автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Многоагентное моделирование окружающей обстановки морского судна



На правах рукописи

I/

Павлыгин Эдуард Дмитриевич

МНОГОАГЕНТНОЕ МОДЕЛИРОВАНИЕ ОКРУЖАЮЩЕЙ ОБСТАНОВКИ МОРСКОГО СУДНА

Специальность: 05.13.18 - «Математическое моделирование,

численные методы и комплексы программ»

Автореферат

диссертации на соискание ученой степени кандидата технических наук

2 0 ЯНВ2011

Ульяновск, 2010

004619262

Работа выполнена на кафедре «Вычислительная техника» Ульяновского Государственного Технического Университета

Научный руководитель - доктор технических наук, профессор

Сосшш Пётр Иванович

Официальные оппоненты

доктор технических наук, профессор Кумунжиев Константна Васильевич;

кандидат технических наук, доцент Наместников Алексей Михайлович

Ведущая организация

Военно-морской институт радиоэлектроники им А.С. Попова, г. Санкт-Петербург-

Защита диссертации состоится « 09 » февраля 2011 г. в 15:00 на заседании диссертационного Совета Д212.277.02 при Ульяновском государственном техническом университете по адресу: 432027, г. Ульяновск, ул. Северный Венец, д. 32 (ауд. 211).

С диссертацией можно ознакомиться в научной библиотеке Ульяновского государственного технического университета.

Автореферат разослан « 30 » декабря 2010 г.

Ученый секретарь диссертационного совета д.т.11., профессор

В.Р. Крашенинников

ОБЩАЯ ХАРАКТЕРИСТИКА РАГ.ОТЫ

Актуальность работы

Любое современное морское судно решает навигацнонные и другие задачи, используя разнородную и богатую первичную информацию, поступающую в его систему управления из многочисленных источников. Одной из важнейших форм интеграции поступающей информации является представление окружающей обстановки судна (ООС), ориентированное на лиц, принимающих оперативные решения. За осуществление интеграции!) форме ООС и принятие решений на сс основе обычно несст ответственность специализированная подсистема, включенная в систему управления судном.

По сути дела на такую подсистему интеграции информации возложена задача моделирования ООС с обязательным ее визуальным представлением, способствующим результативному управлению судном. При этом в текущем состоянии ООС(0 особый интерес представляют надводные и воздушные динамические объекты разных типов, которые пересекают границы обстановки, решая собственные задачи, возможно групповые, причем для судна интересны объекты, находящиеся внутри выделенного окружения.

Необходимо отметить, что результативность моделирования в существенной мере зависит от адекватности представления окружающей обстановки и от форм интерактивного взаимодействия лиц, принимающих решения, с моделями динамических объектов, находящихся в границах ООС.

Множество типов морских судов и разнообразие задач, которые приходится решать, используя информацию об ООС, привело к разработкам разнообразных, чаще всего специализированных, комплексов средств управления (К'СУ), настроенных на получение информации от определённых идентификационно-измерительных средств, размещённых как на судне, так и за его пределами.

В то же время, непрекращающееся развитие средств идентификации, измерения и компьютеризации, повышение требований к адекватности и качеству освещения ООС, а также расширение круга решаемых задач управления судном регулярно приводят к повторным разработкам КСУ и созданию новых комплексов такого типа. По названным причинам исследования и разработки методов и средств адекватного и результативного освещения ООС являются актуальными.

Обеспечение заданной степени адекватности, включая ее визуальное отражение, приводит кряду существенных требований, предъявляемых к программным комплексам моделирования как системам реального времени. Важнейшими из таких требований являются использование единого информационного источника данных (ЕИИД) н многозадачное распараллеливание процессов, вносящих существенный вклад в спецификацию реального времени. Рациональная реализация этой спецификации имеет принципиальное значение для систем реального времени.

На основании вышесказанного в диссертационной работе была выбрана область исследований, содержание которой определяют методы и средства оперативного представления окружающей надводной и воздушной обстановки судна для использования в его системе управления.

Функции объекта исследований в работе выполняют средства моделирования, обеспечивающие сбор информации об окружающей обстановке судна, её обработку; визуализацию и использование в информативных и управляющих целях.

Предметом исследования диссертационной работы является мношагентное моделирование в системах освещения окружающей обстановки морского судна, нацеленное на достижение приемлемого быстродействия испособствующееоперативному информированию о характеристиках динамических надводных и воздушных объектов в окружении судна, а также развитию систем освещения ООС и повторному использованию программных агентов.

Цель диссертационной работы

Улучшение спецификаций реального времени комплексов программных средств, обслуживающих освещение ООС, и обеспечение возможности их повторного использования; повышение адекватности представления и восприятия окружающей обстановки морского судна за счёт использования единого информационного источника данных и возможности как автоматического, так и интерактивного взаимодействия с данными и задачами.

Для достижения цели необходимо решить следующие научно-технические задачи:

1. Оценить возможности адаптации многоагентиого подхода к программной обработке информационных потоков значений измеряемых и идентифицируемых характеристик надводных и воздушных объектов, находящихся в пространстве ООС.

2. Разработать систему моделей для типовых агентов надводных и воздушных объектов, а также для агентов информационных объектов, порождаемых потоками входной информации из доступных источников.

3. Разработать методы многоагентных расчётов в задачах отождествления и группирования надводных и воздушных объектов.

4. Разработать совокупность визуальных моделей ООС, обеспечивающих её интегральное и дифференциальное представления с возможностью не только автоматического и визуального, но и интерактивного доступа к информационным моделям надводных и воздушных объектов.

5. Разработать программный комплекс «Система многоагентпого моделирования окружающей обстановки морского судна», обеспечивающий его использование в тренажёрном режиме и открытый для построения на его базе эксплуатационной версии.

Научную новизну составляют:

1. Математическая модель информационных потоков в ООС, обеспечивающая унификацию в информационные представления характеристик объектов, поступающих из различных источников, а также их привязку к модельному времени таким образом, что обработку информационных потоков можно распараллелить, нацелив её на формирование единого информационного источника данных об ООС.

2. Система типовых программных агентов, осуществляющих обработку информационных потоков об ООС и моделирующих не только надводные и воздушные объекты, находящиеся в текущий момент времени в окружающей обстановки судна, но и их информационные характеристики в форме, обеспечивающей единообразное представление и взаимодействие агентов с их программным окружением, что упрощает оперативную настройку системы обработки информации на различные источники информации.

3. Метод многоагентпого расчётного отождествления информационных представленийдинамическихобъектов,поступающихотсовокупности радиолокационных станций, в основу которого положены проверка статистических гипотез и решение

задачи о приписывании системных имён венгерским методом, что повышает вероятность корректной идентификации объектов.

4. Метод многоагентного расчётного группирования, выявляющий группы надводных и воздушных объектов и определяющий характеристики групп объектов, в который включены эвристические решения, способствующие распараллеливанию вычислений для выполнения совокупностью программных агентов.

5. Набор визуальных моделей ООС, представляющих её интегрально и разделяющих интегральную картину на надводную и воздушную составляющие, каждая из которых способствует визуальному оцениванию и интерактивному доступу к объект ам обстановки.

.Методы исследовании

В диссертационной работе применены методы системного анализа, методы математического моделирования, численные методы, методы теории вероятностей и математической статистики, методы объектно-ориентированного и агентно-ориентированного программирования.

Достоверность результатов диссертационной работы подтверждается корректным применением математических методов,согласованностью новых результатовс известными теоретическими положениями, а также опытной эксплуатацией разработанных средств в тренажёрном режиме.

Основные положения, выносимые на защиту

1. Математическая модель информационных потоков об ООС, ориентированная на многоагенгный подход к структуризации задач моделирования окружающей обстановки морского судна, обеспечивает не только формирование единого информационного источника данных, но и создание библиотеки программных активов, упрощающих их повторное использование с учётом специфики судна или при модернизации КСУ.

2. Система моделей агентов, включающая агентов для решения задач отождествления и группирования, в которой каждый агент представлен его задачей существования, вводит единообразные средства для взаимодействия с программным окружением и пользователями вахтенной службы.

3. Совокупность визуальных моделей надводных и воздушных объектов пространства ООС способствует визуальному оцениванию обстановки без расчётов.

Практическая ценность

В инструментальной вопросно-ответной среде разработано приложение «Система Многоагентного Моделирования Окружающей Обстановки Судна (СММООС)», обеспечивающее его использование в тренажёрном режиме и открытое для построения на его базе эксплуатационной версии.

Реализация и внедрение результатов работы. Разработанные программные средства и комплекс методик их использования реализованы в рамках НИОКР, выполненной в ФНПЦ ОАО «НПО «Марс».

Апробация работы. Основные положения и результаты диссертационной работы докладывались и обсуждались па Международной конференции «Intelligent Systems 2008» (г. Дивпоморск).

Публикации. По материалам диссертационной работы опубликовано 11 печатных

работ, в том числе одна работа-в журнале из списка ВАК.

Структура и объём работы. Диссертационная работа состоит из введения, четырёх глав с выводами, заключения, библиографического списка использованной литературы (146 наименований), изложенных на 176 страницах машинописного текста, а также 2-х приложений на 16 страницах. Диссертация содержит 37 рисунков и 12 таблиц.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении рассмотрена актуальность темы диссертационной работы, определена ее цель и задачи, сформулированы положения, выносимые на защи ту, их научная новизна и практическая ценность, представлены сведения об использовании и реализации результатов работы, структуре диссертации.

В первой главе диссертационной работы раскрываются проблемы информационного обеспечения процессов принятия решений на морском судне, методы и средства освещения ООС, агентные решения, используемые в системах управления судном, и опыт разработок многоагептпых систем. Анализируются позитивы от применения многоагентного моделирования в освещении ООС, предлагается вопросно-ответный подход к многоаген гному моделированию ООС, формулируется задача диссертационного исследования и проводится анализ обобщённой постановки задачи.

Интересы диссертационного исследования изначально ограничиваются задачей адекватного представления OOC(t) с позиций изменений, обусловленных движением надводных и воздушных динамических объектов в пространстве ООС(0-

Отмечается, что для общего случая обеспечения адекватности принципиальное значение имеет задача сбора и обработки информации ог различных источников, включающая следующие этапы:

1. Выделение из входных потоков первичной информации единиц, представляющих для любой (используемой при моделировании ООС) характеристики От (любого надводного или воздушного объекта Obj или области мореплавания ОЬО) множество сё значений {Ch (Ob, Ob0, у}, каждое из которых привязано ко времени {Ц} и местонахождению судна ОЬДу в соответствующее время.

2. Для каждой характеристики Ch. при наличии нескольких источников {ПС'г) её значений и/или при необходимости обработки значений Ch., поступающих от одного источника ИСг, определение того из значений, которое будет представлять характеристику в текущий момент времени во всех задачах управления судном.

3. Дня области ОЦД.) и для каждого Ob(tt) объединение всех соответствующих области ОЬ() или объекту Ob характеристик С1т в единое целое, при котором его декларативная модель связывается с каждым таким объектом в момент времени t^

4. Регистрация совокупности ОЬД^) и ОЬД^) в ЕИИД, используемом различными службами судна, в первую очередь вахтенной службой.

5. Визуализация окружающей обстановки Ob0(t,.) u Ob (tt) по нормативным или ситуативным запросам вахтенной службы.

Указывается, что решение задач сбора и обработки информации о состояниях и динамике OOC(t) осуществляется в условиях работы нескольких PJ1C разного типа, с разным временем обзора и различиями в наборах характеристик, регистрируемых в формулярах PJ1C.

Проводится анализ аппаратно-программных систем, применяемых для

моделирования ООС, в котором оцениваются не только их проблемы, связанные с реальным временем, но и проблемы реинжиниринга, актуальные для разработчиков линеек КС У для судов разного класса в условиях развития средств компьютеризации.

Особоевниманнеуделяется\шогоагентньш решениям,используемым внрограммных системах управления судами, и фиксируется фрагментарное и явно недостаточное использование таких решений, обладающих существенными преимуществами по сравнению с объектно-ориентированными программными системами.

Проводится обзор методов и средств многоагентного моделирования, результаты которого используются как существенные основания для решения об исследовании и практическом использовании многоагентного моделирования ООС(0 в диссертационной работе. Обосновывается не только решение о мпогоагентном моделировании, но и решение об его реализации в рамках вопросно-ответного подхода и его инструментария, разработанных в исследовательской группе, одним из членов которой является и автор диссертации.

По результатам обзора и анализа сформулирована следующая обобщённая постановка задачи диссертационного исследования:

7*. Разработать комплекс средств многоагентного моделирования окружающей обстановки морского судна, в котором снижена зависимость процессов обработки первичной информации от ограничений реального времени за счёт распараллеливания общей работы между программными агентами разных типов и коррекции изменения характеристик ООС, учитывающей время обработки.

Агентная обработка первичной информации должна быть нацелена на формирование единого источника данных, значения которых адекватны текущему моменту времени, результативно обслуживают геоипформатику мореплавания судна и доступны для интерактивного взаимодействия в задачах его управления.

Проведена мотивационпо-целевая оценка задачи исследований и выявлены потенциальные позитивы от предлагаемых средств многоагентного моделирования ООС.

Во второй главе предлагается и обосновывается математическая модель многомерных информационных потоков данных о значениях характеристик объектов, наблюдаемых в ООС. Анализ математической модели, основанный на возможностях параллельной обработки информационных потоков и их составляющих, используется для моделирования процесса обработки в виде динамического дерева задач, влючающего задачи, решаемые системой программных агентов. Оцениваются возможности представления агентов с помощью средств вопросно-ответного моделирования.

Для математического моделирования многомерных информационных потоков, существующих в системе обработки данных, предложена следующая модель:

О = ори О8 = КЛ} и {0\} = {{ и {{

= г,(срк с1и*>. сс (v), ц, м;)),

¡0 + ¡*(р+1)*тм+|*тм,

] = 1, Др+1; ¡=1,1; к = 1, К;р = 1, Р; г = 1

У

в которой для представления значений унифицированных наборов радиолокационных характеристик Ор, поступающих в систему обработки данных для каждого объекта ОЬь множества объектов {ОЬк}, обнаруженных каждой РЛСр из совокупности РЛС с номерами от I до Р, используются инкрементные прогнозные значения Еркг(^+1), учитывающие привязку времени обзора Т9 для РЛС к периоду ТМ модельного времени. Период модельного времени выбирается так, чтобы отношение Т'7'1М = 1 было больше единицы для любой РЛС. Прогнозные значения вычисляются по информации о характеристиках, поступающей в систему в моменты времени I., из формуляров РЛС.

Для представления остальных характеристик обнаруженных объектов {ОЬк} используется изменение значений, управляемое типовым предикатом Ыечу^'Д^,)), истинность которого связана с событием ввода в систему обработки данных очередного нового значения а5к(1 +1) характеристики

11осгроение модели информационных потоков было нацелено на их структуризацию с позиции системы задач обработки, допускающей параллельное решение с

помощью программных агентов.

Для моделирования системы задач в диссертации использованы

деревья задач, представленные и реализованные (рис. 1) в разработанной на кафедре «Вычислительная техника» Ульяновского государственного технического университета системе вопросно-ответного моделирования задач '\VIQA.

Г Т'Ш

явшманя

Дерево задач

Модель

навигационных

данных

(характеристик)

Управление

Визуализация задач и данных

Распределение задач по клиентским компьютерам

Рис. 1. Представление обработки в виде дерева задач

В отображении математической модели обработки данных на систему агентов 8({А}) учитывается не только решение задачи Ст5) моделирования информационных потоков, поступающих от всех источников первичной информации об ООС, но и решение задач отождествления объектов г2({ОЬк}) от разных РЛС, группирования объектов 7'({ОЬк}) со сходными динамическими характеристиками, формирования единого источника данных 2X0'', О5) и задач картографической визуализации 25({ОЬк}) окружающей обстановки судна.

Структуризация задачи Ъ1, '¿\ 71, () проведена с ориентацией на

многоагентное моделирование окружающей обстановки судна с помощью программного комплекса СММООС, в результате чего построено отображение дерева задач на систему программных агентов 8({Л4}, I):

г\ ъ\ о <-> 8({лу>, о. (2)

Данная система программных агентов и была реализована в программном комплексе СММООС.

В разработанном программном комплексе СММООС используется четыре слоя программных агентов А1, А2, А3 и Л4, связанных в единое целое (рис. 2) системой задач существования агентов, в которой действует система транспортировки данных.

Со слоями агентов связано следующее содержание:

• слой агентов А" представляет идентификационно-измерительные средства, в частности радиолокационные станции (РЛС_р), направляющие потоки первичной информации в комплекс СММООС;

• слой агентов А', названный па рис. 2 «ИС-агенты», обеспечивает преобразование входных потоков первичной информации в унифицированный для СММООС формат с учётом привязки данных к системному времени;

• слой агентов А2, состоящий из СЬ-агснтов, отвечает за выборку в реальном времени из информации, поступившей в СММООС, значений определённых характеристик

динамических объектов, используемых для третичной обработки данных и их регистрации в ЕИИД;

• слой агентов/!3, объединяющий Агентов-Ch, нацелен на определение интегральных (результирующих) значений характеристик с учётом отождествлений и группирования, о которых будет сказано ниже;

• слой агентов Л4, названный «Агенты объектов», представляет динамические объекты, обнаруженные в ООС в течение времени нахождения этих объектов в границах ООС;

•агенты слояЛ4 представляют в СММООС идентифицированные группы надводных или воздушных объектов с учётом характеристик групп Gr.

Динамика каждого агента любого слоя, выраженная через его характеристики, представляется с помощью значений этих характеристик, привязанных к реальному (или модельному) времени. Существование любого агента определяется набором задач, за решение которых он несёт ответственность.

Структу рно-формальное представление СММООС имеет следующий вид:

CMM(OOC(t)) = MAS(WIQA, Env(t), S({A', A2, A3, A4}), t)

Env(t) = (Cart(t), Aer(t), Isom(t)) A'={A\(A))}, J = \X

А2 ={А1^(АъгМ)т, m = lM,j = U', r =

A3 ={A?(S(A;,{A*,m, r = lR, v = \y , m = lM,i = U, }, (3)

A4={£(S({Al}))} , v = U, r = \J,

AP = {A>j, p = 14, 9=Щ

4=Б;(Л,О))

{A/0 = {N(A|), R, B(Aj), K'i(Aj), M, S,(A,), D,(A,), SP({ A,!), t, {fk(Ai( t)J}, j

где отражено, что OOC(t) является аргументом СММ, причём CMM(OOC(t)) в её программном представлении (как многоагентной системы MAS) включает программные средства WIQA и ENV(l), с которыми взаимодействует система программных агентов S ({АА2, А3, А'}). Базовые средства инструментария WIQA используются не только для разработки MAS, но и включены в её состав как системные средства, информационно обслуживающие процессы многоагентного моделирования, а также как средства управления процессами и интеграции компонентов и агентов в единое целое.

В символическое обозначение CMM(OOC(t)) в (3) и слева, и справа введено время t. Слева оно выражает, что OOC(t) изменяется во времени из-за передвижения корабля и динамических объектов в его окружении. Справа время учитывает, что программные коды MAS(..., ..., t) в процессе функционирования программной системы изменяются, поскольку в эти коды вводятся коды агентов, представляющих очередные корабли или самолёты, оказавшиеся в пространстве ООС, а также исключаются коды программных агентов для кораблей и самолётов, вышедших из зоны ООС.

В диссертационном исследовании принято решение о выделении в программном образовании Env(t) трёх представление! географики - картографического представления Cart(t) для визуальной демонстрации расположения надводных объектов, представления Aer(t) совокупности воздушных эшелонов в зоне OOC(t) и изометрического представления

1;;от(1), интегрирующего общую картину моделируемой обстановки судна.

Все программные агенты системы имеют реактивный тип и в единообразной форме взаимодействуют со своим окружением (рис. 3) через доску объявлений (включена как служебная задача в общее дерево задач), обмениваясь данными, регистрируемыми в вопросно-ответных протоколах соответствующих задач существования агентов.

Пользователи

Поле событий (вопросно-ответные данные)

Информационное поле (вопросночггветные данные)

Базовые средства \VIQA

Задачно-ориентированные плагины (расширения)

Рис. 3. Схема взаимодействия агента со своим окружением

Символическое обозначение агента А.(0 в формализме (3) включает: К(А() - имя агента; В(А() - «тело» агента, образованное соответствующим программным кодом; 8(А)=(8,|(А1), 8°.(АД)- список событий, в котором события из списка ^(А^ активизируют агента А^ а 8°.(А.) - список событий, созданный агентом А1 для управления другими агентами; О^) = (О'/А^, О'^А^) - поле данных агента, в котором ^(А.) - входные данные, а ГУ'^ЛД) - выходные данные; ЯР({А|}) - список имён агентов, которые могут быть активизированы результатами работы агента А^

I - текущий момент времени существования агента в моделирующей (программной) среде; {^(А^ I, Д^)} - множество функций, зависящих от времени I существования агента и/ или от временных интервалов Л^ и используемых агентом А- в исполняемых им действиях.

В третьей главе диссертации представлено распределение обработки данных между агентами; выявление проблем агентных решений и детализации механизмов обработки ограничено источниками радиолокационной информации; выбраны типовые модели агентных решений, представлен механизм коррекции значений характеристик; предложены и специфицированы два численных мпогоагентных метода для решения задач отождествления объектов, обнаруженных и зарегистрированных различными РЛС, возможно, под разными именами, и их группирования.

Для режима тренировки функции ИС-агентов изменены. Их активность нацелена на генерацию (с использованием генератора случайных чисел) характеристик надводных и воздушных объектов в начальном состоянии.

Сущность действий агентов СЬ-слоя представлена на рис. 4, где показано, что СЬ-агент из информации об определённой характеристике (<Е ,, 1г|>, р 1п>),

зарегистрированной ИС-агентами в определённые моменты времени 0г1, и выбирает для регистрации в ЕИИД то значение, неопределённость которого (и для измеримой характеристики, и для идентифицируемой характеристики) меньше.

Рис. 4. Отбор адекватных значений характеристик

Для радиолокационных характеристик выбор определяется с учётом состояния РЛС (активна или пет), её приоритетом (точностные характеристики), а также статусом цели (сопровождавшаяся, но потерянная; недостоверные данные; цель сопровождается).

В обработке данных с использованием агентов учтена ситуация, в которой приходится решать задачу отождествления Z2({Obk}) объектов {ОЬк}, получивших разные имена в разных потоках первичной радиолокационной информации (от разных РЛС). Ситуация с возможным неправильным именованием объектов возникает и в случае, когда движущиеся объекты па экране локатора в определённый момент времени пересекаются в одной «точке».

Для определённого множества объектов {ОЪ находящихся в окружающей обстановке судна, из потоков первичной информации, поступающих от определённого множества {РЛО}, сформирована система информационных потоков 8({дрь((.^/), в которой количество объектов и имена физически тождественных объектов, зарегистрированных в формулярах РЛС, могут быть различны. Более того, на определённых интервалах времени любая из РЛС может быть снята с дежурства, и такие события независимы.

Требуется, используя информацию из системы а таю/се информацию об РЛС, создать единую систему имён объектов, согласованную с именами, используемыми в формулярах РЛС.

В диссертационной работе в основу построений решения задачи отождествления положена проверка статистических гипотез о физической тождественности объектов (или нет), зарегистрированных операторами (или автоматически) под оперативными именами в формулярах разных РЛС.

Предлагается решение, состоящее из двух этапов. На первом этапе для оперативности построения системы имён объектов используется механизм однократной проверки статистических гипотез по всему множеству имён объектов, использованных в формулярах. Во второй версии для повышения достоверности используется статистика однократных проверок гипотез.

Задача отождествления находится на «дежурстве» постоянно, а очередной экземпляр её решения (сеанс решения) активизируется при наступлении определённых событий.

Для решения задачи отождествления в диссертации разработан и запрограммирован метод многоагентпого численного отождествления, в применении которого задействоваш.1 Лгенты-СЬ и СЬ-агенты, реализующие оба этапа отождествления.

В реализации первого этапа отождествления в слое СЬ-агентов постоянно активен СЫ°°-агент, обнаруживающий необходимость решения задачи отождествления и включающий в решение таких задач очередных агентов отождествления СЬ°-агентов. Псевдокод активности СЫ00-агент состоит из следующих действий:

1. Скорректирован, список радиолокационных характеристик (РХ) динамических объектов.

2. Проверить, есть ли в списке два объекта, требующих решения задачи отождествления.

3. Если в списке отсутствуют объекты, для которых требуется решить задачу отождествления, то Перейти к п. 7.

4. Создать очередной экземпляр СЬ°-агента для решения задачи отождествления для выбранной пары объектов.

5. Сформировать н вывести данные для решения задачи отождествления.

6. Если в списке РХ больше нет пар объектов, характеристики которых сблизились, то, Если в списке РХ больше нет пар объектов, характеристики которых сближаются, то Перейти к п. 7, Иначе Перейти к п. 1.

7. Сформировать предварительный список системных имён объектов, обнаруженных в зоне ООС.

8. Ждать на протяжении интервала времени Д( (периодичность проверки причин для решения задачи отождествления).

9. Перейти к п. I

В основу статистической проверки гипотезы тождественности двух надводных объектов ОЬ, и ОЬ2 положены следующие предположения. Характеристики этих объектов в виде пеленгов (ара2) и дальностей (с!г¡¡2) при их привязке к конкретному моменту I модельного времени являются нормально распределёнными случайными величинами ¿О с известными числовыми характеристиками, определяемыми соответствующими РЛС .'

Если статистикой критерия при статистической проверке гипотез НО и III считать разность пеленгов ^и разность дальностей , то можно утверждать, что

если объекты ОЫ и ОЬ2 представляют собой один и тот же объект (гипотеза НО), тоМ<?=0, М<?=0; в противном случае (гипотеза Н1) хотя бы одно из упомянутых математических ожиданий должно быть отлично от нуля.

Если верна и принята гипотеза Н0, то осуществляется правильное отождествление. Так как случайные величины и ^считаются независимыми, то вероятность правильного отождествления определяется следующим выражением:

Р0=Р<1)Х^2). (4)

где Р'" - вероятность правильного отождествления по пеленгу, а Р0Р> - вероятность правильного отождествления по дальности.

Если верна гипотеза Н0, но ошибочно принята гипотеза Н,, то осуществляется неправильное неотождествление. Понятно, что вероятность неправильного неотождествления равна 1 -Р0.

Для определения упомянутых выше вероятностей необходимо знать пороговые значения по пеленгу и по дальности, для определения которых возможны два подхода.

В первом подходе ограничивается сверху вероятность неправильного неотождествления (появление ложного объекта), т. е. \-Р0<е. Исходя из этой установки, были получены формулы для пороговых значений по пеленгу и дальности:

X = % = стаф~' (^-ё), (5)

где е - вероятность появления ложного объекта, 1 * —

Ф(х) = _ \ е 2 Л - нормированная функция Лапласа

л/2 к

Во втором подходе при определении пороговых значений ограничивают сверху вероятность неправильного отождествления, т. е. I < в результате чего пороговые значения определяются выражениями:

1а = 'К + <Т„Ф (Лг) = Щ +алФ"' (6)

где та, - математические ожидания разницы между объектами по пеленгу и дальности соответственно.

Для воздушных объектов критерий проверки формируется по образцу критерия для надводных объектов, но, кроме пеленга и дальности, в критерий включается дополнительная составляющая, учитывающая вероятностные характеристики для третьей координаты (высоты).

После того, как выбран критерий проверки статистических гипотез (в рассматриваемом случае это одновременное равенство нулю разностей по пеленгу и по дальности) и определён уровень значимости (в рассматриваемом случае это согласованные значения для пороговых значений уа и у^), веб готово к проверкам гипотез.

В принципе, заключение о том, какая гипотеза статистически справедлива (Н0 или Н,), можно проводить по однократной оценке пар значений по пеленгу и дальности, полученных от двух согласованных во времени источников. Разумеется, такие значения следует выбрать из информационных потоков значений этих характеристик, приведенных к модельному времени.

Более того, для каждой пары РЛС выборку следует формировать исходя из времени обзора, который больше, в общем случае через интервал времени (1'+1)*Тм. Такой выбор будет гарантировать, что значения образованы от различных первичных данных при использовании даже прогнозных значений.

В первой версии каждый агент решает элементарную задачу отождествления для двух определённых объектов, характеристики которых оказались близки по данным от двух определённых РЛС. В установлении тождества или его отрицания используется

однократная проверка гипотезы Н0.

ДапныеорезультатахпроверкпблизкихшфпередаютсяагснтуСЬ^для приписывания обнаруженным объектам системных имён. По таким именам выявляются совокупности пересекающихся пар, и каждой такой совокупности приписывается очередное системное имя (системный номер объекта). Каждому объекту, не участвовавшему в предварительном отождествлении, приписывается очередное системное имя. Очередность определяется исходным списком объектов подзадачи предварительного отождествления.

Для повышения достоверности заключения целесообразно набрать статистику однократных заключений с последующей надлежащей обработкой её использования. Именно такая нагрузка возложена на второй этап (подзадачу) отождествления.

В диссертационной работе предлагается формировать статистику однократных заключении и использовать её обработку, нацеленную на повышение достоверности, учитывая специфику радиолокационного обнаружения объектов и наблюдения за ними, а также ориентируясь на многоагентную обработку информации при решении задачи отождествления.

Специфика радиолокационного обнаружения и наблюдения объектов включает:

1. Отметка об объекте, созданная с помощью определённой РЛС, может появиться и исчезнуть ситуативно в любой момент времени.

2. На одной РЛС объекты могут наблюдаться устойчиво, в то время как на другой часть из них может оказаться необнаруженной.

3. Определённая РЛС но разным причинам может быть снята с оперативного дежурства (например, при сбое или профилактике).

4. Отметки о движущихся объектах могут перекрываться из-за их движения.

Отмеченная специфика приводит к необходимости регулярно!« отождествления, то

есть к многократному решению задачи отождествления с использованием многократных проверок гипотез отождествления.

В диссертационной работе приняты следующие решения по сбору и обработке данных, накапливающих результаты однократных проверок гипотез:

1. Однократные проверки используются для всех нар объектов, обнаруженных каждой парой РЛС (пусть с номерами 1 и]).

2. Для каждой пары РЛС накопление и обработка результатов однократных проверок осуществляется па интервале времени от одного решения задачи отождествления (для всех РЛС) до начала сё следующего решения.

3. Результат проверок для каждой из пар объектов регистрируется в следующей матрице:

г А„ А,2 .... А1„ Аш-1 Аш

а21 а 22 .... А2а А2М

А(М^) = {Апт(Му)}=< Ага1 Ат2 .... а А„,м_1 л у

Ам1 Ам2 Амп Амы-1 Ацм

где в каждом элементе Ат при каждом положительном подтверждении однократной проверки пары объектов ОЬ1т и ОЬ л значение элемента Апш увеличивается на единицу, а при отрицательном - уменьшается на единиц).

4. Использование матрицы А(М() для отождествления начинается с добавления в

матрицу М-Ы строк (при М>ТЯ) или N-N1 столбцов (при Ы>М), в которых все элементы равны нулю.

5. Для квадратной матрицы (^^(М..)} или {Атт(Му)}), образовавшейся после добавления в соответствии с действиями п. 4, производится увеличение каждого элемента этой матрицы на величину самого большого по модулю отрицательного значения её элемента. Полученным значениям элементов новой матрицы ({А'^М^} или {А'тт(Ми)}) приписывается смысл «степени соответствия соответствующих проверок утверждению о том, что ОЬ и ОЬ тождественны».

' 1Ш ¿и

6. Матрица А' интерпретируется как исходные данные для решения следующей задачи о назначениях:

Имеется п целей одного источника, которые требуется отождествить с т целями другого источника. Существует возможность оценить эффективность отождествления ¡-ой цели одного источника и /-ой цели другого источника с. Требуется таким обрашмраспределить цели одного источника на цели другого источника, чтобы максимизировать суммарную эффективность. Полагается, что:

1,1 <—> J : ¡-ия цель 1-ого источника онюждествлена с ¡-ой целью 2-ого источника

О Г ¡-ал цель 1-ого источника не отождествлена с ¡-ой целью 2-ого источника

Математическая постановка задачи будет иметь вид:

п т

максимизировать функцию при ограничениях

1=1 Н

¿>,=и = 1...и, = 1,> = 1 -т, где х, = -(-1 м 1и

7. Задача о назначениях решается венгерским методом итерационного преобразования матрицы А' к виду, в котором выявляются явные индикаторы соответствия имён объектов.

Заметим, что в каждом сеансе решения задачи отождествления венгерский метод применяется многократно или, конкретнее, для каждой пары РЛС из их набора, активного (то есть находящегося на дежурстве) на момент проверок.

8. Для проверенных двух РЛС формируется два неполных столбца матрицы, представленной на рис. 5, со значениями элементов В, соответствующими именам целей. Матрица регистрирует общий результат отождествления по всем РЛС с учетом подсписка объектов, которым уже приписаны системные имена.

В матрице с демонстрационными целями показано, что после решения задачи отождествления для первой и второй РЛС гипотеза НО не подтвердилась для объектов

с именами В2|, В22, В2М2, В2М, обнаруженных РЛС2,. Остальные объекты, обнаруженные РЛС1 и РЛС2, оказались тождественными.

си

ГО X ш

I

ш ь

и £

5

и

ГО

X г Г'

ф г г; й-

Рис. 5. Формирование «словаря» (матрицы) системных имён

Первый столбец матрицы предназначен для регистрации всех (различных) объектов, обнаруженных всеми РЛС. По этой причине для имён объектов (..., В2М 2, В2М) вводятся синонимы, роль которых выполняют их новые системные имена, регистрируемые в первом столбце (как показано на рисунке 5).

Следующие действия по формированию матрицы имён связаны с внесением в неё результатов отождествления для РЛС1 и РЛС2. В общем случае такого отождествления

результат может оказаться подобным первому отождествлению, то есть гипотеза не подтвердится для ряда объектов, обнаруженных РЛС(, и для ряда объектов, обнаруженных РЛСГ В этом случае произойдёт перенос в первый столбец имён объектов от РЛС2, для которых не подтвердилась гипотеза П().

9. Подобные действия производятся для всех различных пар РЛС, после чего матрица имён будет заполнена так, что каждая её строка будет содержать имена отождествлённых объектов, а первый столбец будет определять системные имена всех объектов, наблюдаемых в окружающей обстановке судна.

Для решения задачи группирования 23({ОЬк}) в диссертации разработан и запрограммирован метод многоагентного численного группирования, в применении которого задействованы агенты объектов и СЬ-агенты.

Задача группирования для надводных объектов решена в следующей обобщённой формулировке:

В ограниченной области $ на плоскости задача совокупность материальных точек системные имена которых, а также характеристики движения каждой из них в любой момент времени известны. Определить скопления таких точек 0}, каждое из которых I)

ограничено кругом с вычисляемым радиусом Ям удовлетворяет критерию группирования К, а также специфицировать для заданного момента времени /. интегральные характеристики группы надводных объектов, соответствующих скоплению.

Как и задача отождествления, задача группирования решена в двух версиях -задачи предварительного группирования 7.2({ОЬк}) и задачи уточнённого группирования 7,2({ОЬк}) как для надводных, так и для воздушных объектов (в трехмерном пространстве для ограничения групп используется не круг, а шар). Обе задачи дополняют друг друга и решены эвристически с ориентацией на распараллеливание вычислений и их программную реализацию с помощью агентов.

Так как в методе группирования использованы эвристики, то в число новых результатов в диссертации выносится параллельный численный расчёт, псевдокодовая схема которого имеет следующий вид:

1. Через нормативный промежуток времени повторяется активизации агента-СЬРС, управляющего порождением атентов-СЛ4..

2. Если в процессе работы агента-СЬРОобнаруживаются условия и,, указывающие на существование очередной группы (надводных пли воздушных) динамических объектов, то порождается очередной агент-СА4., отвечающий за имитацию и визуализацию группы, Иначе Переход к работам по п. 4.

3. Активизируется процесс работы очередного агента-вА*, исполняемый код которого встаёт в общую очередь на своё исполнение параллельно с продолжением работы агента-СЬР0.

4. Если в процессе работы агента-СЬге обнаруживаются условия И2, указывающие на группирования во второй версии, то порождается событие для активизации агента-СЬ°, управляющего формированием уточнённых групп объектов, Иначе Переход к работам по п. 6.

5. Активизации процесса работы очередного агента-СА4., исполняемый код которого встаёт в общую очередь на своё исполнение параллельно с продолжением работы агента-СЬ0, перешедшего в своей активности к п. 7.

6. Если агентом-СЬ1"0 порождён очередной агент-СЛ^ или акт ивизирован в очередной раз агеит-СЬге, то Переход к работам по п. 2, Иначе Переход к работам по п. 1.

7. После завершения работ агснт-СН0' исключается из общей очереди на обработку н переходит в состояние ожидания повторных вызовов.

В любой момент времени на интервале (Ц, открыт интерактивный доступ к любым (}Л-данным, которые ещё используются или уже использовались.

В четвёртой главе раскрываются вопросы реализации СММООС как приложения, разработанного в вопросно-ответной моделирующей среде WlQA.Net. Представлены архитектурные решения и программные расширения. Детали реализации сосредоточены па средствах для моделирования воздушной обстановки и средствах изометрического представления пространства ООС.

На рис. 6 знаком «+» отмечены компоненты, которые «заимствованы» СММООС из базового набора средств системы WIQA.Net. Создание СММООС потребовало расширения выделенного набора средств дополнительными средствами, которые включаются в состав СММООС как компонентные и агептные расширения.

Базовые средства WIQA.Net

Оргструктура

У/еЬ-ободочка

Средства визуализации

База опыта с прецедентной структурой +

Библиотека шаблонов +

Компонентные расширения функцнональиостеГЦ-

Ннтерпретатор псевдокадовых методик-

Агентные расширения функцио! альностей +

-Х

Изометрическое моделирование

Надводное моделпрование+

Система агентов СММООС

Воздушное

"^"моделирование

Агент!

а

т

-кгентц

Рис. 6. Состав средств СММООС

В составе средств выделены средства надводного моделирования, заимствованные из приложения «Система экспертного мониторинга для предупреждения столкновения судов».

Реализация СММООС осуществлена для тренажёрного режима, причём в основном

из-за сложностей имитации нескольких РЛС с учётом реальной практики идентификации целей. По этой причине функциональности слоя ИС-агентов для режима эксплуатации придётся перепрограммировать, что можно осуществить с помощью средств псевдопрограммирования агентов, встроенных в инструментарий WIQA.Net.

В разработанном программном комплексе для снижения зависимости времени обработки потоков информации от ограничений реального времени, кроме распараллеливания работ на уровне программных агентов, доступно распараллеливание па уровне клиент-серверной структуризации вычислений.

На рис. 7 приведена диаграмма размещения для распараллеливания обработки информационных потоков, в котором для агентов каждого слоя выделен отдельный клиентский компьютер.

Рис. 7. Клиент-серверная реализация СММООС

В представленной клиент-серверной версии СММООС наибольший объём вычислений приходится на «клиента», выполняющего визуализацию ООС. К этому «клиенту» по расходам времени на вычисления близок «клиент», выполняющий отождествления и группирования. Работы этих клиентов не ограничены одним тактом системного времени, что позволяет утверждать, что многоагентное моделирование снижает время обработки информационных потоков не менее, чем в два раза.

Основную часть программного кода, который был создан при разработке СММООС, составил код, обеспечивающий воздушное моделирование. В разработках экранных форм такого моделирования использовались аналоги обстановки на экране локатора, дополненные указателями на эшелоны. Экранная форма, представляющая воздушную обстановку, приведена на рис. 8.

Для создания интегральной картины ООС в состав средств визуализации введено её изометрическое представление (рис. 9), которое можно комбинировать как с надводной, так и с воздушной обстановками ООС. В визуализации ООС предусмотрены средства визуального оценивания расстояний до движущихся объектов (числовая разметка эшелонов с её цветовой гаммой, эталон масштабной единицы.)

Все разработанные средства прошли проверку в условиях стендовых испытаний в ФНПЦ ОАО «НПО «Марс».

Основные результаты работы

Подводя итог диссертационному исследованию и практическим разработкам, реализованным на базе результатов исследований, можно утверждать следующее:

Цель исследований, связанная с созданием системы многоагентных средств, обеспечивающих улучшение спецификаций реального времени и повторное

Рис. 8. Имитация воздушной обстановки

Рис. 9. Интегральное представление ООС

использование комплексов программных средств для адекватного освещение ООС при обязательном использовании единого информационного источника данных, достигнута. Предложена, исследована и проверена совокупность новых моделей, на базе которых создана миогоагентная программная система, предназначенная для моделирования окружающей обстановки морского судна. Получены новые научные результаты:

!. Математическая модель информационных потоков в ООС, обеспечивающая унификацию в информационные представления характеристик объектов, поступающих из различных и дублирующих источников, а также их привязку к системному времени

таким образом, что обработку информационных потоков можно распараллелить, нацелив её на формирование единого источника данных об окружающей обстановке судна.

2.Систематиповыхпрограммных агентов,осуществляющих обработку информационных потоков об ООС и моделирующих не только надводные и воздушные объекты, находящиеся в текущий момент времени в окружающей обстановки судна, но и их информационные характеристики в форме, обеспечивающей единообразное представление и взаимодействие агентов с их программным окружением, что упрощает оперативную настройку системы обработки информации на различные источники информации об ООС.

3.методмногоагентногорасчётно1оотш!дествле11ия11нформац|1онных11редставлений динамических объектов, поступающих от совокупности радиолокационных станций, в основу которого положены проверка статистических гипотез и решение задачи о приписывании системных имён венгерским методом, что повышает вероятность корректной идентификации объектов.

4. Метод многоагентнош расчётного группирования, выявляющего группы надводных и воздушных объектов и специфицирующего характеристики групп объектов, в который включены эвристические решения, способствующие распараллеливанию вычислений метода для исполнения совокупностью программных агентов.

5. Набор визуальных моделей окружающей обстановки судна, представляющих её интегрально и разделяющих интегральную картину на надводную и воздушную составляющие, каждая из которых способствует визуальному оцениванию и интерактивному доступу к объектам обстановки.

Практическую ценность составляет

Разработанное в инструментальной среде WIQA.Net приложение «Система Многоагеш ного Моделирования Окружающей Обстановки Судна», обеспечивающее его использование в тренажёрном режиме и открытое для построения на его базе эксплуатационной версии.

ПУБЛИКАЦИИ

1. Павлыгин, Э.Д. Многоагентное моделирование и визуализация окружающей обстановки морского судна / Э.Д. Павлыгин, ГШ. Соснин // Автоматизация процессов управления.-2010.-№ 2 (20). -С. 3-12. (Статья в журнале из списка ВАК).

2. Касапенко, Д.В. Вопросно-ответный подход к задачам принятия решений /

Д.В. Касапенко, Э.Д. Павлыгин, П И. Соснин // Автоматизация процессов

управления. - 2008. - № 2 (12). - С. 25 - 33.

3. Павлыгин, Э.Д. Вопросно-ответное программирование методик человеко-компыотерпого решения задач / Э.Д. Павлыгин, Г1.И. Соснин И Информационные технологии: межвузовский сборник научных трудов. - Ульяновск: УлГТУ, 2008. - С. 105-110.

4. Pavligin, E.D.. Algorithm of object grouping for monitoring of ship tactical situation / E.D Pavligin // Interactive Systems and Technologies: the Problems of Human-Computer Interaction. Vol. Ill: collection of scientific papers. - Ulyanovsk: U1STU, 2009. - P. 144-148.

5. Pavligin, E.D. Package of tools for identification of data from shipborne and remote identification and measurement sources / E.D. Pavligin // Interactive Systems and Technologies: the Problems of Human-Computer Interaction. Vol. III.: collection of scientific papers. -Ulyanovsk: UISTU, 2009. - P. 155-159

6. Pavligin, E.D. Multi-agent approach to identifying, grouping and visualizing in environment of the sea vessel / E.D. Pavligin, P.I. Sosnin // Interactive Systems and Technologies: the Problems of Human-Computer Interaction. Vol. III.: collection of scientific

papers. - Ulyanovsk: U1STU, 2009. - P. 160-163.

7. Заболотиов, C.A. Идентификация воздушных объектов в окружающей обстановке морского судна / СЛ. Заболотиов, Э.Д. Павлыгин // Информатика, моделирование, автоматизация проектирования: сборник научных трудов / под ред. В.Н. Нсгоды. -Ульяновск: УлГТУ, 2009. - С. 98-103.

8. Павлыгин, Э.Д. Комплекс средств отождествления данных от корабельных и выносных идентификационно-измерительных источников / Э.Д. Павлыгин // Информатика, моделирование, автоматизация проектирования: сборник научных трудов / под ред. В.Н. Негоды. - Ульяновск: УлГТУ, 2009. - С. 178-183.

9. Павлыгин, Э.Д. Алгоритм группирования объектов в задаче мониторинга окружающей обстановки морского судна/Э.Д. Павлыгин //Информатика, моделирование, автоматизация проектирования: сборник научных трудов / иод ред. В.II. Негоды. — Ульяновск: УлГТУ, 2009. - 284 с. - с. 184-188.

10. Пат. 2296364 Российская Федерация, М11К G 06 F 17/00, Н 04 В 1/66. Способ цифрового сжатия первичной радиолокационной информации для передачи но каналу обмена / Кидалов В.И., Павлыгин Э.Д., Сбоев В.М., Чудов A.B.; заявитель и патентообладатель Ф11Г1Ц ОАО «НПО «Марс». - № 2005120966/11; заявл. 04.07.05; опубл. 27.03.07, Бюл. № 9.

11. Пат. 2406125 Российская Федерация, МГ1К G 06 F 154/16. Многоуровневая многопроцессорная корабельная информационно-управляющая система / Маттис A.B., Павлыгин Э.Д., Гильванов М.Ф., Касапенко Д.В., Маклаев В.А.; заявитель и патентообладатель ФНПЦ ОАО «НПО «Марс». - № 2009117631/08; заявл. 08.05.09; опубл. 10.12.10, Бюл. №34.

ПЕРЕЧЕНЬ ПРИМЯТЫХ СОКРАЩЕНИЙ

ООС Окружающая обстановка судна

СММООС Система многоагептного моделирования окружающей

обстановки судна

КСУ Комплекс средств управления

РЛС Радиолокационная станция

РХ Радиолокационная характеристика

ЕИИД Единый информационный источник данных

WIQA.Net Working In Questions and Answers Net-всрсия

Автореферат Павлыгин Эдуард Дмитриевич

МНОГОАГЕНТНОЕ МОДЕЛИРОВАНИЕ ОКРУЖАЮЩЕЙ ОБСТАНОВКИ МОРСКОГО СУДНА

Подписано в печать 29.12.2010. Формат 60x84/16 Бумага писчая. Усл. п. л. 1,17. Уч.-изд.л. 1,00. Тираж 100 экз. Заказ № Типография ФНПЦ ОАО «НПО «Марс». 432022, Ульяновск, Солнечная, 20

Введение.

Глава первая. Оперативное представление ООС в открытом море.

1.1. Информационное обеспечение процессов принятия решений на морском судне.

1.1.1. Оперативная обстановка морского судна.

1.1.2 Динамика изменений ООС.

1.1.3. Структуризация информации об ООС.

1.1.4. Специфика формирования информационного представления ООС.

1.1.5. Условия принятия решений на вахте.

1.1.6. Информация о местоположении и движении динамических объектов.

1.2. Методы и средства информационного освещения ООС.

1.2.1. Тематика релевантных информационных источников.

1.2.2. Корабельные идентификационно-измерительные средства.

1.2.3. Системы, решающие задачу освещения ООС.

1.2.4 Алгоритмы отождествления объектов ООС и их группирования.

1.2.5 Многоагентное моделирование в управлении надводными и воздушными объектами.

1.2.6. Агентная структуризация программ.

1.2.7. Базовые типы агентов.

1.2.8. Средства разработки многоагентных систем.

1.3. Многоагентное моделирование ООС.

1.3.1. Динамическая среда приложения.

1.3.2. Вопросно-ответный подход к многоагентному моделированию.

1.4. Постановка задачи исследований и разработок.

1.4.1. Обобщённая постановка задачи.

1.4.2. Вопросно-ответный анализ.

1.4.3. Диаграмма прецедентов.

1.4.4. Мотивационно-целевые установки задачи исследований.

Выводы по первой главе.

Глава вторая. Многоагентное моделирование в вопросно-ответной среде.

2.1. Математическая модель информационных потоков об окружающей обстановке морского судна.

2.1.1. Специфика математического моделирования информационных потоков.

2.1.2. Анализ распараллеливания обработки информационных потоков.

2.2. Многоагентный подход к моделированию ООС.

2.2.1. Архитектура вопросно-ответной системы моделирования ООС.

2.2.2. Схема взаимодействия агентов со средой их существования.

2.3. Моделирование агентов в среде WIQA.Net.

2.3.1. Моделирование реактивных агентов.

2.3.2. Моделирование рассуждающих агентов.

2.3.3. Моделирование композитных агентов.

2.3.4. Потенциал вопросно-ответной платформы.

2.3.5. Обобщённая модель многоагентной системы моделирования ООС.

Выводы по второй главе.

Глава третья. Агентное моделирование информационных объектов.

3.1. Агенты информационных объектов.

3.1.1. Среда обработки информации для освещения ООС.

3.1.2. Алгоритмический процесс освещения ООС с помощью судовых РЛС.

3.1.3. Агенты первичной обработки данных.

3.1.4. Агенты вторичной обработки данных .'.

3.1.5. Агенты третичной обработки данных.

3.1.6. Агенты динамических и групповых объектов.

3.2. Метод многоагентного отождествления динамических объектов.

3.2.1. Задача отождествления.

3.2.2. Численный метод отождествления.

3.2.3. Механизмы проверки статистических гипотез.

3.2.4. Агент отождествления.

3.2.5. Схема исполнения метода многоагентного отождествления.

3.3. Метод многоагентного группирования динамических объектов.

3.3.1. Задача группирования.

3.3.2. Алгоритм группирования для численного метода пульсаций.

3.3.3. Агент группирования с использованием пульсаций.

3.3.4. Схема исполнения метода многоагентного группирования.

Выводы по третьей главе.

Глава четвертая. Программный комплекс многоагентного моделирования ООС.

4.1. Обобщённая структура программного комплекса.

4.2. Решения по визуализации воздушного пространства ООС.

4.2.1. Структура комплекса средств.

4.2.2. Структура подсистемы «Редактор».

4.2.3. Структура подсистемы «Мониторинг».

4.3. Изометрическая визуализация ООС.

Выводы по четвертой главе.

Актуальность работы."Любое современное морское судно решает навигационные и другие задачи, используя разнородную и богатую первичную информацию, поступающую в его систему управления из многочисленных источников. Одной из важнейших форм интеграции поступающей информации является представление окружающей обстановки судна (ООС), ориентированное на лиц, принимающих оперативные решения. За осуществление интеграции в форме ООС и принятие решений на ее основе обычно несет ответственность специализированная автоматизированная подсистема, включенная в систему управления судном.

По сути дела на такую подсистему интеграции информации возложена задача моделирования ООС с обязательным ее визуальным представлением, способствующим результативному управлению судном. При этом в текущем состоянии О0С(Х) особый интерес представляют надводные и воздушные динамические объекты разных типов, которые пересекают границы обстановки, решая собственные задачи, возможно групповые, причем для судна интересны объекты, находящиеся внутри выделенного окружения.

Необходимо отметить, что результативность моделирования в существенной мере зависит от адекватности представления окружающей обстановки и от форм интерактивного взаимодействия лиц, принимающих решения, с моделями динамических объектов, находящихся в границах ООС.

Множество типов морских судов и разнообразие задач, которые приходится решать, используя информацию об ООС, привели к разработкам разнообразных, чаще всего специализированных, комплексов средств управления (КСУ), настроенных на получение информации от определённых идентификационно-измерительных средств, размещённых как на судне, так и за его пределами.

В то же время, непрекращающееся развитие средств идентификации, измерения и компьютеризации, повышение требований к адекватности и качеству освещения ООС, а также расширение круга решаемых задач управления судном регулярно приводят к повторным разработкам КСУ и созданию новых комплексов такого типа. По названным причинам исследования и разработки методов и средств адекватного и результативного освещения ООС являются актуальными.

Обеспечение заданной степени адекватности, включая ее визуальное отражение, приводит к ряду существенных требований, предъявляемых к программным комплексам моделирования как системам реального времени. Важнейшими из таких требований являются использование единого информационного источника данных (ЕИИД) и многозадачное распараллеливание процессов, вносящих существенный вклад в спецификацию реального времени. Рациональная реализация этой спецификации имеет принципиальное значение для систем реального времени.

На основании вышесказанного в диссертационной работе была выбрана область исследований, содержание которой определяют методы и средства оперативного представления окружающей надводной и воздушной обстановки судна для использования в его системе управления.

Функции объекта«исследований в работе выполняют средства моделирования, обеспечивающие сбор информации обЮОС, её обработку, визуализацию и использование в информативных и управляющих целях.

Предметом исследования диссертационной работы является многоагент-ное моделирование в системах освещения окружающей обстановки морского судна, нацеленное на достижение приемлемого быстродействия и способствующее оперативному информированию о характеристиках динамических надводных и воздушных объектов в окружении судна, а также развитию систем освещения ООС и повторному использованию программных агентов.

Целью диссертационной работы являются: улучшение спецификаций реального времени комплексов программных средств, обслуживающих освещение ООС, и обеспечение возможности их повторного использования; повышение адекватности представления и восприятия окружающей обстановки морского судна за счёт использования единого информационного источника данных и возможности как автоматического, так и интерактивного взаимодействия с данными и задачами.

Для достижения цели необходимо решить следующие научно-технические задачи:

1. Оценить возможности адаптации многоагентного подхода к программной обработке информационных потоков значений измеряемых и идентифицируемых характеристик надводных и воздушных объектов, находящихся в пространстве ООС.

2. Разработать систему моделей для типовых агентов надводных и воздушных объектов, а также для агентов информационных объектов, порождаемых потоками входной информации из доступных источников.

3. Разработать методы многоагентных расчётов в задачах отождествления и группирования надводных и воздушных объектов.

4. Разработать совокупность визуальных моделей ООС, обеспечивающих её интегральное и дифференциальное представления с возможностью не только автоматического и визуального, но и интерактивного доступа к информационным моделям надводных и воздушных объектов.

5. Разработать программный комплекс «Система многоагентного моделирования окружающей обстановки судна», обеспечивающий его использование в тренажёрном режиме и открытый для построения на его базе эксплуатационной версии. .

Научную новизну составляют:

1. Математическая модель информационных потоков в ООС, обеспечивающая унификацию в информационные представления характеристик объектов, поступающих из различных источников, а также их привязку к мо6 дельному времени таким образом, что обработку информационных потоков можно распараллелить, нацелив её на формирование ЕИИД об ООС.

2. Система типовых программных агентов, осуществляющих обработку информационных потоков об ООС и моделирующих не только надводные и воздушные объекты, находящиеся в текущий момент времени в ООС, но и их информационные характеристики в форме, обеспечивающей единообразное представление и взаимодействие агентов с их программным окружением, что упрощает оперативную настройку системы обработки информации на различные источники информации.

3. Метод многоагентного расчётного отождествления информационных представлений динамических объектов, поступающих от совокупности радиолокационных станций (РЛС), в основу которого положены проверка статистических гипотез и решение задачи о приписывании системных имён венгерским методом, что повышает вероятность корректной идентификации объектов.

4. Метод* многоагентного расчётного группирования, выявляющий группы надводных и воздушных объектов и определяющий характеристики групп объектов, в который включены эвристические решения, способствующие распараллеливанию вычислений для выполнения совокупностью программных агентов.

5. Набор визуальных моделей ООС, представляющих её интегрально и разделяющих интегральную картину на надводную и воздушную составляющие, каждая из которых способствует визуальному оцениванию и интерактивному доступу к объектам обстановки.

Методы исследования

В диссертационной работе применены методы системного анализа, методы математического моделирования, численные методы, методы теории вероятностей и математической статистики, методы объектно-ориентированного и агентно-ориентированного программирования.

Достоверность результатов диссертационной работы подтверждается корректным применением математических методов, согласованностью новых результатов с известными теоретическими положениями, а также опытной эксплуатацией разработанных средств в тренажёрном режиме.

Основные положения, выносимые на защиту:

1. Математическая модель информационных потоков об ООС, ориентированная на многоагентный подход к структуризации задач моделирования окружающей обстановки морского судна, обеспечивает не только формирование ЕИИД, но и создание библиотеки программных активов, упрощающих их повторное использование с учётом специфики судна или при модернизации КСУ.

2. Система моделей агентов, включающая агентов для решения задач отождествления и группирования, в которой каждый агент представлен его задачей существования, вводит единообразные средства для взаимодействия с программным окружением и пользователями вахтенной службы.

3. Совокупность визуальных моделей надводных и воздушных объектов пространства ООС способствует визуальному оцениванию обстановки без расчётов.

Практическая ценность. В инструментальной вопросно-ответной среде разработано приложение «Система Многоагентного Моделирования Окружающей Обстановки Судна (СММООС)», обеспечивающее его использование в тренажёрном режиме и открытое для построения на его базе эксплуатационной версии.

Реализация и внедрение результатов, работы: Разработанные программные средства и комплекс методик их использования реализованы в рамках НИОКР, выполненной в ФНПЦ ОАО «НПО «Марс».

Апробация работы. Основные положения и результаты диссертационной работы1 докладывались и обсуждались на Международной конференции «Intelligent Systems 2008» (г. Дивноморск).

В' первой главе диссертационной работы раскрываются проблемы информационного обеспечения процессов принятия решений на морском судне, мето

8 • ды и средства освещения ООС, агентные решения, используемые в системах, управления судном, и опыт разработок многоагентных систем. Анализируются позитивы от применения многоагентного моделирования в освещении ООС, предлагается вопросно-ответный подход к многоагентному моделированию ООС, формулируется задача диссертационного исследования и проводится анализ обобщённой постановки задачи.

Во второй главе предлагается и обосновывается математическая модель многомерных информационных потоков данных о значениях характеристик-объектов, наблюдаемых в ООС. Анализ математической модели, основанный на возможностях параллельной обработки информационных потоков и их составляющих, используется для моделирования процесса обработки в виде динамического дерева задач, влючающего задачи, решаемые системой программных агентов. Оцениваются возможности представления агентов с помощью средств вопросно-ответного моделирования.

В'третьей главе диссертации представлено распределение обработки данных между агентами; выявление проблем агентных решений и детализации механизмов обработки ограничено источниками радиолокационной информации; выбраны типовые модели агентных решений, представлен механизм коррекции значений характеристик; предложены и специфицированы два численных многоагентных метода для решения задач отождествления объектов, обнаруженных и зарегистрированных различными РЛС, возможно, под разными именами, и их группирования.

В четвёртой главе раскрываются вопросы реализации СММООС как приложения, разработанного в вопросно-ответной моделирующей среде WIQA.Net. Представлены архитектурные решения и программные расширения. Детали реализации сосредоточены на средствах для, моделирования воздушной обстановки и средствах изометрического представления пространства ООС.

В' приложения вынесены копия документа, подтверждающего внедрение результатов исследований в производственную практику, и спецификации представления морской карты.

Выводы по четвёртой главе

1. Проведённый анализ многоагентной структуры СММООС и спецификаций задач, которые должны решать типовые агенты, подсказывает решения по адаптации средств инструментария WIQA.Net и его развития, позволяющего создать комплекс СММООС.

2. Клиент-серверная реализация моделирующей среды WIQA.Net, наследуемая комплексом СММООС, открывает возможность параллельного включения в обработку информационных потоков совокупности клиентов, в частности выделить клиентов, которые обеспечивают решение задач отождествления, группирования и визуализации, что позволяет снизить время обработки не менее, чем в два раза.

3. В решении задачи визуализации воздушных объектов целесообразно использовать цилиндрическую систему координат с визуализацией эшелонов, открывающей возможность оценивания расстояний на вахте без вычислений.

4. Для интегральной визаулизации ООС целесообразно использовать изометрические преобразования декартовой системы координат с визуализацией метрики, позволяющей оценивать расстояния на вахте без вычислений.

Заключение

Подводя итог диссертационному исследованию и практическим разработкам, реализованным на базе результатов исследований, можно утверждать следующее:

Цель исследований, связанная с созданием системы многоагентных средств, обеспечивающих улучшение спецификаций реального времени и повторное использование комплексов программных средств для адекватного освещения ООС при обязательном использовании ЕИИД, достигнута. Предложена, исследована и проверена совокупность новых моделей, на базе которых создана многоагентная программная система, предназначенная для моделирования окружающей обстановки морского судна.

Получены новые научные результаты:

1. Математическая модель информационных потоков в ООС, обеспечивающая унификацию в информационные представления характеристик объектов, поступающих из различных и дублирующих источников, а также их привязку к системному времени таким образом, что обработку информационных потоков можно распараллелить, нацелив её на формирование единого источника данных об ООС.

2. Система типовых программных агентов, осуществляющих обработку информационных потоков об ООС и моделирующих не только надводные и воздушные объекты, находящиеся в текущий момент времени в окружающей обстановки судна, но и их информационные характеристики в форме, обеспечивающей единообразное представление и взаимодействие агентов с их программным окружением, что упрощает оперативную настройку системы обработки информации на различные источники информации об ООС.

3. Метод многоагентного расчётного отождествления информационных представлений динамических объектов, поступающих от совокупности радиолокационных станций, в основу которого положены проверка статистических гипотез и решение задачи о приписывании системных имён венгерским методом, что повышает вероятность корректной идентификации объектов.

4. Метод многоагентного расчётного группирования, выявляющего группы надводных и воздушных объектов и специфицирующего характеристики групп объектов, в который включены эвристические решения, способствующие распараллеливанию вычислений метода для исполнения совокупностью программных агентов.

5. Набор визуальных моделей ООС, представляющих её интегрально и разделяющих интегральную картину на надводную и воздушную составляющие, каждая из которых способствует визуальному оцениванию и интерактивному доступу к объектам обстановки.

Практическую ценность составляет

Разработанное в инструментальной среде WIQA.Net приложение «Система Многоагентного Моделирования Окружающей Обстановки Судна», обеспечивающее его использование в тренажёрном режиме и открытое для построения на его базе эксплуатационной версии.

1. Абчук, Е. Л. Теория риска в морской практике / Е. Л. Абчук. Л.: Судостроение, 1983.-391 с.

2. Авиационные цифровые системы контроля и управления / под ред. В. А. Мясникова и В. П. Петрова. Л. : Машиностроение, 1987. - 608 с.

3. Акулич, И. Л. Математические методы и компьютерные технологии решения оптимизационных задач / И. Л. Акулич, В. Ф. Стрельчонок. — Рига, 2000.

4. Алгоритмы: построение и анализ / Т Кормен и др. ; под ред. И. В. Красикова. 2-е изд. - М. : Вильяме, 2005. - 1296 с.

5. Аоки, М. Ведение в методы оптимизации / М. Аоки. М. : Наука, 1977.-344 с.

6. Аэромеханика самолёта : учебник для авиационных вузов / под ред. А. Ф. Бочкарёва. М.: Машиностроение, 1977. - 416 с.

7. Богородская, Н. А. Статистика финансов : учеб. пособие / Н. А. Богородская. 2-е изд., перераб. и доп. — М. : Благовест-В, 2005.

8. Бояринов, А. И. Методы оптимизации в химической технологии / А. И. Бояринов, В. В. Кафаров. М. : Химия, 1975. - 576 с.

9. Венедюхин, А. Самолёты и ракеты: сила предупреждения Электронный ресурс. / А. Венедюхин // dxdt.ru: занимательный интернет-журнал. 2008. - 02 августа. - Режим доступа: http://dxdt.ru/2008/08/02/1610/, свободный. - Загл. с экрана.

10. Голыптейн, Е. Г. Задачи линейного программирования транспортного типа / Е. Г Голыптейн., Д. Б. Юдин. М. : Наука, 1969. - 382 с.

11. Груздев, Н. М. Оценка точности морского судовождения / Н. М. Груздев. -М. : Транспорт, 1989. 191 с.

12. Гуреев, С. А. Международное торговое судоходство (международно-правовые проблемы) / С. А. Гуреев. М. : Международные отношения, 1979. — 224 с.

13. Дмитриев, В. И. Навигация и лоция : учебник для вузов / В. И. Дмитриев, В. Л. Григорян, В. А. Катенин. М. : ИКЦ Академкнига, 2004. -421 с.

14. Ефимова, М. Р. Общая теория статистики : учебник / М.Р.Ефимова, Е. В. Петрова, В. Н. Румянцев. М. : ИНФРА-М, 2002.

15. Елисеева, И.И. Общая теория статистики: учебник для вузов / И. И. Елисеева, М. М. Юзбашев. М. : Финансы и статистика, 1995.

16. Журавлев, О. Г. Оптимальный метод объективной классификации в задачах распознавания образов / О. Г. Журавлев, И. Ш. Торговицкий // Автоматика и телемеханика. 1965. - № 11. - С. 2062-2063.

17. Захаров, А. М. Управление судном и его техническая эксплуатация : учебник для мореходных училищ / А. М. Захаров, А. Д. Дидык. М. : Транспорт, 1982. - 328 с.

18. Карасёв, В. В. Основы радиолокации : метод, пособие / В. В. Карасёв, Е. Г. Булах. Владивосток : Дальневосточный государственный технический рыбохозяйственный университет, 2006. - 50 с.

19. Коккрофт, А. Н. Руководство по правилам предупреждения столкновения / А. Н. Коккрофт, Дж. Ламеер. СПб. : ООО МОРСАР, 2005. - 302 с.

20. Кондрашихин, В. Т. Определение места судна / В. Т. Кондрашихин. 2-е изд., перераб. и доп. - М. : Транспорт, 1989. - 230 с.

21. Кондрашихин, В. Т. Теория ошибок и ее применение к задачам судовождения / В. Т. Кондрашихин. М. : Транспорт, 1969.

22. Кудрявцев, Е. М. Исследование операций в задачах, алгоритмах и программах / Е. М. Кудрявцев. М.: Радио и связь, 1984. - 184 с.

23. Мордвинов, Б. Г. Средства навигации малых судов / Б. Г. Мордвинов, В. Т. Кондрашихин, Р. А. Скубко. Л. : Судостроение, 1986. - 168 с.

24. Орлов, В. А. Автоматизация промыслового судовождения / В. А. Орлов. М.: Агропромиздат, 1989. - 296 с.

25. Павлыгин, Э. Д. Вопросно-ответное программирование методик человеко-компьютерного решения задач / Э. Д. Павлыгин, П. И. Соснин // Информационные технологии : межвуз. сб. науч. тр. Ульяновск : УлГТУ, 2008.-С. 105-110.

26. Павлыгин, Э. Д. Многоагентное моделирование и визуализация окружающей обстановки морского судна / Э. Д. Павлыгин, П. И. Соснин // Автоматизация процессов управления. 2010. - № 2 (20). - С. 3-12 (Статья в журнале из списка ВАК).

27. Практическое кораблевождение для командиров кораблей, штурманов и вахтенных офицеров. Кн. 1 / отв. ред. А. П. Михайловский. М : ГУНиО МО, 1989.-896 с.

28. Просов, А. В. Алгоритмы межпозиционного отождествления результатов радиолокационных измерений / А. В. Просов, В. П. Квиткин // Зб1рник наукових праць Харювського ушверситету Повггряних Сил iM. I. Кожедуба. 2008. - випуск 2(17). - С. 46-48.

29. Развозов, С. Ю. Безопасность плавания : учеб. пособие. Ч. 2 / С. Ю. Развозов, А. Н. Страшко. СПб. : ГМА им адм. С. О. Макарова, 2002. - 125 с.

30. Рассел, С. Искусственный интеллект: современный подход : пер. с англ. / С. Рассел, П. Норвиг. М.:ИД Вильяме, 2006. - 1408 е.: ил.

31. Растригин, JI. А. Современные принципы управления сложными объектами / JI. А. Растригин. М. : Сов. радио, 1980. - 232 с.

32. Родионов, А. И., Сазонов А. Е. Автоматизация судовождения : учебник для вузов мор. трансп. / А. И. Родионова, А. Е. Сазонов. 2-е изд., перераб. и доп. - М. : Транспорт, 1983. - 216 с.

33. Седжвик, Р. Фундаментальные алгоритмы на С++. Алгоритмы на графах: пер. с англ. / Р. Седжвик. СПб.: ООО «ДиаСофтЮП», 2002.41; Словарь международного морского права / отв. ред. Ю. Г. Барсегов. — М. : Международные отношения, 1985. 256 с.

34. Сиденко, А. В. Статистика : учебник / А. В. Сиденко, Г. Ю. Попов, В. М. Матвеева. -М. : Дело и Сервис, 2000.

35. Соснин, П.И. Вопросно-ответное программирование в корпоративных средах человеко-компьютерной деятельности // Информатика, моделирование,автоматизация проектирования : сб. науч. тр. / под ред. В.Н. Негоды. -Ульяновск : УлГТУ, 2009. 284 с.

36. Соснин, П. И. Вопросно-ответный подход к задачам принятия решений / П. И. Соснин, Д. В. Касапенко, Э. Д. Павлыгин // Автоматизация процессов управления. 2008. - № 2 (12). - С. 25-33.

37. Соснин, П. И. Принятие решений в экспертных вопросно-ответных средах / П. И. Соснин, Д. В. Касапенко // Труды межд. конф. «Интеллектуальные системы». М. : Физматлит, 2008. - С. 248-255.

38. Статистика : учеб. пособие для вузов / Л.П. Харченко и др. ; под ред.

39. B.Г. Ионина. -М.: ИНФРА-М, 2001.

40. Статистика : учебник для вузов / И. И. Елисеева, И. И. Егорова,

41. C. В. Курышева и др.; под ред. И.И. Елисеевой. М.: Проспект, 2005.

42. Теория и устройство судов : учебник / Ф. М. Кацман и др.. Л. : Судостроение, 1991. - 416 с.

43. Федеральные правила использования воздушного пространства Российской Федерации Электронный ресурс. : утв. Постановлением Правительства Российской Федерации 22.09.1999 Режим доступа: http://www.elballoons.ru/load/2-l-0-26, свободный. - Загл. с экрана.

44. Фурунжиев, Р. И. Применение математических методов и ЭВМ: Практикум / Р. И.Фурунжиев, Ф. М. Бабушкин, В. В. Варавко. Мн.: Выш.шк, 1988.-191 с.

45. Хемди А. Таха. Введение в исследование операций / А. Таха Хемди. -М. : ИД Вильяме, 2001 912 с

46. Ходаренок, М. «Пароль» почти не слышен Электронный ресурс. / М. Ходаренок // Независимое военное обозрение. 2000. - 12.05. - Режим доступа: http://nvo.ng.ru/armament/2000-12-15/6parol.html, свободный. — Загл. с экрана.

47. Черняк, В. С. Многопозиционная радиолокация / В. С. Черняк. М. : Радио и связь, 1993. - 416 с.

48. Ширман, Я. Д. Теория и техника обработки радиолокационной информации на фоне помех / Я. Д. Ширман, В. Н. Манжос. М. : Радио и связь, 1981.-416 с.

49. Akbari ZO (2010) A survey of agent-oriented software engineering paradigm: Towards its industrial acceptance. Journal of Computer Engineering Research Vol. 1(2), pp. 14 28, April 2010 pp 14-28

50. Akbari ZO, Faraahi A (2008). Evaluation Framework for Agent-Oriented Methodologies, Proceedings of World Academy of Science, Engineering and Technology, WCSET Paris, France, 35: 419-424, ISSN 2070-3740.

51. Avitzour D. A Maximum Likelihood Approach to Data Association // IEEE Transactions on AES. April 1992. - Vol. 28, No. 2. - P. 560-566

52. Bar-Shalom Y., Kirubarajan T., Gokberk C. Tracking with Classification-Aided Multiframe Data Association // IEEE Transactions on AES. July 2005. -Vol. 41, No. 3.- P. 868-878.

53. Bar-Shalom Y., Blackman S., Fitzgerald R. Dimensionless Score Function for Multiple Hypothesis Tracking // IEEE Transactions on AES. Jan 2007. - Vol. 43, No. l.-P. 392-400.

54. Blackwell G K, et al (1990). Onboard systems for automatic ship guidance and intelligent collision avoidance. Proc. of the International Conference on Modeling and Control of Marine Craft, pp.121-135, 18-20, April, Exeter.

55. Bresciani P, Giorgini P, Giunchiglia F, Mylopolous J, Perini A, (2004). Tropos: An agent-oriented software development methodology, Auton. Agents Multi Agent Syst. 8(3): 203-236.

56. Capponi A. Polynomial Time Algorithm for Data Association Problem in Multitarget Tracking // IEEE Transactions on AES. Oct 2004. - Vol. 40, No. 4. -P. 1398-1410.

57. Cheng-Neng Hwang, Joe-Ming Yang and Chung-Yen Chiang, "The design of fuzzy collision-avoidance expert system implemented by ^-autopilot", Journal of Marine Science and Technology, 2001, 9(1), pp. 25-37.

58. Coenen F. P., Sneaton G. P. and A. G. Bole, "Knowledge-based collision avoidance", The Journal of Navigation, 1980, 42(1), pp. 107-116.

59. Colly B A, et al (1983). Manoeuvring times, domains and arenas. The Journal of Navigation, vol.36, no.2, pp.324.

60. Cossentino M, Gaud N, Hilaire V, Galland S, Koukam A (2007), ASPECS: an Agent-oriented Software Process for Engineering Complex Systems, In Proc. of the Fifth Agent Oriented Software Engineering Technical Forum (AOSE-TF5), Hammameth, Tunisia.

61. Chummun M. R., Kirubarajan T., Pattipati R., BarShalom Y. Fast Data Association Using Multidimensional Assignment With Clustering // IEEE Transactions on AES. July 2001. - Vol. 37, No. 3. - P. 898-913.

62. Chung Y., Chou P., Yang M., Chen H. Multiple-Target Tracking with Competitive Hopfield Neural NetworkBased Data Association // IEEE Transactions on AES.-July 2007.-Vol. 43, No. 3.-P. 1180-1188.

63. Department of defense world geodetic system 1984, National imagery and mapping agency technical report. Http://earth-info.nga.mil/GandG/publications/tr8350.2/wgs84fin.pdf

64. Davis P V, et al (1980). A computer simulation of marine tra±c using domains and arenas. The Journal of Navigation, vol.33, no.l, pp.215.

65. Davis P.V., Dove M.J., and Stockei C.T., Computer Simulation of Multiship Encounters. Journal ofNavigation, Vol.35, No.2, 1982.

66. Dezert J., Bar-Shalom Y. Joint Probabilistic Data Association for Autonomous Navigation // IEEE Transactions on AES. Oct 1993. - Vol. 29, No. 4. -P. 1275.1286.

67. Dikenelli O, Erdur RC (2002). SABPO: A Standards Based and Pattern Oriented Multi-agent Development Methodology, ESAW, 213-226.

68. Ezal K., Pan Z. and Kokotovi.c P. (2000): Locally optimal and robust backstepping design. IEEE Trans. Automat. Contr., Vol. 45, No. 2, pp. 260-271.

69. Fang Y., Zergeroglu E., Queiroz M.S. and Dawson D.M. (2004): Global output feedback control of dynamically positioned surface vessels: an adaptivec control approach. Mechatron. Vol. 14, No. 4, pp. 341-356.

70. Fleming P.J. and Purshouse R.C. (2002): Evolutionary algorithms in control systems engineering: A survey. Contr.Engi. Pract., Vol. 10, No. 11, pp. 1223-1241.

71. Fossen T.I. and Strand J.P. (1998): Nonlinear ship control (Tutorial paper). -Proc. IFAC Conf. Control Application in Marine Systems CAMS'98. Fukuoka, Japan, pp. 1-75.

72. Fossen T.I. and Strand J.P. (1999): A tutorial on nonlinear backstepping: Applications to ship control. Modell., Identif. Control, Vol. 20, No. 2, pp. 83-135.

73. Fossen T.I. (2002): Marine Control Systems. Guidance, Navigation, and Control of Ships, Rigs and Underwater Vehicles. Trondheim, Norway: Marine Cybernetics.

74. Furuhashi T., Nakaoka K., and Uchikawa Y., A Study on Classier System for Finding Control Knowledge of Multi-Input Systems, (F. Herrera and J.L. Verdegay, Editors), Genetic Algorithms and Soft Computing, Physica-Verlang, 1996.

75. Goldberg D.E. (1989): Genetic Algorithms in Searching, Optimisation and Machine Learning. Reading, MA: Addison Wesley.

76. Gucma S. Model of vessel's manoeuvring in limited sea areas in navigational risk aspect Archives of Transport. Volume 12 issues 1 Polish Academy of Sciences Warsaw 2000.

77. Gucma, S. Parameters optimization of entrance shapes. Archives of Transport. Volume 10 issues 1-2 Polish Academy of Sciences. Warsaw 1998.

78. Harkegard 0. (2003): Backstepping and control allocation with applications to flight control. Ph.D. thesis, Department of Electrical Engineering, Linkoping University, Sweden.

79. Hasegawa, K., Kouzuki, A., Muramatsu, T., Komine, H. and Watabe, Y., "Vessel auto-navigation fuzzy expert system (SAFES)", Journal of the Society of Naval Architecture of Japan, 1989, Vol. 166.

80. He S., Reif K. and Unbehauen R. (1998): A neural approach for control of nonlinear systems with feedback linearization. IEEE Trans. Neural Netw., Vol. 9, No. 6, pp. 1409- 1421.

81. Houles A., Bar-Shalom Y. Multisensor Tracking of a Maneuvering Target in Clutter // IEEE Transactions on AES. March 1989. - Vol. 25, No. 2. - P. 176-189.

82. Imazu H, et al (1989). Basic research on an expert system for navigation at sea. Proc. of Academic symposium between Chinese and Japan Institutes of Navigation, Tokyo, May.

83. IMO Preference Standards for Automatic Radar Plotting Aids (ARPA). Resolution A. 422 (XI), Nov. 1979.

84. In Proc. of The third IEEE conference Cybernetics and Intelligent Systems -CIS-RUM'2010, Singapore, 2010, pp. 273-278

85. Jain A. K. Data Clustering: A Review / A. K. Jain, M. N. Murty, P. J. Flynn //ACM Computing Surveys. 1999. - Vol. 31, No. 3. -P. 264-323.

86. James M K (1986). Modeling the decision process in computer simuation of ship navigation. The Journal of Navigation, vol.39, no.l, pp.32.

87. Jiang Z.P. (2002): Global tracking control of underactuated ships by Lyapunov direct method. Automat., Vol. 38, No. 2, pp. 301-309.

88. Jones K D, et al (1976). Automatic plotting radar. The Journal of Navigation, vol.29, no.3, pp.322.

89. Kaplan L.M., Bar-Shalom Y., Blair W.D. Assignment Costs for Multiple Sensor Track-to-Track Association // IEEE Transactions on AES. April 2008. -Vol. 44, No. 2. - P. 655-677.

90. Kemp J F (1973). Behaviour patterns in encounters between ships.The Journal of Navigation, vol.26, no.4, pp.417.

91. Kirubarajan T., Wang H., Bar-Shalom Y., Pattipati K. Efficient Multisensor Fusion Using Multidimensional Data Association // IEEE Transactions on AES. — April 2001. Vol. 37, No. 2. - P. 386-396.

92. Kokotovi.c P. and Arcak M. (2001): Constructive nonlinear control: A historical perspective. Automat., Vol. 37, No. 5, pp. 637-662.

93. Koyama T. and Yan J., "An expert system approach to collision avoidance", Proc. of the 8th Vessel Control System Symposium, Hague, 1987.

94. Kuo-Lung W., Miin-Shen Y. A cluster validity index for fuzzy clustering // Pattern Recognition Letters. 2005. - Vol. 26. - P. 1275-1291.

95. Kanade P.M., Hall L. O. Fuzzy Ants as a Clustering Concept // 22nd international conference of the North American fuzzy information processing society NAFIPS. Chicago, 2003. - P. 227-232.

96. Kaski S. Data exploration using self-organizing maps // Acta Polytechnica Scandinavica, Mathematics, Computing and Management in Engineering Series. — 1997.-No.82.-P. 57.

97. Krsti.c P.V. (1995): Non-c M., Kanellakopulos I. and Kokotovi.linear and Adaptive Control Design. New York: Wiley.

98. Krsti.c M. and Tsiotras P. (1999): Inverse optimal stabilization of a rigid spacecraft. IEEE Trans. Automat. Contr., Vol. 44, No. 5, pp. 1042-1049.

99. Kuljaca O., Swamy N., Lewis F.L and Kwan C.M. (2001): Design and implementation of industrial neural network controller using backstepping. Proc. 40th IEEE Conf. Decision and Control Orlando, FL, pp. 2709-2714.

100. Kwan C.M. and Lewis F.L. (2000): Robust backstepping control of nonlinear systems using neural networks. IEEE Trans. Syst. Man Cybern., Part A: Syst. Humans, Vol. 30, No. 6, pp. 753-766.

101. Lisowski J. and Smierzchalski R., Assigning of Safe and Optimal Trajectory Avoiding Collision at Sea.3rd IFAC Workshop Control Applications in Marine System, Trondheim-Norway 1995.

102. Lisowski J. and Smierzchalski R., Methods to Assign the Safe Maneuver and Trajectory Avoiding Collision at Sea. 1st International Conference Marine Technology. Szczecin 1995.

103. Moradi M.H. and Katebi M.R. (2001): Predictive PID control for ship autopilot design. Proc. Control Applications in Marine Systems 2001, CAMS'2001, Glasgow, UK, pp. 375-380. \

104. Massey L. Evaluating quality of text clustering with ART1 // Proceedings of the International Joint Conference on Neural Networks. Portland, 2003. - Vol. 2. -P. 1402-1407.

105. Michalewicz Z.,. Genetic Algorithms + Data Structures = Evolution Programs. Spriger-Verlang, 3rd edition, 1996.

106. Pettersen K.Y. and Nijmeijer H. (2004): Global^ practical stabilization and tracking for an underactuated ship. A combined averaging and backstepping approach. Modell. Identif. Contr., Vol. 20, No. 4, pp. 189 -199.

107. Popp R., Pattipati K., Bar-Shalom Y. m-Best S-D Assignment Algorithm with Application to Multitarget Tracking // IEEE Transactions on AES. January 2001.-Vol. 37, No. 1.-P. 22-39.

108. Puranik S:, Tugnait J. Tracking of Multiple Maneuvering Targets using Multiscan JPDA and IMM Filtering // IEEE Transactions on AES. -Jan 2007. Vol. 43, No. 1.-P. 23-35.

109. Roecker J. A. Multiple Scan Joint Probabilistic Data Association // IEEE Transactions on AES.-July 1995. -Vol. 31, No. 3. P. 1204-1210.' • ■ ' 170 '»

110. Saburo Tsuruta and Hisashi Matsumura, "Basic research on an expert system for navigation at sea", The Journal of Japan Institute of Navigation, 1987, 77, pp. 133-139.

111. Shimizu K, et al. A fuzzy control for adjusting the schedule of a ship at waterway intersections (in Japanese). The Journal of the Society of Naval Architects of Japan, vol.156, pp.201.

112. Skjetne R., Fossen T.I. and Kokotovi.c P.V. (2005): Adaptive maneuvering, with experiments, for a model ship in a marine control laboratory. Automat. Vol. 41, No. 2, pp. 289- 298.

113. Smierzchalski R., The Application of the Dynamic Interactive Decision Analysis System to the Problem of Avoiding Collisions at the Sea, (in Polish) 1st Conference Awioniki, Jawor, Poland 1995

114. Smierzchalski R., The Decision Support System to Design the Safe Maneuver Avoiding Collision at Sea. ISAS'96, Orlando, USA, 1996.

115. Smierzchalski R. and Michalewicz, Z., Adaptive Modeling of a Ship Trajectory in Collision Situations at Sea. Submitted for publication, 1998.

116. Sosnin P. "Means of question-answer interaction for collaborative development activity"// Hindawi Publishing Corporation, Advances in HumanComputer Interaction, Volume 2009, Article ID 619405, USA, 2009, 18 pages,

117. Sosnin P. I., Question-Answer Models of Decision-Making Tasks in Automated Designing, // Proc. of the 22nd European Conference on Modelling and Simulation (ECMS'2008) ISBN: 978-0-9553018-5-8, pp. 173-180, 2008.

118. Sosnin, P. "Question-Answer Means for Collaborative Development of Software Intensive Systems", Collection of scientific paper Complex Systems Concurrent Engineering, Part 3, Springer London, 2007, 151-158.

119. Sosnin, P. "Conceptual Solution of the Tasks in Designing the Software Intensive Systems", // In Proc. of the 14th IEEE Mediterranean Electrotechnical Conference MELECON 2008, Ajacco, France, pp. 293 - 298

120. Sosnin, P. "Question-answer programming and modeling in expert systems" // In Proc. of Artificial Intelligence and Applications AIA'2009, Vienne, Austria, pp.

121. Sosnin, P. "Question-Answer Expert System for Ship Collision Avoidance" // In Proc of 51st International Symposium ELMAR-2009, Zadar, Croatia, 2009. -pp.185-188.

122. Sosnin, P. Question-Answer Approach To Human-Computer Interaction In Collaborative Designing. // In proc. IASDIS: Human Computer Interactions, Freiburg, Germany, 2010, pp. 219-226.

123. P. Sosnin Question-Answer Programming in Collaborative Development Environment// In Proc. of The third IEEE conference Cybernetics and Intelligent Systems CIS-RUM'2010, Singapore, 2010, pp. 273-278

124. Tien Tran and Chris Harris, "Vessel Management Expert System", Proc. of IEEE Intelligent Transportation System Conference, Oakland (CA), USA, August 25th-29th, 2001.

125. Tran QN, Low G (2008). MOBMAS: A Methodology for Ontology-Based Multi-Agent Systems Development, Inf Software Technol. 50: 697-722.

126. Wang C (1986). Computer simulation of the process of ship's collision avoidance (in Chinese). The Journal of scienti c Exploration, no.2.

127. Wang H., Kirubarajan T., Bar-Shalom Y. Precision Large Scale Air Traffic Surveillance Using IMM/Assignment Estimators // IEEE Transactions on AES. Jan 1999.-Vol. 35, No. l.-pp. 255-266

128. Wang X (1987). Study on automatic radar collision avoidance systemand the programme design. M.Sc dissertation in Dalian Maritime University.

129. Wiswall F L (1990). The impact of the electronic chart on the law of collision. Proc. of the International Conference on Maritime Law and the Electronic Chart, pp.97-106. Ottawa, 13-15 Nov.

130. Wooldridge M, Jennings NR, Kinny D (2000). The Gaia methodology for agent-oriented analysis and design, J. Autonomous Agents Multi Agent Syst. 3(3): 285-312.

131. Zhao J, et al (1988). The calculating model of critical CPA in uncoordinated action. The Journal of Dalian Maritime University, vol.14, no.3, pp.4247.

132. Zhao J and Wang F (1991). Simulation model of DCPA decision mak-ing. Proc. of the 8th IAIN Congress, Cairo, Otc.