автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Модели и алгоритмы поддержки принятия групповых решений при формировании региональных программ газификации

На правах рукописи

Гимон Дмитрий Валентинович

МОДЕЛИ И АЛГОРИТМЫ ПОД ДЕРЖКИ ПРИНЯТИЯ ГРУППОВЫХ РЕШЕНИЙ ПРИ ФОРМИРОВАНИИ РЕГИОНАЛЬНЫХ ПРОГРАММ

ГАЗИФИКАЦИИ

Специальность 05 13 01 - «Системный анализ, управление и обработка информации» (технические науки)

Автореферат

диссертации на соискание ученой степени кандидата технических наук

иилВ0228

Москва-2007

003160228

Работа выполнена в Российском государственном университете нефти и газа имени ИМ Губкина

Научный руководитель - д т н, проф Степин Юрий Петрович Официальные оппоненты - д т н, проф Трахтенгерц Эдуард Анатольевич

- к т н, доц Сухов Игорь Евгеньевич Ведущая организация - ОАО «Промгаз», г Москва

Защита состоится^ ¿уо.ч<гуу2007 г в /5"ч па заседании диссертационного совета Д 212 200 09 при Российском государственном университете нефти и газа имени И М Губкина по адресу 119991, г Москва, Ленинский проспект, 65, ауд 2jOZ

С диссертацией можно ознакомиться в библиотеке Российского государственного университета нефти и газа имени И М Губкина

Автореферат разослан « ^ » 2007 г

Ученый секретарь диссертационного совета, к т н Великанов Д Н

Актуальность проблемы

В настоящее время в Российской Федерации идут интенсивные работы но газификации регионов России Только программа «Газификация регионов РФ на 2005-2007 гг », принятая ОАО «Газпром», охватывает 53 региона

Одними из наиболее важных задач в реализации этих программ являются задачи определения списка подлежащих газификации объектов (населенных пунктов и крупных промышленных потребителей) и определения графиков их подключения к системе газоснабжения

Основными факторами, влияющими на состав и график реализации региональных программ газификации, является экономическая эффективность поставки газа каждому потребителю, социальная значимость газификации и техническая и технологическая ютовность потребителей к приему газа Помимо этого на формирование программы газификации влияет наличие на территории региона малых месторождений газа и уже существующих газотранспортных и газораспределительных сетей, а также огромный объем обрабатываемой информации, на основании которой принимаются решения

В этих условиях формирование и реализация региональных программ газификации сопровождается с одной стороны статистической неопределенностью, определяемой экономическими техническими и технологическими особенностями функционировали системы газоснабжения, а с другой - неопределенностью, связанной с тем, что для формирования программ часто привлекаются группы экспертов Это приводит как к неопределенности, обусловленной субъективностью экспертных оценок, так и к необходимости согласования позиций экспертов - выработке группового решения

Поэтому перед предприятиям! отрасли, занятыми выполнешгем программ газификации, особенно остро стоит проблема эффективного формирования и реализации этих программ с учетом комплекса экономических, социальных и технологических факторов

В настоящее время имеется значительный пробел в моделях и алгоритмах, позволяющих учитывать все перечисленные выше факторы, влияющие на формирование и реализацию программ газификации

Вследствие этого, проблема автоматизации поддержки принятия решений при формировании региональных программ газификации является актуальной, а ее решение невозможно без создания моделей и алгоритмов соответствующей компьютерной системы поддержки принятия групповых решений

Цель диссертационного исследования заключается в повышении уровня обоснованности формируемых региональных программ 1азификации за счет разработки моделей и алгоритмов поддержки принятия групповых решений, учитывающих многофакторность принимаемых решений в условиях неопределенности

Основными задачами исследования, определенными поставленной целью, являлись

• исследование факторов, вчияюпщх на формирование программ газификации и на определение перспектив использования малых месторождений газа,

• разработка моделей и методов группового многокритериального выбора вариантов проектов в условиях неоиределегаюсти,

• разработка модетей и методов поддержки принятия решений при формировании региональных программ газификации.

• разработка структуры системы поддержки принятия групповых решений при решении задачи формирования региональных программ I азификации

Методы исследования

При решении поставленных задач были использованы принципы системного анализа, теории нечетких множеств, математического

программирования и методология проектирования агентно-ориентированных систем

Научная новизна результатов, полученных в диссертационной работе, состоит в том, что

1 Разработана математическая модель и алгоритм решения задачи нечеткого группового выбора вариантов проектов, позволяющие учитывать разнородные критерии и ограничения, определяемые в условиях неопределенности, а также выявлять и согласовывать наименее согласованные ■экспертные данные, влияющие на групповой выбор

2 Разработана многокритериальная дискретно-непрерывная модель задачи формирования региональной программы газификации, учитывающая экономические, социальные и технологические факторы, в том числе связанные с наличием малых месторождений газа и состоянием существующих на территории региона газотранспортной и газораспределительных сегей

3 Разработан алгоритм решения задачи формирования региональных программ газификации, как задачи многокритериального группового выбора в условиях неопределенности

4 Предложено использовать агентно-ориентированный подход для создания распределенной системы поддержки принятия решения при формировании региональных программ газификации

5 Разработана структура распределенной многоагентной системы поддержки принятия групповых решений при формировании региональных программ газификации

Практическая ценность диссертационной работы заключается в том, что разработанные модели и алгоритмы способствуют повышению качества принимаемых решений при формировании решональных программ газификации за счет учета разнородных факторов, влияющих на формирование этих программ в условиях неопределенности

Это позволяет эффективнее использовать экономические ресурсы и производственные мощности, что в свою очередь позволяет усилить социальный эффект от газификации

Разработанные модели и алгоритмы могут быгь применены в учебном процессе для изучения проблем принятия многокритериальных групповых решений в условиях неопределенности Апробация работы

Основные теоретические результаты работы были доложены и обсуждались на следующих конференциях

1 5-я научно-техническая конференция «Актуальные проблемы состояния и развития нефтегазового комплекса России», Москва, январь 2003 г

2 Заседания научных секций ОАО «Промгаз». Москва, маи-июнь 2007г Публикации

Основное содержание работы отражено в четырех печатных работах Структура и объем работы

Диссертация состоит из введения, четырех 1лав, заключения, списка литературы и одною приложения Общий объем работы 139 страниц, в том числе 20 рисунков и 31 таблица Список литературы включает 105 наименований

Во введении обоснована актуальность темы диссертационной работы, сформулирована цель исследования, приведены задачи и методы исследований и дано краткое содержание работы

В первой 1лаве проведен анализ задач, возникающих при формировании программ газификации регионов РФ, показавший, что ощущается нехватка адекватных моделей формирования региональных программ газификации, то есть выбора состава и очередности подключения к системе регионального газоснабжения объектов газификации, учитывающих многофакторный характер принимаемых решений Также актуальным вопросом является определение перспектив использования малых

месторождений газа, находящихся на территории региона, для газоснабжения региональных потребителей

Анализ существующего и применяемого в России метода формирования региональных программ газификации показал, что этот метод учитывает в явном виде только экономические показатели газификации отдельных объектов, в то время как остальные факторы учитываются только в неформализованной экспертной процедуре

Анализ мирового оиьпа показывает, что формирование программ газификации, как правило, рассматривается как комплексная задача, учитывающая не точько характеристики потребителей, но и параметры источников не только газа, но и других энергоресурсов Применение этих моделей невозможно из того что они не учитывают особенности экономики России

Так как большинство компаний, участвующих в газификации, входят в состав ОАО «Газпром», газификация региона может рассматриваться как единый инвестиционный проект

Анализ задачи формирования региональных программ газификации показал, что на формирование программ газификации влияет большое число факторов, основными из которых являются рентабельность газификации, социальная значимость газификации, готовность объектов газификации к приему газа, готовность газотранспортных сетей к обеспечению потребителей газом, согласованность со строительством объектов, сооружаемых за счет других источников финансирования и загрузка существующих газопроводов

В результате анализа исходных данных было выявлено, что часть исходных данных, описывающих объекты газификации, газопроводы и месторождения носит неточный характер Неопределенность исходных данных имеет различную природу Статистическая неопределенность обусловлена как техническими и технологическими особенностями функционирования объектов газового хозяйства, так и случайными

процессами, определяющими экономические характеристики Также неопределенность обусловлена невозможностью точного расчета ряда характеристик, для определения которых используются объекты-аналоги Социальная значимость, готовность потребителей и некоторые другие характеристики объектов газификации могут быть получены только экспертным путем Поэтому третий вид неопределенности связан с субъективностью позиций привлекаемых экспертов Для снижения влияния субъективности на принимаемые решения привлекается груши экспертов, из-за чего возникает необходимость согласования экспертных мнений

Для учета критериев, связанных, с годовыми объемными характеристиками добычи и транспортировки газа, а также для согласования программы с программами строительства отдельных объектов, финансируемых из других источников, программы газификации необходимо формировать по юдам Задачу формирования региональных программ газификации следует решать параллельно с задачей планирования ввода в эксплуатацию малых месторождений газа, так как с одной стороны график их ввода зависит от объемов потребления газа, а с другой стороны характеристики месторождений и их расположите оказывают влияние на формирование программы газификации Объединение этих задач также позволяет учитывать характеристики газотранспортных сетей от месторождений к потребителям

Таким образом задача формирования региональных программ газификации является задачей мно1 окритериального группового выбора

Проделанный анализ существующих математических моделей показал, что наиболее близкой к задаче формирования программы газификации, как проблеме группового выбора в условиях неопределенности, является задача нечеткого выбора вариантов проектов одним экспертом, для которой уже существует алгоритм решения на основе метода «ветвей и границ» с использованием аппарата теории нечетких множеств Во второй главе

предложен алгоритм, позволяющий объедишггь существующий алгоритм для одного эксперта с механизмом согласования групповых решений

Большой объем информации и необходимость организации процесса согласования делает невозможной выработку решения без использования компьютерных систем поддержки принятия решений (СППР)

В главе представлен анализ систем поддержки принятия групповых решений как класса СППР

Анализ задач, стоящих перед системами поддержки принятия групповых решений, и анализ уже разработанных систем показал, что система поддержки принятия 1рупповых решений должна быть распределенной, для того, чтобы обеспечивать связь между участниками согласования В гоже время каждай эксперт должен быть обеспечен необходимыми инструментами индивидуальной поддержки принятия решений Анализ методов проектирования распределенных систем показал, что наиболее перспективным для разработки такой системы поддержки принятия решения является агентно-ориентированный подход, заключающийся в проектировании таких систем, как множества взаимодействующих между собой программных модулей-агентов

Во второй паве предложена математическая модель и алгоритм нечеткого группового многокритериального выбора вариантов проектов, которые необходимы для решения задачи формирования региональных программ газификации «

Задача нечеткого группового выбора вариантов проектов формулируется следующим образом Пусть имеется N объектов В случае планирования газификации региона, объектами являются потребители газа К каждому из этих объектов может быть применен один из М проектов, определяющих год газификации объекта Эффективность применения у-го проекта к 1-му объекту может быть оценена по Я критериям Пусть множество критериев состоит из Я субъективных (экспертных) и Р объективных критериев Примером экспертных оценок эффективности

может служить социальная значимость газификации объекта Примером субъективного критерия является экономический эффект программы газификации Экспертные оценки определяют !. экспертов С^ - оценка эффективности применения;-го проекта к г-му объекту по субъективному г-му критершо по мнению 1-го эксперта, С\} _ оценка эффективности применения ]-то проекта к ;-му объекту по объективному критерию г Метод задания таких оценок зависит от смыслового значения критерия

На реализацию всех проектов в совокупности накладывается Я ресурсных ограничений, например, ограничение на объем капитальных

вложении Пусть я* - количество ресурсов /мо типа, требуемых для реализации_/-го проекта на г-м объекте, Ак - суммарное количество ресурсов к-10 вида, имеющихся в компании, а АЛ1' - допустимое превышение суммарного количества ресурса //-го вида

Необходимо для каждого объекта выбрать такой проект, при котором критерии эффективности будут максимальными Нечеткая постановка задачи выражается в том, что если оценки эффективности и требуемые количества ресурсов, входящие в критерии и ограничения, определяются в условиях неопределенности, то требование точного достижения максимума и соблюдения ресурсных ограничений не является обоснованным Для обозначения нечеткости используется знак «~»

Оптимизационная задача группового выбора вариантов проектов имеет

вид

Е '«ах, = / = 1Х (1)

' J

N И, _

шах, =

м,

< J

(4)

J

Г1, когда } - й проект назначается на 1-й объект, 4 [0, е противном случае

Решением задачи выбора вариантов проектов (1) - (4) является матрица

В основе алгоритма решения задачи группового выбора вариантов проектов лежит метод решения нечеткой задачи выбора варианта проектов в постановке для одного эксперта, объединяющий метод «ветвей и границ» и принцип Беллмана-Заде

Основной особенностью предлагаемого метода для решения задачи с группой экспертов является механизм согласования позиций экспертов, интегрированный в алгоритм решения задачи Это позволяет определять и согласовывать экспертные оценки только по позициям, оказывающим Елияние на итоговое решение Решение находится за N шагов, на каждом из которых определяется проект для одного объекта Для это1 о на каждом шаге все множество решении делится на подмножества, которые отличаются выбором проекта для рассматриваемого на этом шаге объекта

Для сравнения подмножеств используются значения функций принадлежности каждого подмножества по критериям к множеству решений, включающему в себя оптимальное по этому критерию решение, и по ограничениям к множеству, включающему в себя допустимое решение

Значение функции принадлежности лежит в интервале [0,1] Для критериев равенство функции принадлежности единице означает то, что в оцениваемом подмножестве находится лучшее по этому критерию решение

ы

Для ограничений значение функции принадлежности равное единице означает наличие допустимых решений в подмножестве

Для вычисления значений функций принадлежности на /'-м шаге рассчитываются максимальные значения критериев и мшшмальные значения левой части огратгаений для решений рассматриваемого подмножества

/'-1 м, л

4\С<р) = + (5)

7=1 /=/'+1

, -1 М, п

(ЛФ") = Ц>Л + + 2> та* (6)

1=1 7=1 /=1+1

По этим значениям рассчитываются соответствующие ф>нкции принадлежности

• для критериев

^ ,*<0 е*со (7)

^ шах 1-, 1шп

• для ресурсных ограничений 1, при \|/h(Gip)<Ah

"/ж

тах

О, при у/н(<Э^)>Ан

А/1а = - А/,,.4^1ах - максимально возможное количество ресурса 11-го вида, имеющегося в системе

Таким образом для каждого подмножества ветвления рассчтывается набор значений функций принадлежности по объективным критериям и ограничениям и наборы таких значений по субъективным критериям для каждого эксперта Принцип расчета функций принадлежности зависит от особенностей критериев и ограничений

Согласование выбора проекта происходит в два эгапа На первом этапе проекты согласуются по Парето, то есть для каждого эксперта выбираются

такие альтернативы (подмножества решений), которые для него являются неразличимо лучшими

В каждое такое множество А'о на ('.м шаге войдут все альтернативы у, для которых сравнение у-й и любйй др\1 ой J-й альтернативы обеспечит

выполнение неравенств /л" t(G?)>/f s(G<p ),${G(f) )>^l{Gf), где

yM V/Í = TjT, l = 1L, Vr = 1 ,P + S

Смысл этого принщша согласования в том что если для эксперта какие-то альтернативы неразличимы, то для согласования с другими экспертами среди них можно выбрать любую другую Если множество пересечения таких альтернатив между всеми экспертами состоит из одного проекта, то он выбирается, как coi тасовано лучшии Если множество пересечения состоит из нескольких альтернатив или оно пустое, то лучшее решение выбирается из множества пересечения или из всего множества альтернатив соответственно Для сравнения подмножеств предложено использовать принцип Беллмана-Заде, в соответствии с которым выбирается мшшмальное значение функции принадлежности для каждой альтернативы из значений функций принадлежности по объективным критериям, ограничениям и субъективным критериям для всех экспертов

(9)

То подмножество, для которого это значите будет максимальным, является согласованно лучшим, что позволяет гарантировать, что если все остальные значения функций принадлежности выше того, по которому рассматривая альтернатива оказалась лучшей, то можно считать что альтернатива лучше по всему массиву значений функции принадлежности

Принцип Беллмана-Заде позволяет гарантированно находить решение, независимо от согласованности позиций экспертов Минимальное значение функций принадлежности выбранного подмножества показывает степень

согласованности экспертов Если выбор на данном шаге является плохо согласованным, то экспертам необходимо скорректировать свои позиции по оценкам рассматриваемого на этом шаге объекта Для определения необходимости в такой корректировке на каждом шаге алгоритма определяется взвешенная величина согласованности

К = тт(м':(0%) * (1 - и-,')), V/- = Щ, I = Ц. , ПО)

х =1

где J(l) -выбранное на эюм шаге направление ветвления ( у О) ),

а и'/ - вес критерия > с точки зрения эксперта /, позволяющий при согласовании учитывать важность критерия и как следствие важность данной по нему экспертом оценки Если этот показатель ниже некоторого наперед заданного порога, то необходимо провести согласование позиций экспертов по конкретному объекту в форме переговоров

Предложенный алгоритм позволяет находить согласованное решение задачи выбора вариантов проектов в условиях неопределенности и является основой алгоритма решения задачи формирования региональной программы газоснабжения

В третьей главе представлена математическая модель и алгоритм решения задачи формирования региональной программы газификации

Для решения задачи система регионального газоснабжения представляется в виде графа Вершинами этого графа являются месторождения, газораспределительные станции (ГРС), газораспределительные пункты (ГРП), головные газораспределительные пункты (ГГРП) и объекты 1азификации, а ребрами возможные и существующие участки газопроводов

Для описания топологии графа используются булевы переменные

II, если на 1-й объект газификации может поступаешь

газ из ] -го месторождения О, в противном случае

II, если для для поставки саза / - му потребите ю из }- того месторождения

необходим я — й участок газопровода, О, ь противном случае

[1, если I - й объект подключен к системе в ? - й год, Пусть х„ =•(

[О, в противном случае

0е 0е - объем годового потребления 1-го объекта газификации -

0е

объем фактической добычи на J-м месторождении в Г-м году, - объем транспортировки газа га7-1 о месторождения /-му потребителю в год г

Для учета газа, поступающего из внешних по ошошению к региону источников, в задачу может быть введено виртуальное месторождение с соответствующими характеристиками, а для учета поставки газа из региональной системы газоснабжения потреби!елям, находящимся вне региона вводится дополнительный условный объект газификации с соответствующим этим поставкам объемом потребления

Основные, влияющие на выбор программы I азификащш факторы, были учтены в виде критериев и ограничений, которые делятся на три группы экономические, социальные и технические

Для определения экономической эффективности объектов газификации был взят метод, разработанный и применяемым ОАО «Промгаз» Этот алгоритм заключается в сравнетш объектов газификации по величине

тарифа Т'^), при котором проект газификации достигает требуемой нормы доходности Чем ниже тариф, гем выгоднее газифицировать объект Для оценки экономической эффективности варианта программы в целом определяется единый тариф по всей программе газификации, при условии поставок каждому потребилелю газа в требуемых ему годовых объемах

по тарифам 7'/'"' Критерий экономической эффективности, опирающийся на

существующий метод экономического расчета, программы имеет вид

№

I I 61 +Г^тр_ср QгPO

~-*--> Ш1П' (11)

/ , ХА&1 + (¡?ГРО ~

I

где Ттр1р - тариф для существующих потребителей, и <2ГРО -объем существующих на начало реализации программы поставок

Критерий максимальной эффективности гранспортировки газа по магистральным газопроводам

М № Щ

Ш^-хпах, (12)

II] ^

где С" - эффективность транспортировки единицы объема газа от 7-го месторождения 1-му потребителю В качестве оценки эффективности предложено использовать величину обратную экономически обоснованному тарифу транспортировки по этому маршруту Критерий-оптимизации добычи газа

Л/ № №

Ш0^-»™4, (П)

* ' ]

где С* - эффективность добычи газа на 1-м месторождении

Максимальной эффективности транспортировка газа достигает при максимальной загрузке трубопроводов, соответствующий критерий имеет вид

М N1 (№ Ш

IIII

а, А,-а

т

V ' ) У

-мпах,

(14)

где - максимальная пропускная способность .«-того участка газопровода

Ограничение на объем инвестиций

Мс+М/

I

<А,т

(15)

где /7 - объем инвестиции поступающих для подключения 1-го объекта газификации из внешних источников в /-й год, А"" - максимальный объем инвестиций, которые могут быгь вложены в проект, А - объем инвестиций, необходимый для подключения (-го потребителя или месторождения в Г-й год

Ограничение, определяющее согласованность программы газификации со сроками строительства отдельных объектов I азотранспортной и газораспределительной сетей, финансирование которых осуществляется из других источников (например, региональных и местных бюджетов)

Л/хи-Хг„>Г„У; = ],Лг (16)

(=1

¡Р'

У = тахГ-гН—)

где ' , ^ / (17)

/

Критерий социальной значимости газификации имеет вид ^ 1 )

М1х-'гтт- ^

где Л,' - ранг 1-го объекта по мнению эксперта / равный 1, 2, 3 и т д Готовность потребителей к приему газа определяется ограничением

V/ = 1,л/с,

(19)

где Л,г(/) экспертная оценка, показывающая через сколько лет объект I будет готов к приему газа по мнению эксперта I

Готовность транспортной системы к подключению /-го потребителя определяется как I отовность маршрута транспортировки от того месторождения, маршрут газопровода от которого будет готова к транспортировке газа раньше других

(20)

где я;га> = Ш1П(^Г«), V/, /■„ = 1, я;;"> = тахаг;'"), ул,

О Я(') 1

л я - продолжительность строительства участка 5 по мнению эксперта I,

- готовность маршрута от ¡-то месторождения до г-го потребителя, а

- газотранспортной сети к подключению 1-го потребителя Необходимо, чтобы соблюдалось ограничение по пропускной

способности участка газопровода

№ Я/ _

ЕЕ^Д^&^^ЛЬ (21)

' 1

Гидравлические ограничении определяют связь объемных характеристик между собой

(22)

ж _ _

2>,,е,Л=#> Ъ = = х„=1 (23)

1

N0 ___

у/=1 л/, х, = 1 (24)

- объем максимального отбора газа на ¡-т месторождении в Г-й год при условии ввода месторождений в эксплуатацию в /,-м году

Для задания структуры матрицы ||лг„|| используются следующие выражения

\,>х„_1.1 = \ (25)

*„={01} (26) В предложенной модели присутствуют два набора переменных х„ и 0„,, относя ее к классу дискретно-непрерывной оптимизации

Так как в состав задачи входят неточные и экспертные данные, П01учаемые от группы экспертов, а решением задачи является матрица булевых величин Цх^Ц предложено решать эту задачу как задачу нечеткого группового выбора вариаотов проектов

Объектами в понятии этого метода являются объекты газификации и месторождения, а проектами - год подключения объекта или ввода в эксплуатацию месторождений Для этого за основу алгоритма решения был взят метод, предложенный в главе 2

Отличительной особенностью предлагаемого алюритма от алгоритма, предложенного в главе 2, позволяющей учесть присутствие в модели переменных О^, является принцип определения значений функции принадлежности

Для критериев и ограничений, в которых неизвестными являются только переменные х„ определение значений функции принадлежности осуществляется аналогично формулам (7) - (8)

Особый интерес представляют критерии и ограничения, в которые входят переменные Оц, Нет необходимости оптимизировать связанные с объемами транспортировки газа критерии, как отдельные критерии на протяжении всего времени реализации программы газификации, а достаточно оптимизировать их отдельно но годам и затем просуммировать

оптимальные значения для определения влияния срока подключения объекта на суммарное оптимальное значение этого критерия

Для расчета максимального значения критерия на каждом году реализации программы газификации составляется оптимизационная однокритериальная задача, в котор>ю кроме этого критерия входят гидравлические ограничения Например, для критерия оптимизации транспортировки газа такая задача имеет вид

№ УГ

^Д» = ЪЪС7<2* ~гг>тах (27)

> ]

№ _

"'! - [ (28)

1

= ЙЧ> Уг=\,Мс, (29)

1

№ Щ _

(зо)

> J

Значите всех критериев улучшаются при увеличении числа подключенных объектов Поэтому следует считать все объекты, для которых срок ввода в эксплуатацию не определен, введенными в эксплуатацию в первый год, удовлетворяющий точным ограничениям Задача решается как транспортная задача относительно переменных Оу, Затем оптимальные значения критерия суммируются по годам и определяется значение критерия для рассматриваемого подмножества После этого алгоритм поиска согласованного решения полностью совпадает с алгоритмом решения задачи выбора вариантов проектов, предложенным в главе 2

За число шагов, равное сумме числа объектов газификации и числа месторождений, формируется региональная программа газификации, которая также определяет сроки ввода в эксплуатацию малых месторождений газа

В главе 3 рассчитан численный пример формирования программы газификации, за основу которого взяты данные по фрагменту планируемой в

Иркутской области газораспределительной сети Для расчета примера было создано программное обеспечение, реализующее предложенные математические модели Анализ результатов расчетов и их сравнение с применяемой в настоящее время методикой показал адекватность предлагаемых моделей

В четвертой главе предложена архитектура распределенной много-агентной системы поддержки принятия групповых решений при формировании региональных программ 1азификации Использование агенгно-ориентиованною подхода и связанных с ним методологий обусловлено необходимостью разработки системы поддержки принятия решений как распределенно1 о программного комплекса с возможностью автономной работы отдельных моду гей Этот подход позволяет к созданию таких систем освобождает разработчиков от необходимости уделять внимание низкоуровневому проектированию отдельных модулей и взаимодействия между ними

В ходе анализа было выявлено, что методология ОА1А является наиболее полной из существующих методологий проектирования много-агентных систем В соответствии с этой методологией разработана структура системы поддержки принятия группового решения для решения задачи формирования региональных программ газификации

На этапе анализа решаемой проблемы выявлены роли в понятиях методологии ОА1А, присутствующие в процессе выработки группового решения организатор и помощник эксперта Для каждой роли определены задачи и протоколы взаимодействия с другими ролями

На этапе проектирования многоагентной системы определена то пол 01 ия связей между ролями, количество их появления в системе На основании полученных данных определены два типа агентов, выполняющих роли организатора и помощника эксперта и топология конечной мною-агентной системы

Затем проведено соответствие между агентной моделью распределенной системы поддержки принятия группового решения и объектно-ориентированной моделью, системы в терминологии языка Java, реализация которой с использованием библиотеки интеллектуальных агентов JADE и учетом выделенных классов и методов представляет производственную задачу

Многоагентная модель распределенной системы поддержки принятия решений при формировании региональных систем газификации позволяет организовать сбор и обработку экспертной и прочей информации для решения задачи формирования региональной программы газификации, обеспечивая экспертов необходимыми инструментами проведений переговоров, соответствующими моделям и алгоритмам, предложенным в главе 3

Основные результаты и выводы

Проведенное исследование, направленное на создание моделей и алгоритмов, а также разработку программного обеспечения соответствующей компьютерной СППР для решения задач многокритериального группового выбора, формирования и реализации региональных программ газификации, позволяет зафиксировать следующие выводы

1 Задачу формирования программ газификации предложено решать как задачу нечеткого многокритериального группового выбора, что позволяет учесть большее число экономических, социальных и технологических факторов, имеющих статистическую неопределенность, обусловленную как особенностями эксплуатации газотранспортных и газораспределительных сетей и малых месторождений газа, так и особенностью экономики потребления газа, неопределенность, связанную с экспертной (субъективной) информацией, необходимость согласования групповых решений Такой подход позволяет учитывать реальные условия формирования и реализации программ газификации

2 Для решения задачи нечеткого мно1 окритериачьного |р\ппопо[о выбора разработана модель и алгоритм решения, базир\ ющиися на методе «ветвей и границ» где дм нечеткого сравнения подмножеств решешгй применяются фмгкцшг принадлежности вычисляемые па основании кршериев оппшалт посш а для получения сог тасованного оптимального решения - принципы Парето и Беллмапа-Заде Предчоженныи алгоритм позволяет как находигь и оценивать степень согласованности ык и выявлять наименее с(. ласованные оценки житертов Все это позволяет на их основе со ;авагь компьютерные С ПНР поддержки принятия гр\пповы\ решении

3 На базе модели пссгкого Гчлит «критериального группового выбора вариашов проектов предложена многокритериальная модель нечеткой дискретно-непрерывной оптими ¡ацгш групповог о выбора вариантов программы газификации учитывающая экономические, социальные и технологические критерии

4 Предложен алгоритм решения задачи формирования региональной программы газификации, сводящим )т\ злдач\ к задаче дискретною нечеткого группового выбора за счет предложения способов расчета ф\нкций принадлежности по критериям и ограничениям, в состав которых входят непрерывные перемешгые

5 Предложено использовать агешпо-ориенторованнын подход для проектирования системы поддержки принятия гр\ппового решения задачи формирования программы газификации Была спроектирована многоагеншая модель распределенной системы поддержки принятия решешгй при формировании региональных программ газификации, использование которой позволяет реализовать предложегтные модели и алгоритмы группового

выбора региональной газификации программы, учитывающие большой объем разнородной информации

б Разработана программа-прототип, реализующая предложенные модели и алгоритмы, с помощью которой был рассчитан численный пример, который показал адекватность предложенных моделей

По теме диссертации опубликованы следующие работы

1 Гимон Д В , Степин Ю П Согласование и оптимизация проектных решений освоения месторождений нефти и газа // Автоматизация, телемеханизация и связь в нефтяной промышленности М, 2004 №8

2 Гимон Д В, Стенин Ю П Агентно-ориентированный подход для реализации принятия групповых решений задачи выбора вариа5ГТОв проектов освоения месторождений нефти и газа И Автоматизация, телемеханизация и связь в нефтяной промышленности М, 2006 №4

3 Гимон Д В , Степин Ю П Оптимизация группового решения в задаче выбора вариантов освоения группы месторождений нефти и газа // Актуальные проблемы состояния и развития нефтегазового комплекса России 5-я научно-техническая конференция (23-24 января 2003 г) М,2003

4 Гимон Д В , Степин Ю П Об агентно-ориентировашюм подходе к решению задач группового выбора // Актуальные проблемы состояния и развития нефтегазового комплекса России 5-я научно-техническая конференция (23-24 января 2003 г ) М, 2003

Зак Объем «/.¿"п. л. Тир. экз. ,

ИВИ РАН, Ленинский пр-т, 32-а

ОГЛАВЛЕНИЕ.

ВВЕДЕНИЕ.

1. АНАЛИЗ ПРОБЛЕМ АВТОМАТИЗАЦИИ И ОПТИМИЗАЦИИ ФОРМИРОВАНИЯ РЕГИОНАЛЬНЫХ ПРОГРАММ ГАЗИФИКАЦИИ.

1.1. Задачи формирования региональных программ газификации

1.2. Существующие модели и методы формирования региональных программ газификации.

1.3. Анализ особенностей задачи формирования региональных программ газификации.

1.4. Постановка задачи формирования региональных программ газификации.

1.5. Математические модели и методы поддержки принятия групповых решений.

1.5.1. Многокритериальный выбор.

1.5.2. Согласование групповых решений.

1.5.3. Учет неопределенности в задачах управления.

1.5.4. Задача выбора вариантов проектов в нечеткой постановке.

1.6. Компьютерная поддержка принятия групповых решений.

1.7. Агентно-ориентированный подход для реализации системы поддержки принятия групповых решений.

Выводы по главе 1.

2. РАЗРАБОТКА МОДЕЛЕЙ И АЛГОРИТМОВ ОПТИМИЗАЦИИ

ГРУППОВЫХ РЕШЕНИЯ ВЫБОРА ВАРИАНТОВ НЕФТЕГАЗОВЫХ ПРОЕКТОВ.

2.1. Математическая модель нечеткой оптимизации группового выбора вариантов проектов.

2.2. Алгоритм оптимизации группового выбора вариантов проектов

2.2.1. Метод «ветвей и границ» для решения нечеткой задачи группового выбора вариантов проектов.

2.2.2. Определение функций принадлежности подмножеств решения и согласование решений по Парето и методом Беллмана-Заде

2.2.3. Оценка качества принимаемых решений, условие окончания поиска согласованного решения.

2.3. Пример задачи группового выбора вариантов проектов.

Выводы по главе 2.

3. РАЗРАБОТКА МОДЕЛЕЙ И АЛГОРИТМОВ ДЛЯ ФОРМИРОВАНИЯ РЕГИОНАЛЬНЫХ ПРОГРАММ ГАЗИФИКАЦИИ.

3.1. Модель нечеткой оптимизации группового выбора решения задачи формирования региональной программы газификации.

3.2. Алгоритм оптимизации решения задачи формирования региональной программы газификации.

3.2.1. Алгоритм поиска оптимального решения задачи группового выбора вариантов программы газификации с учетом ее динамических характеристик.

3.2.2. Определение функций принадлежности подмножеств вариантов региональной программы газификации.

3.2.3. Согласование решений по Парето и методом Беллмана-Заде и оценка качества принимаемого решения.

3.3. Пример решения задачи формирования региональной программы газификации.

Выводы по главе 3.

4. АГЕНТНО-ОРИЕНТИРОВАННАЯ СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЯ ЗАДАЧИ ФОРМИРОВАНИЯ РЕГИОНАЛЬНОЙ ПРОГРАММЫ ГАЗИФИКАЦИИ.

4.1. Стадия анализа процесса выработки группового решения.

4.2. Стадия проектирования MAC для поддержки принятия группового решения.

4.3. Многоагентная СППГР при формировании региональных программ газификации как программный комплекс.

Выводы по главе 4.

Актуальность проблемы

В настоящее время в Российской Федерации идут интенсивные работы по газификации регионов России. Только программа «Газификация регионов РФ на 2005-2007 гг.», принятая ОАО «Газпром», охватывает 53 региона.

Одними из наиболее важных задач в реализации этих программ являются задачи определения списка подлежащих газификации объектов (населенных пунктов и крупных промышленных потребителей) и определения графиков их подключения к системе газоснабжения.

Основными факторами, влияющими на состав и график реализации региональных программ газификации, является экономическая эффективность поставки газа каждому потребителю, социальная значимость газификации и техническая и технологическая готовность потребителей к приему газа. Помимо этого на формирование программы газификации влияет наличие на территории региона малых месторождений газа и уже существующих газотранспортных и газораспределительных сетей, а также огромный объем обрабатываемой информации, на основании которой принимаются решения.

В этих условиях формирование и реализация региональных программ газификации сопровождается с одной стороны статистической неопределенностью, определяемой экономическими, техническими и технологическими особенностями функционирования системы газоснабжения, а с другой - неопределенностью, связанной с тем, что для формирования программ часто привлекаются группы экспертов. Это приводит как к неопределенности, обусловленной субъективностью экспертных оценок, так и к необходимости согласования позиций экспертов - выработке группового решения.

Поэтому перед предприятиями отрасли, занятыми выполнением программ газификации, особенно остро стоит проблема эффективного формирования и реализации этих программ с учетом комплекса экономических, социальных и технологических факторов.

В настоящее время имеется значительный пробел в моделях и алгоритмах, позволяющих учитывать все перечисленные выше факторы, влияющие на формирование и реализацию программ газификации.

Вследствие этого, проблема автоматизации поддержки принятия решений при формировании региональных программ газификации является актуальной, а ее решение невозможно без создания моделей и алгоритмов соответствующей компьютерной системы поддержки принятия групповых решений.

Цель диссертационного исследования заключается в повышении уровня обоснованности формируемых региональных программ газификации за счет разработки моделей и алгоритмов поддержки принятия групповых решений, учитывающих многофакторность принимаемых решений в условиях неопределенности.

Основными задачами исследования, определенными поставленной целью, являлись:

• исследование факторов, влияющих на формирование программ газификации и на определение перспектив использования малых месторождений газа;

• разработка моделей и методов группового многокритериального выбора вариантов проектов в условиях неопределенности;

• разработка моделей и методов поддержки принятия решений при формировании региональных программ газификации;

• разработка структуры системы поддержки принятия групповых решений при решении задачи формирования региональных программ газификации.

Методы исследования

При решении поставленных задач были использованы принципы системного анализа, теории нечетких множеств, математического программирования и методология проектирования агентно-ориентированных систем.

Научная новизна результатов, полученных в диссертационной работе, состоит в том, что:

1. Разработана математическая модель и алгоритм решения задачи нечеткого группового выбора вариантов проектов, позволяющие учитывать разнородные критерии и ограничения, определяемые в условиях неопределенности, а также выявлять и согласовывать наименее согласованные экспертные данные, влияющие на групповой выбор.

2. Разработана многокритериальная дискретно-непрерывная модель задачи формирования региональной программы газификации, учитывающая экономические, социальные и технологические факторы, в том числе связанные с наличием малых месторождений газа и состоянием существующих на территории региона газотранспортной и газораспределительных сетей.

3. Разработан алгоритм решения задачи формирования региональных программ газификации, как задачи многокритериального группового выбора в условиях неопределенности.

4. Предложено использовать агентно-ориентированный подход для создания распределенной системы поддержки принятия решения при формировании региональных программ газификации.

5. Разработана структура распределенной многоагентной системы поддержки принятия групповых решений при формировании региональных программ газификации.

Практическая ценность диссертационной работы заключается в том, что разработанные модели и алгоритмы способствуют повышению качества принимаемых решений при формировании региональных программ газификации за счет учета разнородных факторов, влияющих на формирование этих программ в условиях неопределенности.

Это позволяет эффективнее использовать экономические ресурсы и производственные мощности, что в свою очередь позволяет усилить социальный эффект от газификации.

Разработанные модели и алгоритмы могут быть применены в учебном процессе для изучения проблем принятия многокритериальных групповых решений в условиях неопределенности.

Апробация работы

Основные теоретические результаты работы были доложены и обсуждались на следующих конференциях:

1. 5-я научно-техническая конференция «Актуальные проблемы состояния и развития нефтегазового комплекса России», Москва, январь 2003 г.

2. Заседания научных секций ОАО «Промгаз», Москва, май-июнь 2007 г. Публикации

Основное содержание работы отражено в четырех печатных работах.

Структура и объем работы

Диссертация состоит из введения, четырех глав, заключения, списка литературы, и одного приложения. Общий объем работы 139 страниц, в том числе 20 рисунков и 31 таблица. Список литературы включает 105 наименований.

1. Аверкин А.Н. и др. Нечеткие множества в моделях управления и искусственного интеллекта. М.: Наука, 1986. 312 с.

2. Аксельрод М.А. «Реализация Программ газификации регионов Российской Федерации» Стенограмма выступления на встрече с руководителями представительств органов власти субъектов Российской Федерации при Президенте и Правительстве РФ articlell216.shtml.

3. Алиев Р.А., Церковный А.Э., Мамедова Г.А. Управление производством при нечеткой исходной информации. М.: Энергоатомиздат, 1991. 240 с.

4. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях. Тюмень: Изд-во Тюменского государственного университета, 2000. 352 с.

5. Андреев А.Ф. Оценка эффективности и планирования проектных решений в нефтегазовой промышленности. М.: ГАНГ, 1997. 246 с.

6. Андреев А.Ф., Степин Ю. П., Степин Ю. Оптимизация выбора проектных решений при разработке стратегических планов развития нефтегазовых компаний Нефть, газ и бизнес. М., 2002. №6.

7. Беленький А.Г., Федосеева И.Н. Прогнозирование состояния динамических сложных системы в условиях неопределенности. М.: ВЦ РАН. 1999.

8. Беллман Р., Заде Л. Принятие решений в расплывчатых условиях Вопросы анализа и процедуры принятия решений. М.: Мир, 1976. 172215.

9. Братко И. Программирование на языке Пролог для искусственного интеллекта. М., 1990.

10. Брейли Р., Майерс Принципы корпоративных финансов. Пер. с англ. М.: ЗАО "Олимп-Бизнес", 1997. http://www.gazprom.ru/articles/

11. Методические рекомендации по оценке экономической эффективности инвестиций в строительство объектов газораспределения при реализации программ газификации на средства ОАО «Газпром». М., 2006. 13. Буч Г. Объектно-ориентированный анализ и проектирование с примерами приложений на C++. Пер. с англ. М.: Конкорд, 1992. 519 с.

12. Васильев Ф. П., Иваницкий А. Ю. Линейное программирование. М., 2003.

13. Вебер Дж. Технология Java в подлиннике. СПб., 1997.

14. Вентцель Е.С. Исследование операций. М.: Сов. Радио, 1972.

15. Вентцель Е.С., Овчаров Л.А. Теория вероятностей и ее инженерные приложения. М.: Наука, 1998.

16. Вощинин А.П., Сотиров Г.Р. Оптимизация в условиях неопределенности. М.: МЭИ (СССР); Техника (НРБ), 1989. 224 с.

17. Гаврилова Т.А. Базы знаний интеллектуальных систем. СПб.: Питер, 2001.382 с.

18. Гимон Д.В., Степин Ю.П. Оптимизация группового решения в задаче выбора вариантов освоения группы месторождений нефти и газа Актуальные проблемы состояния и развития нефтегазового комплекса России: 5-я научно-техническая конференция (23-24 января 2003 г.). М., 2003.

19. Гимон Д. В., Степин Ю. П. Согласование и оптимизация проектных решений освоения месторождений нефти и газа Автоматизация, телемеханизация и связь в нефтяной промышленности. М., 2004. №8.

20. Гимон Д.В., Степин Ю.П. Агентно-ориентированный подход для реализации принятия групповых решений задачи выбора вариантов проектов освоения месторождений нефти и газа Автоматизация, телемеханизация и связь в нефтяной промышленности. М. 2006. №4.

21. Гливенко Е. В., Степин Ю. П., Трахтенгерц Э. А. Компьютерные системы поддержки принятия решений в нефтегазовом производстве: Учеб. пособие. М.: РГУ нефти и газа им. И. М. Губкина, 1999.

22. Грищенко В.Н., Демидова Л.Г., Петров А.Н. Теоретические основы прогнозирования и планирования. СПб.: СПбУЭФ, 1996.

23. Даугавет В.А. Численные методы квадратичного программирования: Учебное пособие для вузов. СПб., 2004.

24. Дэвид Г. Метод парных сравнений. М., 1978.

25. Ермолаев А.И. Модели и методы оптимизации в проектировании АСУ. М.: Наука, 1991.

26. Ириков В. А., Тренев В. Н. Распределенные системы принятия решений. Теория и приложения. М.: Наука, 1999. 288 с.

27. Нсаков Н. Газификация регионов и перспективы развития региональных энергетических рынков Газовый бизнес. М., 2006. >Г27(№14).

28. Карасевич A.M. Научно-методическое и проектное обеспечение развития газификации регионов России 2004. №1.

29. Концепция участия Общества в газификации регионов Российской Федерации. М., 2

30. Газовая промышленность. М.,

32. Кулинич А.А. Методология когнитивного моделирования сложных плохо определенных ситуаций. М.: ИПУ РАН, 2003.

33. Ларичев О.И,, Мошкович Е.М. Качественные методы принятия решений. М.: Наука, 1996.

34. Макаров А.А., Криворуцкий Л.Д., Макарова А.С. и др. Иерархия моделей для управления развитием энергетики и методы согласования их решений. Иркутск: СЭИ СО АН СССР, 1984. 198 с.

35. Макконел К,, Брю Экономикс. М.: Республика, 1992. Т. 1-2.

36. Максимов В.И., Корноушенко Е.К., Райков А.Н. Информационные системы и когнитивные модели интеллектуальной поддержки принятия государственных решений. Новая парадигма развития России Энциклопедическая монография. (Комплексное исследование проблем устойчивого развития) Под. ред. В.А. Коптюга, В.М. Матросова, В.К. Левашова. М.: Академия, МГУК, 1999. 328-340.

37. Мерепков АЛ., Сеннова Е.В., Сумароков С В и др. Математическое моделирование и оптимизация тепло-, водо-, нефте-, газоснабжения. Новосибирск: Наука, 1992. 407 с.

38. Методические указания по регулированию тарифов на услуги по транспортировке газа по газораспределительным сетям ФСТ России от 15 августа 2006 г. N 186-э/З (зарегистрировано Минюстом России 3 октября 2006 года, регистрационный N 8355).

39. Минаев Ю.Н., Филимонова О.Ю., Бенамеур Л. Методы и алгоритмы решения задач идентификации и прогнозирования в условиях неопределенности в нейросетевом логическом базисе. М., 2003.

40. Орлов А.И. Задачи оптимизации и нечеткие переменные. М.: Знание, 1980. 64 с.

41. Пестов А. Газификация России: новые решения Газовый бизнес. М., 2006. №6(13).

42. Подиновский В.В., Ногин В.Д. Парето-оптимальные решения многокритериальных задач. М.: Паука, 1982. 254 с.

43. Постановление Правительства РФ от 29 декабря 2000г. 1021 «О государственном регулировании цен на газ и тарифов на услуги по его транспортировке на территории РФ».

44. Пфанцагль И. Теория измерений. М., Паука, 1976.

45. Беляев Л.С, Войцеховская Г.В., Савельев В.А. и др. Системный подход при управлении развитием электроэнергетики. Повосибирск: Паука. Сиб. отд-ние, 1990. 240 с.

46. Ротштейн А.П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети. Винница: УППВЕРСУМ-Винница, 1999. 320 с.

47. Рутковская Д., Пилиньский М., Рутковский Л. Пейронные сети, генетические алгоритмы и нечеткие системы. М., 2006.

48. Сеннова Е.В., Сидлер В.Г. Математическое моделирование и оптимизация развиваюшихся теплоснабжающих систем. Повосибирск: Паука, 1987. 222 с.

49. Справка к пресс-конференции «Реализация Программы газификации российских регионов. Поставки газа на внутренний рынок» 21 июня 2006 года// http://www.gazprom.ni/articles/articlel9839.shtml.

50. Степин Ю.П. Математические модели и алгоритмы нечеткой оптимизации планирования производственно-технического обслуживания объектов нефтяной и газовой промышленности. М.: ИППГ РАП, ГАПГ, 1993. 39 с.

51. Тарасов В.Б. Агенты, многоагентные системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте Новости искусственного интеллекта. М., 1998. №2.

52. Тарасова В.А. Автоматизация прогнозирования и оптимизации капиталовложений в обслуживание технологических объектов нефтегазового производства: Диссертация на соискание степени канд. техн. наук. М., 2000.

53. Титов В.Е. Региональная газификация Газовая промышленность. М. 2000. №12.

54. Трахтенгерц Э.А. Компьютерная поддержка принятия решений в САПР //Автоматизация проектирования. М., 1997. №5.

55. Трахтенгерц Э.А., Степин Ю.П., Андреев А.Ф. Компьютерные методы поддержки принятия управленческих решений в нефтегазовой промышленности. М., 2005.

56. Трахтенгерц Э.А. Компьютерная поддержка переговоров при выработке групповых решений. М., 2000.

57. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М., 1998.

58. Усков А.А., Круглов В.В. Пнтеллектуальные системы управления на основе методов нечеткой логики. Смоленск: Смоленская городская типография, 2003. 177 с.

59. Шеффер У., Вебер Ю., Гёльдель X. Организация стратегического и оперативного управления на предприятии Проблемы теории и практики управления. М., 1998. №2.

60. Austin J. L. How to Do Things With Words. Oxford: Oxford University Press, 1962.

61. Catrinu M.D. Decision Aid for Planning Local Energy Systems. Application of Multi-Criteria Decision Analysis. Trondheim, 2006.

62. Cohen P.R., Levesque H. J. Intention is choice with commitment Artificial Intelligence. 1990. Vol. 42. P. 213-261.

63. Finin T. et al., KQML as an Agent Communication Language Proc. of the Third International Conference on Information and Knowledge Management (CIKM 94). ACM Press, Nov. 1994.

64. Foundation for Intelligent Physical Agents http://www.fipa.org.

65. Foddy W. Constructing Questions for Interviews and Questionnaires. New York, 1995.

66. Fuller R., Mich L. Fuzzy reasoning techniques for GDSS Proceedings of EUFIT93 Conference. 1993.

67. Fylstra D., Lasdon L., Watson J, Waren A. Design and use of the Microsoft Excel Solver//Interfaces. 1998. Vol. 28 (5). P. 29-55.

68. Gielen D.J., Kram T. The MARKAL Model for Environmental Accounting in Energy and Materials Systems Proceedings of the ConAccount workshop 21-23 January 1997, Leiden, 1997.

69. Gray P. The SMU Decision Room Project Transactions of the First International Conference on Decision Support Systems. 1981. P. 122-129.

70. InterNeg. About InterNeg http://interneg.org/intemeg/overview/ about interneg.html.

71. Nash J. F., Jr., Non-Cooperative Games Annals of Mathematics. 1951. Vol. 54, No. 2.

72. Kersten G. E. Negotiation Support Systems and Negotiating Agents Modeles et Systemes Multi-Agents pour la Gestion de lEnvironement et des Territoire (Colloque SMAGET). Clermont-Ferrand: Cemagref ENGREF, 1999. P. 307-316.

73. Ehrhardt K., Steinbach M. С KKT Systems Nonlinear Optimization in Gas Networks http://www.zib.de/Publications/Reports/ZR-03-46.pdf

74. Buckejand L.H., Shepherdson J. W. A multi-agent system to support locationbased group decision making in mobile teams. ВТ Technology Journal. 2003

75. Levshenkov A. The algorithm of negotiation for software agents and group decision making in logistics tasks The 17th International Conference on Multiple Criteria Decision Making. Whistler, 2004.

76. Luck M., DInverno M. A Conceptual Framework for Agent Definition and Development The Computer Journal. 2001. 44(1). P. 1-20.

77. Moore R. C. A formal theory of knowledge and action Readings in Planning. 1990. P. 480-519.

78. Moraitis P., Petraki E., Spanoudakis N. Engineering JADE agents with the Gaia methodology Agent Technologies, Infrastructures, Tools, and Applications for E-Services. Berlin: Springer-Verlag. 2003. P. 77-91.

79. Saaty T.L. The Analytic Hierarchy Process: Planning, Priority Setting, Resource Allocation. McGraw-Hill, 1980.

80. Ossowski S., Perez-de-la-Crus J.-L., Hernandez J.Z., Maseda J.M., Fernandez A., Belmonte M.-V., Garcia-Serrano A.M., Serrano J.-M. Designing Multiagent Decision Support System The Case of Transportation Management Third International Joint Conference on Autonomous Agents and Multiagent Systems. 2004.

81. Sheth В., Maes P., Evolving Agents for Personalised Information Filtering Proceedings of the 9th IEEE Conference on Artificial Intelligence for Applications. 1993.

82. Socha K., Kisiel-Dorohinicki M. Agent-based Evolutionary Multiobjective Optimization Evolutionary Computation. 2002. 98. Ito Т., Shintani T. Persuasion among Agents: An Approach to Implementing a Group Decision Support System Based on Multi-Agent Negotiation The Proceedings of the 15th International Joint Conference on Artificial Intelligence (IJCAI-97). Morgan Kaufmann Publishers, Inc., 1997. P. 592-597.

83. Delia Mea V., Roberto V., Conti A., Di Gaspero L., Beltrami C.A. Internet Agents for Telemedicine Services Medical Informatics Internet in Medicine (formerly Medical Informatics). 1999, Vol. 24. P. 179-186. lOO.Albright S.C. VBA for Modelers: Developing Decision Support Systems with Microsoft Excel. Duxbury, 2001.

84. Wilson J., Wallace J., Furey B. Steady-State Optimization of Large Gas Transmission Systems Simulation and Optimization of Large Systems, IMA, Oxford: Clarendon Press, 1988.

85. Wooldridge M., Jennings N.R. Intelligent agents: Theory and practice The Knowledge Engineering Review. 1995. Vol. 10(2). P. 115-152.

86. Wool dridge M., Jennings N. R., Kinny D. The Gaia Methodology for AgentOriented Analysis and Design //Journal of Autonomous Agents and MultiAgent Systems. 2000. Vol. 3(3). P. 285-312.

87. Wooldridge M. The Logical Modelling of Computational Multi-Agent Systems. PhD thesis. Manchester: UMIST, 1992.