автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.17, диссертация на тему:Модели и методы искусственного интеллекта для принятия решений в страховом бизнесе

004607163

На правах рукописи

Битюцких Игорь Сергеевич

МОДЕЛИ И МЕТОДЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ПРИНЯТИЯ РЕШЕНИЙ В СТРАХОВОМ БИЗНЕСЕ

Специальность 05.13.17 - Теоретические основы информатики

АВТОРЕФЕРАТ

на соискание ученой степени кандидата физико-математических наук

2 2 ИЮЛ 20Ю

Воронеж - 2010

004607168

Работа выполнена на кафедре информатики и методики преподавания математики Воронежского государственного педагогического университета

Научный руководитель: доктор технических наук,

профессор Астахова Ирина Федоровна

Официальные оппоненты: доктор физико-математических наук,

профессор Орлов Владимир Петрович

доктор технических наук,

профессор Стародубцев Виктор Сергеевич

Ведущая организация: Липецкий государственный

педагогический университет

Защита состоится « 5 » июля 2010 г. в 15 часов 10 минут на заседании диссертационного совета Д 212.038.20 при Воронежском государственном университете по адресу: 394006, г. Воронеж, ВГУ, Университетская пл., 1, ком.ЗЗЗ

С диссертацией можно ознакомиться в научной библиотеке Воронежского государственного университета.

Автореферат разослан « » июня 2010 г.

Ученый секретарь диссертационного совета

Д 212.038.20 кандидат физ - мат. наук, доцент Провоторов В.В.

ВВЕДЕНИЕ

Актуальность темы. В настоящее время основные методы страхования базируются на математической статистики, предложенные методиками расчета тарифных ставок по рисковым видам страхования, утвержденными Росстрахнадзором. Эти методики хорошо применимы для стабильных портфелей известных рисков, но они не могут учесть того, что при введении нового вида страхования характеристики риска в страховом портфеле могут отличаться от общих его характеристик, полученных на основании имеющихся статистических данных.

В работах Королева В.Ю., Бенинга В.Е., Шоргина С.Я. предлагается математический аппарат, позволяющий синтезировать модели в разных ситуациях страхования.

Появились предметно-ориентированные комплексы по страхованию имущества и жизни «Старый друг», «Территория без границ», «Автострахование на общих условиях», «Недавно за рулем», «Автопарк», «Семья», «Техника безопасности», «Решение», «Степень защиты», «Крылья защиты», «Горизонт», «Гарант», «Капитал», «Инвестор, т.д. Все перечисленные программы поддерживаются компаниями, которые обслуживают их с помощью программных продуктов офиса, позволяющих без труда выполнять несложные вычисления, связанные с заказами клиентов, вести их статистику и.т.д., но эти программы не связаны с проблемами моделирования этой отрасли.

В настоящее время отсутствуют как математическое, так и программное обеспечение, позволяющее исследовать с помощью вычислительной техники, информационных процессов, страхование имущества и жизни с использованием алгоритмов и методов искусственного интеллекта.

Актуальность темы исследования определяет необходимость прогнозирования степени риска за счет решения оптимизационных задач с помощью средств вычислительной техники.

Цель работы и основные задачи

Целью диссертационной работы является разработка и исследование моделей формализации деятельности страховой компании с помощью методов искусственного интеллекта и новых интернет-технологий.

Достижение цели исследования включает в себя оценку современного состояния проблемы по рассматриваемой теме и предполагает решение следующих задач:

1. Разработку модификации модели страхования имущества, моделей данных и генетического алгоритма, позволяющего оптимизировать деятельность страховой компании.

2. Модернизацию алгоритма преобразования данных в знания с использованием средств вычислительной техники для страхования имущества.

3.Разработку моделей страхования жизни и алгоритма на основе нейронной сети, позволяющего использовать машинное обучение для определения ее продолжительности.

4.Построение инструментальных средств в виде пакетов прикладных программ (ППП) с использованием Интернет-технологий в задачах страхового бизнеса.

Методологическая, теоретическая и эмпирическая база исследования

Методологической базой исследования являются методы искусственного интеллекта, баланса, актуарной математики, теории вероятностей, нейронных сетей, генетических алгоритмов, вычислительной математики, математического моделирования, объектно-ориентированного проектирования и программирования.

Теоретической базой исследования являются работы В.Ю.Королева, В.Е.Бенинга, С.Я. Шоргина по математематической основе теории риска, работа Г.И.Фалина по математическим основам теории страхования жизни и пенсионных схем.

Эмпирической базой исследования являются статистические данные страховой компании.

Научная новизна

Научная новизна работы заключается:

• В модификации модели страхования, отличающейся возможностью изменения ее параметров, взятых из реляционной базы данных и характеризующих состояние рынка и возможностью использования генетического.

• В модификации алгоритма преобразования данных по страхованию имущества в знания, позволяющем синтезировать базу знаний.

• В моделях страхования жизни и алгоритма предсказания ее продолжительности на основе нейронной сети, отличающейся использованием дополнительной компоненты, позволяющей сократить количество управляющих параметров и проводить машинное обучение, увеличивая точность прогноза.

• Специальное программное обеспечение, отличающееся объединением описанных методов в единую систему.

Теоретическая и практическая ценность. В работе разработаны модели, позволяющие оптимизировать деятельность страховой компании с помощью методов искусственного интеллекта. Практическая значимость заключается в возможности использования разработанного программного обеспечения в деятельности страховой компании.

Результаты диссертационной работы внедрены и используются в деятельности страховой компании ООО «Росинвест». Эффект от внедрения - социальный. Внедрение результатов подтверждено справкой. Программный продукт зарегистрирован в Федеральной службе по интеллектуальной собственности, патентам и товарным знакам № 2010612724.

Область исследования — в соответствии с формулой специальности 05.13.17 - «Теоретические основы информатики» включает «исследования процессов создания, накопления и обработки информации; исследования методов преобразования информации в данные и знания; создание и исследование информационных моделей, моделей данных и знаний, методов работы со знаниями, методов машинного обучения и обнаружения новых знаний», в диссертационном исследовании разработаны и исследованы модели, позволяющие использовать генетические алгоритмы, нейронные сети; получена модификация алгоритма получения знаний из данных, метод машинного обучения.

Диссертация соответствует:

1. Пункту 1 «Исследование, в том числе с помощью средств вычислительной техники, информационных процессов, информационных потребностей коллективных и индивидуальных пользователей». На основе моделей, методов и алгоритмов, разработанных в диссертационной работе, программное обеспечивает информационные потребности коллективных и индивидуальных пользователей.

2. Пункту 14 «Разработка теоретических основ создания программных систем для новых информационных технологий». Разработанные модификации моделей страхования, модели данных, эволюционная модель, модель машинного обучения, модификация алгоритма преобразования данных в знания могут служить теоретической основой для новой информационной технологии в деятельности страховой компании.

3. Пункту 16 «Общие принципы организации телекоммуникационных систем и оценки их эффективности. Разработка научных принципов организации информационных служб по отраслям народного хозяйства». Разработанные модели, методы, алгоритмы, могут служить научной основой для организации информационной службы в страховом бизнесе.

Апробация работы. Основные материалы диссертации докладывались и обсуждались: на международных конференциях «Современные проблемы механики и прикладной математики», Воронеж, 2007; «Современные проблемы прикладной математики и математического моделирования», Воронеж, 2009; на научных сессиях Воронежского госуниверситета, 2007, 2008 гг.; на конф. молодых преподавателей и студентов Лискинского филиала ВГУ, 2007.

Публикации. По материалам диссертации опубликовано 9 печатных работ из них одна из перечня ВАК, 10-ая работа - свидетельство о государственной регистрации программы для ЭВМ в Федеральной службе по интеллектуальной собственности, патентам и товарным знакам. Из совместных работ в диссертацию вошли только результаты, принадлежащие лично диссертанту.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения по работе, списка использованных источников из 116 наименований. Работа изложена на 122 страницах машинописного текста, содержит 28 рисунков, 7 таблиц, приложение на 36 страницах.

Основные положения диссертации, выносимые на защиту.

1. Разработана модификация модели страхования имущества, модели данных и генетический алгоритм, позволяющий оптимизировать деятельность страховой компании.

2. Разработаны модели страхования жизни и алгоритм на основе нейронной сети, позволяющий использовать машинное обучение для определения продолжительности жизни.

3. Построены инструментальные средства в виде пакетов прикладных программ (ППП) с использованием Интернет-технологий в задачах страхового бизнеса.

4. Проведена апробации результатов работы и экспериментальные исследования на реальных примерах деятельности страховой компании.

Содержание работы. В первой главе рассматривается анализ использования информационных технологий, моделей и методов расчета страховых рисков. Рассматриваются информационные технологии в поддержке принятия решений в страховом бизнесе, анализ использования информационных технологий и программных продуктов в страховании автомобилей и жизни, рассматривается анализ методов интеллектуальной поддержки при принятии решений в страховом бизнесе.

Вторая глава посвящена построению математической модели на основе модели В.Ю. Королева, В.Е.Бенинга, С.Я. Шоргина для страхования имущества. Рассмотрим основные определения страхования с точки зрения математики. Есть пространство страховых случаев:

О = {(01, Юг, ..., Юм}; случай ы, может быть с вероятностью рь может не быть с вероятностью р2 . Для задания договора страхования необходимо изучать тройку:

{О, X, Р}, X - договор страхования, Х(о^)= X, , если случай е>| произошел, Р - премия клиенту, если случай произошел.

Рассчитать договор страхования - это значит вычислить Р.

Риск в страховом деле — опасность, от которой производится страхование; иногда размер ответственности страховщика. Страхование может быть произведено против риска, наступления смерти, пожара, градобития и т.п. За риск, который несет страховое учреждение (обязательство), страхователь уплачивает страховую премию.

Риск обусловлен различного рода случайностями, сопряженными с деятельностью предпринимателя и обусловленными изменчивостью рыночной конъюнктуры.

Модель индивидуального страхового риска (статическая модель страхования), следуя В.Ю.Королеву, В.Е.Бенингу, С.Я. Шоргину, в достаточно общем виде может быть формально описана следующим образом: объектом исследования является распределение случайной величины итогового страхового фонда или остатка средств (вифЫв) страховой компании по некоторому фиксированному множеству договоров страхования (страховому портфелю):

Х(со): П-^Л1.

N

(1)

(2)

N

N

N

N N

Б

¡»1 И

(5)

¥;>=0;

N

N

с) доход Хг^-ХУД-ипах;

N

N

а) доход с учетом риска: * - »тах.

где г - начальный капитал страховщика (страховой компании) по данному страховому портфелю);

п - количество договоров страхования (контрактов, полисов), включенных в страховой портфель;

2 - часть полной страховой премии («брутто-премии»), зачисляемая в

страховой фонд по .¡-му договору страхования;

У. - полные (за все время действия договоров) величины выплат страховщика (индивидуальных исков) по всем договорам портфеля (величина иска может принимать нулевое значение);

Бо - предельная величина сбережений страховщиков . вкладываемая в страхование;

Б - некоторый параметр, позволяющий организовывать деятельность страховой компании;

к— граница конкуренции на рынке страховых компаний; ^-граница конкуренции и риска; (1, - граница естественной конкуренции; Б -доля возвращаемых договоров.

В данной схеме величины У., практически всегда рассматриваются как одинаково распределенные независимые случайные величины, N бывает как детерминированной, так и случайной величиной; 2. в имеющихся

работах всегда считаются неслучайными величинами.

На основе анализа предметной области для представления решения была выбрана эволюционная модель, суть которой состоит в следующем: популяция решений будет состоять из определённого количества особей, каждая из которых обладает одной хромосомой. Хромосома

представляется в виде массива. Хромосома состоит из генов, ¡-ый ген определяет взнос ¿-го страхователя.

Генетический алгоритм состоит из следующих шагов:

1. формирование начальной популяции;

2. оператор селекции особей;

3. оператор скрещивания особей с большими значениями функции пригодности;

4. операция мутации над потомством;

5. операция отбора особей в новую популяцию;

6. проверка критерия остановки алгоритма;

7. оператор выбора наилучшей особи.

Целевая функция представляет собой функцию минимизации суммарного значения штрафных показателей и нарушения ограничений, умноженных на их весовые коэффициенты и соотношения с и с1. Штрафными показателями являются: нарушение ограничений, заданных математической моделью

Введите квлмество договоров страхования

^ —

Введите У(пояив1в риски)

||Ю200

¡3 Сумме 2|<*$0 I

|з с^лмвй >=0*лвЧ1 ^

(з .......

Воми-ст«вО : ВжтьЪ . 1

фо ~ ~ [до ~~ |

Ввейте вектср к(гргнииз мшу

Го8 09 0.5

■■ ■>

Введете резмйр попами

•х. :

Вми^ КО!ВМКТВО «геслд^ 2713Ж

Рис. 1. Результаты вычислительного эксперимента

База данных состоит из пяти таблиц. Все таблицы имеют общие поля. Это необходимо для точного ведения бланков строгой отчетности, также это является гарантом поддержания целостности системы.

Рис. 2. Связи таблиц БД После заполнения базы данных, следуя В.Н.Вагиной, Е.Ю.Головиной, А.А.Загорянской, М.Б.Фоминой, извлечем продукционные правила из большой базы данных. Алгоритм должен найти правила, которые определяют принадлежность объекта к некоторому множеству - классу. Пользователь проводит разделение базы данных на две части: одна часть содержит объекты, принадлежащие к некоторому классу, это множество положительных примеров и множество отрицательных примеров. В алгоритме используются следующие данные: А - таблица базы данных, глубина поиска, количество лучей. Результат работы алгоритма - это множество продукционных правил.

Применим алгоритм к нашей базе данных страховой компании автомобилей. На основании сведений о водителях автомобилей страховой компании предлагаются продукционные правила, пригодные для выявления водителей, склонных попадать в аварию. Это необходимо, чтобы брать с таких клиентов более высокие страховые взносы.

Третья глава посвящена рассмотрению вопросов страхования жизни. Рассмотрены контракты по страхованию в этом случае.

Пусть продолжительность жизни Х(со) = со определена на R1 с помощью функции распределения F(t). F(t) - вероятность для случайной величины X попасть в промежуток [0,t], то есть вероятность для человека прожить не более t лет (умереть в возрасте до t лет).

Так как продолжительность жизни Х(<в) >= О, то ее функция распределения F(t) = 0 при t< 0. Важной характеристикой случайной величины является остаточное время жизни s(t) =1- F(t).

Пусть lx лиц в возрасте х заключат контракт на пожизненную ренту годовыми выплатами $1. Актуарную стоимость такой ренты обозначим через ах. Тогда в момент заключения контрактов суммарные поступления

ю

страховой компании составят: 1х-ах. Эта сумма должна обеспечить пожизненные ежегодные выплаты для всех участников. Спустя год после заключения контракта оставшиеся в живых 1Х+Х участников получат общую сумму

текущая стоимость, которой составит

Текущая стоимость всех выплат будет равна

V • + V2 " 1х+1 + ...'+ V4 " 1х+к + ... ■+ У""* • /„, где -и»-предельный возраст в таблице дожития.

Баланс между поступлениями и выплатами будет выполнен при условии, что

1х-ах=у1х+,+... + ук-1х+к+... + у»-*-1„ (6)

или в сокращенной форме

= (7)

к=1

= + + + (8)

Учтя, что

получим

К+п _ „

—=пРх

«х = *\Рх + ч2-грх + ... + у"-х-„-хРх • (9)

Умножая числитель и знаменатель каждого слагаемого в правой части формулы (9) на Vх, получим

д + А* (10)

1 их их я,

Поскольку согласно определению коммутационных функций

Дс+1+Д<+2+•••+£>* ^«и то получим сокращенное выражение для ах:

а, = -

Аналогично выведены формулы при пожизненном страховании, вопросы страхования жизни на срок и с ограниченным сроком выплат, в основе вывода формул лежит закон баланса между поступлениями и выплатами.

и

Для прогноза дожития применим нейронную сеть обратного распространения ошибки, а так как для нейронной сети необходима большая выборка данных, введем промежуточный шаг и сделаем вычисления дожития на этом промежуточном шаге либо кубическими сплайнами, либо методом наименьших квадратов. Результаты этого промежуточного шага поступают в нейронную сеть обратного распространения ошибки. В вычислениях методом наименьших квадратов или кубическими сплайнами на промежуточном шаге используются таблицы дожития.

Нейронная сеть обратного распространения ошибки состоит из нескольких слоев нейронов, причем каждый нейрон предыдущего слоя связан с каждым нейроном последующего слоя. В большинстве практических приложений оказывается достаточно рассмотрения двухслойной нейронной сети, имеющей входной (скрытый) слой нейронов и выходной слой.

Суть обучения - минимизация функции ошибки

1 Р 2

Е = ^1(Ук-А) , I к=1

где ук - полученное реальное значение к -го выхода нейросети при подаче на нее одного из входных образов обучающей выборки; с!к -требуемое (целевое) значение к -го выхода для этого образа.

Рассмотрим теперь полный алгоритм обучения нейросети:

Шаг 1. Инициализация сети.

Весовым коэффициентам присваиваются малые случайные значения, например, из диапазона (-0.3, 0.3); задаются £ - параметр точности обучения, а- параметр скорости обучения (как правило, а «0.1 и может еще уменьшаться в процессе обучения), N - максимально допустимое число итераций.

Шаг 2. На вход сети подадим один из образов обучающей выборки и определим значения выходов всех нейронов нейросети.

Шаг 3. Рассчитаем изменение синаптических весов для нейронной

сети:

изменение весов для выходного слоя вычисляются по формулам:

= Зк=(ук-с/к)ук(1-ук)-

изменение весов для скрытого слоя вычисляются по формулам:

■N+1 N дЕ дЕ ус- 1С/, с I

где ^-значение выходаj -го нейрона скрытого слоя.

Шаг 4. Шаги 2-3 повторяются для всех векторов из обучающей выборки. Обучение завершается по достижению для каждого из обучающих образов значения функции ошибки, не превосходящего е или после допустимого максимального числа итераций.

Четвертая глава посвящена описанию программного продукта для менеджеров страховой компании по страхованию имущества и жизни. При проектировании программного комплекса по автоматизации страхового бизнеса были использованы возможности унифицированного языка моделирования иМЬ. иМЬ — это язык визуального моделирования программного обеспечения, включающий в себя определенную систему условных обозначений (нотацию), которая предназначена для выражения идей и решений, выполненных на этапе объектно-ориентированного анализа и проектирования.

-

Т]К Сования пользователя

Проект

ЧГ

Диаграмма 4- Диаграмма

сценариев нжгокенгов

Диаграмма

Сценарии -^ последова-

тельности

Диаграмма Диаграмма

классов состояния

Исходный код

| Диаг£вжиа I развертывания

Диаграмма

взаимодействия

Рис. 3. Последовательное представление процесса разработки Совместная реализация комплекса моделей предметной области решаемой задачи выражена схемой на рис.4. Она включает элемент реализации математической модели, модуль интерфейса и базу данных предметной области.

Математические модели ПО

■у-.

Интерфейс пользователя с ПП

База данных

Рис.4. Совместная реализация комплекса моделей предметной области

DBSS / Calculât" S DBOutS.

:.........................Л"

К*»5*' Operat

Рис. 5. Диаграмма сценариев поведения системы

Действующими лицами здесь являются Operator и DBOutSi. Operator представляет пользователя системы, DBOutSi - интерфейс с внешними базами данных, вариант использования Calculai - определяет вычислительную функцию, Visual - визуализацию данных, Register -получение информации, DBSS - данные о застрахованном, SNP - данные о транспортном средстве.

Средствами реализации были следующие программные продукты: Case - технология POWER DESIGNER позволяет спроектировать базу данных и установить связи между таблицами. MySQL - СУБД, которая позволяет, работать с данными в сети Интернет. Apache - сервер для поддержки виртуального сайта и дающий возможность интерпретировать скрип PHP. PHP - язык программирования, предоставляющий большие возможности, для работы с СУБД MySQL.

Проведен вычислительный эксперимент, данные компании Росинвест взяты для расчетов по разработанному математическому и программному обеспечению, посчитана структура портфеля, сделаны необходимые оценки и получен вывод о получении прибыли компании за счет внедрения нового программного обеспечения. Основные результаты работы:

В результате проделанной работы проведена формализации деятельности страховой компании и:

1. Разработана модификация модели страхования имущества, позволяющая выполнить необходимые расчеты с учетом параметров конкуренции и числом возвращаемых взносов. Разработана реляционная модель данных, позволяющая проводить модификацию алгоритма преобразования данных в знания с использованием средств вычислительной техники.

2. Разработан комплекс моделей страхования имущества с возможность применения генетического алгоритма, позволяющего оптимизировать деятельность страховой компании.

3. Разработаны модели страхования жизни и алгоритм на основе нейронной сети, позволяющий использовать машинное обучение для определения продолжительности жизни.

4. Построены инструментальных средства в виде пакетов прикладных программ (ППП) с использованием Интернет-технологий в задачах страхового бизнеса.

5. Проведена апробации результатов работы и экспериментальных исследований на реальных примерах деятельности страховой компании.

Публикации автора по теме диссертации:

1. Битюцких И.С.Математическое обеспечение решения задачи планирования в информационной технологии/ И.С.Битюцких, И.Ф.Астахова, Е.Н.Ветров// Образовательные технологии Воронеж, гос. пед. ун-т, 2006 - №2 - с.111-114.

2. Битюцких И.С. Информационная система с web- ориентированным интерфейсом для организации деятельности страховой компании/ И.С.Битюцких // Новые технологии в образовании Воронеж, гос. Пед. Ун-т,-2006.-С.57-58.

3. Битюцких И.С. Автоматизация работы страховой компании./И.С.Битюцких// Труды молодых ученых ГОУ ВПО «Воронежский государственный университет» - 2006. Вып. 1-2.-С. 16-22.

4. Битюцких И.С. Использование генетических алгоритмов для снижения страховых рисков и нахождения оптимальных условий страхования/ И.С.Битюцких// Мат. Конф. Молодый преп. и студентов Лискинского филиала ВГУ. - Воронеж: Воронеж, госун-т, 2007.-14-17.

5. Битюцких И.С. Применение генетических алгоритмов при расчете страховых рисков/ И.С.Битюцких// Современные проблемы механики и прикладной математики труды. Межд. Конф.- Воронеж, госун-т, 2007. - Вып. 3,- С.43-44.

6. Web- технологии с базами данных./ И.Ф.Астахова, Т.В.Курченкова, Р.А.Дураков, И.С.Битюцких , Д.В.Комаров - Воронеж, Издательско-полиграфический центр Воронежского госуниверситета, 2008. - 144 с.

7. Битюцких И.С. Модели и методы искусственного интеллекта для повышения эффективности страхового бизнеса/ И.С.Битюцких//Вопросы современной науки и практики. Серия техничекие науки. -№ 4(14), 2008-Том 2. - С.71-76.

8. Битюцких И.С. Модели и методы искусственного интеллекта для принятия решений в страховом бизнесе / И.С.Битюцких//

Современные проблемы прикладной математики и математического моделирования: Мат. III межд. Научной конф,- Ч. 1. -Воронеж: Научная книга, 2009. - С. 154-156.

9. Битюцких И.С. Создание рабочего места менеджера компании по страхованию жизни / И.С.Битюцких, И.Ф.Астахова// Современные проблемы науки и образования, 2009. - № 6. - С.18.

10. Битюцких . И.С. Страхование автомобилей /И.С.Битюцких, И.Ф.Астахова //Свидетельство о государственной регистрации программы для ЭВМ № 2010612724 - М.: Рук. Федеральной службы по интеллектуальной собственности, патентам и товарным знакам, 21 апреля 2010 .-50 с.

Работа [7] опубликована в изданиях, соответствующих списку ВАК РФ, работа [10] является свидетельством о государственной регистрации программы в Федеральной службе по интеллектуальной собственности, патентам и товарным знакам.

Подписано в печать 01.06.10. Формат 60x84 '/|6. Усл. иеч. л. 0,93. Тираж 90 экз. Заказ 759

Отпечатано с готового оригинала-макета в типографии Издательско-полиграфического центра Воронежского государственного университета. 394000, Воронеж, ул. Пушкинская, 3.

Актуальность темы. В настоящее время основные методыхования базируются на математической статистике. Эти методы предложены методиками расчета тарифных ставок по рисковым видамхования, которые утверждены Росстрахнадзором. Эти методики хорошо применимы для стабильных портфелей известных рисков, но они не могут учесть того, что при введении нового видахования характеристики риска вховом портфеле могут отличаться от общих его характеристик, полученных на основании имеющихся статистических данных.

В работах Королева В.Ю., Бенинга В.Е., Шоргина С .Я. предлагается математический аппарат, позволяющий синтезировать модели в разных ситуациях страхования.

Появились предметно-ориентированные комплексы по страхованию имущества и жизни «Старый друг», «Территория без границ т.д. Все перечисленные программы поддерживаются компаниями, которые обслуживают их с помощью программных продуктов, офиса, позволяющих без труда выполнять несложные вычисления, связанные с заказами клиентов, вести их статистику и.т.д., но эти программы не связаны с проблемами моделирования этой отрасли. ,

В настоящее время отсутствуют как математическое, так и программное обеспечение, позволяющее исследовать с помощью вычислительной техники, информационных процессов, страхование имущества и жизни с использованием алгоритмов и методов искусственного интеллекта.

Актуальность темы исследования определяется необходимостью прогнозирования степени риска за счет решения оптимизационных задач с помощью средств вычислительной техники.

Цель работы ¡и основные задачи

Целью диссертационной работы является' разработка и исследование моделей формализации деятельности страховой компании с помощью методов искусственного интеллекта и новых интернет-технологий.

Достижение цели исследования включает в себя оценку современного состояния проблемы по рассматриваемой теме и предполагает решение следующих задач:

1. Разработку модификации модели страхования имущества; моделей данных и генетического алгоритма, позволяющего оптимизировать деятельность страховой компании.

2. Модернизацию алгоритма преобразования данных в знания с использованием средств вычислительной техники для страхования имущества:

3.Разработку моделей страхования жизни и алгоритма на основе нейронной сети, позволяющего использовать машинное обучение для определения ее продолжительности.

4.Построение инструментальных средств в виде пакетов прикладных программ (ГШП) с использованием Интернет-технологий в задачах страхового бизнеса.

Методологическая, теоретическая и эмпирическая база исследования

Методологической базой исследования являются методы искусственного интеллекта^ баланса, актуарной математики, теории вероятностей, нейронных сетей, генетических алгоритмов, вычислительной математики, математического моделирования, объектно-ориентированного проектирования и программирования.

Теоретической базой исследования являются работы В.Ю.Королева, В.Е.Бенинга, С .Я. Шоргина по математематической основе теории риска, работа Г.И.Фалина по математическим основам теории страхования жизни, и пенсионных схем.

Эмпирической базой исследования являются статистические данные страховой компании.

Научная новизна

Научная новизна работы заключается:

• В модификации модели страхования, отличающейся возможностью изменения ее параметров, взятых из реляционной базы, данных и характеризующих состояние рынка и возможностью, использования генетического алгоритма.

• В модификации^ алгоритма преобразования данных по страхованию имущества в знания, позволяющем синтезировать базу знаний.

• В моделях страхования жизни и алгоритма предсказания ее продолжительности на основе нейронной сети, отличающейся использованием дополнительной компоненты, позволяющей, сократить количество управляющих параметров и проводить машинное обучение, увеличивая точность прогноза.

• В специальном ^ программном обеспечении, отличающемся объединением описанных методов в единую систему.

Теоретическая и практическая ценность. В работе разработаны модели, позволяющие оптимизировать деятельность страховой компании с помощью методов искусственного интеллекта. Практическая значимость заключается в возможности использования разработанного программного обеспечения в деятельности страховой компании.

Результаты диссертационной работы внедрены и используются в деятельности страховой компании ООО «Росинвест». Эффект от внедрения -социальный. Внедрение результатов подтверждено справкой. Программный продукт зарегистрирован в Федеральной службе по интеллектуальной собственности, патентам и товарным знакам № 2010612724.

Область исследования - в соответствии с формулой специальности 05.13.17 - «Теоретические основы информатики» включает «исследования процессов создания, накопления и обработки информации; исследования методов преобразования информации в данные и знания; создание и исследование информационных моделей, моделей данных и знаний, методов работы со знаниями, методов машинного обучения и обнаружения новых знаний», в диссертационном исследовании разработаны и исследованы модели, позволяющие использовать генетические алгоритмы, нейронные сети; получена модификация алгоритма получения знаний из данных, метод машинного обучения.

Диссертация соответствует:

1. Пункту 1 «Исследование, в том числе с помощью средств вычислительной техники, информационных процессов, информационных потребностей коллективных и индивидуальных пользователей». На основе моделей, методов и алгоритмов, разработанных в диссертационной работе, программный продукт обеспечивает информационные потребности коллективных и индивидуальных пользователей.

2. Пункту 14 «Разработка теоретических основ создания программных систем для новых информационных технологий». Разработанные модификации моделей страхования, модели данных, эволюционная модель, модель машинного обучения, модификация алгоритма преобразования данных в знания могут служить теоретической' основой для новой информационной технологии в деятельности страховой компании.

3. Пункту 16 «Общие принципы организации телекоммуникационных систем и оценки их эффективности. Разработка научных принципов организации информационных служб по отраслям народного хозяйства». Разработанные модели, методы, алгоритмы, могут служить научной основой для организации информационной службы в страховом бизнесе.

Апробация работы; Основные материалы диссертации докладывались и обсуждались: на международных конференциях «Современные проблемы механики и прикладной математики», Воронеж, 2007; «Современные проблемы прикладной математики и математического моделирования», Воронеж, 2009; на научных сессиях Воронежского госуниверситета, 2007, 2008 гг.; на конф. молодых преподавателей и студентов Лискинского филиала ВГУ, 2007. .

Публикации. По материалам диссертации опубликовано 9 печатных работ из них одна из перечня ВАК, 10-ая работа —, свидетельство о государственной регистрации программы для ЭВМ в Федеральной службе по интеллектуальной собственности,. патентам и товарным знакам. Из совместных работ в диссертацию, вошли только результаты, принадлежащие лично диссертанту.

Структура и объем работы. Диссертация, состоит из введения, четырех глав, заключения по работе, списка использованных источников из; 116 наименований. Работа изложена на 122 страницах машинописного: текста, содержит 28 рисунков, 7 таблиц, приложение на 36 страницах.

4.9. Выводы

1. Разработаны модели на языке ЦМЬ программного продукта для рабочего места менеджера компании по страхованию автомобилей.

2. Разработан программный комплекс для рабочего места менеджера компании по страхованию автомобилей.

103

ЗАКЛЮЧЕНИЕ

В результате проделанной работы проведена формализации деятельности страховой компании и:

1. Разработана модификация модели страхования имущества, позволяющая выполнить необходимые расчеты с учетом параметров конкуренции и числом возвращаемых взносов. Разработана реляционная модель данных, позволяющая проводить модификацию алгоритма преобразования данных в знания с использованием средств вычислительной техники.

2. Разработан комплекс моделей страхования имущества с возможность применения генетического алгоритма, позволяющего оптимизировать деятельность страховой компании.

3. Разработаны модели страхования жизни и алгоритм на основе нейронной сети, позволяющий использовать машинное обучение для определения продолжительности жизни.

4. Построены инструментальных средства в виде пакетов прикладных программ (111111) с использованием Интернет-технологий в задачах страхового бизнеса.

5. Проведена апробации результатов работы и экспериментальных исследований на реальных примерах деятельности страховой компании.

1. Айзерман H.A. Выбор вариантов: основы теории. / H.A. Айзерман, Ф.Т. Алескеров. М.: Наука. Гл.ред. физ-мат. лит., 1990. - 240с.

2. Айвазян С.А. Прикладная статистика: Классификация и снижение размерности./ С.А.Айвазян, В.М.Бухштабер, И:С.Енюков, Л.Д.Мешалкин М.: Финансы и статистика, 1989. — 607с.

3. Айвенс К. Эксплуатация Windows NT. Проблемы и« решения: пер. с. англ. /К.Айвенс- СПб: BHV-Санкт-Петербург, 1998. 592 с.

4. Астахова И. Ф. Субд: язык SQL в примерах и задачах. / И.Ф:Астахова , А.П.Толстобров , В.М.Мельников -М.:ФИЗМАТЛИТ, 2007. 174с.

5. Астахова И.Ф. Практикум по информационным системам. Oracle /И.Ф.Астахова; В.А. Чулюков, А.С.Потапов, В.Н.Стариков. Киев: Юниор, 2004. 150 с.

6. Акофф Р.Л. Планирование в. больших экономических системах / Р.Л. Акофф; Пер. с англ. М.: Сов. Радио, 1972. - 223 с.

7. Алексеев A.B. Лингвистические модели принятия решений в нечетких ситуационных системах управления / А.В: Алексеев // Методы принятия решений Bt условиях неопределенности: межвуз. сб. науч. тр. / Рига: Риж.полит.ин.-т, 1980.-С. 17-23.

8. Багриновский К.А. Интеллектная система в отраслевом планировании / К.А. Багриновский, В.В. Логвинец. -М.: Наука, 1989. — 136 с.

9. Базара М: Нелинейное программирование. Теория и алгоритмы / М. Базара, К Шетти. М.: Мир, 1982. - 583 с.

10. Бешелев С.Д. Математико — статистические методы экспертных оценок./ С.Д: Бешелев, Ф.Г.Гурвич М.: Статистика, 1980, - 263 с.

11. Борисов А.Н. Обработка нечеткой информации в системах принятия решений / А.Н.Борисов, А.В.Алексеев, Е.В.Меркурьев. М.: Радио и связь, 1989.-304 с.

12. Борисов А.Н. Системы управления с ЭВМ: Информационное, математическое и программное обеспечение / А.Н.Борисов, Э.Р.Вилюмс, ЛЛ.Сукур. -Рига: Зинатне, 1986. 198 с.

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

14. Брахман Т.Р. Многокритериальное^ и выбор альтернативы, в технике / Т.Р. Брахман. М.: Радио и связь, 1984. - 288 с.

15. Бусленко Н. П. Лекции по теории сложных систем / Н.П. Бусленко, В.В. Калашников, И.Н. Коваленко. Сов. Радио, 1973.-439 с.

16. Бусленко Н. П. Моделирование сложных систем / Н.П. Бусленко. М.: Наука, 1978.-400 с.

17. Вагин В. Н. Дедукция и обобщение в системах принятия решений / В.Н. Вагин. М.: Наука, 1988. - 384 с.

18. Вагин В.Н.Достоверный и правдоподобный вывод в интеллектуальных сис-темаъ/ В.Н.Вагин, Е.Ю.Головина, А.А.Загорянская, М.Б.Фомина. М.: ФИЗМАТЛИТ, 2004.- 104'с.

19. Вентцель Е. С. Исследование операций: задачи, принципы, методология / Е.С. Вентцель. М.: Наука, 1988. - 206 с.

20. Веллинг, Люк. Разработка Web-приложений с помощью PHP и MySQL: Пер. с англ./ Л. Веллинг, Л. Томсон. 2-е изд. - М. и др.: Вильяме, 2003. - 795 с.

21. Вилкас Э. Й. Оптимальность в играх и решениях / Э.Й. Вилкас. М.: Наука, 1990.-256 с.

22. Гилл Ф. Практическая оптимизация./Ф. Гилл, У.Мюррей, М. Райт М.: Мир, 1985.

23. Гончаров А. Самоучитель HTML. /А.Гончаров -СПб: Питер, 2000.' 240 с.

24. Гома Хассан. UML. Проектирование систем реального времени, параллельных и распределенных приложений / Хассан Гома : Пер. с англ.—М.: ДМК Пресс, 2002.—698 с.

25. Грофф Дж. SQL: Полное руководство: Пер. с англ. 2-е изд. / Дж.Грофф , П.К.Вайнберг: Издательская группа BHV, 2001. - 816 с.

26. Гохман О. Г. Экспертное оценивание / О.Г. Гохман. Воронеж: Воронеж, гос. ун-т, 1991.-152 с.

27. Горбань А.Н. Нейрокомпьютер или аналоговый ренессанс/А.Н.Горбань // МИР ПК, 1994, №10.

28. Горбань А.Н. Нейронные сети на персональном компьютере. / А.Н.Горбань, Д.А.Россиев-Новосибирск: Наука, 1996. 276 с.

29. Горбань А.Н. Обобщенная аппроксимационная теорема и вычислительные возможности нейронных сетей/А.Н.Горбань // Сиб. журн. вычисл. математики / РАН. Сиб. отд-ние. Новосибирск, 1998. - Т.1, №1. - С.11-24.

30. Турин JI. С. Задачи и методы оптимального распределения ресурсов / JI.C. Турин, Я.С. Дымарский, А.Д. Меркулов. М.: Сов.радио, 1968. - 463 с.

31. Давыдов Э. Г. Игры, графы, ресурсы / Э.Г. Давыдов. М.: Радио и связь, 1981.-112 с.

32. Данциг Д. Линейное программирование / Д. Данциг. М.: Прогресс, 1966. - 600 с.

33. Дейт К. Введение в системы,баз данных / К. Дейт. М.:.Наука, 1980. - 463 с.

34. Десятов Д. Б. Метод экстраполяции экспертных оценок качества на основе принципа максимального правдоподобия / Д.Б. Десятов, В.В. Сысоев, М.С. Чирко // Надежность и контроль качества. 1984. -N12. - С. 12-15.

35. Десятов Д. Б. Принятие решений на основе экспертных оценок с использованием метода максимального правдоподобия / Д.Б. Десятов, В.В. Сысоев,

36. М.С. Чирко // Автоматизация проектирования производственных систем: сб. науч. тр. / Воронеж: Воронеж, политехи, ин-т., 1984. С. 32-36.

37. Дворчик И.С. Интерактивная методология представления данных для ней-росетевого моделирования медицинских задач: Автореф. дис. . канд. техн. Наук /И.С.Дворчик: СПбТУ СПб, 1997. - 18 с.

38. Искусственный.интеллект: В 3-х кн. Кн. 2. Модели и методы: Справочник / под ред. Д.А. Поспелова. М.: Радио и связь, 1990. - 304 с. п

39. Калашников В. В. Сложные системы и методы их анализа / В!В. Калашников. М.: Знание, 1980- - 312 с.

40. Калиниченко Л.А. Машины баз данных и знаний / Л.А.Калиниченко, В.М. Рыбкин. М.: Наука, 1990. - 296с.

41. Канторович Л. В. Математические методы организации и планирования / Л.В. Канторович. Л.: Изд.-во ЛГУ, 1939. - 68 с.

42. Касимов Ю.В. Введение в актуарную математику (страхование жизни и пенсионных схем):/ Ю.В.Касимов. М.: Анкил, 2001. — 172 с.

43. Королев В.Ю. Математические основы теории риска/ В.Ю.Королев, В.Е.Бенинг, С.Я. Шоргин . -М.: ФИЗМАТЛИТ, 2007. 544 с.

44. Китаев Н. Н. Групповые экспертные оценки / H.H. Китаев. — М.: Знание, 1975.-64 с.

45. Ков О. UML. Мета-язык проектирования и моделирования программного обеспечения / О. Ков. (www.metod.square.spb.ru), 2001.

46. Коннолли Т. Базы данных. Проектирование. Реализация. Сопровождение / Т. Коннолли, К. Бегг. -М.: Вильяме, 2003 . -864 с.

47. Кофман А. Введение в теорию нечетких множеств / А. Кофман: Пер. с фр.- М.: Радио и связь, 1982. 432 с.52'. Кофман-А. Методы и модели исследования операций. Целочисленное программирование / А. Кофман, А. Анри-Лабордер; пер. с фр. -М.: Мир, 1977. -432 с.

48. Кузин* Л. Т. Основы кибернетики: в 2-х т. / Л.Т. Кузин. М.: Энергия, 1979.- Т.2 : Основы кибернетических моделей: Уч. пособие для вузов. 584 с.

49. Кузнецов Ю. Н. Математическое программирование: Уч.пособие / Ю.Н. Кузнецов, В.И. Кузубов, A.B. Волощенко. -М.: Высш.шк., 1980.-300 с.

50. Куффлер С. От нейрона к мозгу./ С.Куффлер, Дж. Николе М.: Мир, 1979. -440 с.56; Ларичев О. И. Выявление экспертных знаний / О.И. Ларичев, А.И. Мечи-тов; Е.М. Мошкович, Е.М. Фуремс. -М.: Наука, 1989. 128 с.

51. Ларичев О. И. Наука>и искусство принятия решений / О.И. Ларичев. М.: Наука, 1979. - 200 с.

52. Ларичев О.И. Объективные модели и субъетивные решения./О.И.Ларичев -М.: Наука, 1987. 142 с.

53. Литвак Б.Г. Экспертная- информация: Методы получения и анали-за./Б.Г.Литвак-М.: Радио и связь, 1982. 184 с.

54. Магрупов Т.М. Графы, сети, алгоритмы и их приложения / Т.М. Магрупов.- Ташкент: Фан, 1990. 120 с.

55. Макаров И.М. Теория выбора и принятия решений / И.М.Макаров, Т.М.Виноградская, A.A. Рубчинский, В.Б.Соколов. М.: Наука,* 1982. - 327 с.

56. Мартин Дж. Организация баз данных в. вычислительных системах / Дж. Мартин. М.: Мир, 1980. - 662 с.

57. Мацяшек Л.А. Анализ требований и проектирование систем. Разработка информационных систем с использованием UML / Л.А. Мацяшек; пер. с англ. и ред. В.М. Неумоина. М.: Вильяме, 2002. - 428 с.

58. Мелони Д. PHP 4 в действии: Пер. с англ. / Д. Мелони. — М.: Лучшие книги, 2002. 395 с.*

59. Месарович М. Общая теория систем: математические основы / М: Месаро-вич, Я^ Такахара;- М;: Мир, 19781 311 с. .

60. Мидоу 4L Анализ; информационно поисковьш систем*-/ Ч. Мидоу. - Ml: Мир, 1978.-213 с.

61. Минский М. Персептроны./М.Минский, С.Пайперт М.: Мир, 1971. - 261 с.

62. Мкртчян С.О. Нейроны и нейронные сети (Введение в теорию формальных нейронов)/ С.О.Мкртчян С.О. М.: Энергия, 1971. - 232 с.

63. Мороз А. И. Курс теории систем / А.И. Мороз. М.: Высш. шк., 1987. -412 с.

64. Мушик Э. Методы принятия технических решений:/ Э.Мушик, П.,Мюллер -М.:Мир, 1990. 206 с.

65. Нейроинформатика и ее приложения // • Материалы 3 Всероссийского семинара, 6-8 октября 1995 г. Ч. 1 / Под ред. А.Н.Горбаня. Красноярск: изд. КГТУ. 1995. - 229 с.

66. Нейрокомпьютер как основа мыслящих ЭВМ / Под ред. Фролова A.A., Шульгина Г.И. М.: Наука, 1993. - 276 с.

67. Николаев В.И. Систематехника: методы и приложения / В .И. Николаев, B~Mt Брук.-Л.: Машиностроение,, 1985; 199 с.

68. Новые технологии Windows 2000 / Под ред. Чекмарева А.Н. СПб: БХВ-' Санкт-Петербург, 1999; - 592! с.

69. Обработка нечеткой информации в систелгах принятия решений / А.Н. Борисов, A.B. Алексеев, Е.В. Меркурьев и др.. М.: Радио и связь, 1989. — 304 с. '

70. Оганесян А. И. Интеллектуальная, надстройка СУБД / А .П. Оганесян // Представление знаний в системах искусственного- интеллекта: Mi: МДШГТим. Дзержинского,'1980.-С. 151-153.

71. Орлов В.П. Введение в;страховую математику/ В:П.Орлов Воронеж: Воронеж. Ун-т, 2001. -55 с.

72. Орловский С. А. Проблемы принятия решений при нечеткой исходной информации / С.А. Орловский. М.: Наука, 1981. - 206 с.

73. Пападимитриу X. Комбинаторная^ оптимизация. Алгоритмы и сложность: Пер. с англ./ Х.Пападимитриу, К.Стайглиц М.:Мир, 1985. - 512 с.

74. Пасечник А. Переход на Windows 2000: для'профессионалов. Руководство администратора сети./А. Пасечник, Б.Богумирский СПб: Издательство «Питер», 2000. - 448 с.

75. Переверзев-Орлов B.C. Советчик специалиста. Опыт разработки партнерской системы./В.С.Переверзев-Орлов М.: Наука, 1990. - 133 с.

76. Перегудов Ф. И. Введение в системный анализ / Ф.И. Перегудов, Ф.П. Та-расенко* — М.: Высш.шк, 1989. 367 с.

77. Поспелов Г. С. Программно-целевое планирование и управление (Введение) / Г.С. Поспелов, В.А. Ириков: М.: Сов. радио, 1976. - 440 с.

78. Попов Э.В. Экспертные системы. /Э.В.Попов -М.: Наука, 1987. 284 с.

79. Поспелов Г.С. Процедуры и алгоритмы формирования комплексных программ / Г.С. Поспелов; В.А. Ириков, А.Е. Курилов. М.: Наука, 1985. - 425 с.

80. Применение ЭВМ в учебном процессе / Под ред. А.И. Берга. М., 1969. -248 с.

81. Профессиональное PHP программирование / Дж. Кастаньетто, X. Рафат, С. Шуман, и др.; Пер. с англ. СПб: Символ-Плюс, 2001. 912 с.

82. Пустыльник Е. И. Использование линейной модели для экстраполяции экспертных оценок / Е.И. Пустыльник, В.В. Сысоев, М.С. Чирко // Автома-тизацияшроектирования. М.: МДНТП, 1981. - С. 46-50.

83. Пустыльник Е. И*. Об одном методе экстраполяции экспертных оценок / Е.И. Пустыльник, В.В. Сысоев, М.С. Чирко // Экономиками математические методы. 1983. - вып. 4. - С. 716-717.

84. Рао С.Р. Линейные статистические методы./ С.Р.Рао- М.: Наука, 1968. -548 с.

85. Саати Т. Аналитическое планирование. Организация систем / Т. Саати, К. Керне; пер. с англ. М.: Мир, 1991. - 224 с.

86. Сербулов Ю.С. Модели выбора и распределения ресурсов технологических систем в условиях их замещения и конфликта : автореф. дис. . д-ра техн. наук / Ю.С. Сербулов. Воронеж, 1999. — 35 с.

87. Сысоев В.В. Автоматизированное проектирование линий и комплексов оборудования полупроводникового и микроэлектронного производства / В.В. Сысоев. М.: Радио и связь, 1982. - 120 с.

88. Сысоев В.В. Автоматизированный тестовый контроль производства БИС / В.В. Сысоев, Д.Б. Десятов, С.С. Булгаков, С.А. Еремин. М.: Радио и связь, 1992. - 192 с.

89. Сысоев В.В. Конфликт. Сотрудничество. Независимость. Системное взаимодействие в структурно-параметрическом представлении /В.В. Сысоев. -М.: МАЭП, 1999.-151 с.

90. Сысоев.В.В. Системное моделирование. / В.В. Сысоев. Воронеж: BFTA, 2000.-74 с.

91. Сысоев BtB. Системное моделирование: Уч. Пособие / В.В.Сысоев. Воронеж: изд-во Воронеж, технол. ин.- та, 1993. — 207 с.

92. Сысоев В.В. Структурные и алгоритмические модели автоматизированного проектирования производства изделий электронной техники / В.В.Сысоев. -Воронеж: изд.-во Воронеж, технол. ин.-та, 1993.-207 с.

93. Телло Э. Р. Объектно-ориентированное программирование в среде Windows / Э.Р. Телло: Пер. с англ. Д.М. Арапова, А.К. Петренко. М.: Высш. шк., 1993. - 347 с.

94. Технология // Советская энциклопедия: Словарь. 4-е изд. - М., 1989. - С. 1341.

95. Томсон Л. Разработка Web-приложений на PHP и MySQL: Пер. с англ. / Л. Томсон, Л. Веллинг. 2-е изд., испр. - М.: DiaSoft, 2003. - 655 с.

96. Трофимов С.А. CASE-технологии: Практическая работа в-Rational Rose / С. А. Трофимов. 2-е изд. - М.: Бином-Пресс, 2002. - 288 с.

97. Уотерман Д. Руководство по экспертным системам: Пер. с англ./Д. Уо-терман М.: Мир, 1989. - 380 с.

98. Уоссермен. Ф. Нейрокомпьютерная техника: пер. с англ./ Ф. Уоссермен. — М.: Мир, 1992.-332 с.

99. Фролов А.А. Нейронные модели ассоциативной памяти./ А.А.Фролов, И.П.Муравьев -М.: Наука, 1987. 160 с.

100. Фалин Г.И. Математические основы теории страхования жизни и пенсионных схем. -М.: МГУ, 1996.

101. Чудаков А.Д. Автоматизированное оперативно-календарное планирование в гибких комплексах механообработки / А. Д. Чудаков, Б. Я. Фалевич. -М.: Машиностроение; 1986. 222 с.

102. Шильяк Д.Д. Децентрализованное управление сложными системами / Д.Д. Шильяк. -М: Мир, 1994: 576-с.

103. Шоломов. Логические методы исследования дискретных моделей выбора / Шоломов. -М.: Наука. Гл. ред: физ.-мат. лит., 1989. — 287 с.

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

105. Экспертные системы: состояние и перспективы / Под ред. Д.А. Поспелова. -М.: Наука, 1989.-152 с.

106. Энкарначчо Ж. Автоматизированное проектирование. Основы понятия и архитектура-систем / Ж. Энкарначчо, Э. Шлехтендаль. — М.: Радио и связь, 1986.-288 с.

107. Юдин Д.Б. Вычислительные методы теории принятия решений / Д.Б. Юдин. М.: Наука, 1989. - 317 с.

108. Юрасов В. Г. Синтез развивающихся компьютерных систем вуза на основе прогностических моделей / В.Г. Юрасов. Воронеж: ВГТУ, 1999. - 126 с.

109. Microsoft Windows 2000 Server. Русская версия / Под ред. А.Н. Чекмарева.- СПб: БХВ-Санкт-Петербург, 2000. 960 с.е