автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Моделирование и генерация решений в социальных системах

На правах рукописи

Головин Вячеслав Александрович

МОДЕЛИРОВАНИЕ И ГЕНЕРАЦИЯ РЕШЕНИЙ В СОЦИАЛЬНЫХ

СИСТЕМАХ

Специальность 05.13.18 - математическое моделирование, численные методы и комплексы программ

АВТОРЕФЕРАТ 10 НОЯ 2011

диссертации на соискание ученой степени кандидата технических наук

Ульяновск-2011

4859410

Работа выполнена на кафедре информационных технологий в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Ульяновский государственный

университет»

Научный руководитель

доктор технических наук, профессор Кумунжиев Константин Васильевич

Официальные оппоненты

доктор технических наук, профессор Варнаков Валерий Валентинович

кандидат технических наук Мельников Дмитрий Александрович

Ведущая организация:

ФГБОУ ВПО «Ульяновский государственный технический университет»

Защита диссертации состоится «14» декабря 2011 года в Ю00 часов на заседании диссертационного совета Д 212.278.02 при ФГБОУ ВПО «Ульяновский государственный университет» по адресу: г. Ульяновск, ул. Набережная реки Свияга, 106, корп. 1, ауд. 703.

С диссертацией можно ознакомиться в библиотеке Ульяновского государственного университета, с авторефератом на сайте вуза http://www.uni.ulsu.ru и на сайте Высшей аттестационной комиссии при Министерстве образования и науки Российской Федерации -ww^v■vak■ed■gov■ru■

Отзыв на автореферат присылать по адресу: 432017, г. Ульяновск, ул. Л.Толстого, д. 42, УлГУ, Отдел послевузовского и профессионального образования.

Автореферат разослан « ОХ » ноября 2011 года.

Ученый секретарь диссертационного совета

Волков М.А.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Моделирование завоевало прочные позиции в технологической и естественнонаучной сферах, его прогресс существенно заметен также и в применении к экономическим системам. Если же говорить о процессах с участием «человеческого фактора» (в первую очередь о социальных процессах), то в этой области его успехи гораздо скромнее1. По мнению Самарского A.A. и Михайлова А.П. существует немало глубоких и принципиально неустранимых причин такого «отставания»:

1. Отсутствие в социальных системах «фундаментальных» законов, т.е. связей между основными социальными величинами, допускающих точное количественное выражение.

2. Неустранимая неточность «измерений».

3. Разномасштабность, разнородность и нелинейность исследуемых социологией явления и процессов. Наличие нелинейных и прямых обратных связей -неотъемлемая характеристика любой социальной системы.

4. Постоянное усложнение социальных объектов, и их «рефлексивность». Новые знания рано или поздно сами становятся частью объекта, изменяя его характеристики и свойства. Примером служит судьба многих социальных прогнозов и проектов - даже будучи обоснованными по всем существующим меркам, они, вплетаясь в социальную ткань, становясь социальной реальностью, никогда не осуществляются в той степени, которая отвечала бы стандартам точных наук. Отсюда - самореализующиеся и саморазрушающиеся социальные прогнозы и, как одно из следствий - бесконечная «гонка» математической модели за изучаемым объектом.

На современном рынке информационных технологий практически отсутствуют компьютерные решения для управления политической деятельностью. Корни проблемы в том, что «управление» редко применяется к политической деятельности и сама политическая деятельность больше понимается как искусство, чем как четкая системная технология. Без сомнения, для деятельности современных политических сил требуются новые прогрессивные технологии. По-литтехнологи вынуждены внедрять новые решения, позаимствованные у западных коллег, изобретать все более эффективные технологические ходы. Западные профессионалы пришли к тому, что для увеличения результативности избирательных кампаний необходима компьютерная автоматизация политпроцес-сов. Как ответ на требование рынка, разрабатываются системы поддержки принятия решений2,3,4 (СППР). Их определяют как компьютерные автоматизированные системы, которые разработаны для помощи людям, принимающим ре-

1 Математическое моделирование социальных процессов: Сборник статей: Выпуск 10 - ("Социологический факультет МГУ 1989 - 2009 XX лет")/Михайлов А.П. - Москва: КДУ, 2009 - 524 с.

А-Д-Сараев, О.АЩербина. Системный анализ и современные информационные технологии // Труды Крымской Академии наук - Симферополь: СОНАТ, 2006. - С. 47-59.

Г.Е. Кузьмснко, В.А Липшюв.Мегоды и средства проектирования и анализа информационных технологий СППР типа ситуационных цетров//Вторая дистанционная научно-практическая конференция с международным участием «Системы поддержки принятия решений Теория и практика. СППР 2006». - Киев: Академия технологических наук Украины, Институт проблем математических машин и систем HAH Украины. - 2006. - С.5-8.

г.с. Теслер, В А Косо. Исследование систем с позиции информационной составляющей// Четвертая дистанционная научно-практическая конференция с международным участием «Системы поддержки приняла решений. Теория и практика. СППР 2008», - Киев- Академия технологических наук Украины, Институт проблем математических машин и систем HAH Украины. -2008. - С.10-12.

шения в сложных условиях, для полного и объективного анализа предметной деятельности.

Существуют программные продукты в сфере политической деятельности и политического PR, но они не способны решить все поставленные в предметной области задачи. Некоторые из этих программных средств пытаются прогнозировать результаты выборов, опираясь на статистические данные, и рассчитать бюджет предвыборной кампании. Но для этого необходимо проделать большую работу по сбору нужных данных, которые зачастую не соответствуют реальному положению дел. Другие программные продукты (Axon Idea Processor, Problem Solver, Serious Creativity, Brainstorming Toolbox, Creativity Unleashed, Inspiration, MindMan, Idea Fisher) всего лишь «подталкивают» пользователя к креативному мышлению, необходимому для разработки предвыборной кампании, и не дают готового «рецепта». Таким образом, в рассматриваемой предметной области нет системы, которая бы генерировала решения, исходя из поставленных пользователем целей. Поэтому, становится актуальной и целесообразной разработка системы генерации решения, которая бы выдавала решения по реализации предвыборной кампании, а также занималась накоплением опыта в этой сфере.

Объектом исследования является процесс достижения цели в социальных системах в условиях конкуренции и неопределённости с использованием системы генерации решений (СГР). При этом внимание сосредоточено на одной из слабоизученных социальных систем - политико-избирательной системе.

Предметом исследования являются модели и алгоритмы генерации решения, а так же их реализация в программном продукте.

Цель работы. Целью диссертационной работы является создание системы генерации решений, обеспечивающей формирование стратегии и тактики кандидата в период избирательного процесса и накопление опыта в данной предметной области.

Для достижения названной цели решены следующие задачи:

1. Разработана архитектура системы генерации решений и реализованы все подсистемы в виде программного комплекса «Система генерации решений по формированию предвыборной кампании».

2. Исследована и формализована предметная область, в результате чего создана логическая структура системы на основе модели развёртывания предвыборной кампании.

3. Разработана и реализована в виде комплекса алгоритмов процедура генерации решений с использованием численных методов.

4. Разработана база данных, адаптированная к предметной области и решаемым задачам. База данных логически разделена на две компоненты: база прецедентов, база объектов предметной области.

Методы исследования. В диссертационной работе применялись методы математического моделирования, теории систем и системного анализа, теории графов, нейронных сетей и теории классификации, добычи информации.

Научная новизна. Основные результаты настоящей диссертационной работы являются новыми и актуальными. Разработана архитектура СГР, благо-

даря которой система способна решать актуальные задачи в области политической деятельности, а именно формировать стратегию и тактику предвыборной кампании.

Разработана модель развёртывания предвыборной кампании, обеспечивающая достоверное представление структуры и объектов процесса. Модель основана на учете данных о ситуации накануне выборов и кандидате, а также на влиянии параметров ситуации на характеристики кандидата. Кроме того, модель учитывает правила формирования сценария предвыборной кампании.

Впервые предложен и обоснован интегрированный подход к разработке системы генерации решений по формированию предвыборной кампании. Подход заключается в сочетании методологий, которые не использовались совместно для решения подобных задач. Эффект - устранение недостатков одной методологии достоинствами другой.

Разработана процедура генерации решений, реализованная в виде комплекса алгоритмов: вычисления оценочного коэффициента, определения характера метода и добавления его в сценарий, адаптации. Процедура позволяет на основе созданной модели развёртывания и найденных прецедентов эффективно генерировать предвыборные кампании с учётом особенностей стратегии и тактики.

Обоснована необходимость создания и разработан программный комплекс, автоматизирующий работу политтехнологов на первом этапе подготовки предвыборной кампании, а именно разработку её стратегии и тактики. Внедрение программного комплекса существенно снижает время на формирование предвыборной кампании. Кроме того, созданный программный комплекс решает задачу накопления опыта в данной сфере, что позволяет использовать его для обучения специалистов в области политических технологий.

Показана необходимость и возможность применения разработанных методов генерации решений при исследовании социальных систем.

Основные положения, выносимые на защиту:

1. Архитектура системы генерации решений по формированию предвыборной кампании, обеспечивающая представление её функций и подсистем.

2. Модель развёртывания предвыборной кампании, учитывающая её структуру, основные объекты и процессы, а также их взаимовлияние.

3. Процедура генерации решений на основе численных методов, реализованная в виде комплекса алгоритмов и учитывающая особенности разработки стратегии и тактики предвыборной кампании.

4. Программный комплекс «Система генерации решений по формированию предвыборной кампании», реализующий разработанные модели и методы.

Достоверность полученных результатов. Достоверность научных положений и результатов исследований обеспечивается строгостью постановок-задач, корректностью выбранных методов. Достоверность также подтверждается проведенными компьютерными экспериментами и результатами тестирования созданного программного комплекса.

Теоретическая и практическая значимость. Теоретическая значимость выражается в возможности дальнейшего развития методов и средств использования информационных технологий в политической деятельности. Практическая значимость заключается как в способе формирования предвыборной кампании, так и в системе генерации решений. В конечном итоге положительный эффект в повышении эффективности генерируемых решений, уменьшении затрат времени на формирование предвыборной кампании и возможности накопления опыта.

Апробации работы. Результаты основных положений диссертации докладывались на следующих конференциях: VII Международная конференция «Математическое моделирование физических, экономических, технических систем и процессов», Ульяновск, УлГУ, 2009; Interactive Systems and Technologies: the Problems of Human-Computer Interaction, Ulyanovsk, ULSTU, 2009; Всероссийская конференция «Проведение научных исследований в области обработки, хранения, передачи и защиты информации» (ОИ-2009), Ульяновск, Ул-ГТУ, 2009; «Информатика, моделирование, автоматизация проектирования» (ИМАП-2010), Ульяновск, УлГТУ, 2010; Всероссийская конференция аспирантов, студентов и молодых ученых «Информатика и вычислительная техника» (ИВТ-2010), Ульяновск, УлГТУ,2010; II Всероссийская школа-семинар "Информатика, моделирование, автоматизация проектирования", Ульяновск, УлГТУ, 2010.

Личный вклад автора. Постановка задач исследования осуществлена совместно с научным руководителем. Теоретические и практические исследования проведены автором самостоятельно.

Публикации. По теме диссертации опубликовано 9 работ, в том числе 1 в рецензируемом научном журнале, рекомендованном ВАК, и зарегистрированный программный комплекс. Список помещён в конце автореферата.

Структура и объем диссертации. Диссертация состоит из введения, трех глав, заключения, списка используемой литературы из 128 наименований и трех приложений. Работа содержит 153 страниц текста, их них 127 - основной текст, 26 - приложение, 24 рисунка, 6 таблиц.

СОДЕРЖАНИЕ РАБОТЫ

Во введении показана актуальность темы, определены цели и задачи диссертационной работы, сформулированы научная новизна и практическая значимость проводимых исследований, перечислены положения, выносимые на защиту, дана общая характеристика работы.

Первая глава посвящена анализу предметной области и методов генерации решений.

Проведён анализ социальных систем и возможностей их моделирования. Дан обзор основных работ, посвящённых моделированию социальных систем. Сделан вывод о том, что исследованию социальных систем уделяется крайне мало внимания и одной из слабоизученных является политико-избирательная система.

Рассмотрены задачи, решаемые в политической деятельности с помощью информационных технологий. Выделены основные выгоды от внедрения автоматизированных систем в область политической деятельности, а так же основные аспекты выбора автоматизированной системы в управлении политической деятельностью. Определены функции штаба предвыборной кампании, которые автоматизированы, и те, которые нуждаются в автоматизации. На сегодняшний день без должного внимания остаются этапы проектирования стратегии и тактического рисунка предвыборной кампании, а также учёт сведений о предыдущих выборах. Сделан вывод о том, что автоматизация этих этапов является актуальной задачей в сложившейся ситуации.

Проанализирован класс систем поддержки творческих решений (СПТР, каталог из 59 наименований доступен по адресу: http://members.ozemail.com.au/~caveman/Creative/Software/swidex.htm).

Основной проблемой СПТР является то, что они лишь «подталкивают» пользователя к решению нестандартной или творческой задачи, активизируют креативное мышление, но никак не решают эти задачи.

Дан обзор основных подходов к генерации решений. Показаны преиму-■ щества и ограничения существующих методов.

Первая глава диссертационной работы заканчивается выводами:

1) Существующие программные средства, используемые в политической сфере, не решают всех задач, стоящих в предметной области. Поэтому необходимо разработать систему генерации решений, предоставляющую возможности:

■ Генерирования решений по формированию предвыборной кампании.

■ Накопления опыта в данной предметной области.

■ Дополнительного исследования предметной области.

2) Представленные результаты исследования показывают, что для создания перспективной системы генерации решений необходимо применить интегрированный (комплексный) подход, применив механизмы разных методологий.

3) Необходимо решить следующие научные задачи:

■ Провести анализ целей функционирования СГР и на основании этого определить её структуру.

■ Создать модель развёртывания предвыборной кампании.

■ Разработать процедуру генерации решений.

■ Организовать работу баз данных: базы объектов предметной области и базу прецедентов.

Вторая глава посвящена разработке структуры и механизмов функционирования системы генерации решений.

В соответствии с определёнными в ходе анализа целями функционирования СГР, было принято решение о выделении ряда подсистем в рамках системы. Каждая из подсистем решает свой подкласс задач и является логически изолированной и самостоятельной компонентой. Архитектура СГР представлена на рисунке 1.

После определения архитектуры системы, была предложена модель развёртывания предвыборной кампании. Модель будем представлять как множе-

ство, состоящее из структурных компонентов, которые связаны между собой, взаимодействуют между собой и адекватно представляют исследуемый объект5.

Процесс предвыборной кампании, в соответствии с системным подходом, представляется в виде иерархической структуры с упорядоченной последовательностью этапов.

Рис. 1. Архитектура системы генерации решений

Модель развёртывания предвыборной кампании состоит из множеств, представляющих её структуру и объекты:

РК = {Structure, Situation, Candidate, Scenariy}. Structure = {Purpose, Task, Method, MetaData | ortree, -<, view}, где Purpose = {purpose,, i = \,E} — множество целей; Task - {task,, i = \,Z}- множество стратегических задач; Method = {method ■, / = \,м} - множество тактических методов;

method i = (M, character, orient, ef, text),

где М - название метода, character - характер метода, orient - направление метода, ef- оценка эффективности метода, text - описание метода;

MetaData = {< key, >, function, 1, H} - метаданные модели, где < keyi > - кортеж ассоциативных ключей, function - функция поиска элемента ;

5 Норенков И.П. Основы автоматизированного проектирования. - М: Издательство МГТУ им. Н.Э. Баумана, 2002. - 336 с.

ortree - иерархическое отношение; -с - отношение порядка; view - ассоциативная функция.

Situation = {/, Internal, External, Economic, Political), где / e N - номер ситуации, Internal =(N- множество состояний внутренней политики, j = 1,..,3, Аг, - состояние внутренней политики; External = (Nk, Ws2 (/)) - множество состояний внешней политики, & = N t - состояние внешней политики; Economic = (n„ Ws3 (t)^ . множество состояний экономики, I = 1,...,4, N, . состояние экономики; Political = , Ws4 (О) - множество видов политической ситуации, N,=(0,l) принимает значения недовольство/поддержка.

4

VSituation [ф е N 3 ^ fVsk(t) = 1

где 0^(0 - дискретная функция изменения влияния параметра ситуации. Вычисление коэффициента влияния в момент времени t происходит с помощью метода анализа иерархий.

Candidat е= {/, Person,Policy, Other}, где I е N - номер кандидата,

Person - личная информация кандидата (возраст, семейное положение, образование, сфера профессиональной деятельности),

Pohcy - информация о политических взглядах кандидата (политическая программа, партийная принадлежность),

Other - информация о дополнительных средствах ведения предвыборной борьбы (наличие административного ресурса, неограниченного бюджета и влияния на СМИ).

Для объекта «Кандидат» определён набор переменных х, .. х 9 , разделённых по вышеназванным категориям. Переменные, используемые для представления кандидата, описываются следующим образом:

где M - состояние переменной (например, для переменной «Возраст кандидата» состояниями будут заданные возрастные промежутки), Т - вес состояния, Wj (t) - дискретная функция изменения влияния параметра кандидата. Вычисление коэффициента влияния в момент времени t происходит с помощью метода анализа иерархий. Wj(t) = T Wf(t) - дискретная функция изменения итогового веса характеристики кандидата.

VCandidate [У] / е N 3 E W™(0 = 1.

Для некоторых характеристик кандидата учитывается влияние на них ситуации. Таким образом, составлены логические правила для расчета итоговых весов этих характеристик вида:

ЕсопотюЩл Xj -> W/t) = Т f¥Jx(t)(l + 0Ъ3(Г)),

где Economic [/] - z'-oe состояние параметра «Экономическая ситуация», х] -параметра кандидата в у'-м состоянии.

Например, если параметр «Экономическая ситуация» имеет значение «кризис», а параметр кандидата «Образование» имеет значение «Экономика и бизнес», то итоговый вес параметра «Образование» увеличивается.

Чтобы наилучшим образом выбрать тактические методы формируются группы параметров по 4 направлениям: «Семья», «Профессионализм», «Политическая составляющая», «Общественная жизнь».

Нахождение интегрированного коэффициента для группы параметра происходит следующим образом:

¡=i v j

i+]|>,. (о

i~r к

М

4

м

4(0 = ¿WC) 1+1^,(0

Характер метода определяется следующим образом:

пассивный, если А, (/) е [min; M[At (/)]]

character =

нейтральный, если Ai{t)e{M[Ai(t)\,mm+ агрессеввный, если A,(t) е [min+ М[Д (i)];max]

где А, (0 - итоговое значение коэффициента для группы параметров; max - максимум для коэффициента данной группы параметров, min - минимум для коэффициента данной группы параметров.

Scenariy -- {G (vertex, edge), Reflection•},

где G(vertex,edge) - ориентированный граф ситуации, vertex-\vl,i = i,v] -множество атрибутивных вершин, = (attributes, methods) - атрибутика и процедуры вершины, attributes - (id, Name), id = 1 ,N - номер вершины, Name

- название вершины, methods = {setID,setName,getName} - набор функций вершины, setID :—> id - процедура установки порядкового номера вершины,

setName :-> id x Name - процедура назначения названия вершины, getName-^id -»Name- процедура получения названия вершины,

edge ~ , / = 1, /г] - множество дуг, е, = (idOut, id In ), idOut - номер входящей вершины, idln - номер выходящей вершины.

Reflection = {Rp , Rt, Rm }- множество гетерогенных отображений вершин в объекты предметной области ( Rp - цели кампании, Rt- стратегические задачи, Rm - тактические методы).

Разработанная процедура генерации решений состоит из нескольких этапов:

1. Вычисление распределений влияния параметров кандидата и ситуации на основе опроса эксперта. Реализовано с помощью метода анализа иерархий.

2. Формирование сценария предвыборной кампании.

3. Нахождение наиболее близкого прецедента к текущему случаю. Задача нахождения прецедента является частным случаем задачи о коммивояжёре и решается с помощью метода «ближайшего соседа»6. В целях эффективности работы метода была проведена его модификация, заключающаяся в учёте взаимовлияний параметров кандидата и ситуации.

1

2

->min к >

где l(t) - расстояние от текущего случая до прецедента в момент времени t, - вес i- го признака в момент времени t, хт - т-й признак в текущем

случае, х „ - т-й признак в прецеденте, п - количество признаков, к - количество прецедентов.

4. Адаптация найденного прецедента путём сравнения эффективности методов в прецеденте и сценарии:

(efg < efp => оставить | efg> efp заменить '

где efg. оценка эффективности лучшего метода из графа сценария, efp . оценка эффективности худшего метода из прецедента.

Процедура генерации решений реализована в виде комплекса алгоритмов (рис. 2,3,4).

=5>,(о

6 AnandS.S., Hughes J.G., BellD.A.,Hamilton P. Utilising Censored Neighbours in Prognostication, Workshop on Prognostic Models in Medicine, Eds. Ameen Abu-Hanna and Peter Lucas, Aalborg, (AIMDM'99) Denmark dd15-20 1999. .

параметров

После вычисления оценочных коэффициентов для каждой из групп параметров, определяется характер методов. Далее, происходит обращение к базе объектов предметной области, выбираются нужные методы и добавляются в сценарий.

Рис. 3. Алгоритм определения характера метода и добавления его в сценарий

После того как сформирован сценарий предвыборной кампании, ищется наиболее подходящий прецедент. Поиск основан на применении метода «ближайшего соседа». Метод прост, но требует для работы большой памяти, так как в процессе нахождения значения зависимой переменной для новой записи используется вся существующая база данных. Для устранения этой проблемы предложено использовать нейронную сеть. Из введённых параметров ситуации образуется входной вектор для нейронной сети. Далее в процессе работы ней-

ронной сети все прецеденты классифицируются. При поиске будет рассматриваться не вся база прецедентов, а только та часть, объекты которой принадлежат к классу введённой ситуации.

После того, как выбран подходящий прецедент, при поиске решения для целевой проблемы выполняется адаптация - модификация имеющегося в нем решения с целью его улучшения.

Рис. 4. Алгоритм адаптации

Важной структурной компонентой СГР является база данных. Предложено использовать базу данных, логически разделённую на две составляющие: база объектов предметной области, где хранятся тактические методы предвыборной кампании, разделённые по решаемым задачам; и база прецедентов, где хранятся описания реальных предвыборных кампаний из мировой практики. Для удобного и быстрого поиска и извлечения объектов из баз данных предложены структуры методов и прецедентов.

Метод включает следующую информацию: ключ, название, решаемая задача, информация о ситуации, информация о кандидате, направление метода, характер метода, оценка эффективности метода, текст описания метода на естественном языке. Что касается структуры прецедента, то предложено хранение следующей информации: ключ, название, цель, решаемые задачи и задействованные методы, информация о кандидате, информация о ситуации, оценка эффективности прецедента, текст описания прецедента.

Для успешной и эффективной работы системы генерации решения необходимо регулярное пополнение базы данных объектов предметной области и базы прецедентов. Накопление опыта является одной из ключевых задач, решаемых системой генерации решений. Пользователю предоставляется возможность собственноручно вносить новые методы и новые прецеденты в базы.

В третьей главе приводится описание реализации программного комплекса. Сформулированы основные требования к реализации СГР.

Также описаны архитектурные решения, обеспечивающие реализацию функциональной структуры. В созданных классах происходит обработка введённых данных, а так же работа с объектами из баз данных. Рассмотрены основные методы из этих классов и особенности их работы.

Для определения адекватных оценок влияния параметров на формирование предвыборной кампании была реализована подсистема опроса эксперта, основанная на использовании метода анализа иерархий.

Как известно, использование МАИ7 в подобных задачах является очень перспективным. Будучи замкнутой логической конструкцией, МАИ с помощью простых правил обеспечивает анализ сложных проблем во всём их многообразии.

Вычислительные аспекты МАИ8 основаны на:

• Обратной симметричности как основной характеристики парных сравнений.

• Гомогенности сравниваемых элементов данного уровня иерархии.

• Зависимости элементов нижнего уровня от непосредственно примыкающего к нему элемента высшего уровня.

Ранжирование элементов, анализируемых с использованием матрицы парных сравнений [Е], осуществляется на основании главных собственных векторов, получаемых в результате обработки матриц.

' Уварова В.И., Шуметов ВТ. Использование Метода анализа иерархий [Электронный ресурс] 2001. - Электрон. текстовые дан. -1тр:/^\ул5га5.ги/Ше5/ТПе/5ос|У03-2001/016 UVAROVA.pdf. свободный

8 Саати Т. Принятие решений. Метод анализа иерархий. М: Радио и связь, 1993.

Вычисление главного собственного вектора XV положительной квадратной матрицы [Е] проводится на основании равенства:

Ж =

где Ятах — максимальное собственное значение матрицы [Е].

Для положительной квадратной матрицы [Е] правый собственный вектор (V, соответствующий максимальному собственному значению Л1Пак, с точностью до постоянного сомножителя С можно вычислить по формуле:

1™ 4тпг- = ™ ,

где е - единичный вектор; к = 1,2, 3,... — показатель степени; С— константа; Т — знак транспонирования.

Вычисления собственного вектора производятся до достижения заданной точности:

где / — номер итерации, такой, что / = 1 соответствует £=1;/=2Д = 2;/ = ЗД = 4 и т. д.; — допустимая погрешность.

С достаточной для практики точностью можно принять 4 =0,01 независимо от порядка матрицы.

Максимальное собственное значение вычисляется по формуле: Лип =ет[Е]У

Для взвешивания собственных векторов матриц парных сравнений альтернатив весами параметров, имеющихся в иерархии, а также для вычисления суммы по всем соответствующим взвешенным компонентам собственных векторов нижележащего уровня иерархии используется иерархический синтез. Для повышения степени объективности и качества процедуры принятия решений целесообразно учитывать мнения нескольких экспертов. Для агрегирования мнений экспертов принимается среднегеометрическое, вычисляемое по следующему соотношению:

где & у - агрегированная оценка элемента, принадлежащего г-й строке и _/-му столбцу матрицы парных сравнений;

п — число матриц парных сравнений, каждая из которых составлена одним экспертом.

Данный метод был модифицирован, исходя из особенностей созданных иерархий и с учётом взаимосвязей параметров (рис. 5,6).

Цель

Критерии

Параметры

Рис. 5. Иерархия для цели «Распределение влияния между параметрами

ситуации»

В конце главы приведены экспертные оценки эффективности созданного программного комплекса: опытный политтехнолог (участие в 2-3 избирательных кампаниях в год) тратит на разработку стратегии и тактики предвыборной кампании около 1-2 дней, тогда как с помощью СГР аналогичную работу он же выполняет за 2 часа. Политтехнолог среднего уровня (участие в одной предвыборной кампании в год) тратит на подобную работу неделю без СГР и около 4 часов с разработанным программным комплексом. Кроме того, экспертами отмечено возможность пополнения баз данных, что способствует увеличению качества генерируемых решений.

Цель

Критерии

Параметры

Рис. 6. Иерархия для цели «Распределение влияния между параметрами кандидата»

В заключении сформулированы основные результаты работы:

1. Обоснована актуальность разработки системы генерации решений, обеспечивающей формирование предвыборной кампании и накопление опыта, упрощающая деятельность политических организаций.

2. Разработана модель развёртывания предвыборной кампании, обеспечивающая достоверное представление структуры и объектов процесса.

3. Проведён анализ целей функционирования СГР, на основании которого определена её структурная модель.

4. Выделены основные подсистемы системы генерации решений.

5. Разработана процедура генерации решений на основе численных методов.

6. Разработана система генерации решений, обеспечивающая формирование предвыборной кампании и накопление опыта.

7. Разработана база данных для хранения объектов предметной области и прецедентов.

8. Выделены полезные эффекты от применения СГР.

9. Показана необходимость и возможность применения разработанных методов генерации решений при исследовании социальных систем.

Полезные практические эффекты:

• Повышение эффективности генерируемых решений.

• Уменьшение времени на формирование предвыборной кампании.

• Накопление опыта в сфере предвыборной борьбы.

• Возможность дальнейшего исследования предметной области с целью нахождения дополнительных способов повышения эффективности системы.

Автор выражает глубокую благодарность своему научному руководителю профессору, доктору технических наук Константину Васильевичу Кумунжиеву за постановку задач, детальное обсуждение результатов работы и всестороннюю поддержку.

Список публикаций по теме диссертации.

Публикации в изданиях, входящих в перечень ВАК:

1. Головин В.А., Кумунжиев К.В. Система поддержки генерации решений по формированию предвыборной кампании / Известия Волгоградского государственного технического университета, серия Актуальные проблемы управления, вычислительной техники и информатики в технических системах, вып.8 : меж-вуз. сб. науч. ст. №6(66) / ВолгГТУ. - Волгоград: ИУНЛ ВолгГТУ, 2010. - с.92-96

Публикации в прочих изданиях:

2. Головин В.А. Системы поддержки генерации решения / Труды седьмой международной конференции «Математическое моделирование физических, экономических, технических, социальных систем и процессов», Ульяновск: УлГУ, 2009. - с.87-89.

3. Golovin V.A. The support system of the generation of the solution / Interactive Systems and Technologies: the Problems of Human-Computer Interaction. Volume III. - Collection of scientific papres. - Ulyanovsk: ULSTU, 2009, pp. 281-286.

4. Головин B.A. Системы поддержки генерации решений в плохо формализуемых предметных областях /Труды всероссийской конференции «Проведение научных исследований в области обработки, хранения, передачи и защиты информации» (ОИ-2009) - Ульяновск: УлГТУ, 2009, т. 4, с.351-356.

5. Головин В.А. Подсистемы расчёта весовых коэффициентов и формирования сценария предвыборной кампании / Информатика, моделирование, автоматизация проектирования: сборник научных трудов, Ульяновск: УлГТУ, 2010 -с. 167-171.

6. Головин В.А. Информационные технологии в политике i Информатика, моделирование, автоматизация проектирования: сборник научных трудов, Ульяновск: УлГТУ, 2010 - с.171-178.

7. Головин В.А. Структура системы поддержки генерации решения по формированию предвыборной кампании / Информатика, моделирование, автоматиза-

ция проектирования: сборник научных трудов, Ульяновск: УлГТУ, 2010 -с. 178-184.

8. Головин В.А. Подсистема адаптации найденного решения / Информатика, моделирование, автоматизация проектирования: сборник научных трудов, Ульяновск: УлГТУ, 2010 - с. 184-186.

9. Головин В.А. программный комплекс «Система генерации решений по формированию предвыборной кампании» / В.А. Головин. - М.: ВНТИЦ, 2010. -№50201050115.

Список сокращений:

PR - public relations

МАИ - метод анализа иерархий

СМИ - средства массовой информации

СГР - система генерации решений

СППР - система поддержки принятия решений

СПТР - система поддержки творческих решений

Подписано в печать 27.10.20П. Формат 60x84/16. Усл. печ. л. 1,0. Бумага книжно-журнальная. Тираж 100 экз. Заказ № 202

Отпечатано с оригинал-макета в Издательском центре Ульяновского государственного университета 432000, г. Ульяновск, ул. Л. Толстого, 42

Введение.

Глава 1. Анализ предметной области и средств генерации решений.

1.1 Моделирование в социальных системах.

1.2 Обзор исследований в области социальных систем.

1.3 Анализ информационных технологий в политике.

1.3.1 Некоторые аспекты выбора автоматизированной системы управления политической деятельностью.

1.3.2 Особенности применения информационных технологий в управлении избирательными кампаниями.

1.4 Анализ систем, направленных на решение нестандартных (творческих) задач.

1.5 Анализ методов, применяемых для создания систем генерации решений.

1.5.1 «Классические» и «неклассические» подходы.

1.5.2 Методы добычи данных.

1.6 Выводы.

Глава 2. Структура и механизм функционирования системы генерации решений.

2.1 Функциональная структура системы генерации решений.

2.3 Разработка модели развёртывания предвыборной кампании.

2.3.1 Структура предвыборной кампании.

2.3.2 Модель ситуации.

2.3.3 Модель кандидата.

2.3.4 Модель сценария предвыборной кампании.

2.4 Разработка процедуры генерации решений.

2.5 Разработка системы ввода данных.

2.6 Подсистема расчёта весовых коэффициентов.

2.7 Подсистема формирования сценария предвыборной кампании.

2.8 Подсистема поиска прецедентов.

2.8.1 Метод прецедентов.

2.8.2 Концепция вывода на основе прецедентов.

2.8.3 Примеры систем вывода на основе прецедентов.

2.8.4 Разработанная подсистема поиска прецедента.

2.9 Подсистема адаптации.:

2.9.1 Интегрированный подход.

2.9.2 Процесс адаптации.

2.10 Структуры метода и прецедента.

2.11 Подсистема добавления объектов в базы данных.

2.12 Выводы.

Глава 3. Реализация системы генерации решений по формированию предвыборной кампании.

3.1 Требования к реализации системы.

3.2 Реализация подсистемы ввода данных.

3.3 Реализация подсистемы опроса эксперта на основе метода иерархий.

3.4 Реализация подсистем расчёта весовых коэффициентов и формирования графа сценария.

3.5 Реализация подсистемы поиска прецедента.

3.6 Реализация подсистемы адаптации.

3.7 Реализация подсистемы обслуживания базы данных.

3.8 Оценка эффективности.

3.9 Выводы.

Актуальность

Моделирование завоевало прочные позиции в технологической и естественнонаучной сферах, его прогресс существенно заметен также и в применении к экономическим системам. Если же говорить о процессах с участием «человеческого фактора» (в первую очередь о социальных процессах), то в этой области его успехи гораздо скромнее [97]. По мнению Самарского A.A. и Михайлова А.П. существует немало глубоких и принципиально неустранимых причин такого «отставания»:

1. Отсутствие в социальных системах «фундаментальных» законов, т.е. связей между основными социальными величинами, допускающих точное количественное выражение.

2. Неустранимая неточность «измерений». Даже в тех случаях, когда существует вполне удовлетворительная «шкала» для измерения к результатам следует относиться с гораздо большей осторожностью, чем к результатам измерений в механике, астрономии, физике, химии. Требуются немалые интеллектуальные ухищрения для приближения к истине с приемлемой точностью.

3. Разномасштабность, разнородность и нелинейность исследуемых социологией явления и процессов. Например, рассматриваемые социальные общности могут насчитывать от нескольких человек до нескольких сотен миллионов человек (разброс в восемь порядков!), а наличие нелинейных и прямых обратных связей - неотъемлемая характеристика любой социальной системы.

4. Постоянное усложнение социальных объектов, и их «рефлексивность», означающая, в частности, что новые знания рано или поздно сами становятся частью объекта, изменяя его характеристики и свойства. Примером служит судьба многих социальных прогнозов и проектов - даже будучи обоснованными по всем существующим меркам, они, вплетаясь в социальную ткань, становясь социальной реальностью, никогда не осуществляются в той степени, которая отвечала бы стандартам точных наук. Отсюда - самореализующиеся и (гораздо чаще) саморазрушающиеся социальные прогнозы и, как одно из следствий - бесконечная «гонка» математической модели за изучаемым объектом.

На современном рынке информационных технологий чаще всего можно встретить автоматизированные системы для таких подразделений как бухгалтерия, отдел продаж, складское хозяйство, кадровая служба, финансовая служба и т.д. И практически отсутствуют компьютерные решения для управления политической деятельностью. Корни проблемы в том, что «управление» редко применяется к политической деятельности и сама политическая деятельность больше понимается как искусство, чем как четкая системная технология [87].

Без сомнения, для деятельности современных политических сил требуются новые прогрессивные технологии и идеи, подходящие к конкретной политической ситуации. Политтехнологи вынуждены внедрять новые решения, позаимствованные у западных коллег, изобретать все более эффективные технологические ходы, задействовать все большее количество людей, вовлеченных в политические проекты. На фоне всего этого большое значение приобретает качественное управление политическими процессами. Очевидно, что между качеством управления и эффективностью политпроектов существует прямая зависимость.

Западные профессионалы пришли к тому, что для увеличения результативности избирательных кампаний, деятельности политических партий и организаций необходима компьютерная автоматизация политпроцессов. Как ответ на требование рынка, компании, занимающиеся информационными технологиями, разработали специализированные компьютерные системы автоматизации политической деятельности. Эти решения, в первую очередь, являются системами поддержки принятия решений (Decision Support System, DSS). Их определяют как компьютерные автоматизированные системы, которые разработаны для помощи людям, принимающим решения в сложных условиях, для полного и объективного анализа предметной деятельности [86].

Существуют программные продукты в сфере политической деятельности и политического РЯ, но они не способны решить все поставленные в предметной области задачи. Некоторые их этих программных средств пытаются прогнозировать результаты выборов и рассчитать бюджет предвыборной кампании, но для этого необходимо проделать большую работу по сбору нужных данных, которые зачастую не соответствуют реальному положению дел. Другие программные продукты всего лишь «подталкивают» пользователя к креативному мышлению, необходимому для разработки предвыборной кампании, и не дают готового «рецепта». Таким образом, в рассматриваемой предметной области нет системы, которая бы генерировала решения, исходя из поставленных пользователем целей. Поэтому, становится актуальной и целесообразной разработка системы генерации решения, которая бы выдавала решения по реализации предвыборной кампании, а также занималась накоплением опыта в этой сфере.

Цель и задачи

Целью диссертационной работы является создание системы генерации решений, обеспечивающей формирование стратегии и тактики кандидата в период избирательного процесса и накопление опыта в данной предметной области.

Для достижения названной цели решены следующие задачи:

1. Разработана архитектура системы генерации решений и реализованы все подсистемы в виде программного комплекса «Система генерации решений по формированию предвыборной кампании».

2. Исследована и формализована предметная область, в результате чего создана логическая структура системы на основе модели развёртывания предвыборной кампании.

3. Разработана и реализована в виде комплекса алгоритмов процедура генерации решений с использованием численных методов.

4. Разработана база данных, адаптированная к предметной области и решаемым задачам. База данных логически разделена на две компоненты: база прецедентов, база объектов предметной области.

Объект исследования

Объектом исследования является процесс достижения цели в социальных системах в условиях конкуренции и неопределённости с использованием системы генерации решений. При этом внимание сосредоточено на одной из слабоизученных социальных систем - политико-избирательной системы.

Предмет исследования

Предметом исследования являются модели и алгоритмы генерации решения, а также их реализация в программном продукте.

Методологическая и теоретическая основы

Исследования базируются на методах и положениях математического моделирования, теории систем и системного анализа, теории нейросетей, теории графов, теории классификации, теории добычи информации.

Научная новизна

Основные результаты настоящей диссертационной работы являются новыми и актуальными. Разработана архитектура СГР, благодаря которой система способна решать актуальные задачи в области политической деятельности, а именно формировать стратегию и тактику предвыборной кампании.

Разработана модель развёртывания предвыборной кампании, обеспечивающая достоверное представление структуры и объектов процесса. Модель основана на учете данных о ситуации накануне выборов и кандидате, а также на влиянии параметров ситуации на характеристики кандидата. Кроме того, модель учитывает правила формирования сценария предвыборной кампании.

Впервые предложен и обоснован интегрированный подход к разработке системы генерации решений по формированию предвыборной кампании.

Подход заключается в сочетании методологий, которые не использовались совместно для решения подобных задач. Эффект - устранение недостатков одной методологии достоинствами другой.

Разработана процедура генерации решений, реализованная в виде комплекса алгоритмов: вычисления оценочного коэффициента, определения характера метода и добавления его в сценарий, адаптации. Процедура позволяет на основе созданной модели развёртывания и найденных прецедентов эффективно генерировать предвыборные кампании с учётом особенностей стратегии и тактики.

Обоснована необходимость создания и разработан программный комплекс, автоматизирующий работу политтехнологов на первом этапе подготовки предвыборной кампании, а именно разработку её стратегии и тактики. Внедрение программного комплекса существенно снижает время на формирование предвыборной кампании. Кроме того, созданный программный комплекс решает задачу накопления опыта в данной сфере, что позволяет использовать его для обучения специалистов в области политических технологий.

Показана необходимость и возможность исследования социальных систем с помощью информационных технологий.

Основные положения, выносимые на защиту:

1. Архитектура системы генерации решений по формированию предвыборной кампании, обеспечивающая полное представление её функций и подсистем.

2. Модель развёртывания предвыборной кампании, учитывающая её структуру, основные объекты и процессы, а также их взаимовлияние.

3. Процедура генерации решений на основе численных методов, реализованная в виде комплекса алгоритмов, учитывающая особенности разработки стратегии и тактики предвыборной кампании.

4. Программный комплекс «Система генерации решений по формированию предвыборной кампании», реализующий разработанные модели и методы.

Достоверность полученных результатов

Достоверность научных положений и результатов исследований обеспечивается строгостью постановок задач, корректностью выбранных методов. Достоверность также подтверждается проведенными компьютерными экспериментами и результатами тестирования созданного программного комплекса.

Практическая значимость

Практическая значимость заключается как в способе формирования предвыборной кампании, так и в системе генерации решений. В конечном итоге положительный эффект - в повышении эффективности генерируемых решений, уменьшении затрат времени на формирование предвыборной кампании и возможности накопления опыта.

Структура и объём работы

Диссертационная работа состоит из введения, трёх глав с выводами, заключения, библиографического списка использованной литературы и приложений.

3.9 Выводы.

В результате анализа задач, поставленных перед системой генерации решений по формированию предвыборной кампании:

• Определены требования в плане реализации ко всем её подсистемам.

• Описана программная структура и способ реализации каждой из подсистем.

• Разработаны интерфейсы, с помощью которых выполняются запросы и обмен данными между компонентами.

• Организована и обслуживается база данных в СУБД Access 2007.

Заключение

В заключении диссертационной работы можно отметить, что поставленная задача исследования, предполагающая создание системы генерации решений, обеспечивающей формирование предвыборной кампании и накопление опыта в данной сфере, решена в полном объёме. Политико-избирательная система является одной из слабоизученных и плохо формализуемых социальных систем. Таким образом, показана возможность исследования социальных систем с помощью методов моделирования и генерации решений. Основные результаты работы:

1. Обоснована актуальность разработки системы генерации решений, использование которой позволяет упростить деятельность политических организаций. 1

2. Проведён анализ целей функционирования СГР, на основании которого определена её архитектура. Предложенная архитектура применима для создания СГР в других социальных системах.

3. Разработана модель развёртывания предвыборной кампании, обеспечивающая достоверное представление процессов и объектов исследуемой предметной области.

4. Выделены основные подсистемы системы генерации решений.

5. Разработана процедура генерации решений, основанная на численных методах и реализованная в виде комплекса алгоритмов.

6. Разработана база данных для хранения объектов предметной области и прецедентов.

7. Разработана система генерации решений, обеспечивающая формирование предвыборной кампании и накопление опыта.

8. Выделены полезные эффекты от применения СГР.

9. Показана необходимость и возможность исследования социальных систем с помощью информационных технологий.

К практическим полезным эффектам можно отнести:

• Повышение эффективности генерируемых решений.

• Уменьшение времени на формирование предвыборной кампании.

• Накопление опыта в сфере предвыборной борьбы.

• Возможность дальнейшего исследования предметной области с целью дополнительных способов улучшения структуры системы и повышения её эффективности.

1. Aamodt Agnar, Plaza Enric. Case-based reasoning: Foundational issues, methodological variations, and system approaches. AI Communications, 7(l):39-59, 1994.

2. Acorn Т., Walden S. (1992). SMART: Support management cultivated reasoning technology for Compaq customer service. In Proceedings of AAAI92. Cambridge, MA: AAAI Press/MIT Press.

3. Aha D. W. An Implementation and Experiment with the Nested Generalized Exemplars Algorithm. Technical Report AIC-95-003. Washington, DC: Naval Research Laboratory, Navy Center for Applied Research in Artificial Intelligence, 1995

4. Aha D. ¡V., Salzberg S. L. Learning to Catch: Applying Nearest Neighbor Algorithms to Dynamic Control Tasks. In P. Cheeseman & R. W. Oldford (Eds.) Selecting Models from Data: Artificial Intelligence and Statistics. New York, NY: Springer-Verlag, 1993.

5. Althof Klaus-Dieter, Auriol Eric, Barlette Ralph, Manago Michel. A Review of Industrial Case-Based Reasoning Tools. AI Intelligence, 1995.

6. Anand S.S., Hughes J.G., Bell D.A.,Hamilton P. Utilising Censored Neighbours in Prognostication, Workshop on Prognostic Models in Medicine, Eds. Ameen Abu-Hanna and Peter Lucas, Aalborg, (AIMDM'99), Denmark, pp 15-20, 1999.

7. Ashley Kevin D. (1990). Modelling Legal Arguments: Reasoning with Cases and Hypotheticals, Cambridge, MIT Pre

8. Ashley K.D., Rissland E.L. (1988). Waiting on Weighting: A Symbolic Least Committment Approach. In Proceedings of the Seventh National Conference on Artificial Intelligence, pp. 239-244.

9. Bareiss R., ed. 1991. Proceedings of the DARPA Case-Based Reasoning Workshop. San Francisco, Calif.: Morgan Kaufmann.

10. Bareiss E., Porter В., and Wier C. (1988). PROTOS: An Exemplar-based Learning Apprentice. International Journal of Man-Machine Studies, 29: 549-561.

11. Bloomfield, Lincoln P. Managing international conflict: from theory to policy: a teaching tool using CASCON. N.Y., 1997.

12. Yi.Brand E., Gerritsen R. Naive-Bayes and Nearest Neighbor. DBMS. 1998.- № 7.

13. Breiman L., Friedman J. H., Olshen R. A., Stone. C. J. (1984). Classification and regression trees. Monterey, CA: Wadsworth & Brooks/Cole Advanced Books & Software.

14. Bundy Alan, editor. Artificial Intelligence Techniques. Springer Verlag,1997.

15. GrossbergS. 1974. Classical and instrumental learning by neural networks. Progress in theoretical biology, vol. 3, pp. 51-141. New York: Academic Press.

16. Gruvaeus G., Wainer H. Two additions to hierarchical cluster analysis. The British Journal of Mathematical and Statistical Psychology, 25, 200-206, 1972.

17. Hartigan J. A. Clustering algorithms. New York: Wiley, 1975.

18. Hartigan J. A., Wong M. A. Algorithm 136. A k-means clustering algorithm. Applied Statistics, 28, 100, 1978.

19. Heckerman D. "Bayesian Networks for Data Mining". Data Mining and Knowledge Discovery. 1997. - № 1. - P. 79-119.

20. Heckerman D., Geiger D., Chickering D. Learning Bayesian networks: The combination of knowledge and statistical data. Machine Learning. 1995. - 20. - P. 197-243.

21. Johns on, S. C. Hierarchical clustering schemes. Psychometrika, 32, 241254, 1967.31 .Kohonen T. Self-organization and associative memory. Series in Information Sciences, vol. 8. Berlin: Springer verlag, 1984.

22. NET Framework Электронный ресурс., Электрон, текстовые дан. -Режим доступа: http://ru.wikipedia.org/wiki/NET

23. Nguyen Т., Czerwinski, М., Lee D. (1993). Compaq QUICKSOURCE: Providing the Consumer with the power of AI. AI Magazine, Fall 1993, pp. 50-60.

24. Proctor T. Idea Processing Support Systems // Management Decision. 1998. Vol. 36. №2. P. 111-116.

25. Quinlan J. R. Generating production rules from decision trees. In Proceedings of the 10th International Joint Conference on Artificial Intelligence (IJCAI-87). Morgan Kaufmann, 1987. - P. 304-307.

26. Quinlan J. R. C4.5: Programs for Machine Learning. Morgan Kaufmann Publishers, San Mateo, CA, 1993.41 .Rosenblatt R. 1959. Principles of neurodynamics. New York: Spartan Books.

27. Smyth Barry, Padraig Cunningham (Eds.): Advances in Case-Based Reasoning, 4th European Workshop, EWCBR-98, Dublin, Ireland, September 1998, Proceedings. Lecture Notes in Computer Science 1488 Springer 1998, ISBN 3-54064990-5 Contents BibTeX

28. Germany, November 1-5, 1993, Selected Papers. Lecture Notes in Computer Science 837 Springer 1994, ISBN 3-540-58330-0

29. Wettschereck D., Aha D. W., Mohri T. A Review and Empirical Evaluation of Feature Weighting Methods for a Class of Lazy Learning Algorithms. Artificial Intelligence Review. 11. - pp. 273-314.

30. Widrow B. 1959 Adaptive sampled-data systems, a statistical theory of adaptation. 1959. IRE WESCON Convention Record, part 4. New York: Institute of Radio Engineers.

31. Widrow В., HoffM. 1960. Adaptive switching circuits. I960. IRE WESCON Convention Record. New York: Institute of Radio Engineers.51 .www.bcs-sgai.org/ai2004/ Электронный ресурс.52.www.bcs-sgai.org/ai2005/ Электронный ресурс.

32. Автоматизация поискового конструирования / Под ред. А.И. Половинкина. М.: Радио и связь, 1981.

33. Айвазян С.А. Программное обеспечение персональных ЭВМ по статистическому анализу данных//Компьютер и экономика: экономические проблемы компьютеризации общества. М.: Наука, 1998. С.91-107.

34. Айвазян С. А., Бухштабер В. М., Юнюков И. С., Мешалкин Л. Д. Прикладная статистика: Классификация и снижение размерности. М.: Финансы и статистика, 1989. !

35. Айвазян С А., Степанов B.C., Инструменты статистического анализа данных. 2000г.57 .Алътшуллер Г.С. Найти идею. Введение в теорию решения изобретательских задач. 2-е изд., доп. - Новосибирск: Наука, Сибирское отделение, 1991, 226с.

36. Блауберг КВ., Юдин Э.Г. Становление и сущность системного подхода. М., 1973.61 .Блюмин С.Л., Шуйкова И. А., Сараев П.В. Нечеткая логика: алгебраические основы и приложения, 2007

37. Борисов Е.С. Кластеризация на основе нейронной сети Кохонена Электронный ресурс. Электрон, текстовые дан. - 2006, Режим доступа: http://mechanoid.narod.ru/nns/kohonen/index.html

38. Вороновский Г.К., Махотило К.В., Петрашев С.Н., Сергеев С.А., Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности, Харьков, ОСНОВА, 1997. 112с.

39. Викентъев И.Л. Оправданная методичность // Рекламное измерение. 1998. №14. Режим доступа: www.triz-ri.ru/themes/profi/profi9.asp65 .Глушков В.М. Гносеологическая природа информационного моделирования // Вопросы философии. 1963. № 10.

40. Головин В.А. Подсистемы расчёта весовых коэффициентов и формирования сценария предвыборной кампании / Информатика, моделирование, автоматизация проектирования: сборник научных трудов, Ульяновск: УлГТУ, 2010 с. 167-171.

41. Головин В.А. Информационные технологии в политике / Информатика, моделирование, автоматизация проектирования: сборник научных трудов, Ульяновск: УлГТУ, 2010 с. 171-178.

42. Головин В.А. Структура системы поддержки генерации решения по формированию предвыборной кампании // Информатика, моделирование, автоматизация проектирования: сборник научных трудов, Ульяновск: УлГТУ, 2010 с.178-184.

43. Ю.Головин В.А. Подсистема адаптации найденного решения // Информатика, моделирование, автоматизация проектирования: сборник научных трудов, Ульяновск: УлГТУ, 2010 с.184-186.

44. Головко В А. Нейронные сети: обучение, организация и применение. -Москва:ИПРЖР, 2001

45. ЧЪ.Гупал А. М., Пономарев А. А., Цветков А. М. Об одном методе индуктивного вывода с подрезанием деревьев решений. Кибернетика и системный анализ. 1993. - № 5. - С. 174-178.

46. Гуц А.К., Коробицын В.В. Компьютерное моделирование этнических процессов. Деп. в ВИНИТИ 2903-В 97.

47. Заде Л. Понятие лингвистической переменной и ее применение к принятию приближенных решений. — М.: Мир, 1976. — 167 с.

48. Карпов Л. Е., Юдин В. Н. Адаптивное управление по прецедентам, основанное на классификации состояний управляемых объектов Электронныйресурс. Электрон. текстовые дан. - Режим доступа: http://citforum.rU/consulting/BI/karpov/#brefl

49. Карпов Л. Е., Юдин В. Н. Методы добычи данных при построении локальной метрики в системах вывода по прецедентам, М., ИСП РАН, препринт № 18, 2006.

50. Колковский И. Некоторые аспекты выбора автоматизированной системы управления политической деятельностью Электронный ресурс. -Электрон. текстовые дан. Режим доступа: http://www.politsoft.com/publication3.htm

51. Колковский И. Особенности применения информационных технологий в управлении избирательными кампаниями Электронный ресурс. Электрон, текстовые дан. - Режим доступа: http://www.politsoft.com/publication5.htm

52. Кук Д., Бейз Г. Компьютерная математика. М.: Наука, 1990. - 384 с.

53. Кумунжиев КВ. Проектирование систем: изобретательство, анализ, принятие решений. //Учебное пособие Ульяновск: УлГТУ, 2009. - 183 с.

54. Курейчик В.М. Генетические алгоритмы. Состояние. Проблемы. Перспективы // Известия РАН. ТиСУ. 1999. №1. С. 144-160.

55. Курейчик В.М., Родзин С.И. Эволюционные алгоритмы: генетическое программирование. Обзор //Известия РАН. ТиСУ. 2002. №1. С. 127-137.

56. Мак-Дональд Мэтью Access 2007. Недостающее руководство. Русская Редакция, БХВ-Петербург, 2007 г. 784 с.

57. Михайлов А.П. Модель коррумпированных властных иерархий. / Математическое моделирование. 1999, т. 11, № 1, с. 3-17.

58. Нейгел Кристиан, Ивъен Билл, Глин Джей, Скиннер Морган, Уотсон Карли С# 2005 и платформа .NET 3.0 для профессионалов. Вильяме, 2008. -1790 с.101 .Новиков Ф.А. Дискретная математика для программистов. Санкт-Петербург: СПб.: Питер, 2000. - 304 с.

59. Норенков И.П. Основы автоматизированного проектирования. М: Издательство МГТУ им. Н.Э. Баумана, 2002. - 336 с.

60. ЮЪ.Ожиганов Э.Н. Стратегический анализ политики: Теоретические основания и методы. М., № 11. 2006.

61. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. — М.: Радио и связь, 1981. — 286 с.105 .Плот и некий Ю.М. Теоретические и эмпирические модели социальных процессов. М., 1998. i

62. Родзин С.И. Параллельные нейроэволюционные вычисления // Известия НАН Украины. Искусственный интеллект. —Донецк: Наука i осв1та, 2003. №4. С. 485-492.

63. Руднев Е. Е. Моделирование социально-политических процессов: конфликтологический аспект / электронный научный журнал «Теория и практика общественного развития», 2010. №2 СОЦИОЛОГИЧЕСКИЕ НАУКИ, Режим доступа: http://www.teoria-practica.ru/

64. Рутковская Д., Пилинъский М. Рутковский JI. Нейронные сети, генетические алгоритмы и нечеткие систем. Горячая Линия Телеком, 2007 г. -452 с. I

65. Саати Т. Принятие решений. Метод анализа иерархий. М: Радио и связь, 1993.

66. Саати Т., Керне К. Аналитическое планирование. Организация систем. М.: Радио и связь, 1991. 1

67. Саати Т.П. Принятие решений при зависимостях и обратных связях: Аналитические сети. М.: Издательство ЛКИ, 2008. - 360 с.

68. Самарский А.А., Михайлов А.П. Математическое моделирование (Идеи. Методы. Примеры). М.: Наука, 1997, 320 с

69. Сергеев A. Access 2007. Новые возможности. Питер, 2008 г. 176 с.

70. Терелянский П. В. Непараметрическая экспертиза объектов сложной структуры. М. : Изд.-торг. корп. «Дашков и Ко», 2009. - 221 с.

71. Уварова В.К, Шуметов В.Г. Использование Метода анализа иерархий Электронный ресурс. 2001. Электрон, текстовые дан. - Режим доступа: http://www.isras.ru/files/File/Socis/03-2001/016 UVAROVA.pdf

72. Уоссермен. Ф. Нейрокомпьютерная техника: Теория и практика. М.: Мир, 1992. - 240 с.

73. Харитонова И., Рудикова JI. Microsoft Office Access 2007 (+ CD-ROM). БХВ-Петербург, 2008 г. 1280 с.

74. Цветков А. М. Разработка алгоритмов индуктивного вывода с использованием деревьев решений. Кибернетика и системный анализ. 1993. -№ 1.-С. 174-178.

75. Цыпкин Я 3. Адаптация и обучение в автоматических системах. М.: Наука, 1968.

76. Шабров О.Ф. Системный подход и компьютерное моделирование в политологическом исследовании / Общественные науки и современность. 1996. №2. С.100-110.

77. Шведовский В.А. Динамическая модель электорального поведения // Математическое моделирование. 2000. Т. 12. 8. С. 46-56.

78. Шиханович Ю.А. Введение в современную математику. М.: Наука, -1965.-376 с.

79. Шишкин Е.В., Чхартишвили А.Г. Математические методы и модели в управлении. М., 2000.

80. Штовба С.Д. Введение в теорию нечетких множеств и нечеткую логику Электронный ресурс. 2001. Электрон, текстовые дан. - Режим доступа: http ://matlab. exponenta.ru/fuzzylogic/book 1 /index.php