obstacles: the forbidden velocity map / B. Damas, J. Santos-Victor // IEEE/RSJ International Conference on Intelligent Robots and Systems. 2009. P. 4393-4398.

31. Daniel, P. Water Resources Systems Planning and Management An Introduction to Methods. Models and Applications / P. Daniel // United Nations Educational, Scientific and Cultural Organization. 2005. 689 p.

32. David, W. Engineering Complex Systems with Models and Objects : [Электронный ресурс] / W. David, P. Timothy, G. James. Режим доступа : http: //www. incose. org/ProductsPubs/DOC/EngComplexSys. pdf.

33. DeLaurentis, D. Uncertainty Modeling and Management in Multidisciplinary Analysis and Synthesis / D. DeLaurentis, D. Mavris // 38th AIAA Aerospace Sciences Meeting & Exhibit. Reno, NV. 2000. P. 2-4.

34. DeLoach, S. A. Multiagent Systems Engineering: a Methodology and Language for Designing Agent Systems / S. A. DeLoach // Proceedings of Agent Oriented Information Systems. 1999. P. 45-57.

35. Demiris, Y. Prediction of intent in robotics and multi-agent systems / Y. Demiris // Cognitive Process. 2007. Vol. 8. P. 151-158.

36. Dewooght, J. Model uncertainty and model inaccuracy / J. Dewooght // Reliability Engineering and System Safety. 1998. Vol. 59. P. 171-185.

37. Di Marzo Serugendo, G. Self-organising Software From Natural to Artificial Adaptation / G. Di Marzo Serugendo, M. P. Gleizes, A. Karageorgos // Springer. 2011. № 18.462 p.

38. Di Marzo Serugendo, G. Self_organization in Multi_agent Systems / G. Di Marzo Serugendo, M. P. Gleizes, A. Karageorgos // J. Knowledge Engineering Review. 2005. Vol. 20. № 2. P. 165-189.

39. Dias, M. B. Free Market architecture for Distributed Control of a Multirobot System / M. B. Dias, A. A. Stenz // Proc. Of the 6th Intern. Conf. On IntelegentAutomous System (IAS). 2000. P. 318-330.

40. Donald, E. Brown. Uncertainty management with imprecise knowledge with application to design / E. Brown Donald, J. Wendy // Journal of Automated Reasoning. October 1992. Vol. 9. Iss. 2. P. 217-230.

41. Dongrui, Wu. Uncertainty measures for interval type-2 fuzzy sets / Wu Dongrui, M. Jerry // Information Sciences. 2007. Vol. 177. P. 5378-5393.

42. Draper, D. Assessment and propagation of model uncertainty (with discussion) / D. Draper // Statist. Soc. Ser. 1995. Р. 45-97.

43. Dury, A. A Reactive Approach for Solving Constraint Satisfaction Problems. Assigning Land Use to Farming Territories / A. Dury, F. Le Ber, V. Chevrier // Series Lecture Notes in Artificial Intelligence. 1998. Vol. 1555. P. 397-412.

44. Edwin Vijay Kumar. Chaturvedi Reliability Estimation of Complex Technical Systems with Dependency Modelling. A Fuzzy Approach / Edwin Vijay Kumar // Journal of Uncertain Systems.2008. Vol. 2. № 4.P. 280-288.

45. Elfes, A. Using occupancy grids for mobile robot perception and navigation / A. Elfes // Computer 22(6). 1989. P. 46-57.

46. Ferrauto, T. Different Genetic Algorithms and the Evolution of Specialization. A Study with Groups of Simulated Neural Robots / T. Ferrauto, D. Parisi, G. Di Stefano // Artificial Life. 2013. Vol. 19. № 2. P. 221-253.

47. Fiona, A. C. Complex Systems Models: Engineering Simulations / A. C. Fiona // ALife XI, Winchester. 2008. P. 482-489.

48. Forsyth, D. A. Computer Vision. A Modern Approach / D. A. Forsyth, J. Ponce // Robotics and Autonomous Systems. 2006. Vol. 11. № 3. P. 84-92.

49. Franklin, G. Stability Robustness / G. Franklin, J. Powell, A. Emami-Naeini // Feedback Control of Dynamical Systems, 3rd edition. Addison-Wesley Publishing Co. 1994. P. 427.

50. Fregene, K. HICA: A Framework for Distributed Multiagent Control / K. Fregene, D. Kennedy, D. Wang // IASTED International Conference on Intelligent Control. 2001. P. 187-192.

51. Gareth, W. Parry. The Characterization of Uncertainty in Probabilistic Risk Assessments of Complex Systems / W. Parry Gareth // Reliability Engineering and System Safety.1996. Vol. 54. Iss. 2. P. 119-126.

52. George, J. P. Making Self-Organizing Adaptive Multi-Agent Systems Work -towards the engineering of emergent multi-agent systems / J. P. George, B. Edmonds, P. Glizes // Methodologies and Software Engineering for Agent Systems. 2004. Chapter 8. P. 319-338.

53. Glykas, G. Fuzzy Cognitive Maps: Theory, Methodologies, Tools and Applications / G. Glykas // Springer Verlag. 2010. 200 p.

54. Gyngazova, M. S. [et all]. Reactor modeling and simulation of moving-bed catalytic reforming process / M. S. Gyngazova, A.V. Kravtsov, E. D. Ivanchins, M. V. Korolenko // Chemical Engineering Journal. 2011. V. 176. P. 134-143.

55. Haken, H. Information and Self-Organization: A Macroscopic Approach to Complex Systems / H. Haken // Springer Verlag. 2000. 258 p.

56. Hanss, M. The transformation method for the simulation and analysis of systems with uncertain parameters / M. Hanss // Fuzzy Sets and Systems. 2002. P. 277-289.

57. Haw Yen. A framework for propagation of uncertainty contributed by parameterization, input data, model structure, and calibration/validation data in watershed modeling / Haw Yen, Xiuying Wang, G. Fontane Darrell // Environmental Modelling & Software. 2014. Vol. 54. P. 211-221.

58. Helton, J. C. Illustration of Sampling-Based Methods for Uncertainty and Sensitivity Analysis / J. C. Helton, F. J. Davis // Risk Analysis. 2002. Vol. 22. № 3. P. 591-622.

59. Helton, J. C. Latin Hypercube Sampling and the Propagation of Uncertainty in Analyses of Complex Systems / J. C. Helton, F. J. Davis // Reliability Engineering and System Safety. 2003. Vol. 81. № 1. P. 23-69.

60. Hodges, J. S. Uncertainty, policy analysis and statistics (with discussion) / J. S. Hodges // Statistical Science. 1987. Vol. 2. P. 259-275.

61. Hoeting, J. A. Bayesian model averaging: A tutorial (with discussion) / J. A. Hoeting, D. Madigan, A. E. Rdftery // Statist. Sci. 1999. № 14. P. 382-417.

62. Holland, J. H. Studying Complex Adaptive Systems / J. H. Holland // Journal of Systems Science and Complexity. 2006. № 19(1). P. 1-8.

63. Hora C Stephen. Aleatory and Epistemic Uncertainty in Probability Elicitation with an Example from Hazardous Waste Management / Stephen C Hora // Reliability Engineering and System Safety. 1996. Vol. 54. Iss. 3. P. 217-223.

64. Horling, B. A survey of multi-agent organizational paradigms / B. Horling, V. Lesser // Knowl. Eng. Rev. 2005. № 19. P. 281-316.

65. Hubka, V. Theory of Technical Systems / V. Hubka, W. E. Eder // Springer Verlag. 1988. 288 p.

66. Huget, M. P. Representing Goals in Multiagent Systems / M. P. Huget // Proceedings of the 4th International Symposium on Agent Theory to Agent Implementation. Austrian Society for Cybernetic Studies. 2004. P. 588-593.

67. Intanagonwiwat, C. Directed diffusion: A scalable and robust communication paradigm for sensor networks / C. Intanagonwiwat, R. Govindan, D. Estrin // Proc. Intern. Conf. on Mobile Computing and Networking. 2000. P. 56-67.

68. Ionescu-Bujor, M. A Comparative Review of Sensitivity and Uncertainty Analysis of Large-Scale Systems-I: Deterministic Methods / M. Ionescu-Bujor, D. G. Cacuci // Nuclear Science and Engineering. 2004. Vol. 147. № 3. P. 189-203.

69. Isern, D. Organizational structures supported by agent-oriented methodologies / D. Isern, D. Sanchez, A. Moreno // The Journal of Systems and Software. 2011. P. 169184.

70. ISO JCGM 100:2008. Evalution of measurement date - Guide to the expression of uncertainty in measurement. 1995. 134 p.

71. Janglova, D. Neural Networks in Mobile Robot Motion / D. Janglova // Inernational Journal of Advanced Robotic Systems. 2004. Vol. 1. № 1. P. 15-22.

72. Janssen, J. A. E. B. Assessment of uncertainties in expert knowledge, illustrated in fuzzy rule-based models / J. A. E. B. Janssen, M. S. Krol, R. M. J. Schielen // Ecological Modelling. 2010. № 221. P. 1245-1251.

73. Jayesh C. Control of Spy Robot by Voice and Computer Commands / C. Jayesh // International Journal of Advanced Research in Computer and Communication Engineering. 2013. Vol. 2. P. 1835-1837.

74. Jennings, N. R. Agent-Based Control Systems: Why Are They /IEC Guide 983:2008. Uncertainty of measurement. - Part 3: Guide to Suited to Engineering Complex Systems / N. R. Jennings, S. Bussmann // Control Systems Magazine, IEEE. 2003. Vol. 23. P. 61-73.

75. Jing, H. Local and global evaluation functions for computational evolution / H. Jing // Complex System. 2005. № 15. P. 307-347.

76. Jiqin Peng. Analysis of Uncertainty Information for Several Kinds of Complex Systems / Peng Jiqin // Proceedings of the Second International Symposium on Networking and Network Security. 2010. P. 9-11.

77. Juan, L. A Comparison of SIFT, PCA-SIFT and SURF / L. Juan, O. Gwun // International Journal of Image Processing (IJIP). 2009. Vol. 3. № 4. P. 143-152.

78. Kaliaev, I. Multiprocessor distributed control system of intelligent mobile robot / I. Kaliaev, C. Kapustian // 14-th Workshop on Distributed Control Systems. 1997. P. 389-396.

79. Sentz Kari. Combination of Evidence in Dempster-Shafer Theory, Sandia Technical Report, SAND 2002-0835 / Kari Sentz // Sandia National Laboratories, Albuquerque, NM. 2002. 96 p.

80. Karray, F. A Framework for Coordinated Control of Multi-Agent Systems / F. Karray, O. Song // Intelligent Control. Proceedings of the 2004 IEEE International Symposium. 2004. P. 156-161.

81. Karuna, H. A Study of System Nervousness in Multi-Agent Manufacturing Control System / H. Karuna, P. Valckenaers, P. Verstraete // Series Lecture Notes in Artificial Intelligence. 2006. Vol. 3910. P. 232-243.

82. k К-d tree : [Электронный ресурс] / Режим доступа : http://en.wikipedia.org/wiki/K-d_tree

83. Kefer, M. Evaluation of Kinect Depth Sensor for Use in Mobile Robotics / M. Kefer, W. Kubinger // Annals of DAAAM for 2011 & Proceedings of the 22nd International DAAAM Symposium. 2011. Vol. 22. №. 1. P. 147-148.

84. Khatib, O. Real-time obstacle avoidance for manipulators and mobile robots / O. Khatib // The International Journal of Robotics Research. 1986. № 5(1). Р. 90-98.

85. Koren, Y. Potential field methods and their inherent limitations for mobile robot navigation / Y. Koren, J. Borenstein // 1991 IEEE International Conference on Robotics and Automation. 1991. Vol. 2. P. 1398-1404.

86. Kosko, B. Fuzzy cognitive maps / B. Kosko // International Journal of Man-Machine Studies. 1986. Vol. 24. № 1. P. 65-75.

87. Koulouriotis, D. E. Efficiently Modeling and Controlling Complex Dynamic Systems Using Evolutionary Fuzzy Cognitive Maps / D. E. Koulouriotis, I. E. Diakoulakis, D. M. Emiris // International Journal of Computational Cognition. 2003. Vol. 1. № 2. P. 41-65.

88. Kusuma, W. R. G. V. Simulation voice rcognition system for controlling robotic applications / W. R. Kusuma, P. Brave // Journal of Theoretical and Applied Information Technology. 2012. Vol. 39. № 2. P. 188-196.

89. Lal, W. Sensitivity and uncertainty analysis of a regional model for the natural system of South Florida / W. Lal // South Florida Water Management District. Draft report. 1995. P. 560-565.

90. Lamiraux, F. Reactive path deformation for nonholonomic mobile robots / F. Lamiraux, D. Bonnafous, O. Lefebvre // IEEE Transactions on Robotics. 2004. № 20(6). P. 967-977.

91. Lapierre, L. Simultaneous path following and obstacle avoidance control of a unicycle-type robot / L. Lapierre, R. Zapata, P. Lepinay // IEEE International Conference on Robotics and Automation. 2007. P. 2617-2622.

92. Lefranc, G. Colony of robots: New Challenge / G. Lefranc // International Journal of Computers, Communications & Control. 2008. Vol. 3. P. 92-107.

93. Lima, P. U. Custodio Artificial Intelligence and Systems Theory: Applied to Cooperative Robots / P. U. Lima, M. M. Luis // International Journal of Advanced Robotic Systems. 2004. Vol. 1. № 3. P. 141-148.

94. Lukianova, L. M. System Analysis: The structure and purpose approach based on logic-linguistic formalization / L. M. Lukianova // International Journal «Information Theories & Applications». 2003. Vol. 10. № 4. P. 380-387.

95. Magee, C. Complex System Classification / C. Magee, O. L. de Weck // Fourteenth Annual International Symposium of the International Council on Systems Engineering (INCOSE). 2004. P. 270-288.

96. Mamdani, E. H. Application of fuzzy algorithms for control of simple dynamic plants / E. H. Mamdani // Proc. Inst. Elect. Eng. 1974. Vol. 121. № 12. P. 1585-1588.

97. Mamei, M. Co_fields: A physically inspired approach to motion coordination / M. Mamei, F. Zambonelli, L. Leonardi // IEEE Pervasive Computing. 2004. Vol. 3. № 2. P. 52-61.

98. Marchant, G. International Governance of Autonomous Military Robots / G. Marchan, B. Allenby, R. Arkin // Columbia Science and Technology Law Review. 2011. Vol. 12. P. 272-315.

99. Marius Muja. Fast approximate nearest neighbors with automatic algorithm configuration / Marius Muja, G. David // VISAPP International Conference on Computer Vision Theory and Applications. 2009. P. 331-340.

100. McKay, M. D. Sensitivity and uncertainty analysis using a statistical sample of input values / M. D. McKay // Uncertainty analysis. 1988. P. 145-186.

101. Miao, Y. Dynamical Cognitive Network as an extension of Fuzzy Cognitive Map in Proc. Int. Conf / Y. Miao, Z. Liu // Tools Artificial Intelligence. 2001. P. 760-770.

102. Minsky, M. The Society of Mind / M. Minsky // Simon and Shuster. 1986. 339 p.

103. Mishra, S. Application of Classification Trees in the Sensitivity Analysis of Probabilistic Model Results / S. Mishra, N. E. Deeds, B. S. RamaRao // Reliability Engineering and System Safety. 2003. Vol. 79. № 2. P. 123-129.

104. Mitleton-Kelly, E. Organisations as Co-evolving Complex Adaptive Systems / E. Mitleton-Kelly // British Academy of Management Conference. 1997. № 5. P. 142-144.

105. Morasso, P. Computational maps and target fields for reaching movements / P. Morasso, V. Sanguineti // Self-organization, Computational Maps and Motor Control. Advances in Psychology.1997. Vol. 119. P. 507-546.

106. Newman, MEJ. The structure and function of complex networks / MEJ Newman // SIAM Rev. 2003. № 45. Р. 167-256.

107. Nissan EPORO Robot Car "Goes to School" on Collision-free Driving by Mimicking Fish Behavior : [Электронный ресурс]. Режим доступа : http://nissan-global .com/EN/NEWS/2009/-STORY/091001-01 -e.html

108. Oberkampf, W. Mathematic Representation of Uncertainty / W. Oberkampf, J. Helton, K. Sentz // AIAA Paper. 2001.

109. Oberkampf, W. L. Challenge Problems - Uncertainty in System Response Given Uncertain Parameters / W. L. Oberkampf, J. C. Helton // Reliability Engineering and System Safety. 2004. Vol. 85. Iss. 1. P. 11-19.

110. Ogren, P. A convergent dynamic window approach to obstacle avoidance / P. Ogren, N. Leonard // IEEE Transactions on Robotics. 2005. № 21(2). P. 188-195.

111. Ota, J. Multi-agent robot systems as distributed autonomous systems / J. Ota // Journal Advanced Engineering Informatics. 2006. Vol. 20. Iss. 1. P. 59-70.

112. Palmiotti, G. Methods in Use for Sensitivity Analysis, Uncertainty Evaluation and Target Accuracy Assessment (preprint, INL/CON-07-13356) / G. Palmiotti, M. Salvatores // 4th Workshop on Neutron Measurements, Evaluations and Applications -Nuclear Data Needs for Generation IV and Accelerator-Driven Systems. 2007. 9 p.

113. Papageorgiou, E. I. Review study on Fuzzy Cognitive Maps and their applications during the last decade / E. I. Papageorgiou // IEEE International Conference on Fuzzy Systems. 2011. P. 828-835.

114. Piaggio, M. Fusion of sensor data in a dynamic representation / M. Piaggi, A. Sgorbissa, G. Vercelli // Proceedings of the First Euromicro Workshop on Advanced Mobile Robot. 1996. P. 10-16.

115. Piaggio, M. AI-CART: an algorithm to incrementally calculate artificial potential fields in real-time / M. Piaggio, A. Sgorbissa // IEEE International Symposium on Computational Intelligence in Robotics and Automation. 1999. P. 238-243.

116. Podlubny, I. Fractional-Order Systems and Controllers / I. Podlubny // IEEE Transactions on Automatic Control. 1999. Vol. 1(44). P. 208-214.

117. Prigogine, I. Order out of Chaos / I. Prigogine, I. Stengers // Bantam Books. 1984. 432 p.

118. Proakis, J. G. Digital Signal Processing Principles. Algorithms and Applications / J. G. Proakis, D. G. Manolakis. New Jersey : Prentice Hall. 2007. 427 p.

119. Protalinskii, I. O. Optimal Strategy Synthesis for a Group of Mobile Robots with Variable Structure / I. O. Protalinskii, I. A. Shcherbatov, N. D. Shishkin // World Applied Sciences Journal 24 (Information Technol-ogies in Modern Industry, Education & Society). 2013. P. 268-275.

120. Protalinskiy, O. Multicomponent technical system / O. Protalinskiy, I. Shcherbatov // International Congress on Information Technologies (ICIT-2012). 2012. P. 321-324.

121. Quinlan, S. Elastic bands: connecting path planning and control / S. Quinlan, O. Khatib // IEEE International Conference on Robotics and Automation. 1993. Vol. 2. P. 802-807.

122. Ramisa, A. Evaluation of the SIFT Object Recognition Method in Mobile Robots : [Электронный ресурс] / A. Ramisa, S. Vasudevan. Режим доступа : http://www.iiia.csic.es/~mantaras/sift_eval.pdf.

123. Ramsey, F. L. The Statistical Sleuth: A Course in the Methods of Data Analysis / F. L. Ramsey, D. W. Schafer // Cengage Learning; 3 edition. 2012. 748 p.

124. Reshamwala, A. Robot Path Planning using An Ant Colony Optimization Approach: A Survey / A. Reshamwala, D. P. Vinchurkar // International Journal of Advanced Research in Artificial Intelligence. 2013. Vol. 2. № 3. P. 65-71.

125. Roy, C. J. A Complete Framework for Verification, Validation and Uncertainty Quantification in Scientific Computing (Invited) / C. J. Roy, W. L. Oberkampf // Paper AIAA 2010-124, 48th AIAA Aerospace Sciences Meeting Including the New Horizons Forum and Aerospace Exposition. 2010. P. 1-15.

126. Sahoo, R. R. Navigational Path Planning of Multi-Robot using Honey Bee Mating Optimization Algorithm / R. R. Sahoo, P. Rakshit, T. Haidar // International Journal of Computer Applications. 2011. Vol. 27. № 11. P. 1-8.

127. Scott, A. DeLoach. A Goal Model for Adaptive Complex Systems / A. DeLoach Scott // International Journal of Computational Intelligence: Theory and Practice. 2010. Vol. 5. № 2. 20 p.

128. Seyfried, J. The I-SWARM project: Intelligent Small World Autonomous Robots for Micro-manipulation / J. Seyfried, M. Szymanski, N. Bender // Swarm Robotics, LNCS 3342, Springer. 2005. P. 70-83.

129. Shcherbatov, I. A. Analysis and Modelling of Complex Engineering Systems Based on the Component Approach / I. A. Shcherbatov, O. M. Protalinskii, V. N.

Esaulenko // World Applied Sciences Journal 24 (Information Technologies in Modern Industry, Education & Society). 2013. P. 276-283.

130. Shehory, O. Cooperative goal-satisfaction without communication in large-scale agent-systems / O. Shehory, S. Kraus // 12th European Conference on Artificial Intelligence. 1996. P. 544-548.

131. Shrestha, D. L. A novel approach to parameter uncertainty analysis of hydrological models using neural networks / D. L. Shrestha, N. Kayastha, D. P. Solomatine // Hydrology and Earth System Science. 2009. № 13. P. 1235-1248.

132. Shyam, R. Nair. Design of a Voice Controlled Robotic Arm for Picking and Placing an Object / R. Nair Shyam // IOSR Journal of Engineering. 2012. Vol. 2(4). P. 670-673.

133. Simmons, R. The curvature-velocity method for local obstacle avoidance / R. Simmons // IEEE International Conference on Robotics and Automation. 1996. Vol. 4. P. 3375-3382.

134. Simon, H. The Sciences of the Artificial. Cambridge, MA / H. Simon // The MIT Press. 1982. P. 217.

135. Slack, M. Navigation templates: mediating qualitative guidance and quantitative control in mobile robots / M. Slack // IEEE Transactions on Systems, Man and Cybernetics. 1993. № 23(2). P. 452-466.

136. Soetanto, D. Adaptive, non-singular path-following control of dynamic wheeled robots / D. Soetanto, L. Lapierre, A. Pascoal // 42nd IEEE Conference on Decision and Control. 2003. Vol. 2. P. 1765- 1770.

137. Stenz, A. A Free Market Architecture for Coordinating Multiple Robots. Tech.report CMU-RI-TR-99-42 / A. Stenz, M. B. Dias // Robotics INST. Carnegie Mellon University. 1999. P. 214.

138. Sugihara, K. Approximation of generalized voronoi diagrams by ordinary voronoi diagrams / K. Sugihara // CVGIP: Graphical Models and Image Processing. 1993. № 55. P. 522-531.

139. Takagi, T. Fuzzy identification of systems and its applications to modeling and control / T. Takagi, M. Sugeno // IEEE Trans. Syst., Man. Cybern. 1985. Vol. 15. № 1. P. 116-132.

140. Talal Rahwan. Wooldridge, and N. R. Jennings. Anytime coalition structure generation in multi-agent systems with positive or negative externalities / Talal Rahwan, T. Michalak // In Artificial Intelligence. 2012. № 186. P. 95-122.

141. Thunnissen, D. Uncertainty classification for the design and development of complex systems / D. Thunnissen // Proceedings of the 3rd Annual Predictive Methods Conference, Veros Software. 2003. P. 1-16.

142. Timofeev, A. V. Neural Multi-Agent and Operations research for Multi-Agent Robot Systems / A. V. Timofeev // International Autonomous Systems: Intern. Scientific Issue. 1998. P. 119-124.

143. Michael, W. Managing Uncertainty in Robust Design Optimization / W. Michael // Transparencies from a talk at the Workshop on Optimization Under Uncertainty. 2004. P. 193-211.

144. Ulrich, I. VFH+: reliable obstacle avoidance for fast mobile robots / I. Ulrich // IEEE International Conference on Robotics and Automation. 1998. Vol. 2. P. 15721577.

145. Vandenberghe, V. Vanrolleghem. Propagation of Uncertainty in Diffuse Pollution into Water Quality Predictions / V. Vandenberghe, Ann van Griensven // Application to the River Dender in Flanders, Belgium. Diffuse Pollution Conference. 2003. Vol. 10. P. 91-96.

146. Vasanta Kandasamy, W. B. Fuzzy Cognitive Maps and Neutrosophic Cognitive Maps / W. B. Vasanta Kandasamy // Xiquan. 2003. 211 p.

147. Wooldridge, M. Agent Theories, Architectures and Languages: a Suvey / M. Wooldridge, N. Jennings // Intelligent Agents: ECAI-94 Workshop on Agent Theories, Architectures and Languages. Springer Verlag. 1995. P. 11-22.

148. Wurman, P. R. Coordinating hundreds of cooperative, autonomous vehicles in warehouses / P. R. Wurman, R. D'Andrea, M. Mountz // AI Magazine. 2008. Vol. 29. № 1. P. 9-19.

149. Yamamoto, S. Making A Robot Recognize Three Simultaneous Sentences in Real-Time / S. Yamamoto, K. Nakadai, J. Valin // Proc. of IEEE/RSJ International Conference on Intelligent Robots and Systems. 2005. P. 897-902.

150. Young-Jou, Lai. Fuzzy Mathematical Programming: Methods and Applications / Lai Young-Jou // Springer Verlag, NJ. 1995. 301 p.

151. Zhang, F. Experimental study of curvature-based control laws for obstacle avoidance / F. Zhang, A. O'Connor, D. Luebke // IEEE International Conference on Robotics and Automation. 2004. Vol. 4. P. 3849-3854.

152. Zhang, D. Multi-agent Based Control of Large-scale Complex Systems Employing Distributed Dynamic Inference Engine / D. Zhang // School of Aerospace Engineering Georgia Institute of Technology. 2010. 356 p.

153. Zhou, K. Model Uncertainty / K. Zhou, J. Doyle, K. Glover // Robust and Optimal Control, Prentice Hall, Upper Saddle River, NJ. 1996. P. 213-214.

154. Zio, E. Two methods for the structured assessment of model uncertainty by experts in performance assessments of radioactive waste repositories / E. Zio, G. E. Apostolakis // Reliability Engineering and System Safety. 1996. Vol. 54. P. 225-241.

155. Авдеева, З. К. [и др.]. Когнитивный подход в управлении / З. К. Авдеева, С. В. Коврига, Д. И. Макаренко, В. И. Максимов // Проблемы управления. 2007. № 3. С. 2-8.

156. Аверкин, А. Н. О способе интеграции нечётких моделей для организации поддержки принятия решений в слабо структурируемой предметной области / А. Н. Аверкин, Т. В. Агафонова // 11 Национальная конф. по искусственному интеллекту с международным участием (КИИ-2008). Дубна, 28 сент.-3 окт. 2008 г. М. : ЛЕНАНД, 2008. Т. 1. С. 280-288.

157. Ажмухамедов, И. М. Синтез управляющих решений в слабо структурированных плохо формализуемых социотехнических системах / И. М. Ажмухамедов // Управление большими системами. Вып. 42. М. : ИПУ РАН, 2013. С. 29-54.

158. Алтунин, А. Е. Модели и алгоритмы принятия решений в нечётких условиях : моногр. / А. Е. Алтунин, М. В. Семухин. Тюмень : Изд-во Тюмен. гос. ун-та, 2000. 352 с.

159. Антонов, А. С. Введение в параллельные вычисления : метод. пособие / А. С. Антонов. М. : МГУ, 2002. 69 с.

160. Антонов, О. В. Методы построения комбинированных математических моделей технологических процессов / О. В. Антонов, О. М. Проталинский // Математические методы в технике и технологиях : сб. тр. XVI Международной науч. конф. Ростов н/Д : РГАСХМ ГОУ, 2003. Т. 8. Секция 12. С. 49-50.

161. Антонов, О. В. Оптимальное управление процессом каталитического риформинга с использованием гибридной математической модели : автореф. дис. ... канд. техн. наук / О. В. Антонов. Астрахань, 2002. 19 с.

162. Арнольд, В. И. Теория катастроф / В. И. Арнольд. М. : Наука, 1990. 128 с.

163. Беллман, Р. Принятие решений в расплывчатых условиях / Р. Беллман, Л. Заде // Вопросы анализа и процедуры принятия решений. М. : Мир, 1976. С. 172215.

164. Бельцов, Б. А. О математическом описании процесса платформинга / Б. А. Бельцов // Химия и технология топлив и масел. 1966. № 8. С. 11-12.

165. Бендат, Д. Применения корреляционного и спектрального анализа / Д. Бендат, А. Пирсол. М. : Мир, 1983. 312 с.

166. Береза, А. Н. Эволюционный синтез конечных автоматов / А. Н. Береза, М. В. Ляшов // Изв. Юж. федер. ун-та. Сер. Техн. науки. 2011. № 7. С. 210-217.

167. Большаков, А.А. и др. Интеллектуальные системы управления организационно-техническими системами / под ред. А. А. Большакова. М. : Горячая линия -Телеком, 2006. 160 с.

168. Борисов, А. Н. Принятие решений на основе нечётких моделей / А. Н. Борисов, О. А. Крумберг, И. П. Федеров. Рига : Зинатне, 1990. 184 с.

169. Борисов, В. В. Нечёткие модели и сети / В. В. Борисов, В. В. Круглов, А. С. Федулов. М. : Горячая линия - Телеком, 2012. 284 с.

170. Бродский, Ю. И. Разработка инструментальной системы распределенного имитационного моделирования / Ю. И. Бродский, Ю. Н. Павловский // Информационные технологии и вычислительные системы. 2009. № 4. С. 9-21.

171. Бурдаков, С. Ф. Системы управления движением колесных роботов / С. Ф. Бурдаков, И. В. Мирошник, Р. Э. Стельмаков. СПб. : Наука, 2001. 227 с.

172. Бурков, В. Н. Механизмы управления в сетевых структурах / В. Н. Бурков, Н. А. Кузнецов, Д. А. Новиков // Автоматика и телемеханика. 2002. № 12. С. 96 -115.

173. Бусленко, Н. П. Моделирование сложных систем / Н. П. Бусленко. М. : Наука, 1978. 384 с.

174. Варшавский, В. И. Оркестр играет без дирижёра: размышления об эволюции технических систем и управления ими / В. И. Варшавский, Д. А. Поспелов. М. : Наука, 1984. 208 с.

175. Васильев, С. Н. От классических задач регулирования к интеллектному управлению / С. Н. Васильев // Изв. РАН. ТиСУ. 2001. № 1. С. 5-22.

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

177. Веселов, Г. Е. Проблема синтеза иерархических стратегий группового управления робототехническими системами / Г. Е. Веселов // Изв. Юж. федер. унта. Сер. Техн. науки. 2011. Т. 119. № 6. С. 41-49.

178. Веселов, Г. Е. Синергетический подход к обеспечению комплексной безопасности сложных систем / Г. Е. Веселов, А. А. Колесников // Изв. Юж. федер. ун-та. Сер. Техн. науки. 2012. № 1. С. 8-18.

179. Винер, Н. Кибернетика, или управление и связь в животном и машине / Н. Винер. М. : Наука, 1983. 344 с.

180. Волкова, В. Н. Методы формализованного представления (отображения) систем/В. Н. Волкова, Ф. Е. Темников. М.: ИПКИР, 1974. 14 с.

181. Волкова, В. Н. Теория систем и системный анализ / В. Н. Волкова, А. А. Денисов. М. : Юрайт, 2010. 680 с.

182. Володин, В. В. Обоснование выбора методов решения задач оптимального управления сложными процессами / В. В. Володин, Н. В. Мокрова // Вестн. Тамбов. гос. техн. ун-та. 2006. Т. 12. № 1. С. 22-27.

183. Воротников, С. А. Информационные устройства робототехнических систем : учеб. пособие / С. А. Воротников. М. : Изд-во МГТУ им. Н. Э. Баумана, 2005. 384 с.

184. Воскобойников, Ю. Регрессионный анализ данных в пакете Mathcad / Ю. Воскобойников. М. : Лань, 2011. 224 с.

185. Вощинин, А. П. Задачи анализа с неопределёнными данными -интервальность и/или случайность? / А. П. Вощинин // Интервальная математика и распространение ограничений. МКВМ-2004. С. 147-158.

186. Гаазе-Раппопорт, М. Г. От амёбы до робота: модели поведения / М. Г. Гаазе-Раппопорт, Д. А. Поспелов. М. : Наука, 1987. 288 с.

187. Гаврилов, А. В. [и др.]. Гибридная система управления мобильным роботом /

A. В. Гаврилов, В. В. Губарев, К.-Х. Джо, Х.-Х. Ли // Мехатроника, автоматизация, управление. 2004. № 7. С. 30-37.

188. Гайдурин, В. А. Алгоритм коллективного улучшения плана в задачах распределения ресурсов многопроцессорных информационно-управляющих систем / В. А. Гайдурин, С. Г. Капустян, Э. В. Мельник // Вестн. компьютер. и информ. технологий. 2007 № 12. С. 40-50.

189. Ганюков, В. Ю. Интеллектуальная система управления цепями поставок логистического предприятия на основе дискретно-событийной, агентной и системно-динамической имитационных моделей / В. Ю. Ганюков, А. А. Ханова, Н.

B. Сульдина // Вестн. Астрахан. гос. техн. ун-та. Сер. Управление, вычислительная техника и информатика. 2012. № 2. С. 143-149.

190. Гаскаров, Д. В. Интеллектуальные информационные системы / Д. В. Гаскров. М. : Высш. шк., 2003. 431 с.

191. Гасфилд, Д. Строки, деревья и последовательности в алгоритмах / Д. Гасфилд. СПб. : Невский диалект, 2003. 656 с.

192. Гитман, М. Б. Управление социально-техническими системами с учётом нечётких предпочтений / М. Б. Гитман, В. Ю. Столбов, Р. Л. Гилязов. М. : ЛЕНАНД, 2011. 272 с.

193. Гнеденко, Б. В. Введение в теорию массового обслуживания / Б. В. Гнеденко, И. Н. Коваленко. М. : Эдиториал УРСС, 2005. 400 с.

194. Голубкин, И. А. Принципы разработки мультимедийных прикладных роботизированных устройств / И. А. Голубкин, С. А. Кириллин, И. А. Щербатов // Вестн. Астрахан. гос. техн. ун -та. Сер. Управление, вычислительная техника и информатика. 2010. № 2. С. 153-157.

195. Городецкий, В. И. Многоагентные системы: основные свойства и модели координации поведения / В. И. Городецкий // Информационные технологии и вычислительные системы. 1998. № 1. С. 22-34.

196. Городецкий, В. И. Коллективное поведение автономных агентов (с приложением к командной работе автономных подводных роботов) / В. И. Городецкий // Вестн. компьютер.и информ. технологий. 2004 № 7. С. 53-67.

197. Городецкий, В. И. Средства спецификации и инструментальной поддержки командного поведения автономных агентов / В. И. Городецкий, С. В. Серебряков, Д. В. Троцкий // Изв Юж. федер. ун-та.Сер. Техн. науки. 2011. № 3 (116). С 23-41.

198. Городецкий, В. И. Самоорганизация и многоагентные системы. Модели многоагентной самоорганизации / В. И. Городецкий // Изв. РАН. Теория и системы управления. 2012. № 2. С. 92-120.

199. Городецкий, В. И. Самоорганизация и многоагентные системы. Приложения и технологии разработки / В. И. Городецкий // Изв. РАН. Теория и системы управления. 2012. № 3. С. 55-75.

200. Гриф, М. Г. Реализация метода последовательного анализа вариантов при оптимизации сложных систем по нечётким и вероятностным показателям / М. Г. Гриф, Е. Б. Цой // Сибирский журнал индустриальной математики. 2001. Т. 4. № 2(8). С. 123-141.

201. Губко, М. В. Классификация моделей анализа и синтеза организационных структур / М. В. Губко, Н. А. Коргин, Д. А. Новиков // Управление большими системами. 2004. Вып. 6. С. 5-21.

202. Губко, М. В. Математические модели оптимизации иерархических структур / М. В. Губко. М. : ЛЕНАНД, 2006. 264 с.

203. Губко, М. В. Математические модели формирования рациональных организационных иерархий / М. В. Губко // Автоматика и телемеханика. 2008. № 9. С. 114-139.

204. Денисов, А. А. Современные проблемы системного анализа: Информационные основы / А. А. Денисов. СПб. : Изд-во Политех. ун-та, 2004. 296 с.

205. Джамбеков, А.М. Разработка нечеткой системы управления процессом вторичной переработки бензина / А.М. Джамбеков, И.А. Щербатов // Геология, география и глобальная энергия. - 2014. - № 3 (54). - С. 89-93.

206. Джамбеков, А.М. Управление процессом каталитического риформинга на основе экспертной информации / А.М. Джамбеков, И.А. Щербатов // Системы. Методы. Технологии. - 2014. - № 4 (24). - С. 103-111.

207. Дзюба, С. М., Палюх Б.В., Егерева И.А. Об оптимальном управлении нечёткими многостадийными процессами / С. М. Дзюба, Б. В. Палюх, И. А. Егерева // Тр. XII Всероссийского совещания по проблемам управления. 2014. С. 3968-3972.

208. Длусский, Г. М. Муравьи рода Формика / Г. М. Длусский. М. : Наука, 1967. 47 с.

209. Дубов, Ю. А. Многокритериальные модели формирования и выбора вариантов систем / Ю. А. Дубов, С. И. Травкин, В. Н. Якимец. М. : Наука, 1986. 296 с.

210. Дубов, В. М. [и др.]. Проблематика сложных систем (концептуальные основы модельных представлений) / В. М. Дубов, Т. И. Капустянская, С. А. Попов, А. А. Шаров. СПб. : Элмор, 2006. 184 с.

211. Евин, И. А. Введение в теорию сложных сетей / И. А. Евин // Компьютерные исследования и моделирование. 2010. Т. 2. № 2. С. 121-141.

212. Ерзин, А. И. Задачи оптимизации структуры многоуровневых иерархических систем : автореф. дис. ... канд. физ.-мат. наук / А. И. Ерзин. Новосибирск, 1984.112 с.

213. Жоров, Ю. М. Моделирование физико-химических процессов нефтепереработки и нефтехимии / Ю. М. Жоров. М. : Химия, 1978. 213 с.

214. Захаров, А. А. Муравей, семья, колония / А. А. Захаров. М. : Наука, 1978. 87 с.

215. Зейналов, М. Ф. Управление установкой двухступенчатого каталитического крекинга в условиях неопределённости : автореф. дис. ... канд. техн. наук / М. Ф. Зейналов. Баку, 1986. 100 с.

216. Искусственный интеллект. Модели и методы : справ. : в 3 кн. / под ред. Д. А. Поспелова. М. : Радио и связь, 1990. Кн. 2. 304 с

217. Макаров, И. М. [и др.]. Искусственный интеллект и интеллектуальные системы управления / И. М. Макаров, В. М. Лохин, С. В. Манько, М. П. Романов. М. : Наука, 2006. 333 с.

218. Истомин, А. Л. Построение математической модели установки каталитического риформинга в нефтеперерабатывающем производстве / А. Л. Истомин, М. В. Кривов // Сб. науч. тр. Ангарской гос. техн. академии. 2005. Т. 1. № 1. С. 110-117.

219. Каляев, И. А. Основы построения распределённых систем управления коллективами робота / И. А. Каляев, С. Г. Капустян, Л. Ж. Усачев // Информационные технологии. 2006. № 5. С. 13-18.

220. Каляев, И. А. Модели и алгоритмы коллективного поведения в группах роботов / И. А. Каляев, А. Р. Гайдук, С. Г. Капустян. М. : Физматлит, 2009. 280 с.

221. Каляев, И. А. Самоорганизующиеся распределённые системы управления: группа интеллектуальных роботов, построенных на основе сетевой модели / И. А. Каляев, С. Г. Капустян, А. Р. Гайдук // Управление большими системами : сб. тр. 2010. № 30. С. 605-639.

222. Каляев, И. А. Проблемы группового управления роботами / И. А. Каляев, С. Г. Капустян // Мехатроника, автоматизация, управление. 2009. № 6. С. 33-40.

223. Карпенко, Л. Д. [и др.]. Пластичность нейронных сетей в ЦНС виноградной улитки / Л. Д. Карпенко, Д. Филиппович, В. Иветич, М. Г. Маклецова // Матер. Междунар. чтений, посвященных 100-летию со дня рождения члена-корреспондента АН СССР акад. АН АрмССР Э. А. Асратяна. 30 мая 2003. C. 4557.

224. Карпов, В. Э. Моделирование некоторых простейших форм поведения: от условных рефлексов к индуктивной классификации / В. Э Карпов, Д. А. Добрынин. М. : КомКнига, 2005. Т. 1. C. 188-193.

225. Карпов, В. Э. Коллективное поведение роботов. Желаемое и действительное / В. Э. Карпов // Современная мехатроника : сб. науч. тр. Всерос. науч. шк. 2011. С. 35-51.

226. Кафаров, В. В. Методы кибернетики в химии и химической технологии / В. В. Кафров. М. : Химия, 1985. 448 с.

227. Кемени, Дж. Конечные цепи Маркова / Дж. Кемени, Дж. Снелл. М. : Наука, 1970. 272 с.

228. Клевцов, С. И. Особенности описания поведения организационной структуры в среде интегральной инструментальной платформы / С. И. Клевцов // Изв. Юж. федер. ун-та. Сер. Техн. науки. 2002. Т. 25. № 2. С. 255-261.

229. Козырев, Ю. Г. Применение промышленных роботов / Ю. Г. Козырев. М. : КНОРУС, 2011. 488 с.

230. Колесников, А. А. Синергетическая теория управления / А. А. Колесников. М. : Энергоатомиздат, 1994. 344 с.

231. Колесников, А. А. Синергетические методы управления сложными системами. Теория системного синтеза / А. А. Колесников. М. : КомКнига, 2006. 240 с.

232. Кормен, Т. [и др.]. Алгоритмы. Построение и анализ / Т. Кормен, Ч. Лейзерсон, Р. Ривест, К. Штайн. М. : MIT Press, 2007. 1296 c.

233. Моделирование процесса каталитического риформинга бензинов / А. В. Кравцов, В. С. Москвин, В. С. Бесков [и др.]. М. : ЦНИИТЭнефтехим, 1990. 69 с.

234. Красников, А. Л. Нечёткая система управления охлаждающими вспрысками энергоблока СКД 300 МВт / А. Л. Красников // Матер. Междунар. науч. конф. Киев, 2012. С. 219-225.

235. Крейн, Дж. Процесс каталитического реформинга / Дж. Крейн // Тр. IV Междунар. нефтяного конгресса. М. : Гостоптехиздат, 1961. С. 34-60.

236. Кротов, В. Ф. Основы теории оптимального управления / В. Ф. Кротов, Б. А. Лягоша. М. : Высш. шк., 1990. 430 с.

237. Кузьмин, А. В. Интеллектуальные технологии управления. Искусственные нейронные сети и нечёткая логика / А. В. Кузьмин, А. А. Усков. М. : Горячая Линия - Телеком, 2004. 143 с.

238. Кулинич, А. А. Когнитивные карты в поддержке принятия решений / А. А. Кулинич. М. : Физматлит, 2011. Т. 1. 598 с.

239. Кулинич, А. А. Компьютерные системы анализа ситуаций и поддержки принятия решений на основе когнитивных карт: подходы и методы / А. А. Кулинич // Проблемы управления. 2011. № 4. С. 31-45.

240. Динамика электропривода с нечётким регулятором / С. В. Ланграф, А. И. Сапожников, А. С. Глазырин [и др.] // Изв. Томск. политех. ун-та. 2010. Т. 316. № 4. С. 168-173.

241. Ларичев, О. И. Теория и методы принятия решений, а также хроника событий в Волшебных странах : учеб. / О. И. Ларичев. М. : Логос, 2003. 392 с.

242. Леоненков, А. Нечёткое моделирование в среде МАТЬАБ и Би77уТесЬ / А. Леоненков. СПб. : БХВ-Петербург, 2005. 736 с.

243. Ломако, Е. И. Математические и понятийные средства системантики / Е. И. Ломако. М. : Системная энциклопедия, 2008. 112 с.

244. Лоули, Д. Факторный анализ как статистический метод / Д. Доули, А. Максвелл. М. : Книга по требованию, 2012. 72 с.

245. Лукинов, А. П. Проектирование мехатронных и робототехнических систем / А. П. Лукинов. М. : Лань, 2012. С. 271.

246. Лукьянова, Л. М. Теоретико-методологические основы структурно-целевого анализа и синтеза организационно-технических комплексов / Л. М. Лукьянова. СПб. : Наука, 2006. 276 с.

247. Лукьянова, Л. М. Семиотические модели и методы анализа и синтеза целей систем производственной сферы / Л. М. Лукьянова // Изв. КГТУ. 2008. № 13. С. 143-147.

248. Луценко, Е. В. Программная идея системного обобщения математики и её применение для создания системной теории информации / Е. В. Луценко // Науч. журн. КубГАУ. 2008. № 36(2). С. 1-18.

249. Люггер, Дж. Ф. Искусственный интеллект. Стратегии и методы решения сложных проблем / Дж. Ф. Люггер. М. : Вильямс, 2003. 864 с.

250. Макаров, И. М. Концептуальные основы организации интеллектуального управления сложными динамическими объектами / И. М. Макаров // Новые методы управления сложными системами. М. : Наука, 2004. 333 с.

251. Макаров, И. М. [и др.]. Искусственный интеллект и интеллектуальные системы управления / И. М. Макаров, В. М. Лохин, С. В. Манько, М. П. Романов. М. : Наука, 2006. 333 с.

252. Максимов, В. И. Аналитические основы применения когнитивного подхода при решении слабоструктурированных задач / В. И. Максимов, Е. К. Корноушенко // Тр. ИПУ РАН. 1999. Т. 2. С. 95-100.

253. Малолетов, А. В. [и др.]. Стратегия управления коллективом робототехнических объектов / А. В. Малолетов, Р. В. Лещенко, К. Ю. Лепетухин, Е. В. Ветошкин // Искусственный интеллект - 2002. Таганрог : Изд-во ТРТУ, 2002. С. 253-256.

254. Мальков, М. В. Сети Петри и моделирование / М. В. Мальков, С. Н. Малыгина // Тр. Кольского науч. центра РАН. 2010. № 3. С. 35-40.

255. Маннинг, К. Д. Введение в информационный поиск / К. Д. Маннинг, П. Рагхаван, Х. Шютце. М. : Вильямс, 2011. 528 с.

256. Мелихов, А. Н. Ситуационные советующие системы с нечёткой логикой / А. Н. Мелихов, Л. С. Бернштейн, С. Я. Коровин. М. : Наука, 1990. 272 с.

257. Месарович, М. Теория иерархических многоуровневых систем / М. Месарович, Д. Мако, И. Тахакара. М. : Мир, 1973. 332 с.

258. Методы классической и современной теории автоматического управления : учеб. / под ред. Н. Д. Егупова. М. : Изд-во МГТУ им. Н. Э. Баумана, 2000. Т. 3. 748 с.

259. Методы робастного, нейро-нечёткого и адаптивного управления : учеб. / под ред. Н. Д. Егупова. М. : Изд-во МГТУ им. Н. Э. Баумана, 2002. 744 с.

260. Микони, С. В. Модели и базы знаний : учеб. пособие / С. В. Микони. СПб. : СПГУПС, 2000. 155 с.

261. Михайлова, Е. Г. Приближённое индексирование многомерных объектов / Е. Г. Михайлова, Б. А. Новиков // Тр. XII Всерос. науч. конф. RCDL'2010. Казань, 13-17 октября 2010 г. С. 436-440.

262. Мотиенко, Т. А. Синергетический синтез систем иерархического управления лёгким самолетов / Т. А. Мотиенко // Изв. Юж. федер. ун-та. Сер. Техн. науки. 2011. № 6. С. 140-152.

263. Мышкис, А. Д. Элементы теории математических моделей / А. Д. Мышкис. М. : КомКнига, 2007. 192 с.

264. Нгуен Туан Зунг. Распознавание объектов в системе технического зрения мобильного робота: использование библиотеки FLANN и алгоритма SURF / Нгуен Туан Зунг, И. А. Щербатов // Управление и высокие технологии. 2014. № 4 (28). С. 65-76.

265. Нгуен Туан Зунг Совместное распознавание подвижных и неподвижных объектов в системе технического зрения робота / Нгуен Туан Зунг, И.А. Щербатов // Мехатроника, автоматизация, управление. -2015. - № 7. - С. 464-470.

266. Невлюдов, И. Ш. Голосовое формирование управлящих команд робота в САПР технологических процессом / И. Ш. Невлюдов, А. М. Цымбал, С. С. Милютина // Восточно-Европейский журнал передовых технологий. 2008. № 2/2 (32). С. 12-14.

267. Неделько, С. Н. Использование теории катастроф к анализу поведения экономических систем / С. Н. Неделько // Вестн. МГТУ. 2010. Т. 13. № 1. С. 223227.

268. Новиков, Д. А. Сетевые структуры и организационные системы / Д. А. Новиков. М. : ИПУ РАН, 2003. 102 с.

269. Носков, В. П. Навигация мобильных роботов по дальнометрическим изображениям / В. П. Носков, А. В. Носков // Мехатроника, автоматизация, управление. 2005. № 12. С. 16-21.

270. Обзор информации о ЕЬА№Ы : [Электронный ресурс]. Режим доступа : http://www.cs.ubc.ca/research/flann/

271. Общая теория статистики : учеб. / под ред. Р. А. Шмойловой. М. : Финансы и статистика, 2002. 560 с.

272. Островский, Г. М. Технические системы в условиях неопределённости: анализ гибкости и оптимизация : учеб. пособие / Г. М. Островский, Ю. М. Волин. М. : БИНОМ. Лаборатория знаний, 2008. 319 с.

273. Охоцимский, Д. Е. [и др.]. Система моделирования игры роботов-футболистов / Д. Е. Охоцимский, В. Е. Павловский, А. Г. Плахов, А. Н. Туганов // Мобильные роботы и мехатронные системы : матер. науч. конф. М. : Изд-во МГУ, 2000. С. 288.

274. Павлов, В. В. Концепция моделирования и анализа эволюции технического состояния сложных технических систем на максимально возможном интервале их жизненного цикла / В. В. Павлов // Кибернетика и вычислительная техника. 2009. № 157. С. 3-16.

275. Павлов, В. В. Многофункциональная динамическая модель структурного фрактала сложной технической системы / В. В. Павлов, В. И. Чепиженко // В1сник НАУ. 2010. С. 89-99.

276. Павловский, Ю. Н. Имитационные модели и системы / Ю. Н. Павловский. М. : Фазис, 2000. 131 с.

277. Павловский, В. Е. Моделирование управляемого адаптивного поведения гомогенной группы роботов / В. Е. Павловский, Е. П. Кирикова // Искусственный интеллект. 2002. № 4. С. 596-605.

278. Паклин, Н. Б. Нечётко-когнитивный подход к управлению динамическими системами / Н. Б. Паклин // Искусственный интеллект. 2003. № 4. С. 342-348.

279. Поллард, Дж. Справочник по вычислительным методам статистики / Дж. Поллард. М. : Финансы и статистика, 1982. 344 с.

280. Положаенко С.А. Система управления трубчатой печью установки каталитического риформинга высокооктановых бензинов / С.А. Положаенко, Ю.В. Григоренко // Электромашиностроение и электрооборудование. 2010. № 75. С. 62-67.

281. Полупанов, И. В. Моделирование и оптимальное управление технологическими процессами с использованием нечётких алгоритмов (на примере производства серы методом Клауса) : автореф. дис. ... канд. техн. наук / И. В. Полупанов. М., 1990. 167 с.

282. Поспелов, Д. С. «Серые» и/или «чёрно-белые» шкалы / Д. С. Поспелов // Прикладная эргономика. Спец. вып. «Рефлексивные процессы». 1994. № 1. С. 1521.

283. Поспелов, Д. А. От коллектива автоматов к мультиагентным системам / Д. А. Поспелов // Распределённый искусственный интеллект и многоагентные системы. Тр. междунар. семинара ; СПб., 1997. С. 319-325.

284. Потапов, А. С. Распознавание образов и машинное восприятие. Общий подход на основе принципа минимальной длины описания / А. С. Потапов. СПб. : Политехника, 2007. 548 с.

285. Прангишвили, И. В. Энтропийные и другие системные закономерности. Вопросы управления сложными системами / И. В. Прангишвили; Ин-т проблем управления им. В. А. Трапезникова. М. : Наука, 2003. 428 с.

286. Проталинский, О. М. Математическое описание процессов в условиях нестатистической неопределённости / О. М. Проталинский // Методы

кибернетики в химии и химической технологии. Тез. докл. 2 Всесоюз. совещания-семинара молодых учёных ; Грозный, 1984. С. 101.

287. Проталинский, О. М. Проверка достоверности первичной информации в АСУ ТП с использованием нечётких множеств / О. М. Проталинский // Изв. высш. учеб. заведений. Сер. Техн. науки. 2003. № 3. С. 60.

288. Проталинский, О. М. Применение методов искусственного интеллекта при автоматизации технологических процессов: моногр./О. М. Проталинский Астрахан. гос. техн. ун-т. Астрахань: Изд-во АГТУ, 2004. 184 с.

289. Проталинский, О. М. Концепция интеллектуального управления технологическими процессами грузового порта на основе имитационных моделей / О. М. Проталинский, А. А. Ханова // Вестн. Астрахан. гос. техн. ун-та. 2007. № 1. С. 46-49.

290. Проталинский, О. М. Гибридный метод обучения нейронных сетей для классификации каталитической стадии процесса Клауса / О. М. Проталинский, И. А. Щербатов, И. О. Беляев // Вестн. СГТУ. 2010. Т. 4. № 2. С. 38-43.

291. Проталинский, И. О. Универсальная мобильная платформа для роботов, обслуживающих социальную и бытовую сферу / И. О. Проталинский, С. А. Кирилин, Д. В. Елизаров // Вестн. Астрахан. гос. техн. ун-та. Сер. Управление, вычислительная техника и информатика. 2011. Вып. 2. С. 34-38.

292. Проталинский, И. О. Модели и алгоритмы управления группой мобильных роботов : автореф. дис. ... канд. техн. наук / И. О. Проталинский ; СГТУ им. Ю. А. Гагарина. Саратов, 2013. 17 с.

293. Путилов, В. А. Системная динамика регионального развития / В. А. Путилов, А. В. Горохов. Мурманск : Пазори, 2002. 306 с.

294. Пылькин, А. Н. Методология когнитивного анализа в вопросах автоматизации управления материальными потоками / А. Н. Пылькин, А. В. Крошилиг, С. В. Крошилина // Информатика и системы управления. 2012. № 2(32). С. 138-149.

295. Растригин, Л. А. Кибернетика как она есть / Л. А. Растригин, П. С. Граве. М. : Молодая гвардия, 1975. 208 с.

296. Рыбина, Г. В. Проектирование систем, основанных на знаниях : учеб. пособие / Г. В. Рыбина. М. : МИФИ, 2000. 104 с.

297. Саати, Т. Л. Принятие решений. Метод анализа иерархий / Т. Л. Саати. М. : Радио и связь, 1989. 316 с.

298. Саати, Т. Л. Принятие решений при зависимостях и обратных связях. Аналитические сети / Т. Л. Саати. М. : ЛИБРОКОМ, 2011. 360 с.

299. Савин, Г. И. Системное моделирование сложных процессов / Г. И. Савин. М. : Фазис. 2000. 275 с.

300. Сафронов, В. В. Методика оптимизации структуры сложных технических систем в условиях риска / В. В. Сафронов // Информационно-управляющие системы. 2007. № 1. С. 40-45.

301. Силов, В. Б. Принятие стратегических решений в нечёткой обстановке / В. Б. Силов. М. : ИНПРО-РЕС, 1995. 228 с.

302. Симарзин, В. В. [и др.]. Субоптимальные алгоритмы управления процессом каталитического крекинга / В. В. Симарзин, Н. М. Борзенко, Б. А. Рабинович, А. Я. Серебрянский // Тр. ЦНИИК. 1983. Вып. 55. С. 21-23.

303. Скляров, С. А. Синергетическое управлении группой мобильных роботов / С. А. Скляров // Изв. Юж. федер. ун-та. Сер. Техн. науки. 2014. № 8. С. 147-158.

304. Слинько, М. Г. Математическое моделирование химических процессов на пористом зерне катализатора / М. Г. Слинько, Н. С. Эвенчик // Химическая промышленность. 1980. № 11. С. 15-21.

305. Смит, Б. Методы и алгоритмы вычисления на строках / Б. Смит. М. : Вильямс, 2006. 496 с.

306. Советов, Б. Я. Моделирование систем / Б. Я. Советов, С. А. Яковлев. М. : Высш. шк., 1998. 319 с.

307. Степанов, П.В. Многоагентная система планирования движения мобильного робота на основе искусственных силовых полей / П.В. Степанов, И.А. Щербатов // Мехатроника, автоматизация, управление. -2015. - № 5. - С. 307-313.

308. Стефанюк, В. Л. О регулировке мощности в коллективе радиостанций / В. Л. Стефанюк, М. Л. Цетлин // Проблемы передачи информации. 1967. Т. 3. № 4. С. 59-67.

309. Стефанюк, В. Л. Локальная организация интеллектуальных систем / В. Л. Стефанюк. М. : Физматлит, 2004. 328 с.

310. Строев, В. И. Системы с искусственным интеллектом в сухопутных войсках / В. И. Строев // Зарубежное военное обозрение. 1997. № 3. С. 27-30.

311. Сухоручкина, О. Н. Интеграция компонентов интерфейса пользователя и системы управления персонального мобильного робота: пример реализации / О. Н. Сухоручкина // Искусственный интеллект. 2008. № 3. С. 482-489.

312. Тарасов, В. Б. От многоагентных систем к интеллектуальным организациям / В. Б. Тарасов. М. : Эдиториал УРСС, 2002. 352 с.

313. Тихонов, В. И. Марковские процессы / В. И. Тихонов, М. А. Тихонов. М. : Сов. радио, 1977. 488 с.

314. Топорков, В. В. Модели распределённых вычислений / В. В. Топорков. М. : ФИЗМАТЛИТ, 2004. 320 с.

315. Трифонов, А. Г. Постановка задачи оптимизации и численные методы её решения : [Электронный ресурс] / А. Г. Трифонов // SoftLine Со. Режим доступа : http : //matlab. exponenta.ru/optimiz/book_2/index. php

316. Тузовский, А. Ф. Система интеграции информации и знаний с использованием семантических технологий / А. Ф. Тузовский, А. В. Черний // Изв. Томск. политех. ун-та. 2009. Т. 315. № 5. С. 127-132.

317. Угольницкий, Г. А. Имитационные и оптимизационные модели сложных систем с учётом их структуры / Г. А. Угольницкий // Управление большими системами. 2010. Вып. 30. С. 799-816.

318. Умбетов, У. Оценка эффективности оптимального управления на основе метода ситуационной декомпозиции / У. Умбетов, Ху Веен-Цен // Вестн. МИТХТ. 2010. Т. 5. № 6. С. 108-111.

319. Усков, А. А. Интеллектуальные технологии управления. Искусственные нейронные сети и нечёткая логика / А. А. Усков, А. В. Кузьмин. М. : Горячая Линия - Телеком, 2004. 143 с.

320. Федосеев, С. А. Управление производством на тактическом уровне планирования в условиях нечётко исходной информации / С. А. Федосеев, А. В. Вожаков, М. Б. Гитман // Проблемы управления. 2009. № 5. С. 36-43.

321. Федулов, А. С. Обобщённые нечёткие когнитивные карты / А. С. Федулов, В. В. Борисов // Нейрокомпьютеры: разработка, применение. 2004. № 4. С. 3-21.

322. Федулов, А. С. Нечёткие реляционные когнитивные карты / А. С. Федулов // Изв. РАН. Теория и системы управления. 2005. № 1. С. 120-133.

323. Финаев, В. И. Особенности принятия решений на основе выбора из совокупности нечётких альтернатив / В. И. Финаев, Н. М. Адамова // Изв. Юж. федер. ун-та. Сер. Техн. науки. 2001. Т. 19. № 1. С. 67-70.

324. Хайкин, С. Нейронные сети. Полный курс / С. Хайкин. М. : Вильямс, 2006. 1104 с.

325. Хьюз, К. Параллельное и распределённое программирование с использованием С++ / К. Хьюз, Т. Хьюз. М. : Вильямс, 2004. 672 с.

326. Цапко, Г. П. Базовые принципы построения Е-сетевой модели сложной технической системы / Г. П. Цапко, С. Г. Цапко, Д. В. Тараканов // Изв. Томск. политех. ун-та. 2006. Т. 309. № 4. С. 152-157.

327. Цетлин, М. Л. Исследования по теории автоматов и моделированию биологических систем / М. Л. Цетлин. М. : Наука, 1969. 316 с.

328. Чадеев, В. М. Иерархическая модель технологического процесса изготовления роботов с использованием роботов / В. М. Чадеев, Н. И. Аристова // Управление в технических, эргатических, организационных и сетевых системах : сб. матер. конф. 2012. С. 618-621.

329. Чегодаев, А. И. Математические методы анализа экспертных оценок / А. И. Чегодаев // Вестн. СГЭУ. 2010. № 2(64). С. 130-135.

330. Чернецкий, В. И. Математические методы распределения ресурсов / В. И. Чернецкий, Ю. С. Соболев, И. Ф. Моногаров // Большие системы и управление. 1969. С. 78-100.

331. Черноруцкий, И. Г. Методы принятия решений / И. Г. Черноруцкий. СПб. : БХВ-Петербург, 2005. 416 с.

332. Черняк, Ю. И. Анализ и синтез систем в экономике / Ю. И. Черняк. М. : Экономика, 1970. 151 с.

333. Штовба, С. Д. Муравьиные алгоритмы / С. Д. Штовба // Exponenta Pro. Математика в приложениях. 2003. С. 70-75.

334. Штовба, С. Д. Проектирование нечетких систем средствами MATLAB / С. Д. Штовба. М. : Горячая линия - Телеком, 2007. 288 с.

335. Щербатов, И. А. Оптимальное управление каталитической стадией процесса Клауса : автореф. дис. ... канд. техн. наук / И. А. Щербатов. Астрахань, 2006. 20 с.

336. Щербатов, И. А. Построение гибридных моделей химико-технологических процессов со структурной неопределённостью / И. А. Щербатов // Математические методы в технике и технологиях - ММТТ-20. Ярославль, 2007. 330. С. 171-173.

337. Синтез алгоритма адаптации интеллектуальной модели слабоформализуемого технологического процесса / под ред. В. С. Балакирева // Математические методы в технике и технологиях - ММТТ-21. Саратов, 2008. С. 210-213.

338. Щербатов, И. А. Система поддержки принятия решений для операторов слабоформализуемых ТП / И. А. Щербатов, О. М. Проталинский // Автоматизация в промышленности. 2009. № 7. С. 41-45.

339. Щербатов, И. А. Исследование эффективности группового управления роботами методом имитационного моделирования / И. А. Щербатов, О. М. Проталинский // Вестн. СГТУ. 2010. № 4(50). С. 34-37.

340. Щербатов, И. А. Понятие компоненты слабоформализуемой многокомпонентной технической системы / И. А. Щербатов // Математические методы в технике и технологиях - ММТТ-25. Волгоград, 2012. С. 207-209.

341. Щербатов, И. А. Концепция системного анализа сложных слабоформализуемых многокомпонентных систем в условиях неопределённости / И. А. Щербатов // Современные технологии. Системный анализ. Моделирование. 2013. № 2. С. 28-35.

342. Щербатов, И. А. Сложные слабоформализуемые системы: компонентный подход / И. А. Щербатов // Приоритетные научные направления: от теории к практике. Новосибирск, 2014. С. 104-108.

343. Щербатов, И. А. Распределение локальных целей в компонентных структурах сложных слабоформализуемых систем / И. А. Щербатов // Проблемы управления. - 2015. - № 1. - С. 19-29.

344. Щербатов, И. А. Снижение объёмов промышленных выбросов крупнотоннажных установок с использование экспертной информации / И. А. Щербатов // Вестн. Астрахан. гос. техн. ун-та. Сер. Управление, вычислительная техника и информатика. 2009. № 1(48). С. 121-125.

345. Щербатов, И. А. Построение гибридной математической модели сложной технической системы / И. А. Щербатов // Фундаментальные и прикладные исследования университетов, интеграция в региональный инновационный комплекс : тр. Междунар. науч.-практич. конф., посвящённой 80-летию АГТУ. Астрахань, 2010. Т. 1. С. 166-169.

346. Щербатов, И. А. Classification of pure formalized complex multicomponent technical systems under conditions of uncertainty / И. А. Щербатов // Вестн. Астрахан. гос. техн. ун-та. Сер. Управление, вычислительная техника и информатика. 2012. № 2. С. 9-13.

347. Щербатов, И. А. Классификация неопределённостей в задачах моделирования и управления сложными слабоформализуемыми системами / И. А. Щербатов // Вестн. СГТУ. 2013. № 1(69). С. 175-179.

348. Щербатов, И. А. Коррекция глобальной цели в интеллектуальных системах управления сложными слабо-формализуемыми системами / И. А. Щербатов // Автоматизация и современные технологии. 2014. № 6. С. 34-40.

349. Щербатов, И. А. Формализация процедуры принятия решений оператором в моноэргатической системе / И. А. Щербатов, И. О. Проталинский // Вестн. Астрахан. гос. техн. ун-та. Сер. Управление, вычислительная техника и информатика. 2009. № 1(48). С. 126-129.

350. Щербатов, И. А. Интеллектуальное управление робототехническими системами в условиях неопределённости / И. А. Щербатов // Вестн. Астрахан. гос. техн. ун-та. Сер. Управление, вычислительная техника и информатика. 2010. № 1. С. 73-77.

351. Щербатов, И. А. Применение алгоритма Ахо - Корасик в многоагентных поисковых системах / И. А. Щербатов, И. О. Проталинский, И. О. Беляев // Математические методы в технике и технологиях - ММТТ-25. Волгоград, 2012. С. 77-78.

352. Щербатов, И. А. Сложные слабоформализуемые многокомпонентные технические системы / И. А. Щербатов, О. М. Проталинский // Управление большими системами. 2013. № 45. С. 30-46.

353. Щербатов, И. А. Математические модели сложных слабоформализуемых систем: компонентный подход / И. А. Щербатов // Системы. Методы. Технологии. 2014. № 2 (22). С. 70-78.

354. Щербатов, И. А. Архитектура системы взаимодействия промышленных манипуляторов / И. А. Щербатов, И. О. Проталинский // Вестн. Астрахан. гос. техн. ун-та. Сер. Управление, вычислительная техника и информатика. 2009. № 2(49). С. 76-82.

355. Щербатов, И. А. Универсальная сенсорная подсистема мобильного колесного робота / И. А. Щербатов, И. А. Голубкин // Датчики и системы. 2010. № 8. С. 32-35.

356. Щербатов, И. А. Применение фибоначчиевых куч в многоагентных поисковых системах / И. А. Щербатов, И. О. Проталинский, И. О. Беляев // Математические методы в технике и технологиях - ММТТ-25. Волгоград, 2012. С. 73-76.

357. Щербатов, И. А. Функционирование слабоформализуемой многокомпонентной системы / И. А. Щербатов, А. С. Карихманова // Современные проблемы науки и образования. 2013. № 2. С. 194-202.

358. Щербатов, И. А. Математическое моделирование сложных многокомпонентных систем / И. А. Щербатов, И. О. Проталинский // Вестн. ТГТУ. 2014. Т. 20. № 1. С. 17-26.

359. Щербатов, И. А. Координация работы промышленных манипуляторов на основе сенсорной информации / И. А. Щербатов, И. О. Проталинский // Датчики и системы. 2010. № 8. С. 28-32.

360. Щербатов, И. А. Система интерпретирования голосовых команд для управления мобильным роботом / И. А. Щербатов, И. О. Проталинский, В. А. Бородин // Мехатроника, автоматизация, управление. 2014. № 6. С. 14-18.

361. Щербатов, И. А. Неопределённость в задачах моделирования и управления сложными слабоформализуемыми системами / И. А. Щербатов // Вестн. НГУЭУ. 2014. № 3. С. 306-321.

362. Щербатов, И.А. Управление сложными слабоформализуемыми многокомпонентными системами: монография / И. А. Щербатов. Ростов н/Д : Изд-во ЮНЦ РАН, 2015.-268 с.

363. Эндрюс, Г. Р. Основы многопоточного, параллельного и распределенного программирования / Г. Р. Эндрюс. М.: Вильямс, 2003. 174 с.

364. Юревич, Е. И. Управление роботами и робототехническими системами : учеб. пособие / Е. И. Юревич. СПб. : Изд-во СПбГТУ, 2001. 168 с.

365. Юрьевич, Е. И. Принципы группового управления роботами / Е. И. Юревич // Экстремальная робототехника-2003. Таганрог, 2003. С. 165-171.

366. Юревич, Е. И. О проблеме группового управления роботами / Е. И. Юревич // Мехатроника, автоматизация, управление. 2004. № 2. С. 9-13.

367. Юревич, Е. И. Интеллектуальные роботы : учеб. пособие для вузов / Е. И. Юревич. М. : Машиностроение, 2007. 360 с.

368. Ющенко, А.С. К теории деятельности эргатических мехатронных систем // Мехатроника. 2000. № 3. С. 2-11.

Приложение А. Пример для методики коррекции глобальной цели

Пусть в МС S (гибкая производственная система [229]) в результате анализа функционального назначения, на этапе проектирования выявлены две возможные компонентные структуры {К8\}, I = 1,2, состоящие из трех компонент, и четыре возможные глобальные цели }, у = 1,4. Связи представлены на рисунке А.1-а.

а)

xf1 xf2 xf3 xf4 xf5 xf6

б)

P \ F

P'

в) г)

Рисунок А.1 - Графическая иллюстрация работы алгоритма коррекции глобальной

цели:

а-формирование множества {G} (А-1, блоки 1-4); б-оценка достижимости целей {G} (Y-0.1, блок 5); в- формирование множества {Sit} (Y-0.2, блоки 1-3); г-коррекция глобальной цели (Y-0.2, блоки 4-7); 1 и 2 - гибкий производственный модуль (ГПМ); 3 -автоматизированная транспортно-складская система (АТСС)

В результате работы алгоритма формирования множества глобальных целей У-0.1 получены исходные множества (см. таблицу), которые используются в работе алгоритма коррекции глобальной цели У-0.2. В результате оценки корректности целей (блок 5) 04 исключается как недостижимая цель (см. рисунок А.1-б), т.к. ГПМ в силу конструктивных особенностей не позволяют производить

данный тип продукта. После этого формируются целевые ситуации (см. рисунок А.1-в). На рисунке А.1-г графически показана смена глобальной цели G3 на G1, и формирование локальных целей, включая способы их достижения P '1_ 3 для всех

компонент. Практическая реализация способов достижения глобальной цели (блок 8 алгоритма У-0.2) в соответствии с необходимыми и достаточными условиями (1) - (2) показана на рисунке А.2.

Таблица А.1 - Результат работы алгоритма

Множество °} II Множество {G} Множество {г} Множество ^ Цель

OS1 _ последовательно-параллельное соединение компонент 1 1 Gl - увеличение производительности Г1 - производительность в единицу времени Pl - позиционное управление Достижима

G2 - повышение качества Го 2 - снижение брака P2 - оптимальное управление Достижима

OS2 - последовательное соединение компонент 1 1 G2 - повышение качества Го 2 - снижение брака P2 - оптимальное управление Достижима

изменение типа продукта 1 Г3 3 - переход на тип продукта 1 Pз - программное управление Достижима

G4 - изменение типа продукта 2 Г Г4 - переход на тип продукта 2 P4 - программное управление ГПМ не произв одит тип проду кта 2

а) б)

Рисунок А.2 - Практическая реализация способов достижения цели

а - коррекция цели 01; б - коррекция цели Оз

На рисунке А.2-а показан пример коррекции глобальной цели 01, которая привела к увеличению производительности ГПМ на 4 ед., а на рисунке А.2-б переход на выпуск другого типа продукта, за счет проведения организационно -технических мероприятий по изменению типа выпускаемого продукта ГПМ в период времени с 2 до 2,5 (достижение глобальной цели 03).