автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Интеллектуальное управление производственно-экономической системой в условиях неопределенности на основе имитационного моделирования

Принятые сокращения

Введение

Глава 1 Анализ проблемы повышения эффективности управления производством в неопределенных условиях рыночных отношений

1.1 Актуальность решения задач планирования, прогнозирования и поддержки решений при управлении производственно-экономической системой в условиях неопределенности

1.2 Анализ особенностей производственно-экономической системы, функционирующей в условиях рынка

1.3 Анализ методов построения интеллектуальных систем управления

1.4 Цель и задачи исследований 39 Выводы по 1 главе

Глава 2 Разработка методов решения задач планирования, прогнозирования и поддержки решений при управлении производственно-экономической системой

2.1 Разработка системы интеллектуального управления 40 производственно-экономической системой

2.2 Разработка модифицированного метода ситуативно-интеллектуального управления для решения задачи поддержки решений при управлении производственноэкономической системой

2.3 Разработка нейросетевого метода решения задачи планирования при управлении производственно-экономической системой

2.4 Разработка нейросетевого метода решения задачи прогнозирования при управлении производственно-экономической системой 63 Выводы по 2 главе

Глава 3 Разработка моделей планирования, прогнозирования и поддержки решений при управлении производственноэкономической системой

3.1 Разработка нейро-нечеткой модели поддержки решений при управлении производственно-экономической системой

3.2 Разработка нейросетевой модели планирования при управлении производственно-экономической системой

3.3 Разработка нейросетевых моделей прогнозирования при управлении производственно-экономической системой 85 Выводы по 3 главе

Глава 4 Разработка системы имитационного моделирования и интеллектуального управления производственно-экономической системой

4.1 Разработка системы имитационного моделирования интеллектуальных систем управления производственно-экономической системой

4.2 Разработка методики интеллектуального управления производственно-экономической системой с использованием системы имитационного моделирования

4.3 Исследование эффективности интеллектуальных алгоритмов управления производственно-экономической системой 121 Выводы по 4 главе 139 Заключение 140 Список использованной литературы 141 Приложения

ПРИНЯТЫЕ СОКРАЩЕНИЯ

ИИ - искусственный интеллект;

ЛПР - лицо, принимающее решения;

НЛ - нечеткая логика;

НС -нейронная сеть;

ОУ - объект управления;

ПО - программное обеспечение;

ПК - персональный компьютер;

ППР - процедура поддержки решений;

ПЭС - производственно-экономическая система;

СИМ - система имитационного моделирования;

СУ - система управления.

Актуальность

Повышение эффективности управления производством является важной задачей, решение которой особенно актуально в условиях рыночных отношений. Современные условия усложняют ориентацию предприятий на рынке и требуют от них способности быстро реагировать на изменение рыночной ситуации. Повышение эффективности управления за счет автоматизации становится особенно актуальным при управлении сложными социальными системами, к которым относятся производственные системы, функционирующие в условиях нестабильных экономических отношений, когда неопределенность в оценке производственной и рыночной ситуации очень высока, что требует многовариантного анализа альтернативных решений, выбора управляющих воздействий, корректировки значений различных показателей производства, формирования гибких планов производства в зависимости от рыночной потребности, прогнозирования воздействий внешней среды и изменений параметров, характеризующих производство и рынок.

Для повышения эффективности управления процессами производства и реализации продукции в условиях рынка необходимо исследовать сложный, плохо формализуемый динамический объект -производственно-экономическую систему (ПЭС), объединяющий процессы производства и реализации в единый управляемый процесс. При управлении ПЭС в условиях неопределенности применение классических методов, базирующихся на использовании точных математических моделей (в том числе оптимизационных), не позволяет построить адекватные модели и алгоритмы, обеспечивающие эффективное управление.

Работа посвящена разработке методов, моделей и алгоритмов решения задач планирования, прогнозирования и поддержки решений при управлении сложной производственно-экономической системой в условиях неопределенности, возмущений внешней среды, ограничений по ресурсам, которые позволяют повысить эффективность функционирования производства.

Цель и задачи исследований

Цель работы - разработать методы, модели и алгоритмы для решения задач планирования, прогнозирования и поддержки решений в условиях неопределенности для повышения эффективности управления производственно-экономической системой и исследования ее поведения методом имитационного моделирования.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Проанализировать особенности функционирования производственно-экономической системы в условиях рынка, разработать классификацию неопределенностей, выявить способы их парирования, а также методы описания плохо формализуемых процессов поддержки решений по управлению.

2. Разработать модифицированный метод ситуативно-интеллектуального управления производственно-экономической системой, функционирующей в условиях неопределенности, а также методы решения задач планирования, прогнозирования.

3. Разработать структуру системы интеллектуального управления ПЭС, нейросетевые модели и алгоритмы решения задач планирования и прогнозирования, а также нейро-нечеткую модель поддержки решений по управлению производственно-экономической системой.

4. Разработать систему имитационного моделирования, реализующую метод и алгоритмы ситуативно-интеллектуального управления, основанную на разработанных моделях.

5. Провести системные исследования функционирования ПЭС с целью оценки эффективности предложенных моделей и алгоритмов, разработать методику использования полученных результатов при управлении производственно-сбытовой деятельностью, выполнить с помощью имитационного моделирования исследования по выбору стратегии поведения предприятия в условиях рынка.

Методы исследования

Разработка моделей проводится с использованием методов общей теории систем, теории иерархических систем, теории нейронных сетей и теории нечеткой логики. Синтез логических алгоритмов осуществляется с использованием методов искусственного интеллекта, ситуационного управления и теории алгоритмов. Для разработки имитационных моделей применяются численные методы моделирования и методы проектирования информационных систем.

Результаты, выносимые на защиту

На защиту выносятся следующие научные положения, выводы и практические результаты.

1. Модифицированный метод ситуативно-интеллектуального управления производственно-экономической системой как сложным динамическим объектом управления, позволяющий в автоматизированном режиме решать задачи идентификации, классификации ситуаций и выбора решений формализованными процедурами, учитывающими неопределенность при анализе ситуации, исключающими субъективность выбора при принятии решений человеком в процессе оперативного управления производственно-сбытовой деятельностью предприятия.

2. Структура системы интеллектуального управления ПЭС, нейросетевые модели и алгоритмы решения задач планирования и прогнозирования, а также нейро-нечеткая модель поддержки решений, построенные на основе предложенного модифицированного метода ситуативноинтеллектуального управления и пригодные для обоснования рационального поведения предприятия на рынке.

3. Система имитационного моделирования производственно-сбытовой деятельности предприятия, основанная на нейросетевых моделях планирования и прогнозирования, а также на нейро-нечеткой модели поддержки решений по управлению производственно-экономической системой в условиях неопределенности, предназначенная для анализа и прогнозирования поведения предприятия в изменяющихся условиях рынка и синтеза алгоритмов управления.

4. Методика использования разработанной системы имитационного моделирования при управлении предприятием и результаты исследования эффективности алгоритмов управления, подтверждающие, что применение методов интеллектуального управления позволяет повысить эффективность производственно-сбытовой деятельности предприятия.

Научная новизна результатов Новизна заключается:

1) в использовании для анализа состояния ПЭС и внешней среды и последующего синтеза алгоритмов управления процедур ситуационного управления, реализованных на основе нейросетевых и нейро-нечетких моделей, выбранных в качестве инструмента для решения задач планирования, прогнозирования и поддержки решений исходя из проведенной классификации видов неопределенностей и методов их парирования;

2) в учете неопределенности в объекте управления, внешней среде и управляющей части системы за счет разработки новой структуры системы интеллектуального управления, объединяющая нейросетевые модели планирования и прогнозирования, а также нейро-нечеткую модель поддержки решений;

3) в парировании неопределенностей, связанных с неточностью и недостоверностью информации о состоянии ПЭС и внешней среды за счет использования при решении задач планирования и прогнозирования алгоритмов, основанных на нейросетевых моделях,

4) в парировании неопределенностей, связанных с субъективной и нечеткой (качественной) оценкой исходных данных для принятия решений за счет использования при решении задач поддержки решений алгоритмов, основанных на нейро-нечеткой модели, отличающиеся комплексностью и динамичностью анализа данных по уровням управления.

Практическая ценность результатов Результаты диссертации позволяют:

1) повысить за счет использования нейросетевых моделей планирования и прогнозирования и нейро-нечеткой модели поддержки решений эффективность управления ПЭС в условиях неопределенности, когда решение задач управления традиционными способами не представляется возможным;

2) выполнять анализ состояния ПЭС, осуществлять поддержку решений в автоматизированном режиме и проводить эксперименты с целью определения рационального поведения производственно-экономической системы при различных ситуациях, возникающих в производстве и на рынке с помощью разработанной системы имитационного моделирования, основанной на разработанных моделях;

3) использовать систему имитационного моделирования при управлении производственно-сбытовой деятельностью предприятия с учетом особенностей его структуры и функционирования с помощью разработанной методики;

4) выработать практические рекомендации по выбору решений по управлению производственно-сбытовой деятельностью предприятия (на примере предприятий машиностроительной и легкой промышленности).

Программное обеспечение системы имитационного моделирования зарегистрировано в РосАПО в виде двух программ для ЭВМ: "Система моделирования на нейронных сетях" (свидетельство РосАПО об официальной регистрации программ для ЭВМ № 990005) и "Система поддержки решений на основе нечеткой логики" (свидетельство РосАПО об официальной регистрации программ для ЭВМ № 990006).

Практическое значение результатов диссертации подтверждено внедрением разработанных программных продуктов в учебный процесс Уфимского государственного авиационного технического университета при проведении лабораторных работы по курсам "Управление в организационных системах", "Методы искусственного интеллекта", "Интеллектуальные АИС", "Автоматизированные интеллектуальные системы" для специальностей 220200 "Автоматизированные системы обработки информации и управления" и 210300 "Роботы и робототехнические системы", поддержанных методическим обеспечением.

Основания для выполнения работы

Работа выполнена в период 1995-1999гг. на кафедре технической кибернетики УГАТУ и связана с выполнением исследований в рамках Федеральной целевой программы "Государственная поддержка интеграции высшего образования и фундаментальной науки на 1997-2000 годы", госбюджетных НИР "Анализ процессов функционирования и развития сложных динамических систем методами математического моделирования" (рег.№02.9.90 000579), "Динамические и интеллектуальные модели управления многокомпонентными производственными системами" (рег.№01.99.00 04973) и гранта по фундаментальным исследованиям в области экономических наук Российской экономической академии (проект № 4-33).

Апробация работы и публикации

Основные положения, представленные в диссертации, докладывались и обсуждались начиная с 1997 года на научных мероприятиях различного уровня. Среди них: II Международная практическая конференция "Математические методы и компьютеры в экономике" (Пенза, 1997); Всероссийская научно-техническая конференция "Электроника и информатика -97" (Москва-Зеленоград, 1997); Международная научно-техническая конференция "Конверсия, приборостроение, рынок" (Владимир-Суздаль, 1997); Всероссийская научно-техническая конференция "Непрерывная и смежные логики в информатике, экономике, социологии" (Пенза, 1997); Всероссийская молодежная научно-техническая конференция "Информационные и кибернетические системы управления и их элементы" (Уфа, 1997); VII Всероссийские Туполевские чтения "Актуальные проблемы авиастроения" (Казань, 1998); 5-я Международная научная конференция "Логико-математические методы в технике, экономике и социологии" (Пенза, 1998); Всероссийская научно-техническая конференция "Нейроинформатика-99" (Москва, 1999); II Международная научно-техническая конференция "Математические методы и компьютеры в экономике" (Пенза, 1999); Республиканская научно-техническая конференция "Интеллектуальное управление в сложных системах-99" (Уфа, 1999); Международная молодежная научно-техническая конференция "Интеллектуальные системы управления и обработки информации" (Уфа, 1999); Всероссийская научно-техническая конференция "Нейроинформатика-2*000" (Москва, 2000).

Результаты диссертационной работы непосредственно отражены в 19 публикациях, в том числе в 3 статьях, в 12 трудах конференций, 2 свидетельствах РосАПО о регистрации программ для ЭВМ №990005, №990006. Информация об этих программах помещена в каталоге научно-технических разработок УГАТУ, предлагаемых для производства и внедрения.

Структура работы

Работа включает введение, 4 главы основного материала, заключение, библиографический список и приложения. Работа изложена на 140 страницах, в том числе 114 страницах текста, включает 55 рисунков и 18 таблиц, размещенные на 26 страницах. Библиографический список включает 116 наименований.

Автор выражает глубокую признательность научному руководителю д.т.н. профессору Исмагиловой Л.А. за полезное обсуждение проводимых исследований, а также за ценную методическую и организационную помощь в подготовке работы к защите. Автор выражает искреннюю благодарность профессору Ильясову Б.Г. за постоянную помощь при работе над диссертацией, к.т.н доценту Валеевой Р.Г. за ценные замечания и полезные рекомендации в период написания работы, а также сотрудникам кафедры технической кибернетики за поддержку и помощь.

Выводы по 4 главе

1. Разработана система имитационного моделирования, основой информационного и программного обеспечения которой являются разработанные нейросетевые модели планирования, прогнозирования, а также нейро-нечеткая модель поддержки решений по управлению производственно-экономической системой в неопределенных условиях рынка. Программное обеспечение системы имитационного моделирования может быть использовано в виде самостоятельных программных продуктов: системы поддержки решений на основе нечеткой логики АРЬо^сЗ.О и системы проектирования нейронных сетей NetWorx. Для эксплуатации АРЬо^с и NetWorx в качестве подсистем в системах более высокого уровня созданы динамические библиотеки AFLogic3.Dll и PassForward.Dll.

2. Разработана методика использования полученных результатов для проектирования систем планирования, прогнозирования и поддержки решений по управлению производственно-экономической системой с использованием разработанной системы имитационного моделирования.

3. Проведены эксперименты по оценке адекватности нейро-нечеткой модели поддержки решений, которые показали, что результаты, полученные на нейро-нечеткой модели не противоречат результатам, полученным с помощью СУ, основанной на непрерывных и логических алгоритмах принятия решений. Проведены эксперименты по оценке эффективности нейро-нечеткой модели поддержки решений, которые показали, что разработанная модель позволяет повысить прибыль за счет парирования неопределенности при принятии и исполнении решений. Проведены эксперименты по оценке адекватности нейросетевой модели планирования, в ходе которых сравнивались планы, полученные на разработанной модели и полученные методами оптимизации. Проведены эксперименты по оценке эффективности нейросетевой модели планирования, в ходе которых показано, что данная модель позволяет повысить прибыльность производственно-сбытовой деятельности за счет гибкого планирования от потребности. Проведены эксперименты по оценке адекватности нейросетевой модели прогнозирования, в ходе которых сравнивались прогнозы, полученные на разработанной модели и полученные методами экстраполяции. Проведены эксперименты по оценке эффективности нейросетевой модели прогнозирования, в ходе которых показано, что данная модель позволяет повысить прибыльность производственно-сбытовой деятельности за счет получения прогноза различных показателей, которые позволяют получить некоторые знания о будущих условиях деятельности предприятия для определения стратегии его поведения.

ЗАКЛЮЧЕНИЕ

1. Проанализированы особенности функционирования производственно-экономической системы в условиях рынка, разработана классификация неопределенностей, с указанием причины их возникновения, что позволило выявить способы их парирования при решении задач управления.

2. Разработан модифицированный метод ситуативно-интеллектуального управления производственно-экономической системой в условиях неопределенности, состоящий в реализации процедур ситуационного управления на основе нейросетевых и нейро-нечетких моделей, позволяющий в автоматизированном режиме решать задачи идентификации, классификации ситуаций и выбора решений формализованными процедурами, учитывающими неопределенность при анализе ситуации, исключающими субъективность выбора при принятии решений человеком при оперативном управлении производственно-сбытовой деятельностью предприятия.

3. Разработаны нейросетевые модели и алгоритмы решения задач планирования и прогнозирования на базе обобщенной модели построения нейронной сети, а также нейро-нечеткая модель поддержки решений по управлению производственно-экономической системой, основанная на модифицированном методе ситуативно-интеллектуального управления, пригодные для обоснования эффективного поведения предприятия на рынке.

4. Разработана система имитационного моделирования основанная на нейросетевых моделях планирования и прогнозирования, а также на нейро-нечеткой модели поддержки решений по управлению производственно-экономической системой в неопределенных условиях рынка, которая может использоваться в двух режимах: управления и проведения имитационных экспериментов.

5. Проведены системные исследования по оценке эффективности предложенных моделей и алгоритмов управления, показывающие повышение прибыльности на 5-10% от производственно-сбытовой деятельности реальных предприятий машиностроения и легкой промышленности; разработана методика использования полученных результатов при управлении производственно-сбытовой деятельностью, выборе стратегии и тактики поведения предприятия в неопределенных условиях рынка, а также при обучении методам управления.

1. Алиев P.A., Захарова Э.Г., Ульянов C.B. Нечеткие модели управления динамическими системами // Итоги науки и техники. Сер. Техн. кибернетика. Т. 29.-М. .ВИНИТИ АН СССР. 1990. - С.127-201.

2. Алиев P.A., Захарова Э.Г., Ульянов C.B. Нечеткие регуляторы и интеллектуальные промышленные системы управления // Итоги науки и техники. Сер. Техн. кибернетика.-М.:ВИНИТИ АН СССР. 1991, Т.32. -С.233-313.

3. Алиев P.A., Церковный А.Э., Мамедова Г.А. Управление производством при нечеткой исходной информации. М.: Энергоатомиздат, 1991,- 240с.

4. Алиев P.A. Производственные системы с искусственным интеллектом.- М.: Радио и связь, 1990,- 262с.

5. Анил К. Джейн Введение в искусственные нейронные сети // Открытые Системы .- 1997.-№4. -С. 16-24.

6. Батыршин И.З. Нечеткие отношения в семиотических системах/ Лекции САИИ и САНС,- Тверь: Изд-во НПО "Центрпрограммсистем", 1991,- 15с.

7. Батыршин И.З. Лексикографические оценки и обработка неопределенностей в моделях рассуждений // Тез.докл. III конференции по искусственному интеллекту. Т. 1.- Тверь, 1992,- С.70-73.

8. Батыршин И.З. Методы представления и обработки нечеткой информации в интеллектуальных системах. Новости искусственного интеллекта. -1996.-№2.-С.9-65.

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

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

11. Борисов А.Н., Крумберг O.A., Федоров И.П. Принятие решений на основе нечетких моделей. Примеры использования.- Рига:3инатне, 1990,- 184с.

12. Борисов Ю., Кашкаров В., Сорокин С. Нейросетевые методы обработки информации и средства их программно-аппаратной поддержки // Открытые Системы. 1997,- №4. -С.38-40.

13. Васильев В.И., Ильясов Б.Г. Интеллектуальные системы управления с использованием нечеткой логики: Учебное пособие. -Уфа: УГАТУ, 1995.-80с.

14. Васильев В.В., Ильясов Б.Г., Жернаков C.B. Интеллектуальные системы управления с использованием нейронных сетей. Уч. пос. Уфа: УГАТУ, 199.7. - 92с.

15. Галушкин А. Итоги развития теории многослойных нейронных сетей (1965-1995) в работах научного центра нейрокомпьютеров и ее перспективы. -М.:НЦН, 1996.- 80с.

16. Галушкин А. Современные направления развития нейрокомпьютерных технологий в России // Открытые Системы. 1997.-№4. - С.25-28.

17. Гареев A.M., Сергеева И.Г. Система моделирования нейронных сетей, используемая для управления производством // Актуальные проблемы авиастроения: Тез.докл. на VII Всероссийских студенческих Туполевских чтениях Казань, 1998. - С.111.

18. Гилев С.Е. Сравнение методов обучения нейронных сетей // Нейроинформатика и ее приложения: Тез.докл. III Всероссийского семинара. Красноярск: КГТУ, 1995. - С.80-81.

19. Гилев С.Е. Сравнение характеристик функций нейронов // Нейроинформатика и ее приложения: Тез.докл. III Всероссийского семинара. Красноярск: КГТУ, 1995. - С.82.

20. Гилев С.Е., Миркес Е.М. Обучение нейронных сетей // Эволюционное моделирование и кинетика. Новосибирск: Наука. Сиб. отд-ние, 1992. -С.9-23.

21. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука. Сибирская издательская фирма РАН, 1996. - 276с.

22. Горбань А.Н. Алгоритмы и программы быстрого обучения нейронных сетей // Эволюционное моделирование и кинетика. Новосибирск: Наука. Сиб. отд-ние, 1992. - С.36-39.

23. Горбань А.Н. Обучение нейронных сетей. М.: Изд. СССР - США СП ParaGraph, 1990. - 160с.

24. Гордиенко Е.К., Лукьяница A.A. Искусственные нейронные сети. 1. Основные определения и модели // Изв. РАН. Техническая кибернетика, 1994, №5. С.79-92.

25. Гордеев Л.С., Иванов В.А., Столяров Ю.Ю. Алгоритмы нейросетевого моделирования химико-технологических процессов. Программные продукты и системы. - 1998, №1. - С.17-19.

26. Губин Н.М., Добронравов A.C., Дорохов Б.С. Экономико-математические методы и модели в планировании и управлении в отрасли связи. -М.: Радио и связь, 1993. 376с.

27. Гусев Л.А., Смирнова И.М. Нечеткие множества: Теория и приложения // Автоматика и телемеханика. 1993, №5. - С.66-85.

28. Дадашев Т. Современные системы искусственного интеллекта: практические аспекты // CompUnity.- 1996,- №5-6.-С.110-118.

29. Дегтярев Ю.И. Методы оптимизации: Учебное пособие для вузов. М.: Сов.радио, 1980. -272с.

30. Доррер М.Г., Горбань А.Н., Копытов А.Г., Зенкин В.И. Психологическая интуиция нейронных сетей // Нейроинформатика и ее приложения: Материалы III Всероссийского семинара. Красноярск: КГТУ, 1995. -С.114-127.

31. Ежов A.A., Шумский С.А. Нейрокомпьютинг и его приложения в экономике и бизнесе. М.:МИФИ, 1998. - 224с.

32. Захаров В.Н. Ульянов C.B. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления. I. Научно-организационные, технико-экономические и прикладные аспекты // Изв. РАН. Техническая кибернетика. 1992,- №5. - С. 171-196.

33. Захаров В.Н. Ульянов C.B. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления. II. Эволюция и принципы построения // Изв. РАН. Техническая кибернетика. 1993,- №4. -С. 189-205.

34. Захаров В.Н. Ульянов C.B. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления. III. Методология проектирования // Изв. РАН. Техническая кибернетика. 1993.- №5. -С. 197-220.

35. Захаров В.Н. Ульянов C.B. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления. IV. Имитационное моделирование // Изв. РАН. Техническая кибернетика. 1994.- №5. - С. 168210.

36. Закуанов P.A., Батыршин И.З., Бикушев Г.С., Архиреев В.П. Представление нечетких понятий в гибридной экспертной системе СМОПЛЕКС. Труды международного семинара "Мягкие вычисления -967 Под ред. И.З. Батыршина, Д.А. Поспелова, Казань, 1996. - С. 122-128.

37. Ильясов Б.Г., Исмагилова Л.А., Валеева Р.Г. Моделирование производственно-рыночных систем (монография). Уфа: УГАТУ, 1995. -321с.: ил.

38. Ильясов Б.Г., Исмагилова Л.А., Валеева Р.Г., Сергеева И.Г. Моделирование процесса ресурсообеспечения на нейронной сети// Математические методы и компьютеры в экономике: Тез. докл. на II Международной практической конференции.-Пенза, 1997.-С.22-23.

39. Ильясов Б.Г., Исмагилова Л.А., Валеева Р.Г., Сергеева И.Г. Моделирование процесса ресурсообеспечения на базе нейронной сети // Электроника и информатика -97: Тез. докл. на Всероссийской научно-технической конференции. -Москва (Зеленоград), 1997.-С.21.

40. Ильясов Б.Г., Исмагилова Л. А., Валеева Р.Г., Сергеева И.Г., Афанасьев

41. B.Ю. Система поддержки решений на основе нечеткой логики // Свидетельство об официальной регистрации программы для ЭВМ № 990006 от 10.01.1999.

42. Ильясов Б.Г., Исмагилова Л.А., Валеева Р.Г., Сергеева И.Г., Гареев A.M. Система моделирования на нейронных сетях // Свидетельство об официальной регистрации программы для ЭВМ № 990005 от 10.01.1999.

43. Ильясов Б.Г., Исмагилова Л.А., Валеева Р.Г., Сергеева И.Г. Управление производственно-рыночной системой на основе нечеткой логики // Межуз.науч. сборник. Вопросы управления в информационных и кибернетических системах. 1999.- №.-С.7-13.

44. Исмагилова Л.А. Автоматизированное управление производством как динамической системой, функционирующей в условиях рынка, на основе имитационного моделирования // Дисс.д.т.н,- Уфа: УГАТУ, 1998.

45. Исмагилова Л.А., Сергеева И.Г. Применение нейромоделей для планирования и управления в экономических системах / Конверсия, приборостроение, рынок: Тез. докл. Международной научно-технической конференции. Владимир (Суздаль), 1997. -С. 183-186.

46. Исмагилова Л.А., Сергеева И.Г. Нечеткие ситуации и нечеткие решения при управлении организационными системами // Математические методы и компьютеры в экономике: Сборник материалов II Международной научно-технической конференции. -Пенза, 1999. С.47-49.

47. Исмагилова Л.А., Сергеева И.Г. Нейро-нечеткая модель поддержки решений по управлению в производственных системах // Интеллектуальное управление в сложных системах-99: Материалы Респ. научно-технической конференции. Уфа: УГАТУ, 1999,- С. 101-103.

48. Исследования по нечетким системам в ТРТИ. Новости искусственного интеллекта. -1991. - №3. - С.42-44.

49. Кенесов М.С. Система адаптивных моделей краткосрочного прогнозирования спроса, предложения, цен на товары, реализуемые на биржах // Автоматизация и современные технологии.-1995,- №2.-С.37-40.

50. Кирсанов Э. Ю. Цифровые нейрокомпьютеры. Архитектура и схемотехника /КГТУ им.А.Н.Туполева; Под ред.А.И.Галушкина,-Казань,1995.-131с.

51. Королев А.Ю. и др. Модель прогнозирования цен, структурных и финансовых показателей // Финансы.-1995.-№11 .-С.45-48.

52. Коченов Д.А., Миркес Е.М. Определение чувствительности нейросети к изменению входных сигналов // Нейроинформатика и ее приложения: Материалы III Всероссийского семинара. Красноярск: изд. КГТУ, 1995.1. C.31.

53. Коченов Д.А., Миркес Е.М., Россиев Д.А. Автоматическая подстройка входных данных для получения требуемого ответа нейросети // Проблемы информатизации региона: Материалы межрегиональной конференции. -Красноярск, 1995. С.78-79.

54. Коченов Д.А., Миркес Е.М., Россиев Д.А. Метод подстройки параметров примера для получения требуемого ответа нейросети // Нейроинформатика и ее приложения: Тез.докл. Всероссийского рабочего семинара. -Красноярск, 1994. С.39.

55. Кофман А. Введение в теорию нечетких множеств/ Под ред. С.И.Травкина.- М.:Радио и связь, 1982.-432с.

56. Лесик А.И. О компьютерной системе поддержки принятия решений в задачах управления предприятием // Вопросы теории и практики автоматизированной экономической информации.-1993.-№2.-С.64-66.

57. Макаренко М.В., Махалина О.М. Производственный менеджмент: Учебное пособие для вузов. М.: Приор, 1998. - 384с.

58. Макарова Е.А. Исследование автоматизированной системы оперативного управления поведением предприятия в конкурентных условиях рынка методом математического моделирования // Дисс.к.т.н,- Уфа: УГАТУ, 1996.

59. Малышев Н.Г., Берштейн JI.C., Боденюк А.В. Нечеткие модели для экспертных систем в САПР,- М.: Энергоатомиздат, 1991.- 136с.

60. Методы оптимизации в экономико-математическом моделировании. М.: Наука, 1991.-448с.

61. Нейрокомпьютеры и интеллектуальные роботы / Под ред.Н.М.Амосова,-Киев:Наук.думка,1991 .-272с.

62. Нечеткие множества в моделях управления и искусственном интеллекте / Под ред. Поспелова Д.А.- М.: Наука. Гл.ред.физ.-мат.лит., 1986.- 312с.

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

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

65. Расплывчатые ситуационные модели принятия решений. / Под ред. Мелихова А.Н.- Таганрог: ТРТИ, 1989.-92с.

66. Рубальский Г.В. Управление запасами при случайном спросе (модели с непрерывным временем) / Под ред. И.А.Ушакова. М.: Сов.радио, 1977. -160с.

67. Рыжов А.П., Аверкин А.Н. Аксиоматическое определение степени нечеткости лингвистической шкалы и ее основные свойства//П Всесоюзная конференция "Искусственный интеллект -90". Т.1. Минск, 1990. - С. 162165.

68. Сергеев И.Б. Планирование производства и сбыта продукции в машиностроении // Вестник машиностроения.-1995.-№4.-С.43-45.

69. Сергеева И.Г. Использование нечеткой логики при управлении производством // Информационные и кибернетические системы управления и их элементы: Тез. докл на Всероссийской молодежной научно-технической конференции. Уфа: УГАТУ, 1997.-С. 117.

70. Сергеева И.Г. Нейро-нечеткие модели управления производством // Интеллектуальные системы управления и обработки информации: Тез.докл на Международной молодежной научно-технической конференции. -Уфа: УГАТУ, 1999,- С.64.

71. Сергеева И.Г., Гареев А.М. Диалоговая система моделирования нейронной сети // Информационные и кибернетические системы управления и их элементы: Тез. докл на Всероссийской молодежной научно-технической конференции. Уфа: УГАТУ, 1997.-С. 15.

72. Сильнова C.B. Исследование процессов функционирования и автоматизированного управления многопродуктовой производственно-рыночной системой методами имитационного моделирования // Дисс.к.т.н. -Уфа: УГАТУ, 1997.

73. Соколов E.H., Вайткявичус Г.Г. Нейроинтеллект: от нейрона к нейрокомпьютеру. М.: Наука, 1989.-238с.

74. Тарасов В.Б. Инструментальные средства разработки нечетких интеллектуальных систем,- Новости искусственного интеллекта. 1991. -№3. - С.93-107.

75. Тарасов В.Б., Желтов С.Ю., Степанов A.A. Нечеткие модели в обработке изображений: обзор зарубежных достижений. Новости искусственного интеллекта. - 1993. - №3. -С.40-64.

76. Терелман В.В., Загорулько Г.Б. Представление множеств в недоопределенных моделях/ЯП конференция по искусственному интеллекту. КИИ 92. Том 1, 1992. - С.63-67.

77. Ходов JI. Управленческие решения в условия неопределенности// Российский экономический журнал.-1993.-№12,- С.67-72.

78. Ульянов C.B. Нечеткие модели интеллектуальных промышленных систем управления: теоретические и прикладные аспекты//Известия АН СССР. Сер. Техническая кибернетика. -1991. № 3. - С.3-29.

79. Ульянов C.B. Нечеткие модели логических регуляторов с интеллектуальными системами управления мобильными робототехническими комплексами,- В кн.: Обработка динамической информации в интеллектуальных системах.-М., 1992. С. 133-185.

80. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика / Пер. с англ. М.: Мир, 1992. - 240с.

81. Управление динамическими системами в условиях неопределенности / С.Т.Кусимов, Б.Г.Ильясов, В.И.Васильев и др. М.: Наука, 1998. - 452с.

82. Шапиро Д.И. Принятие решений в системах организационного управления: Использование расплывчатых категорий. М.: Энергоатомиздат, 1983. -184с.: ил.

83. Шапот М. Интеллектуальный анализ данных в системах поддержки принятия решений // Открытые системы.-1998,- №1.-С.30-35.

84. Яфраков М.Ф., Корчагина Л.И. Особенности комплексного подхода к нейрокомпьютингу / Известия вузов. Приборостроение. 1997,- Т40. №3. -С.5-10.

85. Anderson and Е. Rosenfeld, Neurocomputing: Foundation of Research. MIT Press, Cambridge, Mass., 1988.

86. Anil К. Jain, Jianchang Мао, K.M. Mohiuddin Artificial Neural Networks. -A Tutorial, Computer, Vol.29, No.3, March 1996.-pp.31-44.

87. Bandemer H., Gottwald S., Einfuhrung in Fuzzy Methoden: Teorie und Anwendungen unsscharfer Mangen. - 4. Aufl. - Berlin: Akad. Verl., 1993.-264s.

88. Bothe H.-H. Fuzzy Logik: Einfuhrung in Theorie und Anwendungen. Sprinter -Verl. Berlin; Heidelberg, 1993. - 228s.

89. Borst S. Artificial Neural Networks: The Next Modeling / Calibration Technology for the Assessment Community?", Property Tax Journal (International Association of Assessing Officers), 10(1): 69-94, January 17,1989.

90. Brunak and Lautrup B. Neural Networks, Computers with Intuition, World Scientific, Singapore, 1990.

91. Carpenter G.A. and Grossberg S., Pattern Recognition by Self Organizing Neural Networks, MIT Press, Cambridge, Mass., 1991.

92. Dean S. Barr, Ganesh Mani. Using Neural Nets to Manage Investments. AI Expert, February, 1994.

93. Elizabeth L. Hartshorn. Mapping the Market's Future with Neural Networks -Research, September, 1995.

94. Fa-Long Luo, Rolf Unbehauen. Applied Neural Networks for Signal Processing.-Cambridge University Press, 1997,- 400p.

95. Feldman, M.A. Fanty, Goddard N.H. Computing with Structured Neural Networks. -Computer, Vol. 21, No. 3, Mar.l988.-pp.91-103.

96. Guiffrida A.L., Nagi R. Fuzzy set theory application in production management research: a literature survey / Journal of Intelligent Manufacturing Vol.9, Number 1, February 1998, is published by Chapman&Hall, London. pp.39-56.

97. Handbook of Intelligent Control: Neural, Fuzzy and Adaptive Approaches. (Ed.: David A.White, Donald A.Sofge): Van Nostrand Reinhold, N.Y., 1992.- 568p.

98. Hassoun M.N. Fundamentals of artificial neural networks. N.Y.: MIT Press, 1995. -511p.

99. Hertz, A. Krogh, and R.G. Palmer. Introduction to the Theory of Neural Computation. Addison-Wesley, Reading, Mass., 1991.

100. Haykin, Neural Networks: A Comprehensive Foundation. MacMillan College Publishing Co., New York, 1994.

101. Hopfield. Neural Networks and Physical Systems with Emergent Collective Computational Abilities. Proc. National Academy of Seiendes, USA 79, 1982, pp.2554-2558.

102. Jain and J. Mao, "Neural Networks and Pattern Recognition", in Computational Intelligence: Imitating Life, J.M. Zurada, R.J. Marks II, and C.J. Robinson, eds., IEEE Press, Piscataway, N.J., 1994,- pp.194-212.

103. James W. O'Sullivan. Neural Nets: A Practical Primer.- AI In Finance, Spring, 1994.

104. John Kean. Using Neural Nets For Intermarket Analysis.- Technical Analysis of Stocks & Commodities, November 1992.

105. Lippmann R.P. An Introduction to Computing with Neural Nets.- IEEE ASSP Magazine, Vol.4, No.2, Apr. 1987.- pp.4-22.

106. Okayasu Т., Matsuoka T. and Ishida Y. Model Reference I-PD Controller Using Fuzzy Reasoning. Proc. of the Third IEEE Conf. on Fuzzy Systems, June 26-29, 1994, Orlando, Florida, pp.535-538.

107. Rao D.H., Wood H.C., Gupta M.M. Control of nonlinear multivariable systems design: A dinamic neural network // Proc of IEEE Intern. Conf. on neural networks. Orlando (Fla) 1994. Vol. IV. P.2518-2523.

108. Pham X. Liu. Neural Networks for Identification, Prediction and Control.-Springer Verlag, London and Heidelberg, 1995.-238p.

109. Robert McGough. Fidelity's Bradford Lewis Takes Aim at Indexes With His "Neural Network" Computer Program / The Wall Street Journal: Money & Investing, 27 October 1992.

110. Schulte U., Einfuhrung in Fuzzy Logik: Fortschritt durch Unscharfe, Franzis -Verl. GmbH, München, 1993. 244s.

111. Trippi Robert R., Turban E. Neural Networks in Finance and Investing: Using Artificial Intelligence to Improve Real-World Performance.- Revised Second Edition, 1996,- 800p.

112. Yamada Т., Yabuta T. Application of Learning type feedforward feedback neural network controller to dynamic system // Proc. of IEEE/RSJ Intern, conf. on intelligent robots and systems. Yokohama, 1993. pp.225-231.

113. Zimmerman H.-J., Altrock C.V. (Hrsg). Fuzzy Logic. (Band 1. Technologie; Band 2. Anwendungen). R.Oldenbourg Verl., München; Wien; 1993-1994.