автореферат диссертации по документальной информации, 05.25.05, диссертация на тему:Многомерная эволюционная прикладная автоматизированная информационная система поддержки принятия решений для управления инновационными ресурсами химической и нефтехимической промышленности России

На правах рукописи УДК 004.82+007.52

САНДУ Роман Александрович

МНОГОМЕРНАЯ ЭВОЛЮЦИОННАЯ ПРИКЛАДНАЯ АВТОМАТИЗИРОВАННАЯ ИНФОРМАЦИОННАЯ СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ УПРАВЛЕНИЯ ИННОВАЦИОННЫМИ РЕСУРСАМИ ХИМИЧЕСКОЙ И НЕФТЕХИМИЧЕСКОЙ ПРОМЫШЛЕННОСТИ РОССИИ

Специальность 05.25.05 - Информационные системы и процессы

АВТОРЕФЕРАТ ДИССЕРТАЦИИ на соискание ученой степени доктора технических наук

МОСКВА-2011

4841424

4 МАР 2011

4841424

Работа выполнена в отделе сопровождения и развития информационных технологий и программных средств Федерального государственного унитарного предприятия «Российский научно-технический центр информации по стандартизации, метрологии и оценке соответствия» (ФГУП «СТАНДАРТИНФОРМ»)

Научный консультант: доктор технических наук, старший научный

сотрудник Варламов Олег Олегович

Официальные оппоненты: доктор технических наук, профессор

Квасницкий Виктор Николаевич

доктор технических наук, профессор Швецова-Шиловская Татьяна Николаевна

доктор технических наук, профессор Чудинов Станислав Михайлович

Ведущая организация: Всероссийский научно-исследовательский

институт проблем вычислительной техники и информатизации

Защита состоится « 6 » 2011 г. в // часов & О мин,

на заседании диссертационного совета по техническим наукам Д 222.020.02 при Российском научно-техническом центре информации по стандартизации, метрологии и оценке соответствия по адресу: 123995, г. Москва, К-1, ГСП-5, Гранатный пер., д. 4.

С диссертацией можно ознакомиться в читальном зале Российского научно-технического центра информации по стандартизации, метрологии и оценке соответствия по адресу: г. Москва, Нахимовский проспект, д. 31, корп. 2.

Автореферат разослан « 3» АлСЬуэЯА— 2011 г.

Ученый секретарь диссертационного совета кандидат экономических наук

А.А.Стреха

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Современный этап развития химической и нефтехимической промышленности России характеризуется ориентацией на широкое внедрение инновационных высокотехнологичных производств. В этой связи для принятия обоснованных решений в целях формирования эффективной инновационной политики развития как всей отрасли в целом, так и отдельных промышленных предприятий становится объективно необходимым проведение " системного анализа и автоматизированной оценки параметров инновационного развития предприятий химического и нефтехимического комплекса. Однако специфика управления инновационными ресурсами (УИР) на предприятиях химической и нефтехимической промышленности России (ХНП) заключается в том, что принятие управленческого решения по развитию инновационного процесса на данных предприятиях базируется на информации, характеризующейся следующими основными особенностями: многообразие инновационной деятельности и, как следствие, достаточно значительное количество характеризующих ее индикаторов; нечеткость части показателей инновационного развития; качественный характер ряда показателей и широкое использование в этой связи балльных оценок; необходимость использования разнообразных «срезов, сечений» и т.п. (по регионам, отраслям, годам и т.д.), т.е. явная многомерность представления данных о предметной области; различные формы представления результатов для принятия решений; многоаспектность оценки инновационных ресурсов; высокая динамика изменения системы показателей, детерминирующая необходимость анализа инновационного процесса с учетом возможности появления новых ключевых параметров. Кроме того, анализ и выбор показателей инновационного развития предприятий химического и нефтехимического комплекса осуществляется в условиях неопределенности, вызванной наличием факторов, принципиально не поддающихся строгой количественной оценке. В этой связи особую актуальность приобретает научная проблема разработки соответствующей автоматизированной информационной системы, способной, с одной стороны, хранить и обрабатывать всю систему разнообразной информации о состоянии и развитии как собственно предприятий ХНП, так и их инновационных ресурсов, а с другой - иметь возможность функционального наращивания и масштабируемости системы.

Степень научной разработанности проблемы. Анализ показывает, что разработке научно-теоретических основ формирования, использования и развития инновационных ресурсов посвящены работы таких выдающихся отечественных и зарубежных ученых как Шумпетер Й., Портер М., Твисс Б., Друкер П., Глазьев С.Ю., Оголева Л.Н., Поршнева А.Г. и ряда других. Значительный вклад в развитие системного анализа и теории принятия решений внесли Вентцель Е.С., Волкова В.Н., Дегтярев Ю.И., Емельянов A.A., Денисов A.A., Костров A.B., Ларичев О.И., Оптнер С., Перегудов Ф.И., Подиновский В.В., Поспелов Д.А., Саати Т., Темников Ф.Е., Хитч Ч. и др.

Применение системного подхода к созданию информационных систем управления предприятиями химической и нефтехимической промышленности России было развито в работах Бахвалова JI.A., Гартман Т.Н., Гордеева Л.С., Дорохова И.Н., Егорова А.Ф., Кафарова В.В., Корнюшко В.Ф., Кузина P.E., Мешалкина В.П., Нетушила A.B., Петрулевича A.A., Савицкой Т.В., Саркисова П.Д., Федунец Н.И., Шаталова В.В. и др. На основе работ этих ученых были созданы информационно-аналитические системы, позволяющие осуществлять динамический анализ инновационного потенциала химического научно-промышленного комплекса России. Однако в основу этих систем были положены стандартные базы данных, что не позволяет решить проблему управления инновационными ресурсами в полном объеме. Кроме того, в данных системах отсутствует возможность функционального наращивания экспертных систем и их масштабируемости.

С другой стороны, проблемам создания экспертных систем, искусственного интеллекта, баз данных, вычислений, логической обработки и создания прикладных автоматизированных информационных систем посвящены работы ряда известных зарубежных специалистов, таких как: Амамия M., Танака Ю., Атре Ш., Ахо A.B., Хопкрофт Д.Э., Ульман Д.Д., Берзтисс А.Т., Васильев В.И., Шевченко А.И., Вейд А., Дейкстра Э., Дейт К., Джордж Ф., Кук Д., Бейз Г., Люгер Дж.Ф., Майника Э., Мартин Дж., Мейер Д., Олле Т.В., Райли Д., Саймон А.Р., Таунсенд К., Фохт Д., Тиори Т., Фрай Дж., Уинстон П., Ульман Ж., Уотермен Д., Уэлдон Дж., Финк Д., Флорес И., Фогель Л., Оуэне А., Уолш М. Хант Э., Эндрю А., Эшби У.Р., Цикритзис Д., Лоховски Ф. и др. Среди отечественных ученых этими проблемами плодотворно занимались Абрамов С.М., Анисимов Б.В., Бабаян Б.А., Хорошевский В.Ф., Барский А.Б., Бурцев B.C., Бирюков Б.В., Гутчин И.Б., Варламов О.О., Воеводин В.В., Гиглавый A.B., Городецкий В.И., Евреинов Э.В., Еремеев А.П., Журавлев Ю.И., Замулин A.B., Калиниченко Л.А., Когаловский М.Р., Корнеев В.В., Кузнецов С.Д., Ладенко И.С., Марков A.C., Новиков Б.А., Осипов Г.С., Попов Э.В., Райбекас А.Я., Ростовцев Ю.Г., Смирнов A.B., Соколов Б.В., Стефанюк В.Л., Чудинов С.М., Цаленко М.Ш., Шалютин С.М., Юсупов P.M. и многие другие. В результате этими учеными были разработаны основы создания баз данных, экспертных систем, миварных технологий, принципы организации и структурирования данных, созданы многие автоматизированные системы. Однако в целом научная проблема разработки многомерной эволюционной экспертной системы для своевременной и адекватной обработки информации в целях управления инновациями в химической и нефтехимической промышленности России на сегодняшний день так и осталась нерешенной.

Для решения этой крупной научной проблемы в диссертации предлагается многомерная эволюционная прикладная автоматизированная информационная система (МЭПАИС) поддержки принятия решений для управления инновационными ресурсами химической и нефтехимической промышленности России. Фактически, МЭПАИС УИР ХНП - это экспертная система для управления инновациями в химической и нефтехимической

промышленности России. Термин «экспертная система» иногда заменяют на менее антропоморфный - «система поддержки принятия решений» (СППР). Принципиальным отличием МЭПАИС УИР ХНП от предыдущего поколения экспертных систем является: системное многомерное объединение нескольких предметных областей, реальное время работы на десятках тысяч правил и эволюционное наращивание данных и правил (знаний) на основе двух инновационных российских информационных технологий: «миварное информационное пространство» и «миварные логико-вычислительные сети».

Научная проблема: разработка теоретических основ построения многомерной эволюционной прикладной автоматизированной информационной системы поддержки принятия решений для управления инновационными ресурсами химической и нефтехимической промышленности России в целях принятия решений на основе комплексной и многоаспектной оценки текущего состояния и перспектив развития инновационных ресурсов химической и нефтехимической промышленности.

Объектом исследования являются информационные системы и процессы, включая теоретические, программные и информационные аспекты обеспечения функционирования систем и реализации процессов генерации, сбора, хранения, обработки и представления информации для управления инновационными ресурсами химической и нефтехимической промышленности России.

Предметом исследования являются прикладные автоматизированные информационные системы, ресурсы и технологии в технической сфере деятельности; аналитические, процедурные информационные модели предметной области и экспертные системы, включаемые в контур обработки информации и принятия решения для управления инновационными ресурсами химической и нефтехимической промышленности России; методы и модели описания информационных процессов и информационных ресурсов; новые принципы организации и структурирования данных, концептуального, логического, физического проектирования мультимедийных баз данных и иных специализированных информационных систем, методы оценки и оптимизации структур баз данных на логическом уровне; новые миварные принципы разработки и организации функционирования информационных систем и процессов, применения миварных информационных технологий и систем в принятии решений на различных уровнях управления.

Целью диссертационного исследования является создание на основе миварного подхода теоретического, программного и информационного обеспечения функционирования прикладных автоматизированных информационных систем для реализации процессов сбора, хранения, обработки и представления информации для комплексного управления инновационными ресурсами химической и нефтехимической промышленности России.

В соответствии с поставленной целью определены задачи диссертационного исследования:

1) провести анализ особенностей и специфики управления инновационными ресурсами химической и нефтехимической промышленности России;

2) проанализировать современные информационные технологии баз данных, вычислений и логической обработки, выявить их ограничения и проблемы создания прикладных автоматизированных информационных систем;

3) разработать новые принципы организации и структурирования данных для специализированных информационных систем поддержки принятия решений при управлении инновационными ресурсами химической и нефтехимической промышленности России на основе миварного информационного пространства;

4) разработать метод логико-вычислительной обработки данных химической и нефтехимической промышленности России на основе продукций и миварной сети правил для управления инновационными ресурсами;

5) предложить новую модель описания информационных процессов химической и нефтехимической промышленности России в формализме миварных сетей на основе многомерных бинарных матриц для реализации одновременной эволюционной обработки более десяти тысяч объектов и правил в реальном времени;

6) разработать новую модель описания информационных процессов химической и нефтехимической промышленности России в формализме миварных сетей и продукций на основе трехдольных и многодольных графов для реализации правил выбора «ЕСЛИ..., ТО..., ИНАЧЕ...»;

7) создать программное и информационное обеспечение миварной мультипредметной экспертной системы МЭПАИС УИР ХНП России.

Научная новизна полученных результатов заключается в разработке:

1) структур представления данных в модели данных на основе миварного информационного пространства с добавлением вероятностных характеристик для МЭПАИС УИР ХНП;

2) линейной вычислительной сложности метода логико-вычислительной обработки данных для управления инновационными ресурсами химической и нефтехимической промышленности России на основе миварной сети;

3) модели описания информационных процессов для МЭПАИС УИР ХНП в формализме миварных сетей на основе многомерных бинарных матриц;

4) модели описания информационных процессов для МЭПАИС УИР ХНП в формализме миварных сетей на основе многодольных графов;

5) мультипредметных экспертных систем на основе программного комплекса МЭПАИС и реализации процессов сбора, хранения, обработки и представления информации для информационных систем и процессов в тех предметных областях, которые могут быть формализовано описаны в миварном информационном пространстве.

Методы исследования. При решении задач, поставленных в работе, использованы основные положения системного анализа, методы оптимизации на сетях и графах, математической логики, математического программирования

и теории множеств, графов, структур данных, принятия решений, баз данных и правил, а также методы имитационного и натурного моделирования.

Достоверность научных результатов. Достоверность полученных теоретических и прикладных результатов подтверждается использованием строгого математического аппарата при построении и исследовании моделей, методов и алгоритмов, результатами компьютерного моделирования, согласованностью полученных результатов с имеющимися в российской и зарубежной литературе данными, практическим внедрением и использованием результатов диссертационного исследования.

Для публичной защиты выдвигается следующая совокупность новых научных результатов и положений:

• формализованное описание модели данных для МЭПАИС УИР ХНП, построенной на основе миварного информационного пространства с добавлением вероятностных характеристик;

• метод логико-вычислительной обработки данных химической и нефтехимической промышленности России на основе продукций и миварной сети для управления инновационными ресурсами;

• модель описания информационных процессов химической и нефтехимической промышленности России в формализме миварных сетей на основе многомерных бинарных матриц;

• модель описания информационных процессов химической и нефтехимической промышленности России в формализме миварных сетей на основе многодольных графов;

• программный комплекс МЭПАИС УИР ХНП и реализация процессов сбора, хранения, обработки и представления информации для управления инновационными ресурсами химической и нефтехимической промышленности России.

Практическая ценность заключается в следующем. В 2005-2008 гг. по контрактам ФГУП «Государственный ордена Трудового Красного Знамени научно-исследовательский институт химических реактивов и особо чистых химических веществ» (ФГУА «ИРЕА») с Минэнерго и Минпромторгом России для системного анализа инновационной деятельности 135 ведущих промышленных предприятий химического комплекса за 1995-2007 гг. была разработана компьютерная информационная система. Информационное ядро системы составляют статформы «4-инновация» за 1995-2007 гг. Система внедрена и успешно эксплуатируется в Минэнерго и Минпромторге России.

Ряд практических аспектов диссертационного исследования был использован при выполнении инновационного проекта «Разработка технологии вовлечения в хозяйственный оборот отходов производств фотоэлектрических преобразователей», имевшего целью создание технологии утилизации смесей отходов переработки высокочистого кремния солнечного и электронного качества для повышения эффективности выделения полезных компонентов, а также испытание конечных продуктов этой переработки в технологии

получения оптических и лазерных устройств (государственный контракт ГК 02.740.11.0435 от 30.09.2009 г.).

Апробация работы. Результаты диссертационной работы докладывались и обсуждались на: Российской конференции аспирантов, студентов и молодых ученых (ИВТ-2010) (г. Ульяновск, 2010 г.); XI-ой Международной научно-практической конференции «Информационная безопасность» (ИБ-2010) (г. Таганрог, 2010 г.); П-ой Международной научно-практической конференции «Современные информационные и инновационные технологии на транспорте MINTT-2010» (г. Херсон, Украина, 2010 г.); П-ой Всероссийской научно-практической конференции с международным участием «Информация и образование: границы коммуникаций» (INFCT10) (г. Горно-Алтайск, 2010 г.); Конгрессе по интеллектуальным системам и информационным технологиям «AIS-IT'10» (г. Геленджик, 2010 г.); Научно-технической конференции, посвященной 60-летию ФГУП «НИИР» (г. Москва, 2010 г.); V-X Международных научных конференциях «Современные проблемы истории естествознания в области химии, химической технологии и нефтяного дела» (г. Уфа, 2004-2009 гг.); XII, XIX, XXI, XXII Международных научно-технических конференциях «Химические реактивы, реагенты и процессы малотоннажной химии» (РЕАКТИВ-2004, РЕАКТИВ-2006, РЕАКТИВ-2008, РЕАКТИВ-2009) (г. Уфа, 2004 г., 2006 г., 2008 г., 2009 г.); Международной научно-практической конференции «Теория активных систем» (ТАС-2009) (г. Москва, 2009 г.); П-ом Международном форуме по нанотехнологиям (г. Москва, 2009 г.); IV-ой Международной научно-практической конференции «Логистика и экономика ресурсосбережения и энергосбережения в промышленности» (МНПК «ЛЭРЭП-4-2009») (г. Самара, 2009 г.); 1-ой Международной конференции РХО им. Д.И. Менделеева «Энерго- и ресурсосберегающие технологии в химической и нефтехимической промышленности» (г. Москва, РХТУ им. Д.И. Менделеева, 2009 г.); Международной научно-практической конференции «Модель менеджмента для экономики, основанной на знаниях» (г. Москва, МЭСИ, 2009 г.); Х-ом Всероссийском симпозиуме «Стратегическое планирование и развитие предприятий» (г. Москва, ЦЭМИ РАН, 2009 г.); ХН-ой Международной научно-технической конференции «Наукоемкие химические технологии-2008» (г. Волгоград, 2008 г.) и др.

Публикации. Основные научные результаты по теме диссертации опубликованы в 69 научных работах, в том числе в двух монографиях и 11 статьях в журналах, рекомендованных ВАК РФ для опубликования основных результатов диссертационных работ на соискание ученых степеней доктора наук. По результатам диссертационного исследования получены патенты на полезную модель и изобретение. Общий объем публикаций по теме диссертационного исследования составил более 35 п.л.

Объем и структура работы. Диссертация состоит из введения, пяти глав, заключения и списка литературы из 519 наименований. Она содержит 314 страниц текста, 2 таблицы и 57 рисунков.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность научной проблемы, проанализирован научный уровень создания современных прикладных автоматизированных информационных систем, сформулированы цель и задачи исследования, показана научная новизна полученных результатов и приведены сведения о практической ценности работы.

В первой главе проанализированы особенности и специфика предметной области управления инновационными ресурсами в химической и нефтехимической промышленности России. Проведен системный анализ проблем создания прикладных автоматизированных информационных систем поддержки принятия решений для управления инновационными ресурсами с точки зрения технологий, моделей и методов организации баз данных, логической и вычислительной обработки данных и систем поддержки принятия решений. На основании проведенного анализа доказана актуальность создания МЭПАИС УИР ХНП, сформулирована и обоснована научная проблема, выполнена постановка научных задач диссертационной работы в целях принятия решений на основе комплексной и многоаспектной оценки текущего состояния и перспектив развития инновационных ресурсов химической и нефтехимической промышленности России.

Анализ особенностей и специфики управления инновационными ресурсами ХНП России выявил следующее:

• многообразие инновационной деятельности;

• различные инновационные индикаторы;

• нечеткость части показателей инновационного развития;

• необходимость использования разнообразных «срезов», «сечений» и т.п. (по регионам, по отраслям, по годам и т.д.) - явная многомерность представления данных о предметной области;

• масштабируемость;

• разные формы представления результатов для принятия решений;

• много аспектов оценки инновационных ресурсов;

• необходимость принятия обоснованных решений в рамках эффективной инновационной политики развития отрасли и отдельных промышленных предприятий (многоуровневость представления данных и анализа);

• вариабельность и необходимость эволюционного развития представлений о предметной области;

• использование качественных (балльных) показателей;

• важность прогнозирования развития предприятий и отрасли в целом (возможно обобщение до всей экономики России);

• сложная и многоуровневая логика расчетов и принятия решений;

• при проведении финансово-экономического анализа необходимо решение сложных вычислительных задач.

Таким образом, необходимо провести новое концептуальное проектирование баз данных и правил для управления инновационными ресурсами. Для достижения поставленной цели диссертации необходимо использовать миварные базы данных и правил, что позволяет решить крупную научную проблему создания многомерной эволюционной прикладной автоматизированной информационной системы поддержки принятия решений для управления инновационными ресурсами химической и нефтехимической промышленности России.

Анализ проблем создания прикладных автоматизированных информационных систем поддержки принятия решений для управления инновационными ресурсами. В 1997-2008 гг. по контрактам с Минэкономики, Минпромнауки, Минпромэнерго и Минпромторгом России проводились работы по созданию информационных технологий для анализа инновационной деятельности ведущих научных и промышленных предприятий химической и нефтехимической промышленности. За эти годы вышло большое количество работ, посвященных системному анализу интеллектуальных, финансовых и материальных ресурсов отраслевой науки. Исследования проводились на основе информации за период 1990-2007 гг. для 83 ведущих НИИ частной (акционерной) и государственной формы собственности. Информационной базой системного анализа являлись данные статистических отчетных форм «2-наука», которые ежегодно представляются всеми аккредитованными НИИ в отраслевые Министерства. В 2005-2008 гг. по контрактам ФГУП «ИРЕА» с Минпромэнерго № 0410.0810000.05.039д («Разработка индикаторов инновационного развития химического научно-промышленного комплекса России») и Минпромторгом России № 8411.0816900.13.057 («Комплексная оценка инновационного потенциала промышленных предприятий...») были проведены работы по системному анализу инновационной деятельности 135 ведущих промышленных предприятий химического комплекса за 1995-2007 гг.

Полное представление об уровне инновационного развития предприятий химической и нефтехимической промышленности может быть сделано на основе системного анализа динамики инновационных индикаторов, оценки основных направлений инноваций, особенностей и тенденций инновационной деятельности. Кроме того, проведение сравнительного анализа основных показателей инновационной деятельности позволяет определить инновационную активность предприятий, их инновационный потенциал и уровень развития. Решение этих задач возможно только с применением современных информационных технологий.

В качестве информационной базы для исследования использовались сведения об инновационной деятельности за 1995-2007 гг., представленные в ежегодной форме статистической отчетности «4-инновация» (рисунок 1), подаваемые в Минпромэнерго (Минпромторг) России. В результате системного анализа все прямые (статформа «4-инновация») и расчетные показатели на верхнем уровне иерархии были разделены на две информационные группы: количественные и качественные. В свою очередь количественные показатели на более низком уровне иерархии представляют собой совокупности общих и

инновационных индикаторов. Каждая из этих групп разделяется на кадровые и экономические показатели (рисунок 1). Кадровые показатели включают: среднесписочную численность персонала, численность специалистов с высшим образованием и работников НИОКР, а также количество принятых на работу квалифицированных специалистов и т.д. Среди экономических показателей объектами анализа на каждом предприятии стали: величина капитальных вложений и затрат на инновации, общий и инновационный объемы выпуска продукции, количество созданных, приобретенных и переданных технологий, патентов, лицензий и т.д.

ИНФОРМАЦИОННАЯ БАЗА (статистическая форма "4-инновация")

Количественные показатели |

Качественные показатели

с

Общие

Инновационные

——— *------

Кадровые | Экономические 1 Кедровые | Экономические

1 1 1 1

Средне-списочная численность Общий объем выпуска Количество подразделений НИОКР Объем выпуска инновационной продукции

персонала численность работников НИОКР Величина затрат на инновации

Численность специалистов с высший образованием Величина капитальных вложений принятых на раооту квалифицированных специалистов Количество созданных и приобретенных технологий (патентов, лицеи 5ий>

1 1 1

Расчетные 1 кадровые | Расчетные 1 экономические | Расчетные 1 кадровые | Расчетные экономические

Удельный вес специалистов с

в ы сш им образованием в среднесписочной

персона.

Величина капитальны* вложений на рубл продукции

Удельный ве-е работников НИОКР в средиесписочной численности персонала

Выработка инновационной продукции на 1 работника Выработка инновационной продукции на работника

Удельный вес инновационной продукции в общем объеме выпуска

Удельный вес затрат н._ нновации в оощем ооъеме капитальных впожени:"

Влияние результатов инновационной деятельности на развитие предприятия

Факторы, препятствующие инновациям

Значимость методов защиты изобретений и разработок для предприятия

Рисунок 1. Система информационных показателей для анализа инновационных ресурсов

В результате исследований было обосновано, что необходимы следующие функциональные возможности: ввод основных сведений по предприятиям, ввод и корректировка статформ «4-инновация», отраслевой анализ, региональный анализ, анализ качественных показателей. Кроме того, у пользователя должна быть возможность выполнить следующие 3 вида действий: ввод данных; корректировка данных; проведение анализа имеющихся данных по определенным критериям.

МЭПАИС имеет возможность функционального наращивания и масштабирования. Результат анализа предприятий может быть представлен в двух формах: графической или табличной. Качественные показатели инновационного развития имеют в своей основе балльные оценки, выставляемые предприятиями по итогам своей деятельности за отчетный период. Они включают в себя следующие информационные блоки: факторы,

препятствующие инновациям; влияние результатов инновационной деятельности на развитие предприятий; значимость методов защиты изобретений и разработок для предприятий. Качественные показатели представляются в формах «4-инновация» в виде балльных оценок, где 3 -наивысшая степень влияния показателя, 2 - средняя, 1 - незначительная или малосущественная, 0 - отсутствие влияния. Усреднение балльных оценок позволяет получить величину конкретного показателя для сравнительного анализа. Привлечение современных информационных технологий для проведения системного анализа и оценки параметров инновационного развития предприятий химического и нефтехимического комплекса позволяет принимать обоснованные решения в рамках эффективной инновационной политики развития как всей отрасли в целом, так и отдельных промышленных предприятий.

Во второй главе проанализированы современные информационные технологии баз данных, вычислений и логической обработки, выявлены их ограничения и проблемы создания прикладных автоматизированных информационных систем; а также разработаны новые принципы организации и структурирования данных для специализированных информационных систем поддержки принятия решений для управления инновационными ресурсами химической и нефтехимической промышленности России на основе миварного информационного пространства. Иначе говоря, фактически разработана модель данных для МЭПАИС и дано ее формализованное описание. Эта модель построена на основе миварного информационного пространства с добавлением вероятностных характеристик. С точки зрения научной новизны это означает разработку структур представления данных на основе миварного информационного пространства с добавлением вероятностных характеристик для МЭПАИС УИР ХНП.

Кроме того, проведен анализ существующих моделей данных (структурированных, слабоструктурированных и с изменяемой структурой) для экспертных систем и систем поддержки принятия решений (СППР) с учетом специфики представления данных для МЭПАИС в целях эффективного управления инновационными ресурсами химической и нефтехимической промышленности России. Обоснован выбор многомерной эволюционной (миварной) модели данных для МЭПАИС.

Анализ современных информационных технологий баз данных, вычислений и логической обработки. В настоящее время формализованное моделирование инновационного развития предприятий ХНП является сложной и слабоструктурированной задачей. Это обусловлено тем, что инновационные индикаторы, оценки основных направлений инноваций, особенностей и тенденций инновационной деятельности постоянно находятся в развитии, некоторые перестают быть актуальными, другие «расширяются в разных направлениях», третьи изменяются по существу. Кроме того, анализ основных показателей инновационной деятельности должен учитывать вероятностные характеристики и нечеткие принадлежности многих показателей. Вместе с тем все эти сложные и, в некотором смысле, противоречивые показатели и

требования необходимо хранить и обрабатывать в рамках единого формализма «Модель представления данных для МЭПАИС».

Следуя классическому подходу, в теории баз данных в моделях данных выделяют три основных составляющих:

1) структуры представления данных;

2) операции манипулирования данными;

3) ограничения данных.

Проанализируем принципы организации и структурирования данных в существующих моделях данных разнообразных баз данных (БД). Когаловский М.Р. описывает эволюцию технологий баз данных и систематизирует сведения о важнейших технологиях, состоянии и перспективах развития базовых стандартов моделей данных. Отмечено, что моделирование данных является фундаментом технологий баз данных. Марков A.C. и Лисовский К.Ю. рассмотрели основные математические модели представления об отношении: теоретико-множественные, конструктивные и предикатные. Также они обосновали выбор методов вычислительной логики для повышения уровня интеллектуальности реляционных баз данных. Кроме того, представлены сетевые и иерархические модели данных, слабоструктурированные данные, описан объектно-ориентированный подход к проектированию баз данных. Отмечено, что база данных - это совокупность данных, организованных в соответствие с некоторой концептуальной моделью данных, которая описывает характеристики этих данных и взаимоотношения между соответствующими им реалиями, и предназначена для информационного обеспечения одного или более приложения. Формализованное представление модели данных в виде математической структуры:

{D, R, А}, (1)

где D - заданное множество (носитель структуры); R - конечный набор отношений, в которых находятся элементы множества (типовая характеристика структуры); А - ограничительные условия, накладываемые на отношения (аксиомы структуры). «Отношение» - это заданная совокупность упорядоченных пар (а в общем случае - троек, четверок и т.д.) элементов множества D. Элементы D, R, А модели имеют внутреннюю структуру:

{D, Cr(D)}, {R, Cr(R)}, {А, Ru(A)}, (2)

где Cr(D) - критерий принадлежности элементов d множеству D (такой критерий всегда есть в теории множеств при задании любого множества); Cr(R) - критерий принадлежности отношений г множеству R (такой критерий аналогично есть при задании любого отношения); Ru(A) - совокупность правил вывода новых формул из аксиом и правил преобразования этих формул. Марков A.C. вводит понятие «логическое программирование реляционных баз данных» в качестве одного из названий направления «дедуктивные базы данных».

Саймон А.Р. дает многоаспектный анализ ключевых областей современных массовых технологий баз данных и оценивает перспективы их развития. Основное внимание уделяется двум тенденциям: распределенные базы данных и объектно-ориентированные базы данных (ООБД). В то же время

приводится описание перспективных моделей данных и управления информацией: временные базы данных, активные базы данных, а также различные формы пространственных данных, графических образов, текстовых данных и различных разновидностей мультимедиа. С точки зрения поставленных задач особый интерес представляют принципы активных систем управления баз данных (СУБД). Саймон А.Р. утверждает: «Системы баз данных традиционно были пассивными... С другой стороны, активные системы баз данных предусматривают возможности, позволяющие: 1) содержать логику обработки (до некоторой степени) в самой базе данных так, чтобы она управлялась СУБД, а не прикладным программным обеспечением приложений; 2) обеспечивать некоторую форму мониторинга событий и условий, которые воздействуют на данные и могут инициировать обработку, управляемую базой данных; 3) включать в систему базы данных также некоторое средство, с помощью которого эти события и условия могли бы запускать логику внутри базы данных». Отметим, что аналогичные возможности есть и у миварного информационного пространства.

Кузнецов С.Д. рассматривает фундаментальные модельно-языковые аспекты современной технологии баз данных, описывает современные модели и языки баз данных, включая: реляционные модели данных, объектно-ориентированный, объектно-реляционный и «истинно» реляционный подходы. Рассмотрены черты одной из наиболее популярных семантических моделей данных - модели «сущность-связь» (ЕЯ-модель). На использовании ЕЯ-модели основано большинство современных подходов к проектированию баз данных. В работах Варламова О.О. показаны формальные представления структур представления данных ЕЯ-модели и миварного информационного пространства.

В рамках диссертационной работы был проведен анализ всех основных существующих моделей представления данных: реляционных, сетевых, иерархических, семантических сетей, инфологических, онтологий, «сущность-связь» и миварного информационного пространства (всего более 25 моделей данных). Из всех проанализированных моделей данных полному набору требований для МЭПАИС УИР ХНП удовлетворяет только миварное информационное пространство.

Основой многомерного эволюционного миварного подхода является то, что реальный мир существует сам по себе, а при изучении и познании некоторой предметной области (например, УИР ХНП) человек представляет себе описание этого мира в виде начального трехмерного пространства, осями которого являются понятия: вещь, свойство и отношение. Эти три понятия -абстракции, удобные для описания реального мира. Эти абстракции аналогичны трем осям декартова геометрического пространства, так как они -три разных взгляда на одно объективно существующее «нечто» (УИР ХНП). Эти три абстракции абсолютно равнозначны и являются основой трехмерного дискретного информационного пространства:

<вещь, свойство, отношение> (<У, в, 0>).

Наименьший элемент этого пространства - мивар, т.е. трехмерная точка или «некоторая конкретная вещь, обладающая некоторым конкретным свойством, находящаяся в некотором конкретном отношении в определенный момент времени и в конкретных географических координатах». Для моделирования инноваций важно, что при миварном подходе вещь - это уникальное название этой вещи, совокупность всех свойств (атрибутов) этой вещи и значения во всех отношениях этой вещи со всеми другими вещами предметной области. Для МЭПАИС УИР ХНП очень важно, что степень детализации описания вещи может быть различной: от описания всех свойств и отношений до представления лишь сущности вещи. Подробный анализ приведен в диссертации, а здесь выделим основные преимущества миварного подхода: многомерное и эволюционное представление данных, возможность учета вероятностных и нечетких характеристик, а также совместимость по данным с быстрым логико-вычислительным методом обработки информации.

При создании миварного информационного пространства проведено обобщение всех структурированных моделей данных путем теоретико-множественного описания модели «сущность-связь» (ЕЯ-модель). Для моделирования инноваций выделим следующие структуры представления данных ЕЯ-модели: классы сущностей, множества сущностей, классы связей, множества связей, роли сущностей в связях, множество атрибутов, множество значений. Тогда, пусть А - множество имен классов сущностей:

А={а1,а2,...,аь...,а1}, (3)

Уа.еА ЗВ| = {Ь,„Ь|1-..,Ьв),...,ЬцД (4)

где 1 = 1»1; = 1» иВ, - это множество имен сущностей класса а;. Далее,

__ЗС={с„с2)...,ск,...,Ск}, (5)

где к = 1,К; С - множество имен атрибутов. Кроме того, пусть

_ 30={с11,с12,...,(1|,...,(1ь}, (6)

где 1 =1,Ь; О-множество значений. Далее, пусть

3^={г1,г2,...,хт,...,хм}, (7)

УгюеХ ЗУга = -jy.nl,ут2,.»,уга„т,-,ут^ }, (8)

где т=1,М; пт = 1,1Чт , г - множество имен классов связей и Уга - множество имен связей класса гга. Описание сущностей для

УЬ^еВ, ЭСЧ1 = ; (9)

Уси,РШ бСА„ = "^и.Рц,*а»<1и.Ри,'Ч1.РЦ, '-'с|1*Ри,1Чгч, 0°)

где ¡ = 1,1; ^ =Ыь Рц, _1'ри, ; '"¡¡¡Ри, -1'Ки1рщ • В этой модели у каждой связи есть набор атрибутов с определенными множествами значений:

е ЗСп.пт = ^Стпт1>Стпт2^">С„тт! >-">СтПп18 ], (11)

. с! > (12)

тпп.»пч.т'п.||т«„„_ ''"' т"т1гаПтТт»„1»т,_ ■*

где Ш = 1,М; пт = 1,1Чт ; зтПт - 1,8тПт ; - ^Ттп,,,!,™,,, .

Обозначим Е - множество имен ролей множеств сущностей в связях:

Е={е1)е2,.»>еи,->еи}, где и = 1,11. (13)

В= иВ|. (14)

1=1

Итак, каждой связи соответствует:

< ьтпту„„ш 'еп1п„у„п_ >)-»< Ьт11тутп_ ,®тптУтп_

где Ьтп^^ 6 в; ет„тгт„т е Е; ш = 1,М; пт = 1,1Чт ; Ут„т =1,УтПт .

Модель представления данных для МЭПАИС в начальном состоянии основывается на всех прямых (статформа «4-инновация») и расчетных показателях, учитывая их разделение на количественные и качественные показатели. Затем происходит конкретизация и многомерное наращивание представления: количественные показатели разделяются на общие и инновационные индикаторы, а затем разделяются на кадровые и экономические показатели.

Формализованное описание модели данных для МЭПАИС УИР ХНП

в виде Ы-мерного миварного пространства. В общем случае, можно рассматривать: К-мерное подпространство точек и Ь-мерное подпространство отношений точек, которые образуют: К-мерное миварное пространство унифицированного представления данных и правил, где К+Ь=Ы. Пусть:

__ЗА={а„а2,...,ап,...,ац}, (16)

где п = 1,1Ч; А - множество названий осей миварного пространства, N -количество осей (динамическое) миварного пространства. Тогда:

__е А ЗВп = {Ьп1,Ьо2,...,Ьп1в,...,Ьп1вЗ) (17)

1„ = 1,1„; В„- множество точек оси а„. Для любых допустимых значений координат всегда существует определенная точка многомерного пространства: У!,,^,...,!,,,...,^ а <\„1г,. ..,!„,.•., > 611Х12Х...Х1ПХ...Х1М) (18)

где < '1>'2>"ч1„>—> - координаты ГЧ-мерной точки ^^..¡г,..^,,...,^.

Существует множество значений точек миварного пространства:

зс = (с,I ч = = = М^}. (19)

Для каждой точки миварного пространства существует единственное значение из множества значений С:

> 3!с^ ¡2.....¡„..„¡„еС. (20)

Напомним, что в миварном пространстве могут изменяться не только значения переменных, но и количество осей пространства, т.е. сама структура представления данных. Таким образом, получаем модель данных для МЭПАИС

с изменяемой (эволюционной) структурой. Такой подход позволяет хранить в едином пространстве и сами данные, и правила их обработки - отношения объектов. Любое отношение может быть добавлено, удалено или изменено.

Исторический анализ инновационного развития показал, что не всегда и не все инновации могут быть реализованы, а конкурентные преимущества от каждой инновации сильно зависят от времени и от общего состояния «рынка инноваций» в каждой конкретной отрасли хозяйства. Даже при всех исходных положительных предпосылках любая конкретная инновация приводит к различным финансовым результатам (иногда и отрицательным). Следовательно, необходимо учитывать вероятностные характеристики, получаемые на основе статистического анализа области внедрения инноваций в каждой конкретной отрасли хозяйствования. Практика показывает, что инновации проходят разные стадии, которые условно можно разделить на три основных:

1) «белая книга» (научная идея);

2) «перспективный проект» (проверка идеи в НИР);

3) «инновационный проект» (переход от НИР к ОКР и разработка «бизнес-плана»).

При этом не более 10% инноваций начальной стадии являются коммерчески успешными. Необходимо подчеркнуть, что сразу перейти на третью стадию нельзя или экономически не целесообразно.

Таким образом, начинать инновационные разработки приходится с самого начала и вероятностные характеристики очень важны для МЭПАИС. Дополним миварный подход вероятностными характеристиками. Для некоторых случаев введем для каждой точки миварного пространства М с

координатами <<1>'2»—>'и.....^ > вероятность конкретного единственного

значения из множества всех возможных значений этой точки С,:

К.,,..........= где: ^ .......................................(21)

Для работы в миварном пространстве с вероятностными характеристиками применяются все основные положения теории вероятностей и математической статистики.

В третьей главе на основании идей продукционного и миварного подходов проведен анализ существующих парадигм и моделей обработки данных с учетом специфики МЭПАИС и разработан линейной вычислительной сложности метод логико-вычислительной обработки данных для управления инновационными ресурсами химической и нефтехимической промышленности России.

Анализ существующих парадигм и моделей обработки данных.

Традиционно выделяют следующие парадигмы и модели обработки данных: исчисление высказываний, исчисление предикатов, продукции, семантические сети, онтологии и др. У продукционного подхода есть важные преимущества. Поспелов Д.А. писал, что знания о внешнем мире могут иметь двоякую природу: 1) могут содержать декларативное описание фактов и явлений внешнего мира, фиксирующее их наличие или отсутствие, а также основные

связи и закономерности, в которые эти факты и явления входят; 2) могут содержать и процедурные описания того, как надо манипулировать с этими фактами и достигать целей, интересных для системы. Продукции в общем виде записывают в форме «Если..., то...». Часть специалистов по интеллектуальным системам считает, что запись знаний в виде систем продукций носит универсальный характер - любые знания можно записать в такой форме. Отметим, что Кузнецов О.П. под продукциями понимает множество правил вывода в канонических системах (системах продукций Поста), в которых есть посылки и следствия. В системе продукций можно представлять самые разнообразные правила, процедуры, формулы или сервисы. К ним, по сути, сводятся все каузальные, т.е. причинно-следственные утверждения. Поспелов Д.А. делает совершенно обоснованный вывод: «Продукционные системы получили при представлении знаний в последнее время наибольшее распространение». Следовательно, применение продукционного подхода для логико-вычислительной обработки разнообразных данных является вполне обоснованным и целесообразным.

Общая форма продукций. Следует напомнить, что существуют различные сложные конструкции в продукционном подходе. Наибольшее распространение получил следующий вариант, изложенный в работах Поспелова Д.А. В общей форме продукции имеют вид:

¡, П, Р, А=>В, О. (22)

Здесь А=>В - обычная продукция «Если ..., то ...», которая носит название ядра продукции. Элемент Р характеризует внешние условия или условия применимости продукции, определяемые факторами, не входящими непосредственно в А, например целями, которые стоят перед рассуждающей системой. Условия Р позволяют из всех продукций, у которых в левой части ядра стоит А, отбирать нужную часть продукций. Элемент П характеризует сферу проблемной области базы знаний или предусловия применимости продукции. Эти предусловия ничем не отличаются от Р, но выделяют подсистемы продукций на ранг выше тех, которые выделяют условия. Предусловия задают формальную систему, в рамках которой будут проводиться логические рассуждения. Наконец, характеризует постусловия продукции, указывающие на те изменения, которые необходимо внести в базу знаний и в систему продукций после реализации данной продукции. Однако в общем виде продукции встречаются весьма редко. Предусловия характерны лишь для больших по объему и разнородных по составу баз данных и знаний, а постусловия - для планирующих систем роботов, когда используются продукции типа АК^ВХУ".

Представление сетей продукций в виде двудольных графов. Перейдем к формализованному представлению продукций и сетей, которые могут быть сформированы из них. Поспелов Д.А. в своих работах представляет сеть правил в виде однодольных графов. В диссертации показано, что сети правил целесообразнее представлять в виде двудольных графов, получая нечто аналогичное сетям Петри, но с соответствующим развитием до миварных логических сетей.

Граф G=(V, Е) называется двудольным, если существует разбиение V={V1, V2} такое, что никакие две вершины из VI или из V2 не являются смежными. Двудольным графом G=(X, Y, Е) называется неориентированный граф, вершины которого можно разбить на два класса X и Y так, что концы каждого ребра принадлежат разным классам. Допускается естественное обобщение: неориентированный граф называется k-дольным, если его вершины можно разбить на к классов так, что концы каждого ребра принадлежат разным классам.

Миварные сети. Развивается новый подход к единому представлению знаний и данных, который получил название «миварный». Миварный подход является обобщением и развитием продукционного подхода, сетей Петри и других формализмов, применяемых для логической обработки данных. Миварные сети могут быть представлены в виде двудольного графа, состоящего из «объектов-переменных» и «правил-процедур». Прежде всего, составляются два списка, которые и образуют «две непересекающиеся доли графа»: «объекты» и «правила». Каждое правило в миварной сети является развитием продукций, гиперправил с мультиактивизаторами или вычислительных процедур. Доказано, что с точки зрения дальнейшей их обработки все эти формализмы идентичны и представляют собой по сути вершины двудольного графа, которые изображены прямоугольниками на рисунке 2.

Метод логико-вычислительной обработки данных химической и нефтехимической промышленности России. Для реализации метода логико-вычислительной обработки данных химической и нефтехимической промышленности России выполнено следующее. На основе анализа особенностей и специфики управления инновационными ресурсами химической и нефтехимической промышленности России разработано формализованное описание предметной области. Для этого на основе миварного подхода выделены основные объекты-переменные и правила-процедуры, а затем построены соответствующие списки «объектов» и «правил». Формализованное представление метода логико-вычислительной обработки данных химической и нефтехимической промышленности России аналогично двудольному графу миварной логической сети, показанному на рисунке 2. Алгоритм логико-вычислительной обработки для УИР ХНП показан на рисунке 3. На рисунке 4 показан пример записи «объектов» и «правил» миварной логической сети МЭПАИС УИР ХНП в формате XML.

А

ОООООООО

оооооооо оооооооо оооооооо оооооооо

V

Рисунок 2. Двудольный граф миварной логической сети

Рисунок 3. Алгоритм логико-вычислительной обработки для УИР ХНП

<°хш1 version="1.0" encoding="UTF-8" ?>

- <root>

- <parametrs>

«parametr id="Pl" value="0.0" description="" /">

<parametr id="P2" value="0.0" description="" />

<parametr id="P3" value="0.0" deseription="" />

</parametrs>

- <mles>

<rule id="Rl" resultId="Pl" mit.Id="P2,P3" vaiue=" 1 description=" "t>

crule id="R2" resultId="P2" initId="Pl,P3" value=" ' description-'

<mle id="R3" resultId="P3" initId="Pl:P2" value=" ' description-' " />

</rules>

- <metadata>

<idParametr inc="255" />

<idRule inc="2048" f>

</metadata>

<root>

Рисунок 4. Пример записи объектов и правил в формате XML

Кратко опишем пример работы метода на миварной сети правил. Для миварной сети логических правил, представленной в списочной форме, строится матрица. Затем на основе анализа этой матрицы определяется факт наличия успешного маршрута вывода, потом определяются возможные маршруты логического вывода, а на последнем этапе из этих маршрутов выбирают «кратчайший», т.е. наиболее оптимальный по заданным критериям оптимальности. Итак, пусть известны ш - правил и п - переменных (входящих в правила либо в качестве исходных, активизирующих, либо в качестве получаемых, т.е. выходных переменных). Тогда в матрице V С1*"1) могут быть представлены все взаимосвязи между правилами и переменными. При этом на каждой строке при описании каждого правила все входные переменные этого правила на соответствующих позициях матрицы помечаются символом х, все выходные - у, все переменные, которые уже получили в процессе вывода или задания исходных данных некоторое конкретное значение - г, а все искомые (выходные) переменные, т.е. те, которые необходимо «вывести» из исходных (входных) данных - V/. Кроме того, добавим в матрицу V одну строку и один столбец для хранения в них служебной информации.

Получаем матрицу V размерности (п+1) х (т+1), в которой отражена вся структура исходной сети правил. Сразу отметим, что структура этой логической сети может изменяться в любое время, т.е. это сеть правил с изменяемой (эволюционной) структурой. Пример такой матрицы показан на рисунке 5. На рисунке 6 эта же матрица показана в виде исходного задания двудольного графа миварной логической сети.

V 1 2 3 4 5 ... п-2 п-1 п п+1 1

ш

т+1

Рисунок 5. Пример исходного задания матрицы V размерности (п+1) х (т+1)

Я(т-2)

R(m-1)

Щт)

Рисунок 6. Пример исходного задания двудольного графа миварной логической сети

Опишем пример работы метода. Для поиска маршрута логического вывода на полученной матрице производят действия по следующим (пронумерованным) этапам.

1. В (т+1)-ой строке помечают известные ъ и искомые V/ переменные.

2. Осуществляют последовательно, например, сверху вниз, поиск таких правил, которые могут быть активизированы, т.е. у которых известны все входные переменные. Если таких правил нет, то маршрута логического вывода нет и необходимо выдать запрос на уточнение (добавление) входных данных. Если такие правила, которые могут быть активизированы, есть, то у каждого из них в соответствующем месте служебной строки делается пометка, что правило может быть запущено.

3. Если таких правил несколько, то осуществляется выбор по заранее определенным критериям такого или таких правил, которые должны быть активизированы в первую очередь. При наличии достаточных ресурсов одновременно могут запускаться сразу несколько правил.

4. Имитация запуска правила (процедуры) осуществляется путем присваивания выводимым в этом правиле переменным значений «известно»,

X X X у у

X у у X X

X X X у

т.е. в нашем примере - г. Запущенное правило для удобства дальнейшей работы помечается дополнительно, например, цифрой 2 (но это не обязательно).

5. После имитации запуска правил проводят анализ достижения цели, т.е. анализируют получение требуемых значений путем сравнения служебных символов в служебной строке. Если в служебной строке (т+1) осталось хоть одно значение «искомая» (т.е. ш), то осуществляют дальнейший поиск маршрута логического вывода. В противном случае задача считается успешно решенной, а все задействованные правила в соответствующем порядке их запуска и образуют искомый маршрут логического вывода.

6. Прежде всего, определяют наличие таких правил, которые могут быть запущены после определения новых значений на предыдущем этапе. Если таких правил нет, то маршрута вывода нет и поступают аналогично пункту 2 этого метода. Если такие правила есть, то продолжают поиск маршрута вывода.

7. На следующем этапе опять аналогично этапу 4 запускают правила (имитируют запуск), далее аналогично этапам 5 и б выполняют необходимые действия столько раз, сколько требуется для получения результата. При необходимости, повторяют все этапы со 2 по 7 до достижения результата. При этом результат может быть как положительный - маршрут вывода существует, так и отрицательный - вывода нет из-за неопределенности входных данных.

8. В клетках (4, т+1) и (5, т+1) получаем признак выводимости переменных 4 и 5, а в клетке (п+1,2) формируем признак того, что правило уже было запущено, т.е. ставим цифру 2. После этого проводим анализ служебной строки и видим, что не все искомые переменные известны. Значит, необходимо продолжить обработку матрицы V размерности (п+1) х (т+1). Анализ этой матрицы показывает возможность запуска правила т.

9. Продолжим дальнейшую обработку примера. При запуске правила ш появляются новые значения, в том числе и для искомых переменных, что и показано на рисунке 7. На рисунке 8 это же действие показано на примере построения двудольного графа миварной логической сети.

10. Итак, в нашем примере в служебной строке больше не осталось искомых правил, а в клетках таблицы появились новые значения: в клетке (п+1, и) - 2, а в клетке (п-2, т+1) вместо значения \у появилось значение ъ. Таким образом, получен положительный результат, следовательно, маршрут логического вывода при данных исходных значениях существует.

V 1 2 3 4 5 ... п-2 п-1 п п+1

1 X X X у У 2

2 X У У X X 2

ш X X X у 2

т+1 г Г I I г г г

Рисунок 7. Пример обработки матрицы V

РСБ> Л { Р(п> СПИСОК ОБЪЕКТОВ

К(1)

ИСт.2>

яг(т-1)

СПИСОК ПРАВИЛ

Рисунок 8. Пример поиска логического вывода на миварной сети

Новизна миварного метода обработки данных УИР ХНП состоит в следующем:

1) показано, что для МЭПАИС УИР ХНП на основе продукционного подхода и вместо традиционных однодольных графов необходимо и достаточно использовать двудольные графы миварных логических сетей;

2) создано концептуальное описание предметной области УИР ХНП в виде миварной логической сети путем выделения из продукционного описания всех необходимых «объектов-переменных» и «правил-процедур»;

3) все выделенные «объекты» и «правила» объединены в виде двух списков двудольного графа миварной логической сети;

4) сформирована эволюционная миварная логическая сеть для конкретной предметной области УИР ХНП;

5) миварная логическая сеть УИР ХНП «загружена» в универсальный программный комплекс МЭПАИС для решения практических задач.

С научно-практической точки зрения основную сложность при использовании экспертных систем, включая МЭПАИС, составляет именно концептуальное «продукционное» описание предметной области и формирование необходимых двух списков «объектов» и «правил» для миварных логических сетей. Непосредственная обработка в такой МЭПАИС проводится на основе универсального механизма. Выделенные правила-процедуры при необходимости могут быть представлены в виде продукций, что

соответствует традиционному подходу, но в то же время позволяет реализовать многомерное эволюционное представление данных об инновационных ресурсах химической и нефтехимической промышленности России. В то же время такое представление позволяет создать информационную модель нашей предметной области (УИР ХНП) в формализме миварных сетей. В свою очередь, применение миварных сетей позволяет реализовать все выявленные специфические особенности задачи управления инновационными ресурсами химической и нефтехимической промышленности России. Таким образом, разработанный на основе продукций и миваров метод логико-вычислительной обработки данных обеспечивает достижение сформулированной цели и осуществляет сложную и многоуровневую вычислительную обработку данных вместе с реализацией сложной логики расчетов и принятия решений.

Вычислительная сложность метода пропорциональна произведению количества правил-процедур на количество объектов-переменных, т.е. является линейной по отношению к переменным. Это позволяет обрабатывать сложные практические задачи по управлению инновационными ресурсами, в которых одновременно используются десятки тысяч переменных, в реальном масштабе времени. При этом возможно эволюционное наращивание количества переменных и правил.

В четвертой главе на базе миварного подхода разработаны две новые модели описания информационных процессов химической и нефтехимической промышленности России в формализме миварных сетей: 1) на основе многомерных бинарных матриц для реализации одновременной эволюционной обработки более десяти тысяч правил в реальном времени и 2) на основе трехдольных и многодольных графов для реализации правил выбора «ЕСЛИ..., ТО..., ИНАЧЕ...».

Развитие миварных сетей и продукций для реализации правил выбора «Если..., то..., иначе...». Проведенный анализ возможностей миварного подхода и продукций показал, что существуют определенные ограничения для их применения в современных информационных системах. Например, существовало такое ограничение в миварных логических сетях, что нельзя было использовать правила выбора, когда только часть выходных переменных получает значения. Формально это можно записать в виде: «если..., то ..., иначе...». При проведении вычислительных экспериментов на многопроцессорных вычислительных комплексах определено, что превышение количества правил или переменных свыше 10 ООО становится критичным для решения задач в реальном времени и требует разработки новых решений.

Опишем, как сделать «правила выбора», т.е. чтобы после «выполнения» правила получали значение не все переменные (объекты). Существующие до этого правила будем называть «процедуры», т.к. после них все выходные переменные получают значения. Как было показано на рисунке б, такие правила можно представлять в виде двудольных графов: объекты-переменные (овалы на рисунке 6) и процедуры (прямоугольники на рисунке 6). Логично предположить, что возможно использование многодольных графов в целях повышения адекватности моделирования для отдельных задач и различных

предметных областей. Для реализации выбора по значениям надо ввести новый тип правил «ВЫБОР». Например, если существует два выхода: «ДА» или «НЕТ». В формализме многодольных графов это означает введение третьего типа объектов графа: переменные; процедуры (без выбора) и правила типа «ВЫБОР», когда часть переменных получает значение, а другая часть - нет. На рисунке 9 первый тип объектов показан кругами, второй тип -прямоугольниками, а третий тип - треугольниками с двумя типами исходящих стрелок: сплошные линии - это «ДА», а пунктирные линии будут соответствовать значению «НЕТ».

Рисунок 9. Трехдольный граф миварной сети правил

Можно делать более сложный выбор из нескольких выходных переменных: выбирать часть переменных «ДА», а оставшиеся переменные этого же правила - будут «НЕТ», и создать для них отдельную матрицу. По этим же принципам можно реализовывать не только двузначный выбор «ДА/НЕТ», но и более сложные правила выбора из нескольких альтернатив: от двух и больше, например: 3,4,... 10 и так далее. Аналогично можно переходить к более многодольным графам. Для многодольных графов предложен следующий вариант их представления в миварных сетях. Пусть всего будет (К+1) типов вершин графа, т.е. (К+1)-дольный граф. Нумерацию «долей» такого многодольного графа рекомендуется начать (по математической традиции) с нулевой доли и обозначать ее на рисунках в виде круга или овала. Все остальные вершины других долей графа обозначают по номеру типа от единицы до К, а на рисунке отображают их в виде прямоугольников. Пример представления (К+1)-дольного графа показан на рисунке 10.

Р(0,1)

Р(0,2)

Р(О.З)

Р(0,4;

Р<0,5)

К(1,1> -д

1*11.2) Ьг

Н(1,т1-1> IX

ЯС1,т1) Мг

Щ2,т2-1> Ьг

г-; Р(2,т2> г_Т

Гт

Р(0,1)

Р(0,2)

Р(0,3)

Р(0,4)

Р(0,5>

р(о,п-г)

К

н

Р(0,п-2)

В(К,тК-1)

5 Т. Р(о.п-1)

I г

Я(К,тК)

н

Р(О.п)

Рисунок 10. Пример (К+1)-дольного графа миварной логической сети

В каждом овале и прямоугольнике есть описание узла графа, заключающее в себе следующие данные: буква - это выделение объектов (Р) и правил (Л), далее в скобках первый символ соответствует номеру типа узла (доли) графа, а набор символов (буквы и цифры) после запятой обозначают номер узла в каждом типе многодольного графа: Р(0,п-2) означает: узел «объект» нулевого типа с номером (п-2). Запись: Я(У) означает: узел «правило» типа 1 с номером Запись Я(К,тК-1) - это узел «правило» типа К с номером в этом типе правил (тК-1). Таким образом, можно решать задачи с выбором, когда только часть переменных получает значение после выполнения правила, т.е. аналог выбора «ДА» или «НЕТ». Разные предметные области или части этих областей можно представлять в виде трехмерной матрицы, наращивая «вверх» описания частей предметных областей или новых предметных областей.

Развитие миварных сетей на основе многомерных бинарных матриц.

Миварные сети могут реализовываться на многопроцессорных вычислительных системах или на сервисно-ориентированных архитектурах. Проведенный анализ возможностей и практического применения миварных сетей и продукционного подхода показал, что существуют определенные ограничения для их применения в современных информационных системах, в частности, -размерность матрицы линейного матричного метода определения маршрута логического вывода на адаптивной сети правил. Ограничение размерности

матрицы обусловлено тем, что для реализации этого метода необходимо пересылать общую матрицу на несколько различных процессоров. В связи с тем, что каждое значение матрицы представляется изначально в символьном виде, объем пересылаемых данных становится критичным при достижении, например, размерности 10 ООО правил/переменных.

Для реализации классического миварного метода требуется хранить в каждой клетке матрицы всего три различных значения: 0 (пусто, т.е. нет значения); х (входная переменная для правила) и у (выходная переменная для правила). При этом анализ возможности запуска правила отделен по этапам от определения выводимых переменных, после «запуска правила». Следовательно, для этих двух действий: «поиск запускаемых правил» и «означивание выходных переменных» - можно использовать различные матрицы, что позволило перейти к многомерным бинарным матрицам. Обработка и пересылка бинарных фрагментов матриц занимают значительно меньшие объемы и повышают возможности применения миварных сетей. Таким образом, матрица V на рисунке 5 будет представлена в виде двух матриц VI и У2, показанных на рисунке 11.

vi

1

т

т+1

У2 1 2 3 4 5 ... 11-2 11-1 п п+1

1 2

т

т+1

Рисунок 11. Представление миварной сети двумя бинарными матрицами

В матрице VI все х и г заменяются единицами, а остальные клетки заполняются нулями. Во второй матрице У2 наоборот, все у и \у заменяются единицами, а остальные клетки заполняются нулями. Исходная матрица представляется в виде двух взаимодополняющих матриц с бинарными значениями 0 или 1. Для работы метода все выполняется аналогично, но при анализе запускаемых правил используется первая матрица, а при определении признака выводимости переменных - вторая матрица. Таким образом, фактически осуществлен переход к трехмерной бинарной матрице {X, У, Т), где по осям X и У размещаются двумерные бинарные матрицы описания переменных и правил, а номер самой матрицы становится значением по оси Ъ. Получаем, что для двудольных графов миварных сетей достаточно двух матриц для представления описания предметной области и выполнения метода.

1 2 3 4 5 11-2 11-1 11 п+1

1 1 1

1 1 1

1 1 1

1 1 1

1 1

1 1

1

1

Применение многомерных бинарных матриц для развития возможностей многодольных миварных логических сетей. Миварное информационное пространство изначально ориентировано на многомерное представление и возможность описания в таком формализме самых различных предметных областей. В настоящее время реализовано описание нескольких предметных областей в виде миварных матриц. Исходя из поставленной цели создания МЭПАИС, обоснована целесообразность реализации миварного метода обработки данных УИР ХНП на многомерных матрицах. Так как в многомерном пространстве нет ограничений по количеству измерений, каждый фрагмент предметной области может быть описан в виде многодольного миварного графа, который необходимо адекватно отобразить в матричной форме. Любой многодольный граф можно представить комбинацией двудольных графов по аналогии с двоичной арифметикой и представлением любых чисел в двоичном коде. В свою очередь каждый двудольный граф может быть представлен двумя бинарными матрицами для сокращения объема хранимых и передаваемых данных. Получается, что любой многодольный граф может быть представлен некоторым набором бинарных матриц, которые образуют многомерное подпространство бинарных матриц описания некоторой предметной области.

Необходимо различать проблемы обработки данных на компьютерах и проблемы представления полученных результатов для пользователей. Для человека нагляднее будут многодольные миварные логические сети, а для обработки внутри компьютера эти сети будут преобразовываться в подпространство бинарных многомерных матриц. В свою очередь, многомерные матрицы совершенно четко и однозначно «встраиваются» в многомерное эволюционное миварное информационное пространство и получаем унифицированный механизм: и хранения данных - по аналогии с базами данных, и логического вывода - по аналогии с продукционным подходом, и вычислительной обработки - по аналогии с обычными процедурами. Все вместе это и образует миварное информационное пространство унифицированного представления и обработки информации для создания МЭПАИС УИР ХНП.

В пятой главе описаны результаты создания программного и информационного обеспечения миварной мультипредметной экспертной системы МЭПАИС УИР ХНП России. Кроме того, показана реализация процессов сбора, хранения, обработки и представления информации для УИР ХНП России.

Программа МЭПАИС УИР ХНП «1ппоу-СЬеш» предназначена для системного анализа инновационных ресурсов химической и нефтехимической промышленности России. Программный продукт разработан для обеспечения комфортной работы пользователя, т.е. для того, чтобы он с помощью компьютерной программы быстрее и качественнее решал свои производственные задачи. Эффективность работы означает обеспечение точности, функциональной полноты и завершенности при выполнении производственных заданий. Базовый визуальный элемент системы «1ппоу-

СЬегп» (главная форма, посредством которой осуществляется управление) состоит из двух логических частей: основной и подчиненной. В основной части формы сосредоточены базовые элементы управления системы, посредством которых сохраняется постоянная инвариантность доступа к функциональным возможностям: «Ввод основных сведений по предприятиям», «Ввод и корректировка статформ 4-инновация», «Отраслевой анализ», «Региональный анализ», «Анализ качественных показателей». Содержимое подчиненной части формы, позволяющее перейти на более низкий уровень формирования управляющих команд, генерируется динамически в рамках обработки события нажатия на какую-либо из клавиш главного меню. В них пользователю предлагаются три вида действий: 1) ввод данных; 2) корректировка данных; 3) проведение анализа имеющихся данных по определенным критериям. В МЭПАИС (рисунок 12) используются следующие элементы управления: поля ввода; списки (раскрывающиеся, единственного/множественного выбора); вкладки; командные кнопки и другие. Использование двух списков (отраслей и предприятий) облегчает поиск предприятий. При выборе отрасли из верхнего списка в нижнем списке указатель автоматически устанавливается на предприятия этой отрасли.

Рисунок 12. Экранная форма «Ввод основных сведений по предприятиям»

Информационно-аналитическая система МЭПАИС УИР ХНП «1ппоу-СЬеш» имеет возможность функционально наращивать приложение за счет подчиненных форм, изменяя или вводя новые элементы, оставаясь в рамках существующего интерфейса. Экранная форма «Ввод основных сведений по предприятиям» (рисунок 12) позволяет вводить данные по новым предприятиям или корректировать имеющуюся информацию. В разделе «Ввод и корректировка статформ «4-инновация» (рисунок 13) пользователю предлагается экранная форма, состоящая из двух полей.

Рисунок 13. Экранная форма «Ввод и корректировка статформ «4-инновация»

Экранная форма «Анализ качественных показателей» (рисунок 14) состоит из 3-х блоков. Первый, содержащий списки предприятий, является основным, а другие изменяются по содержанию, в зависимости от выбора показателя.

Г(35 Иифо|

ю«*** систем* Ьплу-СМсп 1.0

•Д) Э««1 С««»« Д СгвЛЖ!

:.сь?н«аа «а- ' •

Продаж

СОД «Оис

Факторы, г*>епятсгвун>щие инновациям

I ясики«

Экомом^оеские факторы

...1 >1Г

Имеем як ¿д-У1»»^« I

варма прсдоа-деления реэупигатев. <• Гs•a•$»^«e*»»a <~

П.г»**«не иадл.твтое 1« римитие «лмпрмягк*

пл развитее I ц.г»««ц« рои'.пьтггто® 1*-ниыи>к««иа$ Дйгге.чы'я-.ти __I маршоптке продармтт

МХМ&Ж« ЛЛЧ гиат>ИГ1«

Индостан лхглдрггеог»**! пхдлерггх ) Йики< спрос ИЛ КОРЕ* гееЛУСГУ» |

гк-ССС-ГЯ <ГСМНЖГЬ ЖЯОО«*Аг*'й

Рисунок 14. Экранная форма «Анализ качественных показателей»

Качественные показатели инновационного развития имеют в своей основе балльные оценки, выставляемые предприятиями по итогам своей деятельности за отчетный период. Они включают в себя следующие информационные блоки: факторы, препятствующие инновациям; влияние результатов инновационной деятельности на развитие предприятий; значимость методов защиты изобретений и разработок для предприятий. Исходя из результатов анализа, наиболее существенными экономическими факторами, препятствующими инновациям, являлись «недостаток собственных денежных средств» и «высокая стоимость нововведений».

МЭПАИС для анализа и оценки инновационного потенциала отраслевой химической науки. Процесс эффективного управления отраслевой химической наукой требует от регулирующих организаций привлечения наиболее наукоемких технологий с высоким уровнем автоматизации не только процессов подготовки информации для принятия решений, но и самих процессов выработки вариантов решений, опирающихся на полученные информационной системой данные. Для решения этой задачи была разработана подсистема МЭПАИС «МЬСИет», предназначенная для решения широкого спектра задач автоматизации обработки данных и анализа инновационного потенциала динамично развивающихся научных организаций химической отрасли. Специфика комплексной оценки НИИ определяется тем, что они, сочетая в себе фундаментальные и прикладные исследования, являются ключевыми субъектами развития науки. Функциональный компонент «N11-С!1еш», предназначенный для аналитической обработки данных, спроектирован и реализован с учетом специфической методологии оценки научных организаций химического комплекса. МЭПАИС «ЫП-СЬеш» обладает широким диапазоном функциональных возможностей. По выполняемым функциям система делится на три уровня: данные, анализ и представление данных. В соответствие с этими уровнями разработана функционально-логическая схема автоматизированной системы (рисунок 15). Анализ данных может быть осуществлен в нескольких сечениях: форма собственности, анализируемый период (год) и анализируемые НИИ (один или несколько).

ФУНКЦИОНАЛЬНАЯ СХЕМА СИСТЕМЫ

ИНФОРМАЦИЯ

РЕДАКТИРОВАНИЕ

ВИЗУАЛИЗАЦИЯ

Экспорт в МБ Ехсе!. \Л/ога

По форме сооственности По году По ¡-му НИИ Рейтинговый анализ

Акционерная Государственная 1990 2004 ФГУП'ИРЕА* ОАО ЛНИИТЗХИМ' Статический анализ Динамический анализ

! ! 1 1

ИННОВАЦИОННЫЙ ПОТЕНЦИАЛ

ИНТЕЛЛЕКТУАЛЬНЫЕ РЕСУРСЫ

К

Среднесписснная

Кол-во докторов наук

Кол-во кандидатов наук

Доля спец. высш. квали<Ь.

Числ. исследователей

Доля исследователей

ФИНАНСОВЫЕ РЕСУРСЫ

Объёмы работ

Федеральный

Фонд оплаты труда

Ооъёмы НИР

Выработка по НИР

К

МАТЕРИАЛЬНЫЕ РЕСУРСЫ

Основные фонды

Стоимость

Фондоотдача

Фондов мкость

Фондовооруженность

Машины и оборудование

Здания и сооружения

Рисунок 15. Функционально-логическая схема МЭПАИС

Интегрирующим элементом МЭПАИС для динамического анализа инновационного потенциала химического научно-промышленного комплекса

является разработанная подсистема рейтингового анализа. Включение данной подсистемы переводит разработанный комплекс на более высокий уровень и придает ему статус интеллектуальной информационной системы, поскольку позволяет осуществлять углубленный анализ на основе разработанной методологии рейтингового анализа инновационного потенциала рассматриваемых организаций.

Сложность и многообразие видов инновационной деятельности промышленных предприятий определяет научную и практическую значимость проблемы систематизации объектов экономического анализа инновационной деятельности, а также методологических подходов к их изучению. Так как в каждый момент времени инновационная деятельность хозяйствующего субъекта может характеризоваться разной степенью интенсивности, разным ресурсным потенциалом, разным уровнем финансовых результатов от реализованных в прошлом проектов, предлагается использовать системный подход и ориентироваться на принципы формирования сбалансированной системы показателей.

Программный комплекс «УДАВ» и распараллеливание логических и вычислительных задач на основе миварных сетей. В процессе создания МЭПАИС УИР ХНП были получены дополнительные результаты, которые применены для решения других проблемных задач. Эти результаты подчеркивают достаточную универсальность разработанных в диссертации моделей и методов для решения других научных задач в различных проблемных областях.

Программный комплекс (ПК) «УДАВ» предназначен для решения сложных логических задач и обработки информации в реальном масштабе времени на основе линейной вычислительной сложности матричного метода поиска маршрута логического вывода. Этот метод базируется на миварной логической сети правил и позволяет реализовать активный обучаемый логический вывод решения задачи, управляемый потоком входных данных. ПК «УДАВ» полностью решает все проблемы интеллектуальных пакетов прикладных программ (ИППП) и реализует все основные идеи сервисно-ориентированной архитектуры (COA). Фактически ПК «УДАВ» решает классическую задачу поиска маршрута логического вывода, но со следующими преимуществами перед аналогами: 1) вычислительная сложность - линейная, а не NP-полная, что доказано математически и подтверждено на практике; 2) решаются логические, интеллектуальные и вычислительные классы задач обработки информации; 3) создается возможность выполнять управляемую потоком данных активную обработку на адаптивной сети правил и переменных (самообучение); 4) адаптивно описывается предметная область для обеспечения возможности эволюционного решения задач; 5) управление потоком входных данных и оперативной диагностикой.

ПК «УДАВ» может работать с полностью автономными системами, т.е. автоматически обрабатывать входные значения неких датчиков в реальном масштабе времени и на выходе выдавать сигналы по заданным параметрам, например: «аварийная ситуация» и т.п. Так как в терминах миварного подхода

может быть описана любая предметная область, то заложенные в ПК «УДАВ» алгоритмы также могут быть применены для решения задач в различных областях.

Распараллеливание вычислений на основе миварного автоматического конструирования алгоритмов. Создан программный комплекс MivarLogicParallel, реализующий все возможности линейного матричного метода определения маршрута логического вывода на адаптивной сети правил и являющийся многопоточным аналогом программного комплекса «УДАВ». Как ПК «УДАВ», MivarLogicParallel можно оптимизировать для разных предметных областей и под любую задачу с некоторыми ограничениями. Миварный подход предоставляет следующие возможности для параллельного решения задач на каждом этапе:

- при работе с матрицей описания правил и переменных есть возможность разбить все строки матрицы на несколько групп. Для каждой группы организуется поток вычислений, в котором проводятся действия по поиску «запускаемых» правил. Общее число таких одновременно выполняемых потоков может быть равно количеству «ядер» многопроцессорного вычислительного кластера (МВК);

- после анализа возможности запуска правил и подсчета имеющихся для них входных объектов (типа X) возникают ситуации, когда можно запускать одновременно несколько правил. МВК позволяет это делать. Верхней границей при этом является количество «ядер» во всех процессорах МВК;

- в предметной области могут существовать такие сложные «правила», которые сами по себе также могут быть разбиты на несколько одновременно выполняемых параллельных подпрограмм (подправил). В таком случае на МВК можно одновременно запустить эти параллельные подпрограммы.

Распараллеливание вычислений реализовано в следующем виде: на вход программы также подается список переменных и список правил. Программа формирует массив из известных параметров и правил; основной процесс разбивает общее количество правил на доступное ему количество процессов; далее основной процесс высылает каждому доступному процессу правило (или несколько правил) и массив известных параметров; каждый отдельный процесс просматривает правило и, если ему хватает известных параметров для расчета, то производит расчет; после окончания расчета доступный процесс отсылает головному результат. Если расчет невозможен, то параметр поиска возвращается ненайденным; после того как основной процесс дождется окончания работы всех доступных процессов, он проверяет, найдены ли искомые переменные. Если они не найдены, то заново осуществляется рассылка. Программа перестает работать в том случае, если: а) найдены все искомые параметры; б) все доступные процессы выполнили работу, но новых параметров не было найдено.

Особенности программной реализации ПК MivarLogicParallel. ПК MivarLogicParallel написан на стандартизированном процедурном языке «Си», разработанном для программирования в операционной системе Unix. Для реализации многопоточности при разработке MivarLogicParallel использовалась

технология The Message Passing Interface (MPI) при помощи подключения к библиотеке mpi.h. Технология MPI - это хорошо стандартизованный механизм для построения параллельных программ в модели обмена сообщениями. Алгоритм работы MivarLogicParallel включает три основных этапа.

Этап 1. Из входного xml-документа главный процесс root с идентификационным номером 0 считывает данные матрицы параметров и правил: размерность, имена и идентификационные номера параметров, значения (если они известны), правила, их связь с параметрами. Для работы с параметрами создана структура Рагаш, содержащая четыре поля, имеющих следующий смысл: уникальный идентификатор параметра; значение параметра; флаг, равный единице, если значение параметра известно, нулю - в иных случаях; имя параметра. Для выполнения работы с правилами была построена минимальная структура Rules, содержащая всего четыре поля, имеющих следующий смысл: количество неизвестных параметров, которые используются в правиле; номер определяемого данным правилом параметра (считается, что все правила имеют вид al = а2*аЗ*...*ап, где al - определяемый (выходной, искомый) параметр, * - некоторые действия, а2, аЗ..,ап - прочие (входные) параметры, используемые в данном правиле); массив, содержащий единицы на позициях, соответствующих номерам тех параметров, которые известны, нули -на позициях неизвестных параметров; массив, содержащий единицы на позициях, соответствующих номерам тех параметров, которые используются данным правилом, нули - на остальных. Root-процесс просматривает все параметры и, если находит те, значения которых известны, записывает их номера в массив curr и рассылает их вместе с правилами всем остальным процессам.

Этап 2. Каждый процесс получает массив, состоящий из номеров известных параметров, и массив правил. Процесс выбирает из массива правил свой блок, равный M/size (где M - общее число правил, size - количество процессов), с которым далее работает. При помощи функции LearnNew() процесс просматривает все правила блока и, если в просматриваемом правиле присутствует известный параметр (номер которого есть в массиве curr), то в структуре Rule в поле массива флагов известности параметра ставится единица, а поле, содержащее количество неизвестных параметров правила, уменьшается на единицу. Когда все правила оповещены об известности параметров, формируется массив правил, для которых неизвестен их определяемый (искомый, выходной) параметр, а количество неизвестных входных параметров равно нулю. Получаем, таким образом, что если применить данное правило, то будет найдено значение определяемого (выходного) параметра этих правил данного этапа.

Этап 3. После применения указанных правил на предыдущем этапе появляются новые известные параметры, которые каждый процесс отсылает root-процессу в виде номеров параметров и их значений. Далее root-процесс заново формирует массив curr, и процедура повторяется в цикле до тех пор, пока (аналогично программному комплексу «УДАВ»): не будут найдены все

искомые параметры системы; не будут найдены все параметры, которые могут быть найдены.

В первом случае задача успешно решена, а во втором случае задача либо решена частично, либо не решена из-за недостатка входных данных. Дальнейшие действия выполняются аналогично программе «УДАВ».

Активная миварная интернет-энциклопедия. В XX веке были разработаны технологии создания экспертных систем по отдельным узконаправленным предметным областям. Это было обусловлено сложностями формализованного описания требуемых предметных областей и тем, что системы логического вывода не могли обрабатывать более 20 объектов. В то же время получили развитие интеллектуальные пакеты прикладных программ (ИППП), которые позволяли решать в автоматизированном режиме задачи в разных областях, где требовались вычисления и конструирование алгоритмов решения задач. Отметим, что по существу технологии ИППП сейчас развиваются в сервисно-ориентированных архитектурах. В настоящее время в Интернете развиваются различные формы справочных и обучающих систем. Например, всем известная «Википедия» или более узконаправленный проект «Вольфрам».

Фундаментальная инновационная технология «миварное информационное пространство» позволяет создать универсальную активную Интернет-энциклопедию, которая будет содержать факты и сервисы по решению и объяснению всех логических и вычислительных задач. Кроме того, энциклопедия позволит соединить эволюционные базы данных и логико-вычислительную обработку в целях решения различных прикладных задач. Такая энциклопедия будет развитием существующих информационных систем, а также позволит реализовать совершенно новые формы обучения и самообучения людей и сформировать единое образовательное пространство с целью максимального удовлетворения образовательных потребностей личности. Активная миварная Интернет-энциклопедия будет содержать в себе не только факты, по аналогии с существующими энциклопедиями, но и активные программы для решения различных логических и вычислительных задач, т.е. технологии ИППП и сервисов, и за счет этого обеспечит и накопление знаний, и их непосредственное применение с необходимыми вычислениями.

Таким образом, активная миварная энциклопедия будет представлять собой мультипредметную экспертную систему с эволюционным наращиванием знаний и активным решением различных задач в реальном времени на основе миварных логико-вычислительных сетей. В качестве прототипа активной миварной энциклопедии рассматривается программный комплекс МЭПАИС. В настоящее время создан прототип миварной энциклопедии и осуществляется ее наполнение путем описания разных предметных областей в виде миварных матриц.

ОСНОВНЫЕ ВЫВОДЫ

1. Анализ предметной области выявил особенности и специфику управления инновационными ресурсами химической и нефтехимической промышленности России: многообразие инновационной деятельности; многочисленность и изменяемость индикаторов; нечеткость показателей; необходимость многомерности представления данных; масштабируемость и эволюционность; использование качественных показателей; многоаспектность; вероятностные характеристики и нечеткие принадлежности показателей; необходимость хранить и обрабатывать все данные в едином формализме.

2. Проведенный в работе анализ современных информационных технологий баз данных, вычислений и логической обработки позволил выявить их ограничения и проблемы создания прикладных автоматизированных информационных систем, а также обосновать, что существует научная проблема разработки теоретических основ построения эволюционной мультипредметной экспертной системы (МЭПАИС УИР ХНП) для управления инновационными ресурсами химической и нефтехимической промышленности России в целях принятия решений на основе комплексной и многоаспектной оценки текущего состояния и перспектив развития инновационных ресурсов химической и нефтехимической промышленности.

3. Обосновано, что наиболее эффективными для МЭПАИС УИР ХНП являются миварные принципы организации и структурирования данных.

4. Для создания МЭПАИС УИР ХНП разработан новый метод логико-вычислительной обработки данных химической и нефтехимической промышленности России на основе развития продукций и миварных сетей за счет:

■ представления информации для управления инновационными ресурсами химической и нефтехимической промышленности России в виде специального вида «миварных матриц»;

■ снижения вычислительной сложности конструирования алгоритмов обработки данных и логического вывода на таких матрицах с факториальной до линейной;

■ обеспечения адаптивности и эволюционное™, т.е. возможности изменения исходных и обрабатываемых данных в процессе поиска решений;

■ обеспечения возможности распараллеливания логики и вычислений;

■ введения многомерности для мультипредметности экспертной системы;

■ введения нечеткости и вероятностных характеристик в миварные матрицы;

■ автоматического выявления недостающих исходных данных и их активного запроса у пользователя или систем сбора информации.

5. Для расширения возможностей параллельной обработки больших объемов информации и решения сложных задач в МЭПАИС УИР ХНП разработана новая модель описания информационных процессов химической и нефтехимической промышленности России в формализме миварных сетей за

счет дополнительного введения многомерных бинарных матриц, которые позволили реализовать одновременную эволюционную обработку более десяти тысяч правил в реальном времени на многопроцессорных вычислительных комплексах.

6. Для расширения возможностей описания правил обработки информации и реализации правил выбора «ЕСЛИ..., ТО..., ИНАЧЕ...» в МЭПАИС УИР ХНП разработана новая модель описания информационных процессов химической и нефтехимической промышленности России в формализме миварных сетей и продукций за счет перехода от двудольных графов миварных сетей путем введения формализма многодольности графов к трехдольным и многодольным графам представления информации для управления инновационными ресурсами химической и нефтехимической промышленности России и для других предметных областей.

7. Предложенные модели и метод позволили синтезировать эффективную структуру экспертной системы для управления инновационными ресурсами химической и нефтехимической промышленности России.

8. Создано программное и информационное обеспечение миварной мультипредметной экспертной системы (МЭПАИС) для управления инновационными ресурсами химической и нефтехимической промышленности России.

9. В качестве дальнейшего развития рассмотрены наиболее эффективные механизмы и принципы создания мультипредметных миварных экспертных систем и предложено эволюционное создание миварной активной Интернет-энциклопедии для разработки перспективных интеллектуальных систем в различных областях знаний. Фактически реализована мультипредметная эволюционная активная обучаемая логически рассуждающая система с параллельным решением многопоточных задач с линейной вычислительной сложностью.

10. Результаты теоретических исследований и моделирования применялись при создании программных комплексов экспертных систем и баз данных в целях управления инновационными ресурсами химической и нефтехимической промышленности России.

Все поставленные задачи успешно решены и цель диссертации в виде создания на основе миварного подхода теоретического, программного и информационного обеспечения функционирования МЭПАИС для реализации процессов сбора, хранения, обработки и представления информации для комплексного управления инновационными ресурсами химической и нефтехимической промышленности России достигнута.

Таким образом, в диссертации, имеющей теоретическое и практическое значение, решена научная проблема, имеющая важное хозяйственное значение, приведены рекомендации по использованию научных выводов для развития химической и нефтехимической промышленности России.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Монографии

1. Санду P.A. Создание миварной экспертной системы для управления инновационными ресурсами химической и нефтехимической промышленности России. - М.: Московский печатник, 2009. - 155 с.

2. Санду P.A., Варламов О.О. Миварный подход к созданию интеллектуальных систем и искусственного интеллекта. Результаты 25 лет развития и ближайшие перспективы. - М.: Стандартинформ, 2010. - 339 с.

Публикации в изданиях, рекомендованных ВАК Минобрнауки РФ

3. Санду P.A. Метод логико-вычислительной обработки данных химической и нефтехимической промышленности России на основе продукций и миварной сети правил для управления инновационными ресурсами // Прикладная информатика, 2010. - № 3 (27). - С. 87-107.

4. Санду P.A. Метод обработки экспериментальных данных о параметрах физических процессов в информационно-измерительных системах на основе миварных логических сетей // Метрология, 2010. -№ 5. - С. 32-41.

5. Санду P.A., Варламов О.О., Владимиров А.Н., Бадалов А.Ю., Чванин О.Н. Развитие миварного метода логико-вычислительной обработки информации для АСУ, тренажеров, экспертных систем реального времени и архитектур, ориентированных на сервисы // Труды НИИР, 2010. - № 3. -С. 18-26.

6. Санду P.A., Варламов О.О., Владимиров А.Н., Бадалов А.Ю. О создании на основе миварных сетей МЭПАИС - многомерной эволюционной прикладной автоматизированной информационной системы поддержки принятия решений для управления инновационными ресурсами химической и нефтехимической промышленности России // Труды НИИР, 2010. - № 3. -С. 27-34.

7. Санду P.A., Бессарабов A.M., Айвазян Е.А., Алякин A.A. Анализ динамики основных фондов в научных организациях химического комплекса (1997-2003 гг.) // Химическая промышленность сегодня. 2005. -№ 7. - С. 3-8.

8. Санду P.A., Бессарабов A.M., Алякин A.A., Поляков A.B., Ягудин С.Ю. Разработка подсистемы анализа и управления материальными ресурсами отраслевого НИИ химического и нефтехимического комплекса // Нефтепереработка и нефтехимия, 2007. - № 2. - С. 3-9.

9. Санду P.A., Бессарабов A.M., Кочетыгов А.Л., Квасюк A.B. Информационно-аналитическая система для оценки инновационных ресурсов ведущих предприятий химической и нефтехимической промышленности // Химическая промышленность сегодня, 2009. - № 11. - С. 4-11.

10. Санду P.A., Бессарабов A.M., Кочетыгов А.Л., Квасюк A.B. Автоматизированные системы для динамического анализа инновационного потенциала химического научно-промышленного комплекса России

(1990-2008 гг.) // Приборы и системы. Управление, контроль, диагностика. 2009.-№ 11.-С. 1-7.

П.Санду P.A. Создание многомерной эволюционной прикладной автоматизированной информационной системы поддержки принятия решений для управления инновационными ресурсами // Транспортное дело России, 2010. -№ 7.-С. 116-119.

12. Санду P.A., Варламов 0.0., Владимиров А.Н., Носов A.B., Оверчук М.Л. Миварный подход к созданию мультипредметных активных экспертных систем в целях обучения информационной безопасности и управления инновационными ресурсами в образовании // Известия Южного федерального университета. Технические науки. 2010. - № 11. - С. 226-232.

13. Санду P.A., Рыцев O.A. Принципы организации и структурирования данных для многомерной эволюционной прикладной автоматизированной информационной системы поддержки принятия решений управления инновационными ресурсами // Транспортное дело России, 2010. - № 10. -С. 55-63.

Патенты, авторские свидетельства

14. Санду P.A., Макаренков Д.А., Мухрин О.Н. Бисерная мельница (полезная модель). № заявки 2010135029/21 (049801) от 24.08.2010 г. Решение о выдаче патента на полезную модель от 1 декабря 2010 г.

15. Санду P.A., Гринберг Е.Е., Левин Ю.И., Ухин В.И., Рябцева М.В., Стрельникова И.Е. Способ очистки жидких, летучих алкилсилоксанов и алкитлсилазанов. № заявки 2010145046 (064945) от 08.11.2010 г.

Публикации в других изданиях

16. Санду P.A., Бадалов А.Ю., Варламов О.О., Владимиров А.Н., Тожа К.Э. Активная миварная Интернет-энциклопедия и развитие миварных сетей на основе многомерных бинарных матриц для одновременной эволюционной обработки более 10 000 правил в реальном времени // Искусственный интеллект (г. Донецк, Украина, ISSN 1561-5359), 2010. -С. 549-557.

17. Санду P.A., Варламов О.О., Владимиров А.Н., Бадалов А.Ю., Тожа К.Э. Миварный метод логико-вычислительной обработки информации для АСУ, тренажеров и экспертных систем реального времени // Искусственный интеллект (г. Донецк, Украина, ISSN 1561-5359), 2010. - № 4. -С. 558-565.

18. Санду P.A., Варламов О.О., Огородников О.И. Прикладная информатика и системы поддержки принятия решений на основе активной миварной энциклопедии // В сб. научных трудов «Информатика и вычислительная техника» / Под ред. В.Н. Негоды. - Ульяновск: УлГТУ, 2010. -С. 119-123.

19. Санду P.A., Сергушин Г.С., Варламов О.О. О разработке обучающих программ по физике на основе миварных логических сетей // В сб. научных трудов «Информатика и вычислительная техника» / Под ред. В.Н. Негоды. -Ульяновск: УлГТУ, 2010. - С. 478-481.

20. Санду P.A., Варламов О.О., Огородников О.И., Владимиров А.Н. Комплексная защита объектов информатизации: легитимные организационно-технические решения по подключению ВТСС ВП к ЛВС и Интернет в режиме «прием» // Материалы XI-ой Международной научно-практической конференции «Информационная безопасность». - Ч. 1. - Таганрог: Изд-во ТТИ ЮФУ, 2010.-С. 17-21.

21. Санду P.A., Адамова Л.Е., Варламов О.О., Огородников О.И. Системы защиты персональных данных: подготовка специалистов, практический опыт преподавания и проведения мероприятий по защите персональных данных и рекомендации по снижению рисков // Материалы XI-ой Международной научно-практической конференции «Информационная безопасность». - Ч. 3. -Таганрог: Изд-во ТТИ ЮФУ, 2010. - С. 270-272.

22. Санду P.A., Варламов О.О., Оверчук М.Л., Владимиров А.Н. Подготовка специалистов по информационной безопасности и создание многомерной эволюционной прикладной автоматизированной информационной системы поддержки принятия решений для управления инновационными ресурсами в образовании // Материалы Х1-ой Международной научно-практической конференции «Информационная безопасность». - Ч. 3. - Таганрог: Изд-во ТТИ ЮФУ, 2010. - С. 275-279.

23. Санду P.A., Варламов О.О., Сергушин Г.С., Оверчук М.Л., Огородников О.И. Перспективные интеллектуальные системы поддержки принятия решений для транспортной отрасли на основе активной миварной энциклопедии // Материалы Второй Международной научно-практической конференции «Современные информационные и инновационные технологии на транспорте MINTT-2010». Сборник научных трудов в 2-х томах. - Херсон, Украина: Издательство ХГМИ, 2010. -Т. 1. - С. 22-26.

24. Санду P.A., Хадиев A.M., Варламов О.О., Оверчук М.Л., Огородников О.И. Системный анализ и математическое моделирование развития городской дорожной сети на графах // Материалы Второй Международной научно-практической конференции «Современные информационные и инновационные технологии на транспорте MINTT-2010». Сборник научных трудов в 2-х томах. - Херсон, Украина: Издательство ХГМИ, 2010.-Т. 1,-С. 240-243.

25. Санду P.A., Огородников О.И., Варламов О.О., Адамова Л.Е. Защита персональных данных: учебные программы, опыт преподавания и рекомендации по снижению рисков и обеспечению информационной безопасности в образовании // В сб. научных трудов «Информация и образование: границы коммуникаций INFO' 10» № 2. / Сост. A.A. Темербекова, И.В. Чугунова. -Горно-Алтайск: РИО ГАГУ, 2010. - С. 238-240.

26. Санду P.A., Варламов О.О., Владимиров А.Н., Варламова И.А., Огородников О.И., Носов A.B., Оверчук М.Л., Потапова Т.С. Создание

активной миварной Интернет-энциклопедии для непрерывного образования // В сб. научных трудов «Информация и образование: границы коммуникаций INFO' 10» № 2. / Сост. A.A. Темербекова, И.В. Чугунова. - Горно-Алтайск: РИО ГАГУ, 2010.-С. 70-72.

27. Санду P.A.; Хадиев A.M., Варламов О.О., Оверчук M.JI., Адамова JI.E. Информационные системы в образовании: обучение теории графов на примере создания программ анализа дорожной сети в городах // В сб. научных трудов «Информация и образование: границы коммуникаций INFO' 10» № 2. / Сост. A.A. Темербекова, И.В. Чугунова. - Горно-Алтайск: РИО ГАГУ, 2010. -С. 75-77.

28. Санду P.A., Варламов О.О., Огородников О.И., Варламова И.А. О многомерной эволюционной прикладной автоматизированной информационной системе поддержки принятия решений для управления инновационными ресурсами в образовании // В сб. научных трудов «Информация и образование: границы коммуникаций INFO'10» № 2. / Сост. A.A. Темербекова, И.В. Чугунова. - Горно-Алтайск: РИО ГАГУ, 2010. -С. 57-59.

29. Санду P.A., Варламов О.О., Владимиров А.Н. Развитие миварных логических сетей на основе многомерных бинарных матриц для реализации одновременной эволюционной обработки более десяти тысяч правил в реальном времени // Труды Конгресса по интеллектуальным системам и информационным технологиям «AIS-IT'10»: Научное издание в 4-х томах. — М.: Физматлит, 2010. - Т. 1. - С. 434-450.

30. Санду P.A., Варламов О.О., Владимиров А.Н. Развитие миварных сетей и продукций на основе трехдольных и многодольных графов для реализации правил выбора «ЕСЛИ..., ТО..., ИНАЧЕ...» // Труды Конгресса по интеллектуальным системам и информационным технологиям «AIS-IT'10»: Научное издание в 4-х томах. - М.: Физматлит, 2010. - С. 417-433.

31. Санду P.A., Огородников О.И., Варламов О.О. Развитие продукционного подхода и метод логико-вычислительной обработки данных на основе миварной сети правил // Труды Конгресса по интеллектуальным системам и информационным технологиям «AIS-IT'10»: Научное издание в 4-х томах. - М.: Физматлит, 2010. - Т. 1. - С. 294-301.

32. Санду P.A., Варламов О.О., Адамова J1.E., Владимиров А.Н., Носов A.B., Бадалов А.Ю., Оверчук M.JL, Огородников О.И. Создание активной миварной Интернет-энциклопедии на основе логико-вычислительных сетей и развития продукционного подхода в целях непрерывного образования людей // Материалы Международной научно-технической конференции «Искусственный интеллект. Интеллектуальные системы (ИИ-2010): Научное издание в 2-х томах. - Донецк: ИПИИ «Наука и освита», 2010. - Т. 2. -С. 270-274. '

33. Санду P.A. Анализ и развитие продукционного подхода в целях создания метода миварной логико-вычислительной обработки данных // Материалы Международной научно-технической конференции

«Искусственный интеллект. Интеллектуальные системы (ИИ-2010): Научное издание в 2-х томах. - Донецк: ИПИИ «Наука и освита», 2010. - С. 155-161.

34. Санду P.A., Чванин О.Н., Варламов О.О., Адамова Л.Е., Владимиров А.Н., Бадалов А.Ю., Оверчук М.Л. О создании МЭПАИС в целях поддержки принятия решений для управления инновационными ресурсами в образовании // Материалы Международной научно-технической конференции «Искусственный интеллект. Интеллектуальные системы (ИИ-2010): Научное издание в 2-х томах. - Донецк: ИПИИ «Наука и освита», 2010. - С. 165-168.

35. Санду P.A., Бессарабов A.M. Оптимизация материальных ресурсов в рамках гибких многоассортиментных технологий // Сборник трудов Международной научной конференции «Энерго- и ресурсосберегающие технологии и оборудование, экологически безопасные производства» в 2-х т. (г. Иваново, 14-17 сентября 2004 г.). - Иваново, 2004. - Т. 2. - С. 103.

36. Санду P.A., Бессарабов A.M., Поляков A.B. Разработка информационной системы анализа материальных ресурсов в отраслевой химической науке // Тезисы докладов ХИ-ой Международной научно-технической конференции «Химические реактивы, реагенты и процессы малотоннажной химии» (РЕАКТИВ-2004) (г. Уфа, 12-14 октября 2004 г.). -Уфа, 2004.-Т. 1.-С. 135-136.

37. Санду P.A., Поляков A.B., Бессарабов A.M. Компьютерный мониторинг динамики основных фондов отраслевых НИИ химического комплекса за период 1997-2003 гг. // Сборник научных трудов «Успехи в химии и химической технологии» (МКХТ-2004): Т. XVIII, № 1. - М.: РХТУ им. Д.И. Менделеева, 2004. - С. 79-81.

38. Санду P.A., Алякин A.A., Бессарабов A.M. Системный анализ основных фондов в научных организациях химического комплекса // Тезисы докладов V-ой Международной научной конференции «Современные проблемы истории естествознания в области химии, химической технологии и нефтяного дела» (г. Уфа, 21-23 декабря 2004 г.). - Уфа, 2004. - С. 128-129.

39. Санду P.A., Бессарабов A.M., Поляков A.B., Алякин A.A. Системный анализ интеллектуальных, финансовых и материальных ресурсов отраслевой науки (1990-2003 гг.) // Сборник трудов XVIII-ой Международной научной конференции «Математические методы в технике и технологиях (ММТТ-18)» (г. Казань, 31 мая-2 июня 2005 г.).-Казань, 2005.-Т. 7.-С. 172-174.

40. Санду P.A., Алякин A.A., Поляков A.B., Бессарабов A.M. Оптимальная структура управления материальными ресурсами отраслевых научных организаций // Тезисы докладов XVIII-ой Международной научно-технической конференции «Химические реактивы, реагенты и процессы малотоннажной химии (РЕАКТИВ-2005)» (г. Минск, 18-20 октября 2005 г.). -Минск,2005.-С. 24-25.

41. Санду P.A., Поляков A.B., Алякин A.A., Бессарабов A.M. Разработка информационной технологии для интегрированной оценки инновационного потенциала отраслевых научных организаций (на примере НИИ химического комплекса: 1990-2004 гг.) // Сборник научных трудов «Успехи в химии и

химической технологии (МКХТ-2005)»: T. XIX, № 1. - M.: РХТУ им. Д.И. Менделеева, 2005. - С. 64-66.

42. Санду P.A., Поляков A.B., Алякин A.A., Бессарабов A.M. Разработка методологии и информационной технологии для системного анализа инновационного потенциала отраслевых НИИ химического комплекса // Сборник научных трудов «Успехи в химии и химической технологии»: T. XIX, № 2. - М.: РХТУ им. Д.И. Менделеева, 2005. - С. 7-9.

43. Санду P.A., Бессарабов A.M., Алякин A.A., Поляков A.B. Системный анализ инновационных ресурсов в научных организациях химической и нефтехимической промышленности (1997-2004 гг.) // Материалы VI-ой Международной научной конференции «Современные проблемы истории естествознания в области химии, химической технологии и нефтяного дела» (г. Уфа, 23-25 ноября 2005 г.).-Уфа, 2005.-T. 1.-С. 17-18.

44. Санду P.A., Жданович O.A., Айвазян Е.А., Бессарабов A.M. Система компьютерного менеджмента качества отраслевого НИИ на основе концепции CALS // Сб. трудов XIX-ой Международной научной конференции «Математические методы в технике и технологиях (ММТТ-19)» (г. Воронеж, 30 мая - 1 июня 2006 г.). - Воронеж, 2006. - С. 117-119.

45. Санду P.M., Алякин A.A., Жданович O.A., Бессарабов A.M. CALS-технологии при разработке энерго- и ресурсосберегающего оборудования для технопарка отраслевого НИИ // Тезисы докладов научной конференции «Ресурсо- и энергосберегающие технологии в химической и нефтехимической промышленности» (г. Москва, 11-12 октября 2006 г.). - М., 2006. - С. 78.

46. Санду P.A., Пономаренко А.Н., Огородникова Т.В., Бессарабов A.M. CALS-технологии при проектировании процессов получения оксидов и кислот особой чистоты // В сб. докладов XIX-ой Международной научно-технической конференции «Химические реактивы, реагенты и процессы малотоннажной химии (РЕАКТИВ-2006)» (г. Уфа, 10-12 октября 2006 г.). - Уфа, 2006. -С. 200-201.

47. Санду P.A., Жданович O.A., Айвазян Е.А., Бессарабов A.M. Компьютерный менеджмент качества отраслевого НИИ на основе корпоративных стандартов (ISO-9000 и ISO-10303 STEP) // Сб. научных трудов «Успехи в химии и химической технологии»: T. XX, № 1(59). - М.: РХТУ им. Д.И. Менделеева, 2006. - С. 110-113.

48. Санду P.A., Поляков A.B., Гафитулин М.Ю., Бессарабов A.M. Разработка программного комплекса для компьютерного анализа ведущих НИИ химической и нефтехимической промышленности (1990-2005 гг.) // Материалы VII-ой Международной научной конференции «Современные проблемы истории естествознания в области химии, химической технологии и нефтяного дела» (г. Уфа,21-23 ноября 2006 г.). - Уфа, 2006. - T. 1.-С. 118-119.

49. Санду P.A., Алякин A.A., Поляков A.B., Бессарабов A.M. Системный анализ материальных ресурсов научного комплекса России (1997-2005 гг.) // Сборник трудов ХХ-ой Международной научной конференции «Математические методы в технике и технологиях (ММТТ-20)» (г. Ярославль, 28-31 мая 2007 г.). - Ярославль, 2007. - Т. 8. - С. 10-12.

50. Санду P.A., Алякин А.А, Гафитулин М.Ю., Бессарабов A.M. Системный анализ динамики материальных ресурсов отраслевых научных организаций химической и нефтехимической промышленности (1997-2006 гг.) // Материалы VIII-ой Международной научной конференции «Современные проблемы истории естествознания в области химии, химической технологии и нефтяного дела» (г. Уфа, ноябрь 2007 г.). - Уфа, 2007. - С. 11-12.

51. Санду P.A., Огородникова Т.В., Бессарабов A.M. Информационные CALS-технологии в маркетинговых исследованиях утилизации отходов фосфорной кислоты // Сборник трудов XXI-ой Международной научной конференции «Математические методы в технике и технологиях (ММТТ-21)» (г. Саратов, 27-30 мая 2008 г.). - Саратов, 2008. - Т. 8. - С. 168-171.

52. Санду P.A., Бессарабов A.M., Квасюк A.B., Кочетыгов A.JI. Анализ инновационного развития ведущих предприятий химической и нефтехимической промышленности // В сб. материалов ХН-ой Международной научно-технической конференции «Наукоемкие химические технологии-2008» (г. Волгоград, 9-11 сентября 2008 г.). - Волгоград, 2008. - С. 300.

53. Санду P.A., Кочетыгов A.JL, Поляков A.B., Бессарабов A.M. Компьютерный анализ инновационного развития предприятий химической и нефтехимической промышленности // В сб. материалов ХХ1-ой Международной научно-технической конференции «Химические реактивы, реагенты и процессы малотоннажной химии (РЕАКТИВ-2008)» (г. Уфа, 14-16 октября 2008 г.). - Уфа, 2008. - С. 133-134.

54. Санду P.A., Заколодина Т.В., Деткова Я.Е., Бессарабов A.M. Системный анализ утилизации отходов предприятий фосфорной промышленности на основе CALS-технологий // В сб. научных трудов «Успехи в химии и химической технологии»: Т. XXII, № 1. - М.: РХТУ им. Д.И. Менделеева, 2008. - С. 39-42.

55. Санду P.A., Кочетыгов АЛ., Поляков A.B., Бессарабов A.M. Системный анализ кадровых и материальных ресурсов отраслевых научных организаций химического комплекса (1997-2007 гг.) // Материалы 1Х-ой Международной научной конференции «Современные проблемы истории естествознания в области химии, химической технологии и нефтяного дела» (г. Уфа, 15-17 декабря 2008 г.). - Уфа, 2009. - С. 90-91.

56. Санду P.A., Бессарабов A.M., Кочетыгов А.Л., Квасюк A.B. Стратегическое планирование инновационных ресурсов отраслевой химической науки // Материалы Х-го Всероссийского симпозиума «Стратегическое планирование и развитие предприятий» (г. Москва, ЦЭМИ РАН, 14-15 апреля 2009 г.).-М., 2009.-Т. 1.-С. 17-18.

57. Санду P.A., Кочетыгов А.Л., Поляков A.B., Бессарабов A.M. Компьютерная процедура оценки материальных ресурсов отраслевых НИИ химического комплекса (1997-2007 гг.) // Сборник трудов XXII-ой Международной научной конференции «Математические методы в технике и технологиях (ММТТ-22)» (г. Псков, 25-30 мая 2009 г.). - Псков, 2009. - Т. 7. -С. 168-170.

58. Sandu R.A., Bessarabov A.M., Zakolodina T.V. and Zaikov G.E. CALS-Technologies in Synthesis of Multiassortmental Manufacturing for Phosphoric Sludge Utilization // Quantitative Foundation of Chemical Reactions: Nova Science Publishers Inc., 2009. - Pp. 177-186.

59. Санду P.A., Бессарабов A.M., Кочетыгов A.JI., Квасюк A.B. CALS-технологии в системе инновационного менеджмента отраслевой научной организации // Материалы Международной научно-практической конференции «Модель менеджмента для экономики, основанной на знаниях». - М.: МЭСИ, 2009.-С. 122-124.

60. Санду Р.А., Бессарабов A.M., Квасюк А.В, Кочетыгов А.Л. Динамика энерго- и ресурсосбережения в химической и нефтехимической промышленности России (2000-2008 гг.) // Сб. тезисов докладов 1-ой Международной конференции РХО им. Д.И. Менделеева «Энерго- и ресурсосберегающие технологии в химической и нефтехимической промышленности» (г. Москва, 29-30 сентября 2009 г.). - М.: РХТУ им. Д.И. Менделеева, 2009. - С. 96.

61. Санду Р.А., Бессарабов A.M., Квасюк А.В., Кочетыгов А.Л. Экономический анализ структуры затрат на инновационную деятельность в химическом комплексе России (1995-2008 гг.) // Сборник трудов IY-ой Международной научно-практической конференции «Логистика и экономика ресурсосбережения и энергосбережения в промышленности (МНПК «ЛЭРЭП-4-2009»)» (г. Самара, 21-23 сентября 2009 г.). - Самара, 2009. - Т. 1. - С. 23-25.

62. Санду Р.А., Алякин А.А., Кочетыгов А.Л., Бессарабов A.M. CALS-технология плазмохимического синтеза особо чистых наноматериалов // Материалы Второго Международного форума по нанотехнологиям (г. Москва, 6-8 октября 2009 г.). - М.: ЦВК «Экспоцентр», 2009.

63. Sandu R.A., Alyakin A.A., Kochetygov A.L., Bessarabov A.M. CALS-technology of plasmachemical synthesis of ultrapure nanomaterials // 2th International Rusnanoforum, Moscow, 2009.

64. Санду P.A., Кочетыгов А.Л., Поляков A.B., Бессарабов A.M. Интегрированная информационная технология для системного анализа инновационных ресурсов химического научно-промышленного комплекса России (1990-2008 гг.) // В сб. научных трудов «Успехи в химии и химической технологии»: Т. XXIII, № 1. -М.: РХТУ им. Д.И. Менделеева, 2009.

65. Sandu R.A., Bessarabov A.M., Zakolodina T.V., Zaikov G.E. CALS-technologies in synthesis of multiassortmental manufacturing for phosphoric sludge utilization // Chemistry & Chemical Technology, 2009. - Vol. 3, № 4 (октябрь -декабрь 2009 г.).

66. Санду Р.А., Бессарабов A.M., Кочетыгов А.Л., Квасюк А.В. Разработка процедуры принятия решения для бюджетного финансирования конкурсных инновационных проектов отраслевых научных организаций // Материалы Международной научно-практической конференции «Теория активных систем (ТАС-2009)» (г. Москва, 17-19 ноября 2009 г.). - М., 2009.

67. Санду Р.А., Бессарабов A.M., Кочетыгов А.Л., Горячева А.А. Финансовый анализ ведущих предприятий подотрасли химических реактивов и

особо чистых веществ // Материалы ХХИ-ой Международной научно-технической конференции «Химические реактивы, реагенты и процессы малотоннажной химии (РЕАКТИВ-2009)». - Уфа: Издательство «Реактив», 2009.

68. Санду P.A., Кочетыгов А.Л., Поляков A.B., Бессарабов A.M. Динамика фондовооруженности и техновооруженности ведущих научных организаций химического комплекса (1998-2008 гг.) // Материалы Х-ой Международной научной конференции «Современные проблемы истории естествознания в области химии, химической технологии и нефтяного дела». -Уфа, 2009.

69. Санду P.A., Квасюк A.B., Гафитулин М.Ю., Бессарабов A.M. Интегрированная оценка инновационных ресурсов отраслевых промышленных комплексов // Сб. научных трудов «Успехи в химии и химической технологии». - М.: РХТУ им. Д.И. Менделеева, 2010. - Т. XXIV, № 10. - С. 37-46.

САНДУ Роман Александрович

Многомерная эволюционная прикладная автоматизированная информационная система поддержки принятия решений для управления инновационными ресурсами химической и нефтехимической промышленности России

Автореферат диссертации на соискание ученой степени доктора технических наук

Подписано в печать 14.02.11. Формат 60x84 1/16 Бум, офсетная Печ. л. 2,8. Тираж 100 экз. Заказ 031

Отпечатано в типографии «Реглет» 119526, г. Москва, пр-т Вернадского, 39 (495) 363-78-90; www.reglet.ru

ВВЕДЕНИЕ.

Глава 1. АНАЛИЗ ОСОБЕННОСТЕЙ И СПЕЦИФИКИ УПРАВЛЕНИЯ ИННОВАЦИОННЫМИ РЕСУРСАМИ ХИМИЧЕСКОЙ И НЕФТЕХИМИЧЕСКОЙ ПРОМЫШЛЕННОСТИ РОССИИ.

1.1. Проблема создания многомерной эволюционной прикладной автоматизированной информационной системы поддержки принятия решений для управления инновационными ресурсами химической и нефтехимической промышленности России.

1.2. Анализ динамики изменения состояния основных фондов в научных организациях химического комплекса.

1.3. Исследование автоматизированных систем для динамического анализа инновационного потенциала химического научно-промышленного комплекса России.

1.4. Особенности и специфика управления инновационными ресурсами химической и нефтехимической промышленности России.

1.5. Анализ проблем создания прикладных автоматизированных информационных систем поддержки принятия решений для управления инновационными ресурсами.

Выводы по главе 1 . 62

Глава 2. АНАЛИЗ СОВРЕМЕННЫХ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ И РАЗРАБОТКА НОВЫХ ПРИНЦИПОВ ОРГАНИЗАЦИИ И СТРУКТУРИРОВАНИЯ ДАННЫХ ДЛЯ МНОГОМЕРНОЙ ЭВОЛЮЦИОННОЙ ПРИКЛАДНОЙ АВТОМАТИЗИРОВАННОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ ДЛЯ УПРАВЛЕНИЯ ИННОВАЦИОННЫМИ РЕСУРСАМИ ХИМИЧЕСКОЙ И НЕФТЕХИМИЧЕСКОЙ

ПРОМЫШЛЕННОСТИ НА ОСНОВЕ МИВАРНОГО ИНФОРМАЦИОННОГО ПРОСТРАНСТВА. 64

2.1. Основы миварного подхода и искусственный интеллект. 65

2.2. Анализ современных информационных технологий, баз данных, вычислений и логической обработки. 97

2.3. Понятие миварного пространства, унифицированного представления данных и правил, принципы организации и структурирования данных в нем. 105

2.4. Основные возможности миварного подхода. 110

2.5. Структуры представления данных для моделирования предметной области. 114

2.6. Формализованное описание модели данных для многомерной эволюционной прикладной автоматизированной информационной системы поддержки принятия решений для управления инновационными ресурсами химической и нефтехимической промышленности в миварном информационном пространстве.

Выводы по главе 2. 120

Глава 3. МЕТОД ЛОГИКО-ВЫЧИСЛИТЕЛЬНОЙ ОБРАБОТКИ ДАННЫХ ХИМИЧЕСКОЙ И НЕФТЕХИМИЧЕСКОЙ ПРОМЫШЛЕННОСТИ РОССИИ НА ОСНОВЕ ПРОДУКЦИЙ И МИВАРНОЙ СЕТИ ПРАВИЛ ДЛЯ УПРАВЛЕНИЯ ИННОВАЦИОННЫМИ РЕСУРСАМИ. 123

3.1. Анализ существующих парадигм и моделей обработки данных. 123

3.2. Общая форма продукций. Возможности и ограничения продукционного подхода. 125

3.3. Описание и анализ метода прямой волны и метода обратной волны логического вывода. 130

3.4. Представление сетей продукций в виде двудольных графов. 132

3.5. Миварные сети. 134

3.6. Миварный метод логико-вычислительной обработки данных химической и нефтехимической промышленности России. 138

Выводы по главе 3. 154

Глава 4. РАЗРАБОТКА НОВЫХ МОДЕЛЕЙ ОПИСАНИЯ ИНФОРМАЦИОННЫХ ПРОЦЕССОВ ХИМИЧЕСКОЙ И НЕФТЕХИМИЧЕСКОЙ ПРОМЫШЛЕННОСТИ РОССИИ В ФОРМАЛИЗМЕ МИВ АРНЫХ СЕТЕЙ. 157

4.1. Развитие миварных сетей и продукций для реализации правил выбора «если., то., иначе.». 157

4.2. Развитие миварных логических сетей на основе многомерных бинарных матриц для реализации одновременной эволюционной обработки более десяти тысяч правил в реальном времени. 164

4.3. Применение многомерных бинарных матриц для развития возможностей многодольных миварных логических сетей. 168

4.4. Миварный подход и понимание естественных языков. 172

4.5. Представление знаний в искусственном интеллекте. Семантические сети как альтернатива исчислению предикатов. 175

4.6. Преимущества миварного подхода перед семантическими сетями и продукциями. 179

Выводы по главе;4!. 191

Глава 5. ПРОГРАММНОЕ И ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ МИВАРНОЙ МУЛЬТИПРЕДМЕТНОЙ ЭКСПЕРТНОЙ СИСТЕМЫ МНОГОМЕРНОЙ эволюционной ПРИКЛАДНОЙ5 АВТОМАТИЗИРОВАННОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ ПОДДЕРЖКИ7 ПРИНЯТИЯ! РЕШЕНИЙ ДЛЯ УПРАВЛЕНИЯ ИННОВАЦИОННЫМИ РЕСУРСАМИ ХИМИЧЕСКОЙ И НЕФТЕХИМИЧЕСКОЙ промышленности России. 194

5.1. Программный комплекс многомерной эволюционной прикладной автоматизированной информационной системы поддержки принятия решений для управления инновационными ресурсами химической и нефтехимической промышленности России «1ппоу-СЬеш». 194

5.2. Применение многомерной эволюционной прикладной автоматизированной информационной системы поддержки принятия решений для управления инновационными ресурсами химической, и нефтехимической; промышленности России для анализа и оценки инновационного потенциала отраслевой химической науки. -^^у

5.3. Реализация в многомерной эволюционной прикладной автоматизированной информационной системе поддержки принятия решений для управления инновационными ресурсами химической и нефтехимической промышленности России различных прикладных задач.і.206

5.4. Создание автоматизированных систем обработки информации на основе миварного подхода.242

5.5. Программный комплекс «УДАВ» и распараллеливание логических и вычислительных задач на основе миварных сетей 254

5.6. Активная миварная интернет-энциклопедия.272

Выводы по главе 5 280

ЗАКЛЮЧЕНИЕ 282

СПИСОК ЛИТЕРАТУРЫ 286

ПЕРЕЧЕНЬ СОКРАЩЕНИЙ 313

ВВЕДЕНИЕ

Актуальность темы исследования. Современный этап развития химической и нефтехимической промышленности России характеризуется ориентацией на широкое внедрение инновационных высокотехнологичных производств. В этой связи для, принятия обоснованных решений в целях формирования эффективной инновационной политики развития как всей отрасли в целом, так и отдельных промышленных предприятий становится объективно необходимым проведение системного анализа и автоматизированной оценки параметров инновационного развития предприятий химического и нефтехимического комплекса. Однако специфика управления инновационными ресурсами (УИР) на предприятиях химической и нефтехимической промышленности России (ХНП) заключается в том, что принятие управленческого решения по развитию инновационного процесса на данных предприятиях базируется на информации, характеризующейся следующими основными особенностями: многообразие инновационной деятельности и, как следствие, достаточно значительное количество характеризующих ее индикаторов; нечеткость части показателей инновационного развития; качественный характер ряда показателей и широкое использование в этой связи балльных оценок; необходимость использования разнообразных «срезов, сечений» и т.п. (по регионам, отраслям, годам и т.д.), т.е. явная многомерность представления данных о предметной области; различные формы представления результатов для принятия решений; многоаспектность оценки инновационных ресурсов; высокая динамика изменения системы показателей, детерминирующая необходимость анализа инновационного процесса с учетом возможности появления новых ключевых параметров. Кроме того, анализ и выбор показателей инновационного развития предприятий химического и нефтехимического комплекса осуществляется в условиях неопределенности, вызванной наличием факторов, принципиально не поддающихся строгой количественной оценке. В; этой связи .особую актуальность приобретает научная проблема разработки соответствующей автоматизированной информационной системы, способной, с" одной стороны, хранить и обрабатывать всю систему разнообразной информации о состоянии и; развитии как собственно предприятий ХНП, так. и их инновационных ресурсов, а с другой - иметь возможность функционального наращивания и масштабируемости системы.

Степень научной разработанности проблемы; Анализ показывает, что разработке научно-теоретических основ формирования, использования и развития инновационных ресурсов посвящены работы таких выдающихся отечественных и зарубежных ученых как Шумпетер Й., Портер М., Твисс Б., Друкер П., Глазьев С.Ю., Оголева Л.Н., Поршнева А.Г. и ряда других. Значительный вклад' в развитие системного анализа и теории принятия решений внесли Вентцель E.G., Волкова В.Н., Дегтярев Ю.И., Емельянов A.A., Денисов A.A., Костров A.B., Ларичев О.И., Оптнер С., Перегудов Ф.И., Подиновский В.В., Поспелов Д.А., Саати Т., Темников Ф.Е., Хитч Ч. и др. Применение системного подхода к созданию информационных систем управления ' предприятиями химической и нефтехимической промышленности России было развито в работах Бахвалова Л.А., Гартман Т.Н., Гордеева Л.С., Дорохова И.Н., Егорова А.Ф., Кафарова В.В., Корнюшко В.Ф:, Кузина PJE., Мёшалкина В.П., Нетушила A.B., Петрулевича A.A.', Савицкой Т.В., Саркисова ПД., Федунец Н.И., Шаталова В.В. и др. На основе работ этих ученых были созданы информационно-аналитические системы, позволяющие осуществлять динамический анализ инновационного потенциала химического научно-промышленного комплекса России. Однако в основу этих систем были положены стандартные базы данных, что не позволяет решить проблему управления инновационными ресурсами в полном объеме. Кроме того,, в данных системах отсутствует возможность функционального наращивания экспертных систем и их масштабируемости.

С другой стороны, проблемам создания экспертных систем, искусственного интеллекта, баз данных, вычислений, логической обработки и создания прикладных автоматизированных информационных систем посвящены работы ряда известных зарубежных специалистов, таких как: Амамия М., Танака Ю., Атре Ш., Ахо A.B., Хопкрофт Д.Э., Ульман Д.Д., Берзтисс А.Т., Васильев В.И., Шевченко А.И., Вейд А., Дейкстра Э., Дейт К., Джордж Ф., Кук Д., Бейз Г., Люгер Дж.Ф., Майника Э., Мартин Дж., Мейер Д., Олле Т.В., Райли Д., Саймон А.Р., Таунсенд К., Фохт Д., Тиори Т., Фрай Дж., Уинстон П., Ульман Ж., Уотермен Д., Уэлдон Дж., Финк Д., Флорес И., Фогель JL, Оуэне А., Уолш М. Хант Э., Эндрю А., Эшби У.Р., Цикритзис Д., Лоховски Ф. и др. Среди отечественных ученых этими проблемами плодотворно занимались Абрамов С.М., Анисимов Б.В., Бабаян Б.А., Хорошевский В.Ф., Барский А.Б., Бурцев B.C., Бирюков Б.В., Гутчин И.Б., Варламов О.О., Воеводин В.В., Гиглавый A.B., Городецкий В.И., Евреинов Э.В., Еремеев А.П., Журавлев Ю.И., Замулин A.B., Калиниченко Л.А., Когаловский М.Р., Корнеев В.В., Кузнецов С.Д., Ладенко И.С., Марков A.C., Новиков Б.А., Осипов Г.С., Попов Э.В., Райбекас А.Я., Ростовцев Ю.Г., Смирнов A.B., Соколов Б.В., Стефанюк В.Л., Чудинов С.М., Цаленко М.Ш., Шалютин С.М., Юсупов P.M. и многие другие. В результате этими учеными были разработаны основы создания баз данных, экспертных систем, миварных технологий, принципы организации и структурирования данных, созданы многие автоматизированные системы. Однако в целом научная проблема разработки многомерной эволюционной экспертной системы для своевременной и адекватной обработки информации в целях управления инновациями в химической и нефтехимической промышленности России на сегодняшний день так и осталась нерешенной.

Для решения этой крупной научной проблемы в диссертации предлагается многомерная эволюционная прикладная автоматизированная информационная система (МЭПАИС) поддержки принятия решений для управления инновационными ресурсами химической и нефтехимической промышленности России. Фактически, МЭПАИС УИР ХНП - это экспертная система для управления .инновациями в химической и нефтехимической промышленности России. Термин «экспертная система» иногда заменяют на менее антропоморфный - «система поддержки принятия решений» (СППР). Принципиальным отличием МЭПАИС УИР ХНП от предыдущего поколения экспертных систем является: системное многомерное объединение нескольких предметных областей, реальное время работы на десятках тысяч правил и эволюционное наращивание данных и правил (знаний) на основе двух инновационных российских информационных технологий: «миварное информационное пространство» и «миварные логико-вычислительные сети».

Научная проблема: разработка теоретических основ построения многомерной эволюционной прикладной автоматизированной информационной системы поддержки принятия решений для управления инновационными ресурсами химической и нефтехимической промышленности России в целях принятия решений на основе комплексной и многоаспектной оценки текущего состояния и перспектив развития инновационных ресурсов химической и нефтехимической промышленности.

Объектом исследования являются информационные системы и процессы, включая теоретические, программные и информационные аспекты обеспечения функционирования систем и реализации процессов генерации, сбора, хранения, обработки и представления информации для управления инновационными ресурсами химической и нефтехимической промышленности России.

Предметом исследования являются прикладные автоматизированные информационные системы, ресурсы и технологии в технической сфере деятельности; аналитические, процедурные информационные модели предметной области и экспертные системы, включаемые в контур обработки информации и принятия решения для управления инновационными ресурсами химической и нефтехимической промышленности России; методы и модели описания информационных процессов и информационных ресурсов; новые принципы организации и структурирования данных, концептуального, логического, физического проектирования мультимедийных баз данных и иных специализированных информационных систем, методы оценки и оптимизации структур баз данных на логическом уровне; новые миварные принципы разработки и организации функционирования информационных систем и процессов, применения миварных информационных технологий и систем в принятии решений на различных уровнях управления.

Целью диссертационного исследования является создание на основе миварного подхода теоретического, программного и информационного обеспечения функционирования прикладных автоматизированных информационных систем для реализации процессов сбора, хранения, обработки и представления информации для комплексного управления инновационными ресурсами химической и нефтехимической промышленности России.

В соответствии с поставленной' целью определены задачи диссертационного исследования:

1) провести анализ особенностей и специфики управления инновационными ресурсами химической и нефтехимической промышленности России;

2) проанализировать современные информационные технологии баз данных, вычислений и логической обработки, выявить их ограничения и проблемы создания прикладных автоматизированных информационных систем;

3) разработать новые принципы организации и структурирования данных для специализированных информационных систем поддержки принятия решений при управлении инновационными ресурсами химической и нефтехимической промышленности России на основе миварного I информационного пространства;

4) разработать метод логико-вычислительной обработки данных химической и нефтехимической промышленности России на основе продукций и миварной сети правил для управления инновационными ресурсами;

5) предложить новую модель описания информационных процессов химической и нефтехимической промышленности России в формализме миварных сетей на основе многомерных бинарных матриц для реализации одновременной эволюционной обработки более десяти тысяч объектов и правил в реальном времени;

6) разработать новую модель описания информационных процессов химической и нефтехимической промышленности России в формализме миварных сетей и продукций на основе трехдольных и многодольных графов для реализации правил выбора «ЕСЛИ., ТО., ИНАЧЕ.»;

7) создать программное и информационное обеспечение миварной мультипредметной экспертной системы МЭПАИС УИР ХНП России.

1 1

Научная новизна полученных результатов заключается в разработке:

1) структур представления данных в модели данных на основе миварного информационного пространства с добавлением вероятностных характеристик для МЭПАИС УИР ХНП;

2) линейной вычислительной сложности метода логико-вычислительной обработки данных для управления инновационными ресурсами химической и нефтехимической промышленности России на основе миварной сети;

3) модели описания информационных процессов для МЭПАИС УИР ХНП в формализме миварных сетей на основе многомерных бинарных матриц;

4) модели описания информационных процессов для МЭПАИС УИР ХНП в формализме миварных сетей на основе многодольных графов;

5) мультипредметных экспертных систем на основе программного комплекса МЭПАИС и реализации процессов сбора, хранения, обработки и представления информации для информационных систем и процессов в тех предметных областях, которые могут быть формализовано описаны в миварном информационном пространстве.

Методы исследования. ,При решении, задач, поставленных в работе, использованы основные положения системного анализа, методы оптимизации на сетях, и графах, математической логики, математического программирования и теории множеств, графов, структур данных, принятия решений, баз данных и правил, а также методы имитационного и натурного моделирования.

Достоверность научных результатов. Достоверность полученных теоретических и прикладных результатов подтверждается использованием строгого математического аппарата при построении и исследовании моделей, методов и алгоритмов, результатами компьютерного моделирования, 1 согласованностью полученных результатов с имеющимися в российской и зарубежной литературе данными, практическим внедрением и использованием результатов диссертационного исследования.

Для публичной защиты выдвигается следующая совокупность новых научных результатов и положений:

• формализованное описание модели данных для МЭПАИС УИР ХНП, построенной на основе миварного информационного пространства с добавлением вероятностных характеристик;

• метод логико-вычислительной обработки данных химической и I нефтехимической промышленности России на основе продукций и миварной сети для управления инновационными ресурсами;

• модель описания информационных процессов химической и нефтехимической промышленности России в формализме миварных сетей на основе многомерных бинарных матриц;

• модель описания информационных процессов химической и нефтехимической промышленности России в формализме миварных сетей на основе многодольных графов;

• программный комплекс МЭПАИС УИР ХНП и реализация процессов сбора, хранения, обработки и представления информации для управления инновационными ресурсами, химической и нефтехимической промышленности России.

Практическая ценность заключается^ следующем. В 2005-2008 гг. по контрактам ФГУП «Государственный ордена Трудового Красного Знамени научно-исследовательский институт химических реактивов и особо чистых химических веществ» (ФГУА «ИРЕА») с Минэнерго и Минпромторгом России для системного анализа инновационной деятельности 135 ведущих промышленных предприятий химического комплекса за 1995-2007 гг. была разработана компьютерная информационная система. Информационное ядро системы составляют статформы «4-инновация» за 1995-2007 гг. Система внедрена и успешно эксплуатируется в Минэнерго и Минпромторге России.

Ряд практических аспектов диссертационного исследования был использован при выполнении инновационного проекта «Разработка технологии вовлечения в хозяйственный оборот отходов производств фотоэлектрических преобразователей», имевшего целью создание технологии утилизации смесей отходов переработки высокочистого кремния солнечного и электронного качества для повышения эффективности выделения полезных компонентов, а также испытание конечных продуктов этой переработки в' технологии получения оптических и лазерных устройств государственный контракт ГК 02.740.11.0435 от 30.09.2009 г.). 1

Апробация работы. Результаты диссертационной работы докладывались и обсуждались на: Российской конференции аспирантов, студентов и молодых ученых (ИВТ-2010) (г. Ульяновск, 2010 г.); Х1-ой Международной научно-практической конференции «Информационная безопасность» (ИБ-2010) (г. Таганрог, 2010 г.); Н-ой Международной научно-практической конференции «Современные информационные и инновационные технологии на транспорте М1ШТ-2010» (г. Херсон, Украина, 2010 г.); П-ой Всероссийской научно-практической конференции с международным участием , «Информация и образование: границы коммуникаций»- (INFOHO) (г. Горно-Алтайск, 2010 г.); Конгрессе по интеллёктуальным! системам: и , информационным технологиям «AIS-IT'10» (г. Геленджик, 2010 г.); Научно-технической конференции; посвященной 60-летию ФГУГ1 «НИИР», (г. Москва, 2010 г.); V-X Международных научных, конференциях «Современные проблемы истории естествознания! Bs области химии, химической технологии и нефтяного дела» (г. Уфа, 2004-2009 гг.); XII, XIX, XXI, XXII Международных научно-технических конференциях «Химические реактивы, реагенты и процессы малотоннажной химии» (РЕАКТИВ-2004, РЕАКТИВ-2006, РЕАКТИВ-2008, РЕАКТИВ-2009) (г. Уфа, 2004 г., 2006 г., 2008 г., 2009 г.); Международной научно-практической конференции «Теория активных систем» (ТАС-2009) (г. Москва; 2009 г.); 11-ом Международном форуме по нанотехнологиям (г. Москва, 2009 г.); IV-ой Международной научно-практической конференции «Логистика и экономика ресурсосбережения и энергосбережения; в промышленности» (МНПК «ЛЭРЭП-4-2009») (г. Самара, 2009 г.); 1-ой Международной конференции РХО им. Д.И: Менделеева «Энерго- и. ресурсосберегающие технологии в химической и нефтехимической промышленности» (г. Москва; РХТУ им. Д.И. Менделеева, 2009 г.); Международной научно-практической конференции «Модель менеджмента для экономики, основанной на знаниях» (г. Москва, МЭСИ; 2009 г.); Х-ом Всероссийском симпозиуме «Стратегическое планирование и развитие, предприятий» (г. Москва, ЦЭМИ РАН, 2009 г.); ХП-бй Международной 'научно-технической конференции «Наукоемкие химические технологии-2008» (г. Волгоград, 2008 г.) и др.

Публикации. Основные научные результаты по теме диссертации -опубликованы в 69 научных работах, в том числе в двух монографиях и 11 статьях в журналах, рекомендованных ВАК РФ для опубликования основных результатов диссертационных работ на соискание ученых степеней доктора наук. По результатам диссертационного исследования получены патенты на полезную модель и изобретение. Общий объем публикаций по теме диссертационного исследования составил более 35 п.л.

Объем и структура работы. Диссертация состоит из введения, пяти глав, заключения и списка литературы из 519 наименований. Она содержит 314 страниц текста, 2 таблицы и 57 рисунков.

Выводы по главе 5

В пятой главе описаны результаты создания программного и информационного обеспечения миварной мультипредметной экспертной системы «Многомерная эволюционная прикладная автоматизированная информационная система поддержки принятия решений для управления инновационными ресурсами химической и нефтехимической промышленности России». Кроме того, показана реализация процессов сбора, хранения, обработки и представления информации для УИР ХНП России.

Отметим, что миварный подход - это современный подход к созданию не только прикладных автоматизированных систем различных типов, перечисленных в параграфе 5.5, но, в перспективе, и к созданию систем искусственного интеллекта [68, 344].

Таким образом, активная миварная энциклопедия будет представлять собой мультипредметную экспертную систему с эволюционным наращиванием знаний и активным решением различных задач в реальном времени на основе миварных логико-вычислительных сетей. В качестве прототипа активной миварной энциклопедии рассматривается программный комплекс «Многомерная эволюционная прикладная автоматизированная информационная система поддержки принятия решений для управления инновационными ресурсами химической и нефтехимической промышленности России» и ПК «УДАВ».

Все поставленные задачи успешно решены и цель диссертации в виде создания на основе миварного подхода теоретического, программного и информационного обеспечения функционирования экспертной системы «Многомерная эволюционная прикладная автоматизированная информационная система поддержки принятия решений для управления инновационными ресурсами химической и нефтехимической промышленности России» для реализации процессов сбора, хранения, обработки и представления информации для комплексного управления инновационными ресурсами химической и нефтехимической промышленности России достигнута.

Таким образом, в диссертации, имеющей теоретическое и практическое значение, решена научная проблема, имеющая важное научное и , хозяйственное. значение, приведены рекомендации по использованию научных выводов для развития химической и нефтехимической промышленности России.

ЗАКЛЮЧЕНИЕ

В диссертации предложен оригинальный подход в области искусственного интеллекта по созданию миварных экспертных систем. Обоснованы следующие основные выводы диссертационной работы.

1. Анализ предметной области выявил особенности и специфику управления инновационными ресурсами химической и нефтехимической промышленности России: многообразие инновационной деятельности, многочисленность и изменяемость индикаторов, нечеткость показателей, необходимость многомерности представления данных; масштабируемость и эволюционность, использование качественных показателей, многоаспектность, вероятностные характеристики и нечеткие принадлежности показателей, необходимость хранить и обрабатывать все данные в едином формализме.

2. Проведенный в работе анализ современных информационных технологий баз данных, вычислений и логической обработки позволил выявить их ограничения и проблемы создания прикладных автоматизированных информационных систем, а также обосновать, что существует научная проблема разработки теоретических основ построения эволюционной мультипредметной экспертной системы для управления инновационными ресурсами химической и нефтехимической промышленности России (МЭПАИС УИР ХНП) в целях принятия решений на основе комплексной и многоаспектной оценки текущего состояния и перспектив развития инновационных ресурсов химической и нефтехимической промышленности.

3. Обосновано, что наиболее эффективными для МЭПАИС УИР ХНП являются миварные принципы организации и структурирования данных.

4. Для создания МЭПАИС УИР ХНП разработан новый метод логико-вычислительной обработки данных химической и нефтехимической промышленности России на основе развития продукций и миварных сетей? за счет:

• представления информации для управления: инновационными ресурсами химической! и нефтехимической! промышленности России; в виде специального.вида «миварных матриц»;

• • снижения вычислительной; сложности конструирования алгоритмов г обработки данных и; логического вывода на таких матрицах с факториальной долинейной;. ,

• обеспечения адаптивности и . эволюционности, т.е;. возможности изменения исходных и обрабатываемых данных в процессе поиска5 решений;

• обеспечения возможности распараллеливания логики и вычислений;.

• введения; многомерности для! мультипредметности экспертной системы;

• введения,^ нечеткости и вероятностных характеристик в миварные матрицы; '.':.•

• автоматического выявления* недостающих- исходных данных и их; активного запроса у пользователя или систем сбора информации;

5. Для расширения возможностей- параллельной обработки больших объемов информации и решения сложных задач в МЭПАИС УИР ХНП разработана новая модель описания информационных процессов химической и нефтехимической промышленности России в формализме миварных сетей за счет дополнительного введения многомерных бинарных матриц, которые позволили реализовать одновременную эволюционную' обработку более десяти тысяч правил в реальном времени на многопроцессорных вычислительных комплексах. , . .

6. Для расширения возможностей: описания правил обработки информации и реализации правил выбора «если., то., иначе.» в МЭПАИС УИР ХНП разработана новая модель описания информационных процессов химической и нефтехимической промышленности; России в формализме миварных сетей и продукций' за счет перехода от двудольных графов миварных сетей путем введения формализма многодольности графов к трехдольным и многодольным графам представления информации для управления инновационными ресурсами химической и нефтехимической промышленности России и для других предметных областей.

7. Предложенные модели и метод позволили синтезировать эффективную структуру экспертной системы для управления инновационными ресурсами химической и нефтехимической промышленности России.

8. Создано программное и информационное обеспечение миварной мультипредметной экспертной системы (МЭПАИС) для управления инновационными ресурсами химической и нефтехимической промышленности России.

9. В качестве дальнейшего развития рассмотрены наиболее эффективные механизмы и принципы создания мультипредметных миварных экспертных систем и предложено эволюционное создание миварной активной Интернет-энциклопедии для разработки перспективных интеллектуальных систем в различных областях знаний. Фактически реализована мультипредметная эволюционная активная обучаемая логически рассуждающая система с параллельным решением многопоточных задач с линейной вычислительной сложностью.

10. Результаты теоретических исследований и моделирования применялись при создании программных комплексов экспертных систем и баз данных в целях управления инновационными ресурсами химической и нефтехимической промышленности России.

11. Основные научные результаты по теме диссертации прошли апробацию на многочисленных международных научных конференциях, опубликованы в 69 научных работах, в том числе в двух монографиях и 11 статьях в журналах, рекомендованных ВАК РФ для опубликования основных результатов диссертационных работ на соискание ученых степеней доктора наук [317-382, 506-508]. По результатам диссертационного исследования получены патенты на полезную модель и изобретение.

Все поставленные задачи успешно решены и цель диссертации в виде создания на основе миварного подхода теоретического, программного и информационного обеспечения функционирования МЭПАИС для реализации процессов сбора, хранения, обработки и представления информации для комплексного управления инновационными ресурсами химической и нефтехимической промышленности России достигнута.

Таким образом, в диссертации, имеющей теоретическое и практическое значение, решена научная проблема, имеющая важное хозяйственное значение, приведены рекомендации по использованию научных выводов для развития химической и нефтехимической промышленности России.

1. Абрамов С.М. Метавычисления и их применение: Дис. . д-ра физ. мат. наук. -Переславль-Залссский, 1995.

2. Абрамов С.М. Метавычисления и их применения. М.: Наука, Физматлит, 1995.

3. Алякин A.A., Бессарабов А.М., Ягудин С.Ю., Терехов Д.В., Гафитулин М.Ю. Интегрированная оценка конкурсных инновационных проектов отраслевых НИИ химической и нефтехимической промышленности // Нефтепереработка и нефтехимия, 2006.-№8.-С. 3-8.

4. Амамия М., Танака Ю. Архитектура ЭВМ и искусственный интеллект. М.: Мир, 1993.

5. Анисимов Б.В. Четвериков В.Н. Основы теории и проектирования цифровых вычислительных машин. М.: Высшая школа, 1990.

6. Артамонов Г.Т. Тюрин В.Д. Топология сетей ЭВМ и многопроцессорных систем. -М.: Радио и связь, 1991.

7. Арутюнян Э.С. Синтез нейросетевых систем управления манипуляционными роботами на основе обратных динамических моделей: Автореферат дис. . канд. техн. наук.-Уфа, 2000,- 16 с.

8. Arpe Ш. Структурный подход к организации баз данных. М.: Финансы и статистика, 1983.

9. Ахо A.B., Хопкрофт Д.Э., Ульман Д.Д. Структуры данных и алгоритмы. М.: Издательский дом «Вильяме». 2007. — 400 с.

10. Н.Ачасова С.М., Бандман O.JL Корректность параллельных вычислительных процессов. Новосибирск: Наука, 1990.

11. Бабаян Б.А., Бочаров A.B., Волин A.C. и др. Многопроцессорные ЭВМ и методы их проектирования / Под ред. Ю.М. Смирнова. М.: Высшая школа, 1990.

12. Базовый доклад к обзору ОЭСР «Национальная инновационная система и государственная инновационная политика Российской Федерации" // Официальный сайт Министерства образования и науки Российской Федерации. 02.11.2009 г. М.: Минобрнауки РФ, 2009. - 208 с.

13. Базы знаний интеллектуальных систем / Т.А. Гаврилова, В.Ф. Хорошевский. -СПб.: Питер, 2001.-384 с.

14. Барский А.Б. Параллельные процессы в вычислительных системах. Планирование и организация. М.: Радио и связь, 1990. - 256 с.

15. Батыршин И.З. Представление и обработка нечеткой информации в интеллектуальных системах: Дис. . д-ра физ. мат. наук. - Персславль-Залесскии. 1996.

16. Белеградек О.В., Столбоушкин А.П., Тайцлин М.А. Базы данных над фиксированным бесконечным универсумом // Программирование, 1998. -№ 1. С. 6-17.

17. Белецкий В.Н. Многопроцессорные и параллельные структуры с организацией асинхронных вычислений. Киев: Наукова думка, 1988.

18. Белов В.В. Технология комплексной оценки качества интеллектуальных программных продуктов двойного применения в процессе сертификационных испытаний: Автореферат дис. . канд. техн. наук. — М., 2000. 25 с.

19. Вениаминов Е.М. Алгебраические методы в теории баз данных и представлении знаний: Дис. д-ра физ. мат. наук. - М., 1996.

20. Берзтисс А.Т. Структуры данных / Пер. с англ. М.: Статистика, 1974. - 408 с.

21. Бессарабов A.M. Интегрированная оценка инновационного потенциала отраслевых научных организаций (на примере НИИ химического комплекса) // Химическая промышленность сегодня, 2003. № 11. - С. 12-21.

22. Бессарабов A.M., Алякин A.A., Айвазян Е.А., Жданович O.A. Компьютерный менеджмент качества особо чистых .веществ на основе концепции CALS (ISO-10303 STEP) // Приборы и автоматизация, 2005. -№ 12. С. 26-36.

23. Бессарабов A.M., Афанасьев А.Н. CALS-технологии при проектировании перспективных химических производств // Химическая технология, 2002. № 3. - С. 2630.

24. Бессарабов A.M., Афанасьев А.Н., Ефимова В.П., Рябеико Е.А. CALS-технологии и их внедрение в химическом комплексе России // Химия и рынок, 2001. № 3. - С. 43-45.

25. Бессарабов A.M., Гафитулин М.Ю., Поляков A.B., Сафонова Т.А. Автоматизированные системы для управления инновационным бюджетным финансированием отраслевой науки // Приборы и автоматизация, 2005. — № 6. — С. 51-60.

26. Бессарабов A.M. Жданович O.A. Разработка информационной системы аналитического контроля качества химических реактивов и особо чистых материалов // Неорганические материалы, 2005. Т. 41, № 11. - С. 1397-1404.

27. Бессарабов A.M., Квасюк A.B., Кочетыгов A.J1. Системный анализ инновационной деятельности ведущих предприятий химического комплекса (1995-2007 гг.) // Теоретические основы химической технологии, 2009. Т. 43, № 3. - С. 3-12.

28. Бессарабов A.M., Квасюк A.B., Кочетыгов A.JI. Системный анализ инновационной деятельности ведущих предприятий химического комплекса (1995-2007 гг.) // Теоретические основы химической технологии, 2009. — Т.43, № 4. С. 466-475.

29. Бессарабов A.M., Поляков A.B. Разработка информационно-аналитической системы для оценки инновационного потенциала отраслевых ПИИ химического комплекса (1990-2003 гг.) // Информационные технологии, 2005. -№ 11. С. 44-52.

30. Бессарабов A.M., Рябенко Е.А., Ефимова В.П., Сафонова Т.А. Инновационный потенциал научных организаций химического комплекса России: 1990-2000 гг. // Химия и рынок, 2002. № 2-3. - С. 42-45.

31. Бессарабов A.M., Ягудин С.Ю., Гафитулин М.Ю., Терехов Д.В. Системный анализ бюджетного инновационного финансирования отраслевых научных организаций химической и нефтехимической промышленности // Нефтепереработка и нефтехимия, 2006. -№4. -С. 17-22.

32. Бессарабов A.M., Ягудин С.Ю., Прокудшт C.B. Кадровые и финансовые ресурсы отраслевой науки в химическом и нефтехимическом комплексе // Нефтепереработка и нефтехимия, 2005. № 1. - С. 7-12.

33. Бирюков Б.В., Гутчин И.Б. Машина и творчество. Результаты, проблемы, перспективы. — М.: Радио и связь, 1982.

34. Бурцев B.C. Новые подходы к созданию высокопараллельных вычислительных структур// Искусственный интеллект-2000. Тез. докл. науч. конф. Таганрог: ТРТУ, 2000.

35. Бурцев B.C. Принципы построения многопроцессорных вычислительных комплексов «Эльбрус»: Препринт. М., 1977.

36. Буч Г. Объектно-ориентированное проектирование с примерами применения / Пер. с англ. — М.: Конкорд, 1992.

37. Вальковский В.А. Распараллеливание алгоритмов и программ. Структурный подход. М.: Радио и связь, 1989.

38. Вальковский В.А., Малышкин В.Э. Синтез параллельных программ и систем на вычислительных моделях. Новосибирск: Наука, 1988.

39. Валях Е. Последовательно-параллельные вычисления / Пер. с англ. М.: Мир, 1985.

40. Варламов О.О. Алгоритм разреза сети по вершинам и ребрам ее графа сложности 0(п2) // Труды НИИР: Сб. ст. М., 1997. - С. 92-97.

41. Варламов 0.0. Анализ взаимосвязей GRID и САС ИВК, SOA и миварного подхода // Искусственный интеллект, 2005. № 4. - С. 4-11.

42. Варламов 0.0. Интеллектуальные системы информационной безопасности и системный синтез модели компьютерных угроз // Искусственный интеллект, 2006. — № 3.- С. 720-727.

43. Варламов О.О. Компьютерная разведка и создание АС до класса защищенности 1Г на основе сертифицированного ПС «ЭЛАР Саперион» // Искусственный интеллект, 2008.- № 3. С. 137-144.

44. Варламов О.О. О ■ миварно-матричпом подходе к решению задач поиска минимального разреза и коммивояжера в целях снижения вычислительной сложности // Искусственный интеллект. 2008. — № 3. — С. 626-629.

45. Варламов О.О. О необходимости перехода от теории искусственного интеллекта к разработке теории активного отражения // Известия Южного федерального университета. Технические науки. 2007. Т. 77. - № 2. - С. 89-95.

46. Варламов О.О. О системном подходе к созданию модели компьютерных угроз и ее роли в обеспечении безопасности информации в ключевых системах информационной инфраструктуры // Информационное противодействие угрозам терроризма, 2006. № 8. -С. 216-228.

47. Варламов О.О. Основы многомерного информационного развивающегося (миварного) пространства представления данных и правил // Информационные технологии, 2003. - № 5. - С. 42-47.

48. Варламов О.О. Параллельная обработка • потоков информации на основе виртуальных потоковых баз данных // Известия вузов. Электроника. 2003. № 5. - С. 8289.

49. Варламов О.О. Переборное единично-ипкрементное суммирование чисел с линейной вычислительной сложностью // Автоматизация и современные технологии, 2003.-№ 1,-С. 34-40.

50. Варламов О.О. Пользовательская техническая компьютерная угроза и способы защиты от нее на основе обработки избыточных и закрытых запросов к базам данных // Известия Южного федерального университета. Технические науки. 2007. — Т. 76. — № 1. — с. 37-42.

51. Варламов О.О. Проблема адаптивного синтеза конфигураций интеллектуальных многопроцессорных систем // Интеллектуальные и многопроцессорные системы-2001. Тез. докл. Международной научной конференции. Таганрог: ТРТУ, 2001. С. 114-117.

52. Варламов О.О. Разработка адаптивного механизма логического вывода на эволюционной интерактивной сети гиперправил с мулыиактивизаторами, управляемой потоком данных // Искусственный интеллект, 2002. № 3. - С. 363-370.

53. Варламов О.О. Разработка квадратичной сложности методов поиска минимального разреза двухполюсных и многополюсных сетей // Искусс!венный интеллект, 2002. № 3. - С. 371-375.

54. Варламов О.О. Разработка линейного матричного метода определения маршрута логического вывода на адаптивной сети правил // Известия вузов. Электроника, 2002. -№6.-С. 43-51.

55. Варламов О.О. Разработка метода распараллеливания потокового множественного доступа к общей базе данных в условиях недопущения взаимного искажения данных // Информационные технологии, 2003. — № 1. — С. 20-28.

56. Варламов О.О. Самоорганизующиеся программно-аппаратные комплексы как развитие GRID-iexHOJioniü, SO А, миварного подхода и САС ИВК // Известия Таганрогского государственного радиотехнического университета, 2005. — № 9. С. 135176.

57. Варламов О.О. Системный анализ и синтез моделей данных и методы обработки информации для создания самоорганизующихся комплексов оперативной диагностики // Искусственный интеллект. 2003. № 3. - С. 299-305.

58. Варламов О.О. Системы обработки информации и взаимодействие групп мобильных роботов на основе миварного информационного пространства // Искусственный интеллект, 2004. — № 4. — С. 695-700.

59. Варламов О.О. Создание интеллектуальных систем на основе взаимодействия миварного информационного пространства и сервисно-ориентированной архитектуры // Искусственный интеллект, 2005. № 3. - С. 13-17.

60. Варламов О.О. Создание теории активного отражения как обобщения теории искусственного интеллекта и возможность ее реализации в миварном инфопространстве // 1 1скусственный интеллект,.2007. № 3. - С. 17-24.

61. Варламов О.О. Способ суммирования чисел.' Патент на изобретение № 2145113 от 23.10.1998 г., Россия, 2000.

62. Варламов О.О: Эволюционные базы данных и знаний для адаптивного синтеза интеллек1уальных систем. Миварное информационное пространство. М.: Радио и связь, 2002. - 288 с.

63. Варламов О.О. Эволюционные базы данных и знаний. Миварное информационное нрос1ранство // Известия Южного федерального университета. Технические науки. 2007. -Т. 77,-№2.-С. 77-81.

64. Варламов О.О., Адамова JI.E. Создание эволюционных баз данных и знаний // Научная сессия МИФИ-2002. Сборник научных трудов. В 14 томах. Т.2. Программное обеспечение. Информационные технологии. — М.: Изд-во МИФИ, 2002. — С. 101-103.

65. Варламов О.О., Адамова JI.E., Амарян М.Р., Лысаковский В.А. Обучение персонала на основе самоорганизующегося миварного информационного пространства в региональных компаниях электросвязи // Искусственный интеллект, 2003. № 4. - С. 318323.

66. Варламов О.О., Адамова Л.Е., Амарян М.Р., Лысаковский В.А. Проблема защиты информации в АСУ регионального оператора связи на основе миварных баз данных и правил // Искусственный интеллект, 2003. № 3. — С. 306-315.

67. Варламов О.О., Адамова Л.Е. Блохина C.B. Интеллектуальные технологии, управление развитием территориальной образовательной системы и образ «школы будущего» // Искусственный интеллект, 2007. № 4. - С. 147-155.

68. Варламов О.О., Адамова Л.Е., Локотков A.A., Межуев Н.В. и др. Системы искусственного интеллекта и компьютерные угрозы информационной безопасности // Искусс1 венный интеллект, 2004. № 3. - С. 781-788.'

69. Варламов О.О. Амарян М.Р. Многомерное изменяющееся представление данных для компаний электросвязи // Вестник связи International, 2003. — № 1. С. 23-25

70. Варламов О.О., Амарян М.Р. Применение технологий баз данных в АСУ региональных операторов электросвязи // BeciHiiK связи, 2003. — № 9. С. 79-82.

71. Варламов О.О., Амарян М.Р. Принципы и методы построения программно-аппаратных комплексов автоматизированных систем управления связью. М.: ИРИАС, 2003. - 204 с.

72. Варламов О.О., Амарян М.Р., Межуев Н.В. Устройство для суммирования чисел. Патент на полезную модель № 42671 от 10.12.2004 г., Россия, 2004.

73. Варламов О.О., Варламов О.Г., Варламов А.О. Устройство получения изображений (варианты). Патент на изобретение № 2319187 от 30.11.05 г., опубл. 10.03.2008 г. Россия, 2008.

74. Варламов О.О., Варламов О.Г., Варламов А.О. Об одном подходе к созданию интеллектуальных систем добывания видеоинформации путем оптического синтезирования апертуры // Искусственный интеллект, 2006. № 3. — С. 714-720.

75. Варламов О.О., Журавлева Э.М., Адамова JI.E. и др. Вопросы подготовки и мотивации специалистов по информационной безопасности // Известия Таганрогского I ос\ дарственного радиотехнического университета, 2004. №4. — С. 431-432.

76. Варламов О.О., Журавлева Э.М., Лысаковский В.А. О защите информации в АСУ регионального оператора связи на основе применения миварных баз данных и правил // КомпыоЛог. 2002. -№ 6. С. 10-16.

77. Варламов О.О., Журавлева Э.М., Чудинов С.М. и др. Проблема защиты информации в АСУ регионального оператора// Вестник связи, 2003. — № 1. — С. 42-48.

78. Варламов О.О., Журавлева Э.М., Чудинов С.М. О моделях документооборота и обучения на основе миварного пространства данных в АСУ регионального оператора связи // КомпьюЛог, 2002. № 5. - С. 39-43.

79. Варламов О.О., Кашенцева И.Ю. Амарян М.Р. и др. Интеллектуальные системы и проблематика прогнозирования развития Рунета // Искусственный интеллект, 2005. № 3. С. 410-419.

80. Варламов О.О., Кашенцева И.Ю. Синтез интеллектуальных процедур поддержки принятия решений для компаний электросвязи в условиях вступления России в ВТО // Искусственный интеллект. 2006. — № 3. — С. 737-746.

81. Варламов О.О., Кашенцева И.Ю., Коюв К.Ю. и др. Решение экономических задач и интеллектуальные сис1емы CRM операторов элекфосвязи // Искусственный интеллект, 2006.-№3.-С. 763-773.

82. Варламов О.О., Кузьменко М.Р., Котов К.Ю. и др. Роль интеллектуальных систем информационной безопасности для Рунета // Искусственный интеллект, 2005. — № 4. — С. 757-762.

83. Варламов О.О., Межуев Н.В. Методы единично-инкрементного суммирования чисел для ИТИ регионального оператора электросвязи // Вестник связи, 2004. — № 9. -С. 32-41.

84. Варламов О.О., Межуев Н.В., Адамова JI.E. и др. Моделирование Рунета для синтеза информационноттелекоммуникационной инфраструктуры // Искусственный интеллект, 2005. -№ 3. С. 117-126.

85. Варламов О.О., Межуев Н.В., Адамова J1.E. и др. Некоторые особенности построения системы защиты информации в АСУС оператора электросвязи // Известия Таганрогского государственного радиотехнического университета, 2004. №4. - С. 78-79.

86. Варламов О.О., Межуев Н.В., Адамова JI.E. и др. О развитии метода анализа иерархий для решения системно-экономических задач в целях повышения конкурентоспособности операторов электросвязи // Искусственный интеллект, 2006. — № 4. С. 453-459.

87. Варламов О.О., Тожа К.Э. Интеллектуальные системы принятия решений и запатенюванное устройство определения в сети связи места минимального разреза и максимального потока // Искусственный интеллект, 2008. № 4. — С. 302-307.

88. Варламов О.О., Тожа К.Э. О развитии корпоративной вычислительной сеш энергосбытовой деятельности на основе перспективных технологий баз данных // Вестник МАРТИТ, 2006. № 31. - С. 31-33.

89. Варламов О.О., Тожа К.Э. Устройство для определения места максимального потока в сети связи. Патент на полезную модель №72559 от 25.01.2008 г., опубл. 20.04.08 г., Россия, 2008.

90. Васильев В.И., Шевченко А.И. Формирование и опознавание образов. Серия «Искусственный интеллект». — Донецк: Изд-во ДонГИИИ, 2000. 360 с.

91. Васильев Г.П. Программное обеспечение неоднородных распределенных систем. Анализ и реализация. М.: Финансы и статистика, 1986.

92. Вейд А. Стандарт^ объектных запросов // Системы управления базами данных, 1996.- №4.

93. Величко И.В. Разработка и реализация СУБД сетевого типа:Дис. . канд. физ. -мат. наук. М., 1981.

94. Винер Н. Кибернетика, или управление и связь в животном и машине. М.: Радио. 1958.

95. Воеводин В.В. Информационная структура алгоритмов. М.: Изд-во МГУ, 1997.

96. Воеводин В.В. Математические модели и методы в параллельных процессах. -М.: Наука, 1986.

97. Воеводин В.В. Отображение проблем вычислительной математики на архитектуру вычислительных систем // Вычислительная математика и математическое моделирование. Тр. международной конф. Т. 1. — М.: Ин-т вычисл. математики РАН, 2000.- С. 242-255.

98. Воеводин В.В. Параллельные структуры алгоритмов и программ. М.: ОВМ АН СССР, 1987.

99. Воронин Ю.А. Теория классифицирования и ее приложения. Новосибирск: Наука, 1985.

100. Воронцов H.H. Теория эволюции: истоки, постулаты и проблемы. М.: Знание, 1984.

101. Гаврилов Г.П., Сапоженко A.A. Сборник задач по дискретной математике. — М.: Наука, 1977.

102. Гаврилова Т.А., Котова Е.Е., Писарев A.C. Активные схемы как инструмент семантического анализа // Труды межд. семинара «Диалог 99». Таруса, 1999. - С. 26-27.

103. Гаврилова Т:А., Червинская K.P. Извлечение и структурирование знаний для экспертных систем. -М.: Радио и связь, 1992.

104. Гаек П., Гавранек Т. Автоматическое образование гипотез (Математические основы общей теории). М.: Наука, 1984. — 262 с.

105. Гиглавый A.B. Исследование и разработка методов управления единым архивом данных применительно к задачам автоматизации проектирования цифровых устройств: Дис. . канд. техн. наук. — М., 1975.

106. Гиглавый A.B. Теория баз данных. Меморандум трех // Программирование, 1992.- № 2.

107. Гилула М.М. Множественная модель данных в информационных системах. М.: Паука, 1992.-208 с.

108. Глушков В.М. Кибернетика, вычислительная техника, информатика. Избранные труды: В 3 т. Киев: Наукова думка, 1990.

109. Головкин Б.А. Вычислительные системы с большим числом процессоров. М.: Радио и связь, 1995.

110. Горбань А.Н. Обход равновесия. Новосибирск: Наука, 1984.

111. Горбань А.Н., Хлебопрос Р.Г. Демон Дарвина: Идея оптимальности и естественный отбор. М.: Наука. Гл. ред. физ. - мат. лит., 1988. - 208 с.

112. Городецкий В.И. Прикладная алгебра и дискретная математика. Часть 1. Алгебраические системы. МО СССР, 1984. - 174 с.

113. Городецкий В.И. Прикладная алгебра и дискретная математика. Часть 2. Формальные системы нелогического типа. МО СССР, 1986. - 200 с.

114. Городецкий В.И. Прикладная алгебра и дискретная математика. Часть 3. Формальные системы логического типа. МО СССР, 1987. - 177 с.

115. Горский Д.П. Вопросы абстракции и образования понятий. М., 1961.

116. Горшкова Е.А., Пекрестьянов И.С., Новиков Б.А., Павлова Е.Ю. Поддержка согласованности для слабоструктурированных данных // Программирование, 2000. — № 3. С. 23-30.

117. Грант В. Эволюция организмов. М.: Мир, 1980.

118. Гурин В.II: Математические основы организации и обработки информации в одном классе многомерных структур данных: Дис. канд. физ. мат. наук. — Грозный, 1982.

119. Гусева Т.И., Башин Ю.Б. Проектирование баз данных в примерах и задачах. М.: Радио и связь, 1992. — 160 с.

120. Давыдов А.Н., Барабанов В.В., Судов Е.В. CALS-технологии: основные • направления развития // Стандарты и качество, 2002. №7. — С.12-18.

121. Дейкстра Э. Взаимодействие последовательных процессов // Языки программирования. М.: Мир, 1972.

122. Дейт К. Введение в системы баз данных. — М.: Наука, 1980.

123. Джордж Ф. Основы кибернетики / Пер. с англ. М.: Радио и связь, 1984. - 272 с.

124. Дзюба С.М. Разработка методов исследования периодических процессов в задачах управления: Дис.'. д-ра физ. мат. наук. - М.,-1998.

125. Дмитриев Ю., Корнеев В., Хорошевский В. Вычислительная система с программируемой структурой МИКРОС // Вычислительные системы с программируемой структурой. Вычислительные системы, 94. ИМ СО АН СССР. Новосибирск, 1982.

126. Долидзе А:Н. Концептуальная модель предметной области со слабовыраженной структурой: Дис. канд. физ. мат. наук. - Тбилиси, 1988.

127. Дубова H. SOA: подходы к реализации // Открытые системы. СУБД, 2004. № 6. -С. 19-25.

128. Евреинов Э., Хорошевский В. Однородные вычислительные системы. -Новосибирск: Наука, 1978.

129. Евреинов Э.В. Однородные вычислительные системы, структуры и среды. М.: Радио и связь, 1981.

130. Евреинов Э.В., Косарев Ю.Г. Однородные универсальные вычислительные системы высокой производительности. — Новосибирск: Наука, 1966.

131. Евстигнеев В:А. Применение теории графов в программировании // Под ред. А.П. Ершова. М.: Наука, 1985.

132. Ефимов Е.И. Субъектно-предикатные модели обоснования тезисов. М., 1991.

133. Ефимова С.М. Применение П-графов для представления и поиска знаний в динамических базах знаний: Дис. канд. физ. : мат. наук. М., 1986.

134. Жданович O.A., Айвазян Е.А., Бессарабов A.M. Информационные CALS-технологии при разработке промышленных производств особо чистых материалов // Успехи в химии и химической технологии: сб. научных трудов. 2005. - T. XIX, №2. -С. 10-12.

135. Замулин A.B. Интегральная языковая среда для описания и реализации баз данных различных моделей: Дис. д-ра физ. мат. наук. - Новосибирск, 1989.

136. Замулин A.B. Перспективы развития системы баз данных третьего поколения // Программирование, 1992. -№ 2. С. 33-46.

137. Замулин A.B. Программное обеспечение информационно-поисковой системы общего назначения: Дис. канд. физ. мат. наук. - Новосибирск, 1974.

138. Замулин A.B. Системы программирования баз данных и знаний. — Новосибирск: Наука, 1990.

139. Замулин A.B. Типы данных в языках программирования и базах данных. -Новосибирск: Наука, 1987.

140. Захарченко А.Н. Обработка информации в комплексных системах мониторинга. -М., 2001.- 147 с.

141. Зимачева Е.М. Способы вербальной презентации образа «Я» и самоотношение субъекта: Дис. . канд. псих. наук. — М., 1997.

142. Зыкин C.B. Формирование пользовательского представления реляционной базы данных с помощью отображений // Программирование, 1999. — № 3. С. 70-80.

143. Зыков A.A. Основы теории графов. М.: Наука, 1987.

144. Ивахненко А.Г., Зайченко Ю.П., Димитров В.Д. Принятие решений на основе самоорганизации.-М.: Советское радио, 1976. •

145. Игнатьев А.Г1. Кривошеев О.Н., Чудинов С.М. Системотехнические подходы и экономические методы развития инновационной деятельности телекоммуникационной компании. (Монография). Белгород: Изд-во БелГУ. 2009. - 252 с.

146. Ильин В.П. О стратегиях распараллеливания в математическом моделировании // Программирование, 1999. -№ 1. С. 41-46.

147. Ильин Г.М. Модели информационных систем: Дис. . канд. физ. мат. наук. - JL, 1975.

148. Илюшин А.И. Построение системы управления данными на основе ограниченного числа базисных понятий: Дис. канд. физ. мат. наук. - М., 1974.

149. Индикаторы инновационной деятельности: 2008. Статистический сборник. М.: ГУ-ВШЭ, 2008.-424 с.

150. Интеллектуальные и многопроцессорные системы-2005. — Таганрог: ТРТУ, 2005. 344 с.

151. Интеллектуальные многопроцессорные системы 2007 - Таганрог: ТРТУ, 2007. -256 с.

152. Интеллектуальные робототехнические системы — 2007. Таганрог: ТРТУ, 2007. -318 с. "

153. Иофинова М.Е. Решетки помеченных деревьев в задаче согласованного обновления иерархических баз данных: Дис. канд. физ. мат. наук. - М. 1989.

154. Искусственный интеллект-2000 // Тез. докл. науч. конф. Таганрог: ТРТУ, 2000. -202 с.

155. Кабанов А.Г., Давыдов А.Н., Барабанов В.В., Судов Е.В. CALS-технологии для военной продукции // Стандарты и качество, 2000. № 3. - С. 65-72.

156. Калинин В.Н., Резников Б.А., Варакин Е.И. Теория систем и оптимального управления. Ч. 2. Понятия, модели, методы и алгоритмы оптимального выбора. — Л., 1987. 589 с.

157. Калиниченко Л.А. Метод построения коммутативных отображений моделей данных при интеграции неоднородных баз данных // Программирование. 1999. — № 6. — С. 38-47.

158. Калиниченко JI.A. Методы и средства интеграции неоднородных баз данных. -М.: Наука, 1983.

159. Калиниченко Л.А., Манукян М.Г. Языковые средства временно-ориентированной модели данных//Программирование, 1990. — № 5. С. 73-86.

160. Калиниченко Л.А., Рывкин В.М. Машины баз данных и знаний. М.: Наука. Гл. ред. физ.-мат. лит., 1990. - 296 с.

161. Калиниченко Л.А. Скворцов H.A. Брюхов Д.О., Кравченко Д.В., Чабан И.А. Проектирование персонализированных электронных библиотек над Web-сайтами со слабоструктурированными данными // Программирование. 2000. -№ 3. — С. 9-22.

162. Каляев A.B. Многопроцессорные системы с программируемой архитектурой. -М.: Радио и связь, 1984. .

163. Каляев A.B. Суперкомпьютеры, супернейрокомпьютеры и искусственный интеллект // Искусственный интеллект-2000. Тез.'докл. науч. конф. Таганрог: ТРТУ, 2000. - С. 12-14.

164. Квасюк A.B., Кочетыгов А.Л., Ягудин С.Ю., Бессарабов A.M. Компьютерный анализ инновационного развития ведущих предприятий шинной промышленности (19952005) // Нефтепереработка и нефтехимия, 2008. № 7. - С. 8-14.

165. Киселева В.В., Кузнецова Т.Е. Государственные научные центры: структурные преобразования // Проблемы прогнозирования, 1997. — № 4. С. 111-123.

166. Ковтун И.И. Матрично-реляционпая модель данных в организационно-производственных системах мониторинга и управления: Дис. . канд. техн. наук. М., 1997.- 183 с.

167. Ковтун И.И. Матрично-реляционная модель данных для представления и обработки информации в автоматизированных системах мониторинга и управления // Программирование, 1997. — № 6. С. 58-72.

168. Когаловский М.Р. Систематика коллекций информационных ресурсов в электронных библиотеках // Программирование, 2000. — № 3. С. 30-52.

169. Когаловский М.Р. Энциклопедия технологий баз данных. — М.: Финансы и статистика, 2005. — 800 с.

170. Когаловский М.Р., Новиков Б.А. Электронные библиотеки — новый класс информационных систем // Программирование, 2000. — № 3. — С. 3-8.

171. Козленко Л.А. Разработка математического обеспечения систем управления вложенными транзакциями в параллельных и распределенных средах: Автореферат дис. канд. техн. наук. Воронеж, 2000.

172. Концепция развития безопасных информационных технологий: обеспечение защиты информации в проектах информатизации России. Отчет. М., 1992. - 149 с.

173. Корженевич Ю.В.; Кобайло A.C. Синтез вычислительных структур. М.: Наука и техника, 1989.

174. Корнеев В.В. Архитектура вычислительных систем с программируемой' структурой. Новосибирск: Наука, 1985.

175. Корнеев В.В. Параллельные вычислительные системы. М.: Нолидж, 1999.

176. Корнеев В.В., Киселев А:В. Современные микропроцессоры. М.: Нолидж, 1998.

177. Костенко В.А., Смелянский P.JL, Трекин А.Г. Синтез структур вычислительных систем реального времени с использованием генетических алгоритмов // Программирование, 2000. № 5. - С. 63-72.

178. Коуги П.М. Архитектура конвейерных ЭВМ / Пер. с англ. М.: Радио и связь, 1985.

179. Кохонен Т. Ассоциативная память. -М.: Мир,'1980.

180. Кошелев С.А. Программирование без программирования. Использование утилиты Designer пакета Clarion для разработки программ. М.: Радио и связь, 1992. - 192 с.

181. Кристофидес Н. Теория графов. Алгоритмический подход / Пер. с англ. — М.: Мир, 1978.

182. Кузин J1.T. Основы кибернетики. Т. 1. Математические основы кибернетики. Учебное пособие для студентов втузов. — М.: Энергия, 1973. 504 с.

183. Кузин J1.T. Основы кибернетики: В 2-х т. Т. 2. Основы кибернетических моделей. Учебное пособие для вузов. М.: Энергия, 1979. - 584 с.

184. Кузнецов О.П. Дискретная математика для инженера. 6-е изд., стереотип. — СПб: Издательство «Лань», 2009. - 400 с.

185. Кузнецов С.Д. Базы данных: языки и модели. М.: ООО «Бином-Пресс», 2008. -720 с.

186. Кузнецов С.Д., Пономаренко В.Н. Выработка оптимальных планов выполнения запросов в реляционных СУБД // Программирование, 1990. № 2.

187. Кук Д., Бейз Г: Компьютерная математика: Пер. с англ. М.: Наука, Гл. ред. физ.-мат. лит., 1990. -384 с.

188. Ладенко И.С. Имитационные системы. Новосибирск: Наука, 1981. - 300 с.

189. Ладенко И.С. Интеллектуальные системы в целевом управлении. Новосибирск: Наука, 1987,- 199 с. , ■

190. Ладенко И.С. Интеллектуальные системы и логика. Новосибирск: Наука, 1973. -172 с.

191. Ладенко И.С. Логические методы построения математических моделей. -Новосибирск: Наука, 1980. 192 с.

192. Ластовецкий А.Л. Язык и система параллельного программирования для разработки программ, эффективно переносимых в классе распределенных вычислительных систем: Дис. д-ра физ.-мат. наук. — М., 1997.

193. Левонтин Р. Генетические основы эволюции. М.: Мир, 1978.

194. Лекции по теории графов: Учебное пособие. / В.А. Емеличев, О.И. Мельников, В.И. Сарванов, Р.И. Тышкевич. М.: Наука, 1990.

195. Леонтьев А.Н. Лекции по общей психологии. М.: Смысл, 2000.

196. Ливчак А.Б. Полнота языков запросов // Программирование, 1993. — № 2.

197. Лима Т. Введение в dBASE IV / Пер. с англ. М.: Радио и связь, 1993. - 304 с.

198. Логический подход к искусственному интеллекту: От модальной логики к логике баз данных / Пер. с франц. // А. Тейз, П. Грибомон, Г. Юлен и др. М.: Мир, 1998.

199. Ломазова И.А. Каузальная семантика для сетей Петри с контактами // Программирование, 1999. -№ 4. С. 43-53.

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

201. Лэнгсам Й., Огенстайн М., Тененбаум А. Структуры данных для персональных ЭВМ / Пер. с англ. М.: Мир, 1989. - 568 с.

202. Любарский Ю.Я. Интеллектуальные информационные системы. -.М., Наука. Гл. ред. физ.-мат. лит. 1990.

203. Люгер Дж.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. -4-е издание: Пер. с англ. М.: Издательский дом «Вильяме», 2005. - 864 с.

204. Майника Э. Алгоритмы оптимизации на сетях и графах / Пер. с англ. М.: Мир, 1981.

205. Майр Э. Популяции, виды и эволюция. — М.: Мир, 1974.

206. Макалистер Дж. Искусственный интеллект и ПРОЛОГ на микроЭВМ. М.: Машиностроение, 1990.

207. Мальковский М.Г., Шикин И.Ю. Нечеткий лингвистический интерфейс // Программирование, 1998. № 4. - С. 50-61. ' '

208. Мальцев A.A. Алгебраические системы. -М.: Наука, 1970.

209. Мальцев A.A. Алгоритмы и рекурсивные функции. М.: Наука, 1965. - 390 с.

210. Мандел Т. Дизайнинтерфейсов / The Elements of Usei Interface Design. M.: Издательство ДМК, 2005. - 410 с.

211. Марков A.C., Лисовский К.Ю. Базы данных. Введение в теорию и методологию: Учебник. — М.: Финансы и статистика, 2006. — 512 с.

212. Мартин Дж. Организация баз данных в вычислительных системах. М.: Мир, 1980.

213. Мартыненко Б.К. Синтаксически управляемая обработка данных: Дис. д-ра физ. -мат. наук.-СПб., 1997.

214. Мартынов М.Г. Пространственные методы доступа // Программирование, 1998. -№ 3. С. 59-69.

215. Материалы XXI Международной Инновационно — ориентированной конференции молодых ученых и студентов (МИКМУС-2009). М.: Издательство ИМАШ РАН, 2009. -224 с.

216. Материалы XXII Международной 1 Инновационно — ориентированной конференции молодых ученых и студентов' «Будущее машиностроения России» (МИКМУС-2010). М.: Издательство ИМАШ РАН, 2009. - 224 с.

217. Материалы веб-сайга д.т.н. Варламов О.О. // http://www.ovar.narocl.ru. 2010.

218. Материалы веб-сайта компании МИВАР // http://www.mivar.ru. 2010.

219. Материалы Международной научно-молодежной школы «Сисхемы и средства искусственного интеллекта» (ССИИ-2010). Донецк: ИПИИ «Наука i о с iura», 2010. -116 с.

220. Материалы Международной научно-технической конференции «Искусственный интеллект. Интеллектуальные системы» (ИИ-2010) // В 2-х т. Донецк: ИПИИ «Наука i оевгта», 2010.

221. Мейер Д. Теория реляционных баз данных. М.: Мир, 1987.

222. Мидоу Ч. Анализ информационно-поисковых систем. — М.: Мир. 1970.

223. Минский М. Вычислительные машины и мышление. М.: Мир, 1967.

224. Минский М. Фреймы для представления знаний. М.: Энергия, 1979.

225. Миренков H.H. . Параллельное программирование для многомодульных вычислительных систем. М.: Радио и связь, 1989.

226. Митичкин С.А. Разработка в системе 1С Предприятие 8.0. М.: ООО «1С-Паблишинг», 2003. - 413 с.

227. Михайлов A.B. 1С: Предприятие 7.7/8.0: системное программирование. СПб.: БХВ-Петербург, 2005. - 336 с.

228. Михайлова Е.Г. Структуры хранения для временных баз данных // Программирование, 1997. № 6. - С. 73-80.

229. Монахов О. Параметрическое описание структур однородных вычислительных сис1см. Вопросы теории и построения вычислительных систем. — Новосибирск: ИМ СОАН СССР, 1979.

230. Монахова Э. Об аналитическом задании оптимальных двумерных диофантовых структур однородных вычислительных систем // Однородные вычислительные системы. -Новосибирск, ИМ СО АН СССР, 1981.

231. Мутушев Д.М. Методы обеспечения доступа к объектно-ориентированным базам данных на основе стандартов реляционных систем. Автореферат дис. . канд. физ. мат. наук. - М., 1998.

232. Мутушев Д.М. Реализация расширения объектной модели ODMG в среде реляционных СУБД // Программирование, 1998. № 3. - С. 46-58.

233. Мутушев Д.М., Филиппов В.И. Объектно-ориентированные базы данных // Программирование, 1995. -№ 6.

234. Назин A.B., Позняк A.C. Адаптивный выбор вариантов: Рекуррентные алгоритмы. -М.: На>ка. Гл. ред. физ. мат. лит., 1986.

235. Наука России в цифрах: 2002. Статистический сборник. М.: ЦИСН, 2003. -137 с.

236. Научно-технические основы информатизации России. М., 1992.

237. Нейман Дж. Теория самовоспроизводящихся автоматов / Пер. с англ. М.: Мир, 1971.

238. Нигиян С.А. Функциональные и логические языки программирования (формализация, анализ, интерпретация): Дис. д-ра физ.-мат. наук. Ереван, 1997.

239. Нильсон Н. Искусственный интеллект. Методы поиска решений. М.: Мир, 1973.

240. Новиков Б.А. Системы хранения баз данных и знаний // Программирование, 1993. № 2. - С. 3-30.

241. Окунишникова Е.В. Временные сети, Петри без перекрышй интервалов срабатывания // Программирование, 1998. — № 5. — С. 15-29.

242. Олле T.B. Предложения КОДАСИЛ по управлению базами данных. М.: Финансы и сташстика, 1981.

243. Орлов А. Б. Экспериментальные и прикладные исследования мотивационных образований в зарубежной когнитивной психологии // Психологический журнал, 1990. — Т. 11. -№ 6.

244. Орфеев Ю.В.,. Тюхтин B.C. Мышление человека и искусственный интеллект. -М.: Мысль, 1978.

245. Осипов Г.С. Приобретение знаний интеллектуальными системами. М.: Наука, 1997.

246. Отраслевая наука в цифрах: 2000. Краткий статистический сборник. М.: Минпромнауки России, 2001. — 64 с.

247. Параллельные вычисления / Пер. с англ. // Под ред. Г. Родрига. М.: Наука, 1986.

248. Першиков В.И., Савинков В.М. Толковый словарь по информатике. М.: Финансы и статистика, 1991. — 543 с.

249. Печников A.A. Вопросы логической и физической организации информационных систем: Дис. канд. физ. мат. наук. - Л., 1981.

250. Питерсон Дж. Теория сетей Петри и моделирование систем / Пер. с англ. М., 1984. - 264 с.

251. Плоткин Б.И. Универсальная алгебра, алгебраическая логика и базы данных. М.: Наука, 1991.

252. Попов Э.В. Динамические интеллектуальные системы в управлении и моделировании. М.: МИФИ, 1996.

253. Попов Э.В. Искусственный интеллект: экспертные системы. М.: Наука, 1990.

254. Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. Статистические и динамические экспертные системы. — М.: Финансы и статистика, 1996.

255. Попов Э.В., Фридман Т.Р. Алгоритмические основы интеллектуальных роботов и искусственного интеллекта. М.: Наука, 1976.

256. Поспелов Г.С., Поспелов Д.А. Искусственный интеллект — прикладные системы. — М.: Знание, 1985.-48 с. '

257. Поспелов Д.А. Введение в теорию вычислительных систем. — М.: Советское радио, 1983.-272 с.

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

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

260. Прикладная статистика: Классификация и снижение размерности: Справ, изд. // С.А. Айвазян, В.М. Бухштабер, И.С. Енюков, Л.Д. Мешалкин. // Под ред. С.А. Айвазяна. -М.: Финансы и статистика, 1989.

261. Проблемы программно-целевого планирования и управления // Под ред. Г.С. Поспелова. М.: Наука, ГРФМЛ, 1981.

262. Промышленность России. 2006: Статистический сборник. Госкомстат России. -М„ 2006.-238 с.

263. Райбекас А.Я. Вещь, свойство, отношение как философские категории. Томск: Изд-во Томского университета, 1977.

264. Райли Д. Абстракция и структуры данных: Вводный курс. М.: Мир, 1993. -752 с.

265. Рамакришнан Л. Защита grid // Открытые системы. СУБД, 2004. № 6. - С. 63-68.

266. Рамъялг А.Е. Разработка метода отображения сетевой модели данных в реляционную и его реализация: Дис. канд. физ. мат. наук. - М., 1979.

267. Раскин Д. Интерфейс: новые направления в проектировании компьютерных систем / The Human Interface. New Directions for Designing Interactive Systems M.: Издагельство»Символ-Плюс», 2005. - 272 с.

268. Решение задач в интеллектуальных компьютерных средах: Сб. науч. тр. // АН Украины.-Киев, 1991.

269. Ривкин М.Н. Векторные операции для моделирования процедур преобразования данных // Программирование, 1991. № 3.

270. Рокотов В.П. Автоматизированное управление формированием и реализацией планов: Дис. д-ра техн. наук. М., 1998.

271. Ростовцев Ю.Г. . Информация и представление знаний // Известия ВУЗ. Приборостроение, 1981. -№ 4. С. 92-96.

272. Ростовцев Ю.Г. Математические методы и модели оценивания военно-политической обстановки. МО СССР, 1986. - 312 с.

273. Ростовцев Ю.Г., Рахматуллин М.Ю. Формализация целей в системе взаимодействующих роботов // Известия ВУЗ. Приборостроение, 1984. -№ 11 С. 3-9.

274. Рубинштейн С.Л. Основы общей психологии. В 2-х томах. М.: Педагогика, 1989.

275. Саати Т.Л. Математические модели конфликтных ситуаций. М.: Советское радио, 1977.

276. Сазонов В.Ю. Базы данных типа Web, антифунднрованные множества и индуктивная определимость // Программирование, 1999. № 5. - С. 26-43.

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

278. Саймон Г. Науки об искусственном. М.: Мир, 1972.

279. Санду P.A. Метод логико-вычислительной обработки данных химической и нефтехимической промышленности России на основе продукций и миварной сети правил для управления инновационными ресурсами // Прикладная информатика, 2010. № 3(27). - С. 87-107.

280. Санду P.A. Метод обработки экспериментальных данных о параметрах физических процессов в информационно-измерительных системах на основе миварных логических сетей // Метрология, 2010. № 5. — С. 32-41.

281. Санду P.A. Создание миварной ' экспертной системы для управления инновационными ресурсами химической и нефтехимической промышленности России. -М.: Московский печатник, 2009. 155 с.

282. Санду P.A. Создание многомерной эволюционной прикладной автоматизированной информационной системы поддержки принятия решений для управления инновационными ресурсами // Транспортное дело России, 2010. — № 7. — С. 116-119.

283. Санду P.A. Алякин A.A., Кочетыгов A.JL, Бессарабов A.M. CALS-технология нлазмохимического синтеза особо чистых наноматериалов // Материалы Второго Международного форума по нанотехнологиям (г. Москва, 6-8 октября 2009 г.). М.: ЦВК «Экспоцентр», 2009.

284. Санду P.A., Бессарабов A.M., Алякин A.A., Айвазян Е.А. Анализ динамики основных фондов в научных организациях химического комплекса // Химическая промышленность сегодня, 2005. № 7. - С. 3-8.

285. Санду P.A., Бессарабов A.M., Алякин A.A., Поляков A.B., Ягудин С.Ю. Разработка подсистемы анализа и управления материальными ресурсами отраслевого НИИ химического и нефтехимического комплекса // Нефтепереработка и нефтехимия, 2007.-№2.-С. 3-9.

286. Санду P.A., Бессарабов A.M., Кочетыгов А.Л., Квасюк A.B. Информационно-аналитическая система для оценки инновационных ресурсов ведущих предприятийхимической и нефтехимической промышленности // Химическая промышленность сегодня, 2009. -№ 11. С. 4-11.

287. Санду P.A., Варламов О.О. Миварный подход к созданию интеллектуальных систем и искусственного интеллекта. Результаты 25 лет развития и ближайшие перспекшвы. — М.: Стандартипформ, 2010. 339 с.

288. Санду P.A.,' Варламов О.О., Владимиров А.Н., Бадалов А.Ю., Тожа К.Э. Миварный метод логико-вычислительной обработки информации для АСУ, тренажеров и экспертных систем реального времени // Искусственный интеллект, 2010. - № 4. - С. 558565.'

289. Сайду P.A., Гринберг Е.Е., Левин Ю.И., Ухин В.И., Рябцева М.В., Стрельникова И.Е. Способ очистки жидких, летучих алкилсилоксанов и алкитлсилазанов. № заявки 2010145046 (064945) от 08.11.2010 г.

290. Санду P.A., Макаренков Д.А., Мухрин О.Н. Бисерная мельница (полезная модель). № заявки 2010135029/21 (049801) от 24.08.2010 г. Решение о выдаче патента на полезную модель от 1 декабря 2010 г.

291. Санду P.A., Сергушин Г.С., Варламов О.О. О разработке обучающих программ по физике на основе миварных логических сетей // В. сб. научных трудов «Информатика и вычислительная техника» / Под ред. В.Н. Негоды. Ульяновск: УлГТУ, 2010. - С. 478481.

292. Сиротюк В.О. Разработка моделей, методов и инструментальных средств анализа и синтеза оптимальных структур баз данных в автоматизированных информационно-управляющих системах: Дис. . д-ра техн. паук. М., 1999.

293. Системы параллельной обработки / Пер. с англ. // Под ред. Д. Ивенса. — М.: Мир, 1985.

294. Создание и применение гибридных экспертных систем // Тез. докладов Всесоюзной конференции. Рига, 1990.

295. Справочник по искусственному интеллекту в 3-х т. // Под ред. Э.В. Попова, Д.А. Поспелова. М.: Радио и связь. 1990.

296. Станишич П. Метод трансляции реляционных SQL-запросов в эквивалентные запросы к трансформированной объектно-ориентированной базе данных // Труды факультета ВМ и К МГУ. Прикладная математика и информатика, 1999. — № 1.

297. Станишич П. Трансформация реляционных баз данных в объектно-ориентированные, включая трансляцию запросов // Программирование, 1999. — № 5. — С. 12-45.

298. Стогний A.A., Калнниченко J1.A. 5-я Всесоюзная конференция по базам данных и знаний //Управляющие системы и машины, 1991. — № 7. — С. 3-4.

299. Тарануха В.М. Разработка и исследование принципов и методов организации вычислений на основе параллельной вертикальной арифметики: Автореферат дис. . д-ра техн. наук. Таганрог, 2000.

300. Тарануха В.М. Теоретические основы и принципы построения вычислительных средств параллельной вертикальной арифметики. Таганрог, Изд-во «Таганрог», 1996. -140 с.

301. Тарасюк И.В. Понятия эквивалентностей для разработки параллельных систехМ с использованием сетей Петри // Программирование, 1998. -№ 4. С. 19-39.

302. Tay бе М. Вычислительные машины и здравый смысл. М.: Мир, 1964.

303. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных сис i ем на персональных ЭВМ / Пер. с англ. М.: Финансы и статистика, 1990. - 320 с.

304. Тслерман В.В., Ушаков Д.М., Швецов И.Е. Уровни параллельности в задачах удовле1ворения ограничений с недоопределенными объектами // Программирование, 1998,-№6.-С. 60-69: •

305. Тербер К.Дж. Архитектура высокопроизводительных вычислительных систем / Пер. с англ. М.: Наука, 1985.

306. Тимченко В.А. Преобразование классов семантических сетей: Автореферат дис. канд. техн. наук. Владивосток, 2010. - 19 с.

307. Тиори Т., Фрай Дж. Проектирование структур баз данных. М.: Мир, 1985.

308. Трахтенгерц Э.А. Введение в теорию анализа и распараллеливания программ ЭВМ. М.: Наука, 1981.

309. Трахтенгерц Э.А. Программное обеспечение параллельных процессов. М.: Наука, 1981.

310. Труды Конгресса по интеллектуальным системам и информационным технологиям «AIS 1Т'09» // В 3-х т. - М.: Физматлит, 2009.

311. Турчин В.Ф. Феномен науки: Кибернетический подход к эволюции. М.: Наука, 1993.

312. Тыугу Э.Х. Объектно:ориентированное программирование // Программирование, 1990,-№6.-С. 16-26.

313. Уемов А.И. Вещи,' свойства и отношения. М.: Изд-во АН СССР, 1963.

314. Уинстон П. Искусственный интеллект. — М.: Мир, 1980.

315. Ульман Ж. Основы систем баз данных. М.: Финансы и статистика, 1983.

316. Уоссермен Ф. Нейрокомпьютерная техника. A4.: Мир, 1992.

317. Уотермен Д. Руководство по экспертным системам / Пер. с англ. М.: Мир, 1989. -388 с.

318. Уэлдон Дж.-JI. Администрирование баз данных / Пер. с англ. М.: Финансы и статистика, 1984. - 207 с.

319. Федосеев П.Н. Философия и научное познание. — М.: Наука, 1983.

320. Фейгенбаум Э., Фельдман Дж. Вычислительные машины и мышление. М.: Мир, 1967.

321. Фейгин Д. Концепция SOA // Открытые системы. СУБД, 2004. № 6. - С. 14-18.

322. Фейнман Р., Лэйтон Р., Сэндс М. Фейнмановские лекции по физике. Вып.З. М.: Мир, 1965.

323. Филиппов В.И., Пржиялковский В.В., Шкотин A.B. Инструментальные средства информационного моделирования // Управляющие системы и машины, 1991. № 7.

324. Философия. Методология. Наука. -М., 1972.

325. Философский словарь: М.: Политиздат, 1987.

326. Финк Д. Вычислительные машины и человеческий разум. М.: Мир, 1967.

327. Флорес И. Структуры и управление, данными / Пер. с англ. — М.: Финансы и статистика, 1982. — 319 с.

328. Фогель Л., Оуэне А., Уолш М. Искусственный интеллект и эволюционное моделирование. М.: Мир, 1969.

329. Фридлянов В.Н., Бессарабов A.M. Анализ интеллектуального и экономического потенциала отраслевой химической науки (1990-2002) // Тез. докл. 17-го Менделеевского съезда по общей и прикладной'химии. — Казань, 2003. Т. 1.

330. Фридлянов В.Н., Остаток С.Ф., Богачев Ю.С., Флерова А.Н. Научно-технический потенциал отраслевых комплексов, курируемых Минпромнауки России (по результатам государственной аккредитации 1998-1999 годов) // Конкурс, 2000. № 3. - С. 2-12.

331. Фрир Дж. Построение вычислительных систем на базе перспективных микропроцессоров / Пер. с англ. М.: Мир, 1990.

332. Фролов A.B. Нахождение и использование ориентированных разрезов реальных графов алгоритмов // Программирование, 1997. — № 4. С. 71-80.

333. Хант Э. Искусственный интеллект. М.: Мир, 1978. - 558 с.

334. Хоар Ч. Взаимодействующие последовательные процессы / Пер. с англ. М.: Мир, 1989.

335. Хокни Р., Джессхоуп К. Параллельные ЭВМ. Архитектура, программирование и алгоритмы / Пер. с англ. М.: Радио и связь, 1986.

336. Хорошевский В.Ф. Пространства знаний в сети Интернет и Semantic Web (Часть 1) // Искусственный интеллект и принятие решений, 2008. № 1. - С. 80-97.

337. Хэндлер В. Новая архитектура ЭВМ — как увеличить параллелизм, не увеличивая сложности / Пер. с англ. // Системы параллельной обработки. М.: Мир, 1985.

338. Цаленко М.Ш. Моделирование семантики в базах данных. М.: Наука. Гл. ред. физ.-мат. лит., 1989. -288 с.

339. Цаленко М.Ш. Реляционные модели баз данных // В сб.: Алгоритмы и организация решения экономических задач. — М.: Статистика, 1977. — Вып. 9. — С. 18-32.

340. Цикршзис Д., Лоховски Ф. Модели данных. -М.: Финансы и статистика, 1985.

341. Черняев В.Г. Распределенные управляющие и вычислительные системы. — М.: Мир, 1987.

342. Четвериков В.Н., Ревунков Г.И., Самохвалов Э.Н. Базы и банки данных. М.: Высшая школа, 1987.

343. Четвериков С.С. Проблехмы общей биологии и генетики (воспоминания, статьи, лекции). Новосибирск: Наука, 1983.

344. Чечкин А.В. Математическая информатика. М.: Наука. Гл. ред. физ. - мат. лит., 1991.-416 с.

345. Чукин Ю.В. Вайнтруб В.М., Гриб О.В., Донец Н.Б., Яблоновский В.А. Концептуальная модель системы управления базой видео-данных // Управляющие системы и машины, 1991. № 2. - С. 77-87.

346. Шаймарданов Р.Б. Моделирование и автоматизация проектирования структур баз данных. М.: Радио и связь, 1984.

347. Шалюгин С.М. Искусственный интеллект. Гносеологический аспект. М.: Мысль, 1985.

348. Шенк Р. Обработка концептуальной информации. — М.: Энергия, 1980.

349. Эдельман JI.B. Схема реализации СООБД сетевой структуры на базе СОМ // Программные системы и инструменты. Тёматический сборник № 1. М.: Изд-во факультета ВМ и К МГУ, 2000. - С. 81-97.

350. Эксперт, 1998 --2010 (http: //www.expert.ru).

351. Экспертные системы и анализ данных: сборник научных трудов // Под ред. Н.Г. Загорупко. — Новосибирск, 1991.

352. Экспертные системы. Принципы работы и примеры / Пер. с англ. // Под ред. Р. Форсайта. М.: Радио и связь, 1987. — 224 с.

353. Эндрю А. Искусственный интеллект. — М.: Мир, 1985.

354. Эшби У.Р. Введение в кибернетику / Пер. с англ. М.: Изд-во иностранной литературы, 1959.-432 с.

355. Яблонский С.В. Введение в дискретную математику. М.: Наука, 1979.

356. Яглом И.М. Математические структуры и математическое моделирование. — М.: Советское радио, 1980.

357. Якунин В. А. Обучение как процесс управления. Л., 1988.

358. Яшин A.M. Разработка экспертных систем. Л.: ЛПИ, 1990.

359. Abramov S.M., Nesterov I.A., Shevchuk Yu.V. T-language. Preliminary description, RCMS Tech. Report #09/18/1994.

360. Abrial J.R. Data Semantics. In: Proc. of IFIP TC-2 Working Conference ol' Data Base Management, Amsterdam: North-Holland, 1974.

361. Asano T. An approach to the homomorphism problem and max-cut problem. IEEE, Symposium on circuit theory proceeding of the IEEE. Kyoto, Japan, 1985, vol. 3, pp. 1657-1660.

362. Automating knowledge acquisition for expert systems / Ed. by S. Marcus. Boston, 1988.

363. Banchilhon F. On the Completeness of Query Language for Relational Data Bases. Lcct. Notes in Сотр., Sci. v. 64, Springer-Verlag, 1978, pp. 76-98.

364. Bancilhon F. ODMG and the ODMG-93 Standard.'// Object Currents. 1996, № 5. SIGS Publications, Inc., New York, NY, USA.

365. Bancilhon F. The ODMG Standard: The Object Model. // Object Currents. 1996, № 6. SIGS Publications, Inc., New York, NY, USA.

366. Bancilhon F. Those Persistent Objects. // Object Currents 1996, № 2, SIGS Publications, Inc., New York., NY, USA.

367. Belegiadek O.V., Stolboushkin A.P., Taitslin M.A. Extended order-generic queries. Manuscript, 1996.

368. Benedikt M., Dong G., Libkin L., Wong L. Relational expressive power of constraint query languages. Proc. 15th ACM Symp. on Principles of Database Systems. 1996. pp. 5 -16.

369. Benedikt M., Libkin L. On the structure of queries in constraint query languages. Proc. 11th IEEE Symp. on Logic in Computer Science. Los Alamitos, CA, 1996. IEEE Computei Society Press.

370. Berchtold S., Keim D.A., Kriegel H.-P. The X-tree: an index structure for high-dimensional data. VLDB. 1996. pp. 28 - 39.

371. Bessarabov A.M., Zhdanovich O.A., Yaroshenko A.M., Zaikov G. E. Development of an analytical quality control system of high-purity chemical substances on the CALS concept basis // Oxidation Communications. 2007. Vol. 30, No 1, pp. 206-214.

372. Bode Arndt, Mikroprozessoren: Technology and Architecture, CW-Moscow, № 35, 1994, pp. 47-49.

373. Boden N., Cohen D., Federman R., Kulawik A., Seitz C., Seizovic J., Su W. Myrinet: a Gigabit-per-Second Local Area Network. IEEE Micro. Feb. 1995.

374. Buneman P., Winston I. The Use of Data Type Information in an Interactive Database Environment. In: Proceedings of the Workshop on Data Abstraction, Databases and Conceptual Modelling. - SIGPLAN Notices, 16,1,1981, pp. 104 -106.

375. Burstall R.M., Gogucn J.A. The Semantics of Clear, a Specification Language In: Proceedings, of the 1979 Copenhagen Winter School on Abstract Software Specification, Springer-Verlag, Berlin, 1980, pp. 292 332.

376. Cattell R.G.G., Barry D.K. The Object Database Standard: ODMG 2.0. Morgan Kaufmann Publishers, Inc., 1997.

377. Chen P.P.S. The entity-relationship model toward a unified view of data. - ACM Trans, on Database Systems, 1976, 1, № 1.

378. Codasyl cobol Committee Journal of Development 1981, Publishing Center, Canadian Government, 1981.

379. Codasyl Data Descriptor Language Committee Journal of Development 1981, Publishing Center, Canadian Government, 1981.

380. Codasyl End User Facilities Journal of Development 1980, Publishing Center, Canadian Government, 1980.

381. Codd E.F. A relational model of Data for Large hared Data Banks. ACM. 1970, 13, № 6, pp. 337 - 387.

382. Codd E.F. Extending the Database Relational Model to capture more meaning. ACM Trans, on Database Systems, 1979, 4, № 4.

383. Cray T3D Systems Journal, vol. 34, no. 2,1995.

384. Digital Libraries // Comm. of ACM. Special Issue. V. 38. № 4. April 1995.

385. Dolphin Interconnect Solutions, Inc. (http://www.dolphinics.com).

386. Ehrig H., Mahr B. Fundamentals of- Algebraic Specification, v. 1,Springer-Verlag, Berlin, 1985.

387. Faloutsos C., Jagadish H. J., Manolopoulos Y. Analysis of the n-dimensional quadtree decomposition for arbitrary hyperentangles // TKDE. 1997, V. 9, № 3, pp. 373 383.

388. Gatteil R.G.G., Atwood T., Duhl J., Ferran G., Loomis M., Wade D. The Object Database Standard: ODMG-93. San-Mateo, CA: Morgan Kaufmann, 1993.

389. Gal tell R.G.G., Douglas K. Barry. The Object Database Standard: ODMG 2.0. 1997, Morgan Kaufmann, Inc., 1997.

390. Girow A. Limitations of Object Data Models. // Object Currents. 1997, № 1. New York: SIGS Publications, Inc., 1997.

391. Goguen J.A., Thatchar J.W., Wagner E.G. An initial algebra approach to the specification, correctness and implementation of abstract data types. In Current Trends in Programming Methodology 4: Data Structuring, Prentice Hall, 1978, pp. 80 -144.

392. Grunibach S., Su J. Dense-order constraint databases. Proc. 14th ACM Symp. on Principles of Database Systems. 1995. pp. 66 - 77.

393. Hardgrave W.T. Technique for implementing a set processor. ACM Signal Notices, 1976, №2.

394. Kahn B.K. A method for Describing the Information Required by the Data Base Design Process, Proc. Int. ACM / SIGMOD Conf. Manag. Data, 1976, pp. 53 64.

395. Kalyaev A.V. Multimicroprocessor Systems. Information Processing 86. -Amsterdam. New York. Oxford. Tokyo. -1986, pp. 949 - 954.

396. Kalyaev A.V. Multiprocessor Systems with Programmable Architecture. Fifth Generation Computer Architectures. -Amsterdam. New York. Oxford. Tokyo.-1986, pp. 291 -300.

397. Kalyaev A.V. Ultra-high Performance Multiprocessor Supersystems with Programmable Architecture. Aspects of computation on Asynchronous Parallel Processors. -Amsterdam. New York. Oxford. Tokyo. -1989, pp. Ill -123.

398. Kanellakis P.C., Kuper G.M., Revesz P.Z. Constraint query languages // Journal of Computer and System Sciences. 1995, V.51, № 1, pp. 26 52.

399. King N.H. Object' DBMSs: Now or Never Will ODBMSs capitalize on new opportunities to manage Web and complex datatypes? // DBMS and Internet Systems. 1997. Miller Freeman, Inc.

400. Linthicum D.S. Objects Meet Data. // DBMS online Magazine, № 9, 1996, Miller Freeman, Inc. 1996.

401. Linthicum D.S. Reevaluating Distributed Objects. // DBMS online Magazine. 1997. № 1. Miller Freeman, Inc. .

402. Linux Journal's Linux Resources (http://www.ssc.com/Iinux).

403. Minsky M. A framework for representing knowledge. In: The Psychology of Computer Vision. NY: McCraw-Hill, 1975.

404. Nesterov I.A., Suslov I.V., Towards programming of numerical problems within the system providing automatic parallelizing // Proceedings of 7th SIAM conference on parallel processing for scientific computing, p. 716, San-Francisco, CA, 1995.

405. Noakes M.D., Wallach D.A., Dally W.J. The J-Machine Multicomputer: An Architectural Evaluation. Proc. Of the IEEE, 1993.

406. Notley M.G. The Peterlee IS/1 System. IBM (UK) Scientific Center Report, UKSC -0018, March 1972.

407. Object Database Management Group. Response to the March 1994 ODMG-93 Commentary. SIGMOD Record September 1994.

408. Otto M., Van den Bussche J. First-order queries on databases embedded in an infinite structure. Manuscript, 1995.

409. Paradaens J., Van den Bussche J., Van Gucht D. First-order queries on finite structures over realize. Proc. 10th IEEE Symp. on Logic in Computer Science. IEEE Computer Society Piess, 1995.-pp. 79-87.

410. Reed P. Using ODBC to Access Nontabular Data. // DBMS online Magazine 1996, № 4. Miller Freeman, Inc.

411. Revesz P.Z. Safe stratified Datalog with integer order programs. Manuscript, August 1995.

412. Sandu R.A., Bessarabov A.M., Zakolodina T.V., Zaikov G.E. CALS-technologies in synthesis of multiassortmental manufacturing for phosphoric sludge utilization // Chemistry & Chemical Technology, 2009. Vol. 3, № 4 (октябрь - декабрь 2009 г.).

413. Sandu R.A.,'Alyakin A.A., Kochetygov A.L., Bessarabov A.M. CALS-technology of plasmachemical synthesis of ultrapure nanomaterials // 2th International Rusnanoforum, Moscow, 2009.

414. Senko M.E. Data structuies and accessing in database systems. IBM Systems J., 1973, v.12, № l,pp. 161 -169.

415. Senko M.E. DLAM as a detailed example of ANSI/SPARC Architecture. In. proc. of IFIP TC-2 Working Conf. on Modelling in data base management systems. Amsterdam: North-Holland, 1976.

416. Seymour P.D. On odd cuts and plane multicommodity flows. Proceedings of London Mathematical Society, ser. 3, vol.42, London, 1981, pp.178-192.

417. Smith J.M., Smith D.C.P. Principles of Database Design. NJU Symp. Database Design, May 1978, pp. 35 - 40.

418. SP суперкомпьютеры семейства RS/6000: технологии, архитектура, применение / CW-Москва, 1997, № 14-16, cc.l, 43 - 46, 56, 38, 39, 50.

419. Wade A.E. Ph. D. Queries on an ODBMS? Objectivity Inc. For Object Magazine, 1996.

420. Yannakakis M. Et al. Cutting and partitioning a graph after a fixed pattern. Lecture Notes Computers Science, USA, 1983, pp. 712-722.

421. Zabrodin A.V., Levin V.K., Korneev V.V. The massively paiallel computer system MBC-100. Lecture Notes in Computer Science, N 964. Parallel Computing Technologies. Third International Conference, PaCT-95, St. Petersburg, Russia, Sept. 1995, Springier.

422. Zilles S.N. Introduction to data algebra's. Lect. Notes Computing Sci., v.86, SpringerVerlag, 1980.

423. ПЕРЕЧЕНЬ СОКРАЩЕНИЙ АСОИ автоматизированная система обработки информации. БД - база данных.

424. ЕСКД единая система конструкторской докумешации. ЕСПД — единая система программной документации. ЕСТД - единая система технологической документации. ЖЦ - жизненный цикл.

425. МЭПАИС Многомерная эволюционная прикладная автоматизированнаяинформационная система поддержки принятия решений.

426. ИВК информационно-вычислительные конфигурации.

427. ИИ — искусственный интеллект.

428. ИИС информационно-измерительная система.

429. ИПИ информационная поддержка процессов жизненного цикла изделий. ПППП- интеллектуальные пакеты прикладных программ. ИСПДн - информационная система персональных данных. МАС - мультиагентная система.

430. МВК многопроцессорный вычислительный кластер. МЭП - многомерная эволюционная прикладная. HIIP - научно-исследовательская работа.

431. НИОКР научно-исследовательская и опытно-конструкторская работа.

432. ОКР опытно-конструкторская работа.

433. ООБД объектно-ориентированные базы данных.

434. ПАК программно-аппаратный комплекс.1. ПДн персональные данные.1. ПЭВМ персональная ЭВМ.

435. САС — системы адаптивного синтеза.

436. СЗИ средства защиты информации.

437. СЗПДтт система защиты персональных данных.

438. COA сервисно-ориентированная архитектура.

439. СПАК самоорганизующиеся программно-аппаратные комплексы.

440. СПАКОД самоорганизующиеся программно-аппаратные комплексы оперативнойдиагностики.

441. СППР (автоматизированная информационная) система поддержки принятия решений.

442. СУБД система управления базами данных. ТЗ - техническое задание.

443. У ИР управление инновационными ресурсами.

444. УДАВ — универсальный делатель алгоритмов Варламова.

445. ФГУГ1 федеральное государственное унитарное предприятие.

446. ФГУП «СТАНДАРТИНФОРМ» Федеральное государственное унитарноепредприятие «Российский научно-технический центр информации постандартизации, метрологии и оценке соответствия».

447. ХНП — химическая и нефтехимическая промышленное! ь.

448. ЯОЗ языки описания знаний.