автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.17, диссертация на тему:Моделирование информационного взаимодействия когнитивного агента с внешней средой на основе псевдофизических логик и обобщенных ограничений

004617123

На правах рукописи

Калуцкая Анастасия Петровна

МОДЕЛИРОВАНИЕ ИНФОРМАЦИОННОГО ВЗАИМОДЕЙСТВИЯ КОГНИТИВНОГО АГЕНТА С ВНЕШНЕЙ СРЕДОЙ НА ОСНОВЕ ПСЕВДОФИЗИЧЕСКИХ ЛОГИК И ОБОБЩЕННЫХ ОГРАНИЧЕНИЙ

Специальность 05.13.17 - Теоретические основы информатики

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

~ 9 ЛЕН 2010

Москва-2010

004617123

Работа выполнена в ГОУВПО «Московский государственный технический университет им. Н.Э. Баумана» на кафедре «Компьютерные системы автоматизации производства» и в ГОУВПО «Московский энергетический институт (технический университет)» на Кафедре прикладной математики.

Научный руководитель:

Официальные оппоненты:

Ведущая организация:

кандидат технических наук, доцент

Тарасов Валерий Борисович

доктор технических наук, профессор

Фоминых Игорь Борисович

доктор технических наук, профессор

Заболеева-Зотова Алла Викторовна

Санкт-Петербургский институт информатики и автоматизации РАН

Защита состоится "24" декабря 2010г. в 16 час. 00 мин. на заседании диссертационного совета Д 212.157.01 при Московском энергетическом институте (техническом университете) по адресу: Москва, Красноказарменная ул., д. 17, ауд. Г-306.

С диссертацией можно ознакомиться в библиотеке Московского энергетического института (Технического университета).

Отзывы в двух экземплярах, заверенные печатью, просьба направлять по адресу: 111250, Москва, Красноказарменная ул., д.14, Ученый совет МЭИ (ТУ).

Автореферат разослан "Ц" нслЩЛ- 2010 г.

Ученый секретарь

диссертационного совета Д 212.157.01 кандидат технических наук, доцент

М.В. Фомина

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность. Развитие и интеллектуализация современных сложных, открытых, распределенных организационно-технических систем, в том числе, гибких производственных систем и роботизированных комплексов, компьютерно-интегрированных производств и сетевых виртуальных предприятий, требует разработки общей агенто-ориентированной методологии, в русле которой рассматриваемые системы и их компоненты интерпретируются как когнитивные агенты. Важнейшей способностью таких агентов является интенсивное информационное взаимодействие с многокомпонентной внешней средой, в которой присутствуют как разнообразные физические объекты, так и другие (естественные и искусственные) агенты. Соответственно, возникают проблемы анализа информационных потребностей автономных агентов, исследования и моделирования информационных структур и процессов, связанных с поиском, получением, накоплением и обработкой информации искусственными агентами, изучения методов формирования оценок, мнений и знаний искусственными когнитивными агентами (ИКА) на основе перерабатываемой ими информации. Здесь ключевую роль играют: исследование и разработка адекватных средств представления знаний агентов (в том числе, знаний, относящихся к рассмотрению плохо определенных предметных областей и слабоструктурированных задач): интеграция различных источников знаний; построение концептуальных и семиотических моделей предметных областей.

Когнитивное моделирование поведения искусственных агентов предполагает спецификацию и формализацию их взаимодействий. Так реализация взаимодействия между естественными и искусственными агентами (в частности, диалога «человек-искусственный агент») требует разработки специальных методов, языков и моделей общения (например, методов распознавания и синтеза речи, моделей и протоколов диалога между человеком и роботом, моделей взаимопонимания на основе системы онтологий). Кроме того, для успешного функционирования ИКА требуется развитие специальных методов управления ими, включая методы информационного, рефлексивного и диалогового управления.

Все вышеизложенное демонстрирует актуальность темы диссертационной работы, посвященной проблемам моделирования информационного взаимодействия искусственного когнитивного агента с внешней средой. При этом ИКА получает информацию из трех источников: из собственной базы данных и знаний, от человека в процессе диалога «человек-искусственный агент» и от сенсоров.

Объектом исследования являются процессы информационного взаимодействия и интеграции в сложных организационно-технических системах, рассматриваемых как интеллектуальные агенты и многоагентные системы. В качестве примеров таких систем выбраны физические агенты: гибкая производственная система с автономными транспортными роботами и

интеллектуальный робот, функционирующий на основе целеуказаний человека в экстремальной среде с заранее неизвестными характеристиками.

Предмет исследования составляют проблемы логико-лингвистического моделирования когнитивных функций автономного агента, работающего в неточно и неполностью определенной среде, с использованием методов гранулирования информации, онтологий, псевдофизических логик и обобщенных ограничений.

Цель диссертационной работы заключается в разработке моделей, методов и программного обеспечения для поддержки информационного взаимодействия интеллектуального агента с внешней средой на основе системы онтологий, псевдофизических логик и обобщенных ограничений.

Для достижения общей цели диссертации в ней решаются следующие основные задачи:

1) развитие единого агенто-ориентированного подхода к моделированию и проектированию активных искусственных объектов, описание общей архитектуры и основных свойств когнитивного агента, включая его способность к грануляции информации;

2) построение базовой модели взаимодействия искусственного когнитивного агента с внешней средой; разработка на ее основе гибкой, двухрежимной схемы навигации мобильного агента и общей схемы диалогового управления в системе «человек-искусственный агент»;

3) анализ методов грануляции информации в процессах взаимодействия ИКА с внешней средой, в том числе методов, опирающихся на нестандартные множества, лингвистические переменные, нечеткую логику и обобщенные ограничения;

4) разработка системы онтологий для ИКА, в первую очередь, метаонтологии грануляции информации и онтологии пространства, в котором работает агент; развитие мереотопологического подхода к моделированию областей пространства;

5) формализация онтологий на основе нечетких алгебраических систем с использованием математического аппарата нечетких отношений и нечетких графов;

6) анализ подходов, методов и средств построения псевдофизических логик; выделение и изучение свойств основных пространственных отношений; изучение и разработка методов и алгоритмов обработки нечеткой лингвистической пространственной информации, используемой агентом;

7) создание модели гранулярного управления искусственным когнитивным агентом на основе методов формализации и распространения ограничений;

8) разработка программной реализация модели распространения ограничений в средах Ма^аЬ 7.0 и РДО; сопоставление подхода на базе распространения ограничений с нечетким логическим выводом; построение программной модели интеллектуального агента и ее экспериментальные исследования;

9) разработка общего принципа и схемы реализации когнитивного транспортного робота-электромобиля; построение примера

функционирования когнитивного транспортного робота в составе гибкой производственной системы предприятия.

В ходе решения этих задач при подготовке диссертации автор опиралась на основополагающие труды ведущих отечественных и зарубежных ученых по теоретической информатике и искусственному интеллекту (А.Н.Колмогоров,

A.И.Мальцев, Д.А.Поспелов, Э.В.Попов, Г.С.Осипов, О.П.Кузнецов, В.К.Финн,

B.Н.Вагин, А.П.Еремеев, В.М.Курейчик, В.Л.Стефанюк, И.Б.Фоминых, Л.Заде, Н.Нильсон, Г.Саймон, Дж.Люгер, С.Рассел и П.Норвиг), важнейшие работы по ряду специальных областей информатики и ИИ, таких как:

онтологии, псевдофизические логики, модели пространственных рассуждений (Ст.Лесьневский, А.Тарский, Т.Грубер, Н.Гуарино, Р.Мизогучи,

A.Варзи, Л.Вье, В.Куйперс, Б.Смит, М.Айелло, Д.А.Поспелов, Г.С.Плесневич, Т.А.Гаврилова, А.С.Клещев, А.В.Смирнов, С.В.Смирнов, и др.), основанные на

МСТОД^Х MSTSMÄTHHSCKOIi Т50рИИ ОТНОШЕНИЙ (ÏO А. ТЦ^дЙтт^р, W ^ Коттлптттми

B.П.Кутепов и В.Н.Фальк) и теории графов (К.Берж, А.А.Зыков, О.Оре, Ф.Харари, Л.С.Берштейн, Г.С.Плесневич, и др);

- теория диалоговых систем (Т.Виноград, Д.А.Поспелов, Э.В.Попов, А.П.Ершов, Л.Т.Кузин, А.Б.Преображенский, Г.В.Рыбина, А.С.Нариньяни, ПИ.Соснин, А.В.Заболеева-Зотова, и др.);

- теория нечетких множеств, лингвистических переменных и грануляции информации (Л.Заде, Д.Дюбуа, А.Прад, В.Педрич, Б.Турксен, В.Новак, Ю.Яо, А.Н.Аверкин, Р.А.Алиев, И.З.Батыршин, Н.ГЛрушкина, С.М.Ковалев,

A.Б.Петровский, В.Б.Тарасов, и др.);

- теория агентов и многоагентных систем (К.Хьюитт, М.Вулдридж, Н.Дженнингс, М.Дженесерет, Ж.Фербе, В.Субраманьян, И.Шоэм,

B.И.Городецкий, И.В.Котенко, П.О.Скобелев, Л.А.Станкевич, В.Б.Тарасов, В.Ф.Хорошевский, и др.);

- интеллектуальные роботы и системы управления: (Е.П.Попов, Д.Е.Охоцимский, И.М.Макаров, И.А.Каляев, Ф.Куафе, В.М.Лохин, Э.Накано, В.Е.Павловский, А.К.Платонов, А.В.Тимофеев, Е.И.Юревич, А.С.Ющенко, Д.А.Добрынин, В.Э.Карпов, и др.).

Методы исследования. При выполнении диссертации использованы понятия и методы теории множеств и абстрактной алгебры, теории отношений и теории графов, информатики и искусственного интеллекта, теории агентов и многоагентных систем, нечеткой логики и лингвистических переменных, грануляции информации и обобщенных ограничений, модели онтологий, мереологические, топологические и мереотопологические подходы, аппарат псевдофизических логик.

Достоверность научных результатов подтверждена теоретическими выкладками, данными компьютерного моделирования, а также сравнением полученных результатов с результатами, приведенными в научной литературе.

Основными элементами научной новизны диссертационной работы являются:

1) представление искусственного когнитивного агента как системы, основанной на грануляции и градуировании информации; анализ и интеграция основных процессов информационного взаимодействия ИКА с внешней средой с целью реализации диалогового управления и гибкой системы навигации;

2) разработка методики и способов грануляции пространственных отношений;

3) формирование системы онтологии для функционирования искусственного когнитивного агента; введение общей схемы построения гранулярных онтологий и формального представления онтологии на базе нечетких алгебраических и реляционных систем; разработка методики построения нечетких онтологии

4) создание и исследование информационных моделей взаимодействия ИКА с внешней средой на основе принципа грануляции информации с учетом неопределенностей различных типов;

5) разработка семейства пространственных логик применительно к процессам восприятия и представления агентом внешней среды на базе обобщенных ограничений; построение логики оценок для искусственного когнитивного агента;

6) разработка и реализация интегрированной системы гранулярного управления, расширяющей систему нечеткого управления.

Практическая ценность работы связана с развитием сквозной агенто-ориентированной методологии анализа, моделирования и проектирования сложных технических систем, состоящих из разнородных автономных компонентов (многоагентная модель интеллектуальной производственной системы и сети предприятий), построением моделей мобильных автономных роботов как искусственных когнитивных агентов. Рассмотренные в диссертации методы и модели грануляции информации в процессах целенаправленной деятельности могут применяться для интеллектуализации широкого круга технических устройств и систем, работающих в условиях неопределенности.

Пространственные логики, описывающие взаимодействие автономного агента с внешней средой, использованы при создании виртуального (программного) агента, функционирующего на основе обобщенных ограничений. Они могут также применяться при разработке мобильных роботов, функционирующих в экстремальных средах, и при построении автономных транспортных роботов, функционирующих в составе гибких производственных систем. Предложенные в диссертации схемы, методы и алгоритмы повышают эффективность информационного взаимодействия «человек-искусственный агент», в частности, при решении задач диалогового управления.

Предложенная в работе система онтологий, включающая метаонтологию грануляции и онтологию пространства, может использоваться не только для когнитивных агентов, но и для многих других классов технических объектов.

Реализация результатов. Автором разработана и реализована система обработки гранулярной информации на основе обобщенных ограничений, а также модель гранулярного управления в среде Ма11аЬ 7.0.

Основные результаты диссертации были получены при выполнении работ по грантам Российского фонда фундаментальных исследований № 07-01-00656, №08-01-00917 и № 10-01-00844. Результаты работы были использованы в учебном процессе кафедры «Компьютерные системы автоматизации производства» МГТУ им. Н.Э. Баумана, Кафедры прикладной математики Московского энергетического института (технического университета), в НИР кафедры САПР Таганрогского технологического института Южного федерального университета. Акты об использовании результатов работы прилагаются в диссертации.

Апробация работы. По основным положениям и результатам диссертации были сделаны 16 докладов на следующих научных конференциях: ХШ-я Байкальская Всероссийская конференция «Информационные и математические технологии в науке и управлении» (Иркутск, 7-17 июля 2008г.); Х1-я Нягшпняльная конференция по искусственному интеллекту с международным участием (КИИ-2008, Дубна, 20-24 сентября 2009г.); Научно-техническая конференция «Интеллектуальные системы и компьютерно интегрированные производства» (Москва, 26-27 января 2009г.); Междисциплинарный научный семинар «Экобионика» МГТУ им. Н.Э.Баумана (Москва, 9 апреля 2009г.); V-я Международная научно-практическая конференция «Интегрированные модели и мягкие вычисления в искусственном интеллекте» (Коломна, 28-30 мая 2009г.); XII-я Международная конференция по мягким вычислениям и измерениям - (SCM'2009, Санкт-Петербург, 25-27 июня 2009г.); Fifth International Conference on Soft Computing, Computing with Words and Perceptions in System Analysis, Decision and Control (ICSCCW'2009, Famagusta, North Cyprus, 2009, September 2-4); Международный конгресс по интеллектуальным системам и информационным технологиям (AIS-IT'2009, Дивнохморское, 2-9 сентября 2009г.); Н-я Всероссийская конференция «Нечеткие системы и мягкие вычисления» (НСМВ-2009, Волгоград, 21-24 сентября 2009г.); V-я Международная конференция-форум «Информационные системы и технологии» (Минск, 16-17 ноября 2009г.); Х-я Международная научная конференция им. Т.А.Таран «Интеллектуальный анализ информации» (ИАИ-2010, Киев, 18-21 мая 2010г.); ХШ-я Международная конференция по мягким вычислениям и измерениям (SCM'2010, Санкт-Петербург, 23-26 июня 2010г.); 1-я Международная молодежная конференция по интеллектуальным технологиям и системам (UNI-INTEL'2010, Осташков-Селигер, 27-30 июня 20 Юг); Международный конгресс по интеллектуальным системам и информационным технологиям (AIS-IT'2010, Дивноморское, 3-10 сентября 2010г.); XII-я Национальная конференция по искусственному интеллекту с международным участием (КИИ-2010, Тверь, 20-24 сентября 2010г).

Публикации. Основные результаты, полученные при выполнении диссертационной работы, опубликованы в 13 печатных работах, из них 1 статья в журнале, рекомендуемом ВАК для публикации основных результатов диссертационных работ, и 2 коллективные монографии.

На защиту выносятся:

1. Комбинированная двухрежимная модель навигации автономного мобильного агента, включающая этап информационного (диалогового) управления.

2. Концепция гранулярной метаонтологии, формализованное представление онтологии на базе нечетких алгебраических систем, методика построения нечетких онтологий.

3. Метод построения псевдофизических пространственных логик с использованием обобщенных ограничений.

4. Модель гранулярного управления искусственным когнитивным агентом на основе методов формализации и распространения ограничений.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы (214 наименований) и пяти приложений. Она содержит 162 страницы основного текста (без приложений и списка литературы). В работе имеется 65 рисунков и 13 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, ее научная новизна и практическая значимость, сформулированы цель и задачи, указаны положения, выносимые на защиту, и приведено краткое содержание по главам.

В первой главе предложено развитие единого агенто-ориентированного подхода к исследованию и моделированию узлов сетевого предприятия. В рамках этого подхода предприятие рассматривается как совокупность взаимодействующих естественных и искусственных агентов. Особое внимание в главе 1 уделено построению искусственных когнитивных агентов, в качестве примеров которых рассмотрены физические агенты, такие как интеллектуальные роботы, выполняющие различного рода задачи в плохо определенных и неблагоприятных для человека средах, и транспортные роботы, функционирующие в составе гибких интеллектуальных производственных систем.

На основе обзора определений, классификаций и интерпретаций искусственных агентов построена общая архитектура искусственного когнитивного агента (рис. 1).

Проведен анализ основных свойств и характеристик когнитивного агента. Помимо набора традиционных свойств искусственного агента (интенциональность, активность, реактивность, автономность, коммуникабельность), предложено дополнительно выделить способность когнитивного агента гранулировать поступающую информацию.

Рассмотрены особенности информационного взаимодействия когнитивного агента с внешней средой. Одной из основных функций когнитивной системы интеллектуального агента является осуществление

переходов «данные-информация-знания-метазнания». Предложена схема реализации таких переходов, которая проиллюстрирована в системе координат «понимание-деятельность». Дана общая классификация уровней понимания ситуации ИКА, взаимодействующим с человеком в процессе диалогового управления.

Рис.1. Архитектура искусственного когнитивного агента Исходя из проведенного анализа информационных процессов, структур и свойств когнитивного агента, разработана комбинированная схема навигации когнитивного физического агента со средой (рис. 2а), обеспечивающая его функционирование в двух разных режимах: «грубой» навигации - на основе гранулярной информации и «точной» навигации - на основе данных сенсорной системы. Уровень «грубой» навигации включает контур информационного (диалогового) управления (рис. 26).

: X а.

: Я Я I &■&

I

И нтелле кту а л ьны й

интерфейс

(целеполагание)

Обработка и использование гранулированной информации о среде

Обработка точной сингулярной информации от сенсороо

и

«Грубая» навигация

«Точная» навигация

Информиро- Оценка

ванность результата

Сигналы от сенсорных систем

Когнитивный агент

Рис.2. Схема информационного взаимодействия когнитивного агента со средой

Вторая глава диссертации посвящена построению системы онтологий для искусственных когнитивных агентов, в которой основное внимание уделено формированию и развитию моделей гранулярных метаонтологий и онтологий пространства. Метаонтология представляет собой модель (язык) представления информации и знаний.

Показано, что построение общих онтологий у взаимодействующих агентов необходимо для эффективной реализации диалогового интерфейса «человек-искусственный агент» при выполнении последним задач в неточно и неполностью определенной среде.

Проведен краткий обзор основных понятий и определений в области теории и моделирования онтологий, построена общая схема интеграции онтологий для когнитивных агентов. Особое внимание уделено проблеме грануляции информации и методам ее решения. Сформулировано общее понятие информационной гранулы, даны примеры гранулярных структур, проанализированы методы грануляции информации, описаны варианты формирования гранул с помощью нестандартных множеств и лингвистических переменных, введено обобщение понятия лингвистической переменной Л.Заде. Предложены базовая схема грануляции информации, описание онтологий на основе нечетких алгебраических систем.

Определение 1. Базовая схема грануляции информации когнитивным агентом задается пятеркой

GR = С, М, G, 7), (1)

где X - область рассуждений; С - множество требований к выбору метода грануляции; М - множество формальных методов грануляции; G - семейство информационных гранул; Т - множество переходов между уровнями грануляции (преобразований гранул).

Среди методов грануляции информации особое внимание уделено нестандартным множествам: недоопределенным, переопределенным, приближенным, Показано, что все эти множества можно представить тройками вида X = {Jt, XT, А0), где Х*={х\ х<Х}, ХГ = {х\ х£Х}, Х° = {х| х ? X} или трехзначными характеристическими функциями/е{1, 0.5, 0}.

Определение2. Обобщенная лингвистическая переменная LV* есть семерка

LV* = (L,T, X, G, M,D,H>, (2)

где L - название переменной; Т - терм-множество, т.е. совокупность ее лингвистических значений (меток); U - универсальное (числовое) множество; G - множество синтаксических правил, с помощью которых производится расширение исходного множества Т, т.е. генерируются новые термы t с применением слов (модификаторов) естественного или искусственного языка,

Т —> Т*, где Т* - расширенное множество лингвистических значений; М -множество семантических правил, т.е. нечетких соответствий вида выражающих отношение полиморфизма (соответствия «один - ко - многим») между множеством лингвистических значений Т и универсальным множеством V; отдельное семантическое правило теМ ставит в соответствие каждому терму ¡еТ его смысл пф). Двумя новыми компонентами являются функция О: Ь^. Т, порождающая представительное множество термов ЛП, а также оператор преобразования, например, нормализации, числовых оценок

Н-.и-* и0.

Здесь множество правил М и операция В определяют способы грануляции лингвистической переменной, виды и размеры гранул.

Показано, что наиболее общим методом грануляции информации являются обобщенные ограничения.

(3)

где X - переменная, принимающая значение на универсуме и, Я - нечеткое ограничение на Л', а г - переменная-связка, определяющая вид ограничения.

Определение 3. Онтология, представляемая как нечеткая алгебраическая система, есть тройка

<ЖГ=<3(.Х),3(Д),П>, (4)

где 3(А") = {(х, ц) | хеХ, и: X—>-[0,1]} - множество нечетких объектов; 3(Л) = геЯ, ср: Л"-»[0,1]} - множество нечетких отношений между объектами; множество операций над нечеткими объектами из X и отношениями, например, бинарных операций Цу2: 3(Х)2 3(А/), С1К2: 3(Л)2 —» 3(Д).

Целесообразность введения операций над объектами и отношениями онтологии обусловлена практическими соображениями: так в случае представления онтологии нечетким графом совершенно естественными являются теоретико-множественные операции пересечения, объединения, разности, а также операции добавления или удаления вершин или дуг графа, и пр.

Наглядно нечеткую онтологию можно представить с помощью нечеткого ориентированного графа (3 =( V, А, и, ч>), где V - множество вершин, А -множество дуг орграфа, ц - весовые коэффициенты вершин, р.: V ->[0,1], Ух 7-»[0,1].

Представление онтологии с помощью четких и нечетких графов и деревьев позволило ввести для них ряд важных количественных показателей онтологии, таких как размерность, сложность, глубина, ширина, центр онтологии и пр.

Ниже приведены частные случаи (4).

Определение 3'. Нечеткое представление «легкой» онтологии есть пара

0ЛТ'=<Л;3(Л)>, (4')

где X— множество понятий (категорий) предметной области, 3(Л) -множество нечетких (взвешенных) отношений между понятиями предметной области.

Когда также проведена аксиоматизация предметной области, онтология становится «весомой»; ее можно представить тройкой

ОЫТ"={Х,^(К),АХ), (4')

где АХ- множество аксиом.

Предложена методика построения нечетких онтологий. В ее основе лежит пятиуровневая онтологическая модель (рис.3).

Рис. 3. Модель нечеткой онтологии

Здесь на первом (верхнем) уровне расположена комплексная проблемная область Д которая предполагает слияние источников информации (экспертов, коллекций текстов) из разных областей. Таким образом, проблемная область (ПрО) разбивается на соответствующие подобласти £0 (второй уровень), причем каждая подобласть имеет свои источники информации (третий уровень). С их помощью строится иерархия понятий ПрО, где на четвертом уровне расположены базовые категории онтологии С,-, / = [1; п], а на пятом (нижнем) уровне - ключевые слова, относящиеся к именам категорий j = [l■>m].

Рассмотрены варианты получения нечеткой онтологии на основе четких онтологий, построенных разными экспертами, коллективной оценки связей «категория - ключевое слово», а также с помощью представительной коллекции текстовых документов.

Соответствующий алгоритм приведен на рис.4.

Рис.4.Алгоритм формирования нечетких онтологии Среди онтологий верхнего уровня для когнитивных физических агентов можно выделить онтологии пространства, времени, ресурсов, событий и пр. В диссертации основное внимание уделено разработке онтологии пространства. В качестве базовой концепции пространства выбрана модель Лейбница. Определены множества пространственных примитивов и базовых пространственных отношений, позволяющие задать структуру пространства, изучены свойства пространственных отношений (рис.5). При изучении качественных пространственных отношений использованы мереологические и мереотопологические подходы.

Мегод пространственной грануляции

I

а

Тмркч прострЕмсгвенных упвдааекнй t " ~

Оигопогкя пространства

Теория пространства

гЩдстэвпение пространственных ограничений и зависимостей

Алгоритмы Р5(к?ТЫ С ГСрЭСтрзнСТВеНИМИН

ограничениям « эзвиснмостяии

1 а

Рис.5. Структурная схема модели пространства

В третьей главе работы проанализированы характеристики псевдофизических логик, рассмотрена иерархическая система псевдофизических логик для когнитивного физического агента. Разработан метод построения псевдофизических пространственных логик с использованием обобщенных ограничений.

Предварительно были выделены базовые пространственные отношения для когнитивных физических агентов, сведенные в табл.1.

Таблица 1. Базовые пространственные отношения

Обозначение отношений Название отношений Свойства отношений

Р | С | Т | АР | АС | П

Относительные расстояния, направления и разме] ры

Ri - быть дальше Строгий порядок + + +

R2 - быть ближе Строгий порядок + + +

R3 - быть равноудаленным +

R4 - быть рядом +

R5 - быть спереди (напротив) Строгий квазипорядок + +

Rfi - быть сзади Строгий квазипорядок + +

R7 - быть сбоку Строгий квазипорядок + +

Rs - быть правее Строгий квазипорядок + +

R, - быть левее Строгий квазипорядок + +

Rio - быть больше Строгий порядок + + +

Ri 1 - быть меньше Строгий порядок + + +

R12 - быть равным Тождество + + +

Взаимные отношения

R13 - быть внутри Строгий порядок + + +

R14 - быть вне Строгий порядок + + +

Ris - быть перед Строгий квазипорядок + +

RI6-6biTb3a Строгий квазипорядок + +

Ri 7 - соприкасаться +

Предложены варианты создания системы пространственных рассуждений искусственного когнитивного агента на основе распространения нечетких

ограничений, в том числе, с учетом взаимосвязи неоднородных ограничений, относящихся к лингвистическим переменным «Расстояние» и «Размер». Алгоритм распространения нечетких ограничений приведен на рис. 6.

(^Начало)

ВХОЯИЗЯ иьформащы

7

Грануляция

сшгулярког» значение j

да^ЛЪчизя пи exaswsjKs , информация? уг

j Дли всех ограимем!;«

го ЬХОДЬи»«

^ переменные ¡Сг.арйлвлвние степ&-и j I 153 нл

I ИС1ИИН0СТИ U-f ОвС^И^-ННЫХ |

i S orpat-ичекых j

Грануляция |

ЯиыШСТИческоЙ j инфоруаим I

Для осе* ггрльлений \

мз еычодн^« \

ограничения

X

J

ф^нимвний НЯ i№af,»l»i! ««ДОМюы» в СиОТММеии с 63с учетом нетиннсжй

Агрстирсе-зы'.е огранич^м-оп на pw <W-!J'-f Пй(«\«!><НЫб

<

-Необходима ви"ч. ючпая выходная икформэи'.'.я? /

] Сингут**«*« |-SI,~~

j еыходкых пврвкеммх j V

Рис. 6. Алгоритм распространения нечетких ограничений

Обобщенный принцип расширения играет центральную роль в распространении нечетких ограничений. Однако чаще всего в практических приложениях нечеткой логики используется основное интерполяционное правило - частный случай композиционного правила вывода.

Если функция / определена множеством нечётких правил if X is А, then YisBi или эквивалентно в виде: / is ]Гд х 5, и аргумент X определен

антецедентным ограничением Xis А, то последовательное ограничение на Y может быть выражено в виде:

Yis S(T(mi;5,); Г(/им;)), т, =sup(А,пА) (5)

где Т и S- соответствующие треугольные нормы и конормы.

Построены статическая и динамическая пространственные логики для моделирования взаимодействия когнитивного агента с внешней средой на основе формализации распространения ограничений. Правила распространения ограничений в статической пространственной логике:

{[Да,;^) üd] w/jAtfXte;^) ¿Ц] is/^Ща^) isdt] isfp

Определены системы лингвистических переменных для выражения нечетких ограничений на значения расстояния, направления, скорости, времени движения, а также, системы правил распространения ограничений для логики движения. Правила распространения ограничений в динамической пространственной логике:

(SR is d^ л (TR is tt)=> VR is v,

Рассмотрены различные задачи построения траектории движения КФА с учетом скорости, направления и времени движения в пространстве, когда на пути физического агента имеются препятствия в зависимости от размера и расположения препятствий. Даны примеры использования построенных пространственных логик когнитивным физическим агентом.

Для оценки и самооценки действий ИКА построена логика предпочтений, опирающаяся на нечеткие лингвистические ограничения. Дан пример использования логики предпочтений КФА. Правила распространения ограничений в логике предпочтений:

[Р{х,у) is р,] л [P(y,z) is pj] => P(x,z) is p7

Четвертая глава посвящена вопросам программной реализации моделей грануляции информации на основе обобщенных ограничений в среде Matlab 7.0. В частности, реализованы интервальные, недоопределенные, нечеткие модели гранул, а также гранулы на основе четких и нечетких мультимножеств.

Для задачи управления манипулятором в условиях неопределенности проведен сравнительный анализ стандартного метода нечеткого логического вывода с методом распространения ограничений. Приведены примеры реализации процедур распространения пространственных ограничений.

Разработана обобщенная модель управления КФА на основе грануляции информации с помощью обобщенных ограничений. Предложена функциональная схема двухуровневой системы управления искусственным когнитивным агентом (рис.7).

Описана реализация практических методов грануляции и сингуляризации информации для нестандартных множеств. Реализованы процедуры уточнения и огрубления информации в системе управления.

Описан модельный пример использования КФА, функционирующего на основе грануляции информации с помощью обобщенных ограничений, в составе гибкой производственной системы крупного машиностроительного предприятия и в автоматизированных складских терминалах.

Рис. 7. Функциональная схема двухуровневой системы управления искусственным когнитивным агентом

В заключении приведены основные результаты, полученные в диссертационной работе.

В Приложении 1 приведены принцип действия и общая конструкция когнитивного транспортного робота. Приложение 2 содержит краткие сведения об операциях над нечеткими множествами, определение, свойства и классификацию нечетких отношений. В Приложение 3 помещена программная модель системы управления манипулятором с помощью распространения ограничений, разработанная в среде РДО. В Приложении 4 приведена модель системы управления когнитивным физическим агентом с помощью распространения ограничений, разработанная в среде МаНаЬ 7.0. Приложение 5 содержит акты о внедрении.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ ДИССЕРТАЦИОННОЙ РАБОТЫ

1. Развит единый агенто-ориентированный подход к моделированию и проектированию искусственных (технических) объектов. Выделены ключевые свойства когнитивных агентов, проведено исследование и моделирование информационных структур и процессов, связанных с функционированием физических когнитивных агентов (на примере мобильных роботов).

2. Показано, что важнейшей характеристикой когнитивного агента является способность гранулировать поступающую информацию о внешней среде и других агентах. Построена базовая схема грануляции информации

когнитивным агентом. Проанализированы основные гранулярные структуры, дано формализованное описание методов и моделей грануляции информации, в частности, моделей, опирающихся на нестандартные множества и лингвистические переменные (когнитивные фреймы).

3. Разработана общая схема комбинированной навигации когнитивного агента, обеспечивающая его функционирование в двух разных режимах: 1) «грубая» навигация, связанная с перемещением агента к цели на основе транулярной информации; 2) «точная» навигация, опирающаяся на текущие числовые данные о среде, получаемые от сенсорной системы. В основе режима «грубой» навигации лежит контур информационного (диалогового) управления «человек-искусственный агент».

4. Разработана система онтологий для когнитивного агента, в первую очередь, метаонтология грануляции информации и онтология пространства, в котором происходит взаимодействие когнитивного агента со средой. Введено формализованное представление онтологии на основе нечеткой алгебраической системы. Разработана методика построения нечетких онтологий. Предложены варианты количественного описания онтологий с использованием числовых характеристик четких и нечетких графов и деревьев.

5. Выделены и исследованы парадигматические и специальные нечеткие пространственные отношения, положенные в основу организации информационного взаимодействия когнитивного мобильного робота с внешней средой. Исследованы четкие и нечеткие мереотопологические отношения для областей пространства

6. Предложены новые методы грануляции пространственной информации на основе взаимодействия подходов псевдофизических логик, когнитивных фреймов и обобщенных ограничений.

7. Разработаны статические и динамические пространственные логики; логики оценок и предпочтений для функционирования когнитивного агента.

8. Построена и реализована обобщенная модель управления на основе процедур грануляции и сингуляризации информации. Систематизированы формальные методы грануляции и сингуляризации информации.

9. Разработаны программные реализации моделей грануляции информации и распространения ограничений на МаЙаЬ 7.0 и среде РДО, в частности, модуль распространения обобщенных ограничений. Предложены иллюстративные примеры, демонстрирующие варианты использования когнитивных транспортных роботов на крупных производственных предприятиях и автоматизированных складских терминалах.

СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Калуцкая А.П., Тарасов В.Б. Моделирование взаимодействия робота с внешней средой на основе пространственных логик и распространения ограничений// Программные продукты и системы. - 2010. - №2. -С.174-178.

2. Калуцкая А.П., Тарасов В.Б. Теория лингвистических переменных, нечеткая логика, гранулированные и мягкие вычисления: шаги на пути к психологической математике// Математическая психология: Школа В.Ю.Крылова. Коллективная монография. - М.: Изд-во ИПРАН, 2010. - С.261-278.

3. Калуцкая А.П., Тарасов В.Б. Моделирование взаимодействия utKytuBcHHuiu arcHia с внешней средой на основе пространственных логик и обобщенных ограничений// Интеллектуальные системы. Коллективная монография/ Под ред. В.М. Курейчика. - М.: Физматлит, 2010. - С.105-142.

4. Калуцкая А.П. Естественно-языковые модели и обобщенные ограничения в задачах управления манипуляционными роботами// Интегрированные модели и мягкие вычисления в искусственном интеллекте. Сборник трудов V-й международной научно-практической конференции (Коломна, 28-30 мая 2009 г.). - М.: Физматлит, 2009. - Т.1. - С.510-519.

5. Калуцкая А.П. Построение пространственных логик для робота// Информационные системы и технологии. Материалы V-й международной конференции-форума (Минск, Беларусь, 16-17 ноября 2009 г.). - Минск: HTA «Инфопарк», 2009. -Часть 2. -С.135-138.

6. Калуцкая А.П. Грануляция информации - основное свойство когнитивного мобильного робота// Сборник докладов XIII-й международной конференции по мягким вычислениям и измерениям (SCM'2010, Санкт-Петербург, СПбГЭТУ «ЛЭТИ», 23-25 июня 2010 г.). - СПб: Изд-во СПбГЭТУ «ЛЭТИ», 2010. - Т.1. - С.217-221.

7. Калуцкая А.П., Тарасов В.Б. Обобщенные ограничения: применение к управлению роботами// Научная сессия МИФИ-2009. Сборник научных трудов. В 6 томах. Том V. Информационно-телекоммуникационные системы. Проблемы информационной безопасности.-М.: НИЯУ МИФИ, 2009.-С. 11-14.

8. Калуцкая А.П., Тарасов В.Б. Построение модели внешнего мира робота на основе лингвистически заданных отношений и обобщенных ограничений// Труды Международного конгресса по интеллектуальным системам и

информационным технологиям (AIS-IT'09, Дивноморское, 3-10 сентября 2009 г.). -М.: Физматлит, 2009. -Т.1. -С.379-386.

9. Калуцкая А.П., Тарасов В.Б. Информационные гранулы и методы их построения: применение при разработке интеллектуальных агентов// Интеллектуальный анализ информации ИАИ-2010. Сборник трудов Х-й международной научной информации им. Т.А.Таран (Киев, 18-21 мая 2010 г.).- Киев: Просвета, 2010. - С.291-297.

10. Калуцкая А.П., Тарасов В.Б. Гранулярная онтология пространства для когнитивных мобильных роботов// Труды XII-й национальной конференции по искусственному интеллекту КИИ-2010 (Тверь, 20-24 сентября 2010 г.). Т.З. -М.: Физматлит, 2010. - С.430-441.

П.Тарасов В.Б., Калуцкая А.П. Построение онтологии пространства для автономных мобильных роботов// Сборник докладов XIII-й международной конференции по мягким вычислениям и измерениям (SCM'2010, Санкт-Петербург, СПбГЭТУ «ЛЭТИ», 23-25 июня 2010 г.). - СПб: Изд-во СПбГЭТУ «ЛЭТИ», 2010. - Т. 1. - С.81-93.

12. Тарасов В.Б., Калуцкая А.П. Нечеткие лингвистические модели предпочтений когнитивных агентов// Труды Международного конгресса по интеллектуальным системам и информационным технологиям (AIS-IT2010, Дивноморское, 2-9 сентября 2010 г.). - М.: Физматлит, 2010. - Т.2. - С.277-284.

13. Kalutskaya A. Constructing Robot's Model of External Environment on Basis of Linguistic Relations and Generalized Constraints// Proceedings of the 5th IEEE International Conference on Soft Computing, Computing with Words and Perceptions in Systems Analysis, Decision and Control (Famagusta, North Cyprus, 2-4 September 2009).

Подписано в печать Зак. Тир юо

Полиграфический центр МЭИ (ТУ) Красноказарменная ул., д.13

СПИСОК УСЛОВНЫХ СОКРАЩЕНИЙ.

ВВЕДЕНИЕ.

ГЛАВА 1. РАЗРАБОТКА АВТОНОМНЫХ ТЕХНИЧЕСКИХ ОБЪЕКТОВ И СЛОЖНЫХ ПРОИЗВОДСТВЕННЫХ СИСТЕМ КАК КОГНИТИВНЫХ АГЕНТОВ.

1.1. Агенто-ориентированный подход к созданию интеллектуальных производственных систем, сетей предприятий и сложных автономных объектов.

1.2. Основы проектирования когнитивных агентов.

1.2.1. Определения, интерпретации, классификации и структуры агентов.

1.2.2. Разработка концепции физических когнитивных агентов.

1.3. Особенности взаимодействия искусственного агента со средой.

1.4. Диалоговое управление и гибкая система навигации - основные атрибуты физических когнитивных агентов.

Выводы по первой главе.

ГЛАВА 2. ПОСТРОЕНИЕ СИСТЕМЫ ОНТОЛОГИЙ ДЛЯ КОГНИТИВНЫХ АГЕНТОВ. ГРАНУЛЯРНЫЕ МЕТАОНТОЛОГИИ И ОНТОЛОГИИ ПРОСТРАНСТВА.

2.1. Основы построения онтологий.

2.1.1. Определение и классификация онтологий.

2.1.2. Компоненты онтологий.

2.1.3. Роль НЕ-факторов в функционировании агентов.

2.2. Грануляция информации когнитивными агентами.

2.2.1. Базовая схема и онтология грануляции.

2.2.2 Гранулярные структуры.

2.3. Проблемы и методы грануляции информации.

2.3.1. Разбиение универсального множества. Классы эквивалентности.

2.3.2. Гранулы как окрестности.

2.3.3. Формирование гранул на основе нестандартных множеств.

2.4. Грануляция информации на основе лингвистических переменных.

2.5. Формальное определение онтологий на основе нечеткой алгебраической системы.

2.6. Представление онтологий с помощью графов и деревьев.

2.7. Методика построения нечетких онтологий.

2.8. Алгоритм построения нечетких онтологий.

2.9. Информация как ограниченное разнообразие: от обобщенных ограничений к общей теории неопределенности.

2.10. Способы изменения степени грануляции информации.

2.11. Онтология пространства.

2.11.1. Выбор базовой концепции пространства.

2.11.2. Мереология и мерономш.

2.11.3. Топология и мереотопология пространства.

2.11.4. Нечеткие топологические отношения.

Выводы по второй главе.

ГЛАВА 3. ПОСТРОЕНИЕ ПСЕВДОФИЗИЧЕСКИХ ЛОГИК ДЛЯ КОГНИТИВНОГО АГЕНТА.

3.1. Связи между онтологиями и логиками: псевдофизические онтологии.

3.2. Псевдофизические логики.

3.3. Нечеткие пространственные отношения.

3.3.1. Относительные расстояния.

3.3.2. Относительные направления.

3.3.3. Относительные размеры.

3.3.4. Взаимные отношения (взаимное расположение).

3.3.5. Относительные траектории.

3.3.6. Относительные скорости двиэюения.

3.3.7. Общая сводка нечетких пространственных отношений.

3.4 Алгоритм распространения гранулярных ограничений.

3.5. Пространственные логики.

3.5.1. Статические пространственные логики.

3.5.2. О связи лингвистических переменных «Расстояние» и «Размер».

3.5.3. Статическая пространственная логика на прямой.

3.5.4. Статическая пространственная логика на плоскости.

3.6. Пример вывода как распространения ограничений в статической пространственной логике.

3.7. Динамические пространственные логики.

3.8. Выбор траектории движения агента.

3.9. Пример вывода как распространения ограничений в динамической пространственной логике.

3.10. Логика оценок.

3.10.1. От классических к нечетким предпочтениям.

3.10.2. Основы лингвистической логики предпочтений.

3.10.3. Пример использования логики предпочтений.

Выводы по третьей главе.

ГЛАВА 4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ ФОРМИРОВАНИЯ И РАСПРОСТРАНЕНИЯ ОБОБЩЕННЫХ ОГРАНИЧЕНИЙ В СРЕДЕ МАТЬАВ

4.1. Реализация моделей грануляции информации в среде Matlab 7.0.

4.1.1. Интервальные и недоопределенные модели.

4.1.2. Нечеткие модели.

4.1.3. Модели на основе четких и нечетких мультимножеств.

4.1.4. Обобщенные ограничения.

4.2. Сравнительный анализ методов нечеткого вывода и распространения обобщенных ограничений в среде Matlab.

4.2.1. Постановка задачи управления манипулятором.

4.2.2. Реализация системы управления манипулятором.

4.3. Примеры реализации и распространения пространственных ограничений.

4.4. Примеры практического использования физических когнитивных агентов.

4.4.1. Применение когнитивных транспортных роботов в составе гибких производственных систем на машиностроительном предприятии.

4.4.2. Применение когнитивных транспортных роботов в автоматизированных грузовых терминалах.

4.5. Разработка обобщенной модели управления когнитивным роботом на основе грануляции информации с помощью обобщенных ограничений.

4.5.1. Функциональная схема системы управления когнитивным роботом.

4.5.2. Практические методы грануляции и дегрануляции информации.

4.6. Реализация обобщенной модели управления когнитивным роботом.

• 4.6.1. Описание когнитивных фреймов входных лингвистических переменных.

4.6.2. Описание когнитивных фреймов выходных лингвистических переменных.

4.6.3. Фрагмент базы знаний, построенной на основе нечетких ограничений.

4.6.4. Алгоритм работы обобщенной модели управления роботом.

4.6.5. Экспериментальное исследование обобщенной модели управления когнитивным роботом.

Выводы по четвертой главе.

Актуальность. Развитие и интеллектуализация современных сложных, открытых, распределенных организационно-технических систем, в том числе, гибких производственных систем (ГПС) и роботизированных комплексов, компьютерно-интегрированных производств (КИП) и сетевых виртуальных предприятий, требует разработки общей агенто-ориентированной методологии, в русле которой рассматриваемые системы и их компоненты интерпретируются как когнитивные агенты. Важнейшей способностью таких агентов является интенсивное информационное взаимодействие с многокомпонентной внешней средой, в которой присутствуют как разнообразные физические объекты, так и другие (естественные и искусственные) агенты. Соответственно, возникают проблемы анализа информационных потребностей автономных агентов, исследования и моделирования информационных структур и процессов, связанных с поиском, получением, накоплением и обработкой информации искусственными агентами, изучения методов формирования оценок, мнений и знаний искусственными когнитивными« агентами (ИКА) на основе перерабатываемой, ими информации. Здесь ключевую роль играют: исследование и разработка адекватных средств.представления, знаний агентов (в том числе, знаний, относящихся к рассмотрению плохо определенных предметных областей и слабоструктурированных задач): интеграция различных источников знаний; построение концептуальных и семиотических моделей предметных областей.

Когнитивное моделирование поведения искусственных агентов предполагает спецификацию и формализацию их взаимодействий. Так реализация взаимодействия между естественными и искусственными агентами (в частности, диалога «человек-искусственный агент») требует разработки специальных методов, языков и моделей общения (например, методов распознавания и синтеза речи, моделей и протоколов диалога между человеком и роботом, моделей взаимопонимания на основе системы онтологий). Кроме того, для успешного функционирования искусственных когнитивных агентов требуется развитие специальных методов управления ими, включая методы информационного, рефлексивного и диалогового управления.

Все вышеизложенное демонстрирует актуальность темы диссертационной работы, посвященной проблемам моделирования информационного взаимодействия искусственного когнитивного агента с внешней средой. При этом ИКА получает информацию из трех источников: из собственной базы данных и знаний, от человека в процессе диалога «человек-искусственный агент» и от сенсорной системы.

Объектом исследования являются процессы информационного взаимодействия и интеграции в сложных организационно-технических системах, рассматриваемых как интеллектуальные агенты и многоагентные системы. В качестве примеров таких систем выбраны физические агенты: гибкая производственная система с автономными транспортными роботами и интеллектуальный робот, функционирующий на основе целеуказаний человека в экстремальной среде с заранее неизвестными характеристиками.

Предмет исследования составляют проблемы логико-лингвистического моделирования когнитивных функций автономного агента, работающего в неточно и неполностью определенной среде, с использованием методов гранулирования информации, псевдофизических логик и обобщенных ограничений.

Цель диссертационной работы заключается в разработке моделей, методов и программного обеспечения для поддержки информационного взаимодействия искусственного интеллектуального агента с внешней средой на основе системы онтологий, псевдофизических логик и обобщенных ограничений.

Для достижения общей цели диссертации в ней решаются следующие основные задачи: развитие единого агенто-ориентированного подхода к моделированию и проектированию активных искусственных объектов, описание общей архитектуры и основных свойств когнитивного агента, включая его способность к грануляции информации; построение базовой модели взаимодействия искусственного когнитивного агента с внешней средой; разработка на ее основе гибкой, двухрежимной схемы навигации мобильного агента и общей схемы диалогового управления в системе «человек-искусственный агент»; анализ методов грануляции информации в процессах взаимодействия ИКА с внешней средой, в том числе методов, опирающихся на нестандартные множества, лингвистические переменные, нечеткую логику и обобщенные ограничения; разработка системы онтологий для ИКА, в первую очередь, метаонтологии грануляции информации и онтологии пространства, в котором работает агент; развитие мереотопологического подхода к моделированию областей пространства; формализация, онтологий на основе нечетких алгебраических систем с использованием математического аппарата нечетких отношений и нечетких графов; анализ подходов, методов и средств построения псевдофизических логик; выделение и изучение свойств основных пространственных отношений; изучение и разработка методов и алгоритмов обработки нечеткой лингвистической пространственной информации, используемой агентом; создание модели гранулярного управления искусственным когнитивным агентом на основе методов формализации и распространения ограничений; разработка программной реализация модели распространения ограничений в средах МайаЬ 7.0 и РДО; сопоставление подхода на базе распространения ограничений с нечетким логическим выводом; построение программной модели интеллектуального агента и ее экспериментальные исследования;

9) разработка общего принципа и схемы реализации когнитивного транспортного робота-электромобиля; построение иллюстративного примера функционирования когнитивного транспортного робота в составе гибкой производственной системы предприятия.

В ходе решения этих задач при подготовке диссертации автор опиралась на основополагающие труды ведущих отечественных и зарубежных ученых по теоретической информатике и искусственному интеллекту (А.Н.Колмогоров [75], А.И.Мальцев [87], Д.А.Поспелов [68,113,114,117-119], Г.С.Осипов [97,118], Э.В.Попов [110,111], О.П.Кузнецов [80], В.К.Финн [160], В.Н.Вагин [17], А.П.Еремеев [45-47], В.М.Курейчик [43], В.Л.Стефанюк [139], И.Б.Фоминых [161], Л.Заде [49, 208-214], Н.Нильсон [183], Г.Саймон, Дж.Люгер, С.Рассел и П.Норвиг [123]), важнейшие работы по ряду специальных областей информатики и ИИ, таких как: онтологии, псевдофизические логики, модели пространственных рассуждений (Ст.Лесьневский, А.Тарский, Т.Грубер [184], Н.Гуарино [185], Р.Мизогучи [89], А.Варзи [178], Л.Вье [204], В.Куйперс [191], Б;Смит [198], М.Айелло [188], Д.А.Поспелов [68,113,114], Г.С.Плесневич [105,106], Т.А-.Гаврилова [25-28], А.С.Клещев [71,72], Л.В.Литвинцева [68,83,158],

A.В.Смирнов [130], С.В.Смирнов [133], и др.), основанные на методах математической теории отношений (Ю.А.Шрейдер [166], И.З.Батыршин [1],

B.П.Кутепов и В.Н.Фальк [81]) и теории графов (К.Берж, А.А.Зыков, О.Оре [96], Ф.Харари [162], Л.С.Берштейн [8], Г.С.Плесневич и др.); теория диалоговых систем (Т.Виноград, Д.А.Поспелов [113,115], Э.В.Попов [38,110], А.П.Ершов, Л.Т.Кузин, А.Б.Преображенский [38], Г.В.Рыбина [125], А.С.Нариньяни [91,92], П.И.Соснин, А.В.Заболеева-Зотова [48], и др.); теория нечетких множеств, лингвистических переменных и грануляции информации (Л.Заде [49,208,210,212], Д.Дюбуа [39], А.Прад [39], В.Педрич [186,195], Б.Турксен [200], В.Новак [94], Ю.Яо [207], А.Н.Аверкин [1,2], Р.А.Алиев [4], И.З.Батыршин [1,5-7], Н.Г.Ярушкина [93,171], С.М.Ковалев

73,74], А.Б.Петровский [102], В.Б.Тарасов [1,93,146,147], С.В.Ульянов [157], и др.); теория агентов и многоагентных систем (К.Хьюитт [189], М.Вулдридж [205], Н.Дженнингс, М.Дженесерет [182,183], Ж.Фербе, В.Субраманьян [199], И.Шоэм [199], В.И.Городецкий [33-35], И.В.Котенко [77], П.О.Скобелев [128,129], Л.А.Станкевич [77,136,137], В.Б.Тарасов [141,144,145], В.Ф.Хорошевский [163], и др.); интеллектуальные роботы и системы управления: (Д.Е.Охоцимский [99], Е.П.Попов [108,109], И.М.Макаров [55,86], И.А.Каляев [54,67], Ф.Куафе [79], В.М.Лохин [55,86], Э.Накано [90], В.Е.Павловский [99,100], А.К.Платонов [103,120], А.В.Тимофеев [152-154], Е.И.Юревич [54], А.С.Ющенко [167-170], Д.А.Добрынин [37,38], В.Э.Карпов [69,70], и др.).

Методы исследования. При выполнении диссертации использованы понятия и методы теории множеств и абстрактной алгебры, теории отношений и теории графов, информатики и искусственного интеллекта, теории агентов и многоагентных систем, нечеткой логики- и лингвистических переменных, грануляции информации и обобщенных ограничений, модели онтологий, мереологические и мереотопологические- подходы, аппарат псевдофизических логик.

Достоверность научных результатов подтверждена теоретическими выкладками, данными компьютерного моделирования, а также сравнением полученных результатов с результатами, приведенными в научной литературе.

Основными элементами научной новизны диссертационной работы являются:

1) представление искусственного когнитивного агента как системы, основанной на грануляции и градуировании информации; анализ и интеграция основных процессов информационного взаимодействия ИКА с внешней средой с целью реализации диалогового управления и гибкой системы навигации;

2) разработка методики и способов грануляции пространственных отношений;

3) формирование системы онтологий для функционирования искусственного когнитивного агента; введение общей схемы построения гранулярных онтологий и формального представления онтологий на базе нечетких алгебраических и реляционных систем; разработка методики построения нечетких онтологий

4) создание и исследование информационных моделей взаимодействия РЖА с внешней средой на основе принципа грануляции информации с учетом неопределенностей различных типов;

5) разработка семейства пространственных логик применительно к процессам восприятия и представления агентом внешней среды на базе обобщенных ограничений; построение логики оценок для искусственного когнитивного агента;

6) разработка и реализация интегрированной системы гранулярного управления, расширяющей систему нечеткого управления. Практическая ценность работы связана с развитием- сквозной агентоориентированной методологии анализа, моделирования и проектирования сложных технических систем, состоящих из разнородных автономных компонентов (многоагентная модель интеллектуальной производственной системы и сетевого предприятия), построением моделей мобильных автономных роботов как искусственных когнитивных агентов. Рассмотренные в диссертации методы и модели грануляции информации в процессах целенаправленной деятельности могут применяться для интеллектуализации широкого круга технических устройств и систем, работающих в условиях неопределенности.

Пространственные логики, описывающие взаимодействие автономного агента с внешней средой, использованы при создании виртуального (программного) робота, функционирующего на основе обобщенных ограничений. Они могут также применяться при разработке мобильных роботов, функционирующих в экстремальных средах, и при построении автономных транспортных роботов, функционирующих в составе гибких производственных систем. Предложенные в диссертации схемы, методы и алгоритмы повышают эффективность информационного взаимодействия «человек-искусственный агент», в частности, при решении задач диалогового управления.

Предложенная в работе система онтологий, включающая метаонтологию грануляции и онтологию пространства, может использоваться не только для когнитивных агентов, но и для многих других классов технических объектов.

Реализация результатов. Автором разработана и реализована система обработки гранулярной информации на основе обобщенных ограничений, а также модель гранулярного управления в среде Ма^аЬ 7.0.

Основные результаты диссертации были получены при выполнении работ по грантам Российского фонда фундаментальных исследований № 07-01-00656, №08-01-00917 и № 10-01-00844. Результаты работы были использованы в учебном процессе кафедры «Компьютерные системы автоматизации производства» МЕТУ им. Н.Э. Баумана, Кафедры прикладной математики Московского энергетического института (технического университета), в НИР кафедры САПР* Таганрогского технологического института Южного федерального университета. Акты об использовании результатов работы прилагаются в диссертации.

Апробация работы. По основным положениям и результатам диссертации были сделаны 16 докладов на следующих научных конференциях: ХШ-я Байкальская Всероссийская конференция «Информационные и математические технологии в науке и управлении» (Иркутск, 7-17 июля 2008г.); XI-я Национальная конференция по искусственному интеллекту с международным участием (КИИ-2008, Дубна, 20-24 сентября 2009г.); Научно-техническая конференция «Интеллектуальные системы и компьютерно интегрированные производства» (Москва, 26-27 января 2009г.); Междисциплинарный научный семинар «ЭКОБИОНИКА», МГТУ им. Н.Э.Баумана (Москва, 9 апреля 2009г.);

V-я Международная научно-практическая конференция «Интегрированные модели и мягкие вычисления в искусственном интеллекте» (Коломна, 28-30 мая 2009г.); XII-я Международная конференция по мягким вычислениям и измерениям - (SCM'2009, Санкт-Петербург, 25-27 июня 2009г.); Fifth International Conference on Soft Computing, Computing with Words and Perceptions in System Analysis, Decision and Control (ICSCCW'2009, Famagusta, North Cyprus, 2009, September 2-4); Международный конгресс по интеллектуальным системам и информационным технологиям (AIS-IT'2009, Дивноморское, 2-9 сентября 2009г.); П-я Всероссийская конференция «Нечеткие системы и мягкие вычисления» (НСМВ-2009, Волгоград, 21-24 сентября 2009г.); V-я Международная конференция-форум «Информационные системы и технологии» (Минск, 16-17 ноября 2009г.); Х-я Международная научная конференция им. Т.А.Таран «Интеллектуальный анализ информации» (ИАИ-2010, Киев, 18-21 мая 2010г.); ХШ-я Международная конференция по мягким вычислениям и измерениям (SCM'2010, Санкт-Петербург, 23-26 июня 2010г.); 1-я Международная молодежная конференция по интеллектуальным технологиям и системам (UNI-INTEL'2010, Осташков-Селигер, 27-30 июня 20 Юг); Международный конгресс по интеллектуальным системам и информационным технологиям (AIS-IT'2010; Дивноморское, 3-10 сентября 2010г.); XII-я Национальная конференция* по« искусственному интеллекту с международным .участием (КИИ-2010, Тверь, 20-24 сентября 20 Юг).

Публикации. Основные результаты, полученные при выполнении диссертационной работы, опубликованы в 13 печатных работах из них 1 статья в журнале, рекомендуемом ВАК для публикации основных результатов диссертационных работ, и 2 коллективные монографии.

На защиту выносятся:

1. Комбинированная двухрежимная модель навигации автономного мобильного агента, включающая этап информационного (диалогового) управления.

2. Концепция гранулярной метаонтологии, формализованное представление онтологии на базе нечетких алгебраических систем, методика построения нечеткой онтологии.

3. Метод построения псевдофизических пространственных логик с использованием обобщенных ограничений.

4. Модель гранулярного управления когнитивным агентом на основе методов формализации и распространения ограничений.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы (214 наименований) и пяти приложений. Она содержит 162 страницы машинописного текста (без приложений и списка литературы). В работе имеется 64 рисунка и 13 таблиц.

Выводы по четвертой главе

1. В четвертой главе модели на основе грануляции информации реализованы в среде Matlab 7.0. Для этого были разработаны и реализованы модули функционального представления нестандартных множеств (недоопределенных, переопределенных, четких и нечетких мультимножеств).

2. В среде Matlab 7.0 разработан и реализован модуль распространения нечетких ограничений.

3. Проведенные в четвертой главе экспериментальные исследования показали, что процедуры грануляции информации с помощью обобщенных ограничений могут применяться в тех же системах управления в нечеткой среде, в которых обычно используются нечеткие продукционные правила и нечеткий^логический вывод;

В отличие от нечетких моделей, преобразующих вещественное число на входе модели: в вещественное число на выходе, гранулярные модели на основе обобщенных ограничений позволяют преобразовывать гранулярное значение, поданное на вход модели в гранулярное значение на выходе.

По сравнению с нечеткими; правилами обобщенные ограничения позволяют описывать различные НЕ-факторы: неполноту, неточность, случайность, нечеткость. Следовательно, язык обобщенных/ ограничений является более богатым по сравнению со средствами нечеткого логического вывода.

Проведенные эксперименты со специалистами в области диалога «человек-робот» показали, что он ведется в терминах типа: «двигаться со скоростью не более 10 км/ч», «цель находится близко и немного правее», «подъехать к станку не позже, чем завершится обработка детали» и т.п.

Таким образом, возможные значения многих параметров задачи и среды описываются с помощью ограничений, а не отношений. Поэтому целесообразна работа именно с ограничениями.

4. Формирование базы знаний, обеспечивающей реализацию целесообразного поведения когнитивного мобильного робота в условиях априорно неизвестной среды, как с помощью нечетких продукционных правил, так и с помощью правил распространения ограничений является довольно сложной задачей. Основные трудности связаны как с выявлением самих правил, регламентирующих действия робота в тех или иных ситуациях, так и с построением когнитивных фреймов, осуществляющих взаимосвязь параметров среды. Кроме того, введение логики предпочтений требует переоценки задействованных правил после завершения какого-либо действия роботом.

5. Предложена функциональная схема двухуровневой системы управления когнитивным мобильным роботом с использованием процедур грануляции и сингуляризации информации. Систематизированы и реализованы различные методы грануляции и сингуляризации информации для нестандартных множеств. Реализованы процедуры уточнения и огрубления информации в системе управления.

6. Проведенные вычислительные эксперименты показали, что методы грануляции информации с помощью обобщенных ограничений позволяют строить траекторию движения когнитивного мобильного робота в среде с препятствиями.

7. Показана целесообразность использования когнитивных транспортных роботов, функционирующих на основе грануляции информации и обобщенных ограничений, на крупных производственных предприятиях и автоматизированных складских терминалах.

ЗАКЛЮЧЕНИЕ

В диссертационной работе было проведено исследование процессов информационного взаимодействия искусственных когнитивных агентов с объектами внешней среды и человеком. Главным итогом диссертации стала разработка моделей грануляции информации когнитивными агентами с использованием аппарата лингвистических переменных, нетрадиционных, в частности, нечетких множеств, обобщенных ограничений и псевдофизических логик. Подход на основе гранулярных моделей и обобщенных ограничений позволяет адекватно отразить специфику информационных структур когнитивных агентов и процессов, связанных с поиском, получением, накоплением и обработкой информации. Данный подход следует использовать как базовый метод интеллектуального анализа информации, поступающей к когнитивному агенту из среды и от других агентов (включая человека), который позволяет сформировать мнения и оценки, необходимые для понимания ситуации. В частности, процедуры грануляции дают возможность преобразовывать лингвистическую информацию* на входе- модели в лингвистическую информацию на выходе, т.е. могут применяться в вычислениях со- словами. Широкие возможности обработки лингвистической* информации чрезвычайно важны для роботов нового поколения, взаимодействующих с пользователем на естественном языке.

В диссертационной работе получены,еле дующие основные результаты:

1. Развит единый агенто-ориентированный подход к моделированию и проектированию искусственных (технических) объектов. Выделены ключевые свойства когнитивных агентов, проведено исследование и моделирование информационных структур и процессов, связанных с функционированием физических когнитивных агентов (на примере мобильных роботов).

2. Показано, что важнейшей характеристикой когнитивного агента является способность гранулировать поступающую информацию о внешней среде и других агентах. Построена базовая схема грануляции информации когнитивным агентом. Проанализированы основные гранулярные структуры, дано формализованное описание методов и моделей грануляции информации, в частности, моделей, опирающихся на нестандартные множества и лингвистические переменные (когнитивные фреймы).

3. Разработана общая схема комбинированной навигации когнитивного агента, обеспечивающая его функционирование в двух разных режимах: 1) «грубая» навигация, связанная с перемещением агента к цели на основе гранулярной информации; 2) «точная» навигация, опирающаяся на текущие числовые данные о среде, получаемые от сенсорной системы. В основе режима «грубой» навигации лежит контур информационного (диалогового) управления «человек-искусственный агент».

4. Разработана система онтологий для когнитивного агента, в первую очередь, метаонтология грануляции информации и онтология пространства, в котором происходит взаимодействие когнитивного агента со средой. Введено формализованное представление онтологии на основе нечеткой алгебраической системы. Разработана методика построения нечетких онтологий. Предложены варианты количественного описания онтологий с использованием числовых характеристик четких и нечетких графов и деревьев.

5. Выделены и исследованы парадигматические и- специальные нечеткие пространственные отношения, положенные в основу организации информационного взаимодействия когнитивного мобильного робота с внешней средой. Исследованы четкие*и нечеткие мереотопологические отношения для областей пространства.

6. Предложены новые методы грануляции пространственной информации' на основе взаимодействия подходов псевдофизических логик, когнитивных фреймов и обобщенных ограничений.

7. Разработаны статические и динамические пространственные логики; логики оценок и предпочтений для функционирования когнитивного агента.

8. Построена и реализована обобщенная модель управления на основе процедур грануляции и сингуляризации информации. Систематизированы формальные методы граиуляции и сингуляризации информации.

9. Разработаны программные реализации моделей грануляции информации и распространения ограничений на МаЙаЬ 7.0 и среде РДО, в частности, модуль распространения обобщенных ограничений. Предложены иллюстративные примеры, демонстрирующие варианты использования когнитивных транспортных роботов на крупных производственных предприятиях и автоматизированных складских терминалах.

1. Аверкин А.Н., Батыршин И.З., Блишун А.Ф., Силов В.Б., Тарасов В.Б. Нечеткие множества в моделях управления и искусственного интеллекта. - М.: Наука, 1986.

2. Аверкин А.Н., Тарасов В.Б. Нечеткое отношение моделирования и его применение в психологии и искусственном интеллекте. М.: ВЦ АН СССР, 1986.

3. Алиев P.A., Алиев P.P. Теория интеллектуальных систем и ее применение. — Баку: Чашыоглы, 2001.

4. Батыршин И.З. Методы представления и обработки нечеткой информации в интеллектуальных системах// Новости искусственного интеллекта—1996— №2 С.9-65.

5. Батыршин И.З. Основные операции нечеткой логики и их обобщения. — Казань: Отечество, 2001.

6. Берштейн Л.С., Боженюк A.B. Нечеткие графы и гиперграфы. М.: Научный мир, 2005.

7. Берштейн Л.С., Мелехин В.Б. Планирование поведения интеллектуального робота. — М.: Энергоатомиздат, 1994.

8. Борисов А.Н., Алексеев, A.B., Крумберг O.A. и др. Модели принятия решений на основе лингвистической переменной. — Рига: Зинатне, 1982.

9. Борисов А.Н., Алексеев A.B., Меркурьева Г.В. и др. Обработка нечеткой информации в системах принятия решений. — М.: Радио и связь, 1989.

10. Борисов В.В., Круглов В.В., Федулов A.C. Нечеткие модели и сети. М.: Горячая линия-Телеком, 2007.

11. Бурбаки Н. Общая топология. Основньге структуры. М.: Наука, 1968.

12. Вагин В.Н., Куликов A.B., Фомина М.В. Методы теории приближенных множеств в решении задачи обобщения понятий// Известия РАН: Теория и системы управления. 2004. - №6. - С.52-66.

13. Вагин В.Н., Головина Е.Ю., Загорянская A.A., Фомина М.В. Достоверный и правдоподобный вывод в интеллектуальных системах. 2-е изд. М.: Физматлит, 2008.

14. Валькман Ю.Р. Моделирование НЕ-факторов: основа интеллектуализации компьютерных технологий//Новости искусственного интеллекта — 2004. — №2. -С.64-81.

15. Варосян С.О., Поспелов Д.А. Неметрическая' пространственная логика// Известия АН СССР: Техническая Кибернетика. 1982. - №5. - С.86-99.

16. Виноградов А.Н., Жилякова Л.Ю., Осипов Г.С. Динамические интеллектуальные системы. И. Моделирование целенаправленного поведения// Известия РАН: Теория и системы управления. 2003. - №1. - С.87-94.

17. Виньков М.М., Фоминых И.Б. Темпоральные немонотонные логические системы: взаимосвязи и вычислительная сложность// Искусственный интеллект и принятие решений. 2008. - №4. - С. 19-25.

18. Вригт фон Г.Х. Логико-философские исследования. Избранные труды: Пер. с англ. М.: Прогресс, 1986.

19. Вятченин Д.А. Нечеткие методы автоматической классификации. Мн: УП Технопринт, 2004.

20. Гаазе-Рапопорт М.Г., Поспелов Д.А. От амебы до робота: модели поведения. 2-е изд.-М.: Едиториал УРСС, 2004.

21. Гаврилова Т.А. Об одном подходе к онтологическому инжинирингу// Новости искусственного интеллекта. 2005. - №3. - С.25-31.

22. Гаврилова Т.А., Горовой. В.А., Болотников Е.С. Оценка когнитивной эргономичности онтологии на основе анализа графа// Искусственный интеллект и принятие решений. — 2009: -№3. С.33-41.

23. Гаврилова Т.А., Гулякина Н.В. Визуальные методы работы со знаниями: попытка обзораЛ Искусственный интеллект и принятие решений. 2008. - №1.- С.15-21.

24. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем.- СПб: Питер, 2000.

25. Гергей Т. Когнитивные системы потребность информационного общества и вызов компьютерным наукам// Труды IX-й национальной конференции по искусственному интеллекту (КИИ12004, Тверь, 28 сентября-2 октября 2004 г.). - М.: Физматлит, 2004. - Т. 1. - С.3-10.

26. Горнев В.Ф. Проблемы, и технологии комплексной автоматизации// Автоматизация проектирования. -1998. №4. - С.41-44; 1999. - №1. - С.28-35.

27. Горнев В.Ф. К машиностроительным производствам XXI-го века// Вестник МГТУ им. Н.Э.Баумана: Серия «Машиностроение». 1999. - №4. - С.53-62.

28. Городецкий В.И., Грушинский М.С., Хабалов A.BI Многоагентные системы (обзор)// Новости искусственного интеллекта. -1998. №2. - С.64-116.

29. Городецкий В.И., Карсаев О.В., Самойлов- В.В., Серебряков С.В. Прикладные многоагентные системы группового управления// Искусственный интеллект и принятие решений. 2009. - № 2. - С.3-24.

30. Добров Б.В., Лукашевич Н.В., Невзорова O.A., Федунов Б.Е. Методы и средства автоматизированного проектирования прикладной онтологии// Теория и системы управления. 2004. - №2. - С.58-68.

31. Добрынин Д.А. Интеллектуальные роботы вчера, сегодня, завтра // Труды 10-й национальной конференции по искусственному интеллекту (КИИ-2006, Обнинск, 25 28 сентября 2006 г.). - М.: Физматлит, 2006. - Т.1. - С.20-32.

32. Дракин В.И., Попов Э.В., Преображенский А.Б. Общение конечных пользователей с системами обработки данных. -М.: Радио и связь, 1988.

33. Дюбуа Д., Прад А. Теория возможностей. Приложения к представлению знаний в информатике: Пер. с франц. -М.: Радио и связь, 1990.

34. Евгенев Г.Б. Системология инженерных знаний. М.: МГТУ им. Н.Э.Баумана, 2001.

35. Емельянов В.В. Многоагентная модель децентрализованного управления производственными системами// Информационные технологии и вычислительные системы. — 1998. — №1. С.69-77.

36. Емельянов В В., Курейчик 13.М., Курейчик В.В; Теория и практика эволюционного моделирования. — М.: Физматлит, 2003.

37. Еремеев А.П:, Троицкий В.В. Концепции и модели представления времени и их применение: в интеллектуальных системах// Новости искусственного интеллекта. 2004. - №1. - С.6-29.

38. Заболеева-Зотова A.B., Камаев; В.А. Лингвистическое обеспечение автоматизированных систем. М.: Высшая школа, 2008.49; Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений: Пер. с англ.-Mi: Мир, 1976.

39. Заде Л. Роль мягких вычислений и нечеткой логики в понимании, конструировании и развитии информационных/ интеллектуальных систем// Новости искусственного интеллекта. 2001. - №2-3; - С.7-11.

40. Ивин A.A. Основы теории аргументации.-М;: ВЛАДОС, 1997.

41. Ивин A.A., Никифоров А.Л; Словарь по логике. М:: ВЛАДОС, 1997.

42. Интегральные роботы: Пер. с англ. -М.: Мир, 1973.

43. Интеллектуальные роботы /Под ред. Е.И.Юревича и др. М.: Машиностроение, 2006.

44. Искусственный интеллект и управление сложными динамическими системами//Под ред.И.М.Макарова и В.М.Лохина М.: Машиностроение, 2000.

45. Искусственный интеллект: применение в интегрированных производственных системах/ Под ред. Э.Кьюсиака. -М.: Машиностроение, 1991- С.238-267.

46. Калуцкая А.П. Построение пространственных логик для робота// Информационные системы т технологии; Материалы V-й Международной конференции-форума,(Минск, Беларусь,. 16-17 ноября 2009 г.). Минск: HTA «Инфопарк», 2009. - Часть 2. - С. 135-138.

47. Калуцкая А.П., Тарасов В.Б. Гранулярная онтология пространства для когнитивных мобильных роботов// Труды ХП-й национальной конференции по искусственному интеллекту КИИ-2010 (Тверь, 20-24 сентября 2010 г.). М.: Физматлит, 2010. -T.3.-C.430-441.

48. Калуцкая' А.П., Тарасов В.Б. Моделирование взаимодействия робота с внешней средой на основе пространственных логик и распространения ограничений // Программные продукты и системы. 2010. - №2". - С. 111-115.

49. Каляев И.А., Гайдук А.Р., Капустян С.Г. Модели и алгоритмы коллективного управления в группах роботов. М.: Физматлит, 2009.

50. Кандрашина Е.Ю., Литвинцева JI.B., Поспелов Д.А. Представление знаний о пространстве и времени в системах искусственного интеллекта. М.: Наука, 1988.

51. Карпов В.Э., Вальцев В.Б. Динамическое планирование поведения робота на основе сети «интеллектуальных» нейронов// Искусственный интеллект и принятие решений. 2009. - № 2. — С.3-24.

52. Клещев А. С., Артемьева И. JI. Математические модели онтологий предметных областей. Часть 1. Существующие подходы к определению понятия «онтология»// Научно-техническая информация: Серия 2 Информационные процессы и системы. 2001. - № 2. - С.20-27.

53. Клещев A.C., Шалфеева Е.А. Каталог свойств онтологий: принципы организации каталога. Препринт. ВладивостокЖ ИАПУ ДВО РАН, 2007.

54. Ковалев С.М. Структурно-параметрическая идентификация нечетких систем с использованием обобщенного критерия адекватности// Известия ТРТУ. 2005. - №3. - С. 10-17.

55. Ковалев С.М., Родзин С.И. Информационные технологии: интеллектуализация обучения, моделирование эволюции, распознавание речи. -Ростов-на-Дону: Изд-во СКНЦВШ, 2002.

56. Колмогоров А.Н. Три подхода к определению понятия «количество информации»// Проблемы передачи информации. 1965*. — №1.

57. Котенко И.В., Станкевич Л.А. Командная работа агентов в реальном времени// Новости искусственного интеллекта. 2003. — №3. — С.25-31.

58. Кохов В.А., Незнанов A.A., Ткаченко С.В. Компьютерные методы анализа сходства графов// Труды IX-й Национальной конференции по искусственному интеллекту (КИИ-2004, Тверь, 28 сентября-2 октября 2004 г.). М.: Физматлит, 2004. — Т.З. — СЛ 62-171.

59. Куафе Ф. Взаимодействие робота с внешней средой: Пер. с франц. М.: Мир, 1985.

60. Кузнецов О.П. Когнитивное моделирование слабоструктурированных ситуаций Политехнические чтения. Вып.7. Искусственный интеллект -проблемы и перспективы. М.: ПМ - РАИИ, 2006. - С.86-100.

61. Кутепов В.П., Фальк В.Н. Направленные отношения: теория и приложения// Известия РАН: Техническая кибернетика. 1994. - №4. - С.242-256; №5.-С.114-123.

62. Леоненков A.B. Нечеткое моделирование в среде MATLAB и Fuzzy TECH. СПб.: БХВ-Петербург, 2005.

63. Литвинцева Л.В., Поспелов Д.А. Время в роботах и диалоговых системах // Вопросы кибернетики. Проблемы искусственного интеллекта. 1980. - №5 -С.81-70.

64. Ломов Б.Ф. Методологические и теоретические проблемы психологии (2-е изд). — М.: Наука, 1999.

65. Магазов С.С. Когнитивные процессы и модели. М.: УРСС, 2007.

66. Мальцев А.И. Алгебраические системы. М.: Наука, 1970.

67. Мартыненко Ю.Г. Проблемы управления и динамики мобильных роботов// Новости искусственного интеллекта. 2002. - №4. — С. 18-23.

68. Мизогучи Р. Шаг в направлении инженерии онтологий// Новости искусственного интеллекта. 2000. - №1-2. - С. 11-36.

69. Накано Э. Введение в робототехнику: Пер. с япон. М.: Мир, 1988.

70. Нариньяни A.C. НЕ-факторы и инженерия знаний: от наивной формализации к естественной прагматике// Труды IV-й Национальной конференции по ИИ (КИИ-94, Рыбинск, сентябрь 1994 г.). Т. 1.-Тверь: АИИ, 1994.-С.9-18.

71. Нариньяни A.C. НЕ-факторы: неточность и недоопределенность различие и взаимосвязь// Известия РАН: Теория и системы управления. - 2000. - №5.-С.44-56.

72. Нечеткие гибридные системы. Теория и практика/ Под ред. Н.Г.Ярушкиной. М.: Физматлит, 2007.

73. Новак В., Перфильева И.Г., Мечкарж И. Математические принципы нечеткой логики: Пер. с англ. М.: Физматлит, 2006.

74. Нонака И., Такеучи X. Компания создатель знания. Зарождение и развитие инноваций в японских фирмах: Пер с англ. - М.: ЗАО «Олимп Бизнес», 2003.

75. Ope О. Теория графов: Пер с англ. 2-е изд. М.: Наука, 1980

76. Осипов Г.С. Лекции по искусственному интеллекту. М.: КРАСАНД, 2009.

77. Основы автоматизации производственных процессов/ Под ред. Ю.М. Соломенцева. -М.: Машиностроение, 1995.

78. Охоцимский Д.Е., Павловский В.Е., Плахов А.Г., Туганов А.Н., Павловский В.В. Моделирование игры роботов-футболистов в пакете «Виртуальный футбол»// Мехатроника. 2002. — №1. — С.2-5.

79. Павловский В.Е. Задачи динамики и управления мобильными роботами// Искусственный интеллект проблемы и перспективы. Политехнические чтения. Вып.7. -М.: Политехнический музей -РАИИ, 2006. — С. 155-174.

80. Павляк 3. Приближенные множества основные понятия// Логические исследования. Вып.1. - М.: Наука, 1993. - С.6-19.

81. Петровский А.Б. Пространства множеств и мультимножеств. М.: Едиториал УРСС, 2003.л 103. Платонов А.К. Проблемы и перспективы робототехники// Робототехника,прогноз, программирование. -М.: Изд-во ЛКИ, 2008. С.9-36.

82. Плесневич Г.С. Анализ простых онтологий// Интеллектуальные системы. Коллективная монография/ Под ред. В.М. Курейчика. М.: Физматлит, 2010. -С.206-221.

83. Плесневич Г.С., Авдошин С.М., Тарасов В.Б. Концептуальная спецификация многоагентных систем (часть 1)// Информационные технологии. -2002. -№12.- С.25-35.

84. Плесневич Г.С., Тюхов Б.П., Савенков С.С. Логика нечетких интервалов// * Интегрированные модели и мягкие вычисления в искусственном интеллекте.

85. Сборник трудов Ш-го Международного научно-практического семинара (Коломна, 15-17 мая 2005 г.). -М.: Физматлит, 2005. С.94-100.

86. Попов Е.П. Робототехника и гибкие производственные системы. М.: Наука, 1987.

87. Попов Е.П., Ющенко Á.C. Роботы и человек. М.: Наука, 1984.

88. Попов Э.В. Общение с ЭВМ на естественном языке. 2-е изд. М.: Едиториал УРСС, 2004.

89. Ш.Попов Э.В., Фирдман Г.Р. Алгоритмические основы интеллектуальных роботов и искусственного интеллекта. — М.: Наука, 1976.

90. Поспелов Д.А Структура и функционирование системы моделирования интеллектуального робота// Методы и модели для управления роботами и манипуляторами. М.: Наука, 1979. - С. 3-11.

91. Поспелов Д.А. Логико-лингвистические модели в системах управления -М.: Энергоатомиздат, 1981.

92. Поспелов Д.А. Ситуационное управление: теория и практика. М*.: Наука, 1986.

93. Поспелов Д.А. Интеллектуальные интерфейсы для ЭВМ новых поколений// Электронная вычислительная техника. Сборник статей. Вып.З. -М.: Радио и связь, 1989. С.4-20.

94. Поспелов Д.А. От коллектива автоматов к мультиагентным системам// Труды Международного семинара «Распределенный искусственный интеллект и многоагентные системы» (DAIMAS'97, Санкт-Петербург, Россия, 15-18 июня 1997):-С.319-325.

95. Поспелов Д.А. Многоагентные системы-настоящее и будущее// Информационные технологии и вычислительные системы—1998.-№1- С. 14-21.

96. Поспелов Д. А., Осипов Г.С. Прикладная семиотика// Новости искусственного интеллекта. 1999. — №1. - С.9-35.

97. Поспелов Д.А., Шустер В.А. Нормативное поведение в мире людей и машин.-Кишинев: Штиинца, 1990.

98. Представление знаний в человеко-машинных и робототехнических системах. Том D. Фундаментальные и прикладные исследования в области робототехнических систем. М.: ВЦ АН СССР - ВИНИТИ, 1984.

99. Пузанков Д.В., Мирошников В.И., Пантелеев М.Г., Сергеев A.B. Интеллектуальные агенты, многоагентные системы и семантический веб: концепции, технологии, приложения. СПб.: Изд-во Технолит, 2008.

100. Рассел С., Норвиг П. Искусственный интеллект: современный подход: Пер с англ. — М.: Вильяме, 2006.

101. Рыбина Г.В. Приобретение знаний, содержащих НЕ-факторы//Новости искусственного интеллекта. — 2004. №2. — С.82-94.

102. Рыбина Г.В. Основы построения интеллектуальных систем. М.: Финансы и статистика, 2010.

103. Рыбина Г.В., Паронджанов С.С. Моделирование процессов взаимодействия интеллектуальных агентов в многоагентных системах// Искусственный интеллект и принятие решений. 2008. - № 3. - С.3-15.

104. Саврасов Г.В., Нарайкин О.С., Гаврюшин С.С., Ющенко A.C., Войнов В.В., Поспелов В.И., Потапцев И.С., Пивоваров В.Н. Внутрисосудистый микроробот // Биомедицинские технологии и радиоэлектроника. 2006. - №11.

105. Скобелев П.О. Виртуальные миры и интеллектуальные агенты для моделирования деятельности компаний// Сборник научных трудов VI-й Национальной* конференции по искусственному интеллекту (Пущино, 5-11 октября 1998). Пущино: РАИИ, 1998. - Т.2. - С.714-719.

106. Смирнов A.B., Пашкин М.П., Шилов Н.Г., Левашова Т.В. Онтологии в системах искусственного интеллекта: способы построения и организации (часть 1)//Новости искусственного интеллекта. 2002. - №1. — С.3-13.

107. Смирнов A.B., Шереметов Л.Б. Многоагентная технология проектирования сложных систем. 4.1// Автоматизация проектирования.-1998.-№3. 4.2 // Автоматизация проектирования-1999 -№1.-С.42-46.

108. Смирнов В.А. Логические методы анализа научного знания. М.: Эдиториал УРСС, 2002.

109. Смирнов C.B. Онтологии в прикладных интеллектуальных системах: прагматический подход // Труды IX-й Национальной конференции поискусственному интеллекту КИИ-2004 (Тверь, 28 сентября-2 октября 2004 г.). -М.: Физматлит, 2004. Т.З. - С. 1059-1067.

110. Соколицын С.А., Дуболазов В;А., Домченко Ю.Н. Многоуровневая система', оперативного управления ГПО в машиностроении. СПб.: Политехника, 1991.

111. Соломенцев Ю.М., Сосонкин В.Л. Управление гибкими производственными системами. -М:: Машиностроение, 1988.

112. Станкевич JI.A. Когнитивный подход к управлению гуманоидными роботами// От моделей поведения к искусственному интеллекту/ Под ред.

113. B.Г.Редько: — М.: КомКнига, 2006. С.386-443.

114. Станкевич Л. А. Искусственные когнитивные: системы// XII-я Всероссийская научно-техническая конференция «Нейроинформатика-2010»: Лекция по нейроинформатике. М:: НИЯУ МИФИ, 2010. - С. 106-160.

115. Стефагпок В.Л. От многоагентных систем к коллективному поведению// Труды Международного; семинара «Распределенный искусственный интеллект и многоагентные системы» (DAIMAS'97, Санкт-Петербург, 15-18 июня 1997).1. C.327-338.

116. Стефашок В.Л. Локальная организация» интеллектуальных; систем. М.: Физматлит, 2004.

117. Тарасов В.Б. Новые стратегии реорганизации: и автоматизации предприятий: на пути к интеллектуальным? предприятиям// Новости искусственного интеллекта. 1996; - №4. -С.40-84.

118. Тарасов В.Б. Агенты, , многоагентные: системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте// Новости искусственного интеллекта. 1998. - №2. - С.5-63.

119. Тарасов В.Б; Концепция МетаКИП: от компьютерно интегрированного производства к Internet/ Intranet-сетям предприятий // Программные продукты и системы: 1998. - №3. - С. 19-22.

120. Тарасов В.Б. Нетрадиционные и гибридные логики в моделировании интеллектуальных агентов. I. Искусственные деятели, интенциональные характеристики и пути их моделирования// Известия РАН: Теория и системы управления. 2000. - №5. - С.5-17.

121. Тарасов-ВЖ. От многоагентных систем к интеллектуальным организациям. -М.: Эдиториал УРСС, 2002.

122. Тарасов В.Б. НЕ-факторы: от семиотического анализа к методам формализации // Новости искусственного интеллекта. — 2004. №2. - С.95-114.

123. Тарасов В.Б. Логико-лингвистические модели: прошлое, настоящее и будущее // Искусственный интеллект проблемы и перспективы. Политехнические чтения. Вып.7. - М.: Политехнический музей - РАИИ, 2006. - С.48-68.

124. Тарасов В.Б., Константинов A.B. Методология инжиниринга стратегических решений при организационном^ проектировании сетевых предприятий// Программные продукты и системы. 2002. - №4. - С.2-7.

125. Тимофеев A.B. Роботы и искусственный интеллект. М.: Наука, 1978.

126. Тимофеев A.B. Адаптивные робототехнические комплексы. — Л.: Машиностроение, 1988.

127. Тимофеев A.B. Многоагентное и интеллектуальное управление сложными робототехническими системами // Теоретические основы и прикладные задачи интеллектуальных информационных технологий. — СПб: СПИИРАН, 1998. -С.71-81.

128. Трахтенгерц Э.А. Компьютерная поддержка принятия решения. М.: СИНТЕГ, 1998.

129. Ульянов C.B. Нечеткие модели интеллектуальных систем управления: Теоретические и прикладные аспекты // Известия АН СССР: Техническая кибернетика. 1991. - № 3 . - С.3-29.

130. Ульянов C.B., Литвинцева Л.В. Псевдофизические логики для интеллектуальных систем принятия решений: пространственно-временные модели// Проблемы обработки информации в робототехнических системах. — М.: ИФТП, 1993. С.92-118.

131. Управление ГПС. Модели и алгоритмы. Под ред. С.В.Емельянова. М.: Машиностроение,! 987.

132. Финн В.К. К структурной когнитологии: феноменология сознания с точки зрения искусственного интеллекта// Вопросы философии. — 2009: №1.

133. Фоминых И.Б. Эмоции как аппарат оценок, поведения^ интеллектуальных систем// Труды Хтй Национальной конференции по искусственному интеллекту (КИИ-2006, Обнинск, 25-28 сентября 2006г.). М.: Физматлит, 2006. - Т.2. -С.687-694. .

134. Харари«Ф: Теория;графов: Пер. с англ. -М.: Мир, 1973:

135. Хорошевский; В.Ф. Поведение интеллектуальных агентов: модели и методы реализации// Труды 4-го Международного, семинара по прикладной семиотике, семиотическому и интеллектуальному управлению (ASC/IC'99).-Переславль-Залесский: РАИИ; 1999. С.5-20.

136. Хьюитт К. Открытые системы// Реальность и прогнозы искусственного, интеллекта. -М.: Мир, 1987. -С.85-102.

137. Шостак А.П. Два десятилетия нечеткой топологии: основные идеи, понятия и результаты// Успехи математических наук. 1989. - Т.44, вып.6. -С.99-147.

138. Шрейдер Ю.А., Шаров A.A. Системы и модели. -М.: Радио и связь, 1982.

139. Ющенко A.C. Дистанционное управление роботами с использованием нечетких представлений// Искусственный интеллект (Украина). 2002 — №4. -С.З 88-396.

140. Ярушкина Н.Г. Основы теории нечетких и гибридных систем. М.: Финансы и статистика, 2004.

141. Agent-Oriented Methodologies/ Ed.by В.Henderson-Sellers and P.Giorgini. -Idea Group Publishing, 2005.

142. Arenas F.G. Alexandroff Spaces // Acta Math. Univ. Comenianae — 1999. Vol. LXVIII, № 1. - P. 17-25

143. Bargiela A., Pedrycz W. Granular Computing: an Introduction. Dordrecht: Kluwer Academic Publishers, 2003.

144. Bloch I. Fuzzy Representations of Spatial Relations for Spatial Reasoning// Handbook of Granular Computing/ Ed. by W.Pedrycz, A,Skowron, V.Kreinovich. -New York: Wiley InterScience, 2008. P,629-655.

145. Brooks R. A Robust Layered Control System for a Mobile Robot// IEEE Journal of Robotics and Automation. 1986. - Vol.2, №1. - P.14-23.

146. Brooks R. Intelligence Without Representation // Artificial Intelligence. 1991. -Vol.47.-P.139-159.

147. Casati R., Varzi A. Parts and Places: the Structures of Spatial Representation. -Cambridge MA: MIT Press, 1999.

148. Davidow W., Malone M. The Virtual Corporation: Structuring and Revitalizing the Corporation for the 21st Century. New York: Harper Collins, 1992.

149. Delgrande J.P., Mylopoulos J. Knowledge Representation: Features of Knowledge// Fundamentals of Artificial Intelligence/ Ed.by W. Bibel and Ph. Jorrand: Berlin: Springer-Verlag, Berlin, 1986.-P.3-36.

150. Genesereth M.R., Ketchpel S.P. Software Agents// Communications of the ACM. -1994. Vol.37, №7. - P.48-53.183". Genesereth M., Nilsson N. Logical Foundations of Artificial Intelligence. San Mateo: Morgan Kaufmann, 1987.

151. Gruber T. R. A Translation Approach to Portable Ontologies// Knowledge Acquisition. 1993. - Vol.5, №2. - P. 199-220.

152. Guarino N., Giaretta P. Ontologies and Knowledge Bases. Towards a Terminological Clarification//Towards Very Large Knowledge Bases/ Ed. by NJ.I. Mars.-Amsterdam: IOS Press, 1995.

153. Haddadi A. Communication-and Cooperation m Agent Systems: A Pragmatic Theory-Berlin: Springer Verlag, 1996.

154. Handbook of Granular Computing/ Ed: by. W.Pedrycz, A,Skowron, V.Kreinovich. New York: Wiley InterScience, 2008.

155. Handbook of Spatial Logics/ Ed. by M. Aiello, I. Pratt-Hartmann, J. van Benthem. Berlin: Springer Verlag, 2007.

156. Hewitt C. Viewing Control Structures as Patterns of Message Passing // Artificial Intelligence. 1977. - Vol.8, №3. -P.323-364.

157. King J.A. Intelligent Agents: Bringing Good Things to Life// AI Expert. 1995. -February.-P. 17-19.

158. Kuipers B. The Spatial Semantic Hierarchy// Artificial Intelligence. 2000. -Vol.119.-P.191-233.

159. Logics in Artificial Intelligence. Lecture Notes in Computer Science. Vol.1489/ Ed. by J.Dix, F.L.Del Cerro and U. Furbach. Berlin: Springer Verlag, 1998.

160. Meyer J.A., Wilson S. (Ed.). Simulation of Adaptive Behavior: from Animals to Animats. Cambridge MA: MIT Press, 1991.

161. Nwana H. Software Agents: an Overview// The Knowledge Engineering Review.-1996.-Vol.l 1, №3.-P.205-244.

162. Pedrycz W., Gomide F. Fuzzy Systems Engineering: Toward Human-Centric Computing.- Hoboken: Wiley-Interscience, 2007.

163. Shoham Y. Agent Oriented Programming// Artificial Intelligence. 1993. -Vol.60, №l.-P.51-92.

164. Smith B. Mereotopology: A Theory of Parts and Boundaries// Data and Knowledge Engineering. -1996. Vol.20. - P.287-303

165. Subrahmanian V.S., Bonatti P., Dix J. et al. Heterogeneous Agent Systéms. -Cambridge MA: The MIT Press, 2000.

166. Turner E. Logics for Artificial Intelligence. Chichester: Ellis Norwood, 1984.

167. Yager R.R. On Measures of Specificity// Computational Intelligence: Soft Computing and Fuzzy-Neuro Integratiom with Applications/ Ed. by O.Kaynak, L.A.Zadeh, B.Turksen and I.J.Rudas. Berlin: Springer-Verlag, 1998.

168. Yao Y.Y Granular Computing Using Neighborhood Systems// Advances in Soft Computing, Engineering Design and Manufacturing/ Ed. by S.K.Pal et al. London: Springer, 1999. - P.539-553.

169. Zadeh L.A. Fuzzy Sets// Information and Control. 1965. - Vol.8. - P.338-353.

170. Zadeh L.A. Calculus of Fuzzy Restrictions// Fuzzy Sets and Their Applications to Cognitive and Decision Processes/ Ed. by L.A.Zadeh, R.S.Fu and M.Shimura. -New York: Academic Press, 1975. P. 1-39.

171. Zadeh L.A. Fuzzy Sets and Information Granularity// Advances in Fuzzy Sets Theory and Applications. Ed. by M.M.Gupta, R.K.Ragade, R.R.Yager.- Amsterdam: North-Holland Publishing Company, 1979. P.3-20.

172. Zadeh L.A. Fuzzy Logic = Computing With Words// IEEE Transactions on Fuzzy Systems. 1996. - Vol. 4. - P. 103-111.

173. Zadeh L.A. Toward a Theory of Fuzzy Information Granulation and its Centrality in Human Reasoning and Fuzzy Logic// Fuzzy Sets and Systems. 1997. -Vol.90i — P.111-127.

174. Zadeh L.A. From Computing with Numbers to Computing with Words from Manipulation of Measurements to Manipulation of Perceptions// IEEE Trans, on Circuits and Systems - 1: Fundamental Theory and Applications. - 1999 .-Vol.45, №1. -P.105-119.

175. Zadeh L.A. Toward a Generalized Theory of Uncertainty (GTU): an Outline// Information Sciences Informatics and Computer Science. - 2005. - Vol.172, №1-2. -P. 1-40.