автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.12, диссертация на тему:Информационное обеспечение автоматизированного проектирования на основе нечетких реляционных серверов данных

Введение.

Глава 1. Обзор и сравнительный анализ работ, посвященных представлению нечетких данных в системах управления базами данных.

1.1 .Классификация неопределенностей.

1.2.Обзор теорий и методов обработки неопределенностей.

1.2.1 .Классические теории.

1.2.2.Теория грубых множеств.

1.2.3.Теория нечетких множеств.

1.2.4.Сравнительный анализ теорий.

1.3 .Системы управления базами данных.

1.3.1.Общее направление развития технологий баз данных.

1.3.2.Реляционные СУБД.

1.3.3.Постреляционные системы.

1.3.4.Распределенные СУБД.

1 АНаправления исследований в области нечеткой логики.

1.4.1 .Реляционная алгебра и теория нечетких множеств.

1.4.2.Представление нечетких данных в СУБД.

1.5.Классификация существующих моделей представления нечетких данных.

1.6.Нечеткие модели в САПР.

1.7.3адача представления нечетких данных в современных СУБД.

1.8.Выводы.

Глава 2. Нечеткая реляционная модель данных.

2.1.Теоретические основы модели.

2.1.1 .Нечеткие числа и операции над ними.

2.1.2.Реляционная алгебра.

2.2.Требования к модели и ее ограничения.

2.3.Нечеткая реляционная модель данных.

2.3.1.Способ представления данных.

2.3.2.Арифметические операции.

2.3.3.Реляционные операторы.

2.3.4.Расширение языка запросов.

2.4.Свойства нечеткой реляционной модели.

2.5.Нечеткая реляционная модель данных в САПР.

2.6.Вывод ы.

Глава 3. Реализация нечеткой базы данных.

3.1 .Выбор инструментальных средств и технологий.

3.2.Серверная часть.

3.2.1 .Схема данных.

3.2.2.Механизмы обработки нечетких данных.

3.2.3.Требования к установке системы.

3.2.4.Примеры работы с нечеткими отношениями.

3.2.5.Направления развития системы.

3.3.Клиентская часть.

3.4.Вывод ы.

Глава 4. Автоматизация проектирования в условиях нечеткой информации

4.1.Задача проектирования стендового технологического оборудования 126 4.1.1 .Постановка задачи.

4.1.2.Интеллектуальная система поддержки принятия решений: структура и функции.

4.1.3.Примеры взаимодействия с нечеткой СУБД.

4.2.БД «Состав изделия» и задача поиска аналогов.

4.2.1 .Постановка задачи.

4.2.2.Структурно-функциональное решение.

4.3.Анализ эффективности нечетких запросов.

4.4.Вывод ы.

Общая характеристика работы. Проектирование сложных технических изделий выполняется в наши дни распределенным коллективом проектировщиков, использующих информационные технологии и работающих в условиях развитой корпоративной сети. Средством согласования проектных решений служит репозитарий проекта, представляющий собой информационное хранилище (базу данных) всех проектных документов. В условиях, когда сроки разработки нового изделия определяют рыночный успех фирмы, архив старых проектных решений не может быть хранилищем микрофильмированных или тем более бумажных материалов. Как архив проектов, так и репозитарий проекта должны быть активными хранилищами данных. Международные стандарты (ISO-9000) требуют от предприятий иметь полное электронное представление изделий, которое должно строиться в ходе проектирования на базе репозитария текущего проекта. Построить такое информационное обеспечение автоматизированного проектирования можно только на основе современных серверов данных, работающих в рамках клиент-серверной технологии.

Сложность использования систем управления базами данных (СУБД) для организации конструкторских баз данных (БД) состоит не только в ограничениях реляционной модели, но и в необходимости представлять неполностью определенные проектные решения. В процессе поискового творческого проектирования часть значимой информации обязательно будет неопределенной, неточной, нечеткой. Запрос, формируемый проектировщиком в таких условиях, должен быть гибким, содержащим нечеткие условия. Очень важным видом запроса, позволяющим сократить сроки разработки изделия, является запрос аналогичного проектного решения. Аналогия между объектами может быть выражена на основе нечетких отношений. Вместе с тем необходимо учитывать распространенность языка запросов SQL. Необходимо расширение современной реляционной модели, которое позволило бы учесть такие 6 особенности автоматизированного проектирования изделий как хранение и обработка неопределенной информации. При этом новые возможности необходимо предложить проектировщикам в форме привычного SQL-запроса.

Таким образом, в теории и практике существует важная научно-техническая задача создания методов и средств организации информационного обеспечения систем автоматизированного проектирования (САПР), способного осуществлять хранение и обработку неопределенных данных.

Актуальность проблемы. В работах Д.Дюбуа и Г.Прада предлагается расширение реляционной модели данных на основе теории возможности. Предложено формировать результаты запросов к реляционной модели, содержащей возможностный атрибут на основе распределения возможности. Но в данных работах не решены многие вопросы организации среды хранения и обработки нечетких данных средствами SQL-языка, являющегося фактическим стандартом языка запросов. Большинство работ других авторов носят теоретический характер и иллюстрируются экспериментальными программами на языках типа ЛИСП или ПРОЛОГ. Разработка новой нечеткой реляционной модели данных и реализация ее для промышленного сервера данных, например, класса СУБД Oracle, имеет научно-практический смысл.

В работах отечественных ученых А.Н.Мелихова, Л.С.Бернштейна, А.В.Боженюка успешно решены задачи поиска проектного решения по аналогии, основанной на теории нечетких систем. Взаимодействие интеллектуальных нечетких систем и систем данных в составе интегрированной интеллектуальной САПР требует от СУБД организации хранения кортежей с нечеткими атрибутами. Предложенные перечисленными авторами методы применены для САПР машиностроения. В работах М.Р.Кагаловского, А.Р.Саймона и других предложены перспективные идеи разработки постреляционных баз данных, в том числе активных. Но конкретная научно-техническая задача построения модели нечеткого реляционного сервера данных для автоматизированного проектирования не решена в науке и практике.

С учетом вышесказанного разработка расширенной реляционной модели, адекватной проектной информации, и структурно-функционального решения, учитывающего современные (клиент-серверные) технологии, является актуальной задачей.

Цель диссертационной работы. Целью диссертации является исследование особенностей проектной информации и разработка информационного обеспечения автоматизированного проектирования на основе расширенной нечеткой реляционной модели данных.

Для нечеткой реляционной модели данных необходимо разработать структурно-функциональное решение.

Таким образом, объектом исследования является информационное обеспечение САПР, а субъектом исследования - фактор неполноты проектной информации, представимой в репозитарии проекта.

Задачи исследования. Для достижения поставленной цели необходимо решить ряд задач:

1. Исследовать особенности проектной информации. Провести сравнительный анализ результативности современных моделей неопределенности для задач организации информационного обеспечения САПР. Изучить ранее разработанные реляционные модели данных, учитывающие нечеткость атрибутов объектов и сделать вывод о возможности их применения для организации баз данных проектирования.

2. Разработать модель, расширяющую реляционную модель с точки зрения возможности представления и обработки нечетких данных. Модель должна обладать свойством реализуемости в современных серверах данных.

3. Разработать алгоритмы выполнения операций модифицированной реляционной алгебры для случая, когда отношения и кванторы запроса являются нечеткими. Построить подмножество языка запросов SQL (Fuzzy SQL).

4. Разработать структурно-функциональное решение нечеткого реляционного сервера данных для автоматизированного проектирования.

5. Реализовать программную систему, выполняющую хранение неполной проектной информации и обработку гибких нечетких запросов.

6. Выполнить на основе нечеткого реляционного сервера данных конструкторскую базу данных, допускающую гибкие нечеткие запросы для конкретных проектных организаций. Оценить на основе внедрения результативность нечеткого реляционного сервера.

Методы исследования. Для решения поставленных задач использовались аппарат реляционной алгебры, методы представления знаний, совокупность теорий, обобщенных направлением мягких вычислений, и проектирования программных систем.

В качестве инструментальных средств использовались: сервер баз данных Oracle8i, Java Developer Kit (Sun Microsystems), Pro*C (Oracle), ANSI С (Hewlett Packard).

Научная новизна. В работе проведено исследование проблемы, в котором новыми являются следующие результаты:

1. Предложена новая модель хранения кортежей реляционной базы данных с нечеткими атрибутами. Отличие построенной модели от известных заключается в том, что для организации среды хранения функций принадлежности используется кусочно-линейная аппроксимация функций. Модель позволяет представить в базе данных неопределенные проектные решения.

2. Впервые построена модифицированная расширенная реляционная модель данных, отличающаяся от ранее известных тем, что операции проекции, выбора и соединения выполняются для кортежей с нечеткими атрибутами. Модель позволяет использовать нечеткие отношения и нечеткие квантификаторы в расширенном реляционном запросе. Предложено определение базового предиката равенства на основе дефаззификации пересечения функций принадлежности атрибутов.

3. Разработано новое структурно-функциональное решение нечеткого реляционного сервера данных на основе хранимых процедур и триггеров сервера данных.

Практическая значимость работы. Научно-исследовательская работа над разделами диссертации выполнялась в соответствии с рядом госбюджетных НИР: "Информационные системы в экономике", в рамках хозяйственного договора 40/206-01 с ФГУП «Ульяновский механический завод», в составе программы международного сотрудничества ERUDIT (European Network in Uncertainty Techniques Developments for Use in Information Technology).

Практическая ценность полученных результатов состоит в следующем:

1. Созданная программная система - нечеткий реляционный сервер данных позволяет организовывать информационное обеспечение САПР. На основе нечеткой реляционной модели данных можно создавать как репозитарий текущего проекта, так и архив проектных решений. Для ФГУП «Ульяновский механический завод» была построена на его основе конструкторская база данных.

2. Созданная программная система является инструментом для исследования расширенной реляционной модели данных. Наиболее перспективным направлением исследований является исследование свойств новой модели (нормальные формы, функциональные зависимости).

3. Созданная программная система используется в учебном процессе по дисциплинам «Базы данных» и «Введение в теорию нечетких множеств» на кафедре «Информационные системы» Ульяновского государственного технического университета.

Достоверность результатов диссертационной работы. Достоверность научных положений, выводов и рекомендаций подтверждена результатами математического моделирования, результатами экспериментов и испытаний, а также результатами использования материалов диссертации и разработанных систем в проектных организациях и на производстве.

На защиту выносятся:

1. Модель нечеткой системы управления базами данных, позволяющая организовать хранение и обработку нечетких чисел, представленных в виде кусочно-линейных функций принадлежности. Модель расширяет существующую реляционную модель данных.

2. Алгоритмы выполнения нечетких реляционных и арифметических операций, позволяющие обрабатывать нечеткие запросы, содержащие лингвистические термины.

3. Структурно-функциональное решение нечеткой системы управления базами данных реализованное в рамках существующего промышленного сервера данных как активная совокупность триггеров и хранимых процедур и позволяющее организовывать конструкторские базы данных и представлять в них проектную информацию с неопределенностью.

Реализация результатов работы. Результаты диссертации и практические рекомендации использованы в ФГУП «Ульяновский механический завод» в форме конструкторской базы данных.

Программа управления нечеткими данными FuzzyData Manager зарегистрирована в Информационно-библиотечном фонде Российской Федерации.

Научные и практические результаты диссертационной работы внедрены в учебный процесс в Ульяновском государственном техническом университете.

Практическое использование результатов диссертационной работы подтверждено соответствующими документами о внедрении.

Апробация работы. Основные положения и результаты диссертации доложены и получили одобрение на 6 международных и 4 всероссийских конференциях. Неоднократно основные положения диссертационной работы докладывались и обсуждались на научно-технических конференциях различного уровня в Ульяновском государственном техническом университете, а также на 7-ой национальной конференции по искусственному интеллекту с международным участием.

По теме диссертации опубликовано 17 печатных работ, в том числе 1 журнальная статья, 9 статей в материалах международных и российских конференций, 1 информационная карта регистрации программы, 1 отчет о результатах НИР и 5 тезисов докладов.

Личный вклад. Все результаты, составляющие содержание диссертации, получены автором самостоятельно.

Основные выводы и итоги:

1. Выполнен научный анализ современных работ в области информационного обеспечения САПР, рассмотрены перспективы постреляционных СУБД, проанализированы возможности применения в ходе автоматизированного проектирования ранее созданных расширенных реляционных моделей данных.

2. Построена модель представления и среда хранения кортежей с нечеткими атрибутами в рамках существующего сервера данных. Модель реализуема на уровне схемы данных и может быть представлена служебными рабочими таблицами.

3. Построена расширенная реляционная алгебра, учитывающая неопределенность данных, и алгоритмы реализации основных ее операций (проекция, выбор, соединение) для случая кортежей, содержащих нечеткий атрибут. Построено дополнительное подмножество языка SQL для запросов, содержащих нечеткие отношения и нечеткие квантификаторы.

4. Разработано структурно-функциональное решение нечеткой системы управления базами данных. Среда хранения кортежей с нечеткими атрибутами строится как специальная схема данных и набор служебных рабочих таблиц. Реализация инвариантных операций модели выполнена в форме триггеров и хранимых процедур

5. Реализована программная система - нечеткий реляционный сервер данных на основе СУБД Oracle8i

Построена конструкторская база данных для ФГУП «Ульяновский механический завод». Внедрение подтверждает результативность построенных моделей и алгоритмов. Разработанная система зарегистрирована в Информационно-библиотечном фонде РФ.

Заключение

Главным итогом диссертационной работы является разработка модели и алгоритмов нечеткого реляционного сервера данных.

1. Аверкин А.Н. Нечеткое отношение моделирования и его использование для классификации и аппроксимации в нечетких лингвистических пространствах. // Изв. АН СССР. Техническая кибернетика.- 1982.- N2.- с.215-217

2. Аверкин А., Батыршин И. Мягкие вычисления. Новости искусственного интеллекта, 3, 1996, 161-164.

3. Алиев Р.А. Теоретические аспекты построения размытых систем управления // Изв. вузов СССР. Нефть и газ, 1981. N9. с.83-87

4. Алиев Р.А., Абдикеев Н.М., Шахназаров М.М. Производственные системы с искусственным интеллектом.- М: Радио и связь. 1990. -264с.

5. Армстронг Е., Бобровский С., Фразини Д. и др. Сервер Огас1е7. Руководство разработчика приложений. Пер. с англ. АО РДТех Протвино. 1996.

6. Батыршин И.З. Методы представления и обработки нечеткой информации в интеллектуальных системах. Новости искусственного интеллекта, 1996, 2, 9 - 65.

7. Беллман Р., Заде J1. Принятие решений в расплывчатых условиях. // Вопросы анализа и процедуры принятия решений. / М. Мир, 1976.

8. Берштейн JI.C., Боженюк А.В. Нечеткие модели принятия решений: дедукция, индукция, аналогия. Монография. Таганрог: Изд-во ТРТУ, 2001. 110с.

9. Бобровски С. Oracle 7 и вычисления клиент-сервер. Пер. с англ. М.: Лори, 1996. 650с.

10. Бобровски С. Объекты в Огас1е8 / Русское издание Oracle Magazine N4, 1997

11. Борисов А.Н., Алексеев А.В., Крумберг О.А. и др. Модели принятия решений на основе лингвистической переменной. Рига: Зинатне, 1982

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

13. Борисов А.Н. Системы, основанные на знаниях, в автоматизированном проектировании/Методическая разработка.-Рига: РПИ, 1989.- 126 с.

14. Борисов А.Н., Федоров И.ГТ. Формирование технических решений на основе экспертных знаний. Изв. АН СССР, Техническая кибернетика N5 1990, с. 154-164

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

16. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем СПб: Питер, 2000 - 386с.

17. Горбоконенко Е.А., Емелеев Э.Р. Обзор направлений развития разработок нечеткой логики в информационно-поисковых системах и системах с базами данных. Сборник тезисов докладов XXXIV Научно-технической конференции УлГТУ. Ульяновск: УлГТУ, 2000г.

18. Горбоконенко Е.А., Ярушкина Н.Г. Представление нечеткой информации в СУБД. Труды 7-ой национальной конференции поискусственному интеллекту с международным участием. М.: Из-во Физико-математической литературы, 2000г.

19. Горбоконенко Е.А. Реализация подсистемы обработки нечеткой информации в СУБД. Вестник УлГТУ N3, 2000г.

20. Горбоконенко Е.А. Применение JAVA-технологий в исследовании FUZZY-систем. Труды международной научно-технической конференции «Информационные технологии в математических исследованиях». Пенза: Пензенский технологический институт, 2000г.

21. Горбоконенко Е.А. Исследование возможности создания нечеткой базы данных. Труды международной научно-технической конференции «Информационные технологии в математических исследованиях». Пенза: Пензенский технологический институт, 2000г.

22. Горбоконенко Е.А. Организация нечеткой среды хранения на основе серверов данных. Проектирование экономических информационных систем: отчет по НИР N01990010088 / УлГТУ, Руководитель Ярушкина Н.Г. Инвентарный N02200102488 2000г.

23. Горбоконенко Е.А. Модифицированная нечеткая реляционная алгебра. Тезисы докладов XXXV научно-технической конференции УлГТУ «Вузовская наука в современных условиях». Ульяновск: УлГТУ, 2001г.

24. Горбоконенко Е.А., Ярушкина Н.Г. Применение нечеткой СУБД в САПР. Труды конгресса «Искусственный интеллект в XXI веке». Научное издание. М.: Издательство Физико-математической литературы, 2001г.

25. Горбоконенко Е.А. FuzzyData Manager. Регистрационный номер в Информационно-библиотечном фонде Российской Федерации 50200100422.

26. Горбоконенко Е.А., Ярушкина Н.Г. Реализация нечеткого поиска в БД архивов проектов. Научая сессия МИФИ-2002. Сборник научных трудов. Т.З. Интеллектуальные системы и технологии. М.: МИФИ, 2002г.

27. Грубер М. Понимание SQL. Пер. с англ. М. 1993. 420с.

28. Данелян Т.Я. Организация и функционирование больших информационных систем: Учебное пособие/ Моск. Экон.-стат. ин-т, -М. 1997г.

29. Дюбуа Д., Прад А. Теория возможностей. Приложения к представлению знаний в информатике.: Пер. с фр. М.: Радио и связь, 1990: 288 с.

30. Загоруйко Н.Г. Прикладные методы анализа данных и знаний. -Новосибирск: Изд-во Института математики, 1999. 270 с.

31. Заде JI. Понятие лингвистической переменной и его применение к принятию приближенных решений. М. Мир, 1976

32. Захаров В.Н., Ульянов С.В. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления. 2. Эволюция и принципы построения.-Известия АН РАН. Сер. Техн. кибернетика, N4, 1993, с. 189-205.

33. Интеллектуальные системы принятия проектных решений / Алексеев А.В., Борисов А.Н., Вилюмс Э.Р. Слядзь Н.Н., Фомин С.А. Рига: Зинатне, 1997. - 320 с.

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

35. Кофман А. Введение в теорию нечетких множеств. Пер. с франц. М.: Радио и связь, 1982. - 432с.

36. Кудрявцев Л.Д. Курс математического анализа: Учеб. для студентов университетов и вузов. В 3 т. М.: Высш. шк., 1988

37. Кузнецов С.Д. Введение в СУБД. СУБД, 1,1995 - 6,1996

38. Ладыженский Г. Технология клиент-сервер и мониторы транзакций. -Открытые системы, 4, 1994

39. Левин Р., Дранг Д., Эделсон Б. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике.- М.: Финансы и статистика, 1990.- 239с.

40. Линден Б. Сервер Огас1е7. Справочное руководство по языку SQL. Пер. с англ. АО РДТех Протвино. 1996.

41. Литвак Б.Г. Экспертная информация. Методы получения и анализа. -М.: Радио и связь, 1982.- 184с.

42. Лорьер Ж.-Л. Системы искусственного интеллекта: Пер. с франц.- М.: Мир, 1991.- 568с.

43. Маковский В.А., Похлебаев В.И. Базы знаний (экспертные системы). -М.: Издательство стандартов, 1993. 37с.

44. Максименков А.В., Селезнев М.Л. Основы проектирования информационно-вычислительных систем и сетей ЭВМ. М.: Радио и связь, 1991

45. Малышев Н.Г. и др. Нечеткие модели для экспертных систем в САПР / Н.Г.Малышев, Л.С.Берштейн, А.В.Боженюк. М: Энергоатомиздат, 1991.- 136 с.

46. Масалович А.И. Этот нечеткий, нечеткий, нечеткий мир / PC Week/RE N.16,1995.

47. Масалович А.И. Прогноз дает . компьютер / Софтмаркет, N 23, 1996, стр.6.

48. Математическая энциклопедия / Гл.ред. Виноградов И.М. М.: Советская энциклопедия. 1984 г.

49. Мейер Д. Теория реляционных баз данных; Пер. с англ. М: «Мир», 1987.-608с.

50. Мелихов А.Н., Бернштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука. Гл. ред. физ.-мат. лит. 1990.- 272с.

51. Мельцер М.И. Диалоговое управление производством. М.: Финансы и статистика, 1983.

52. Негойце К. Применение теории систем к проблемам управления. М.: Мир, 1981

53. Нейлор К. Как построить свою экспертную систему.-М.:Энергоатомиздат, 1991.- 286с.

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

55. Нечеткие множества и теория возможностей. Последние достижения. Пер. с англ. / Под ред. Ягера P.P. М.: Радио и связь, 1986 - 408с.

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

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

58. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981.

59. Пивкин В.Я., Бакулин Е.П., Кореньков Д.И. Нечеткие множества в системах управления, (http://idisys.iae.nsk.su/fuzzybook/content.html)

60. Попов Э.В. Экспертные системы. М: Наука, 1987. - 288с.

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

62. Поспелов Д.А. Моделирование рассуждений М.: Радио и связь, 1989.-184с.

63. Поспелов Д.А. Моделирование человеческих рассуждений в интеллектуальных системах//Лекции Всесоюз. шк. по основным проблемам искусственного интеллекта и интеллектуальным системам. Ч. 1.- Тверь: Центр программных систем, 1990.

64. Саати Р., Керне Д. Аналитическое планирование: организация систем. М.1992

65. Саймон А.Р. Стратегические технологии баз данных: менеджмент на 2000 год: Пер. с англ. / Под ред. и с предисл. Когаловского М.Р. М.: Финансы и статистика, 1999. - 479с.

66. Симкин С., Бартлетт Н., Лесли Л. Программирование на Java. Путеводитель. Пер. с англ. К.: НИПФ «ДиаСофт.Лтд.», 1996. 736с.

67. Системы автоматизированного проектирования в радиоэлектронике: Справочник/Авдеев Е.В., Еремин А.Т., Норенков И.П., Песков М.И.; Под ред. Норенкова И.П. Радио и связь, 1986. - 368с.

68. Тарасов В.Б. От искусственного интеллекта к искусственной жизни: новые направления в науках об искусственном. Новости искусственного интеллекта. N 4. с.93-117

69. Тартаковский A.M., Курносов В.Е. Информационные технологии проектирования оптимальных конструктивных форм на основе методов эколюционного моделирования. ИТПП N3-4, 1996 г., с.3-11

70. Теоретические основы САПР: Учебник для вузов. / Корячко В.П., Курейчик В.М., Норенков И.П. М.: Энергоатомиздат, 1987. - 400с.

71. Представление и использование знаний/Под ред. X. Уэно, М. Исидзука,- М.: Мир, 1989.- 220с.

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

73. Рыбина Г.В. Технология проектирования прикладных экспертных систем,- М.: МИФИ, 1991.- 104с.

74. Стефанюк В.Л. Некоторые аспекты теории экспертных систем// Известия АН СССР. Техническая кибернетика. 1987. - N2. - с.85-91.

75. Тарасов В.Б. Моделирование предпочтений в задачах принятия решений параметризованными нечеткими отношениями// Нечеткие системы: моделирование структуры и оптимизация.- Калинин:Изд-во КГУ, 1987.-с. 17-30.

76. Тарасов В.Б. Инструментальные средства разработки нечетких интеллектуальных систем.- Новости искусственного интеллекта, 3, 1991, с.93-107.

77. Уинстон Н. Искусственный интеллект. М: Мир, 1980. - 519с.

78. Уотермен Д. Руководство по экспертным системам. М: Мир, 1989.-388с.

79. Хорошевский В.Ф. Автоматизация программирования экспертных систем. М.: МИФИ, 1988.- 64 с.

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

81. Шостак А.П. Двадцать лет нечеткой топологии: основные идеи, понятия и результаты.- Успехи математических наук. 1989. - Т. 44. -N6. - с.99-147.

82. Экспертные системы для персонального компьютера: методы, средства, реализации: справочное пособие. Мн.:Выс. шк., 1990. -197с.

83. Экспертные системы. Принципы работы и примеры/Под ред. Р. Форсайта.- М.: Радио и связь, 1987.- 224с.

84. Экспертные системы: состояние и перспективы/Под ред. Д.А. Поспелова- М.: Наука, 1989.- 152с.

85. Элти Дж., Кумбс М. Экспертные системы: концепции и примеры. -М.: Финансы и статистика, 1987.- 191с.

86. Язенин А.В. Нечеткое математическое программирование. Калинин: КГУ, 1986

87. Язенин А.В. О непрямых методах нечеткого математического программирования // Нечеткие системы: моделирование структуры и оптимизация. Калинин, 1987

88. Язенин А.В. Модели возможностного программирования в оптимизации систем // Изв. АН СССР. Техническая кибернетика. 1991. N5

89. Ярушкина Н. Г. Автоматизированное проектирование сложных технических систем в условиях неопределенности. Диссертации насоискание ученой степени доктора технических наук. Ульяновск, УлГТУ, 1999 г.

90. Bellman R. Е., Zadeh L.A., Decision-Making in Fuzzy Environment, Management Science, 17, №4, 1970.

91. Eufit!98 6th European Congress on Intelligent Techniques and Soft Computing ELITE European Laboratory for Intelligent Techniques Engineering. Hrsg. Von Prof. Dr. Dr. h. c. Hans-Jurgen Zimmermann. -Aachen: Mainz, 1998 ISBN3-89653-500-5

92. Gorbokonenko E.A. The Usage of Fuzzy RDBMS in CAD Systems. Interactive Systems: The problems of Human Computer Interaction. -Proceedings of the International Conference. - Ulyanovsk: U1STU, 2001.

93. IFSA'97. Prague. Seventh International Fuzzy System Association World Congress. University of Economics Prague

94. Pawlak Z., Rough sets. Int. J. Computer and Information Sci., 11, 1982

95. Pawlak Z., Rough sets. Theoretical aspects of reasoning about data. Kluwer Academic Publishers, Dordrecht, 1991

96. Slowinski R., Rough set approach to decision analysis. AI Expert, March 1995

97. Tatra Mountaints. Mathematical Publications. Fuzzy Structures. Current Trends Volume 13 1997

98. Valium B.R. С++ Neural Networks and Fuzzy Logic. IDG Books Worldwide, Inc.ISBN: 1558515526