автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Модели, алгоритмы и инструментальные средства создания экспертных систем на базе функциональных сетей

На правах рукописи

ХАБИБУЛИНА Надежда Юрьевна

МОДЕЛИ, АЛГОРИТМЫ И ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА СОЗДАНИЯ ЭКСПЕРТНЫХ СИСТЕМ НА БАЗЕ ФУНКЦИОНАЛЬНЫХ СЕТЕЙ

Специальность 05.13.18 - Математическое моделирование, численные методы и комплексы программ

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Томск - 2005

Работа выполнена в Томском государственном университете систем управления и радиоэлектроники.

Научный руководитель - кандидат технических наук доцент

Силич Мария Петровна

Официальные оппоненты: доктор технических наук профессор

Бондаренко Владимир Петрович

кандидат технических наук доцент Чудинов Игорь Леонидович

Ведущая организация - Алтайский государственный технический

университет, г. Барнаул

Защита состоится 22 декабря 2005 г. в 15 ч. 15 мин. на заседании диссертационного совета Д 212.268.02 при Томском университете систем управления и радиоэлектроники по адресу: 634034, г. Томск, ул. Белинского, 53

С диссертацией можно ознакомиться в библиотеке Томского государственного университета систем управления и радиоэлектроники по адресу: 634034, г.Томск, ул.Вершинина, 74.

Автореферат разослан 2005 г.

Ученый секретарь диссертационного совета

Д 212.268.02,

доктор технических наук

А.Я. Клименко

2 0.5"?И?

TJffl

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы диссертации. В настоящее время сфера практического использования экспертных систем (ЭС) значительно расширилась, а с другой стороны возросла сложность задач, решаемых по технологии ЭС. Сложность данных задач связала с необходимостью наряду с количественными данными, закономерностями также использовать качественные зависимости, опыт, здравый смысл и интуицию специалистов. К числу таких задач относятся, например, оценка финансово-экономического состояния предприятия, прогнозирование устойчивости предприятия при изменении тех или иных показателей, интегральная оценка эффективности функционирования хозяйствующих субъектов, выбор типа организационной структуры социально-экономической системы, оценка уровня энергосбережения в регионе и др.

Для совместного использования разнородных знаний необходимо строить гибридные модели предметной области (ПО), включающие наряду с традиционными моделями в виде аналитических зависимостей также модели, использующие языки представления знаний (логические, логико-лингвистические, семиотические, сетевые, фреймовые, продукционные). Основной проблемой при разработке гибридных моделей является организация взаимодействия разнородных фрагментов знаний. Перспективным способом решения данной проблемы является формирование моделей, в которых для структуризации знаний о ПО используются семантические сети и сети планирования в пространстве задач. Данный класс моделей рассмотрен в работах многих авторов, в том числе в работах Поспелова Г.С., Поспелова Д.А., Попова Э.В., Лозовского Т.С., Тыугу Э.Х., Эрлиха А.И., Колесникова A.B., Ходашинского И.А., Силич М.П. Одной из разновидностей сетей планирования являются функциональные сети, позволяющие объединять разнородные компоненты базы знаний посредством сети функциональных зависимостей, что значительно упрощает решение проблемы взаимодействия этих компонент, существенно снижает трудоемкость поиска решений и увеличивает скорость вывода заключений за счет "сужения" на каждом шаге множества проверяемых утверждений.

При решении задач анализа и синтеза социально-экономических систем по технологии ЭС часто требуется включение в модель ПО различных процедур, например, SQL-запрос на поиск в базе данных, загрузка данных из файла, фаз-зификация, дефаззификация, генерация случайного значения параметра ПО и т.д. Другая особенность подобных сложных моделей связана с необходимостью использования альтернативных (вариативных) знаний, когда различные эксперты (или один и тот же эксперт) задают различные способы определения одного и того же параметра. Существует потребность в новых более эффективных алгоритмах логического вывода на гибридных моделях высокой размерности, позволяющих находить все возможные решения в условиях вариативности знаний. Это особенно актуально для решения задач оптимизации, поскольку необходимо производить выбор из большого количества возможных вариантов.

Таким образом, несмотря на наличие моделей и языков представления знаний на базе функциональных сетей па; адощодд^зцздда^эдЪзыка ФСП

БИБЛИОТЕКА

("Фреймы на сети параметров"), а также алгоритмов вывода и инструментальных средств, ориентированных на данное представление, существует потребность в их развитии и применении для создания гибридных ЭС в условиях высокой размерности решаемых задач, разнородности и вариативности экспертных знаний. Поэтому создание новых методов и программных средств построения гибридных ЭС, использующих функциональную сеть параметров, и разработка прикладных ЭС для анализа и синтеза социально-экономических систем, являются актуальными задачами и представляют теоретический и практический интерес.

Цель работы и задачи исследования. Целью диссертационной работы является создание моделей, алгоритмов, инструментальных средств построения гибридных ЭС на базе функциональных сетей параметров, а также их применение для создания конкретных ЭС анализа и синтеза социально-экономических систем.

Для достижения поставленной цели в диссертационной работе были сформулированы следующие задачи:

- разработка модели на базе функциональной сети параметров и языка представления модели, допускающих задание различных видов функциональных зависимостей и альтернативных способов определения одного и того же параметра модели;

- построение эвристического алгоритма оптимизации базы знаний, позволяющего сокращать ее объем;

- разработка алгоритмов поиска решений на функциональной сети параметров, модифицирующие существующие алгоритмы вывода с учетом включения в модель в качестве функциональных зависимостей процедур-функций, а также возможности задания альтернативных способов определения параметров;

- исследование зависимости трудоемкости алгоритмов поиска оптимального решения от характеристик модели и вывод рекомендаций по выбору более эффективного алгоритма;

- разработка инструментального средства создания ЭС на базе гибридной модели функциональных зависимостей параметров;

- создание прикладных ЭС для решения задач анализа и синтеза социально-экономических систем.

Методы исследования. Для выполнения работы используются методы инженерии знаний и теории экспертных систем, в том числе методы нечеткого вывода на системах продукций, фреймовые, сетевые представления знаний.

Научная новизна. Научной новизной в диссертационной работе обладают следующие результаты:

1) гибридная модель ПО на базе функциональной сети параметров, позволяющая задавать зависимости между параметрами в виде правил-продукций, аналитических формул и процедур-функций, а так же допускающая задание альтернативных способов определения одного и того же параметра;

2) язык ФСП представления гибридной модели для формирования баз знаний, допускающий задание в качестве функциональных зависимостей между

параметрами процедур-функций и введение альтернативных зависимостей для отдельных параметров;

3) эвристический алгоритм оптимизации базы знаний, позволяющий без потери информации о ПО сокращать общее количество правил-продукций, используемых при составлении гибридной модели;

4) алгоритмы прямого и обратного вывода на предложенной гибридной модели, осуществляющие поиск решения в условиях разнородности и вариативности знаний и обладающие большей гибкостью и вычислительной эффективностью по сравнению с традиционными алгоритмами вывода на системах продукций;

5) результаты исследования алгоритмов поиска оптимального решения на гибридной модели, использующих прямой и обратный вывод, в виде аналитических формул расчета трудоемкости алгоритмов.

Основные положения, выносимые на защиту.

1) Разработанные гибридная модель ПО на базе функциональной сети параметров и язык ФСП описания данной модели позволяют задавать зависимости между параметрами в виде правил-продукций, аналитических формул, процедур-функций и альтернативные способы определения параметров модели.

2) Предложенный эвристический алгоритм оптимизации базы знаний сокращает объем базы знаний без потери информативности модели.

3) Разработанные алгоритмы прямого и обратного вывода на функциональной сети параметров позволяют находить все возможные решения задач интерпретации, поиска допустимого решения и оптимизации и обеспечивают сокращение объема вычислений.

4) Выведенные формулы расчета трудоемкости алгоритмов позволяют сделать вывод, что когда число исто новых параметров модели значительно превышает число неистоковых параметров, для решения задачи оптимизации более эффективен алгоритм обратного вывода и, наоборот, когда число неистоковых параметров значительно превышает количество истоков, лучше использовать алгоритм прямого вывода.

Практическая ценность и реализация результатов работы.

Полученные научные результаты реализованы в виде конкретных моделей, алгоритмов, программ, экспертных систем. Основными результатами внедрения являются:

- инструментальное средство "АМпЕБ^Р", позволяющее быстро и с малыми затратами строить гибридные ЭС, поскольку процесс создания баз знаний, их пополнения, корректировки и использования для поиска решений довольно прост и не требует программирования;

- информационная система оценки финансово-экономического состояния предприятия, позволяющая проводить статический и динамический экспресс-анализ, моделирование и прогнозирование устойчивости предприятия при изменении тех или иных финансовых показателей;

- ЭС оценки уровня развития технопарков России и их классификации;

- ЭС анализа уровня энергосбережения в регионе;

- ЭС выбора типа организационной структуры социально-экономической системы.

Разработанный в диссертационной работе инструментальный комплекс "WinESISP" используется в учебном процессе на кафедре компьютерных систем в управлении и проектировании (КСУП) Томского государственного университета систем управления и радиоэлектроники. Все перечисленные практические разработки подтверждены актами внедрения.

Результаты применения разработанных моделей, языка, алгоритмов и инструментального средства для построения конкретных ЭС показали их эффективность при решении задач анализа и синтеза социально-экономических систем.

Личный вклад автора.

1) Вид гибридной модели на базе функциональных сетей параметров, допускающей включение процедур-функций и задание альтернативных способов определения параметров, разработан совместно с Силич М.П.

2) Расширение языка ФСП в части использования процедур-функций и возможности задания альтернативных способов определения параметров предложено лично автором.

3) Алгоритмы прямого и обратного вывода, модифицирующие существующие алгоритмы вывода на функциональной сети параметров, разработаны автором.

4) Модель зависимости трудоемкости предложенных алгоритмов оптимизации, использующих прямой или обратный вывод, от основных характеристик модели разработана совместно с Силич М.П.

5) Эвристический алгоритм оптимизации базы знаний разработан лично автором.

6) Программная реализация инструментального программного комплекса "WinESISP" проведена совместно с Чурсиным A.B.

7) Создание гибридной модели оценки финансово-экономического состояния предприятия осуществлено совместно с Силич М.П. и Горбэток З.В.

8) Модель оценки уровня энергосбережения в регионе разработана совместно с Силич М.П., Яворским М.И. и Литваком В.В.

9) Модель оценки уровня развития технопарков России создана на основе метода, предложенного Шукшу новым В.Е.

10) Модель выбора типа организационной структуры создана совместно с Фельдманом Л.А.

11) Лично автором проведены различные эксперименты на построенных ЭС, проанализированы полученные результаты с целью проверки адекватности модели, получены конкретные результаты внедрения созданных ЭС.

Апробация результатов работы. Основные положения и результаты диссертационной работы неоднократно докладывались на различных конференциях и семинарах, в том числе на: международных научно-практических конференциях "Природные и интеллектуальные ресурсы Сибири" (СИБРЕСУРС) (Красноярск, 1997; Барнаул, 1998; Тюмень, 2000; Барнаул, 2001); региональной научно-практической конференции студентов, аспирантов и молодых ученых "Сибирская школа молодого ученого" (Томск, 1998 г.); региональной научно-технической конференции студентов и молодых специалистов "Радиотехниче-

ские и информационные системы и устройства" (Томск, 1999 г.); 3-ем международном симпозиуме "Application of The Conversion Research Results for International Cooperation" (SIBCONVERS'99) (Томск, 1999); всероссийской научно-технической конференции "Научная сессия ТУСУР" (Томск, 2002, 2003, 2004, 2005 г.г.); всероссийской научно-практической конференции "Электронные средства и системы управления" (Томск, 2003); 8-м международном русско-корейском симпозиуме "KORUS 2004" (Томск, 2004); международной конференции по проблемам управления (Москва, 1999).

Публикации. Основные результаты по материалам диссертационной работы опубликованы в 28 печатных работах, из которых 7 статей, 20 докладов и свидетельство о регистрации программного продукта в "Отраслевом фонде алгоритмов и программ".

Структура и объем работы. Диссертационная работа включает: введение, четыре главы, заключение, список литературы (132 наименования), 19 таблиц, 48 рисунков, 10 приложений. Общий объем диссертации составляет 228 страниц машинописного текста.

СОДЕРЖАНИЕ РАБОТЫ

В первой главе содержится анализ существующих моделей представления знаний, используемых в инженерии знаний для создания ЭС. Делается вывод о необходимости разработки смешанной формы представления знаний для создания гибридных моделей ПО. Далее кратко описывается существующая гибридная модель статической ПО на базе функциональной сети параметров, отмечаются ее преимущества и выделяются ограничения, главные из которых - отсутствие механизма включения в модель в качестве функциональных зависимостей между параметрами процедур-функций и отсутствие возможности задания альтернативных (вариативных) знаний экспертов. Для устранения данных ограничений предлагается провести следующие изменения в модели.

Гибридная модель статической ПО (М) представляется в виде следующей совокупности: М = < X, D, F, L >, (1)

где Х- множество параметров ПО; D - множество доменов параметров (домен - множество значений, которые может принимать параметр); F - множество функциональных отношений, определяющих зависимости между различными параметрами; L - сеть функциональных связей параметров.

Графически модель функциональных зависимостей (1) можно представить в виде направленного графа без циклов и петель (рис.1). Вершинами данной сети являются параметры (характеристики, атрибуты, объекты) ПО, а дуги -функциональные зависимости между ними.

В истоках сети располагаются базовые или истоковые параметры (первичные, непосредственные характеристики моделируемой системы), в стоках - целевые параметры, значения которых определяют целевое состояние системы. Каждый параметр it, (х,еХ) имеет собственное имя (название) и уникальный номер (/). Параметры рассматриваются как своего рода переменные, которые могут принимать различные значения. Каждому параметру соответствует домен D(x,) - множество дискретных или непрерывных значений, которые может

принимать параметр. Кроме параметров, принимающих количественные (числовые) значения, в модель могут быть включены и, так называемые, качественные (содержательные) параметры, принимающие лингвистические значения.

Рис I Функциональная сеть зависимостей параметров с использованием альтернативных знаний в модели ПО по антецеденту

В процессе вы-

вода при решении конкретной задачи на модели (1) каждый параметр принимает определенное текущее значение, надежность которого оценивается фактором уверенности С/^С^х^)) е [0,1]- Фактор уверенности либо непосредственно задается пользователем при вводе значения параметра, либо вычисляется с помощью формул нечеткой логики при выводе значения параметра с помощью функциональных зависимостей.

Структура функциональных отношений в рассматриваемой гибридной модели задается с помощью однородной семантической сети Ь. Закономерность, описывающая вид функционального отношения, может быть представлена совокупностью правил-продукций, аналитической формулой или процедурой-функцией. Поскольку, с одной стороны, правила могут включать процедуры и формулы, а, с другой стороны, процедура или формула может рассматриваться, как правило-продукция с пустой условной частью, то можно сделать следующее обобщение. Закономерность, определяющая функциональную зависимость параметра-функции х, от параметров-аргументов х],,..хп, задается в виде совокупности т конъюнктивных правил вида:

Шк: .....хп)1СИ(Шк), к = Пп

где с1(х1) - текущее значение параметра х}\ Ок(х^ - к-ая область домена параметра х], т.е. Ок(х^сО(/к(хг...хп) - либо конкретное значение параметра х,, либо аналитическая формула, либо процедура-функция.

Правило имеет следующий смысл: "ЕСЛИпараметр ^принимает значение из области Ок{х1)сП(х}) Я...Я параметр х„ принимает значение из области Ок (.г„)сС(1п) ГО параметр принимает значение, равное значению результата процедуры-функции /к{х},...хп)". Надежность правила оценивается фактором уверенности С/"(Л/*)е[од] (по умолчанию он равен единице).

Антецедент правила представляет собой конъюнкцию логических выражений, соответствующих одному параметру-ар1-ументу. Каждое такое выражение содержит формулу проверки значения соответствующего параметра. Антецедент может отсутствовать. Область значений Ок {х]) некоторого параметра-

аргумента х], указанная в антецеденте правила, может представлять собой: одно дискретное значение параметра или интервал (для параметров с непрерывными значениями); дизъюнкцию дискретных значений или интервалов; процедуру-функцию, аналитическую формулу, результаты которых принадлежат домену параметра. Она может совпадать со всей областью значений параметра (0^(дсу) = 0{*7)),т.е. параметр может принимать любое значение из заданного домена. Консеквент содержит функцию, определяющую значение параметра-функции, соответствующее заданным условиям. Данная функция представляет собой либо вычисление по формуле, в том числе просто присвоение значения параметру, либо выполнение произвольной алгоритмической процедуры-функции.

Аналитическая формула в антецеденте и консеквенте правила может задаваться только для количественных параметров в виде уравнения, связывающего количественные параметры, которое может включать текущие значения параметров-аргументов, константы, знаки арифметических операций и математических функций.

Под процедурой-функцией х, = /(дсу,.хп) понимаются любые преобразования параметров-аргументов х,,., хп, приводящие к единственному значению параметра-функции х,. Она может задаваться для параметров ПО любого типа. Процедура-функция имеет собственное имя, список имен входных параметров (параметров-аргументов) и алгоритм, реализованный в виде отдельной программной процедуры. В общем случае список входных параметров может быть пустым, например, если значение параметра определяется с помощью закономерности, не ссылающейся на значения других параметров. Это, так называемые вырожденные зависимости, сопоставляемые базовым параметрам. Примерами процедур-функций являются: различные статистические функции; 5<ЗЬ-запросы на поиск значения параметра в базе данных; вывод на нейронной сети; процедуры запуска алгоритмов вывода значения параметра, находящегося в другой базе знаний; фаззификация и дефаззификация; запрос к пользователю на ввод значения параметра; генерация случайного значения параметра и т.д.

Экспертные знания могут характеризоваться неопределенностью, которая, в частности, выражается в том, что одним и тем же условиям соответствуют различные заключения с различными факторами уверенности, т.е. система правил содержит группу правил с одинаковыми антецедентами и разными консек-вентами:

/?/,: (</(*;)е А(*;))&...&(</(*„)е А(*„))->= Ш,.....

Мг . = .....х„)/(СДй/2))

Данный вариант альтернативности назовем "альтернативностью по кон-секвенту".

Другой вид неопределенности экспертных знаний связан с тем, что один и тот же параметр может определяться разными способами, т.е. на него влияют группы разных параметров-аргументов. Например, на рис.1 представлена

модель, в которой параметр х7 можно определить двумя различными способами: либо по функциональной зависимости от параметров х¡, х2 либо по функциональной зависимости от параметров Хз, х* х}. Данный вариант альтернативности назовем "альтернативностью по антецеденту".

Для программной реализации гибридной модели (1) используется язык представлений знаний ФСП. Для описания модели на языке ФСП все составляющие модели: наименования параметров, множества их значений, зависимости между параметрами, совокупность правил-продукций, аналитические зависимости, и т.д. группируются по параметрам. Каждый параметр описывается фреймом. Язык представления знаний ФСП содержит два фрейма-прототипа: "Параметр ПО" и "Правило". <

На рис.2 приведена информационная структура фрейма-прототипа "Параметр ПО". Слот Входящие связи содержит номера параметров-аргументов. Номера параметров являются именами фреймов, поэтому с помощью этого слота ' осуществляется связь между фреймами. При наличии в модели ПО альтернативности знаний по антецеденту в данный слот через знак дизъюнкции записываются все возможные списки параметров-аргументов:

< список 1 > V < список 2 > V... V < список а >, где й — количество альтернативных способов вывода данного параметра. Для истоковых параметров этот слот остается пустым.

Слот Функциональная зависимость содержит тип зависимости (Я, Р,Р,1) и ссылку на массив фреймов правил, задающих функциональную зависимость для данного параметра. Ссылка на массив правил обозначается: ПРАВИЛА -К (Я), где К - номер соответствующего параметра, Б - номер массива правил данного параметра. Переменная 5 равна единице по умолчанию для всех параметров ПО.

Если в слоте Входящие связи содержится несколько списков параметров-аргументов, т.е. в модели присутствует альтернативность знаний по антецеден- <

ту, то в данный слот записывается список ссылок на соответствующие массивы правил: < ПРАВИЛА - АГ( 1) > V < ПРАВИЛА -К{2) > V... V < ПРАВИЛА -К{а)>.

Для каждого элемента данного списка создается свой массив правил. Данный слот заполняется для всех параметров модели. При этом для истоковых параметров могут использоваться вырожденные процедуры-функции.

Структура фрейма-прототипа "Правило" представлена на рис.3. Поскольку процедура или формула может рассматриваться, как правило-продукция с пустой условной частью, то фрейм правила можно использовать для задания любой функциональной зависимости между параметрами.

При описании гибридной модели на языке ФСП для каждого параметра ПО и для каждого правила-продукции (в том числе для формулы или процедуры-функции) составляется свой фрейм-экземпляр путем заполнения слотов фреймов-прототипов конкретными значениями. При создании совокупности т конъюнктивных правил для одного параметра фреймы-экземпляры группируются в массив. В случае альтернативности знаний модели по антецеденту создается список массивов фреймов-экземпляров "Правило".

Zu

<Список цел.чисел> v <Списокцел.чиеел> v...

№

1<ссылка>

Я<сеылка>

F<ccbviKa>

Р<ссылка>

17.1 Список строк

Z7.2 Интервал

Z7J Список чисел

w • ^ ............^

Z».i Список действ. чисел е 10; 1]

г»; Интервал

Zu Список строк

Я1-";1".:"

Zill тах

г/«и min

Zuj Список строк

/ - параметр - исток; N- параметр, принимающий количественные (числовые) значения; L - параметр, принимающий качественные (лингвистические) значения; R - правило-продукция; Р -процедура-функция; F - математическая формула; тах - максимальное значение параметра; min - минимальное значение пара-метоа.

.......ЩфР?

IM

-» Zu Целое число

-* Zl.1 Целое число

■\ - Х.^ЩмтШх^Ш

-* Z} i Интервал V Интервал у

ZX2 Строка VСтрока у...

-» г-./ Интервал V Интервал у

Строка VСтрока у...

■ Г, \ " !

Zm*U Строка

Z**I2 Число

Zn+Zf Действ, число с/0;1/

Рис.2. Информационная структура фрейма-прототипа "Параметр ПО"

Рис.3. Информационная структура фрейма-прототипа "Правило"

Фреймы-экземпляры параметров связаны друг с другом через слот Входящие связи, т.е. вместо сети параметров имеется сеть фреймов "Параметры ПО" и связанных с ними фреймов "Правило". Использование сети фреймов позволяет структурировать базу правил-продукций, разбивая ее на группы, соответствующие отдельным параметрам. Все это облегчает осуществление логического контроля при вводе информации в базу знаний и помогает осуществлять управление выводом на множестве продукций - машина вывода в процессе поиска решения "целенаправленно" переходит от одного массива правил к другому. Таким образом, сеть фреймов параметров выступает своего рода метазнанием по отношению к продукционной системе. Кроме того, представление модели на языке ФСП удобно для генерации программного кода - появляется возможность использовать такие понятия языков программирования, как массивы структур, линейные списки и объекты.

Вторая глава посвящена алгоритмам формирования гибридной модели на базе функциональной сети параметров, и поиска решений на данной модели. В начале главы дается обзор существующих методов вывода на моделях представления знаний и делается вывод, что сеть параметров можно использовать в качестве метазнания для управления выводом с целью повышения эффективности вывода.

В результате формирования базы знаний может бьггь получено множество, состоящее из сотен правил-продукций. Для сокращения их количества разработан эвристический алгоритм оптимизации базы знаний. Основная идея алгоритма заключается в следующем: если в массиве правил, заданных для отдельного неистокового параметра, присутствует несколько правил, отличающихся друг от друга только одним логическим выражением для одного и того же параметра-аргумента в антецеденте, то они заменяются одним правилом, в котором эти логические выражения объединены через знак дизъюнкции:

Г Л/, У(х5) е Ц (х5)) & (<Цхв) е Д(;г6)) & (</(*,) е О, <х7)) -♦</(*,) = 4 (СР(Д/,) = 0,9)

А я/2 (¿{х^ЩхдЩаыеЩхьЯ&^иа^^Кц)**!, (СР(я;2)=О,8>

( [ш3 Й1;) е А (х,)) & ) 6 Д] )) & ДГ7 ) е Оз Гх7)) ^(лЛ = 4 (№(«/,) = 0,7)

Л/, (</(*5)е 0,(х5))& (</(*6)«= А(дг6))& И*7) е (0,(х7) V Е>2(х7) V «з (*?)))-> <1(х9) = 4 (С/-(Я/,) = 0,7)

Опишем кратко работу алгоритма оптимизации базы знаний. Рассматривая отдельно массив правил для каждого неистокового параметра модели х,, переписываем во вспомогательное множество А все правила, в консеквенте которых записано ¿(х,). Проводим "свертку" правил во множестве А: сортируем их по возрастанию; выделяем группу правил, антецеденты которых различаются только одним логическим выражением для одного (и-го) параметра-аргумента; производим изменение первого правила в данной группе: логическое выражение для я-го параметра-аргумента заменяем дизъюнкцией соответствующих логических выражений из группируемых правил, остальное в правиле оставляем без изменения; удаляем из данной группы все правила, кроме первого; производим пересчет фактора уверенности правила - либо его вводит эксперт, либо им становится наименьший из факторов уверенности рассматриваемых правил Выполняем аналогичные действия до тех пор, пока во множестве А не получим

все различные правила. Переписываем полученные правила из множества А в исходный массив правил.

Данный алгоритм позволяет сократить общее количество правил-продукций базы знаний без потери информации о ПО, что приводит, во-первых, к уменьшению объема памяти компьютера, используемого для хранения базы знаний, а во-вторых, к уменьшению времени, затрачиваемого для полного перебора правил-продукций при решении задач интерпретации, поиска допустимого решения и оптимизации.

На гибридной модели функциональных зависимостей параметров можно производить решение различных задач, в частности:

1) задачи интерпретации - определение значений целевых параметров при заданных текущих значениях базовых параметров. К данному типу задач относятся задачи диагностики, интерпретации, оценки, прогнозирования;

2) задачи поиска допустимого решения - определение значений базовых параметров при заданных текущих значениях целевых параметров. К данному тину относятся задачи планирования, целевого управления;

3)задачи оптимизации - определение комбинации значений базовых параметров, при которой достигается целевое состояние системы, заданное совокупностью критерия эффективности и ограничений. Поиск оптимальных вариантов часто требуется при решении задач планирования, проектирования и управления.

Для решения первого типа задач предлагается алгоритм прямого вывода на функциональной сети параметров. Процесс вывода с помощью рассматриваемого алгоритма может быть изображен в виде дерева И/ИЛИ (рис. 4).

Пусть требуется найти значения некоторого целевого, неистокового, указанного пользователем параметра хс при заданных значениях базовых параметров.

Предварительно методом обратной волны определяем "путь вывода" - цепочку параметров, значения которых необходимо найти в процессе поиска решения. Для этого определяем параметры, отстоящие от целевого хс на одно ребро, т.е. непосредственно на него влияющие (параметры-аргументы). Номера этих параметров содержатся в слоте Входящие связи фрейма целевого параметра. Причем, если в данном слоте записано несколько списков параметров-аргументов, то все параметры из этих списков записываются в "путь вывода". Теперь для каждого параметра из найденных на последнем шаге, в свою очередь, определяются

Рис 4 Пример дерева И/ИЛИ для алгоритма прямого вывода

параметры, от которых он непосредственно зависит. И так далее до тех пор, пока не достигнем истоков. При этом если встречается параметр, который уже был записан в "путь вывода", то предыдущее его вхождение вычеркивается. Затем переписываем, для удобства, полученную последовательность параметров в обратном порядке: от истоков до заданного целевого параметра.

Далее методом прямого вывода, последовательно продвигаясь по "пути вывода" от истоков к целевому параметру, определяем текущие значения каждого параметра. Если очередной параметр - исток, то его текущее значение либо задается пользователем, либо выполняется вырожденная процедура-функция, записанная в слоте Функциональная зависимость параметра, и результат записывается в слот Текущее значение соответствующего фрейма. Если очередной параметр из "пути вывода" не исток, то его значение определяется по заданным функциональным зависимостям: либо выводится по правилам, либо вычисляется по формуле, либо вызывается и выполняется процедура. И так до тех пор, пока не достигнем целевого параметра хс.

Параллельно процессу вывода текущего значения очередного параметра х, определяется фактор уверенности полученного значения СТ"(йГ(*,)). Для параметров, являющихся истоками, фактор уверенности задается пользователем при задании текущих значений этих параметров. Для остальных параметров фактор уверенности вычисляется по формулам нечеткой логики.

Для каждого небазового параметра в ходе логического вывода может возникать "ветвление" по числу правил с истинным антецедентом или по числу заданных разных способов его вывода. Для организации вывода с "ветвлениями" используется стратегия "сначала вглубь". При первом "проходе" для любого из параметров "срабатывает" первое правило с истинным условием (или первый способ вывода). Запоминается номер "сработавшею" правила Л',' (или номер "сработавшего" способа вывода К*). Дойдя до конца "пути вывода", получаем первый вариант решения.

На следующем этапе осуществляется возврат к последней точке ветвления. Сначала это последний в "пути вывода" параметр -хс. Для данного параметра

ищется истинное правило с номером Ыс > ы'с (или выполняется другой способ вывода кс > к'). Если такое правило находится, то получаем еще один вариант решения задачи. В него копируются значения и факторы уверенности параметров, стоящих в "пути вывода" перед хс, и дописываются новые значения целевого параметра и фактора уверенности, выведенные с помощью последнего правила. Номер этого правила запоминается, как номер последнего "сработавшего" правила ЛГ*(А'*).

Перебрав таким же образом все "ветви" для рассматриваемой точки ветвления, переходим к следующей точке. Ею считается параметр, стоящий в "пути вывода" перед параметром, который был точкой ветвления на предыдущем этапе. Для данного параметра так же перебираются все возможные "ветви". По каждой из них процесс вывода осуществляется от зафиксированной точки "ветвления" до целевого параметра (до конца "пути вывода"). Затем поднимаемся к предыдущей точке "ветвления" и т.д. пока не достигнем базовых параметров

Предложенный алгоритм прямого вывода на сети параметров можно рассматривать как комбинацию прямого и обратного вывода, поскольку он предполагает предварительное вычленение "пути вывода". Таким образом, преодолен основной недостаток традиционного алгоритма прямого вывода - нецеленаправленность вывода и, как следствие, вывод лишних фактов. Кроме того, в случае присутствия в модели альтернативных знаний в результате работы алгоритма получаем все возможные альтернативные решения поставленной задачи.

Перейдем к рассмотрению алгоритма решения задачи поиска допустимого решения. Для решения этой задачи на модели функциональных отношений разработан алгоритм обратного вывода на функциональной сети. Процесс вывода изображен в виде дерева И/ИЛИ на рис.5.

При обратном выво- _____

де "путь вывода" опреде- I ляется не заранее, а непосредственно в процессе вывода. Последовательно продвигаясь от целевого параметра к истокам, на каждом шаге выделяются параметры, для которых проверяется выводимость их значений. Сначала это целевой параметр,' затем - параметры, отстоящие от целевого на одно ребро, на два ребра и т.д. пока не будут достигнуты базовые параметры.

Для каждого небазового параметра осуществляется поиск правила, содержащего в консеквенте значение, совпадающее с выводимым значением или входящее в допустимую область для данного параметра, и записываются области значений параметров-аргументов, содержащиеся в условной части, в соответствующие слоты Текущее значение. При этом если для некоторого параметра уже была ранее записана допустимая область значений (в ходе выполнения алгоритма обратного вывода для другой зависимости), проверяется, пересекается ли данная область с областью, записанной в правиле. Если эти области пересекаются, то текущей областью становится область пересечения. Если не пересекаются, то правило отбрасывается и ищется следующее по списку правило с истинным консеквентом. Если таковое не находится, то процедура вывода прекращается.

В случае если в консеквенте правила записано не конкретное значение параметра, а формула или процедура-функция, то значение параметра определяется путем "подбора" значений параметров-аргументов и вычисления по формуле или с помощью процедуры значения данного параметра. Процедура "подбора" выполняется следующим образом: если в качестве влияющего параметра выступает истоковый '.параметр, то перебираются все его значения (в случае если

х' ! 0,Ш -» йгШ Шх})

1 Х4 ; 0,(х4)

Х2 XI

Рис 5. Пример дерева И/ИЛИ для алгоритма обрагнм о вывода

область значений непрерывна, то осуществляется переход к дискретным значениям путем разбиения области на интервалы); если влияющий параметр определяется по правилам, содержащим в консеквенте конкретные значения, то перебираются все значения, записанные в консеквентах правил (при этом возникает "ветвление" по числу правил); если же параметр определяется с помощью формулы или процедуры, то теперь уже для его влияющих параметров осуществляется "подбор" значений.

В процессе поиска решения могут возникать "ветвления" не только при "подборе" значения параметра, но и по следующим причинам. Во-первых, в допустимую область значений параметра может входить несколько различных знаг чений, стоящих в консеквентах разных правил. Во-вторых, к одному и тому же значению некоторого параметра могут приводить несколько разных правил с различными антецедентами. В-третьих, для данного параметра заданы альтернативные способы вывода. Для организации вывода с "ветвлениями" используется стратегия, аналогичная используемой в алгоритме прямого вывода - стратегия "сначала вглубь".

Определение фактора уверенности значения целевого параметра осуществляется методом прямого вывода. При этом факторы уверенности значений базовых параметров полагаются равными единице.

Предложенный алгоритм обратного вывода на функциональной сети позволяет получить все возможные решения в условиях альтернативности знаний, сократить общее количество перебираемых правил и использовать в качестве функциональных зависимостей между параметрами процедуры-функции.

При поиске оптимальных решений задается целевое состояние системы в виде совокупности отношения доминирования на множестве значений критерия эффективности и ограничений. Отношение доминирования на множестве значений критерия эффективности задается следующим образом: для количественного критерия это направление оптимизации: max или min, для параметра с лингвистическими значениями - список значений параметра-критерия в порядке предпочтения: на первом месте наилучшее значение, затем - лучшее из оставшихся и т.д. На последнем месте - наихудшее значение. Необходимо найти такую комбинацию значений базовых параметров, при которой удовлетворяются ограничения и достигается наилучшее значение критерия. Данную задачу можно решшъ двумя способами: методом прямого вывода или методом обратного вывода на функциональной сети.

При использовании алгоритма прямого вывода последовательно генерируются различные комбинации значений базовых параметров. Для каждой сгенерированной комбинации определяются значения целевого параметра. Найденные значения проверяются на ограничения. Если для некоторого варианта все условия выполняются, то сравнивается полученное значение критерия для этой комбинации с лучшим значением критерия для ранее рассмотренных комбинаций. Если текущий вариант улучшает значение критерия, то он запоминается. После того, как будут перебраны все варианты, вариант, удовлетворяющий ограничениям, и с лучшим значением критерия будет оптимальным. Может существовать и несколько оптимальных вариантов с одинаковыми значениями критерия.

При использовании алгоритма обратного вывода на первом шаге полагается, что критерий эффективности принимает свое наилучшее значение и алгоритмом обратного вывода ищется решение при данных условиях. Если найденная комбинация значений базовых параметров удовлетворяет всем ограничениям, то это решение является оптимальным. Если допустимого варианта нет, то значение критерия полагается равным значению, ближайшему к наилучшему, и ищется новое решете. Процесс продолжается до тех пор, пока не будет найден оптимальный вариант (варианты), либо не окажется, что допустимых вариантов нет. "

В связи с тем, что задачу оптимизации можно решать как алгоритмом прямого вывода на функциональной сети, так и алгоритмом обратного вывода, появляется проблема выбора более эффективного алгоритма. Для ее разрешения предлагаются аналитические формулы расчета трудоемкости алгоритмов прямого и обратного вывода. Под трудоемкостью алгоритма понимается количество обращений к функциональным зависимостям в процессе вывода. Трудоемкость алгоритма прямого вывода на функциональной сети определяется по

формуле: 1> = Пг(х(*м+1+(ул+1х*и+2)+...+(уи+,»<...ху„.1х*я)), (2)

I

где г, - количество значений /-го истокового параметра в "пути вывода", 1 = 1,« (т - количество истоков в "пути вывода"); к] - количество правил для у'-го параметра из "пути вывода", - количество "ветвлений" для у-го параметра, у = т+1, п (и - общее количество параметров в "пути вывода").

Трудоемкость алгоритма обратного вывода, определяется по формуле:

Ток = гя X (*„ + к X *„_,) +...+(мгл X... X и-ш+2 х )), (3)

где 1„ - количество значений п-то параметра (критерия эффективности); wJ -количество "ветвлений" дляу'-го параметра в "пути вывода", у = п-т,п.

При этом предполагается, что будут перебраны все значения критерия и для каждого значения весь "путь вывода" будет пройден до конца (все ограничения удовлетворяются). Кроме того, предполагается, что правила не содержат формулы и процедуры. Если же некоторые параметры определяются с помощью формулы или процедуры, то для каждого из этих параметров вместо вызова метода обратного вывода осуществляется один или несколько вызовов метода прямого вывода.

Из предложенных формул видно, что при увеличении количества истоков (и соответствующем уменьшении количества неистоковых параметров) трудоемкость алгоритма прямого вывода возрастает, а трудоемкость алгоритма обратного вывода уменьшается. Следовательно, когда число неистоковых параметров значительно превышает количество истоков, задачу оптимизации лучше решать методом прямого вывода и, наоборот, когда число истоков значительно превышает число неистоковых параметров, для решения лучше использовать обратный вывод.

В начале третьей главы дается обзор существующих инструментальных программных средств создания ЭС, на основании которого делается вывод о целесообразности разработки оболочки ЭС, ориентированной на язык представления знаний ФСП. Далее приводится краткое описание существующей

инструментальной системы, использующей сеть функциональных зависимостей параметров, - оболочки ЭСИСП. Указываются ее недостатки и несоответствие новым требованиям, обосновывается необходимость разработки нового инструментального средства "\VinESISP". Приводится структура системы, описание ее основных блоков - блока хранения, предназначенного для хранения базы знаний, базы фактов и протокола вывода, редактора базы знаний, блока вывода решений, блока объяснений.

Инструментальный комплекс "\VinESISP" предоставляет непрограммирующему пользователю удобные средства для быстрого создания ЭС в статических ПО. Используемый данным инструментарием язык представления модели ПО ФСП позволяет описывать различные виды зависимостей между параметрами модели. Встроенный механизм логического вывода может быть использован для решения задач интерпретации, поиска допустимого решения и поиска оптимального решения. Функциональные схемы процессов использования данного инструментального средства в режиме создания и верификации базы знаний и в режиме решения задач реализованы в виде структурно-функциональных диаграмм процессов, выполненных по методологии ГОЕРО и с помощью универсального языка моделирования иМЬ.

Четвертая глава посвящена описанию ЭС, созданных с использованием разработанных в работе гибридной модели ПО (1), алгоритмов поиска решений на данной модели и оболочки "АУтЕБВР". Описывается назначение, структура и практическое применение разработанных ЭС: информационной системы оценки финансово-экономического состояния предприятия, ЭС оценки уровня развития технопарков России и их классификации, ЭС оценки уровня энергосбережения в регионе, ЭС выбора типа организационной структуры социально-экономической системы, ЭС выбора алгоритма решения задачи оптимизации.

Результаты применения разработанных моделей, языка, алгоритмов и инструментального средства для построения ЭС показали их эффективность при решении задач анализа и синтеза социально-экономических систем в условиях разнородности и вариативности знаний экспертов. Кроме того, разработанное инструментальное средство можно использовать для построения других статических ЭС, использующих гибридную модель ПО на базе функциональной сети параметров.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

К основным результатам, полученным в данной диссертационной работе, можно отнести следующее:

1) Предложена модификация гибридной модели ПО на базе функциональной сети параметров и языка ФСП описания данной модели, которая позволяет задавать функциональные зависимости между параметрами в виде правил-продукций, аналитических формул, процедур-функций, а так же альтернативные способы определения параметров модели.

2) Разработан эвристический алгоритм оптимизации базы знаний, в результате работы которого происходит сокращение общего количества правил-продукций в базе знаний без потери информации о ПО, что приводит, во-первых, к уменьшению объема памяти компьютера, используемого для хранения базы знаний, а во-вторых, к уменьшению времени, затрачиваемого для

полного перебора правил-продукций при решении задач интерпретации, поиска допустимого решения и оптимизации.

3) Разработаны алгоритмы прямого и обратного вывода на функциональной сети параметров, которые предоставляют возможность находить решения различных задач при условии, что экспертные знания содержат альтернативные способы определения параметров и процедуры-функции в качестве функциональных зависимостей. Данные алгоритмы являются более эффективными по сравнению с традиционными алгоритмами вывода на продукционной системе.

4) Предложены аналитические формулы расчета трудоемкости алгоритмов прямого и обратного вывода на функциональной сети параметров, на базе которых сформулированы рекомендации по выбору наилучшего алгоритма поиска оптимального решения: когда число неистоковых параметров значительно превышает количество истоков, задачу оптимизации эффективнее решать методом прямого вывода и, наоборот, когда число истоков значительно превышает число неистоковых параметров, для решения лучше использовать обратный вывод.

5) Создано инструментальное средство "WinESISP", позволяющее быстро и с малыми затратами строить гибридные ЭС, поскольку процесс создания баз знаний, их пополнения, корректировки и использования для поиска решений довольно прост и не требует программирования.

6) Разработана информационная система оценки финансово-экономического состояния предприятия, позволяющая проводить статический и динамический экспресс-анализ, моделирование и приближенное прогнозирование устойчивости предприятия при изменении тех или иных финансовых показателей;

7) Созданы следующие экспертные системы: ЭС оценки уровня развития технопарков России и их классификации, ЭС анализа уровня энергосбережения в регионе, ЭС выбора типа организационной структуры социально-экономической системы.

СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Хабибулина, Н. Ю. Информационная система оценки финансово-экономического состояния предприятия / Н. Ю. Хабибулина, М. П. Силич, 3. В. Горбаток // Вестник Томского государственного университета. - 2004. - Т. 284. - С. 90-95.

2. Хабибулина, Н. Ю. Инструментальный комплекс для создания экспертных систем, использующих модели функциональных отношений / Н. Ю. Хабибулина, М. П. Силич // Известия Томского политехнического университета. -2005. - Т. 308. -№2. - С. 149-152.

3. Хабибулина, Н. Ю. Разработка интерфейсного блока экспертной системы оценки финансового состояния предприятия / Н. Ю. Хабибулина, А. К. Эриксон // Тез. докл. всеросс. научно-технич. конф. "Научная сессия ТУСУР-2005", 26-28 апр. 2005 г. , в 4 частях. - Томск : Изд-во ТУСУРа, 2005. - Ч. 2 - С. 220-221.

4. Хабибулина, Н. Ю. Графический редактор экспертных систем на функциональных сетях на базе технологии клиент-сервер (клиентская часть) / Н. Ю. Хабибулина, С. А. Аннаненко // Тез, докл. всеросс. научно-технич. конф. "Научная сессия ТУСУР-2005", 26-28 апр. 2005 г., в 4 частях. - Томск: Изд-во ТУСУРа, 2005. - Ч. 2 - С. 237-239.

5. Хабибулина, Н. Ю. Инструментальное средство создания экспертных систем на базе технологии клиент-сервер / Н. Ю. Хабибулина, О. Е. Клипперт // Тез. докл. всеросс. научно-технич. конф. "Научная сессия ТУСУР-2005", 2628 апр. 2005 г., в 4 частях. - Томск : Изд-во ТУСУРа, 2005. - Ч. 2 - С. 273276.

6. Хабибулина, Н. Ю. Автоматизация процесса принятия решений / Н. Ю. Хабибулина, Б. Д. Шагдарова И Тез. докл. всеросс. научно-технич. конф. "Научная сессия ТУСУР-2005", 26-28 апр. 2005 г., в 4 частях. - Томск: Изд-во ТУСУРа, 2005. - Ч. 2 - С. 335-337.

7. Хабибулина, Н. Ю. Поиск решений на модели функциональных отношений / Н. Ю. Хабибулина, М. П. Силич // Информационные технологии. - 2004. -№9. - С. 27-33.

8. Khabibulina, N. U. Analysis of solution searching algorithms on the model of functional relations / N. U. Khabibulina, V. A. Silich, M. P. Silich // Proceedings of the 8th Korea-Russia International Symposium on Science and technology (KORUS 2004). -Tomsk,2004. - Voll. - P. 157-161.

9. Силич, В. А. Инструментальный комплекс "WinESISP" / H. Ю. Хабибулина, М. П. Силич, А. В. Чурсин. Свидетельство о регистрации в "Отраслевом фонде алгоритмов и программ" №3154 от 04. 02. 2004г., свидетельство о госрегистрации в "Национальном информационном фонде неопубликованных документов" №50200400104 от 20. 02.2004г.

10. Хабибулина, Н. Ю. Разработка программного модуля принятия решений в условиях неопределенности / Н. Ю. Хабибулина, Н. П. Каплюк // Тез. докл. всеросс. научно-технич. конф. "Научная сессия ТУ СУР-2004", 18-20 мая 2004 г., в 3 частях. - Томск: Из-во ТУСУР, 2004. - Ч. 3 - С. 37-39.

11. Хабибулина, Н. Ю. Разработка алгоритмов вывода на альтернативной сети параметров / Н. Ю. Хабибулина, С. А. Прачев // Тез. докл. всеросс. научно-технич. конф. "Научная сессия ТУСУР-2004", 18-20 мая 2004 г., в 3 частях. - Томск : Из-во ТУСУР, 2004. - Ч. 3 - С. 59-60.

12. Хабибулина, Н. Ю. Исследование алгоритмов решения задачи оптимизации на гибридной модели, использующей сеть параметров / Н. Ю. Хабибулина // Тез. докл. всеросс. научно-практ. конф. "Электронные средства и системы управления", посвященной 35-летию НИИАЭМ 400-летию города Томска, 2123 окт. 2003 г. - Томск : Изд-во Института оптики атмосферы СО РАН, 2003. -С. 230-231.

13. Хабибулина, Н. Ю. Алгоритм выбора метода решения задачи огггимиза-ции на сети параметров / Н. Ю. Хабибулина, И. В. Шиптенко // Тез. докл. межрегион, научно-технич. конф. "Научная сессия ТУСУР-2003", 13-15 мая 2003 г. - Томск: Из-во ТУСУРа, 2003. - Ч. 2 - С. 202-205.

14. Хабибулина, Н. Ю. Программный модуль автоматизированного проектирования, визуализации поддержки базы знаний гибридных экспертных систем / Н. Ю. Хабибулина, И. В. Никитина // Тез. докл. межрегион, научно-технич.

конф. "Научная сессия ТУСУР-2002, посвященная 40-летию ТУСУР", 14-16 мая 2002 г. - Томск: Изд-во ТУСУРа, 2002. - С. 178-179.

15. Хабибулина, Н. Ю. Автоматизированное проектирование базы знаний экспертной системы / Н. Ю. Хабибулина // Тез. докл. всеросс. научно-технич. конф. "Проблемы современной радиоэлектроники и систем управления", посвященной 40-летию Томского государственного университет систем управления и радиоэлектроники, 2-4 окт. 2002 г., в 2 т. - Томск: ТУСУР, 2002. - Т. 2. -С. 98-100.

16. Хабибулина, Н. Ю. Экспертная система анализа уровня энергосбережения региона / Н. Ю. Хабибулина, В. А. Силич // Тез. докл. междун. научно-практ. конф. "Природные и интеллектуальные ресурсы Сибири (СИБРЕСУРС-7-2001)", Барнаул, 17-19 сент. 2001 г. , в 2 ч. - Томск : Изд-во Том. ун-та, 2001. -Ч. 2-С. 206-209.

17. Хабибулина, Н. Ю. Инструментальный программный комплекс создания гибридных экспертных систем, основанных на функциональных сетях / Н. Ю. Хабибулина, В. А. Силич // Интеллектуальные автоматизированные системы проектирования, управления и обучения : сб. статей / под ред. Тарасенко В. П. - Томск: Изд-во НТЛ, 2000. - С. 200-214.

18. Хабибулина, Н. Ю. Экспертная система анализа уровня развития и классификации технопарков России / Н. Ю. Хабибулина, В. А. Силич, С. 3. Ямноль-ский // Тез. докл. междун. научно-практ. конф. "Природные и интеллектуальные ресурсы Сйбири (Сибресурс-6-2000)", Тюмень, 2-4 окт. 2000 г. // Отв. ред. В. Н. Масленников. - Томск : Томск, гос. ун-т систем управления и радиоэлектроники, 2000. - С. 210-211.

19. Khabibulina, N. Yu. Tool of the expert system making, using of functional networks / N. Yu. Khabibulina // The third International Symposium "Application of The Convcrsion Research Results for International Cooperation" (SIBCON-VERS'99). Proceedings. - Tomsk : Tomsk State University of Control System and Radioelectronics. -1999. -P. 202-205.

20. Хабибулина, H. Ю. Инструментальная система для создания экспертных систем, использующих функциональные сети / Н. Ю. Хабибулина, В. А. Силич // Тез. докл. междун. конф. по проблемам управления. - М. : изд-во ИПУ, 1999. -Т.З. -С. 255-256.

21. Хабибулина, Н. Ю. Алгоритм обратного вывода на функциональной сети / Н. Ю. Хабибулина, О. А. Чумак // Тез. докл. регион, научно-технич. конф. "Радиотехнические и информационные системы и устройства", 25 мая 1999 г. -Томск : ТУСУР, 1999. - С. 21-24.

22. Хабибулина, Н. Ю. Поиск решений на функциональной сети параметров методом прямой волны / Н. Ю. Хабибулина, О. А. Довганюк // Тез. докл. регион. научно-технич. конф. "Радиотехнические и информационные системы и устройства", 25 мая 1999 г. -Томск : ТУСУР, 1999. - С. 24-26.

23. Хабибулина, Н. Ю. Инструментальная система формирования экспертных систем, основанных на функциональных сетях / Н. Ю. Хабибулина // Тез. докл. регион, научно-практ. конф. студентов, аспирантов и молодых ученых "Сибирская школа молодого ученого", 21-23 дек. 1998 г. - Томск : Изд-во Томского государственного педагогического университета, 1999. -Т 4. - С 19-20.

24. Хабибулина, Н. Ю. Экспертная система выбора организационной структуры территориальной системы нефтепродуктообеспечения / Н. Ю. Хабибулина, В. А. Силич, Л. А. Фельдман // Автоматическое и автоматизированное управление сложными системами : сб. статей / под ред В. П. Тарасенко. -Томск:Изд-воТомск. Ун-та, 1998. -С. 132-137.

25. Хабибулина, Н. Ю. Создание на языке Турбо Пролог экспертной системы синтеза структуры корреляционно-экстремальной навигационной системы / Н. Ю. Хабибулина, В. А. Силич, Н. Г. Гусак // Тез. докл. междун. научно-практ. конф. "Природные и интеллектуальные ресурсы Сибири (СИБРЕСУРС-4-98)",Барнаул,21-23 сент. 1998 г. -Томск :ТУСУР, 1998. -С. 141-143.

26. Хабибулина, Н. Ю. Средство создания экспертных систем, использующих гибридные модели / Н. Ю. Хабибулина, В. А. Силич // Тез. докл. междун. научно-практ. конф. "Природные и интеллектуальные ресурсы Сибири (СИБ-РЕСУРС-3-97)", Красноярск, 13-15 окт. 1997 г. - Томск : ТУСУР, 1997. - С. 190-192.

27. Хабибулина, Н. Ю. Модели синтеза и анализа систем экстремальной пассивной локации / Н. Ю. Хабибулина, В. А. Силич, М. П. Силич, О. Н. Странгуль // Автоматизация проектирования, идентификация и управление в сложных системах : сб. статей / под ред. Тарасенко В. П. - Томск : изд-во HTJI, 1997. - С. 111-118.

28. Хабибулина, Н. Ю. Пакет программ для формирования гибридных моделей принятия решений на основе декларативной модели предметной области / Н. Ю. Хабибулина, В. А. Силич, М. П. Силич, И. А. Толмачев // Автоматизация проектирования, идентификация и управление в сложных системах : сб. статей / под ред. Тарасенко В. П. - Томск : Изд-во НТЛ, 1997. - С. 126-133.

ss 2 5 1 1 3

РНБ Русский фонд

2006-4 28791

Тираж 10. Заказ № 1116. Томский государственный университет систем управления и радиоэлектроники 634050, г. Томск, пр. Ленина, 40

Введение

Глава 1. Гибридная модель предметной области на базе функциональной сети параметров

1.1 Общая характеристика моделей и языков представления знаний

1.2 Концептуальная гибридная модель предметной области на базе функциональной сети параметров

1.3 Язык представления знаний — фреймы на сети параметров 36 Выводы

Глава 2. Алгоритмы формирования гибридной модели предметной области на базе функциональной сети параметров и поиска решений на данной модели

2.1 Процедуры поиска решений на моделях представления знаний

2.2 Эвристический алгоритм оптимизации базы знаний

2.3 Алгоритмы поиска решения на гибридной модели предметной области на базе функциональной сети параметров

2.3.1 Постановка задач поиска решений

2.3.2 Алгоритм прямого вывода на функциональной сети параметров с учетом альтернативности знаний и гибридности функциональных зависимостей в модели

2.3.3 Алгоритм обратного вывода на функциональной сети с учетом альтернативности знаний и гибридности функциональных зависимостей в модели

2.3.4 Алгоритм поиска оптимального решения на функциональной сети параметров с учетом альтернативности знаний и гибридности функциональных зависимостей методом прямого вывода

2.3.5 Алгоритм поиска оптимального решения на функциональной сети параметров с учетом альтернативности знаний и гибридности функциональных зависимостей методом обратного вывода

2.3.6 Выбор более эффективного алгоритма поиска оптимального решения на функциональной сети параметров

Выводы

Глава 3. Инструментальное программное средство создания гибридных экспертных систем, основанных на функциональных сетях

3.1 Общая характеристика инструментальных средств построения экспертных систем *

3.2 Инструментальное программное средство создания экспертных систем, использующих гибридную модель на базе функциональной сети параметров

3.2.1 Назначение системы "WinESISP"

3.2.2 Каталог пользователей системы "WinESISP"

3.2.3 Каталог требований к системе "WinESISP"

3.2.4 Структура системы "WinESISP"

3.2.5 Функциональные возможности системы "WinESISP" 108 Выводы

Глава 4. Экспертные системы на базе гибридных моделей, использующих функциональную сеть параметров

4.1 Информационная система оценки финансово-экономического состояния предприятия

4.1.1 Общая характеристика предметной области

4.1.2 Модель статического и динамического экспресс-анализа финансово-экономического состояния предприятия, использующая функциональную сеть параметров

4.1.3 Модель традиционного анализа финансового состояния предприятия, использующая функциональную сеть параметров

4.1.4 Реализация экспертной системы "Информационная система оценки финансово-экономического состояния предприятия" и ее практическое использование

4.2 Экспертная система анализа уровня развития социально-экономической системы

4.2.1 Общая характеристика модели анализа уровня развития социально-экономической системы

4.2.2 Экспертная система анализа уровня энергосбережения в регионе

4.2.2.1 Общая характеристика предметной области

4.2.2.2 Модель оценки уровня энергосбережения в регионе

4.2.2.3 Реализация экспертной системы "Информационная система оценки уровня энергосбережения в регионе" и ее практическое использование

4.2.3 Экспертная система анализа уровня развития, эффективности функционирования и классификации технопарков России

4.2.3.1 Общая характеристика деятельности технопарка

4.2.3.2 Модель анализа уровня развития, эффективности функционирования и классификации технопарков России, использующая функциональную сеть

4.2.3.3 Реализация экспертной системы "Анализ уровня развития, эффективности функционирования и классификации технопарков России" и ее практическое использование

4.2.4 Экспертная система выбора организационной структуры социально-экономической системы

4.2.4.1 Общая характеристика предметной области

4.2.4.2 Модель выбора организационной структуры территориальной системы нефтепродуктообеспечения

4.2.4.3 Реализация экспертной системы выбора организационной структуры территориальной системы нефтепродуктообеспечения и ее практическое использование 157 4.3 Экспертная система выбора более эффективного алгоритма решения задачи оптимизации

4.3.1 Общая характеристика предметной области

4.3.2 Модель выбора алгоритма решения задачи оптимизации, использующая функциональную сеть параметров

4.3.3 Реализация экспертной системы выбора алгоритма решения задачи оптимизации, использующая функциональную сеть параметров и ее практическое использование

Выводы

Актуальность темы диссертации.

Методы инженерии знаний, логико-лингвистического моделирования, теории нечетких множеств и теории экспертных систем (ЭС) все чаще используются в процессе принятия решений по управлению социально-экономическими системами. Они позволяют формализовать эвристические знания экспертов - специалистов по управлению некоторым классом социально-экономических систем и на базе этих знаний посредством специальных процедур вывода находить решение различных задач в данной предметной области (ПО).

Формализацию знаний экспертов проводят с помощью специальных моделей и языков представления знаний. Наибольшее распространение получили следующие модели представления знаний: логические, логико-лингвистические, семиотические, структурно-лингвистические (сетевые и фреймы), продукционные [2, 6-10, 14, 20-24, 28-29, 32-38, 49-57 и др.]. Использование того или иного представления зависит от ПО и от типа задач, для решения которых создается ЭС.

Среди задач принятия решений по управлению социально-экономическими системами выделяются задачи анализа и синтеза системы. Для решения данных задач, как правило, используются модели, основанные на логической парадигме, т.е. ориентированные на представление процедурного, операционного знания - знания о причинно-следственных связях между характеристиками (параметрами) системы. Чаще всего для представления таких знаний используют продукционные модели, основой которых являются правила-продукции типа "ЕСЛИ-ТО" [12, 20-23, 28, 46 - 57, 67 и др.].

Однако формализация операционных знаний о социально-экономических системах зачастую вызывает трудности, связанные с разнородностью знаний: характеристиками системы выступают как количественные, так и качественные параметры, в том числе и нечеткие, а зависимости между ними могут быть выражены как в виде правил-продукций, так и в виде аналитических формул или различных алгоритмических процедур. Таким образом, необходимо объединение разнородного операционного знания в рамках единой гибридной модели и построение на базе данной модели гибридной ЭС [51].

Необходимость использования гибридных ЭС для повышения обоснованности принимаемых решений показана в работах Поспелова Г.С.

51], Поспелова Д.А. [52, 53], Попова Э.В. [49, 50], Джексона П. [14] и др. отечественных и зарубежных специалистов, внесших заметный вклад в исследование и формирование концепции интеллектуальных систем в целом [2-14, 16, 17, 20-29, 32-39, 49-59 и др.].

Гибридность ЭС специалисты по инженерии знаний рассматривают в разных аспектах [9, 14, 16, 23, 25, 26, 36, 49, 51, 58, 59, 67, 68, 82, 85, 86, 90].

Изначально под гибридностью ЭС понимали сочетание (комбинирование) разных моделей представления знаний для создания базы знаний ЭС. Даже в таких ранних системах, как MYCIN, информация, специфическая для ПО, хранилась в разных формах - например, в виде порождающих правил (правил-продукций) и в виде таблиц медицинских параметров [14, 36, 67, 81, 83]. Другие программы (например, CENTAUR) можно было считать гибридными в том смысле, что в них объединялись разные способы представления знаний, а затем эти знания использовались с разной целью — для решения проблемы и формирования пояснений. Позже исследовательские системы (например, XPLAN) приобрели более сложную архитектуру, которая для создания ЭС объединяла в себе разнообразные программные инструменты и модели. В системах на базе доски объявления ("классной доски"), например, HEARSAY, ВВ*, объединялись разнообразные источники знаний, которые могли иметь совершенно разные внутренние структуры. Дальнейшее развитие в данном направлении — разработка систем, в которых объединяются традиционные программы решения проблем и конфликтов и компоненты самообучения и критического анализа (например, ODYSSEUS) [14].

В данной работе будем придерживаться терминологии, предложенной в [21]: "термин "гибридные системы" целесообразно применять для описания ЭС (гибридных ЭС), в которых используются и методы инженерии знаний, и формализованные методы, а так же методы традиционного программирования и математики".

Основной проблемой при разработке гибридных ЭС является организация взаимодействия разнородных фрагментов знаний, в частности, определение последовательности вызова процедур, проводящих расчеты по аналитическим формулам и определенным алгоритмам, а так же осуществляющих логический вывод с использованием эвристических закономерностей (например, в виде правил-продукций). Для решения данной проблемы используются методы планирования в пространстве задач, большинство из которых используют явно заданную сеть планирования [47, 51-53, 76, 82]. К ним относится и метод, использующий сеть функциональных зависимостей между параметрами ПО (функциональную сеть параметров) [8, 25, 26, 32,51,61-62, 64, 65].

Основой данного метода является представление знаний о некоторой статической ПО с помощью гибридной модели, объединяющей разнородные компоненты базы знаний — аналитические формулы, правила-продукции и алгоритмические процедуры посредством сети функциональных зависимостей, что значительно упрощает решение проблемы взаимодействия этих компонент. Кроме того, структурирование исполняемых утверждений посредством функциональной сети упрощает процесс создания модели ПО за счет наглядности, "прозрачности" модели, существенно снижает трудоемкость поиска решений и увеличивает скорость вывода заключений за счет "сужения" на каждом шаге множества проверяемых утверждений, что особенно важно при решении задачи выбора оптимальных вариантов параметров системы [62].

Для формирования базы знаний на основе гибридной модели, использующей функциональную сеть параметров, был разработан язык ФСП (Фреймы на Сети Параметров) [62]. Этот язык позволяет представить структурированные составляющие модели в базе знаний таким образом, чтобы она была удобна для обработки программой вывода. Были разработаны следующие алгоритмы вывода на модели, использующей функциональную сеть: алгоритм прямого вывода для решения задачи интерпретации, алгоритмы прямого и обратного вывода для решения задачи оптимизации. Вывод можно проводить как на надежных, так и на ненадежных знаниях.

Для автоматизации процесса построения ЭС на базе гибридных моделей, представленных на языке ФСП, разработан ряд инструментальных систем "ЭСИСП", "МИС", "ЭСФС", относящихся к классу оболочек [60-62, 98, 99]. Данные системы позволяют быстро и с малыми затратами строить прототипы ЭС, поскольку процесс создания баз знаний, их корректировки и использования для поиска решений довольно прост и не требует программирования, что облегчает проведение исследований и экспериментов. С их помощью был создан ряд прототипов ЭС различного назначения: "Тест-зрение" для экспресс-диагностики состояния зрения; "Тромбо-тест" для диагностики тромбоопасности по данным тромбоэлластограммы; "КЭНС" для проектирования оптимальных структур корреляционно-экстремальных навигационных систем; ЭС оценки лидерских качеств по результатам тестирования и др. [60-62, 95, 102].

Несмотря на достигнутые успехи в развитии и применении методологии представления знаний в виде гибридной модели, использующей функциональную сеть зависимостей параметров, построение на ее основе ЭС анализа и синтеза социально-экономических систем вызывает значительные трудности. Это обусловлено наличием следующих проблем.

Возможность задания в качестве функциональных зависимостей процедур-функций хоть и декларировалось, но реально не была предусмотрена: ни язык ФСП, ни алгоритмы вывода, ни представленные оболочки не предполагают включения в модель процедур. Между тем, при решении задач анализа и синтеза социально-экономических систем часто используются процедуры такие, как поиск и загрузка данных из базы данных, определение лингвистического значения нечеткого понятия по его количественному значению и заданной функции принадлежности и наоборот (фаззификация, дефаззификация), генерация случайного значения параметра ПО и т.д.

Существующий метод построения модели функциональных зависимостей не предусматривает также представление альтернативных (вариативных) знаний. Однако ситуация, когда различные эксперты (или даже один и тот же эксперт) задают различные способы определения одного и того же параметра, встречается очень часто при описании закономерностей, присущих социально-экономическим системам, что обусловлено их сложностью.

Нерешенной также остается проблема выбора в каждом конкретном случае стратегии логического вывода на базе знаний — прямой или обратной. Ее решение предполагает исследование зависимости трудоемкости алгоритмов прямого и обратного вывода от характеристик гибридной модели (под трудоемкостью алгоритма понимается количество обращений к функциональным зависимостям).

Кроме того, актуальной является задача оптимизации базы знаний с целью сокращения количества составляющих ее правил-продукций, т.е. сокращение ее объема.

Таким образом, развитие методов и средств построения ЭС на базе гибридной модели, использующей функциональную сеть параметров, обеспечивающее возможность использования разнородных и вариативных знаний экспертов для принятия решений по управлению социально-экономическими системами, является актуальной задачей.

Цель работы и задачи исследования. '

Целью диссертационной работы является создание моделей, алгоритмов, инструментальных средств построения гибридных ЭС на базе функциональных сетей параметров, а также их применение для создания конкретных ЭС анализа и синтеза социально-экономических систем.

Для достижения поставленной цели в диссертационной работе были сформулированы следующие задачи:

- разработка модели на базе функциональной сети параметров и языка представления модели, допускающих задание различных видов функциональных зависимостей и альтернативных способов определения одного и того же параметра модели;

- построение эвристического алгоритма оптимизации базы знаний, позволяющего сокращать ее объем;

- разработка алгоритмов поиска решений на функциональной сети параметров, модифицирующие существующие алгоритмы вывода с учетом включения в модель в качестве функциональных зависимостей процедур-функций, а также возможности задания альтернативных способов определения параметров;

- исследование зависимости трудоемкости алгоритмов поиска оптимального решения от характеристик модели и вывод рекомендаций по выбору более эффективного алгоритма;

- разработка инструментального средства создания ЭС на базе гибридной модели функциональных зависимостей параметров;

- создание прикладных ЭС для решения задач анализа и синтеза социально-экономических систем.

Методы исследования.

Для выполнения работы используются методы инженерии знаний и теории ЭС, в том числе методы нечеткого вывода на системах продукций, фреймовые, сетевые представления знаний.

Научная новизна.

Научной новизной в диссертационной работе обладают следующие результаты:

1) гибридная модель ПО на базе функциональной сети параметров, позволяющая задавать зависимости между параметрами в виде правилпродукций, аналитических формул и процедур-функций, а так же допускающая задание альтернативных способов определения одного и того же параметра;

2) язык ФСП представления гибридной модели для формирования баз знаний, допускающий задание в качестве функциональных зависимостей между параметрами процедур-функций и введение альтернативных зависимостей для отдельных параметров;

3) эвристический алгоритм оптимизации базы знаний, позволяющий без потери информации о ПО сокращать общее количество правил-продукций, используемых при составлении гибридной модели;

4) алгоритмы прямого и обратного вывода на предложенной гибридной модели, осуществляющие поиск решения в условиях разнородности и вариативности знаний и обладающие большей гибкостью и вычислительной эффективностью по сравнению с традиционными алгоритмами вывода на системах продукциях;

5) результаты исследования алгоритмов поиска оптимального решения на гибридной модели, использующих прямой и обратный вывод, в виде аналитических формул расчета трудоемкости алгоритмов.

Основные положения, выносимые на защиту.

1) Разработанные гибридная модель ПО на базе функциональной сети параметров и язык ФСП описания данной модели позволяют задавать зависимости между параметрами в виде правил-продукций, аналитических формул, процедур-функций и альтернативные способы определения параметров модели.

2) Предложенный эвристический алгоритм оптимизации базы знаний сокращает объем базы знаний без потери информативности модели.

3) Разработанные алгоритмы прямого и обратного вывода на функциональной сети параметров позволяют находить все возможные решения задач интерпретации, поиска допустимого решения и оптимизации и обеспечивают сокращение объема вычислений.

4) Выведенные формулы расчета трудоемкости алгоритмов позволяют сделать вывод, что когда число истоковых параметров модели значительно превышает число неистоковых параметров, для решения задачи оптимизации более эффективен алгоритм обратного вывода и, наоборот, когда число неистоковых параметров значительно превышает количество истоков, лучше использовать алгоритм прямого вывода.

Практическая ценность и реализация результатов работы.

Полученные научные результаты реализованы в виде конкретных моделей, алгоритмов, программ, экспертных систем. Основными результатами внедрения являются:

- инструментальное средство "\УтЕ818Р", позволяющее быстро и с малыми затратами строить гибридные ЭС, поскольку процесс создания баз знаний, их пополнения, корректировки и использования для поиска решений довольно прост и не требует программирования;

- информационная система оценки финансово-экономического состояния предприятия, позволяющая проводить статический и динамический экспресс-анализ, моделирование и прогнозирование устойчивости предприятия при изменении тех или иных финансовых показателей;

- ЭС оценки уровня развития технопарков России и их классификации;

- ЭС анализа уровня энергосбережения в регионе;

- ЭС выбора типа организационной структуры социально-экономической системы.

Разработанный в диссертационной работе инструментальный комплекс "ХУтЕБКР" используется в учебном процессе на кафедре компьютерных систем в управлении и проектировании (КСУП) Томского государственного университета систем управления и радиоэлектроники. Все перечисленные практические разработки подтверждены актами внедрения, приведенными в приложении 10.

Результаты применения разработанных моделей, языка, алгоритмов и инструментального средства для построения конкретных ЭС показали их эффективность при решении задач анализа и синтеза социально-экономических систем.

Личный вклад автора.

1) Вид гибридной модели на базе функциональных сетей параметров, допускающей включение процедур-функций и задание альтернативных способов определения параметров, разработан совместно с Силич М.П.

2) Расширение языка ФСП в части использования процедур-функций и возможности задания альтернативных способов определения параметров предложено лично автором.

3) Алгоритмы прямого и обратного вывода, модифицирующие существующие алгоритмы вывода на функциональной сети параметров, разработаны автором.

4) Модель зависимости трудоемкости предложенных алгоритмов оптимизации, использующих прямой или обратный вывод, от основных характеристик модели разработана совместно с Силич М.П.

5) Эвристический алгоритм оптимизации базы знаний разработан лично автором.

6) Программная реализация инструментального программного комплекса "WinESISP" проведена совместно с Чурсиным A.B.

7) Создание гибридной модели оценки финансово-экономического состояния предприятия осуществлено совместно с Силич М.П. и Горбаток З.В.

8) Модель оценки уровня энергосбережения в регионе разработана совместно с Силич М.П., Яворским М.И. и Литваком В.В.

9) Модель оценки уровня развития технопарков России создана на основе метода, предложенного Шукшуновым В.Е.

10) Модель выбора типа организационной структуры создана совместно с Фельдманом JI.A.

11) Лично автором проведены различные эксперименты на построенных ЭС, проанализированы полученные результаты с целью проверки адекватности модели, получены конкретные результаты внедрения созданных ЭС.

Апробация результатов работы.

Основные положения и результаты диссертационной работы неоднократно докладывались и обсуждались на различных конференциях и семинарах, в том числе на: международных научно-практических конференциях "Природные и интеллектуальные ресурсы Сибири" (СИБРЕСУРС) (Красноярск, 1997; Барнаул, 1998; Тюмень, 2000; Барнаул, 2001); региональной научно-практической конференции студентов, аспирантов и молодых ученых "Сибирская школа молодого ученого" (Томск, 1998 г.); региональной научно-технической конференции студентов и молодых специалистов "Радиотехнические и информационные системы и устройства" (Томск, 1999 г.); 3-ем международном симпозиуме "Application of The Conversion Research Results for International Cooperation" (SIBCONVERS'99) (Томск, 1999); всероссийской научно-технической конференции "Научная сессия ТУ СУР" (Томск, 2002, 2003, 2004, 2005 г.г.); всероссийской-научно-практической конференции "Электронные средства и системы управления" (Томск, 2003); 8-м международном русско-корейском симпозиуме "KORUS 2004" (Томск, 2004); международной конференции по проблемам управления (Москва, 1999).

Публикации.

Основные результаты по материалам диссертационной работы опубликованы в 28 печатных работах, из которых 7 статей, 20 докладов и свидетельство о регистрации программного продукта в "Отраслевом фонде алгоритмов и программ" [69-74, 93, 97-106, 120-125, 128-131].

Основные работы опубликованы в сборниках научных статей "Автоматизация проектирования, идентификация и управление в сложных системах" (Томск: Изд-во НТЛ 1997), "Автоматическое и автоматизированное управление сложными системами" (Томск: Изд-во ТГУ 1998), "Интеллектуальные автоматизированные системы проектирования, управления и обучения" (Томск: Изд-во ТГУ 2000) под ред. проф., д.т.н. Тарасенко В.П. Также статьи были опубликованы в журналах: "Информационные технологии" (Москва, №9, 2004), "Известия Томского политехнического университета" (Томск, №2, 2005), "Вестник Томского государственного университета" (Томск, Т.284, 2004).

Структура и объем работы.

Диссертационная работа, объемом 228 машинописных страниц, содержит введение, четыре главы, заключение, список литературы (132 наименования), 19 таблиц, 48 рисунков, 10 приложений.

Выводы

1. Информационная система оценки финансово-экономического состояния предприятия позволяет проводить текущий статический и динамический экспресс-анализ финансово-экономического состояния предприятия, устанавливать и контролировать необходимые и достаточные ограничения основных показателей финансовой деятельности предприятия с целью поддержания или увеличения финансовой устойчивости, моделировать и прогнозировать устойчивость предприятия при изменении тех или иных финансовых показателей.

2. Экспертная система анализа уровня развития социально-экономической системы, позволяет определять интегрированную оценку развития на основе первичных показателей с учетом мнений экспертов относительно важности показателей. Система используется для проведения ретроспективного или сравнительного анализа, прогнозирования или моделирования состояния социально-экономической системы.

3. Использование экспертной системы оценки уровня энергосбережения в регионе для решения задачи ретроспективного анализа изменения уровня энергосбережения в Томской области в период 1999 - 2002 г.г. показало положительную динамику изменения интегральной оценки энергосбережения, обусловленную, в первую очередь, положительной динамикой оценки реализации энергосберегающей политики (этот показатель имеет довольно высокий вес), а также оценки энергонезависимости.

4. На базе экспертной системы анализа уровня развития, эффективности функционирования и классификации технопарков России проведен сравнительный анализ 40 технопарков России. По результатам анализа Томский технопарк был отнесен к технопаркам-лидерам.

5. В результате использования экспертной системы выбора организационной структуры социально-экономической системы для оценки эффективности существующего вида оргструктуры предприятия ОАО "Красноярскнефтепродукт" и выбора оптимальной структуры было выявлено, что эффективность существующей функционально-ориентированной организационной структуры находится на среднем уровне, оптимальной на данный период развития предприятия является оргструктура на основе автономных центров.

6. Экспертная система выбора алгоритма решения задачи оптимизации с учетом характеристик конкретной гибридной модели предметной области позволяет получать рекомендации, какой из алгоритмов — основанный на методе прямого вывода или методе обратного вывода - более эффективен в данном конкретном случае.

7. Разработанные экспертные системы уровня развития социально-экономической системы позволяют не только получать решения конкретных задач, но и корректировать знания в базе знаний, т.е. правила-продукции, аналитические формулы и процедуры. Для определения весовых коэффициентов показателей, используемых в формулах, на основе экспертного ранжирования показателей разработан отдельный программный модуль.

Заключение

В диссертационной работе решена актуальная научно-техническая задача по развитию методологии создания гибридных экспертных систем, основанных на функциональных сетях, имеющая существенное значение для проведения анализа и синтеза социально-экономических систем. Диссертационная работа имеет внутреннее единство и является совокупностью новых научных результатов и положений, развивающих теорию и практику применения экспертных систем при принятии решений по управлению социально-экономическими системами.

К основным результатам, полученным в данной диссертационной работе, можно отнести следующее.

1) Предложена модификация гибридной модели ПО на базе функциональной сети параметров и языка ФСП описания данной модели, которая позволяет задавать экспертные знания о статических предметных областях совокупностью параметров, их значений и функциональных зависимостей между параметрами в виде правил-продукций, аналитических формул, процедур-функций, а так же альтернативные способы определения отдельных параметров модели.

2) Разработан эвристический алгоритм оптимизации базы знаний, в результате работы которого происходит сокращение общего количества правил-продукций в базе знаний. Данное сокращение количества правил происходит без потери информации о ПО и приводит, во-первых, к уменьшению объема памяти компьютера, используемого для хранения базы знаний, а во-вторых, к уменьшению времени, затрачиваемого для полного перебора правил при решении задач интерпретации, поиска допустимого решения и оптимизации

3) С учетом ввода в модель в качестве функциональных зависимостей между параметрами процедур-функций и возможности задания альтернативных знаний разработаны алгоритмы решения следующих задач:

- задачи интерпретации (прямая задача), как задачи нахождения значений целевых параметров при заданных текущих значениях базовых параметров прямого. Для ее решения разработан алгоритм прямого вывода на функциональной сети;

- задачи поиска допустимого решения (обратная задача), как задачи нахождения значений базовых параметров при заданных текущих значениях целевых параметров. Для ее решения разработан алгоритм обратного вывода на функциональной сети параметров;

- задачи оптимизации, как задачи нахождения комбинации значений базовых параметров, при которой достигается целевое состояние, заданное совокупностью критерия эффективности и ограничений. Для решения данной задачи возможно использование как алгоритма прямого вывода, так и алгоритма обратного вывода на функциональной сети параметров.

4) Предложены аналитические формулы расчета трудоемкости алгоритмов прямого и обратного вывода, на базе которых сформулированы рекомендации по выбору наилучшего алгоритма для решения задачи оптимизации: прямой вывод эффективнее использовать для моделей, в которых число базовых параметров значительно меньше числа остальных параметров, и, наоборот, для моделей, в которых число базовых параметров превышает число остальных, эффективнее алгоритм обратного вывода.

5) Создано инструментальное средство "\\^пЕ818Р", позволяющее быстро и с малыми затратами строить гибридные ЭС анализа и синтеза социально-экономической системы, поскольку процесс создания баз знаний, их пополнения, корректировки и использования для поиска решений довольно прост и не требует программирования.

6) Разработана информационная система оценки финансово-экономического состояния предприятия, позволяющая проводить статический и динамический экспресс-анализ, моделирование и приближенное прогнозирование устойчивости предприятия при изменении тех или иных финансовых показателей;

7) Созданы следующие экспертные системы: ЭС оценки уровня развития технопарков России и их классификации, ЭС анализа уровня энергосбережения в регионе, ЭС выбора типа организационной структуры социально-экономической системы.

Разработанный в диссертационной работе инструментальный комплекс "\¥тЕ818Р" используется в учебном процессе на кафедре компьютерных систем в управлении и проектировании (КСУП) Томского государственного университета систем управления и радиоэлектроники. Все перечисленные практические разработки подтверждены актами внедрения.

Результаты применения разработанных моделей, языка, алгоритмов и инструментального средства для построения конкретных ЭС показали их эффективность при решении задач анализа и синтеза социально-экономических систем.

1. Аверкин, А. Н. Нечеткие множества в моделях искусственного интеллекта / А. Н. Аверкин // Вопросы кибернетики. Проблемы искусственного интеллекта. -М. : ВИНИТИ, 1980. -С. 79-86.

2. Аверкин, А. Н. Толковый словарь по искусственному интеллекту / А. Н. Аверкин, М. Г. Газе-Раппопорт, Д. А. Поспелов. М. : Радио и связь, 1992. -255 с.

3. Автоматизированные информационные технологи в экономике: учебник / И. Т. Трубилина и др.. — М. : Финансы и статистика, 2001. — 416 с. :ил.

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

5. Блишун, А. Ф. Сравнительный анализ методов измерения нечеткости / А. Ф. Блишун // Изв. АН СССР, Техн. кибернетика. 1988. - №5. - С. 5176.

6. Братко, И. Программирование на языке Пролог для искусственного интеллекта / И. Братко // пер. с англ. М. : Мир, 1990. - 560 с.

7. Варламов, О. О. Эволюционные базы данных и знаний для адаптивного синтеза интеллектуальных систем. Миварное информационное пространство: Монография/ О. О. Варламов. М.: Радио и связь, 2002. -287 с.

8. Васютин, С. В. Базы данных. Интеллектуальная обработка информации / Васютин С. В., Гарев А. Ф., Корнеев В. В., Райх В. В. М. : Нолидж, 2000.-352 с.

9. Венда, В. Ф. Системы гибридного интеллекта / В. Ф. Венда. — М. : Машиностроение, 1990.—267 с.

10. Гаврилов, А. В. Гибридные интеллектуальные системы / А. В. Гаврилов. Новосибирск : Изд-во НГТУ, 2003. - 164 с.

11. Гаскаров, Д. В. Интеллектуальные информационные системы. Учеб. Для вузов / Д. В. Гаскаров. М. : Высш. шк., 2003. - 431 с.

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

13. Грановская, Р. М. Интуиция и искусственный интеллект / Р. М. Грановская, И. Я. Березная — JT. : изд-во Ленинград, ун-та, 1991. -272 с.

14. Джексон, П. Введение в экспертные системы : уч. пос. / П. Джексон. -М. : Издательский дом "Вильяме", 2001. 642 с.

15. Достоверный и правдоподобный вывод в интеллектуальных системах/ В. Н. Вагин, Е. Ю. Головина, А. А. Загорянская, М. В. Фомина; Ред. Д. А. Поспелов. М.: Физматлит, 2004. - 704 с.

16. Емельянов, В. В. Теория и практика эволюционного моделирования/ В. В. Емельянов, В. В. Курейчик, В. М. Курейчик. М.: Физматлит, 2003. - 432 с.

17. Заде, Л. А. Основы нового подхода к анализу сложных систем и процессоров принятия решений / Л. А. Заде // Математика сегодня: пер. с англ. -М. : Знание, 1974. С. 5-48.

18. Заде, Л. А. Понятие лингвистической переменной и его применение к принятию приближенных решений / Л. А. Заде. — М. : Мир, 1976. — 238с.

19. Искусственный интеллект. Применение в интегрированных производственных системах / под ред. Э. Кьюсиака. — М. : Машиностроение, 1991.

20. Искусственный интеллект: Модели и методы: справочник / под ред. Д. А. Поспелова. М. : Радио и связь, 1990. - Кн. 2. - 304 с.

21. Искусственный интеллект: Программные и аппаратные средства: Справочник / под ред. В. Н. Захарова, В. Ф. Хорошевского — М. : Радио и связь, 1990. Кн. 3. - 368 с.

22. Искусственный интеллект: Системы общения и экспертные системы: справочник / под ред. Э. В. Попова. — М. : Радио и связь, 1990. Кн. 1. - 464 с.

23. Ковригин, О. В. Язык Лисп и его модификации / О. В. Ковригин, К. Г. Перфильев // Искусственный интеллект: Программные и аппаратные средства, кн. 3 М. : Радио и связь, 1990. - С. 21-33.

24. Колесников, А. В. Гибридные интеллектуальные системы для поддержки принятия решений / А. В. Колесников // Тр. Межд. Конф.

25. Интеллектуальное управление: новые интеллектуальные технологии в задачах управления 1СГГ99. М.: Физматлит, 1999. - С.59-63.

26. Колесников, А. В. Проблемно-структурная технология разработки приложений гибридных интеллектуальных систем / А. В. Колесников // Тр. VII национ. конф. по искусственному интеллекту с международным участием КИИ-2000, Т. 2. М. : Физматлит, 2000.

27. Круглов, В.В. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода / В. В. Круглов, М. И. Дли. -М.: Физматлит, 2002.

28. Ларичев, О. И. Системы поддержки принятия решений: современное состояние и перспективы развития / О. И. Ларичев, А. Б. Петровский // Итоги науки. Техническая кибернетика. -М. : ВИНИТИ, 1987. -Т. 21.

29. Левин, Р. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике / Р. Левин, Д. Дранг, Б. Эдельсон. М. : Финансы и статистика, 1991. - 239 с.

30. Леоненков, A.B. Нечеткое моделирование в среде MATLAB и fuzzyTECH / А. В. Леоленков. СПб.: БХВ-Петербург, 2003. - 287с.

31. Леоненков, А. В. Самоучитель UML / А. В. Леоненков СПб. : БХВ-Петербург, 2001. -304 с.

32. Лозовский, B.C. Экстенсиональная база данных на основе семантических сетей / В. С. Лозовский // Изв. АН СССР. Техн. кибернетика. 1982. - №5. - С. 23-42.

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

34. Люггер, Д. Ф. Искусственный интеллект: стратегии и методы решения сложных проблем / Д. Ф. Люггер. М. : Издательский дом "Вильяме", 2003.-864с.

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

36. Мешалкин, В. П. Экспертные системы в химической технологии. Основы теории, опыт разработки и применения / В. П. Мешалкин М. : Химия, 1995. -368 с.

37. Минский, М. Фреймы для представления знаний: пер. с англ. / М. Минский. -М. : Энергия, 1979. 151 с.

38. Моррис, У. Т. Наука об управлении. Байесовский подход: пер. с англ. / У.Т.Моррис. -М. : Мир, 1971. -304 с.

39. Нейлор, К. Как построить свою экспертную систему: пер. с англ. / К. Нейлор. -М. : Энергоатомиздат, 1991. -286 с.

40. Нечеткие множества и теория возможности. Последние достижения / под ред. Ягера Р. Р. М. : Радио и связь, 1986. - 408 с.

41. Нечеткие множества в моделях управления и искусственного интеллекта. -М. : Наука, 1986.-312 с.

42. Нильсон, Н. Принципы искусственного интеллекта / Н. Нильсон. — М. : Радио и связь, 1985. 376 с.

43. Обработка нечеткой информации в системах принятия решений/ А. Н. Борисов и др.. -М. : Радио и связь, 1989. -304 с.

44. Основы системного анализа и проектирования АСУ: учебн. пособие / под ред. A.A. Павлова. Киев : Высшая школа, 1991.

45. Осовский, С. Нейронные сети для обработки информации: Пер. с польского/ С. Осовский; Ред. И. Д. Рудинский. М.: Финансы и статистика, 2002. - 344 с.

46. Осуга, С. Обработка знаний: пер. с япон. / С. Осуга. М. : Мир, 1989. - 293 с.

47. Перевозчикова, О. JI. Системы диалогового решения задач на ЭВМ / О. JL Перевозчикова, Е. JI. Ющенко. Киев : Наукова думка, 1986. - 264 с.

48. Перегудов, Ф. И. Основы системного анализа: учеб. пос. / Ф. И. Перегудов, Ф. П. Тарасенко. Томск : Изд-во HTJI, 1997. - 396 с.

49. Попов, Э. В. Статические и динамические экспертные системы: учеб. пособие / Э. В. Попов, И. Б. Фоминых, Е. Б. Кисель, М. Д. Шапот. М. : Финансы и статистика, 1996. - 320 с.

50. Попов, Э. В. Экспертные системы. Решение неформализованных задач в диалоге с ЭВМ / Э. В. Попов. М. : Наука, 1987. - 228 с.

51. Поспелов, Г. С. Искусственный интеллект основа новой информационной технологии. Сер. Академические чтения / Г. С. Поспелов. -М. : Наука, 1988. -200 с.

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

53. Поспелов, Д. А. Ситуационное управление. Теория и практика / Д. А. Поспелов. -М. -.Наука, 1986. -288 с.

54. Построение экспертных систем: пер. с англ. / под ред. Ф. Хейеса-Рота, Д. Уотермана, Д. Лената. -М. : Мир, 1987. -441 с.

55. Представление и использование знаний: пер. с япон. / под ред. X. Уэно, М. Исидзука. -М. : Мир, 1989. -220 с.

56. Приобретение знаний: пер. с япон. / под ред. С. Осуги, Ю. Саэки. М. : Мир, 1990. -304 с.

57. Реальность и прогнозы искусственного интеллекта: сб. статей, пер. с англ. // под ред. В. Л. Стефанюка. -М. : Мир, 1987. -247 с.

58. Рыбина, Г. В. Интегрированные экспертные системы: Современное, состояние, проблемы и тенденции / Г. В. Рыбина // Изв. РАН, Теория и системы управления. 2002. — № 5. - С. 111 - 126.

59. Рыбина, Г. В. Современные экспертные системы: тенденции к интеграции / Г. В. Рыбина // Приборы и системы управления. 2001. —№ 8. -С. 18-21.

60. Силич, В. А. Использование "ЭСИСП" для создания экспертных систем и в обучении / В. А. Силич, М. П. Силич // Автоматизация проектирования, идентификация и управление в сложных системах : сб. науч. тр. -Томск : изд-во НТЛ, 1997. С. 134-144.

61. Силич, В. А. Проектирование автоматизированных систем управления на основе иерархических семантических моделей : дис. докт. техн. наук : защищена 05. 05. 1995 / В. А. Силич. Томск, 1995. - 415 с.

62. Силич, М. П. Метод формирования гибридных моделей и инструментальный комплекс для построения экспертных систем : дис. канд. техн. наук : защищена 23. 02. 1994 / М. П. Силич. Томск, 1993. -138 с.

63. Тарасов, В. Б. Развитие прикладных интеллектуальных систем: анализ основных этапов, концепций и проблем / В. Б. Тарасов, Н. М. Соломатин // Вестн. МГТУ : спец. выпуск "Системы искусственного интеллекта". — М. : МГТУ, 1994. -№1.

64. Тыугу, Э.Х. Концептуальное программирование / Э. X. Тыугу. М. : Наука, 1984.-255с.

65. Тыугу, Э.Х. Интеграция знаний / Э. X. Тыугу // Изв. АН СССР. Техн. кибернетика. 1989.-№5.-С.З-13.

66. Уинстон, П. Искусственный интеллект : пер. с англ. / П. Уинстон. М. : Мир, 1980.-419 с.

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

68. Фоминых, И. Б. Интеграция нейронных и символьно-логических моделей в интеллектуальных технологиях / И. Б. Фоминых // Тр. VII национ. конф. по искусственному интеллекту с международным участием КИИ-2000, Т. 2. М. : Физматлит, 2000.

69. Хабибулина, Н. Ю. Алгоритм обратного вывода на функциональной сети / Н. Ю. Хабибулина, О. А. Чумак // Тез. докл. регион, научно-технич. конф. "Радиотехнические и информационные системы и устройства", 25 мая 1999 г. -Томск : ТУ СУР, 1999. -С. 21-24.

70. Хабибулина, Н. Ю. Поиск решений на модели функциональных отношений / Н. Ю. Хабибулина, М. П. Силич // Информационные технологии. -2004. -№9. С. 27-33.

71. Хендерсон, П. Функциональное программирование. Применение и реализация : пер. с англ. / П. Хендерсен. М. : Мир, 1983. - 209 с.

72. Ходашинский, И. А. Методы, модели, алгоритмы, инструментальные средства построения имитационно-лингвистических систем : дис. докт. техн. наук / И. А. Ходашинский. — Томск : Томск.госуд.университет систем управления и радиоэлектроники, 2004. — 357 с.

73. Хювёнен, Э. Мир Лиспа. В 2-х т. Введение в язык Лисп и функциональное программирование : пер. с финск. / Э. Хювёнен, Й. Сеппянен. -М. : Мир, 1990.

74. Чень, Ч. Математическая логика и автоматическое доказательство теорем / Ч. Чень, Р. Ли. М. : Наука, 1983.-360 с.

75. Экспертные системы / Л. Н. Голубева, Е. Н. Покатаева, А. П. Частиков и др.; Ред. Б. М. Васильев. М.: Знание, 1990. - 47 с.

76. Экспертные системы для персональных компьютеров. — Минск: Вышэйшая школа, 1990. — 104 с.

77. Экспертные системы. Принципы и примеры : пер. с англ. / А. Брукинг и др.. -М. : Радио и связь, 1987. -224 с.

78. Экспертные системы: состояние и перспективы: сб. науч. трудов/ под ред. Д. А. Поспелова. -М. : Наука, 1989. 152 с.

79. Элти, Дж. Экспертные системы. Концепции и примеры / Дж. Элти, М. Кумбс. — М. : Финансы и статистика, 1987. 191 с.

80. Эрлих, А. И. Проблемы моделирования в интеллектуальных системах / А. И. Эрлих // Вестн. МГТУ : спец. выпуск "Системы искусственного интеллекта". -М. : МГТУ, 1994. -№1.

81. Ярушкина Н.Г. Основы теории нечетких и гибридных систем. Учебное пособие / Н. Г. Ярушкина. М. : Финансы и статистика, 2004. - 320 с.

82. Golding, A. R. Improving accuracy by combining rule-based and case-base reasoning / A. R. Golding, Rosenbloom P. S. — Artificial Intelligence. — 1996/ -P.215-254.

83. Ignizio, James P. Introduction to expert sistems: The Development and Implementation of Rule-Based Expert Systems/ James P. Ignizio. New York; St. Louis; San Francisco: McGraw-Hill, Inc., 2002. - 4026. p.

84. McElroy, M. W. The new knowledge management : complexity, learning and sustainable innovation / M. W. McElroy. Butterworth-Heinemann, 2003.

85. Medsker, L. R. Hybrid Neural Network and Expert System / L. R. Medsker. -Boston/Dordrecht/London : Kluwer Academic Publishers. 1994.- 121 p.

86. Medsker, L. R. Hybrid Intelligent Systems / L. R. Medsker // International Journal of Computational Intelligence and Organization. 1996. — Vol. 1 -P. 10-20.

87. Tiwana, A. The knowledge management toolkit : practical techniques for building a knowledge management system / A. Tiwana. — Prentice Hall PTR. — 2000.

88. Силич, М. П. Метод формирования гибридных моделей для построения экспертных систем / М. П. Силич // сб. статей Автоматическое и автоматизированное управление сложными системами. — Томск : изд-во Том. ун-та, 1998. -С. 126-131.

89. Силич, М. П. Системная технология: объектно-ориентированный подход / М. П. Силич. Томск : Том. гос. ун-т систем управления и радиоэлектроники, 2002. - 224 с.

90. Симанков, В. С. Методика выбора инструментальных средств для разработки экспертных систем / В. С. Симанков, А. А. Тулин // Автоматизация и современные технологии. -2003. -№ 1. -С. 12—16.

91. Хабибулина, Н. Ю. Инструментальная система для создания экспертных систем, использующих функциональные сети / Н. Ю. Хабибулина, В. А. Силич // Тез. докл. междун. конф. по проблемам управления. — М. : изд-во ИЛУ, 1999. Т. 3. -С. 255-256.

92. Хабибулина, Н. Ю. Инструментальный комплекс для создания экспертных систем, использующих модели функциональных отношений / И. Ю. Хабибулина, М. П. Силич // Известия Томского политехнического университета. -2005. -Т. 308. -№2. -С. 149-152.

93. Абрютина, M. С. Анализ финансово-экономической деятельности предприятия: учебно-практическое пособие / М. С. Абрютина, А. В. Грачев. М. : Издательство "Дело и Сервис", 2001. - 272 с.

94. Вентцель, Е. С. Исследование операций / Е. С. Вентцель. М. : Высшая школа, 2001.

95. Евланов, Л. Г. Теория и практика принятия решений / Л. Г. Евланов. -М. : Экономика, 1984. 176 с.

96. Литвак, В. В. Региональный вектор энергосбережения / В. В. Литвак, В. А. Силич, М. И. Яворский. Томск : STT, 1999. - 320 с.

97. Литвак, В. В. Энергосбережение от программы к реализации. Томская область: управление, экономика, политика / В. В. Литвак, В. А. Силич, М. И.Яворский. - 1998- №1-2. -С. 50-54.

98. Подиновский, В. В. Оптимизация по последовательно применяемым критериям / В. В. Подиновский, В. М. Гаврилов. — М. : Сов. Радио, 1975. 187с.

99. Саати, Т. Аналитическое планирование. Организация систем: пер. с англ. / Т. Саати, К. Керне. М. : Радио и связь, 1991. - 224 с.

100. Савицкая, Г. В. Анализ хозяйственной деятельности предприятия / Г. В. Савицкая. -Минск : ООО "Новое знание", 1999. 688 с.

101. Силич, М. П. Использование слабоформализуемых зависимостей в модели функциональных отношений / М. П. Силич // Известия Томского политехнического университета. —2004. —Т. 307. №6. -С. 21-25.

102. Тельнов, Ю. Ф. Интеллектуальные информационные системы в экономике / Ю. Ф. Тельнов. — М. : Московский гос. университет экономики, статистики и информатики, 1998. 174 с.

103. Трахтенгерц, Э. А. Компьютерная поддержка принятия решений / Э. А. Трахтенгерц. -М. : Синтег, 1998.

104. ФЦП "Энергоэффективная экономика" на 2002-2005 годы и на перспективу до 2010 года. Москва, 2001.

105. Хабибулина, Н. Ю. Информационная система оценки финансово-экономического состояния предприятия / Н. Ю. Хабибулина, М. П. Силич, 3. В. Горбаток // Вестник Томского государственного университета. 2004. - Т. 284. - С. 90-95.

106. Хабибулина, Н. Ю. Автоматизация процесса принятия решений / Н. Ю. Хабибулина, Б. Д. Шагдарова // Тез. докл. всеросс. научно-технич. конф. "Научная сессия ТУСУР-2005", 26-28 апр. 2005 г. , в 4 частях. -Томск : Изд-во ТУСУРа, 2005. Ч. 2 - С. 335-337.

107. Шеремет, А. Д. Методика финансового анализа / А. Д. Шеремет, Р. С. Сайфулин. М. : Инфра-М, 2000.

108. Шукшунов, В. Е. Состояние, уровни развития и классификация технопарков России (выпуск 1) / В. Е. Шукшунов, А. М. Варюха. М. :"Испо-Сервис", 1997. -72 с.