автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.12, диссертация на тему:Автоматизированное проектирование средств поддержки принятия решений на основе компонентно-модульного подхода и алгоритмов псевдобулевой оптимизации

На правах рукописи

БАЛАШОВ Сергей Юрьевич

АВТОМАТИЗИРОВАННОЕ ПРОЕКТИРОВАНИЕ СРЕДСТВ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ КОМПОНЕНТНО-МОДУЛЬНОГО ПОДХОДА И АЛГОРИТМОВ ПСЕВДОБУЛЕВОЙ ОПТИМИЗАЦИИ

Специальность 05.13.12 - Системы автоматизации

проектирования

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Воронеж - 2003

Работа выполнена в Воронежском государственном техническом университете

Научный руководитель доктор технических наук,

профессор

Муратов Александр Васильевич

Официальные оппоненты доктор технических наук,

профессор

Сумин Виктор Иванович;

кандидат технических наук, доцент

Белецкая Светлана Юрьевна

Ведущая организация Воронежский военный

институт радиоэлектроники

Защита состоится 26 декабря 2003 г. в 1330 часов в конференц-зале на заседании диссертационного совета Д 212.037.03 Воронежского государственного технического университета по адресу: 394026, г. Воронеж, Московский просп., 14.

С диссертацией можно ознакомиться в библиотеке Воронежского государственного технического университета.

Автореферат разослан «^И» ноября 2003 г.

Ученый секретарь диссертационного совета

Родионов О.В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Современный этап развития общества характеризуется его глубокой и всесторонней информатизацией. Направления развития информатики увязываются с возможными решениями главных проблем развития человечества. Одна из них состоит в создании инструмента, способного помочь человеку в принятии решений любой сложности, любого уровня, в любой сфере деятельности, локального и глобального масштабов. Основой такого инструмента служит «коллективный разум», или коллективные знания, хранящиеся в компьютерных системах. Однако анализ состояния разработок в области поддержки принятия решений показывает крайнюю ограниченность методов и средств, используемых для решения подобного класса задач. В связи с этим актуальность темы исследования определяется необходимостью развития методологии создания систем поддержки решений.

Обостряется проблема несоответствия теоретической базы поддержки принятия решений изменившимся требованиям к качеству управления предприятиями. Известные сегодня теоретические положения создания систем поддержки решений не позволяют разрабатывать инструментальные средства, которые могли бы комплексно поддерживать все этапы принятия решений и синтезировать формальные методы формирования решений со знаниями и интуицией менеджера.

Специфика задач в области принятия решения состоит в том, что не существует универсальных средств решения, и поэтому для каждой задачи фактически приходится создавать свою систему поддержки принятия решений (СППР), являющуюся реализацией конкретного метода или группы методов. Как результат, в большинстве случаев СППР создаются как системы "под ключ", исключая их дальнейшее развитие без участия разработчиков.

Исходя из сказанного, актуальной является проблема разработки аппарата и технологии, которые позволили бы автоматизировать процесс создания СППР и моделей принятия решений. Этот аппарат помимо функций создания должен также обеспечивать и решение задачи, возможность его исследования, то есть являться технологией создания и использования методов принятия решений, СППР настраиваемых на задачу.

В связи с этим возникает необходимость разработки инструментальных средств создания прикладных СППР, формализованного аппарата синтеза программного обеспечения СППР, ориентированных на решение того или иного класса задач и оптимальных в смысле заданных технико- экономических требований.

В настоящее время в области инженерии знаний, целью которой является исследование и разработка прикладных программных систем, основанных на знаниях и моделирующих работу экспертов в трудноформализуемых предметных областях, существует множество методологий и инструментальных средств, ориентированных, в первую очередь, на повторное использование методов решения задач, где под повторным использованием методов понимается использование ранее разработанных методов при создании новых систем, основанных на знаниях.

Известными примерами таких методологий являются Task Structures, Role-Limiting Methods, Method-to-Task и Components of Expertise. На основе этих методологий разработаны такие инструментальные средства, как CommonKADS, PROTEGE-П, Spark/Burn/Firefighter, MIKE и другие. Характерной особенностью этих инструментальных средств является наличие библиотеки различных методов решения задач. Практика разработки таких библиотек основана на повторном использовании так называемых "парадигм" решения задач, например, таких, как Heuristic Classification и Propose-and-Revise. Эти методы представляют собой описание общей схемы решения задачи на некотором неформальном языке с использованием предметно независимой терминологии.

В процессе разработки системы, основанной на знаниях, эксперту предметной области на основе общей методологии предстоит определить соответствие между терминами, в которых описан метод, и терминами предметной области, для которой создается система. Использование библиотек методов позволяет сделать из инженерии знаний обычную инженерную дисциплину.

Таким образом, актуальность темы заключается в необходимости разработки научно-обоснованных и практически значимых методов синтеза программных средств автоматизированных систем (СППР), позволяющих повысить эффективность процесса автоматизированного проектирования.

Работа выполнена в соответствии с межвузовской ком. ; 2

плексной научно-технической программой 12.11 "Перспективные информационные технологии в высшей школе" в рамках одного из основных направлений Воронежского государственного технического университета "Проблемно - ориентированные системы управления"

Цель работы и задачи исследования. Разработка методики, моделей и алгоритмов синтеза программного обеспечения С1111Р, реализующих принцип повторного использования методов и многокритериального выбора сгенерированных вариантов СППР.

Для достижения указанной цели в работе решались следующие основные задачи:

произвести анализ прикладной области с целью формирования набора типовых методов принятия решений, пригодных для формирования базы знаний методов;

сформировать описание способа решения задачи автоматизированного проектирования СППР в виде формальной спецификации задачи;

разработать технологию формирования программной системы СППР из типовых, повторно используемых компонентов (методов принятия решений);

сформировать многокритериальную оптимизационную модель разрабатываемых СППР на основе типового набора методов принятия решений в соответствии с исходной постановкой задачи;

разработать вероятностно - детерминированный алгоритм поиска оптимального варианта СППР на базе метода многоальтернативной оптимизации;

разработать программные средства базы знаний методов решения задач принятия решений, многоальтернативной оптимизации для использования в задачах автоматизированного синтеза программных средств СППР, рационального выбора вариантов реализаций СППР.

Методы исследования основываются на теории сложных систем, теории множеств, теории принятия решений, теории вероятностей, теории исследования операций, в частности, аппарате дискретной стохастической и многоальтернативной оптимизации. При разработке программных средств применялись методы объектно-ориентированного программирования и разработки интеллектуальных систем.

Научная новизна. В работе получены следующие результаты, характеризующиеся научной новизной:

методика автоматизированного проектирования СППР, отличающаяся выделением ряда типовых задач и определения механизма решения задачи путем формального разбиения ее на подзадачи и покрытия ее типовыми методами принятия решений;

база знаний методов принятия решений, предназначенная для хранения этих методов в форме, удобной для автоматизированной разработки прикладных СППР, отличающаяся возможностью повторного использования методов решения задач;

комбинаторная модель рационального выбора проектируемой на основе набора компонентов прикладной СППР с учетом характеристик компонентов и ограничений, накладываемых на "совместимость" компонентов, отличающаяся использованием метрик программного обеспечения в качестве критериев оптимизации;

модели задач многокритериальной оптимизации, ориентированные на поиск оптимальных алгоритмов с учетом их модульной структуры, а также механизмов ведения памяти и рейсимов работы системы, отличающиеся возможностью использования вероятностного алгоритма псевдобулевой оптимизации;

метод и процедуры многоальтернативной оптимизации, предусматривающие в качестве инвариантной части вероятностный алгоритм дискретной оптимизации псевдобулевой функции векторного аргумента, к которому предъявляется требование буле-вости, отличающийся возможностью выполнения условий локального улучшения с учетом эквивалентного преобразования ее из матричной формы в векторную.

Практическая ценность и реализация результатов работы. В результате проведенного исследования разработаны структура, математическое, информационное и программное обеспечение подсистемы автоматизированного проектирования прикладных СППР, обеспечивающие создание и быстрое прототипирование экспертных систем поддержки принятия решений в различных предметных областях. Применение предложенных методов и процедур позволяет сократить сроки на проведение разработки, оценку и внедрение таких систем как в виде самостоятельных программных средств, так и в виде модулей сложных информационно-управляющих систем.

Использованный в процессе разработки программного продукта принцип повторного использования методов позволил создать универсальные инвариантные программные системы СППР с возможностью их разнообразной конфигурации и широким спектром приложения в различных предметных областях.

В рамках предложенной методики автоматизированного проектирования программного обеспечения СППР разработана эффективная подсистема повторного использования методов решения задач принятия решений, применение которой позволило повысить производительность труда проектировщиков, обеспечить приемлемый уровень использования экономических ресурсов, получить программное обеспечение высокого качества.

Результаты работы внедрены и используются в ОАО "Ви-деофон" (г. Воронеж). Научные результаты используются в учебном процессе Воронежского государственного технического университета по специальности: 200800- «Проектирование и технология радиоэлектронных средств». Получен годовой экономический эффект в сумме более 134 тыс. руб.

Апробация работы. Научные результаты и положения диссертационной работы докладывались и обсуждались на следующих конференциях и семинарах: Научно-технических конференциях " Проблемы обеспечения надежности и качества приборов, устройств и систем" (Воронеж 2000-2001 гг.); Трудах всероссийской конференции "Интеллектуализация управления в социальных и экономических системах" (Воронеж, 2001-2003 гг.); Международной научно-технической конференции "Системные проблемы качества, математического моделирования и информационных технологий" (Москва-Воронеж-Сочи 2001 г.); ежегодных научных конференциях профессорско-преподавательского состава Воронежского государственного технического университета.

Публикации. По теме диссертационной работы опубликовано 9 печатных работ.

В работах, опубликованных в соавторстве и приведенных в конце автореферата, лично соискателю принадлежит: в [2] постановка задачи, в [3] комбинаторная модель проектирования СППР на основе набора компонентов, в [8] процедуры многоцелевой оптимизации, ориентированные на интеллектуальную поддержку процессов принятия решений и эффективное сочетание априорной

и текущей информации об объектах проектирования.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы из 112 наименований и приложения. Основной объем работы составляют 142 страницы текста, 17 рисунков и 6 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность работы, дана ее краткая характеристика, показаны основные пути решения сформулированных задач.

В первой главе диссертации проводится обзор и анализ методов и инструментальных сред, используемых в системах поддержки принятия решений, рассматривается технология проектирования и разработки промышленных экспертных систем, изучаются методы решения задач и их повторное использование в системах поддержки принятия решений, ставится цель и задачи исследования.

Показано, что в области инженерии знаний, целью которой является исследование и разработка прикладных программных систем, основанных на знаниях и моделирующих работу экспертов в трудно формализуемых предметных областях, все еще остаются актуальными проблемы повторного использования существующих методов решения задач. Основная причина этого заключена в трудности формального описания задач, решаемых в инженерии знаний, что, несомненно, является следствием сложности рассматриваемых предметных областей. Отмечается, что создание технологии, поддерживающей процесс разработки прикладных СППР с использованием библиотеки формальных методов решения задач, пригодных для повторного использования в различных предметных областях, позволило бы из области инженерии знаний (которая своими методами сегодня напоминает скорее область искусства) сделать обычную инженерную дисциплину.

Вторая глава посвящена разработке методики автоматизированного проектирования прикладных СППР, в которой выделяется ряд типовых задач и определяется механизм решения задачи

путем формального разбиения ее на подзадачи и покрытия ее типовыми методами принятия решений.

В основу предлагаемой технологии положен тот факт, что в принятии решений, как и любой другой области, можно выделить ряд действий, которые семантически и с формальной точки зрения совпадают. Соответственно, для реализации такого рода действий могут быть использованы типовые элементы как некоторые структуры, формируемые специальным образом.

Общая схема технологии на основе типовых элементов приведена на рис. 1.

Вводится определение типового элемента "Задача", использование которого в построении отношения Задача-Модель-Метод позволяет получить гибкий аппарат решения задачи принятия решения:

при изменении модели на верхнем уровне (для исходной задачи) она автоматически меняется и для подзадач;

при решении каждой из подзадач возможно варьировать методами в пределах отношений ЗМет, ЗМод, МетМод;

для подзадач метод может также строиться на основе типового элемента "Задача". Следовательно, можно строить иерархические методы-модели принятия решений.

На основе проведенной классификации методов принятия решений формируется набор типовых задач многокритериальной оптимизации. Указанный набор типовых задач в формате "Дано, Требуется определить" ориентирован на представление в базе знаний методов решения задач.

Формируется база знаний методов принятия решений, предназначенная для хранения этих методов в форме, удобной для автоматизированной разработки прикладных СППР и допускающая возможность повторного использования методов решения задач.

Анаши предметной

Выделение

Модели предметной области

С?

О

( на основе созданного ) —__ метода__—

Рис. 1. Методика выделения типовых методов решения задач

База знаний методов решения задач является компонентой, содержащей знания о методах решения задач, предназначена для хранения этих знаний в форме, удобной для разработки, поиска и использования в проектируемых СППР.

Определим формальную модель базы методов решения задач как семерку

< Д Т,М,У,с1,т,У>, 8

где О - множество моделей предметных областей, для которых существуют постановки задач в библиотеке; Т - множество постановок задач в терминах моделей из множества М - множество методов решения задач из Т; V - оценка методов решения задач и подзадач; с1 - однозначное отображение постановок задач на модель их ПрО, : Т —» 2) (взаимосвязь "задача-модель"); т -отображение постановки задачи на метод ее решения, т'.Т —>М (взаимосвязь "задача-метод"); V - однозначное отображение методов решения задач и подзадач на их оценки, V: М —> V (взаимосвязь "метод-оценка").

База знаний состоит из следующих взаимосвязанных блоков: блока описания математических моделей предметных областей, блока формальных постановок задач, блока описания методов решения задач и блока оценки методов.

Блок моделей предметных областей представлен в виде ориентированного графа, каждая вершина которого - это модель, определяющая некоторые свойства предметной области. Вершины, соединенные дугой, определяют интенсиональные (в исходящей вершине) и экстенсиональные (во входящей вершине) свойства предметной области.

Второй блок содержит набор постановок задач в терминах моделей предметной области, описанных в первом блоке, при этом одна и та же задача может иметь постановку на разных моделях.

Третий блок содержит описание методов решения задач, постановка которых существует во втором блоке, при этом один и тот же метод может быть применен для решения разных задач. Для метода решения задачи должно быть доказано, что результат выполнения метода есть решение задачи. В описании метода могут использоваться ссылки на другой метод библиотеки.

Рис. 2. Структура базы знаний методов принятия решений

Четвертый блок содержит набор оценок методов, заданных в виде числовых констант, параметров функций, возвращающих значения параметров модели.

Разработка подсистемы принятия решений состоит из последовательности этапов, показанных на рис. 2: построения модели предметной области, постановки задачи на модели, разработки метода решения и генерации программного кода проектируемой подсистемы.

На этапах построения предметной области и постановки задач используются: специализированный редактор моделей предметных областей и специализированный редактор постановок задач. На этапе разработки метода решения производится разбиение задачи на подзадачи и определяется порядок их выполнения (план решения).

По формальному описанию модели предметной области и постановке задачи на этой модели ищется эффективный метод решения поставленной задачи из библиотеки методов:

• определяется задача I из библиотеки методов, эквивалентная задаче I , то есть такая задача, метод решения которой может быть применен для решения задачи tD;

• строится отображение 5 терминов модели на термины модели задачи ;

• из множества {тПуГПп } возможных методов решения задачи /, описанных в библиотеке методов, выбирается такой, что у(/и) < у(т1),..., у(/и) < у{тп ), то есть который является наиболее эффективным;

• выбранный метод т решения поставленной задачи записывается в архиве проекта с учетом отображения В.

База знаний методов решения задач составляет ядро системы автоматизированного проектирования прикладных СППР.

Особенность предложенной методики автоматизированного проектирования прикладных СППР заключается в том, что она предназначена для класса задач, в которых основой для принятия решения является информация числового характера, так как эти задачи наиболее распространены в инженерной практике и во многих случаях нечисловую задачу можно свести к числовой.

В третьей главе диссертационной работы рассматриваются вопросы формализации принципов модульного программирования в виде программного комплекса многоальтернативной оптимизации и практической реализации его на примере проектирования прикладных СППР.

Представляя техническое задание (ТЗ), компоненты и их программные реализации на соответствующих уровнях абстракции, расположим их, как показано на рисунке 3, на четырех плоскостях А, В, С, Г). В плоскости А находится ТЗ на проектирование. В плоскости В размещено множество формализованных описаний компонентов (алгоритмов) решения задачи

/У ^ л. л.

Е\ =Ш Ел Л

. Каждый элемент Е1 плоскости В порождает подмножества О и С/ наборов общих и специальных частей компонентов Е1 , соответственно находящихся в плоско-

стях £> и объединенных плоскостью С. Специфика стадии представления компонентов заключается в том, что выделение общих частей позволяет учесть множество общих свойств компонентов

А Л

решения задач - от Ел 1 до Ел п, то есть элементы множества

01,..., От являются общими для всех Ё1 ¡, 1 = 1,п. Каждой

общей и специальной части соответствуют множества их программных реализаций, расположенные в плоскости Е.

Рис. 3. Уровни абстракции, выделяемые при проектировании СППР

Показанная иерархическая структура компонентов СППР может быть представлена ориентированным ациклическим графом

(А, К), где вершинам А соответствуют функции выбора, а дугам -отношения Я строгого частичного порядка между функциями: (УаеА)(<а,а>£К),

(\/а, Ь,сеА)(<а,Ь>€Кл<Ь,с>еЯ=>(а,с)еК)

При этом выбранные программные реализации компонентов являются на графе потомками искомой вершины. В случае структурной фиксации функции выбора любая из функций-потомков также должна быть зафиксирована структурно:

(Уа е г) (УЬ (<Ь,а>еЯ)) (,Ь<=г).

Используя знания о характеристиках компонентов и ограничениях, накладываемых на их "совместимость", могут быть определены правила формирования частичных конфигураций СППР. Эти правила описывают функции связи между требованиями технического задания и компонентами и имеют вид правил продукции. При этом особенности компонентов и их программных реализаций выступают как ограничения, к которым, в частности, относятся существующие компоненты многоцелевого назначения, которые реализуют несколько требований ТЗ; одно требование ТЗ реализует несколько различных компонентов; существуют требования ТЗ, которые реализуются выполнением определенной совокупности компонентов; программные реализации компонентов имеют различные эксплуатационные характеристики (время счета, необходимую память, точность счета и т.д.), которые определяют эффективность конкретных вариантов СППР.

Полагая, что известны экспертные оценки ^ показателей эффективности компонентов по их программным реализациям, известны затраты ресурсов С1, используемых I -м компонентом, тогда проектирование СППР может быть представлено моделью комбинаторной задачи рационального выбора на множестве компонентов:

и

->шах,

7=1

м

(2)

х, ,...,*„ е{0,1},

(4)

(Ух, у,геХ) (< х5<у >е Ял<у,г>еК =>< (5)

(г е ^ с X) О (Ух € г) ('Уу(< .у, х > е Л)) О

(6)

Здесь Я - множество допустимых решений. Выражения (1-3) есть условия задачи о ранце. Дополнительные ограничения (4-6), которые налагают отношение частичного порядка на множестве X, сужают множество допустимых решений: решение является допустимым, если для всякого х, образующего решение, все потомки также принадлежат данному решению. В терминах теории графов это означает, что множество допустимых решений является множеством подграфов искомого графа, в которые вершина может входить при условии, что все ее потомки также входят в данный подграф. Условия (4-6) исключают применение упомянутых выше методов решения задачи целочисленного программирования. В качестве показателей эффективности е1 используется набор моделей

и метрик оценки качества программного обеспечения. Такие модели и метрики предназначены для использования в различных жизненных циклах и в пределах жизненного цикла, допускают накопление и интеграцию разнородной метрической информации для принятия своевременных производственных решений и заключительной сертификации продукции.

С целью формирования оптимизационной модели выявляется взаимно однозначное соответствие между методами принятия решений прикладной СППР и функциональными проектирующими элементами.

Обобщенную математическую формулировку рассматри-

ваемой задачи предлагается записывать в виде многокритериальной задачи дискретного программирования с ограничениями. Решение задачи предлагается осуществить, используя вероятностно -детерминированные алгоритмы, что позволяет работать с задачами высокой размерности в ситуациях минимальной априорной информированности схемы и алгоритмические процедуры.

Привлечение с этой целью метода многоальтернативной оптимизации предусматривает выделение в качестве инвариантной части вероятностного алгоритма дискретной оптимизации псевдобулевой функции векторного аргумента, к которому предъявляется требование булевости. Наличие двухиндексных переменных х в

задаче выбора оптимального варианта приводит к необходимости переформулировать исходную задачу из матричной формы в векторную:

X Ху} {л^ jХ-^2 »•••»^1 >•'•> >•••> ^

Функциональные и другие ограничения предлагается учитывать алгоритмически.

Рассматриваемый алгоритм относится к поисковым, то есть реализующим итерационную схему поиска оптимальных вариантов. Существующие детерминированные методы решения задач оптимизации по существу характеризуются применяемыми априорными способами организации направленного перебора. В разрабатываемом алгоритме строится гибкая схема формирования перебора, которая не является априорной, а формируется на основе обучения свойствам целевой функции с использованием текущей информации о ее значении.

Запись итерационных процедур настройки координат вектора переменных в характеристиках математического ожидания позволяет перейти к эквивалентной вероятностной формулировке исходной задачи с выбором в качестве схемы перебора случайного механизма. Итерационные процедуры движения в множестве случайных булевых векторов представляются следующим образом:

XJ =ЫУ Х] +иУ У] ' У = 1>и>

где и^ - случайная булева величина,

м[М; ]=Р(и» = 1)=р», а»=1 -и;,

,_н 14 1 N N N

р{иу = I) = 1 — и} — ; - случайная булева величина,

] = р(у^ = 1) = Ж^, N - номер итерации.

С целью повьппения эффективности движения используется последовательное выделение отдельной координаты, что позволяет разбиение допустимого множества вариантов описать следующим движением во множестве случайных векторов:

X™ = №гМ+1(х1,...,хк,;рск+1 +угк+х,Рхк+2 + /Ьк+2 ,...,/Зх„+,

Здесь ¡V - случайная булева величина: = 1) = р,

р(]¥ = 0) = 1 — Рцг — С]^ . УУ понимается как параметр, управляющий процессом ветвления. Здесь допустимое множество вариантов решений интерпретируется в виде дерева. При = 1 осуществляется дальнейший спуск по дереву вариантов: ^, Х2,..., Хк ) - частичный вариант, зафиксированный в процессе

поиска. При ¡V= 0 осуществляется возврат в исходную вер/ N N \

шину дерева вариантов. Варьирование вектора ,..., Хп ) происходит с учетом накопленной информации, а способы выбора параметра (V будут рассмотрены ниже.

С целью построения упорядоченной схемы перебора с возможностью его сокращения воспользуемся разложением псевдобулевой функции /(х) по переменной Хк :

+ f(xit...,xk_uO,xk+l,...,xn) = хкА kf{x) + f

где

X = (х^...,хк_х,хм,...,хп\ Akf{x) = /(I,*)-/(0,доопределение неизвестных параметров движения W, V, U, Z, X происходит в результате решения условия локального улучшения (УЛУ) вариационного типа М^+1[У(х)]-МхЛ/(Х)] ^ которое с учетом (7) принимает вид:

Рр (Ак+ЛХ>*) - АмАх>Х)) ХМ + PrAk+lf(X>x)(zk+ Рр (У(*Az) - У(х,0,х) + fix,х)] + qw[pu&J{x){y, -

pX+1 (аЛу) - A, /(*) + Pv (/(0, j>) - ДО, x) + f{x)}}

где

Следует отметить, что в рамках предлагаемого вариационного подхода стратегия поиска, использующая определенный план эксперимента, возникает из анализа способов выполнения УЛУ. Возможны три принципиально различных способа выполнения УЛУ:

не осуществляется операция осреднения, неравенство удовлетворяется при каждой реализации векторов у , X . В результате строятся алгоритмы, работающие только с реализациями случайных векторов; ^

операция осреднения проводится по всем переменным неравенства. УЛУ записывается при этом в осредненных характеристиках случайных векторов. При таком способе выполнения операции осреднения получаются алгоритмы, работающие только с вероятностными характеристиками случайных величин и предусматривающие изменение параметров генераторов случайных величин;

операция осреднения проводится по части переменных. УЛУ записывается как в реализациях некоторых случайных величин, так и в осредненных характеристиках других случайных величин. Алгоритмы, получаемые в этом случае, предполагают изменение вероятностных характеристик в зависимости от реализаций известных случайных величин.

В четвертой главе описывается реализация и применение подсистемы автоматизированного проектирования прикладных СППР, приводится структура и функциональное описание подсистемы автоматизированного проектирования прикладных СППР, описываются инструментальные средства, поддерживающие процесс создания программных средств СППР.

Структура инструментальных средств разработки прикладных СППР приведена на рис. 4.

Рис. 4. Структура подсистемы автоматизированного проек-

18

тирования прикладных СПГ1Р

Рассматривается реализация повторного использования методов поддержки принятия решений в подсистеме автоматизированного проектирования СППР. В качестве библиотеки методов решения задач используется стандартный репозиторий объектов универсальной среды разработки Borland С++ Builder. Репозиторий объектов предназначен для хранения программного кода, который может быть использован повторно в различных проектах, разрабатываемых в указанной среде.

Созданный технологический комплекс, ориентированный на генерацию эффективных прикладных СППР, позволил разработать на его основе с максимальным использованием уже разработанных компонентов специализированные СППР "Альтернатива" и "Конкурс", учитывающие специфику постановки, получения и использования результатов решения конкретных задач выбора.

По результатам внедрения на ОАО "Видеофон" (г. Воронеж) СППР "Альтернатива" и "Конкурс" получен экономический эффект в сумме более 134 тыс. руб.

В приложении приведены модели и метрики оценки качества программного обеспечения, перечень компонентов для создания прикладных СППР и акты внедрения подсистемы автоматизированного проектирования прикладных СППР.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В диссертационной работе предложена методика автоматизированного проектирования СППР, отличающаяся выделением ряда типовых задач и определения механизма решения задачи путем формального разбиения ее на подзадачи и покрытия ее типовыми методами принятия решений.

Определен типовой элемент "Задача", и на основе проведенной классификации методов принятия решений сформирован набор типовых задач многокритериальной оптимизации. Указанный набор типовых задач в формате "Дано, Требуется определить" допускает представление в базе знаний методов решения задач.

Сформирована база знаний методов принятия решений, предназначенная для хранения этих методов в форме, удобной для автоматизированной разработки прикладных СППР, отличающаяся

возможностью повторного использования методов решения задач.

База знаний методов решения задач составляет ядро системы автоматизированного проектирования прикладных СПГТР.

Предложена комбинаторная модель рационального выбора проектируемой на основе набора компонентов прикладной СППР с учетом характеристик компонентов и ограничений, накладываемых на "совместимость" компонентов, отличающаяся использованием метрик программного обеспечения в качестве критериев оптимизации.

Разработаны модели задач многокритериальной оптимизации, ориентированные на поиск оптимальных алгоритмов с учетом их модульной структуры, а также механизмов ведения памяти и режимов работы системы, отличающиеся возможностью использования вероятностного алгоритма псевдобулевой оптимизации.

Модифицирован метод многоальтернативной оптимизации, предусматривающий в качестве инвариантной части вероятностный алгоритм дискретной оптимизации псевдобулевой функции векторного аргумента, к которому предъявляется требование буле-вости, отличающийся возможностью выполнения условий локального улучшения с учетом эквивалентного преобразования ее из матричной формы в векторную.

Разработаны процедуры многоцелевой оптимизации, обеспечивающие интеллектуальную поддержку процессов принятия решений и эффективное сочетание априорной и текущей информации об объектах проектирования.

Созданный технологический комплекс, ориентированный на генерацию эффективных прикладных СППР, позволил разработать на его основе с максимальным использованием уже разработанных компонентов специализированные СППР "Альтернатива" и "Конкурс", учитывающие специфику постановки, получения и использования результатов решения конкретных задач выбора.

СППР "Альтернатива" и "Конкурс" внедрены на ОАО "Ви-деофон" (г. Воронеж). Получен годовой экономический эффект в сумме более Л 34 тыс. руб.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ ДИССЕРТАЦИИ ОПУБЛИКОВАНЫ В СЛЕДУЮЩИХ РАБОТАХ:

1. Балашов С.Ю. Интеллектуальные датчики информации в

системах поддержки принятия решений организационного типа // Проблемы обеспечения надежности и качества приборов, устройств и систем: Межвуз. сб. науч. тр. Воронеж: ВГТУ, 2000. С. 18

2. Балашов С.Ю., Муратов A.B. Интеллектуализация технологии автоматизированного проектирования систем поддержки принятия решений // Проблемы обеспечения надежности и качества приборов, устройств и систем: Межвуз. сб. науч. тр. Воронеж: ВГТУ, 2000. С. 4-9.

3. Балашов С.Ю., Муратов A.B. Структурно-компонентное проектирование сложных систем обработки информации // Интеллектуализация управления в социальных и экономических системах: Тр. Всерос. конф. Воронеж, 2001. С. 34-35.

4. Балашов С.Ю. Разработка библиотеки методов решения задач проектируемых. СППР // Интеллектуализация управления в социальных и экономических системах: Тр. Всерос. конф. Воронеж, 2001. С. 48-50.

5. Балашов С.Ю. Рациональный выбор компонентов сложной информационной системы на комбинаторной модели // Системные проблемы качества математического моделирования, информационных, электронных и лазерных технологий: Междунар. науч.-техн. конф. М., 2001. С. 137-139.

6. Балашов С.Ю. Комбинаторная модель выбора компонентов сложных систем обработки данных и методы ее решения // Интеллектуализация управления в социальных и экономических системах: Тр. Всерос. конф. Воронеж, 2003. С. 43-45.

7. Балашов С.Ю. Организация системы поддержки принятия решений в САПР на базе типовых элементов // Интеллектуализация управления в социальных и экономических системах: Тр. Всерос. конф. 4.2. Воронеж, 2003. С. 141-144.

8. Балашов С.Ю., Муратов A.B. Вероятностный алгоритм оптимального выбора компонентов программных систем // Интеллектуализация управления в социальных и экономических системах: Тр. Всерос. конф. Воронеж: 2003, С. 57-60.

9. Балашов С.Ю. Валидация и синтез модели требований к у программному обеспечению сложных систем обработки данных IL Интеллектуализация управления в социальных и экономических , системах: Тр. Всерос. конф. Воронеж, 2003. С. 66-67.

24.

ЛР № 066815 от 25.08.99. Подписано в печать 15.11.2003. Формат 60x84/16. Бумага для множительных аппаратов. Усл.печ.л. 1,0. Тираж 90 экз. Заказ № .

Воронежский государственный технический университет 394026 Воронеж, Московский просп., 14

#2 0 092

Введение

1. Анализ систем поддержки принятия решений и средств автоматизации их разработки, направления по совершенствованию технологии автоматизированного проектирования СППР

1.1. Анализ методов и инструментальных сред, используемых в системах поддержки принятия решений

1.2. Технология проектирования и разработки промышленных экспертных систем

1.3. Методы решения задач и их повторное использование в системах поддержки принятия решений

1.4. Цель и задачи исследования

2. Методика автоматизации проектирования прикладных систем поддержки принятия решений и формирование базы знаний методов принятия решений

2.1. Разработка методики автоматизированного проектирования систем поддержки принятия решений

2.2. Формирование базы знаний методов принятия решений на основе их классификации

2.3. Разработка базы знаний методов принятия решений и формальной спецификации задачи

Актуальность темы. Современный этап развития общества характеризуется его глубокой и всесторонней информатизацией. Направления развития информатики увязываются с возможными решениями главных проблем развития человечества. Одна из них состоит в создании инструмента, способного помочь человеку в принятии решений любой сложности, любого уровня, в любой сфере деятельности, локального и глобального масштабов. Основой такого инструмента служит «коллективный разум», или коллективные знания, хранящиеся в компьютерных системах. Однако анализ состояния разработок в области поддержки принятия решений показывает крайнюю ограниченность методов и средств, используемых для решения подобного класса задач. В связи с этим актуальность темы исследования определяется необходимостью развития методологии создания систем поддержки решений.

Обостряется проблема несоответствия теоретической базы поддержки принятия решений изменившимся требованиям к качеству управления предприятиями. В рамках направления искусственного интеллекта существует множество информационных технологий и систем, призванных помочь в деле управления обществом, производством, торговлей, кредитной и финансовой сферами и т.д. Наиболее известными являются: экспертные системы, советующие системы, системы поддержки принятия решений, системы исполнения решений, интеллектуальные системы. Общей чертой перечисленных систем и технологий является использование в них знаний человека-эксперта. Применение таких систем дает наибольший эффект при решении задач, которые характеризуются слабой формализацией и большую, а иногда решающую роль играют знания и опыт высококвалифицированных специалистов (экспертов). Известные сегодня теоретические положения создания систем поддержки решений не позволяют разрабатывать инструментальные средства, которые могли бы комплексно поддерживать все этапы принятия решений и синтезировать формальные методы формирования решений со знаниями и интуицией менеджера.

Специфика задач в области принятия решения состоит в том, что не существует универсальных средств решения, и поэтому для каждой задачи фактически приходится создавать свою систему поддержки принятия решений, являющуюся реализацией конкретного метода или группы методов. Как результат, в большинстве случаев системы поддержки принятия решений создаются как системы "под ключ", исключая их дальнейшее развитие без участия разработчиков.

Исходя из сказанного, актуальной является проблема разработки аппарата и технологии, которые позволили бы автоматизировать процесс создания систем поддержки принятия решений и моделей принятия решений. Этот аппарат помимо функций создания должен также обеспечивать и решение задачи, возможность его исследования, то есть являться технологией создания и использования методов принятия решений, систем поддержки принятия решений настраиваемых на задачу.

В связи с этим возникает необходимость разработки инструментальных средств создания прикладных систем поддержки принятия решений, формализованного аппарата синтеза программного обеспечения систем поддержки принятия решений, ориентированных на решение того или иного класса задач и оптимальных в смысле заданных технико-экономических требований.

В настоящее время в области инженерии знаний, целью которой является исследование и разработка прикладных программных систем, основанных на знаниях и моделирующих работу экспертов в трудно формализуемых предметных областях, существует множество методологий и инструментальных средств, ориентированных, в первую очередь, на повторное использование методов решения задач, где под повторным использованием методов понимается использование ранее разработанных методов при создании новых систем, основанных на знаниях, «ь Известными примерами таких методологий являются Task Structures,

Role-Limiting Methods, Method-to-Task и Components of Expertise. На основе этих методологий разработаны такие инструментальные средства, как CommonKADS, PROTEGE-II, Spark/Burn/Firefighter, MIKE и другие. Характерной особенностью этих инструментальных средств является наличие библиотеки различных методов решения задач. Практика разработки таких библиотек основана на повторном использовании так называемых "парадигм" решения задач, например, таких, как Heuristic Classification и Propose-and-* Revise. Эти методы представляют собой описание общей схемы решения задачи на некотором неформальном языке с использованием предметно независимой терминологии.

В процессе разработки системы, основанной на знаниях, эксперту предметной области на основе общей методологии предстоит определить соответствие между терминами, в которых описан метод, и терминами предметной области, для которой создается система. Использование библиотек методов позволяет сделать из инженерии знаний обычную инженерную дис-^ циплину.

Таким образом, актуальность темы заключается в необходимости разработки научно-обоснованных и практически значимых методов синтеза программных средств автоматизированных систем (систем поддержки принятия решений), позволяющих повысить эффективность процесса автоматизированного проектирования.

Работа выполнена в соответствии с межвузовской комплексной научно-технической программой 12.11 «Перспективные информационные техно-± логии в высшей школе» в рамках одного из основных направлений Воронежского государственного технического университета "Проблемно - ориентированные системы управления".

Цель работы и задачи исследования. Разработка методики, моделей и алгоритмов синтеза программного обеспечения систем поддержки принятия решений, реализующих принцип повторного использования методов и многокритериального выбора сгенерированных вариантов систем поддержки принятия решений.

Для достижения указанной цели в работе решались следующие основные задачи: произвести анализ прикладной области с целью формирования набора типовых методов принятия решений, пригодных для формирования базы знаний методов; сформировать описание способа решения задачи автоматизированного проектирования систем поддержки принятия решений в виде формальной спецификации задачи; разработать технологию формирования программной системы систем поддержки принятия решений из типовых, повторно используемых компонентов (методов принятия решений); сформировать многокритериальную оптимизационную модель разрабатываемых систем поддержки принятия решений на основе типового набора методов принятия решений в соответствии с исходной постановкой задачи; разработать вероятностно - детерминированный алгоритм поиска оптимального варианта систем поддержки принятия решений на базе метода многоальтернативной оптимизации; разработать программные средства базы знаний методов решения задач принятия решений, многоальтернативной оптимизации для использования в задачах автоматизированного синтеза программных средств систем поддержки принятия решений, рационального выбора вариантов реализаций систем поддержки принятия решений.

Методы исследования основываются на теории сложных систем,, теории множеств, теории принятия решений, теории вероятностей, теории исследования операций, в частности, аппарате дискретной стохастической и многоальтернативной оптимизации. При разработке программных средств применялись методы объектно-ориентированного программирования и разработки интеллектуальных систем.

Научная новизна. В работе получены следующие результаты, характеризующиеся научной новизной: методика автоматизированного проектирования систем поддержки принятия решений, отличающаяся выделением ряда типовых задач и определения механизма решения задачи путем формального разбиения ее на подзадачи и покрытия ее типовыми методами принятия решений; база знаний методов принятия решений, предназначенная для хранения этих методов в форме, удобной для автоматизированной разработки прикладных систем поддержки принятия решений, отличающаяся возможностью повторного использования методов решения задач; комбинаторная модель рационального выбора проектируемой на основе набора компонентов прикладной системы поддержки принятия решений с учетом характеристик компонентов и ограничений, накладываемых на «совместимость» компонентов, отличающаяся использованием метрик программного обеспечения в качестве критериев оптимизации; модели задач многокритериальной оптимизации, ориентированная на поиск оптимальных алгоритмов с учетом их модульной структуры, а также механизмов ведения памяти и режимов работы системы, отличающиеся возможностью использования вероятностного алгоритма псевдобулевой оптимизации; метод и процедуры многоальтернативной оптимизации, предусматривающие в качестве инвариантной части вероятностный алгоритм дискретной оптимизации псевдобулевой функции векторного аргумента, к которому предъявляется требования булевости, отличающийся возможностью выполнения условий локального улучшения с учетом эквивалентного преобразования ее из матричной формы в векторную.

Практическая ценность и реализация результатов работы. В результате проведенного исследования разработаны структура, математическое, информационное и программное обеспечение подсистемы автоматизированного проектирования прикладных систем поддержки принятия решений, обеспечивающие создание и быстрое прототипирование экспертных систем поддержки принятия решений в различных предметных областях. Применение предложенных методов и процедур позволяет сократить сроки на проведение разработки, оценку и внедрение таких систем как в виде самостоятельных программных средств, так и в виде модулей сложных информационно-управляющих систем.

Использованный в процессе разработки программного продукта принцип повторного использования методов позволил создать универсальные инвариантные программные системы поддержки принятия решений с возможностью их разнообразной конфигурации и широким спектром приложения в различных предметных областях.

В рамках предложенной методики автоматизированного проектирования программного обеспечения систем поддержки принятия решений, разработана эффективная подсистема повторного использования методов решения задач принятия решений, применение которой позволило повысить производительность труда проектировщиков, обеспечить приемлемый уровень использования экономических ресурсов, получить программное обеспечение высокого качества.

Реализация и внедрение результатов работы. Результаты работы внедрены и используются в ОАО "Видеофон" (г. Воронеж). Научные результаты используются в учебном процессе Воронежского государственного технического университета по специальности: 200800- «Проектирование и технология радиоэлектронных средств». Получен годовой экономический эффект в сумме более 134 тыс. руб.

Апробация работы. Научные результаты и положения диссертационной работы докладывались и обсуждались на следующих конференциях и семинарах: Научно-технических конференциях " Проблемы обеспечения надежности и качества приборов, устройств и систем" (Воронеж 2000-2001 гг.); Трудах всероссийской конференции "Интеллектуализация управления в социальных и экономических системах" (Воронеж, 2001-2003 гг.); Международной научно-технической конференции "Системные проблемы качества, математического моделирования и информационных технологий" (Москва-Воронеж-Сочи 2001 г.); ежегодных научных конференциях профессорско-преподавательского состава Воронежского государственного технического университета.

Публикации. По теме диссертационной работы опубликовано 9 печатных работ.

В работах, опубликованных в соавторстве и приведенных в конце автореферата, лично соискателю принадлежит: в [2] постановка задачи, в [3] комбинаторная модель проектирования систем поддержки принятия решений на основе набора компонентов, в [8] процедуры многоцелевой оптимизации, ориентированные на интеллектуальную поддержку процессов принятия решений и эффективное сочетание априорной и текущей информации об объектах проектирования.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы из 112 наименований и приложения. Основной объем работы составляют 142 страниц текста, 17 рисунков и 6 таблиц.

4.4. Основные выводы главы

Сложность и разнообразие практических задач выбора вызывают потребность в разработке развитых программных систем решения все новых и новых их классов. Хотя учет специфики конкретного класса задач является одним из важнейших факторов повышения эффективности функционирования СППР, все же, учитывая наличие многих общих аспектов в математических моделях и методах решения задач, относящихся к данному классу, вряд ли была бы целесообразной разработка разных СППР, ориентированных на использование при решении каждого такого класса.

Созданный технологический комплекс, ориентированный на генерацию эффективных прикладных СППР, позволил разработать на его основе с максимальным использованием уже разработанных компонентов специализированные СППР "Альтернатива" и "Конкурс", учитывающие специфику постановки, получения и использования результатов решения конкретных задач выбора.

По результатам внедрения в органы управления СППР "Альтернатива" и "Конкурс" получен экономический эффект в сумме более 134 тыс. руб.

ЗАКЛЮЧЕНИЕ

В диссертационной работе предложена методика автоматизированного проектирования СППР, отличающаяся выделяем ряда типовых задач и определения механизма решения задачи путем формального разбиения ее на подзадачи и покрытия ее типовыми методами принятия решений.

Определен типовой элемент "ЗАДАЧА" и на основе проведенной классификации методов принятия решений сформирован набор типовых задач многокритериальной оптимизации. Указанный набор типовых задач в формате "Дано, Требуется определить" допускает представление в базе знаний методов решения задач.

Сформирована база знаний методов принятия решений, предназначенная для хранения этих методов в форме, удобной для автоматизированной разработки прикладных СППР, отличающаяся возможностью повторного использования методов решения задач.

База знаний методов решения задач составляет ядро системы автоматизированного проектирования прикладных СППР.

Предложена комбинаторная модель рационального выбора проектируемой на основе набора компонентов прикладной СППР с учетом характеристик компонентов и ограничений, накладываемых на "совместимость" компонентов, отличающаяся использованием метрик программного обеспечения в качестве критериев оптимизации.

Разработаны модели задача многокритериальной оптимизации, ориентированные на поиск оптимальных алгоритмов с учетом их модульной структуры, а также механизмов ведения памяти и режимов работы системы, отличающиеся возможностью использования вероятностного алгоритма псевдобулевой оптимизации.

Модифицирован метод многоальтернативной оптимизации, предусматривающий в качестве инвариантной части вероятностный алгоритм дискретной оптимизации псевдобулевой функции векторного аргумента, к которому предъявляется требование булевости, отличающийся возможностью выполнения условий локального улучшения с учетом эквивалентного преобразования ее из матричной формы в векторную.

Разработаны процедуры многоцелевой оптимизации, обеспечивающие интеллектуальную поддержку процессов принятия решений и эффективное сочетание априорной и текущей информации об объектах проектирования

Созданный технологический комплекс, ориентированный на генерацию эффективных прикладных СППР, позволил разработать на его основе с максимальным использованием уже разработанных компонентов специализированные СППР "Альтернатива" и "Конкурс", учитывающие специфику постановки, получения и использования результатов решения конкретных задач выбора.

СППР "Альтернатива" и "Конкурс" внедрены на ОАО "Видеофон" (г. Воронеж) и в государственные органы управления. Получен годовой экономический эффект в сумме более 134 тыс. руб.

1. Актуальные задачи теории динамических систем управления: Сб. науч. ст. / АН БССР, Ин-т математики; под ред. Р. Габасова и др. Минск: Наука и техника, 1989. 332 с.

2. Алексеев А.В., Борисов А.Н., Слядзь Н.Н. и др. Исследовательское проектирование в кораблестроении на основе гибридных экспертных систем. // Программные продукты и системы, 1994. № 1. С. 33-39.

3. Артемьева И. Л., Суров В. В. Разработка методов решения задач для одного класса систем логических соотношений: Препринт. Владивосток: ИАПУ ДВО РАН, 1999. 52 с.

4. Архангельский А.Я. Программирование в С++ Builder 4. М.: ЗАО "Издательство БИНОМ", 1997. 928 с.

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

6. Байдун В.В., Бунин А.И. Средства представления и обработки знаний в системе FRL/PS // Всесоюзная конф. по искусственному интеллекту: Тез. докл. Т. 1. Минск, 1990. С. 66-71.

7. Балашов С.Ю. Валидация и синтез модели требований к программному обеспечению сложных систем обработки данных // Интеллектуализация управления в социальных и экономических системах: Тр. Всерос. конф. Воронеж: 2003, С. 66-67.

8. Балашов С.Ю. Интеллектуальные датчики информации в системах поддержки принятия решений организационного типа // Проблемы обеспечения надежности и качества приборов, устройств и систем: Межвуз. сб. науч. тр. Воронеж: ВГТУ, 2000. С. 18-24.

9. Балашов С.Ю. Комбинаторная модель выбора компонентов сложных систем обработки данных и методы ее решения // Интеллектуализация управления в социальных и экономических системах: Тр. Всерос. конф. Воронеж: 2003,С. 43-45.

10. Балашов С.Ю. Организация системы поддержки принятия решений в САПР на базе типовых элементов // Интеллектуализация управления в социальных и экономических системах: Тр. Всерос. Конф. 4.2. Воронеж, 2003. С. 141-144.

11. Балашов С.Ю. Разработка библиотеки методов решения задач проектируемых СППР // Интеллектуализация управления в социальных и экономических системах: Тр. Всерос. конф. Воронеж: 2001, С. 48-50.

12. Балашов С.Ю., Муратов А.В. Вероятностный алгоритм оптимального выбора компонентов программных систем // Интеллектуализация управления в социальных и экономических системах: Тр. Всерос. конф. Воронеж: 2003, С. 57-60.

13. Балашов С.Ю., Муратов А.В. Интеллектуализация технологии автоматизированного проектирования систем поддержки принятия решений // Проблемы обеспечения надежности и качества приборов, устройств и систем: Межвуз. сб. науч. тр. Воронеж: ВГТУ, 2000. С. 4-9.

14. Балашов С.Ю., Муратов А.В. Структурно-компонентное проектирование сложных систем обработки информации // Интеллектуализация управления в социальных и экономических системах: Тр. Всерос. конф. Воронеж: 2001, С. 34-35.

15. Батищев Д.И. Методы оптимального проектирования. М.: Радио и связь, 1984. 248 с.

16. Белкин А.Р., Левин М.Ш. Принятие решений: комбинаторные модели аппроксимации информации. М.: Наука, 1990. 160 с.

17. Березовский Б.А., Гнедин А.В. Задача наилучшего выбора. М.: Наука, 1984. 196 с.

18. Борисов А.Н., Вилюмс Э.Р., Сукур Л.Я. Диалоговые системы принятия решений на базе мини-ЭВМ: Информационное, математическое и программное обеспечение. Рига: Зинатне, 1986. 195 с.

19. Быков В.П. Методическое обеспечение САПР в машиностроении. Л.: Машиностроение. Ленингр. отд-ние, 1989. 255 с.

20. Borland С++ Builder. Энциклопедия пользователя: Пер. с англ. / Ч. Калверт. К.: ДиаСофт, 1997. 848 с.

21. Вагнер Г. Исследование операций. Т. 1-3. М.: Мир, 1972., 335 е., 488 е., 501 с.

22. Вендров A.M. Проектирование программного обеспечения экономических информационных систем. М.: Финансы и статистика, 2000. 352 с.

23. Виноградов И.Д., Смирнов С.В. Композиция концептуальных схем сложных систем // Проблемы управления и моделирования в сложных системах: Труды международной конф. Самара: СНЦРАН, 1999. С 57-68.

24. Волкова Г.Д. Концептуальное моделирование при создании прикладных автоматизированных систем // Сб. науч. тр. Пятой национальной конференции с международным участием "Искусственный интеллект-96", т. III. Казань, 1996. С. 440-446.

25. Волкова Г.Д. Концептуальное моделирование при создании САПР машиностроительного назначения // Межотраслевой науч.-техн. сб. "Техника. Экономика" серия "Автоматизация проектирования" М.: ВИМИ, 1994. Вып.4. С. 6-15.

26. Вязгин В.А., Федоров В.В. Математические методы автоматизированного проектирования: Учеб. пособие для втузов. М.: Высш. шк., 1989. 184 с.

27. Герман О.В., Боровский Ю.В., Безверхов В.Н. и др. Входной язык спецификации задач в человеко-машинной решающей системе // Программирование, 1997. № 6. С. 51-57.

28. Глушков В. М., Капитонова Ю. В., Летичевский А.А. О применении метода формализованных технических заданий к проектированию программ обработки структур данных // Программирование, 1978. № 6. С. 31-43.

29. Глущенко В.В., Глущенко И.И. Разработка управленческого решения. ТОО "Крым", 1997. 215 с.

30. Грешилов А.А. Как принять наилучшее решение в реальных условиях. М.: Радио и связь, 1991. 320 с.

31. Деордица Ю.С., Нефедов Ю.М., Исследование операций в планировании и управлении. Киев: Выща шк., 1991. 270 с.

32. Джексон П. Введение в экспертные системы: Пер. с англ. М.: Изд. дом "Вильяме", 2001. 624 с.

33. Джонс Дж.К. Методы проектирования. М.: Мир, 1986. 326 с.

34. Емельянов С.В., Дудин Е.Б., Ларичев А.К. и др. Подготовка и принятие решений в организационных системах. Итоги науки и техники. Техническая кибернетика. Т.4. М.: ВИНИТИ, 1971. 315 с.

35. Ершов А.П., Ильин В.П. Пакеты прикладных программ как методология решения прикладных задач // Пакеты прикладных программ. Проблемы и перспективы. М.: Наука, 1982. С. 1-19.

36. Жиглявский А.А, Математическая теория глобального случайного поиска. Л.: Изд-во ЛГУ, 1985. 293с.

37. Забежайло М.И. Интеллектуальный анализ данных новое направление развития информационных технологий // Информационные процессы и системы, 1988. № 8. С.6-15.

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

39. Калянов Г.Н. CASE структурный системный анализ (автоматизация и применение). М.: Изд-во «Лори», 1996. 279 с.

40. Калянов Г.Н. CASE-технологии. Консалтинг при автоматизации бизнес-процессов. 2-е изд. перераб. и доп. М.: Горячая линия Телеком, 2000. 320 с.

41. Каплинский А.И., Руссман И.Б., Умывакин В.М. Моделирование и алгоритмизация слабоформализованных задач выбора наилучших вариантов систем. Воронеж: Изд-во ВГУ, 1990. 234 с.

42. Кини P.JL, Райфа X. Принятие решений при многих критериях: предпочтения и замещения. М.: Радио и связь, 1981. 560 с.

43. Кини Р.Л., Райфа X. Принятие решений при многих критериях. М.: Радио и связь, 1981. 380 с.

44. Кирсанов Б.С., Попов Э.В. Отечественные оболочки экспертных систем // В кн. Искусственный интеллект. Кн. 1. Системы общения и экспертные системы, 1990. С. 369-388.

45. Коваль В.Н., Палагин А.В., Рабинович З.Л. Вопросы методологии и формализации постановок и решения проблем // Кибернетика и системный анализ, 1995. № 3, С. 138-143.

46. Ковригин О.В., Перфильев К.Г. Гибридные средства представления знаний в системе СПЭИС // Всесоюзная конф. по искусственному интеллекту: Тез. докл. Т.2. Переяславль-Залесский, 1988. С. 490-494.

47. Кузин Е.С. Концепции информационной технологии функционально-ориентированного проектирования прикладных программных систем // Информационные технологии, 2000. № 1. С.3-9.

48. Курицкий Б.Я. Оптимальное решение? это очень важно! Л.: Машиностроение. Ленинградское отд-ние, 1984. 126 с.

49. Ларичев О.И., Мошкович Е.М. Качественные методы принятия решений. Вербальный анализ решений. М.: Наука, 1996. 208 с.

50. Лебедев Г. Н. Методы принятия оперативных решений в задачах управления и контроля. М.: Изд-во МАИ, 1992. 120 с.

51. Лескин А.А., Мальцев В.Н. Системы поддержки управленческих и проектных решений. Л.: Машиностроение. Ленингр. отд-ние, 1990. 167 с.

52. Львович Я.Е., Фролов В.Н. Теоретические основы конструирования, технологии и надежности РЭА: Учеб. пособие для вузов. М.: Радио и связь, 1986. 195 с.

53. Майерс Г. Надежность программного обеспечения. М.: Мир, 1980.360 с.

54. Методы и алгоритмы решения задач оптимизации / И.В. Бейко, Б.Н. Бублик, П.Н. Зинько Киев: Вища школа, 1983. 512 с.

55. Нечеткие множества и теория возможностей: Последние достижения / Под ред. Р.Ягера. М.: Радио и связь, 1986. 405 с.

56. Николов А.С. Анализ состояния и тенденции развития информатики. Проблемы создания экспертных систем // Исследовательский отчет. София. Интерпрограмма, 1990. 112 с.

57. Ойхман Е.Г., Попов Э.В. Реинжиниринг бизнеса: реинжиниринг организаций и информационные технологии. М.: Финансы и статистика, 1997. 336 с.

58. Остапенко Е.В., Муратов А.В. Алгоритмизация процедур синтеза конструкций медицинской аппаратуры при воздействии тепловых нагрузок // Компьютеризация в медицине. Межвуз. сб. науч. тр. Воронеж, 1993. С. 158164.

59. Парасюк И.Н., Калита А.В., Провотар А.И. CASE-система структурно-модульного композиционного программирования: концептуальные основы // Управляющие системы и машины, 1993. №2. С. 140-144.

60. Попов Э.В., Фоминых И.Б., Кисель Е.Б. Статические и динамические экспертные системы. М.: Финансы и статистика, 1996. 320 с.

61. Поспелов Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов. М.: Радио и связь, 1989. 184 с.

62. Построение экспертных систем // Под ред. Хейес-Рота, Д. Уотерме-на, Д. Лената. М.: Мир, 1987. 441 с.

63. Потапчук Г. А. Об одном подходе к созданию системной части оптимизационных пакетов // Математическое и программное обеспечение задач дискретной оптимизации. Киев: Ин-т кибернетики АН УССР, 1989. С. 42-47.

64. Потапчук Г.А., Скукис А.Е. Организация вызова функциональных модулей в пакете прикладных программ ДИСНЕЛ // Технология и методы решения задач прикладной математики. Киев: Ин-т кибернетики АН УССР, 1991. С. 31-35.

65. Саати Т. Целочисленные методы оптимизации и связанные с ними экстремальные проблемы. М.: Мир, 1973. 299 с.

66. Сергиенко И.В., Каспшицкая М.Ф. Модели и методы решения на ЭВМ комбинаторных задач оптимизации. Киев: Наук, думка, 1981. 288с.

67. Соловьев С.Ю., Соловьева Г.М. Вопросы организации баз знаний в системе ФИАКР // Экспертные системы: состояние и перспективы. Под ред. Д.А. Поспелова. М.: Наука, 1989. С. 47-54.

68. Тельнов Ю.Ф. Интеллектуальные информационные системы в экономике. М.: СИНТЕГ, 1999. 216 с.

69. Технологии разработки программного обеспечения: Учебник / С.А. Орлов. СПб.: Питер, 2002. 464 с.

70. Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. М.: Наука, 1983.224 с.

71. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. Серия "Информатизация России на пороге XXI века". М.: СИНТЕГ, 1998. 376 с.

72. Тыугу Э.Х. Концептуальное программирование. М.: Наука, 1984.256 с.

73. Фалмер P.M. Энциклопедия современного управления. В 5 т. Т1. Основы управления. Планирование как функция управления. М.: ВИПК Энерго, 1992. 168 с.

74. Фатхутдинов Р.А. Разработка управленческих решений. М.: ЗАО "Бизнес-школа" Интел-Синтез", 1998. 272 с.

75. Фридман A.JI. Основы объектно-ориентированной разработки программных систем. М.: Финансы и статистика, 2000. 192 с.

76. Хоменюк В.В. Элементы теории многоцелевой оптимизации. М.: Наука, 1983. 124 с.

77. Хорошевский В.Ф. Управление проектами в интеллектуальной системе PIES Workbench // Изв. РАН Серия "Техническая кибернетика", № 5. 1993. С. 71-98.

78. Хохлюк В.К, Параллельные алгоритмы целочисленной оптимизации М.: Радио и связь, 1987. 224 с.

79. Хювянен Э., Сеппянен Й. Мир ЛИСПа. В 2-х т. М.: Мир, 1991. 447с.

80. Шапиро Д.И. Принятие решений в системах организационного управления. Использование расплывчатых категория. М.: Энергоатомиздат, 1983. 185 с.

81. Штойер Р. Многокритериальная оптимизация. Теория, вычисления и приложения: Пер. с англ. М.: Радио и связь, 1992. 504 с.

82. AngeleJ., Fensel D., Studer R. Developing knowledge-based systems with MIKE // Journal of Automated Software Engineering, 1998.

83. Benjamins V. R. Problem Solving Methods for Diagnosis. PhD thesis, University of Amsterdam, Amsterdam, The Netherlands, 1993.

84. Benjamins V. R., Fensel D., Straatman R. Assumptions of problem-solving methods and their role in knowledge engineering. In Wahlster W. (Editors), Proceedings ECAI-96. J. Wiley & Sons, Ltd., 1996. PP. 408-412.

85. Benjamins V. R., Pierret-Golbreich C. Assumptions of problem-solving methods. In Shadbolt N., O'Hara K., Schreiber G. (Editors), Lecture Notes iniL

86. Artificial Intelligence, 1076, 9 European Knowledge Acquisition Workshop, EKAW-96. Berlin: Springer-Verlag, 1996. PP. 1-16.

87. Breuker J., van de Velde W. CommonKADS Library for Expertise Modeling, Reusable Problem Solving Components. IOS Press, Amsterdam, Oxford, Washington DC, 1994.

88. Chandrasekaran B. Design Problem Solving: A Task Analysis // The AI Magazine, Vol. XI, N. 4, 1990. PP. 59-71.

89. Chandrasekaran B. Generic tasks in knowledge based reasoning: High level building blocks for expert system design // IEEE Expert, 1(3), 1986. PP. 2330.

90. Chandrasekaran B. Towards a Taxonomy of Problem Solving Types // The AI Magazine, Vol. IV. N.I. 1983. PP. 9-17.

91. Chandrasekaran В., Johnson T. R, Smith J. W. Task Structure Analysis for Knowledge Modeling // Communications of the ACM, 35(9), 1992. PP. 124137.

92. Chandrasekaran В., Mittal S. Conceptual Representation of Medical Knowledge for Diagnosis by Computer: MDX and Related Systems. In M. Yovits (Editor), Advances in Computers. Academic Press, 1983. PP. 217-93.

93. Chandrasekaran В., Mittal S., Gomez F., Smith, J. An Approach to Medical Diagnosis Based on Conceptual Structures. // Proceedings of IJCAI-6. 1979. PP. 134-42.

94. Feigenbaum E. A. The Art of Artificial Intelligence: Themes and Case Studies of Knowledge Engineering // Proceedings of the Fifth International Joint Conference on Artificial Intelligence, Cambridge, MA, 1977.

95. Fensel D., Groenboom R. Specifying Knowledge-Based Systems with Reusable Components // Proceedings of the 9th International Conference on Software Engineering & Knowledge Engineering (SEKE-97), Madrid, Spain, 1997.

96. Heijst G., Schreiber А. Т., Wielinga B. J. Using explicit ontologies in KBS d evelopment //International Journal of Human-Computer Studies, 46(2/3), 1997. PP. 183-292.

97. Josephson J. R., Chandrasekaran В., Smith J. W. Assembling the Best Explanation // Proceedings of the IEEE Workshop on Principles of Knowledge-Based Systems, IEEE Computer Society, 1984.

98. Nunes de Barros L., Valente A., Benjamins V. R. Modeling planning tasks // Third International Conference on Artificial Intelligence Planning Systems, AIPS-96, American Association of Artificial Intelligence, 1996. PP. 11-18.

99. O'Hara K. The GDM Grammar, v.4.6. VITAL Project Report NOTT/T252.3.3. AI Group, Department of Psychology, University of Nottingham, UK, 1995.

100. Orsvarn K. Knowledge modeling with libraries of task decomposition methods. Ph. D. Thesis. Swedish Institute of Computer Science, 1996.

101. Puerta A., Egar J., Tu S., Musen M. A multiple-method shell for the automatic generation of knowledge acquisition tools // Knowledge Acquisition, 4, 1992. PP. 171-196.

102. Puppe F. Systematic Introduction to Expert Systems: Knowledge Representation and Problem-Solving Methods. Springer-Verlag, Berlin, 1993.

103. Schreiber А. Т., Wielinga B. J., Akkermans H., van de Velde W., Anjewierden A. CML: The CommonKADS Conceptual Modelling Language. In Steels L, Schreiber А. Т., van de Velde W. (Editors), A Future for Knowledge

104. Acquisition, Proceedings of the 8th European Knowledge Acquisition Workshop. Springer-Verlag, LNAI 867, 1994. PP. 283-300.

105. Shadbolt N., Motta E., Rouge A. Constructing Knowledge-based Systems // IEEE Software 10(6), Nov. 1993. PP. 34-38.

106. S teels L. T he с omponential framework a nd i ts r ole i n r eusability. I n David J. M., Krivine J. P., Simmons R. (Editors), Second Generation Expert Systems, Berlin Heidelberg, Germany, Springer-Verlag, 1993. PP. 273 -298.

107. Teije A. Automated Configuration of Problem Solving Methods in Diagnosis, Ph. D. thesis, University of Amsterdam, the Netherlands, 1997.