автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.11, диссертация на тему:Методика и информационно-программное обеспечение игрового проектирования моделей предметных областей для экспертных систем поддержки принятия решений

На правах рукописи

МОРОЗ Юлия Владимировна

МЕТОДИКА И ИНФОРМАЦИОННО-ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ИГРОВОГО ПРОЕКТИРОВАНИЯ МОДЕЛЕЙ ПРЕДМЕТНЫХ ОБЛАСТЕЙ ДЛЯ ЭКСПЕРТНЫХ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ

Специальность 05.13.11- Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Москва - 2009

о ГЕН 2^9

003477770

Работа выполнена на кафедре Вычислительной техники Государственного образовательного учреждения высшего профессионального образования «Московский государственный институт радиотехники, электроники и автоматики (технический университет)» (МИРЭА).

Научный руководитель:

доктор технических наук, профессор Болотова Людмила Сергеевна

Официальные оппоненты:

доктор технических наук Баринов Владимир Борисович

кандидат технических наук, с.н.с. Кучкаров Захир Анваровнч

Ведущая организация: Федеральное государственное образова-

тельное учреждение высшего профессионального образования «Российская академия государственной службы при Президенте Российской Федерации»

Защита состоится 14 октября 2009 г. в 12 час. 00 мин. на заседании диссертационного совета Д 212.131.05 при МИРЭА по адресу: г. Москва, пр. Вернадского, д. 78, в библиотеке.

С диссертацией можно ознакомиться в библиотеке МИРЭА.

Автореферат разослан 14 сентября 2009 г.

Отзывы на автореферат в двух экземплярах, заверенные печатью, просим направлять по адресу: 119454, г.Москва, пр.Вернадского, д. 78, диссертационный совет Д 212.131.05.

Ученый секретарь

диссертационного совета Д 212.131.05 ^¡^¿.^■_~ Е.Г. Андрианова

кандидат технических наук, доцент

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность. Наша современность характеризуется несколькими новыми свойствами, отличающими её от всех других этапов развития цивилизации: огромным количеством и типов предприятий, в каждом из которых обязательным элементом является система управления с лицами, принимающими решения; появлением принципиально новых возможностей благодаря глобальным сетям связи, вычислительной и цифровой технике, изменивших все традиционные сферы жизни человека: общение, обучение, работу, искусство и т.д.; огромным числом новых задач, требующих незамедлительных решений. Неизмеримо выросла роль информатизации, информационных систем, общество доросло до понимания необходимости у них «интеллекта». Осознание этого привело к новым типам систем, таких как хранилища данных, системы управления знаниями (СУЗ), системы поддержки принятия решений (СППР). Практически всегда в их «интеллект» входят экспертные системы (ЭС).

Сравнение показывает, что технология разработки СУЗ, СППР и ЭС практически совпадают (идентификация —► концептуализация —* формализация —► реализация —* тестирование). Но это означает, что и проблемы развития ЭС стали проблемами СУЗ и СППР.

Известно, что основой любой ЭС является модель предметной области (ПрО), важность и первостепенность которой подчеркивается появлением направления «Инженерия знаний» и профессии «Инженер по знаниям» (системный аналитик, инженер-когнитолог, менеджер по знаниям). Опытный инженер по знаниям должен быть и психологом, и философом, и педагогом, и лингвистом, и специалистом в областях получения, структурирования и формализации знаний, разбираться в инструментальных программных средствах проектирования и разработки ЭС, знать и уметь еще очень многое. Ко всему этому, он должен иметь хороший опыт практической разработки ЭС для произвольных ПрО. Очевидно, что в рамках тех академических часов, которые отводятся в вузах на лекции, лабораторные и курсовые работы, при отсутствии возможности участия студентов в НИ-Рах, за редкими исключениями, подготовить хорошего специалиста по знаниям невозможно.

Разработке теоретических основ инженерии знаний и реализации соответствующих методов в ЭС посвящены работы Андрейчикова A.B. и Андрейчиковой О.Н., Гавриловой Т.А., ОсиповаГ.С., Рыбиной Г.В., Сте-фанюка B.JL, Тарасова В.Б., Финна В.К., Хорошевского В.Ф., и др. Но, несмотря на огромный арсенал разработанных методов (более 200), проектирование моделей ПрО до сих пор остается искусством, т.к. эти методы не обеспечивают единого подхода, целостного видения проблемы и, соответственно, технологии разработки ЭС.

Известно, что исторически наиболее популярной формой стимулирования и активизации деятельности и, особенно обучения, являются игры различных форм и направленности. Разработке теории и практики деловых игр как наиболее популярного и распространенного метода активного обучения посвящены работы Вербицкого А.А., Геронимуса Ю.В., Данчу-лаА.Н., Емельянова Ю.Н., Красовского Ю.Д., Крюкова М.М. и Крюковой Л.И., ЛаденкоИ.С., Сыроежина И.М., Щедровицкого Г.П. и др. Применение деловых игр как метода инженерии знаний (экспертные игры), делалось (Гинкул Г.П.), но относительно решения узких (частных) задач, но не к технологии разработки СППР в целом.

Таким образом, недостаточная исследованность проблемы инженерии знаний остается главным тормозом для дальнейшего развития ЭС, СППР, СУЗ и, в этой связи, сохраняет актуальность проблемы поиска новых форм и методов получения, структурирования и формализации знаний. Эта же проблема существует и при подготовке специалистов по разработке информационных систем с «интеллектом» в высшей школе, проявляясь как несоответствие имеющихся методов традиционного обучения сложностям современных задач и объемам информации для обработки.

В этой связи, данное исследование посвящено проблемам инженерии знаний и разработке именно игрового подхода к проектированию моделей ПрО для ЭСППР как комбинации связанных игр различных типов: идентификационных, концептуальных, ситуационно-деятельностных. Теоретической основой для реализации стал метод ситуационного анализа и проектирования моделей ПрО произвольного типа, методические и инструментальные средства, разработанные Болотовой (Загадской) Л.С. и под её руководством.

Цель работы: повысить качество и скорость проектирования моделей произвольных ПрО для ЭСППР и, соответственно, качество подготовки инженеров по знаниям в вузах путем введения игровой формы проектирования и обучения.

Для достижения этой цели в работе необходимо было решить следующие задачи:

■ и сследовать современное состояние и проблемы инженерии знаний в ЭС;

■ и сследовать технологии проектирования моделей ПрО и ЭС;

■ и сследовать существующие формы обучения, в т.ч. игровые;

■ разр аботать теоретические основы метода ситуационного анализа и проектирования в части, необходимой для применения игрового подхода;

■ р азработать методику игрового проектирования моделей ПрО для ЭСППР;

■ р азработать информационно-программное обеспечение игрового проектирования;

■ иссле довать эффективность методики и информационно-программного обеспечения путем проведения конкретных игр.

Объект исследования - сам процесс проектирования ЭС, методы инженерии знаний, программные средства поддержки инженера по знаниям в процессе проектирования.

Предмет исследования - игровое проектирование моделей произвольных ПрО для ЭСППР.

Методы исследования. При выполнении диссертации использовались методы извлечения, структурирования и формализации знаний, методы активного обучения, метод ситуационного управления (Поспелов Д.А., Болотова (Загадская) JI.C.), метод концептуального анализа и проектирования систем организационного управления (Никаноров С.П., Кучка-ров З.А.), методы экспертных оценок, методы формализованного представления систем (Волкова В.Н., Денисов A.A.).

Достоверность и обоснованность результатов работы подтверждена данными игрового проектирования моделей конкретных ПрО, а также сравнением полученных результатов с результатами решения этих же задач без игрового моделирования, в том числе с компьютерной поддержкой.

Научная новизна.

1) Интерпретация и применение игрового подхода к проектированию моделей ПрО для ЭСППР.

2) Теоретические основы проектирования моделей ПрО в части разработки возможных типов взаимодействия концептуальных структур единичных решений и уровней концептуализации ПрО.

3) Методика игрового проектирования моделей ПрО.

4) Сценарии игр: для идентификации ПрО на соответствующем этапе - идентификационные, для обучения концептуализации - концептуальные; для проектирования модели ПрО - ситуационно-деятельностные.

На защиту выносятся.

1)Типы взаимодействия концептуальных структур единичных решений.

2) Уровни концептуализации ПрО.

3) Методика игрового проектирования моделей ПрО.

4) Сценарии идентификационных, концептуальных и ситуационно-деятельностных игр.

5) Программные средства реализации идентификационных игр «Экс-пИдент» и концептуальных игр - «Концепт».

Практическая значимость результатов работы.

Теоретические основы проектирования моделей ПрО, методика, сце-

нарии и информационно-программное обеспечение игрового проектирования внедрены: в учебный процесс на кафедре Вычислительной техники МИРЭА, на кафедре Государственного и муниципального права и управления Таганрогского технологического института ФГОУ ВПО «Южный федеральный университет»; в разработку проекта ЭСППР для управления элементами бортового и наземного сегментов глобальных спутниковых коммуникаций в ООО «ГЛОБСАТКОМ»; в разработку базы знаний ЭСППР для управления трудовой дисциплиной в ФГУП «ГКНПЦ им. М.В. Хруничева».

Апробация работы. Основные положения работы докладывались и обсуждались на следующих конференциях:

■ 55, 56, 57 и 58-ой НТК МИРЭА, Москва, 2006-2009;

■ 3 -ей НТК студентов, аспирантов и молодых специалистов РГУИТП, Москва, 2006;

■ 1 и 2-ой международных молодежных конференциях «Искусственный интеллект: философия, методология, инновации», Москва - Санкт-Петербург, 2006-2007;

■ 2 -ой Всероссийской НПК «Перспективные системы и задачи управления», Домбай, 2007;

■ М еждународных НТК А1Б'08 «Интеллектуальные системы» и СА1Э-2008 «Интеллектуальные САПР», Дивноморск, 2008;

■ 8 -ой НПК «Современные информационные технологии в управлении и образовании: новая волна», Москва, 2008.

Публикации. По теме диссертации опубликовано 10 работ, из них 1 [1] в ведущем рецензируемом научном журнале, определяемом Высшей аттестационной комиссией.

Вклад автора в проведенное исследование.

Все результаты проведенного исследования получены автором самостоятельно.

Структура и объем работы. Диссертация состоит из введения, пяти глав, заключения, списка использованных источников, содержащего 105 наименований, и пяти приложений. Объем основного текста составляет 151 печатную страницу, 9 таблиц и 77 рисунков. Объем приложений - 147 печатных страниц.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность выбранной темы, сформулированы цель работы, а также задачи для ее достижения. Изложены основные идеи, показан вклад автора в проведенное исследование, степень новизны и практическая значимость результатов работы.

В первой главе рассмотрено современное состояние и проблемы раз-

вития ЭС в целом и инженерии знаний, в частности.

Показано, что инженер по знаниям работает на четырех уровнях знания (источники знаний —► поле знаний —* структура знаний —> база знаний), образующих пирамиду знаний, каждый из которых формируется в результате выполнения соответствующих этапов (идентификация —* концептуализация -* формализация) общей технологии разработки ЭС. Тем не менее, до сих пор проектирование баз знаний остается искусством, так как применение огромного количества методов извлечения, структурирования и формализации знаний не дает в результате целостного видения самой модели ПрО.

В потоке методов извлечения знаний игры, называемые экспертными, используются для раскрепощения эксперта, и соответственно, повышения скорости самого процесса извлечения. Анализ показал, что их применение пока ограничивается решением отдельных небольших задач в конкретных ПрО и они не используются для игрового проектирования с «чистого листа» и «под ключ».

Эффективность игровых методов подтверждают исследования, которые показали, что процент усвоения знаний при чтении лекций - 20%, при проведении лабораторных и самостоятельных работ - 50% и 75% соответственно, а при игровых подходах - достигают 90%. Таким образом, целесообразно было интерпретировать и применить игровой подход к новой актуальной тематике - проектированию моделей ПрО для ЭСППР.

Во второй главе рассмотрены методологические и теоретические основы метода ситуационного анализа и проектирования моделей произвольных ПрО, ставшего в данной работе базой игрового подхода.

Основополагающими идеями для метода стали: постепенное формирование ситуационной модели внешнего мира в мозге человека по мере приобретения им опыта (Пушкин В.Н); семиотический подход к описанию сложных и больших систем управления (Апресян Ю.Д., ШрейдерЮ.А., Шемакин Ю.И.); метод ситуационного управления большими системами (Поспелов Д.А., Клыков Ю.И.); метод концептуального анализа и проектирования (КАиП) систем организационного управления (Никаноров С.П., Кучкаров З.А.).

Как известно, метод ситуационного управления был разработан применительно к случаю, когда число возможных ситуаций в ПрО объекта управления существенно больше числа решений, т.е., £ » и. Однако, как показала практика, таких систем управления сравнительно немного. Для большинства систем число решений С/ достаточно велико и открыто. Именно для этих систем в работах Болотовой (Загадской) Л.С. предложен метод ситуационного анализа и проектирования моделей произвольных ПрО с его идеей анализа и проектирования конструкции модели ПрО в ви-

де системы инвариантных конструктов-моделей и задания метода их интеграции в некоторую единую понятийную структуру. Метод КАиП состоит в том, что условием решения проблемы данной сложности является точное, технологичное, эффективное мышление субъектов этой проблемы. Выходным продуктом такого технологического мышления является стандартная по своей форме модель ПрО, основания и выводы которой непосредственно могут контролироваться.

В третьей главе изложены и развиты основные • положения метода ситуационного анализа и проектирования моделей произвольных ПрО в части, необходимой для реализации методики игрового проектирования, типов игр и их сценариев.

I. Исходное решение рассматривается как действие, имеющее следующую структуру (рис.1): субъект действия Х^ - действие Ха - объект действия Ха0 - компоненты действия ХаС[,ХаСг,...,ХаС1:, обеспечивающие реализацию решения. Субъект, объект и все компоненты связаны с действием бинарными структурными отношениями трех типов:

гао{Ха,Хао) и гаС] (Ха,Хщ),гаС1 (Ха,ХаС2 ),...,^ (Ха,Хас).

В структуре четко выделяются две части: функционально-целевая (субъект-действие-объект), называемая задачей управления 2, и обеспечивающая (субъект-действие-(компонента 1, компонента2, ... , компонента«)), обозначаемая (). Таким образом, г = гш(Х(а,Ха)игаа(Ха,Хао),

Полученная структура называется концептуальной структурой единичного решения (КСЕР). Множество КСЕР обозначается через £) = {й?,,^2.....с1т),

с1, = г, и 1 = 1 ,т. Очевидно, что вершины ¿¡! задают границы ПрО.

II. Все вершины КСЕР, кроме вершины-действия, могут быть связаны между собой как вертикальными, так и горизонтальными двунаправленными бинарными семантическими отношениями Кет- Число возможных семантических и структурных отношений

РвЬ

Раг,

РаЧ 1 Лас 1 ^

Рз1,

Р*2,

Рз1

в КСЕР: Nr(d,) = п2 + An + 4. Теперь КСЕР представляется в виде:

III. Известно, что любое отношение может принимать значения -истина или ложь, т.е., либо быть, либо нет. Оно устанавливается как истина, если выполняются определенные условия (одно или несколько одновременно). Сами условия формируются на основе отношений между значениями свойств вершин КСЕР (например, отношений =, <, >, ^ и других), обычно представляемых в виде левой части продукционных правил, а также истинности других отношений в данной структуре.

После выявления необходимых свойств P{dt) и отношений между ними Rp(dl), КСЕР превращается в концептуальную модель ПрО единичного решения (КМПрО EP) C(di):

Таким образом, генерируется БЗ в виде отображения Fd) :Sdi ->Х

как множество прототипов ситуаций или правил, которым соответствует решение-действие Хщ данной dr

IV. Для проектирования полной КМПрО разрабатываются КМПрО EP C(d,) для всех элементов множества D = {dl,dl,...,dm}. Итоговая концептуальная модель всей ПрО, соответственно, является объединением

п

множества

КМПрО EP: С(£>) = (JC(rf,).

Однако, это объединение не ме-

/=i

ханическое, т.к. над d, выполняется ряд операций, аналогичных теоретико-множественным: пересечения, включения, дополнения, разности, объединения и др. Операции пересечения, объединения КСЕР коммутативны и ассоциативны, но не дистрибутивны. Операция разности КСЕР не коммутативна и не ассоциативна. В диссертации автором рассмотрены 16 возможных вариантов пересечения по одной, двум и трем типам вершин и даны их содержательные интерпретации. Приведем примеры пересечений двух КСЕР d,, dH каж дая включающая по два компонента действия.

1. Пересечение по субъекту действия: d,f]dj= XaSj, i,j = l,m.

2. Пересечение по компонентам действия:

3. Пересечение по субъекту действия и объекту действия:

d, П dj = Хщ л Xa0ij, i,j = 1 ,т.

4. Пересечение по действию и компонентам действия:

Хщ АХасЦ АХасЦ,/,./ = 1 ,т.

5. Пересечение по субъекту действия, действию и объекту действия:

= Хщ лХн л Х^, = 1 ,т.

6. Пересечение по действию, объекту действия и компонентам действия: </, Г) = ^ л ^ л Хас1у л ЛГ^ ,¡,7 = 1^.

V. Между КСЕР может существовать отношение части и целого в случаях, когда ЕР может бьггь развернуто в дерево решений, аналогичное дереву разбиения задачи на подзадачи. Графически такое решение описывается в виде графа редукции (МШ7Я-графа), вершины которого отождествляются с именами решений Ха, а дуги - с отношением часть-целое грт.

Формирование концептов как понятийных структур всех элементов КСЕР и полной КМПрО осуществляется путем выполнения над ними операций и, П и /. Результаты операции объединения концептов действий определяются типом пересечения соответствующих им структур.

Так, для ситуации, когда d¡C\dJ = 0, с1п с1} не зависимы, их КМ С(^) является простым объединением двух структур:

Для остальных типов ситуаций с пересечениями КСЕР концепты всех вершин КСЕР наращиваются (содержание СЦ,)) разностью в концептах с/,, путем добавления к концептам соответствующих объектов

новых свойств и отношений. Например: для случая, когда в пересечение попадает вершина «субъект действия», концепт этой вершины представляется, как:

с [х^) = с (х*,) и ) ^с )) =

где С^Х^^С^Х^ понимается как разность контекстов объектов Хш,, Хщ, т.е., в итоговую модель добавляется та часть содержания X, которая отсутствует в X.

VI. Одна или несколько компонент действия (1, могут сами являться объектами одного или нескольких действий в других КСЕР, т.е. объекты-компоненты могут играть одновременно в данной ПрО несколько ролей и для каждой из них важны разные свойства и отношения, т.е. у них должны быть разные концепты. При этом, одно действие, очевидно, не может быть выполнено, пока не будет выполнено требуемое действие над компонентой

другого действия. Это означает, что между действиями этих структур автоматически проявляется неявное отношение «действие-поддействие». Если таких компонент несколько, то вершины-действия структур связаны отношением редукции И\ИЛИ. Для случая ИЛИ необходимо устанавливать приоритеты выполнения альтернативных действий. Для случая И вопросы пересечения структур, рассматриваются аналогично рассмотренным ранее.

Объектами действия могут быть одна или несколько компонент действия одновременно.

Возможны варианты взаимодействия разноуровневых структур, например:

1. Субъекты действия в структурах dt, d¡ не совпадают, т.е., Xaii * Xa¡. Тогда КМ ¿„есть:

С(4,) = С(4)ис(^)лГро„(ХШ:,Ха!1)лrpow(Xa0¡,Xa0j), ij = йг.

2. При совпадении субъектов действия в структурах d,, dy т.е. когда ХШ1 = Xm¡, необходимо рассматривать концепты Ха!/ и Xm¡ на предмет унификации.

В работе автором рассмотрены случаи пересечения разноуровневых структур действий.

VII. Цепочка вложенных КСЕР, образующаяся по отношениям действие-поддействие, субъект-надсубъект, объект-подобъект может продолжаться до тех пор, пока не будет достигнута уровня терминальных действий-решений, т.е. элементарных действий. В результате мы получим концептуальную структуру решений всей ПрО (КСР ПрО) вида:

D = (jrf, U G{Xa,Rpow) U G{Xa,Rp„)\} G(XQO,Rpm),

где 0(Хш^рт), G{Xa,Rpm), G(Xao,Rp„) - графы-деревья - иерархии:

субъектов действий (субъектный уровень описания); самих действий (операциональный уровень описания); объектов (объектный уровень описания), соответственно.

КСР ПрО, таким образом, представляется в виде трехслойного графа: первый слой - иерархия субъектов действий; второй слой - иерархия действий, третий слой описывает уровень взаимодействия объектов, компонент действий и отношений между ними (рис.2).

Соответственно, концептуальная модель всей ПрО (КМПрО) описывается выражением:

G(D) = {jC(dl)UG(X^,Rpm)UG(Xa,Rpm)[}G{Xao,Rpow),

т _

где [__| С (с/,) - отображение Р0 : Б^ —> IIх (г, у = 1, от) или база знаний данной ПрО, остальные члены - иерархии субъектов действий, действий и объектов действий.

Первый уровень графа называется субъектный, второй - операциональный, а третий - объектный. Операциональный граф даёт полное представление об иерархии действий, их перечне на каждом уровне принятия решений и соответствует классификатору действий, описываемому в виде: £> = (Ха,грт), где Ха - множество действий; г - отношение «часть-

целое», интерпретируемое здесь как отношение дейст-вие-подцействие. Число уровней классификатора действий зависит от глубины конкретизации, необходимой для достижения цели, определяемой корнем дерева, и достигнутой в исследуемой ПрО степени автоматизации процессов управления. Очевидно, что чем он выше, тем этих уровней меньше. Объектный граф представляет собой семантическую сеть со структурными и семантическими отношениями. Очевидно, что каждой вершине классификатора действий (Х^ ) соответствует свой подграф вывода - бЦс^), (к = \,т). Граф <5(£)) можно рассматривать как множество возможных сценариев вывода алгоритмов решений Ск{(1к),- соответствующих ^-ой вершине КСР (?(£>). Порядок вывода может быть как сверху-вниз (обратная стратегия вывода «от цели -к ситуации»), так и снизу-вверх (прямая стратегия вывода «от ситуации - к цели») и регламентируется классификатором действий.

Далее рассмотрены точки эффективного использования игрового подхода. Известно, что игры эффективны там, где есть многовариантность,

Рисунок 2

альтернативность решений, которые можно поровдать, оценивать, выбирать, согласовывать, моделировать и т.д. Таким образом, игровой подход применим для формирования множества задач управления и КСЕР на их основе; формирования концептов, т.е. множеств свойств и отношений между ними для всех вершин КСЕР, формирование целостной структуры модели ПрО, т.е. графа С(.0).

В четвертой главе изложена методика игрового проектирования для выполнения этапов идентификации и (концептуализации —+ формализации —► реализации) разработки ЭСППР, сценарии и некоторые примеры информационного обеспечения игр. Общий процесс игрового проектирования представлен на рис.3, где секторами разделены команды игроков.

1. Идентификация (/). Проектирование с «чистого листа» начинается с проведения первого типа игр, идентификационных (ИдИ), в процессе которых осуществляется переход от названия ПрО II к формированию множества понятий X, отвечающих этому названию. Для оптимизации X выполняется оценка понятий X), например, с помощью методов экспертных оценок, таким образом, получается X* для дальнейшей концептуализации.

2. Первая Концептуализация (С,). Нахождение для каждого понятия

множества X' метапонятие (надпонятие, имя класса) М, для которого он является экземпляром. В итоге формируются подмножества, являющиеся денотатами новых понятий - надпонятий. Если на этом этапе у игроков возникают сложности в концептуализации понятий, проводится второй тип игр - концептуальных (КИ) или игр с «дырками» на любых примерах, которые всем хорошо известны. Это могут быть, например, фрагменты (или целые тексты) сказок, притчей, коротких веселых историй.

Рисунок 3

Цель концептуальных игр - обучить игроков концептуализации на основе различных уровней концептуализации ПрО, которые возможны, если для всех вершин КСЕР известны множества всех экземпляров:

■ на первом уровне концептуализации все вершины КСЕР заданы своими экземплярами (КСЕР I типа), т.е. решение готово к выполнению и никакая дополнительная конкретизация не нужна (рис.4а);

■ на втором уровне концептуализации действие задано своим экземпляром, а все остальные вершины КСЕР - классами (КСЕР II типа), т.е. для перехода на первый уровень необходимо конкретизировать субъект, объект и все компоненты действия (рис.4б);

■на третьем уровне концептуализации действие и субъект и/или объект действия заданы классами, а компоненты действия неизвестны (КСЕР III типа), т.е. для перехода на второй уровень необходимо конкретизировать действие и создать классы всех остальных вершин КСЕР (рис.4в).

3. Вторая Концептуализация (С„). Составление из понятий X* и надпонятий М множества задач управления 2, представленных в виде триады субъект-действие-объект. Для оптимизации 1 выполняется оценка задач управления Ж'(2), таким образом, получается 2* для дальнейшей концептуализации.

А. Третья Концептуализация (Сш). Построение обеспечивающих

частей () для всех задач управления 2*, используя понятия Х'и надпоня-тия М, сформированные ранее. Получаем множество КСЕР £>, для оптимизации которых выполняется оценка ¡¥"(0~). В результате имеем £>*.

5. Четвертая Концептуализация (С1У). Наполнение КСЕР й' концептами С, т.е. содержанием - множествами свойств и отношений между ними. Для оптимизации С выполняется оценка концептов }¥"'(С), таким

образом, получается итоговая КМПрО С*.

1(и) = Х

Сх{Х)=М с„(А/) = 2

сш(г)=я с„(л)=с

С* = ор1 С, С" с с

с,(х)=м са(м)=г

сш{г)=й

с„(л-)=с-

С" = ор1 С', С" е С'

Ци)-х

С,(ЛГ) = А/

с0(м)=г

г" = ор12, ¿' а, 2

сш(г)=я

О" = о/>< £>', О" с £>' С„ (/>") = С' С" =ор!С",С" сС"

1(и) = Х

X' = ор(Х,Х' сХ С,(Л") = М'

с„(м')=г г" = ор/ г', г" с г'

С" = оР1 Ст, С" О: Ст

Рисунок 5

Оценки работы команд на каждом этапе и в целом в процессе игрового проектирования осуществляется игротехником на основе эталона и сообщаются игрокам.

Оптимизация может производиться четырьмя различными вариантами: на 1-3-4-5, т.е. на каждом этапе; на 5-ом, на 4-5, на 3-4-5, т.е. по нарастанию сложности с пропуском начальных этапов (рис.5); выборочно на одном или нескольких промежуточных этапах.

Игровое проектирование применяется в режимах прямого проектирования и обучения ему. Для режима прямого проектирования разработан третий тип игр, ситуационно-деятельностные (СДИ).

Рассмотрены сценарии перечисленных выше типов игр.

В пятой главе описана программная поддержка игрового проектирования модели ПрО соответствующими программными средствами.

Для проведения ИдИ автором разработана система оценки понятий «Экспертная Идентификация» в среде Miscosoft Excel на языке Visual Basic for Applications, поддерживающая оценку понятий и формирующая список оптимальных понятий для их дальнейшей концептуализации;

Для проведения КИ автором разработана обучающая система «Концепт» в среде Adobe Flash CS3 Professional на языке Action Script 3.0, поддерживающая регистрацию, выбор и прохождение конкретной игры с фиксацией времени и количества очков, набранных в процессе игры, а также определение готовности игрока переходить к игровому проектированию.

По результатам игр было проведено сравнение показателей моделей ПрО, построенных в режимах проектирования: традиционного неигрового, игрового и игрового с обучением.

По учебному плану на построение КМПрО выделялось 12 академических часов, но фактическое количество часов отличалось: в первом случае необходимо было от 12 до 36, во втором - от 12 до 24, а в третьем - от 8 до 16. Удовлетворяющих требованиям учебного плана, в процентах от общего количества, в первом случае только 10 %, в отличие от второго и третьего - 60 % и 80 % соответственно.

Качество моделей ПрО, полученных командами, измерялось как оценка разности между групповыми и эталонными КСЕР на каждом из игровых этапов (рис.5). По сравнению с неигровым режимом проектирования качество моделей ПрО улучшалось в среднем от 20 до 50 % для игрового и игрового с обучением соответственно.

В заключении сформулированы основные результаты и выводы работы, предложено ее дальнейшее развитие.

В приложениях А-Д представлено информационное обеспечение игрового проектирования для ПрО «Администрирование Интернет-кафе», «Управление интеллектуальным домом», «Управление трудовой дисцип-

линой на предприятии», «Управление муниципальным образованием» и игрового обучения концептуализации на тематике «Волшебные сказки».

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ РАБОТЫ

1. Исследовано современное состояние и проблемы инженерии знаний в ЭС и сделан вывод о том, что прохождение этапов идентификации и концептуализации остаются искусством и полностью зависят от подготовленности инженера по знаниям и его способностей. Предложено этапы концептуализации, формализации и реализации рассматривать как единый нерасчленимый процесс, решая при этом задачу автоматического программирования базы знаний.

2. Исследованы методологические и разработаны теоретические основы метода ситуационного анализа и проектирования моделей произвольных ПрО для ЭСППР в части: выявления уровней концептуализации ПрО и возможных типов взаимодействия концептуальных структур единичных решений.

3. Разработана методика игрового проектирования на этапах идентификации и (концептуализации —* формализации -+реализации).

4. Разработаны сценарии идентификационных, концептуальных и ситу ационно-деятельностных игр.

5. Разработаны программные средства реализации идентификационных игр «ЭкспИдент» и концептуальных игр - «Концепт».

6. Проведены конкретные игры на разработку ЭСППР для ПрО «Администрирование локальной вычислительной сети, Интернет-кафе», «Управление интеллектуальным домом», «Управление трудовой дисциплиной на предприятии», «Управление муниципальным образованием» и др. и на обучение концептуализации на тематике «Волшебные сказки». Сравнение результатов с традиционным неигровым способом проектирования показало, что при проведении игр повысилась скорость проектирования и качество моделей ПрО.

7. Дальнейшее развитие работы видится в расширении тематик и сценариев игр, возможностей средств программной поддержки, во внедрении игрового подхода к проектированию моделей ПрО на базе ситуационного центра.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Мороз Ю.В. Игровое обучение концептуализации предметной области // Программные продукты и системы. - 2009. - № 2(86) - С. 193196.

2. Мороз Ю.В. Методика игрового обучения проектированию базы знаний // Восьмая научно-практическая конференция «Современные информационные технологии в управлении и образовании: новая волна». -

М.: ФГУП НИИ «Восход», 2009. - Секция: Информационные коммуникационные технологии. - С 87-90.

3. Болотова Л.С., Мороз Ю.В. Концептуальные игры как средство обучения проектированию семиотических моделей // Международные научно-технические конференции AIS'08 «Интеллектуальные системы» и CAD-2008 «Интеллектуальные САПР»: Тр. конф. - М.: Физматлит, 2008. -Т.2.-С. 21-26.

4. Болотова JI.C., Мороз Ю.В. Обучение построению модели предметной области в процессе концептуальной игры // Теоретические вопросы вычислительной техники и программного обеспечения: Межвуз. сб. научн. тр. - М.: МИРЭА, 2008. - С. 5-10.

5. Мороз Ю.В., Петрусь A.A. Игровое моделирование порождения и разрешения инцидентов в системе поддержки администрирования корпоративной информационной системы // Вторая международная молодежная конференция «Искусственный интеллект: философия, методология, инновации»: Матер, конф. - СПб.: СПбГУ, 2007. - С. 324-325.

6. Болотова Л.С., Мороз Ю.В. Проектирование семиотических систем принятия решений и управления в процессе игрового моделирования // Вторая Всероссийская научно-практическая конференция «Перспективные системы и задачи управления»: Матер, конф. - Таганрог: ТТИ ЮФУ, 2007. -С. 214-216.

7. Мороз Ю.В. Игровой подход к обучению системному мышлению и принятию решений администратора корпоративной информационной системы // Третья научно-техническая конференция студентов, аспирантов и молодых специалистов Российского государственного университета инновационных технологий и предпринимательства: Тез. докл. - М.: РГУИТП, 2006. - С. 14.

8. Мороз Ю.В., Смольянинова В.А., Смирнов С.С. Автоматизация поддержки принятия решений в государственных организациях // Теоретические вопросы вычислительной техники и программного обеспечения: Межвуз. сб. научн. тр. - М.: МИРЭА, 2006. - С. 132-137.

9. Мороз Ю.В. Экспертная система поддержки принятия решений по вопросам трудовой дисциплины на предприятии // Первая Всероссийская конференция студентов, аспирантов и молодых ученых «Искусственный интеллект: философия, методология, инновации»: Матер, конф. - М.: ИИнтеЛЛ, 2006. - С. 374-376.

Отпечатано в ООО «Компания Спутники-» ПД № 1-00007 от 25.09.2000 г. Подписано в печать 11.09.2009 Тираж 100 экз. Усл. п.л. 1,2

Введение.

Глава 1 Современное состояние и проблемы разработки экспертных систем поддержки принятия решений.

1.1 Современное состояние экспертных систем.

1.2 Уровни знаний и их связь с этапами разработки экспертных систем.

1.3 Проблемы инженерии знаний.

1.4 Краткие выводы к главе 1.

Глава 2 Методологические и теоретические основы проектирования моделей предметных областей для экспертных систем поддержки принятия решений.

2.1 Ситуационная абстракция и ее свойства.

2.2 Семиотический подход к описанию объектов управления и моделирования.

2.3 Основные принципы метода ситуационного управления.

2.4 Методология концептуального анализа и проектирования.

2.5 Краткие выводы к главе 2.

Глава 3 Метод ситуационного анализа и проектирования модели предметной области произвольной природы.

3.1 Концептуальная структура единичного решения.

3.2 Концептуальная модель предметной области.

3.3 Вопросы инженерии знаний.

3.4 Точки эффективного использования игрового подхода.

3.5 Краткие выводы к главе 3.

Глава 4 Методика игрового проектирования моделей предметных областей, типы игр и сценарии их реализации.

4.1 Методика игрового проектирования.

4.2 Идентификационная игра.

4.3 Концептуальная игра.

4.3.1 Уровни концептуализации предметной области.

4.3.2 Сценарий концептуальной игры на проектирование моделей предметных областей.

4.3.3 Пример концептуальной игры на проектирование модели предметной области «Управление интеллектуальным домом».

4.3.4 Сценарий концептуальной игры на обучение проектированию модели предметной области.

4.3.5 Пример концептуальной игры на обучение проектированию модели предметной области «Волшебные сказки».

4.4 Ситуационно-деятельностная игра.

4.5 Краткие выводы к главе 4.

Глава 5 Программное обеспечение игрового проектирования моделей предметных областей.

5.1 Система оценки понятий «ЭкспИдент».

5.2 Обучающая система «Концепт».

5.3 Программное обеспечение ситуационно-деятельностных игр.

5.4 Краткие выводы к главе 5.

Наша современность характеризуется несколькими новыми свойствами, отличающими ее от всех других этапов развития цивилизации:

• появилось огромное количество и типов предприятий, благодаря деятельности малого, среднего и крупного бизнеса, а также государственных, муниципальных и общественных структур, в каждой из которых обязательным элементом является система управления с лицами, принимающими решения (ЛПР);

• в связи с вступлением цивилизации в стадию информационного общества, благодаря глобальным сетям связи, новым возможностями вычислительной и другой цифровой техники, у человечества появились принципиально новые возможности, изменившие все традиционные сферы жизни человека: общение, обучение, работа, искусство и т.д.;

• огромное количество новых вызовов и угроз человечеству породило большое число новых задач, требующих незамедлительных решений, и, самое главное, хороших решений, поскольку плохие решения могут нести колоссальные опасности для всей цивилизации.

В этих условиях роль ЛПР и систем управления неизмеримо выросла, по сравнению с предыдущими этапами, по ответственности перед обществом. Также неизмеримо выросла роль информатизации, информационных систем, особенно интеллектуальных. Общество доросло до понимания необходимости интеллекта у информационных систем, у систем управления корпорациями, даже у систем, с которыми работают небольшие предприниматели. Осознание этого привело к новым типам информационных систем - систем с «интеллектом», таких как хранилища данных (ХД), системы управления знаниями (СУЗ). Практически всегда в их «интеллект» входят системы поддержки принятия решений (СППР), в том числе экспертные системы (ЭС). ЭС исторически возникли в 70-е гг. и прошли большой путь развития, имеют четко утвердившуюся технологию, инструментальные средства и языки реализации. Поэтому естественно, что эти технология, языки и средства вошли в арсенал, например СУЗ, СППР, став технологиями их разработки. Сравнение показывает, что технология разработки СУЗ и ЭС практически совпадают (идентификация —> концептуализация —> формализагрш —у реализация —> тестирование). Но это означает, что и проблемы развития ЭС стали проблемами СУЗ и СППР. Известно, что основой любой ЭС является модель предметной области (ПрО), или база знаний (БЗ). Важность и даже первостепенность модели ПрО подчеркивается тем, что в этой связи, появилось целое направление, связанное с системами искусственного интеллекта (СИИ) -«Инженерия знаний» и профессия «Инженер по знаниям» (системный аналитик, инженер-когнитолог, менеджер по знаниям). При разработке ЭС от качества его работы, от его опыта, способности к системному и концептуальному мышлению, его психологичности, т.е. умения разговорить эксперта, внушить ему доверие и желание по новому познавать ту ПрО, специалистом которой он является, зависит все: время на разработку ЭС; ее качественные характеристики - быстродействие, функциональные возможности, полнота покрытия ситуационного пространства управления и принятия решений; комфортность; выбор инструментальных средств. Фактически, опытный инженер по знаниям должен быть, и психологом, и философом, и педагогом, и лингвистом, и специалистом в областях получения, структурирования и формализации знаний, разбираться в инструментальных программных средствах проектирования и разработки ЭС, знать и уметь еще очень многое. Ко всему, он должен иметь хороший опыт практической разработки ЭС для произвольных ПрО. Вот таким в идеале должен быть хороший инженер по знаниям. Очевидно, что в рамках тех академических часов, которые отводятся в вузах на лекции, лабораторные и курсовые работы, еще и при отсутствии возможности участия студентов в НИРах, за редкими исключениями, подготовить хорошего специалиста, инженера по знаниям, невозможно.

Разработке теоретических основ инженерии знаний и реализации соответствующих методов в ЭС посвящены работы Андрейчикова А.В. и Андрейчиковой О.Н., Гавриловой Т.А., ОсиповаГ.С., Рыбиной Г.В., Стефанюка В.Л., Тарасова В.Б., Финна В.К., Хорошевского В.Ф., и др. Но, несмотря на огромный арсенал разработанных методов (более 200), проектирование моделей

ПрО до сих пор остается искусством, т.к. эти методы не обеспечивают единого подхода, целостного видения проблемы-и, соответственно, технологии разработки ЭС.

Известно, что исторически наиболее популярной формой стимулирования и активизации деятельности и, особенно обучения, являются игры различных форм и направленности. Разработке теории и практики деловых игр как наиболее популярного и распространенного метода активного обучения посвящены работы Вербицкого А.А., ГеронимусаЮ.В., ДанчулаА.Н., Емельянова Ю.Н., Красовского Ю.Д., Крюкова М.М. и Крюковой Л.И., Ладенко И.С., Сыроежина И.М., Щедровицкого Г.П. и др. Применение деловых игр как метода инженерии знаний (экспертные игры), делалось (Гинкул Г.П.), но относительно решения узких (частных) задач, но не к технологии разработки СППР в целом.

Таким образом, недостаточная исследованность проблемы инженерии знаний остается главным тормозом для дальнейшего развития ЭС, СППР, СУЗ и, в этой связи, сохраняет актуальность проблемы поиска новых форм и методов получения, структурирования и формализации знаний. Эта же проблема существует и при подготовке специалистов по разработке информационных систем с «интеллектом» в высшей школе, проявляясь как несоответствие имеющихся методов традиционного обучения сложностям современных задач и объемам информации для обработки.

В этой связи, данное исследование посвящено проблемам инженерии знаний и разработке именно игрового подхода к проектированию моделей ПрО для ЭСППР как комбинации связанных игр различных типов: идентификационных, концептуальных, ситуационно-деятельностных. Теоретической основой для реализации стал метод ситуационного анализа и проектирования моделей ПрО произвольного типа, методические и инструментальные средства, разработанные Болотовой (Загадской) Л.С. и под её руководством.

Цель работы: повысить качество и скорость проектирования моделей произвольных ПрО для ЭСППР и, соответственно, качество подготовки инженеров по знаниям в вузах путем введения игровой формы проектирования и обучения.

Для достижения этой цели в работе необходимо было решить следующие задачи:

• исследовать современное состояние и проблемы инженерии знаний в ЭС;

• исследовать технологии проектирования моделей ПрО и ЭС;

• исследовать существующие формы обучения, в т.ч. игровые;

• разработать теоретические основы метода ситуационного анализа и проектирования в части, необходимой для применения игрового подхода;

• разработать методику игрового проектирования моделей ПрО для ЭСППР;

• разработать информационно-программное обеспечение игрового проектирования;

• исследовать эффективность методики и информационно-программного обеспечения путем проведения конкретных игр.

Объект исследования - сам процесс проектирования ЭС, методы инженерии знаний, программные средства поддержки инженера по знаниям в процессе проектирования.

Предмет исследования - игровое проектирование моделей произвольных ПрО для ЭСППР.

Методы исследования. При выполнении диссертации использовались методы извлечения, структурирования и формализации знаний, методы активного обучения, метод ситуационного управления (Поспелов Д.А., Болотова (Загадская) JI.C.), метод концептуального анализа и проектирования систем организационного управления (Никаноров С.П., Кучкаров З.А.), методы экспертных оценок, методы формализованного представления систем (Волкова В.Н., Денисов А.А.).

Достоверность и обоснованность результатов работы подтверждена данными игрового проектирования моделей конкретных ПрО, а также сравнением полученных результатов с результатами решения этих же задач без игрового моделирования, в том числе с компьютерной поддержкой.

Научная новизна.

1) Интерпретация и применение игрового подхода к проектированию моделей ПрО для ЭСППР.

2) Теоретические основы проектирования моделей ПрО в части разработки возможных типов взаимодействия концептуальных структур единичных решений и уровней концептуализации ПрО.

3) Методика игрового проектирования моделей ПрО.

4) Сценарии игр: для идентификации ПрО на соответствующем этапе -идентификационные, для обучения концептуализации — концептуальные; для проектирования модели ПрО — ситуационно-деятельностные.

На защиту выносятся.

1) Типы взаимодействия концептуальных структур единичных решений.

2) Уровни концептуализации ПрО.

3) Методика игрового проектирования моделей ПрО.

4) Сценарии идентификационных, концептуальных и ситуационно-деятельностных игр. у

5) Программные средства реализации идентификационных игр «ЭкспИдент» и концептуальных игр - «Концепт».

Практическая значимость результатов работы.

Теоретические основы проектирования моделей ПрО, методика, сценарии и информационно-программное обеспечение игрового проектирования внедрены: в учебный процесс на кафедре Вычислительной техники МИРЭА, на кафедре Государственного и муниципального права и управления Таганрогского технологического института ФГОУ ВПО «Южный федеральный университет»; в разработку проекта ЭСППР для управления элементами бортового и наземного сегментов глобальных спутниковых коммуникаций в ООО «ГЛОБСАТКОМ»; в разработку базы знаний ЭСППР для управления трудовой- дисциплиной в ФГУП «ГКНПЦ им. М.В. Хруничева».

Апробация работы. Основные положения работы докладывались и обсуждались на следующих конференциях:

• 55, 56, 57 и 58-ой НТК МИРЭА, Москва, 2006-2009;

• 3-ей НТК студентов, аспирантов и молодых специалистов РГУИТП, Москва,

• 1 и 2-ой международных молодежных конференциях «Искусственный интеллект: философия, методология, инновации», Москва - Санкт-Петербург, 20062007;

• 2-ой Всероссийской НИК «Перспективные системы и задачи управления», Домбай, 2007;

• Международных НТК AIS'08 «Интеллектуальные системы» и CAD-2008 «Интеллектуальные САПР», Дивноморск, 2008;

• 8-ой НПК «Современные информационные технологии в управлении и образовании: новая волна», НИИ «Восход», Москва, 2008.

Публикации. По теме диссертации опубликовано 9 работ, из них 1 в ведущем рецензируемом научном журнале, определяемом Высшей аттестационной комиссией.

Вклад автора в проведенное исследование.

Все результаты проведенного исследования получены автором самостоятельно.

Структура и объем работы. Диссертация состоит из введения, пяти глав, заключения, списка использованных источников, содержащего 105 наименований, и пяти приложений. Объем основного текста составляет 151 печатную страницу, 9 таблиц и 77 рисунков. Объем приложений - 147 печатных страниц.

Заключение

1) Исследовано современное состояние и проблемы инженерии знаний в ЭС и сделан вывод о том, что прохождение этапов идентификации и концептуализации остаются искусством и полностью зависят от подготовленности инженера по знаниям и его способностей. Предложено этапы концептуализации, формализации и реализации рассматривать как единый нерасчленимый процесс, решая при этом задачу автоматического программирования базы знаний.

2) Исследованы методологические и разработаны теоретические основы метода ситуационного анализа и проектирования моделей произвольных ПрО для ЭСППР в части: выявления уровней концептуализации ПрО и возможных типов взаимодействия концептуальных структур единичных решений.

3) Разработана методика игрового проектирования на этапах идентификации и (концептуализации —> формализации —>реализации).

4) Разработаны сценарии идентификационных, концептуальных и ситуационно-деятельностных игр.

5) Разработаны программные средства реализации идентификационных игр «ЭкспИдент» и концептуальных игр — «Концепт».

6) Проведены конкретные игры на разработку ЭСППР для ПрО «Администрирование локальной вычислительной сети, Интернет-кафе», «Управление интеллектуальным домом», «Управление трудовой дисциплиной на предприятии», «Управление муниципальным образованием» и др. и на обучение концептуализации на тематике «Волшебные сказки». Сравнение результатов с традиционным неигровым способом проектирования показало, что при проведении игр повысилась скорость проектирования и качество моделей ПрО.

7) Дальнейшее развитие работы видится в расширении тематик и сценариев игр, возможностей средств программной поддержки, во внедрении игрового подхода к проектированию моделей ПрО на базе ситуационного центра.

1. Feigenbaum Е.А. Knowledge Engineering: The Applied Side of Artificial Intelligence. Stanford University, 1980.

2. Giarratano J.C., Riley G.D. Expert Systems: Principles and Programming, 4th Edition. Course Technology, 2004.

3. Han J., KamberM. Data Mining: Concepts and Techniques. San Francisco: Morgan Kaufmann Publishers, 2001. - 550 p.

4. HandD., MannilaH., Smyth P. Principles of Data Mining. Cambridge: Massachusetts Institute of Technology, 2001. - 546 p.

5. Hastie Т., Tibshirani R., Friedman J. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. New York: Springer, 2001. — 533 p.

6. Hayes-Roth F., Waterman D., LenatD.B. Building Expert Systems. Addison Wesley, 1983.

7. Jackson P. Introduction to Expert Systems, 3rd Edition. Addison Wesley, 1998.

8. Kelly G.A. Psychology of personal constructs. New York: Norton, 1955.

9. Kintsch W. The representation of meaning in memory. — New York, 1974.

10. Luger G.F. Artificial Intelligence: Structures and Strategies for Complex Problem Solving, 6th Edition. Addison Wesley, 2008.

11. Patterson D.W. Introduction to Artificial Intelligence and Expert Systems. -Englewood Cliffs: Prentice Hall, 1990. 448 p.

12. Russell S.J., NorvigP. Artificial Intelligence: A Modern Approach, 2nd Edition. Prentice Hall, 2003.

13. Turban E. Decision support and expert systems: management support systems. -Englewood Cliffs, N.J.: Prentice Hall, 1995. 887 p.

14. Waterman D.A. A Guide to Expert Systems. Addison Wesley, 1985.

15. Wittenl.H., Frank E. Data Mining, 2nd Edition: Practical Machine Learning Tools and Techniques. San Francisco: Morgan Kaufmann Publishers, 2005. - 525 p.

16. Андрейчиков A.B., Андрейчикова O.H. Интеллектуальные информационные системы: Учебник. М.: Финансы и статистика, 2006. — 424 с.

17. Апресян Ю.Д. Лексическая семантика. Синонимические средства языка. — М.: Наука, 1974.-368 с.

18. Афанасьев А.Н. Народные русские сказки. Полное издание в одном томе.- М.: Альфа-книга, 2008. С. 143-144.

19. Башмаков А.И., Башмаков И.А. Интеллектуальные информационные технологии: Учеб. пособие. М.: МГТУ им. Н.Э. Баумана, 2005. - 304 с.

20. Башмаков А.И., Башмаков И.А. Разработка компьютерных учебников и обучающих систем. М.: Филинъ, 2003. — 616 с.

21. Богатова, Татьяна. Деловые игры это совсем не игрушки. Электронный ресурс. // PC Week. - 2000. - №32(254). - URL: http://www.pcweek.ru/themes/detail.php?ID=55224 (дата обращения: 01.09.2009).

22. Болотова JI.C., Иноземцев С.П., Ященко Н.Ю. Модели и методы представления знаний в системах искусственного интеллекта. СПб.: ВШСИ им. А.Ф. Можайского, 1991. - 116 с.

23. Болотова Л.С., Смирнов Н.А., Смольянинов А.А. Системы искусственного интеллекта. Теоретические основы СИИ и формальные модели представления знаний: Учеб. пособие. -М.: МИРЭА, 2003. 124 с.

24. Болотова Л.С., Смольянинов А.А. Неформальные модели представления знаний в системах искусственного интеллекта: Учеб. пособие. — М.: МИРЭА, 1999. — 99 с.

25. Бурков В.Н., Новиков Д.А. Как управлять проектами. М.: Синтег, 1997.- 188 с.

26. Вербицкий А.А. Активное обучение в высшей школе: контекстный подход: Метод, пособие. — М.: Высш. шк., 1991. — 207 с.

27. Волкова В.Н., Денисов А.А. Теория систем: Учеб. пособие. М.: Высш. шк, 2006.-511 с.

28. Гаазе-Рапопорт М.Г. Поиск вариантов в сочинении сказок // Зарипов Р.Х. Машинный поиск вариантов при моделировании творческого процесса. М.: Наука, 1983.-С. 213-223.

29. Гаврилова Т.А., ГулякинаН.А. Визуальные методы работы со знаниями: попытка обзора // Искусственный интеллект и принятие решений. 2008. - №1. — С. 15-21.

30. Гаврилова Т.А., Муромцев Д.И. Интеллектуальные технологии в менеджменте: инструменты и системы: Учеб. пособие. 2-е изд. СПб.: Высшая школа менеджмента; СПбГУ, 2008. - 488 с.

31. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем: Учеб. пособие для вузов. СПб.: Питер, 2000. - 382 с.

32. Гаврилова Т.А., Червинская К.Р. Извлечение и структурирование знаний для экспертных систем М.: Радио и связь, 1992. — 200 с.

33. Геронимус Ю.В. Игра, модель, экономика. М.: Знание, 1989. - 208 с.

34. Гидрович С.Р., Сыроежин И.М. Игровое моделирование экономических процессов (деловые игры). — М.: Экономика, 1976. — 116 с.

35. Гинкул Г.П. Игровой подход к приобретению знаний и его реализация в системе КАПРИЗ // Проблемы применения экспертных систем в народном хозяйстве: Тез. докл. респ. школы-семинара. Кишинев, 1989. — С. 71-74.

36. Девятков В.В. Системы искусственного интеллекта: Учеб. пособие для вузов. М.: МГТУ им. Н.Э. Баумана, 2001.-352 с.

37. Дюран Б., Оделл П. Кластерный анализ: Пер. с фр. М.: Статистика,

38. Евграфов П.М., Глуховенко Ю.М. Ноу-хау обучающих программ и деловых игр: Научно-популярное издание. — М.: Академия ГПС МЧС России, 2004.- 222 с.

39. Егорова Т.Ю. Психолого-педагогические основы моделирования игровых занятий в системе профессионального образования: Метод, рек. для преп. — М.: Компания Спутник+, 2007. — 56 с.

40. Емельянов Ю.В. Активное социально-психологическое обучение. — JL: ЛГУ, 1985.- 165 с.

41. Еремеев А.П., РыбинаГ.В. Подготовка специалистов в. области искусственного интеллекта: состояние, проблемы, перспективы: Политехнические чтения: Сб. тр. Вып. 7: Искусственный интеллект — проблемы и перспективы. — М.: РАИИ, 2006.-С 122-127.

42. Ермолаева Н.Г. Игра в образовательном процессе: Методическое пособие.- СПб.: Каро, 2008. 128 с.

43. Жамбю М. Иерархический кластер-анализ и соответствия. — М.: Финансы и статистика, 1988.

44. Зубов А.В., Зубова И.И. Основы искусственного интеллекта для лингвистов: Учеб. пособие. — М.: Университетская книга; Логос, 2007. —320 с.

45. Игра в тренинге. Возможности игрового взаимодействия. 2-е изд. / Леванова Е.А. и др.. СПб.: Питер, 2008. - 208 с.

46. Игровое моделирование: методология и практика. / Отв. ред. И.С. Ладенко. Новосибирск: Наука, 1987. - 228 с.

47. Искусственный интеллект: В 3 кн. Кн. 1. Системы общения и экспертные системы: Справочник / Под. ред. Э.В. Попова. М.: Радио и связь, 1990. - 464 с.

48. Исследование социально-экономических и политических процессов: Учеб.-метод. пособие / Под ред. А.Н. Данчула. М.: РАГС, 2009. - 228 с.

49. Кендалл М., Стюарт А. Многомерный статистический анализ и временные ряды: Пер. с англ. М.: Наука, Главная редакция физико-математической литературы, 1976.

50. Клыков Ю.И. Ситуационное управление большими системами. — М.: Энергия, 1974.- 135 с.

51. Компьютерные деловые игры серии БИЗНЕС-КУРС Электронный ресурс. URL: http://www.vkkb.ru/ (дата обращения: 01.09.2009).

52. Красовский Ю.Д. Мир деловой игры: Опыт обучения хоз. рук. М.: Экономика, 1989. — 175 с.

53. Кругликов В.Н., Платонов Е.В., Шаранов Ю.А. Деловые игры и другие методы активизации познавательной деятельности. — СПб.: П-2, 2006. — 190 с.

54. Крюков М.М., Крюкова Л.И. Принципы отражения экономической действительности в деловых играх. — М.: Наука, 1988. — 205 с.

55. Кучкаров З.А. Методы концептуального анализа и синтеза в теоретическом исследовании и проектировании социально-экономических систем: Курс лекций. 3-е изд., доп. и исп. - М.: Концепт, 2008. — Т.1. — 264 с.

56. Лазарева Т.К., Пашинин Н.Д. Деловые имитационные игры в экспертных системах // Деловые игры и их программное обеспечение: Тез. докл. — Пущино, 1987.-С. 63-64.

57. Лебедев Г.Н. Интеллектуальные системы управления и их обучение с помощью методов оптимизации: Учеб. пособие. — М.: МАИ, 2002. 112 с.

58. Лифшиц А.Л. Деловые игры в управлении. — Л.: Лениздат, 1989. 172 с.

59. Мандель Н.Д. Кластерный анализ. М.: Финансы и статистика, 1988.

60. Методы и модели анализа данных: OLAP и Data Mining: Учеб. пособие для вузов / Барсегян А.А. и др.. СПб.: БХВ-Петербург, 2004. — 336 с.

61. Миркин Б.Г. Анализ качественных признаков и структур. М.: Статистика, 1960.

62. Никаноров С.П., Никитина Н.К., Теслинов А.Г. Введение в концептуальное проектирование АСУ: Анализ и синтез структур. М.: РВСН, 1995. -234 с.

63. Новейший философский словарь: 3-е изд., исправл. Мн.: Книжный Дом, 2003.-1280 с.

64. Новиков A.M., Новиков Д.А. Методология. М.: Синтег, 2007. - 668 с.

65. Одинцов Б.Е., Романов А.Н. Проектирование экономических экспертных систем: Учеб. пособие для вузов. -М.: Компьютер; ЮНИТИ, 1996. — 166 с.

66. Павлова Н.В. Методы искусственного интеллекта и новые информационные технологии в проектировании приборных комплексов: Учеб. пособие. -М.: МАИ, 2000. 104 с.

67. Паклин Н.Б., Орешков В.И. Бизнес-аналитика: от данных к знаниям. — СПб.: Питер, 2009. 624 с.

68. Панфилова А.П. Игровое моделирование в деятельности педагога: Учеб. пособие для студ. высш. учеб. заведений / Под. общ. ред. В.А. Сластенина, И.А. Колесниковой. М.: Академия, 2006. - 368 с.

69. Поспелов Д.А. Большие системы. Ситуационное управление. — М.: Знание, 1975. 64 с.

70. Поспелов Д.А. Ситуационное управление: Теория и практика — М.: Наука, 1986.-284 с.

71. Поспелов Д.А., Пушкин В.Н. Мышление и автоматы — М.: Сов. радио, 1972.-224 с.

72. Пропп В.Я. Морфология волшебной сказки. — М.: Лабиринт, 2007. —128 с.

73. Путеводитель по методологии Организации, Руководства и Управления: Хрестоматия по работам Г.П. Щедровицкого. — М.: Дело, 2003. — 160 с.

74. Пушкин В.Н. Оперативное мышление в больших системах. — М.: Энергия, 1965.-375 с.

75. Пушкин В.Н. Эвристика — наука о творческом мышлении. М.: Политиздат, 1967. — 272 с.

76. Ревунков Г.И., Самохвалов Э.Н., Чистов В.В. Базы и банки данных и знаний: Учебник для вузов / Под ред. В.Н. Четверикова. М.: Высш. шк., 1992. -367 с.

77. Рыбина Г.В. Введение в интеллектуальные системы: Учеб. пособие. — М.: МИФИ, 2006. 140 с.

78. СапунцовВ.Д. Компьютер в экономическом образовании. М.: Новый век, 1999.-232 с.

79. Системный анализ и принятие решений: Словарь-справочник: Учеб. пособие для вузов / Болотова J1.C. и др.; Под ред. В.Н. Волковой, В.Н. Козлова. — М.: Высш. шк., 2004. 616 с.

80. Скороходько Э.Ф. Информационно-поисковая система БИТ. — Киев: Наук, думка, 1968. — 120 с.

81. Скороходько Э.Ф. Семантические сети и автоматическая обработка текста. Киев: Наук, думка, 1983. - 218 с.

82. Социология: Энциклопедия / Сост. А.А. Грицанов и др.. Мн.: . Книжный Дом, 2003. - 1312 с.

83. Статические и динамические экспертные системы: Учеб. пособие / Попов Э.В. и др.. М.: Финансы и статистика, 1996. - 318 с.

84. Теория систем и системный анализ в управлении организациями: Справочник: Учеб. пособие / Баринов В.А. и др.; Под ред. В.Н. Волковой, А.А. Емельянова. М.: Финансы и статистика, 2006. - 848 с.

85. Терехина А.Ю. Анализ данных методами многомерного шкалирования. — М.:. Наука, 1986.t

86. Теслинов А.Г. Концептуальное мышление в разрешении сложных и запутанных проблем. СПб.: Питер, 2009. - 288 с.

87. Теслинов А.Г. Концептуальное проектирование сложных решений.v — СПб.: Питер, 2009. 288 с.

88. Трайнев В.А. Учебные деловые игры в педагогике, экономике, менеджменте, управлении, маркетинге, социологии, психологии: методология и практика проведения: Учеб. пособие для студ. вузов. -М.: Владос, 2005. 303 с.

89. ТрайневВ.А., ТрайневИ.В. Интенсивные педагогические игровые технологии в гуманитарном образовании (методология и практика). М.: Дашков и К, 2006. - 282 с.

90. Уткин В.Б., Балдин К.В. Информационные системы и технологии в экономике: Учебник для вузов. -М.: ЮНИТИ-ДАНА, 2005. 335 с.

91. Федоров А.Г., Елманова Н.З. Введение в OLAP-технологии Microsoft. — М.: Диалог-МИФИ, 2002. 268 с.

92. Фонд Хайнца Никсдорфа в России Электронный ресурс. — URL: http://www.nixdorf.ru/ (дата обращения: 01.09.2009).

93. Франселла Ф., Баннистер Д. Новый метод исследования личности: руководство по репертуарным личностным методикам: Пер. с англ. М.: Прогресс, 1987.

94. Хруцкий Е.А. Организация проведения деловых игр: Учеб.-метод. пособие для преподавателей сред. спец. учеб. заведений. — М.: Высш. шк., 1991. — 320 с.

95. Частиков А.П., Гаврилова Т.А., Белов Д.Л. Разработка экспертных систем. Среда CLIPS. СПб.: БХВ-Петербург, 2003. - 608 с.

96. Червинская К.Р. Медицинская психодиагностика и инженерия знаний. -М.: Академия, 2002. 624 с.

97. Шаронова С.А. Деловые игры: Учеб. пособие. М.: РУДН, 2005. - 166 с.

98. Шемакин Ю.И. Семантика самоорганизующихся систем. М.: Академический проект, 2003. - 176 с.

99. Шрейдер Ю.А. Равенство, сходство, порядок. М.: Наука, 1971. - 256 с.

100. Шрейдер Ю.А. Семиотические основы информатики. М.: ИПКИР, 1975.-80 с.

101. Шрейдер Ю.А., Шаров А.А. Системы и модели. М.: Радио и связь, 1982., - 152 с.

102. Ясницкий Л.Н. Введение в искусственный интеллект: Учеб. пособие для вузов. -М.: Академия, 2005. 176 с.