автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Агентно-ориентированный подход к совершенствованию интеллектуальной системы поддержки принимаемых решений

На шивах рукописи

В ДОВИН Максим Алексеевич

АПШТНО-ОРИЕНШРОВАННЫЙ ПОДХОД К СОВЕРШЕНСТВОВАНИЮ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНИМАЕМЫХ

РЕШЕНИЙ

Специальность 05ЛЭ.01. «Системный анализ, управление н обработка

информации»

Автореферат диссертации на соискание ученой степени кандидата технических наук

ТВЕРЬ 2006

Работа выполнена в Тверском государственном техническом университете

Научный руководитель: доктор технических наук, профессор, Тихомиров Валерий Александрович

Научный консультант: доктор технических наук, профессор, Пашох Борис Васильевич

Официальные оппоненты:

доктор технических наук, профессор Буцев Сергей Васильевич доктор технических наук, профессор Григорьев Вадим Алексеевич

Ведущая организация - ФГУП НИИ ИТ, г. Тверь

Защита диссертации состоится 21 декабря 2006 года на заседании диссертационного совета Д 212.262.04 при Тверском государственном техническом университете по адресу: 170026, г. Тверь, ул. набережная Афанасия Никитина, 22

С диссертацией можно ознакомиться в библиотеке Тверского государственного технического университета.

Автореферат разослан «.....»

2006 года.

Учёный секретарь диссертационного совета доктор технических наук, профессор

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы

Повышение качества управления неразрывно связано с повышением эффективности производства, увеличением прибыли и других финансово-экономических показателей. В современных условиях повышение качества управленческих базируется на оперативном получении своевременной и точной информации, развитие информационных технологий обусловило появление целого класса программных средств, призванных помочь руководителю. Информационно-аналитические системы позволяют:

— Стандартизировать автоматизируемые процессы;

— Повысить производительность труда;

— Экономить время;

— У простить принятие решений.

Однако, совремеш1ые информациошю-аналзггические системы обладают рядом недостатков, основа которых сильная непрозрачность процесса разработки программного обеспечения. Роль программиста не имеет аналогов в других профессиях - ни инженеры, ни изобретатели, ни писатели не работают в условиях тесного переплетения чистого творчества, точных наук и практики. Эта проблема была сформулирована в 1986 в статье Фреда Брукса «Серебряной пули нет - существенное и случайное в разработке ПО» следующим образом: «Нет ни одного открытия ни в технологии, ни в методах управления, одно только использования которого обещало бы в течении ближайшего десятилетия на порядок повысить производительность, надежность, простоту разработки программного обеспечения». Хотя результаты разработки программного продукта по-прежнему остаются неизвестными, новейшие технологии дают все больше возможностей их исправить, привести к желательным. Таким образом, можно говорить о том, что повышение качества управленческих решений связано с повышением качества информационно-аналитических систем, качество которых, в свою очередь, определяет процесс первоначального проектирования программного продукта.

Представленная в работе технология призвала сделать процесс разработки программного обеспечения более прозрачным за счет автоматизации процесса проектирования программного продукта, более четкой постановки задач перед программистами и изменений в пользовательском интерфейсе. Это, в свою очередь, позволит сделать более качественную систему поддержки принятия решений и повысить эффективность управления предприятием.

В основу работы положена разрабатываемая система поддержки принятия решений. Сложность фундаментальных, научно-технологических и технических вопросов, решаемых в исследованиях, определяется функциональными блоками АСППР:

— Блок стратегического прогноза и оценки качества сложных систем;

— Блок поддержки решений методами, основанными па опыте и интуиции специалистов;

— Блок поддержки решений адаптивными вероятностно— статистическими методами;

— Блок автоматизированного построения имитационных моделей;

— Блок экономического анализа;

— Блок оценки влияние современной правовой базы на реализуемость программ и планов развития производственных структур.

Рисунок. Автоматизированная система поддержки принятия решений

В основу разрабатываемой системы положена теория искусственного интеллекта. История искусственного интеллекта характеризуется периодами успеха и неоправданного оптимизма, за которыми следовало снижение интереса и сокращение финансирования. Последние достижепия на пути понимания теоретических основ интеллектуальности неразрывно связаны с понятием интеллектуального агента. Разработанная технология базируется на использовании однотипных интеллектуальных агентов (которые являются «кирпичиками»), объединенных в многоагентную систему («дом»).

В работе описывается модуль статистического прогноза на основе предлагаемой модели интеллектуального агента. Модуль является автономным интеллектуальным агентом предназначенным для решения задач математической статистики. В его задачи также входит предварительная обработка и подготовка дшшых для других блоков автоматизированной системы поддержки принимаемых решений, построение моделей исследуемых явлений, в том числе моделей регрессионного и

корреляционного анализа данных. Автоматическое проведение исследований позволит уменьшить фактор человеческой ошибки и освободит персонал от выполнения рутинных операций. Своевременный и качественный анализ статистических данных позволит оперативно представлять руководителю организации точную и актуальную информацию, что в свою очередь повысит качество управленческих решений. Отработанные на блоке статистического анализа технологии проектирования и построения сложных систем будут положены в основу других блоков автоматизированной системы поддрежки Принятия решений.

Все вышесказанное позволяет говорить, что предлагаемая диссертационная работа, направленная на совершенствование методологии построения системы поддержки принятия управленческих решений в современных условиях, является актуальной.

Объект исследования

Инструментальная и методологическая составляющие информационно -аналитической системы под держки принятия решений.

Предмет исследования

Предметом исследования являются методы и методика создания программного продукта на основе рекурсивной архитектуры интеллектуального агента, реализованные в блоке статистического анализа данных АСППР.

Рамки исследования

В исследовании в полной мере иеггальзовапы наработки как 20 летней давности, так и самые последние исследования, датированные 2006 годом. Исследования естественным образом ограничены современным пониманием процесса мышления и организации сложных систем.

Цель работы

Повышение эффективности и технологичности создания программно-инструментальной составляющей системы поддержки принятия решений. Для достижеиия поставленной цели в работе решены следующие задачи:

— разработана рекурсивная архитектура интеллектуального агента на основе модели жизнеспособной системы;

— описаны принципы решения задачи планирования поведения интеллектуального агента;

— разработан интерфейс проектирования базы знаний, который в то же время выполняет задачи по проектированию много агентной системы и является прототипом пользовательского интерфейса.

— разработан метод проектирования информационно-аналитической системы на основе предложенной архитектуры интеллектуального агента.

Область исследований

Исследование базируются на использовании: теории искусственного интеллекта, экономики, неврологии, психологин, теории управления и кибернетики.

Научная новизна:

— автор впервые адаптировал имитационную модель жизнеспособной системы к проводимым исследованиям в области теории искусственного интеллекта;

— создана методика проектирования программного продукта на основе предложенной архитектуры интеллектуального агента, отличительной особенностью которой является то, что процесс создания базы знаний интеллектуального агента также является процессом проектирования СППР и разработкой пользовательского интерфейса;

— усовершенствован аппарат научно-методического обеспечения построения широкого класса имитационных систем, отличающийся тем, что предложенная система обладает возможностью создать некоторую виртуальную среду, в которую помещается модель объекта, при этом появляется возможность отладить базу знаний и модели поведения будущего аппарата еще до его создания.

Теоретическая значимость проведепных исследований обусловлена развитием системного подхода, позволяющего осуществить структурирование информации для решения различных задач, совершенствованием методического обеспечения моделирования сложных систем, в развитии методического обеспечения для построения архитектуры системы поддержки принятия решений па основе концепции интеллектуальных агентов.

Практическая значимость:

— обусловлена полученными в диссертации теоретическими и практическими результатами, позволяющими существенно расширить область применения интеллектуальных систем при построении как архитектуры информационно - аналитической системы поддержки принятия решений, так и инструментальной и методологической составляющих подобных систем;

- разработкой основы для создания компонентов программного н методического обеспечения построения информационной системы структурирования информации с применением доступного аппаратного обеспечения;

- разработкой эффективной методики проектирования сложных интеллектуальных информационных систем;

- разработкой сценария проведения статистических исследований, обеспечивающего формирование прогнозных решений, необходимых для оценки экономической эффективности.

Обоснованность научных результатов и положений, сформулированных в диссертации, базируется на широко апробироваппых в науке теоретических положениях и применяемых в ходе исследований паучпых методах.

Реализация и внедрение результатов

Научные результаты проведенных исследований внедрены в учебный процесс Тверского ГТУ, Пензенского ГУ, Тверского филиала Балтийского ГТУ «ВОЕНМЕХ» им. Д.Ф. Устинова. Использование полученных результатов способствует повышению эффективности учебного процесса. Практические результаты диссертационной работы использовались при создании автоматизированной системы управления предприятием ОАО «Концерн Российские защитные технологии».

Апробация результатов исследования.

Результаты исследования докладывались на научно-технических конференциях Тверского государствешюго технического университета, МГТУ им. Баумана, Балтийского ГТУ "ВОЕНМЕХ" им. Д.Ф, Устинова, Санкт-Петербургского Северо-Западного Заочного Института, научных семинарах МГТУ им. Баумана, ВА ВКО, Тверского филиала Балтийского ГТУ им. Д.Ф. Устинова.

11а защиту выносятся

1. Рекурсивная архитектура интеллектуального агента, основанная на концепции жизнеспособных систем и предназначенная для построения многоагентных систем.

2. Метод проектирования информационно-аналитической системы на основе предложенной архитектуры агента, а также неразрывно связанный с ним пользовательский интерфейс.

3. Интеллектуальный агент, предназначешгый для проведения корреляциошга-регрессионного анализа данных, раскрывающий эффективность решения управленческих задач реализованной многоагентной системой.

Публикации

По результатам исследований, проведенных в процессе работы над диссертацией, опубликовало 16 работ.

Структура и объем диссертационной работы

Диссертация состоит из введения, трех глав, заключения, списка нсполъзовашгой литературы. Работа изложена на 160 страницах основного текста, иллюстрируется 37 рисунками и 7 таблицами. Список литературы содержит 72 источника.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, сформулированы цель и основные задачи исследования, новизна и практическая ценность результатов исследования, а также положения, выносимые па защиту.

В первой главе анализируются как современные методы управления предприятием, так и основные типы информационно-аналитических систем, описываются способы моделирования совремешюго предприятия и анализируется модель предприятия на основе концепции жизнеспособной системы. Далее анализируются основные проблемы предметной области, делается постановка задачи. Так основными требованиями к разрабатываемой системе являются:

- Упрощение процесса разработки. Необходимо разработать эффективное средство проектирования новых программных продуктов, при этом значительное внимапне следует уделить автоматизации труда проектировщика, доступности документации, средствам постановки задач, контролю за выполнением задач, обеспечения целостности данных. Процесс создания сборок должен быть максимально упрощен.

- Гибкость структуры программного продукта. Разрабатываемая архитектура должпа позволять легко наращивать функциональность программного продукта, а также изменять существующие функции. Также структура программного продукта должна обеспечивать неограниченную масштабируемость проекта;

- Эффективный пользовательский интерфейс. Интерфейс, заложенный в систему должен обеспечивать прозрачность функционирования системы, обеспечивать доступность, как к функциям системы, так и к данным. При этом интерфейс должен быть очевиден для конечного пользователя.

Среди дополнительных требований можно выделить:

&

- Значительную автоматизацию действий, как пользователя, так и разработчика;

- С целью повышения эффективности работы необходимо обеспечить четкое выделение приоритетных задач и наиболее важной информации;

- Неразрывность процессов проектирования и написания кода.

Во второй главе анализируются типичные архитектуры интеллектуальных агентов и на основе рассмотренной в работе модели жизнеспособной системы разрабатывается архитектура интеллектуального агента. В основу модели бьша положена пятиуровневая система, имитирующая нервную систему человека. В общем случае решение задачи отображения модели жизнеспособной системы на модель интеллектуального агента можно представить в виде: (установление связи исходной задачи с некоторым образом объекта исследования — <3} —» {описание 0 в пространстве параметров задачи} —»■ {построение проекции Э этого 0} —* {вычисление числовых характеристик проекции Б} —>■ {интерпретация этих чисел как решение исходной задачи}:

отображение я: С> —>■ 3, где 5 : (х,, хг,хл)е л*.

Данное выражение следует понимать так: указать последовательность операций отображения л, при помощи которых объект О преобразуется абстрактный объект Э. Приведем описание разработанной архитектуры:

Рисунок. Схема архитектуры многоагентной системы

Апнг

Урочснь 5.

Уропм,*.

УронньЭ»

Уромнь 2-

У^оеань 1.

Опишем функциональное назначение каждого уровня предложенной архитектуры интеллектуального агента:

На пятом уровне находится центр управления агентом, в его задачи входит: получение сообщений от других агентов, инициализация процесса планирования или немедленная инициализация действий, информирование внешних систем о ходе выполнения задания. Иначе говоря, в базовом варианте систему пятого уровня следует рассматривать как интерфейсный модуль между системой четвертого уровня и другими агентами.

На четвертом уровне находится центр планирования. В его задачу входит: хранение онтологии предметной области, разработка планов достижения цели, контроль выполнения планов, при необходимости перепланирование, хранение стандартных планов.

Оперативное управление осуществляется на третьем уровне. Основной задачей компонента является раздача заданий в соответствии с планами, разработанными на четвертом уровне, координация совместных действий агентов, распределение системного времени между агентами.

Управление функциональными блоками (управление исполнительными механизмами) находится па втором уровне. В силу рекурсивности предложенной архитектуры функциональность систем па втором уровне соответствует функциям центра управления агентом (компонента пятого уровня). Это озпачает, что компонент пятого уровня может также являться элементом второго уровня системы более высокого порядка. Т.о. в исследовании впервые предложена архитектура интеллектуального агента, естественным свойством которой является рекурсивность — возможность создавать системы любой сложности путем подключения новых агентов. Отличительной особенностью архитектуры является то, что средой передачи информации между интеллектуальными агентами может быть локальная или глобальпая вычислительная сеть. Т.е. предложенная архитектура может быть основой для создания распределенных вычислительных систем.

Функциональные блоки (исполнительные механизмы) находятся на нервом уровне. Отличительная особегагость предложенной архитектуры состоит в том, что на функциональность этих компонентов не накладывается ограничений. Т.е. они могут быть и программами обработки данных, и внешними датчиками, и драйверами, управляющими физическими устройствами.

В работе с точки зрения математической формализации под И1 гтеллектуальным агентом понимается объект который обеспечивает некоторую совокупность действий Д$ = {Д«}> | = 1,«, где Д^ - элементарные действия агента, относительно действий окружающей его среды £> - Д^ = {Дф}, ; = 1 где — элементарные действия окружающей среды, в целях

достижения-желаемого результата Лр = т = , где Д/^ - элементарные

результаты.

При этом 5', € О, т.е. окружающая среда О. - эта область окружения объекта которая может состоять из некоторого множества других интеллектуальных агентов 5' = {5,'}, 1 = имг и объектов описывающих окружающую среду = Тогда многоагентную систему можно

представить как совокупность из интеллектуальных агентов в виде множества:

= (5'„5'ъ ......= {5'/}, г = Щ

Для определения системных отношений модулей интеллектуального агента воспользуемся их структурно-параметрическим представлением. С этой цепью представим совокупность модулей интеллектуального агента в виде множества:

$ = {<$!> ¿1, .$], $4, = / =

где ^ь 54 - контроллеры конвейера сообщений, $2 — планировщик, — конвейер сообщений, & - функциональный блок.

Рекурсивдюсть и иерархичность разрабатываемой системы базируется на тождестве и где — контроллер конвейера сообщений /-го агента, — контроллер конвейера сообщений/-го агента. с с 5', I,= 1, N.

Основой функционирования системы является конвейер сообщений -объединенное множество сообщений= (/я)и/с= {/о/}, где/я =ДЛа)и= ЛАдд используемых интеллектуальным агентом и его окружающей средой.

= V*) и {/у.

Действия Ди контроллера конвейера сообщений заключаются в передаче в среда б сообщений и приеме из среды <2 сообщений

Для рассмотрения системного описания задачи по формированию операций управления интеллектуальным агентом 5 использована модель целенаправленного функционирования любой системы:

<цель> <=> <спгратегия> » <ресурсы>..

Здесь категории: <ц&п> характеризует множество желаемых результатов функционирования' интеллектуальных агентов; под <стратегиег£> в работе понимается совокупность тех мероприятий, реализация которых обеспечит достижение поставленной перед интеллектуальным агентом целей при ограничении па ресурсы; <ресурсы> отождествляются с областью допустимых решений. Формирование стратегии осуществляется $2 — планировщиком. Область допустимых решений С^ есть реакция па множество стратегий — {Од} и множество ресурсов =

С$

Ресурсы определяются действиями пятого уровня интеллектуального агента:

Тогда агенты подразделяются:

на порождающих: если агент производит только стратегии —» и конечных: если агент производит только действия

Причем порождающего агента можно описать как 5 — {5ь а конечного 5 = {£«,ЭД,

Для разработки онтологии предметной области и создания стандартных сценариев необходим графический интерфейс пользователя. В его задачи также входит постановка задач и отображение хода работ над поставленными задачами. Для создания такого интерфейса был применен нестандартный подход. Там же показано, что интерфейс разработчика является интерфейсом конечного пользователя. Новизна предложенного подхода заключается в том, что работа над проектированием многоагентной системы поддержки принятия решений потенциально сводится к созданию пользовательского интерфейса. Создание конечного агента при этом заключается в написании объектно-ориентированного кода. Для этого в системе предусмотрен текстовый редактор, который вновь созданный код сохраняет в БД функций, а затем компилирует. В случае возникновения ошибок в коде запускается отладчик, который сообщает об ошибках. Особо отметим, что конвейер сообщений, а также контроллеры конвейера создаются автоматически.

Отметим, что в исследованиях впервые предложена архитектура интеллектуального агента, которая является базовым строительным элементом для создания более сложных агентов. Разработав онтологию, описывающую агента основанного на полезности или онтологию обучающегося агента можно создавать интеллектуальных агентов с высокой степенью сложности и автономности. Очевидно, что при этом процесс проектирования высоко интеллектуальных агентов значительно упрощается.

Процесс планирования действий агентом положен в основу предложенной архитектуры, поэтому в работе описываются принципы планирования действий интеллектуальным агентом и способы представления знаний, а также разрабатывается прототип пользовательского интерфейса, который непосредственно связан с этими процессами. Приведем интеллект-карту действий пользователя, управляющего интеллектуальным агентом.

Рисунок. Интеллект-карта действий пользователя при работе с интеллектуальным агентом

Приведем пример прототипа пользовательского интерфейса на основе интеллект-карт и виджетов:

Рисунок. Прототип интерфейса пользователя

ш

ШйтЬ

& Првдмуигепьинй

Корреляционный анална ^

А & У«д»ивцир

Д -О Коэффициент отношений

О Ко»ффицнв1 'Т Опррмаия

рх***мингоно РРССТРРНИТ

ф к иффицивчт Жаиидра

Ц КМ^И^ЧЦИЗТГ *ВДОИО*1>И*ДЙ ■оррммци

О Коэффициент иониомщтм

^Коэффициент Геуам

Интерфейс в основу которого положены шггеллект-карты и виджеты отличается:

— Человечностью;

— Простотой;

— Информативностью;

— Эстетикой.

Графический интерфейс пользователя в конструкторе агентов является естественным инструментом для отслеживания хода работ над системой, выявления наиболее важных функций, которые необходимо реализовать в первую очередь (особенно это актуально при экстремальном программировании). Также появляется возможность быстро создавать тестовые версии системы (альфа и бета-тестирование, прототипированне).

В работе предложена методика проектирования нового программного продукта с учетом предложенной архитектуры интеллектуального агента и разработанного прототипа пользовательского интерфейса. Разработашюя методика проектирования состоит из следующих этапов:

— Определение необходимой функциональности системы;

— Конструирование базы знаний;

— Создание прототипа пользовательского интерфейса.

На первом этапе следует определить требования к функциональности будущего программного продукта, именно эта функциональность и будет определять качества конечного программного продукта. В работе описаны методы определения функциональности разрабатываемого программного продукта> а также способы оценки выдвинутых требований.

Следующий этап, конструирование базы знаний, неразрывно связан с результатами процесса определения функциональности создаваемого программного продукта. Процесс конструирования базы знаний также называют инженерией знаний. Инженером по знаниям называют специалиста, который исследует конкретную проблемную область, определяет, какие понятия важны в этой проблемной области, и создает формальное представление объектов и отношений в этой проблемной области. Применяемый подход наиболее приемлем для разработки баз знаний специального назначения, проблемная область которых тщательно очерчена и спектр запросов известен заранее. Проекты в области инженерии знаний значительно отличаться друг от друга, но все они включают в себя следующие этапы: идентификация знаний, сбор знаний, определение словаря, регистрация общих знаний проблемной области, составление описание конкретного экземпляра задачи, передача запросов процедуре логического вывода и получение ответов, отладка базы знаний.

Завершающим этапом разработанной методики проектирования является разработка прототипа пользовательского интерфейса. Прототип — это наглядная модель пользовательского интерфейса, созданная на основе представлений о потребностях пользователей. Его задачей является дать четкое представление о взаимодействии пользователя с системой. Прототип может принимать множество различных форм, от бумажных макетов до реаяышх программ, имитирующих работу пользовательского интерфейса. В работе описывается методика разработки прототипа нового интерфейса.

Третья глава посвящена экспериментальному подтверждению проведенных исследований. Онтология предметной области была сформирована из двух частей: описание внешнего мира определятся совокупностью внешних объектов и их свойств, описание внутреннего мира определяется совокупностью агентов и действий, которые они могут выполнять. Структура интеллектуального агента определяется функциями, которые он выполняет и задачами, которые он решает. Покажем структуру многоагептной системы проведения корреляционного анализа:

Рисунок. Многоагентная система корреляционного анализа данных

Комриацм

-ч-ц— - . -. киффиФ«еитГадр>

Нводнаредныв шкапы |—'

Я КОрр^ЛИЩМ Ь4кпм

В работе программно реализовала методика регрессионного анализа основанная на применении кусочно-лилейной модели усовершенствованной этапом проверки гипотезы о виде закона распределения критериальных параметров в условиях малых выборок (гипотезы о нормальном, экспоненциальном и равномерном распределениях). Приведем общий вид формулировки кусочно-линейной модели. Все множество элементов пространства И* разбито на к непересекающихся подмножеств {0|,..., О^} с помощью набора некоторых параметрических многомерных характеристических функций (гиперповерхностей) {у (X; рО, ..., у(Х; р*)}. Обычно к « т. Пусть также мы располагаем совокупностью частных линейных моделей прогноза (в(Х; 01),..., ё(Х; аО}. Тогда прогноз значения У по замеренному значению х' = (хь ..., х„) по кусочно-линейной модели имеет вид:

II л?тги -ге Л

где И* А)

1,еслн*е О,; ,«, „ _ „

О.еслилй О,. *

Я(*;«г„) = + ОГ„,;У = 1,А.

Что можно записать как

где — число информативных признаков X) € X, включенных в модель я») («V < ")-

В таблице для различных моделей приведены значения оценок остаточной дисперсии как на материале обучения (<50), так и па контрольной выборке (&). Результаты свидетельствуют о значительном преимуществе в

точности кусочно—линейных моделей перед линейными многофакторными моделями.

Таблица. Сводная оценка остаточной дисперсии

У) Оценка Линейная многофакторная модель Кусочно-линейная модель

Ъ 1202,5 313,2

Л, 2021,6 508,7

У* 0,0075 0,0022

<5, 0,0128 0,0053

0,25 0,036

5* 0,39 0,094

Разработка сценария проведения анализа, выбор конкретных методов математической статистики проводится агентом в автоматическом режиме, на основании свойств объекта с данными. В работе была разработана многоагеитная система анализа статистических данных, а затем ее работоспособность проверена на реальной задаче анализа статистических данных. Внедрение многоагентной системы статистического анализа данных на ОАО «Концерн Российские защитные технологии» позволило;

— повысить оперативность получения информации необходимой для проведения анализа и принятия управленческих решений.

— усовершенствовать методы управления предприятием, усилить контроль за совершенными приходно-расходными операциями.

— обеспечить единообразие и достоверность информации о деятельности, как структурных подразделений и служб, так и в целом о предприятии.

Среди результатов повышения эффективности принятия управленческих решений можно назвать;

— улучшение нормирования и контроля над расходом материальных ресурсов и энергии - направленное на снижение себестоимости продукции;

— улучшение планирования закупки материальных ресурсов;

— повышению достоверности и точности прогноза экономических показателей;

— расширению информационной базы экономического анализа и планирования деятельности предприятия;

— повышение обоснованности ценообразования.

Далее в работе проводиться предварительная оценка стоимости разработки предложенной системы. Приведем сводную таблицу оценки технико-экономических показателен:

Таблица. Сводная оценка технико-экономических показателей

Средняя . Оптимистическая Пессимистическая

1. Полная трудоемкость разработки программ, человеко-месяды 1795 1345

1.1, Assembler 150 72 237

1.2. С++/Java 1645 1273 2055

2. Деятельность разработка комплекса, месяцы 36 30 42

3. Необходимо среднее число специалистов, человек 50 45 55

4. Исходна? стоимость человеко-месяца, руб.

4.1. Assembler 30 000 25 000 35 000

42. С++ / Java 15 000 10000 20000

5. Прогнозируемая стоимость разработки, руб. 53 575 910 26 682 363 90 707 181

5.1, Планирование (7%) 3 713 180 1 849 273 6286 636

5.Z Проектирование (17%) 9017 730 4491090 15267545

5.3. Программирование (55%) 29 175 000 14 530000 49395 000

5.4. Испытания (22%) 11670000 5 812000 19758000

Ориентировочно разработка программного продукта будет продолжаться 3 года, в ней будет задействовано около 50 программистов, стоимость разработки составит 33 576 ООО руб. Достоверность оценки составляет 30 - 40%, более точную оценку можно будет получить после завершения проектирования программного продукта.

В заключении обобщены основ! иле результаты теоретических и практических исследований, а также показано направление дальнейших исследований.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. В работе, на основе использования последних достижений теории и практики создания информационно-аналитических систсм, современных положений теории искусственного интеллекта и системного подхода, решена

важная практическая задача по разработке конструктора интеллектуальных агентов, который в значительной мере автоматизирует труд проектировщика программного продукта, обладает интерфейсом позволяющим отслеживать ход работ и обеспечивающим прозрачность разрабатываемой системы.

2. В исследовании впервые предложена архитектура интеллектуального агента, естественным свойством которой является рекурсивность — возможность создавать системы любой сложности путем подключения новых агентов. В качестве неочевидного следствия применения предложенной архитектуры следует назвать изменения в процессе написания кода; Во-первых, подробное описание конечных функций агентов, а также сведения об онтологии предметной области, по сути, являются техническим заданием для кодера. Во-вторых, из-за исключительной сложности современных программных продуктов возникают проблемы с использованием функций и библиотек, написанных другими программистами, при использовании агентов появляется возможность не исследовать чужой объектно-ориентированный программный код в поисках необходимой функции, а напрямую обращаться к агенту, ставя перед ним задачу. Следствием этого является упрощенное использование разработок коллег и ускорение работ над сложными проектами.

3. Был разработан метод проектирования информационно-аналитической системы на основе предложенной архитектуры агента, новизна которого заключается в том, что процесс конструирования базы знаний в то же время является процессом проектирования будущего программного продукта. При этом отличительная особенность онтологий — гибкость, позволяет легко вносить изменения в структуру будущего программного продукта. В рамках разработки метода проектирования программного продукта и базы знаний был разработан интерфейс, который обеспечивает прозрачность функционирования системы, доступность' к функциям системы и данным. Использование интеллект-карт как основы интерфейса позволяет четко выделять основные задачи и наиболее важную информацию. На ряду с интеллект-картами в интерфейсе используются виджеты — небольшие графические объекты, каждый элемент которых несет информационную и функциональную нагрузку. Новшество, которое заключается в совмещении виджетов и интеллект-карт, позволяет эффективно использовать рабочее пространство, концентрировать внимание пользователя на решаемых задачах.

4. Центральное место в работе заняли исследования, посвященные усовершенствованию такого универсального инструментального средства, которым является база знаний. В работе было показано, как агент может использовать отологию предметной области для планирования своих действий и построения интеллектуальных сценариев. Практическое

применение описанного подхода заключалось в разработке мкогоагентной системы проведения интеллектуального корреляционно-регрессионного анализа данных.

5. Результаты исследований, полученные в работе, создают предпосылки для разработки нового поколения программного обеспечения, основанного на интеллектуальных агентах. Использование предложенных в работе подходов позволяют существенно сократить как время разработки, так и снизить стоимость программного продукта.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИОННОЙ

РАБОТЫ

1. Вдовин М.А. Реализация блока стратегического иропюза системы поддержки принимаемых решений на основе агентно—ориентированной модели /Тихомиров В А., Вдовин М.А., Кононов ИЗ. //Статья,. Сборник НММ адъютггов и соискателей Л®29 Тверь: ВАВКО, 2006, -1Л пл70.4п.л.

2. Вдовий М.А. Методологические аспекты создания агентно-ориентированной архитектуры системы поддержки принимаемых решений /Палюх БЗ., Тихомиров ВА., Вдовин М.А., Кононов И.В, //Статья. Сборник НММ адъюнктов и соискателей №29 Тверь: В А ВКО, 2006. —1.7 пл70.4 п. л.

3. Вдовин М.А, Модель «классная доска» -г методология создания архитектуры системы поддержки принимаемых решений /Тихомиров В.А., Вдовин М.А., Кононов ИЗ. //Статья. Сборник НММ адъюнктов и соискателей №29 Тверь: ВА ВКО, 2006. -1.2 ПЛ./0.4 п.л.

4. Вдовин М.А. Формирование «Единого информационного пространства» на основе телекомм уникациошшх и радио локационных систем /Вдовин М.А., Кононов ИЗ. // Статья. Сборник НММ адъюнктов и соискателей №28 Тверь: ВА ВКО, 2005. - 0.3 п.л.

5. Вдовин М.А. Информациошю-всроятностлая модель осуществления долгосрочного прогноза /Вдовин МЛ., Кононов ИЗ. //Сборник тезисов докладов Третьей Всероссийской конференции «Необратимые процессы в природе и технике», - М.: МГТУ им. Н.Э. Баумана, 2005.-161-163 с.

6. Вдовин МА Методика адаптации агентпо-ориентированное подхода к созданию системы поддержки принимаемых решений /Вдовин М.А., Кононов ИЗ. // Статья. Сборник НММ адъюнктов и соискателей №28 Тверь: ВА ВКО, 2005. -0.8 п.л.

7. Вдовин М.А. Концептуальная модель системе поддержки принимаемых решений основанная на технологии «классной доски» /Палюх

Б JB., Вдовин М.Л., Кононов КВ. //Статья. Сборник НММ адъюнктов и соискателей №28 Тверь: ВА ВКО, 2005. - 0.9 пл^ОЛ пл.

8. Вдовин М.А. Разработка методов и алгоритмов стратегического прогнозирования развития сложных интегрированных структур. /Тихомиров A.B., Вдовин МА., Кононов И.В. //Монография. -Тверь: НПО «Российские Инновационные технологии», 2005. -120 с.

9. Вдовин МА Агентно-ориеитированная модель формирования элементов системы поддержки принимаемых решений /Вдовий М.А., Кононов И.В. /Статья. Сборник НММ адъюнктов и соискателей №27 Тверь: ВА ВКО, 2004. - 0.7 п.л.

10. Вдовин МЛ. Проблемные вопросы исследования сложных систем. /Тихомиров В.А., Вдовин МА, Кононов И.В. //Сборник статей международной конференции «Надежность и качество», —Heina: ПГУ, 2004. — 23-27 с.

11. Вдовин М.А. Формулирование обобщающей цели в сложных системах. /Тихомиров В.А., Вдовин М.А., Кононов И.В. //Сборник статей международной конференции «Надежность и качество», —Пенза: ПГУ, 2004. — 163-164 с.

12. Вдовин М.А. Построение информационно-вероятностной модели оценки качества промышленной продукции /Тихомиров ВА., Вдовин М.А., Кононов И.В. //Сборник статей международной конференции «Надежность и качество», -Пенза: ПГУ, 2003. - 145 -147 с.

13. Вдовин МА. Формализация информациошю-вероятносгного метода стратегической оценки принимаемых решений./ Вдовин М.А., Кононов ИЗ. //Статья. Труды докладов международно-го симпозиума "Надежность и качество 2003" - Пенза: ПГУ, 2003. - 0.7 пл.

14. Вдовин М.А. Совершенствование информационного подхода к оценке принимаемых решений. /Вдовин М.А., Кононов И.В. // Статья. Сборник докладов XXУД НТК в/ч 33157,2002 - 0.2 пл.

15. Вдовин МА. Общие вопросы внедрения новых информационных технологий в практику исследований. /Вдовин М.А., Кононов И.В. //Статья. Серия А выпуск 3(47). - М: ЦВНИ МО РФ, 2001. - 3 пл.

16. Вдовин М.А. Внедрение информационных технологий в практику полигонных испытаний /Тихомиров В. А., Громов В А., Вдовин МА., Кононов И.В,//.Статья. Оборонная техника, 2000. №7-8.-0,4 п.лУОД пл.

Подписано в печать 17.11.06 Физ.псчл. 1,25 Заказ №225 Тираж 100 экз.

Типография ТГТУ 170026, г. Тверь, наб. А. Никитина, 22

Введение.

ГЛАВА 1. Предмет исследования и постановка научной задачи.

1.1. Информационный подход к управлению.

1.1.1. Информационный подход к управлению производственными системами.

1.1.2. Анализ функциональности современных информационных систем поддержки принятия управленческих решений.

1.2. Анализ модели управления предприятием.

1.2.1. Анализ классификации моделей управления предприятием.

1.2.2. Анализ подхода к управлению предприятием основанного на концепции «модель жизнеспособной системы».

1.3. Анализ проблем предметной области и постановка задачи.

ГЛАВА 2. Реализация принципов проектирования интеллектуальных программных продуктов на основе концепции многоагентных систем.

2.1. Разработка архитектуры интеллектуального агента.

2.1.1. Анализ типовых архитектур интеллектуальных агентов

2.1.2. Разработка архитектуры интеллектуального агента на основе модели жизнеспособной системы.

2.2. Формирование блока автоматического построения сценариев.

2.2.1. Представление знаний.

2.2.2. Формализация процесса планирования.

2.2.3. Решение задачи планирования.

2.2.4. Контроль выполнения и перепланирование.

2.2.5. Реализация пользовательского интерфейса.

2.3. Разработка метода проектирования информационно-аналитической системы на основе предложенной архитектуры агента.

ГЛАВА 3. Экспериментальное подтверждение проведенных я исследований.

3.1. Формирование интеллектуального сценария проведения корреляционно-регрессионного анализа.

3.1.1. Определение функциональности системы.

3.1.2. Конструирование базы знаний.

3.1.3. Разработка прототипа пользовательского интерфейса

3.2. Построение сценария проведения корреляционно-регрессионного анализа в системе управления предприятием

ОАО «Концерн Российские защитные технологии».

3.3. Технико-экономическое обоснование разработки программного продукта.

Повышение качества управления неразрывно связано с повышением эффективности производства, увеличением прибыли и других финансово-экономических показателей, В современных условиях повышение качества управленческих базируется на оперативном получении своевременной и точной информации. Развитие информационных технологий обусловило появление целого класса программных средств, призванных помочь руководителю. Информационно-аналитические системы позволяют:

- Стандартизировать автоматизируемые процессы;

- Повысить производительность труда;

- Экономить время;

- Упростить принятие решений.

Однако, современные информационно-аналитические системы обладают рядом недостатков, основа которых сильная непрозрачность процесса разработки программного обеспечения. Роль программиста не имеет аналогов в других профессиях - ни инженеры, ни изобретатели, ни писатели не работают в условиях тесного переплетения чистого творчества, точных наук и практики. Эта проблема была сформулирована в 1986 в статье Фреда Брукса «Серебряной пули нет - существенное и случайное в разработке ПО» следующим образом: «Нет ни одного открытия ни в технологии, ни в методах управления, одно только использования которого обещало бы в течении ближайшего десятилетия на порядок повысить производительность, надежность, простоту разработки программного обеспечения». Хотя результаты разработки программного продукта по-прежнему остаются неизвестными, новейшие технологии дают все больше возможностей их исправить, привести к желательным. Таким образом, можно говорить о том, что повышение качества управленческих решений связано с повышением качества информационно-аналитических систем, качество которых, в свою очередь, определяет процесс первоначального проектирования программного продукта.

Представленная в работе технология призвана сделать процесс разработки программного обеспечения более прозрачным за счет автоматизации процесса проектирования программного продукта, более четкой постановки задач перед программистами и изменений в пользовательском интерфейсе. Это, в свою очередь, позволит сделать более качественную систему поддержки принятия решений и повысить эффективность управления предприятием.

Рисунок. Автоматизированная система поддержки принятия решений

В основу работы положена разрабатываемая система поддержки принятия решений. Сложность фундаментальных, научно-технологических и технических вопросов, решаемых в исследованиях, определяется функциональными блоками АСППР:

- Блок стратегического прогноза и оценки качества сложных систем;

- Блок поддержки решений методами, основанными на опыте и интуиции специалистов;

- Блок поддержки решений адаптивными вероятностно-статистическими методами;

- Блок автоматизированного построения имитационных моделей;

- Блок экономического анализа;

- Блок оценки влияние современной правовой базы на реализуемость программ и планов развития производственных структур.

В основу разрабатываемой системы положена теория искусственного интеллекта. История искусственного интеллекта характеризуется периодами успеха и неоправданного оптимизма, за которыми следовало снижение интереса и сокращение финансирования. Последние достижения на пути понимания теоретических основ интеллектуальности неразрывно связаны с понятием интеллектуального агента. Разработанная технология базируется на использовании однотипных интеллектуальных агентов (которые являются «кирпичиками»), объединенных в многоагентную систему («дом»).

В работе описывается модуль статистического прогноза на основе предлагаемой модели интеллектуального агента на основе жизнеспособной

I системы. Блок является автономным интеллектуальным агентом предназначенным для решения задач математической статистики. В его задачи также входит предварительная обработка и подготовка данных для других блоков автоматизированной системы поддержки принимаемых решений, построение моделей исследуемых явлений, в том числе моделей регрессионного и корреляционного анализа данных. Автоматическое проведение исследований позволит уменьшить фактор человеческой ошибки и освободит персонал от выполнения рутинных операций. Своевременный и качественный анализ статистических данных позволит оперативно представлять руководителю организации точную и актуальную информацию, что в свою очередь повысит качество управленческих решений. Отработанные на блоке статистического анализа технологии проектирования и построения сложных систем будут положены в основу других блоков автоматизированной системы поддрежки принятия решений.

Все вышесказанное позволяет говорить, что предлагаемая диссертационная работа, направленная на совершенствование методологии построения системы поддержки принятия управленческих решений в современных условиях, является актуальной.

Объект исследования Инструментальная и методологическая составляющие информационно -аналитической системы поддержки принятия решений.

Предмет исследования Предметом исследования являются методы и методика создания программного продукта на основе рекурсивной архитектуры интеллектуального агента, реализованные в блоке статистического анализа данных АСППР.

Рамки исследования В исследовании в полной мере использованы наработки как 20 летней давности, так и самые последние исследования, датированные 2006 годом. Исследования естественным образом ограничены современным пониманием процесса мышления и организации сложных систем.

Цель работы

Повышение эффективности и технологичности создания программно-инструментальной составляющей системы поддержки принятия решений. Для достижения поставленной цели в работе решены следующие задачи:

I - разработана рекурсивная архитектура интеллектуального агента на основе модели жизнеспособной системы;

- описаны принципы решения задачи планирования поведения интеллектуального агента;

- разработан интерфейс проектирования базы знаний, который в то же время выполняет задачи по проектированию многоагентной системы и является прототипом пользовательского интерфейса.

- разработан метод проектирования информационно-аналитической системы на основе предложенной архитектуры интеллектуального агента.

Область исследований

Исследование базируются на использовании: теории искусственного интеллекта, экономики, неврологии, психологии, теории управления и кибернетики.

Научная новизна:

- автор впервые адаптировал имитационную модель жизнеспособной системы к проводимым исследованиям в области теории искусственного интеллекта;

- создана методика проектирования программного продукта на основе предложенной архитектуры интеллектуального агента, отличительной особенностью которой является то, что процесс создания базы знаний интеллектуального агента также является процессом проектирования СППР и разработкой пользовательского интерфейса;

- усовершенствован аппарат научно-методического обеспечения построения широкого класса имитационных систем, отличающийся тем, что предложенная система обладает возможностью создать некоторую виртуальную среду, в которую помещается модель объекта, при этом появляется возможность отладить базу знаний и модели поведения будущего аппарата еще до его создания.

Теоретическая значимость проведенных исследований обусловлена развитием системного подхода, позволяющего осуществить структурирование информации для решения различных задач, совершенствованием методического обеспечения моделирования сложных систем, в развитии методического обеспечения для построения архитектуры системы поддержки принятия решений на основе концепции интеллектуальных агентов.

Практическое значение работы

Практическое значение работы обусловлено:

- полученными в диссертации теоретическими и практическими результатами, позволяющими существенно расширить область применения интеллектуальных систем при построении как архитектуры информационно - аналитической системы поддержки принятия решений, так и инструментальной и методологической составляющих подобных систем;

- разработкой основы для создания компонентов программного и методического обеспечения построения информационной системы структурирования информации с применением доступного аппаратного обеспечения;

- разработкой эффективной методики проектирования сложных интеллектуальных информационных систем;

- разработкой сценария проведения статистических исследований, обеспечивающего формирование прогнозных решений, необходимых для оценки экономической эффективности.

Обоснованность научных результатов и положений, сформулированных в диссертации, базируется на широко апробированных в науке теоретических положениях и применяемых в ходе исследований научных методах.

Реализация и внедрение результатов

Научные результаты проведенных исследований внедрены в учебный процесс Тверского ГТУ, Пензенского ГУ, Тверского филиала Балтийского ГТУ «ВОЕНМЕХ» им. Д.Ф. Устинова. Использование полученных результатов способствует повышению эффективности учебного процесса. Практические результаты диссертационной работы использовались при создании автоматизированной системы управления предприятием ОАО «Концерн Российские защитные технологии».

Апробация результатов исследования.

Результаты исследования докладывались на научно-технических конференциях Тверского государственного технического университета, МГТУ им. Баумана, Балтийского ГТУ "ВОЕНМЕХ" им. Д.Ф. Устинова, Санкт-Петербургского Северо-Западного Заочного Института, научных семинарах МГТУ им. Баумана, ВА ВКО, Тверского филиала Балтийского ГТУ им. Д.Ф. Устинова.

На защиту выносятся

1. Рекурсивная архитектура интеллектуального агента, основанная на концепции жизнеспособных систем и предназначенная для построения многоагентных систем.

2. Метод проектирования информационно-аналитической системы на основе предложенной архитектуры агента, а также неразрывно связанный с ним пользовательский интерфейс.

3. Интеллектуальный агент предназначенный для проведения корреляционно-регрессионного анализа данных, раскрывающий эффективность решения управленческих задач реализованной многоагентной системой.

Публикации

По результатам исследований, проведенных в процессе работы над диссертацией, опубликовано 16 работ.

Структура и объем диссертационной работы

Диссертация состоит из введения, трех глав, заключения, списка использованной литературы. Работа изложена на 160 страницах основного текста, иллюстрируется 37 рисунками и 7 таблицами. Список литературы содержит 72 источника.

ЗАКЛЮЧЕНИЕ

Опыт разработки современных программных комплексов показывает, что основные сложности связанны с первоначальным проектированием программного обеспечения. Отсутствие надежных инструментов проектирования сказывается на производительности, надежности и простоте разработки программного обеспечения. Поэтому в работе на основе использования последних достижений теории и практики создания информационно-аналитических систем, теории искусственного интеллекта, теории систем предложен подход к решению важной проблемы формирования архитектуры программного продукта и актуальной практической задачи обоснования обще методических принципов развития научно-методического и информационно-аналитического обеспечения процесса разработки программных комплексов.

В ходе теоретических исследований было установлено, что совершенствование процесса разработки программного обеспечения, в связи с высокой сложностью современных программных комплексов и процессов их создания, требует внедрение в практику новых технологий. Такой технологией, отвечающей современным требованиям является применение интеллектуальных агентов, как основы будущего программного продукта. Для системного решения задачи автором впервые предложено адаптировать имитационную модель жизнеспособной системы к проводимым исследованиям в области теории искусственного интеллекта, что привело к возможности построения принципиально нового типа интеллектуального агента. При этом в ходе исследований были выполнены поставленные в пункте 1.3 задачи:

- Упрощение процесса разработки. Предложенный конструктор интеллектуальных агентов в значительной мере автоматизирует труд проектировщика программного продукта, обладает интерфейсом позволяющим отслеживать ход работ и обеспечивающим прозрачность разрабатываемой системы;

- Гибкость структуры программного продукта обусловлена используемой базой знаний, которая обеспечивает необходимую гибкость и масштабируемость за счет использования онтологий и таксономии;

- Эффективный пользовательский интерфейс. Интерфейс, заложенный в систему обеспечивает прозрачность функционирования системы, доступность к функциям системы и данным;

- Значительная автоматизация действий обеспечивается за счет использования интеллектуальных агентов, основы предложенной системы;

- Использование интеллект-карт как основы интерфейса позволяет четко выделять основные задачи и наиболее важную информацию;

- Неразрывность процессов проектирования и написания кода определяется рекурсивной архитектурой интеллектуального агента.

Впервые системно проанализирован и апробирован подход, который позволил без потери общности выводов и заключений, на примере ограниченного числа видов работ, получить результаты широкого спектра исследований. Сущность данного подхода заключается в том, что высокая сложность математической модели, способной адекватно описывать процесс разработки программного продукта, была преодолена на основе применения иерархического подхода. Реализация данного подхода связана с построением базы знаний на основе онтологий и таксономической иерархии. Онтология предметной области была сформирована из двух частей: описание внешнего мира определятся совокупностью внешних объектов и их свойств, описание внутреннего мира определяется совокупностью агентов и действий, которые они могут выполнять. Структура интеллектуального агента определяется функциями, которые он выполняет и задачами, которые он решает. При этом предложенная архитектура интеллектуального агента, естественным свойством которой является рекурсивность, является основой предложенного подхода.

Таким образом, образованная структура программного продукта обеспечивает эффективный способ преодоления сложности математического моделирования на основе использования системных принципов. При создании программного продукта реализуются принципы последовательной детализации задачи разработки и проектирования. Разработка программного продукта разделяется на ряд подзадач создания последовательной цепочки агентов с обратными связями. Каждый последующий агент в цепочке позволяет получить детальное решение определенной фазы и обеспечивает подготовку информации, необходимой для решения задачи, связанной с последующей фазой. Процесс моделирования в такой системе обеспечивает возможность комплексного решения широкого спектра задач. Следует отметить, что корректность разработанных моделей подтверждается использованием для их построения апробированных методов.

Обоснованность и достоверность научных положений и выводов обеспечивается использованием корректного и адекватного математического аппарата при формализации и реализации метода; достаточной полнотой учитываемых факторов, выявленных в результате декомпозиции научной задачи на частные задачи исследования; и подтверждается сходимостью результатов расчетного и фактического значений прогнозируемых величин технико-экономических характеристик.

В предлагаемой работе подробно описан только четвертый уровень интеллектуального агента. Дальнейшие исследования можно вести как интенсивно, так и экстенсивно. Интенсивные исследования заключаются в разработке самостоятельного программного продукта на основе 4 уровня интеллектуального агента. В работе была описана онтология лишь двух разделов математической статистики: корреляционного и регрессионного анализа данных. Дальнейшие исследования в этом направлении могут заключаться в создании дополнительных онтологий в области анализа больших массивов данных, так не раскрытыми остались: дисперсионный анализ, работа с различными видами распределений, работа с малыми выборками, распознавание образов, проверка гипотез и многое другое. Актуальность исследований подобных систем объясняется, в первую очередь, тем, что в результате резкого оттока молодых специалистов утрачена преемственность поколений и знания ведущих специалистов оказались «невостребованными».

Однако более важным направлением дальнейших исследований будет разработка принципов функционирования 1, 2(5) и 3 уровней интеллектуального агента. Исследования первого уровня (функциональные блоки) заключаются в обосновании выбора языка программирования. Хотя в работе подразумевалось, что таким языком должен стать С++ для интеллектуальных агентов работающих на рабочих станциях или Java для интеллектуальных агентов работающих в сети, такой выбор все же не очевиден. Так значительный интерес представляют следующие языки программирования: Nemerle [68], Python [69], Ruby [70] и SmallTalk [71].

Развитие этой области теории искусственного интеллекта связано с большими трудностями, типичными для новых разделов науки и техники, появляющихся на стыке различных областей знания. В данном случае сложности заключаются в исследовании 2(5) и 3 уровней интеллектуального агента (оперативное управление / конвейер сообщений и центр управления агентом / контроллер конвейера) и создании языка обмена сообщениями между агентами. Основной задачей конвейера является координация действий агентов, которая достигается с помощью общения, т.е. получения общих знаний об осуществлении совместных действий. Агенты могут посылать друг другу сообщения, чтобы добиться определенных целей: проинформировать, предупредить, поделиться знаниями или что-то пообещать. В конечном итоге общение является способом заставить других агентов во что-то поверить или что-то сделать. Здесь наиболее перспективным представляется имитация обмена сообщениями в группах животных. Разумеется, язык обмена сообщениями между животными - не язык в привычном смысле, и разговор у животных - это совсем не то, что разговор у человека. Однако, например коммуникация в поселении дятлов сильно напоминает потоки данных в сети, где каждая птица - своего рода сервер [72].

Описывая многоагентную систему как популяцию животных можно создать простой и чрезвычайно эффективный язык обмена сообщениями. Причем, потенциально можно создать такой язык, который будет самостоятельно развиваться в ходе решения задач, так как сообществу интеллектуальных агентов будет выгодно развивать знаковую систему.

В заключении отметим, что все теоретические результаты исследований, приведенные в работе, завершаются разработкой конкретных методик, которые внедрены и реализованы в НИИ ИТ и внедрены в учебный процесс Тверского технического университета, ВА ВКО, Пензенского ГУ и Тверского филиала Балтийского государственного технического университета «ВОЕНМЕХ».

1. Brooks F. P. No Silver Bullet essence and accident in software Engineering. -Proceedings of the IFIP Tenth World Computing Conference. 1986

2. Вдовин M.A., Кононов И.В. Общие вопросы внедрения новых информационных технологий в практику исследований //Серия А выпуск 3(47). М: ЦВНИ МО РФ, 2001

3. Тихомиров В.А., Громов В.А., Вдовин М.А., Кононов И.В. Внедрение информационных технологий в практику полигонных испытаний //Оборонная техника, 2000. №7-8

4. Тихомиров В.А., Вдовин М.А., Кононов И.В. Реализация блока стратегического прогноза системы поддержки принимаемых решений на основе агентно-ориентированной модели //Сборник НММ адъюнктов и соискателей №29 Тверь: ВА ВКО, 2006

5. Абдеев Р.Ф. Философия информационной цивилизации. М.: ВЛАДОС, 1994

6. Анохин П. К. Психическая форма отражения действительности //Ленинская теория отражения и действительность. София: Наука и искусство, 1973

7. Шмальгаузен И. И. Организм как целое в индивидуальном и историческом развитии. М.: Изд-во АН СССР, 1969

8. Анфилатов B.C., Емельянов А.А., Кукушкин А.А. Системный анализ в управлении. -М.: Финансы и статистика, 2002

9. Винер Н. Кибернетика и общество. М.: Изд-во иностр. лит., 1958

10. Ю.Спиркин А.Г. Философия. -М.: Гардарика, 1998

11. И.Вдовин М.А., Кононов И.В. Формирование «Единого информационного пространства» на основе телекоммуникационных и радио локационных систем //Статья. Сборник НММ адъюнктов и соискателей №28 Тверь: ВА ВКО, 2005

12. Тихомиров В.А., Вдовин М.А., Кононов И.В. Проблемные вопросы исследования сложных систем. //Сборник статей международной конференции «Надежность и качество», Пенза: ПГУ, 2004

13. Стэффорд Вир. Мозг фирмы. М.: УРСС, 2005

14. Вдовин М.А., Кононов И.В. Совершенствование информационного подхода к оценке принимаемых решений //Сборник докладов XXVII НТК в/ч 33157, 2002

15. Вдовин М.А., Кононов И.В. Информационно-вероятностная модель осуществления долгосрочного прогноза //Сборник тезисов докладов Третьей Всероссийской конференции «Необратимые процессы в природе и технике», М.: МГТУ им. Н.Э. Баумана, 2005

16. Середа С. Достоинства и недостатки современных ERP-систем. http://www.cnews.ru/reviews/free/software2005/articles/modernerp.shtml

17. А. В. Заболсева-Зотова, М. В. Набока. Применение агентно-ориентированной технологии к синтезу новых технических систем. http://www.quality21.ru/index.php ?module=subjects&func=printpage&pageid= 269&scope=all

18. Э. Салливан. Время деньги. - М.: «Русская редакция», 2002

19. Информатика. / Под ред. Макаровой Н.В. М.: Финансы и статистика, 2000

20. Г.И. Андреев, В.И. Волчихин, В.А. Тихомиров, И.В. Янчевский. Основы управления предприятием. Том 2. Методы и технологии управления предприятием в условиях неопределенности -М.: Финансы и статистика, 2005

21. Тихомиров А.В., Вдовин М.А., Кононов И.В. Разработка методов и алгоритмов стратегического прогнозирования развития сложных интегрированных структур. //Монография. -Тверь: НПО «Российские Инновационные технологии», 2005

22. Палюх Б.В., Вдовин М.А., Кононов И.В. Концептуальная модель системы поддержки принимаемых решений основанная на технологии «классной доски» //Сборник НММ адъюнктов и соискателей №28 Тверь: ВА ВКО, 2005

23. Вдовин М.А., Кононов И.В. Агентно-ориентированная модель формирования элементов системы поддержки принимаемых решений //Сборник НММ адъюнктов и соискателей №27 Тверь: ВА ВКО, 2004

24. Рассел С., Норвиг П. Искусственный интеллект: современный подход. Вильяме, 2005

25. Тьюринг A.M. Вычислительные машины и разум. // В сб.: Хофштадер Д., Деннет Д. Глаз разума. Самара: Бахрах-М, 2003

26. Тихомиров В.А., Вдовин М.А., Кононов И.В. Формулирование обобщающей цели в сложных системах. //Сборник статей международной конференции «Надежность и качество», -Пенза: ПГУ, 2004

27. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы. М.: Финансы и статистика, 2004

28. Вдовин М.А., Кононов И.В. Методика адаптации агентно-ориентированного подхода к созданию системы поддержки принимаемых решений //Сборник НММ адъюнктов и соискателей №28 Тверь: ВА ВКО,2005

29. Палюх Б.В., Тихомиров В.А., Вдовин М.А., Кононов И.В. Методологические аспекты создания агентно-ориентированной архитектуры системы поддержки принимаемых решений //Сборник НММ адъюнктов и соискателей №29 Тверь: ВА ВКО, 2006

30. Бьюзен Т. Супермышление. Минск: Попурри, 2003

31. Тихомиров В.А., Вдовин М.А., Кононов И.В. Модель «классная доска» -методология создания архитектуры системы поддержки принимаемых решений //Сборник НММ адъюнктов и соискателей №29 Тверь: ВА ВКО,2006

32. В.В. Головач. Дизайн пользовательского интерфейса. http://www.natahaus.ru/2006/04/03/golovachv.dizajjnpolzovatelskogointerf ejjsa.html

33. Амдилян Л. DEMO 2006: Linux. М. // Компьютерра, 2006. № 8

34. Тихомиров В.А., Вдовин М.А., Кононов И.В. Построение информационно-вероятностной модели оценки качества промышленной продукции //Сборник статей международной конференции «Надежность и качество», -Пенза: ПГУ, 2003

35. Вдовин М.А., Кононов И.В. Формализация информационно-вероятностного метода стратегической оценки принимаемых решений //Труды докладов международного симпозиума "Надежность и качество 2003" Пенза: ПГУ, 2003

36. Айвазян С.А., Мешалкин Л.Д., Енюков И.С. Прикладная статистика: Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1985.

37. Крамер Г. Математические методы статистики. М: Мир, 1975

38. Гурман В.Е. Теория вероятностей и математическая статистика. М.: Высшая школа, 1977.

39. Афифи А., Эйзен С. Статистический анализ: Подход с использованием ЭВМ. М.: Мир, 1982

40. Джонсон И., Лион Ф. Статистика и планирование эксперимента в технике и науке. Методы обработки данных. -М.: Мир, 1980.

41. Морозов И.Д. Матричные расчеты в статистике. М.: Финансы и статистика, 1981

42. Гаскаров Д.В., Шаповалов В.И. Малая выборка. М.: Финансы и статистика, 1978

43. Петрович М.Л., Давидович М.И. Статистическое оценивание и проверка гипотез на ЭВМ. М.: Финансы и статистика, 1989.

44. Мартыщенко Л.А., Клавдиев А.А. Проверка гипотез о виде закона распределения по малой выборке (метод стохастической индикации) Л.: ВАА, 1989.

45. Мартыщенко Л.А., Тихомиров В.А. Вероятностно-статистические методы праксиологического анализа разработки и оценки технических решений. -Л.: ВАА, 1991.

46. Мюллер П., Нойман П., Шторм Р. Таблицы по математической статистике. -М.: Финансы и статистика, 1982

47. Енюков И. С. Методы, алгоритмы, программы многомерного статистического анализа: пакет ППСА. М.: Финансы и статистика, 1986

48. Батунер Л. М., Позин М. Е. Математические методы в химической технике. Л.: Химия, 1968

49. Джонсон Н., Лион Ф. Статистика и планирование эксперимента в технике и науке. Методы обработки данных. М.: Мир, 1980

50. Айвазян С.А., Мешалкин Л.Д., Енюков И.С. Прикладная статистика: Исследование зависимостей. М.: Финансы и статистика, 1985.

51. Дюк В. Обработка данных на ПК в примерах. СПб.: Питер, 1997

52. Браунли К.А. Статистическая теория и методология в науке и технике. М: Наука, 1977

53. Тюрин Ю.Н., Макаров А.А. Статистический анализ данных на компьютере. М.: Инфра М, 1999

54. Выгодский М.Я. Справочник по элементарной матиматеке. М.: Гос. изд. технико-теоритической лит., 1954

55. Математический энциклопедический словарь. М.: Большая Российская Энциклопедия, 1995

56. Носач В.В. Решение задач аппроксимации с помощью персональных компьютеров. М.: МИКАП, 1994

57. Хемминг Р.В. Численные методы для научных работников и инженеров. М.: Наука, 1972

58. Кохонен Т. Ассоциативная память. М.: Мир, 1980

59. Бронштейн И.Н., Семедяев К.А. Справочник по математике. М.: 1967

60. Страупструп Б. Язык программирования Си ++. М.: Радио и связь, 1991

61. Липаев В.В. Технико-экономическое обоснование проектов сложных программных средств. М.: СИНТЕГ, 2004

62. Стандартная общественная лицензия GPL. http://www.linux.org.ru/books/GNU/licenses/gplrus.htm

63. Tim O'Reilly. What Is Web 2.0. http://www.oreillynet.com/pub/a/oreilly/tim/news/2005/09/30/what-is-web-20.html

64. Туленцев С. Чистяков В. Nemerle. // RSDN Magazine, 2006. № 1

65. Mertz D. Functional Programming in Python. http://www.gnosis.cx/publish/programming/charmingpython13.txt

66. Hibbs C. What Is Ruby on Rails. http://www.onlamp.com/pub/a/onlamp/2005/10/13/whatisrails.html?page=l

67. Smalltalk по-русски, http://ru.smalltalk.wikia.com/

68. Левкович-Маслюк Л. Большая восьмерка большого пестрого дятла. // Компьютерра, 2006. № 27-28