автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.18, диссертация на тему:Нетрадиционные методы принятия решений в прикладных задачах научно-технических областей

На правах рукописи

Тарасова Елена Геннадьевна

НЕТРАДИЦИОННЫЕ МЕТОДЫ ПРИНЯТИЯ РЕШЕНИЙ В ПРИКЛАДНЫХ ЗАДАЧАХ НАУЧНО-ТЕХНИЧЕСКИХ ОБЛАСТЕЙ

05.13.18 - математическое моделирование, численные методы и комплексы программ

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Ульяновск - 2006

Работа выполнена на кафедре теоретической информатики и компьютерной безопасности факультета информационных и телекоммуникационных технологий государственного образовательного учреждения высшего профессионального образования Ульяновский государственный университет

Защита диссертации состоится «2_2л> февраля 2006 г. в часов на заседании диссертационного совета Д 212.278.02 при Ульяновском государственном университете по адресу: Университетская Набережная, 1, ауд. 703. С диссертацией можно ознакомиться в библиотеке Ульяновского государственного университета

Автореферат разослан « » 9 2006 г.

Просим принять участие в работе совета или прислать отзыв на автореферат в одном экземпляре, заверенном печатью организации по адресу:

432970, г. Ульяновск, ул. Л. Толстого, д. 42, УлГУ, Управление научных исследований

Научный руководитель: доктор физико-математических наук,

профессор Мельников Б. Ф.

Официальные оппоненты: доктор технических наук, профессор Кумунжиев К. В. кандидат физико-математических наук, доцент Верник А.Н.

Ведущая организация: Ульяновский государственный политехнический университет

Ученый секретарь диссертационного совета

Веревкин А. Б.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. В работе рассматриваются вопросы применения специальных методов принятия решений в научно-технических областях. Эти методы ранее применялись в дискретных оптимизационных задачах. Рассматриваемые методы могут быть объединены в одну группу, поскольку они построены на основе функций риска.

Применение эвристических методов в построении систем принятия решений для развивающихся областей науки и техники - важная и трудоемкая задача. Такие системы, в частности, позволяют оценивать, анализировать, диагностировать конкретные случаи, конкретные ситуации - в зависимости от специфики рассматриваемой предметной области. Поэтому интерес к ним не угасает.

Наибольший эффект от применения систем принятия решений может достигаться при решении задач, обладающих следующими свойствами:

• неполнотой, нечеткостью, вероятностным характером исходных знаний о предметной области;

• большой размерностью пространства возможных решений, что делает практически невозможным поиск решения посредствам полного перебора всех имеющихся вариантов;

• динамическим изменением исходных данных в процессе решения задачи.1

Во всех поставленных в работе задачах из разных научно-технических сфер присутствуют перечисленные аспекты. Для построения и реализации системы принятия решений для каждой из таких задач необходимо разработать подход, важнейшей составляющей которого являются правила для обработки ситуаций - их описание и реализация. Разработка таких правил в настоящей диссертационной работе заключается в исследовании и применении специальных эвристических методов принятия решений - прежде всего методов, построенных на основе функций риска.

Изначально данные методы применялись как одна из эвристик при решении различных задач дискретной оптимизации. При этом, прежде всего, рассматривалась задача выбора конкретного варианта ветвления в незавершенном методе ветвей и границ для построения так называемых апуйте-алгоритмов2: например, требовалось принять решение о выборе конкретного элемента матрицы стоимостей в задаче коммивояжера, или конкретного блока в задаче минимизации недетерминированных конечных автоматов. Имеется информация, данная разными программами-экспертами - т.е. разными эвристиками, т.н. «предикторами». При этом очень часто эксперты дают противоречивую информацию - и надо её каким-то образом «усреднять». В отличие от всех ранее опубликованных алгоритмов в нескольких проектах, выполненных ранее научным руководителем данной

Попов Э В, Фоминых И Б, Кисель Е Б, Шалот М Д Статические и динамические экспертные системы - М Финансы и статистика, 1996 - 320с

2 Melnikov В Discrete optimization problems - some new heuristic approaches K<h Inipmatinnal Pr.nfrrrnr,. ™ jjigh Performance Computing and Grid in Asia Pacific Region. - 2005,- P 73-80

РОС НАЦИОНАЛЬНА)! БИБЛИОТЕКА

диссертации и его аспирантами, для этого использовались динамически генерируемые функции риска. Например, эти функции применялись в задаче коммивояжера к результатам метода голосования.3 Метод нашел свое применение и в области биржевых операций (в частности, на бирже «Форекс»)5 6

Все эти задачи являются задачами дискретной оптимизации Но, кроме перечисленных задач, существует множество научно-практических областей, в которых есть необходимость получения новых эффективных алгоритмов, учитывающих априорную информацию. В них метод функций риска, в совокупности с другими локальными методиками, характерными для анализа предметной области, также является весьма эффективным.

Актуальность разработки и использования новых эффективных алгоритмов анализа и оценки ситуаций отражена в проблематике областей. Область анализа трафика.

Рост числа приложений, передающих данные в реальном времени, обусловлен возросшим интересом людей услугами передачи аудио- и видео- информации средствами Интернета Такая тенденция влечет рост трафика передачи подобной информации Передача видеоданных связана с рядом возможных технических сложностей в рассматриваемой сети, решению которых и посвящена часть данной работы Исследование относится к определенной структуре сети, на основании данных которой ставится эксперимент и осуществляется анализ.

Для каналов с ограниченной полосой пропускания данных организация передачи голоса и видео в хорошем качестве весьма проблематична, с учетом того, что все сервисы сети должны полноценно работать. Также могут возникнуть сложности, связанные с различными видами атак (такими как «флуд» и сканирование сети7), которые могут привести к выходу из строя сервисов (deny of service). Смысл исследовательской работы в данном случае заключается в своевременном обнаружении таких ситуаций. В крупной рассредоточенной по городу структуре (такой как Ульяновский государственный университет), состоящей из нескольких корпусов, опорная сеть собрана на двух площадках - корпус УлГУ на ул. Пушкинская 4а, а также ГТС ул. Льва Толстого 95 На площадке ГТС установлено оборудование CISCO 3725 с модулями WIC-2T и NM-16AS; CISCO Catalyst WS-2950Т8 CISCO 37259 является корневым маршрутизатором который обслуживает внешние каналы связи, канал до корпуса УлГУ на ул.Пушкинская 4а, пиринговый канал с точкой обмена трафиком провайдеров Ульяновской области «SimX», а

3 Б Мельников Эвристики в програ ммировании недетерминированных игр - «Программирование» (Известия РАН), 2001, №5, с 63-80

' Мельников Б , Романов H Еще раз об -эвристиках для задачи коммивояжера // В ки ■ Теоретические проблемы информатики и ее приложений, вып 4 - 2001 - Саратов, вдд-во СГУ -С 81-92

5 Мельников Б , Мосссв А Функции риска в краткосрочном прогнозе // В кн Труда 4 тучной конференции «Математическое моделирование)», секция математики -2001 - Ульяновск, изд-во УлГУ -С 12-13

6 Мельников Б , Пушкин А Вариант системы поддержки принятия торговых решений на рынке FORF.X // В кн Сборник материалов 2 международной научно-практической конференции «Развивающиеся интеллектуальные системы» - 2001 -Новочеркасск, изл-во ЮРГТУ -С 27-29

' Лукаший А В Обнаружение атак - Спб Т)ХВ-Петербург,2001 - 624с

Зима В М , Молдовял А А и др Безопасность глобальных сетевых технологий - Спб BHV-Санкт-Петербург, 2002 - 368с

Одом 1JI, Поттига еч X Коммутаторы Cisco Справочное пособие -М Издательство «Куцид-образ», 2003 - 528с 'РуденкоИ Маршрутизаторы Cisco для ip сетей Учсбно-справочное издание -M Издательство «Куцид-образ», 2003 -656с Димарцио Л Маршрутизаторы Cisco - М Издательство «Символ», 2003 - 512с

также другие клиентские подключения, которые осуществляются по портам RS-232 (NM-16AS) или Ethernet (WS-2950T) На площадке УлГУ (ул. Пушкинская, 4а) установлено следующее оборудование CISCO 2621 с модулем WIC-2T, CISCO Catalyst WS-2950T10 и два маршрутизатора CISCO 2511 CISCO 2621 обслуживает канал до корневого маршрутизатора (CISCO 3725), клиентские подключения, которые осуществляются по портам RS-232 (CISCO 2511) или Ethernet (WS-2950T), подключение к услуге КСПД (корпоративная сеть передачи данных11), предоставляемой Ульяновским филиалом ОАО «Волгателеком»

В такой структуре невозможно на всех локальных участках одновременно контролировать работоспособность конечных, реальных серверов Это обстоятельство некоторое время создавало проблемы передачи видеоданных, например, при проведении конференций.

В данной области было необходимо разработать эффективный алгоритм, входящий в состав системы принятия решений - для оценки ситуаций, рассматриваемых экспертами как наиболее значимых'. Наибольший интерес в этой области представляют т.н. критические рабочие ситуации. К отличительным свойствам этой задачи можно отнести: неполноту исходных знаний о предметной области; большую размерность пространства исходных решений; динамическое изменение исходных данных в процессе решения задачи Область неврологических заболеваний.

В данной области рассмотрению подлежали сосудистые заболевания головного мозга - это является одной из самых актуальных проблем современной медицины «В России инсульт занимает второе место среди причин смерти (после острых заболеваний сердца) и первое место по уровню резкой остаточной инвалидности (3,2 на 10000 населения)»12. В результате исследовательской работы экспертами были получены данные ультразвуковым методом и методом суточного мониторирования артериального давления по заболеванию гипертонической энцефалопатии. «Под термином дисциркулярной энцефалопатии (ДЭ) впервые применившие его ученые НИИ неврологии РАМН Г.А. Максудов и академик Е В. Шмидт понимали прогрессирующее диффузное поражение головного мозга, обусловленное нарастающим ухудшением его кровоснабжения». «В патогенезе и острых расстройствах церебрального кровообращения, так и хронических (ГЭ) важную роль играют два фактора: 1. Недостаточность притока крови к тканям мозга 2 Недостаточность и замедление венозного оттока»12. Выделено 3 стадии дисциркулярной энцефалопатии.

В данной области было необходимо разработать эффективный алгоритм, входящий в состав системы принятия решений, для оценки ситуаций, рассматриваемых экспертами как наиболее значимых. Результаты работы этого алгоритма будут использованы в дальнейшем для определения корреляционной связи между параметрами методов. К свойствам задачи можно отнести- неполноту

10 Кеннеди Кларк Принципы коммутации в локальных сетях Cisco - M Издательство «Вильяме», 2003 - 976с

1' Пакет Кетрин. Создание сетей удаленного доступа Cisco - М Издательство «Вильяме», 2003 - 672с

12 Машин В В , Кадыков АС Гипертоническая энцефалопатия Клиника и патогенез -Ульяновск УлГУ, 2002 - 139с

исходных знаний о предметной области; возможность динамического изменения исходных данных в процессе решения задачи. Область микробиологии.

В этой области рассматривалась проблема современной микробиологии, связанная с дисбиотическими изменениями кишечника. При физиологической норме организм содержит сотни видов бактерий, а также вирусы и простейшие, составляющие в сумме нормальный микробиоценоз. При воздействии дестабилизирующих факторов микрофлора реагирует количественными и качественными сдвигами в популяциях микроорганизмов. Современные представления о дисбактериозах требуют поиска новых подходов к их оценке и характеристике13.

В данной области было необходимо разработать эффективный алгоритм, входящий в состав системы принятия решений - для оценки групп, рассматриваемых экспертами как наиболее значимых. К свойствам задачи можно отнести: неполноту исходных знаний о предметной области; динамическое изменение исходных данных в процессе решения задачи.

Поставленные в настоящей работе задачи различных научно-практических областей требуют не только результата работы эвристического алгоритма определения оптимальной динамической оценки, но и некоторых качественных подходов к полученным в итоге результатам, прежде всего, знания экспертов.

Таким образом, в вышеперечисленных сферах существуют важные и актуальные задачи анализа и оценки ситуаций необходимые для профессиональной деятельности людей и лучшей ориентации в специфичных областях

Цели работы.

• разработка подхода к построению систем принятия решений;

• разработка соответствующей методики получения знаний от экспертов;

• разработка модели анализа и оценки ситуаций, включающей для каждой рассматриваемой прикладной области: (

- функциональную модель,

- алгоритмическое обеспечение,

- программные средства.

Для достижения целей в работе решены следующие задачи:

• Разработаны специальный подход к построению систем принятия решений и соответствующая методика получения знаний от экспертов.

• Совместно с экспертами проведен анализ и группировка в предметных областях (микробиология, неврологические заболевания, анализ трафика), разработаны концептуальные основы построения ситуационных моделей. Спроектированы базы данных в каждой области.

'3 Куваева И Б , Ладодо К С Микроэкологические и иммунные нарушения у детей - М Медицина, 1991 - 239с

• Разработана функциональная модель на основе эвристического метода функций риска с учетом локальных методик, обеспечивающая алгоритмизацию решения задач и оценку ситуаций

• Разработаны системы принятия решений для анализа и оценки ситуаций в каждой из рассматриваемых прикладных областей. А именно, на основе эвристического метода функций риска разработаны алгоритмы

- анализа и оценки ситуаций по показателю трафика - «дельта» (разности между входящим и исходящим числом пакетов);

- анализа и объективной оценки стадий дисбиоза по количеству заданных видов бактерий;

- анализа и оценки стадий энцефалопатии по заданным параметрам; определен коэффициент корреляции параметров.

• На основе разработанных моделей и алгоритмов реализованы программные комплексы, компоненты систем принятия решений.

• Совместно с экспертами проведена оценка полученных результатов

Метод исследования. Главным при планировании исследования была постоянная проверка соответствия разработанных моделей и проводимых экспериментов Для решения задач из перечисленных в работе областей в функциональной модели использовался эвристический метод функций риска, позволяющий разрабатывать алгоритмы решения задач по оценке ситуаций.

В ходе исследовательской деятельности была разработана методика получения знаний от экспертов в каждой исследуемой задаче. В ее основу положен механизм извлечения экспертного знания путем сбора и обработки опыта всех участников по решению конкретной практической задачи. В основу опыта эксперта входят проведенные разработки с использованием локальных методов, характерных для данной области, а также принятые решения на различных этапах экспериментов

Дальнейшая задача инженера по знаниям (автора диссертации) заключается в * создании ситуационной модели по имеющимся экспертным фактам конкретной задачи и заполнении баз данных А также в создании систем принятия решений для конкретной области с использованием эвристического метода функций риска для оценки стадий и выделенных конкретных ситуаций.

Полученные в ходе экспериментальных исследований результаты должны быть согласованы с экспертами конкретной области. Эксперты, в свою очередь, сравнивают предоставленные результаты инженером по знаниям с теми, которые они получали иными методами, например с помощью пакетов «Ехе1», «Статистика» Далее эксперты должны принять решение на основе опыта о целесообразности дальнейших исследований с использованием разработанной системы.

Для построения полноценной системы принятия решений будут необходимы новые эвристические методики, способные без участия экспертов оценивать ситуации и производить сопоставления с имеющимися в базе результатами предыдущих экспериментальных исследований. В качестве примера был озвучен метод эвристического сопоставления.

Однако, подобной методикой может служить метод функций риска. В работе вводится понятие динамических функций риска. На основе предварительной оценки

групп, состоящей из динамических оценок наиболее значимых параметров процесса (заболевания, рабочей ситуации), должна строиться оценка вновь появляющихся групп, предлагаемых к рассмотрению экспертами области.

Для предварительной оценки экспертом по оценке ситуаций (автором диссертации) был реализован программный комплекс, который в контексте эвристического метода представляет собой набор эвристик. К новым группам (наборам параметров) применяются уже разработанные эвристики, как для предварительной оценки, но все последующие шаги системы предполагают выбор функции в зависимости от предварительной оценки ситуации, и не программистом, а автоматически (2-3 параметра функции выбираются в зависимости от предварительной оценки).

Таким образом, динамические функции риска используются как эвристики для выбора функций определения весовых коэффициентов и для обучения систем принятия решений.

Алгоритмы разрабатывались на основе группировки данных и эмпирического подбора функций для определения весовых коэффициентов, а далее автоматического. Также в решении задач использовались корреляционный метод теории статистики - коэффициент Фехнера (в области неврологических заболеваний) и методика сбора информации по трафику - «flow-tools» (в области анализа трафика).

В ходе эксперимента были получены результаты по всем группам данных из перечисленных областей. Полученные результаты, как динамические оценки параметров в группе, подтвердили адекватность выбора методики анализа и оценки

Научная новизна. В работе решается новая задача по разработке и применению подхода к построению систем принятия решений с использованием функций риска в различных областях научной и практической деятельности людей, в прикладных задачах. Данный подход можно рассматривать как альтернативу к возможному применению методов из других областей - например, мультиагентной оптимизации * и нейросетевых алгоритмов. Основные результаты диссертации.

1. Разработан подход к построению систем принятия решений, а также методика получения знаний от экспертов. Разработаны ситуационные модели для каждой из поставленных в работе задач.

2. Разработана функциональная модель на основе эвристического метода функций риска, обеспечивающая алгоритмизацию решения задач, анализ и оценку ситуаций.

3. Разработаны алгоритмы анализа и оценки ситуаций (стадий) в каждой из рассматриваемых прикладных областей.

4. Разработаны информационные модели систем принятия решений анализа в каждой прикладной области. Получена экспертная оценка результатов

Практическая ценность диссертации основана на результатах, полученных в ходе решения задач, поставленных различными сферами научно-технической деятельности. Разработанные модели, алгоритмы анализа и оценки ситуаций

использовались при создании информационных систем принятия решений В настоящее время разработанная автором информационная система анализа и оценки ситуаций в области анализа трафика успешно используется при реализации процесса мониторинга критичных точек в сети (ОГС ЦТКиТИ), а так же оценки заданных экспертами ситуаций, что позволяет в кратчайшие сроки локализовать проблемные участки.

Ценными с практической точки зрения являются результаты, к которым можно отнести информационную систему принятия решений в области микробиологии, позволяющую осуществлять подсчет и анализ количества видов бактерий на основе исходных статистических данных, предоставленных экспертами Что способствует созданию базы данных, оценке групп по стадиям заболевания, а также «обучению» системы. Подход к оценке данных взят в разработку коллегами кафедры «Микробиологии».

Интерес также представляют результаты в области неврологических заболеваний, метод функций риска позволяет усовершенствовать корреляционный метод (коэффициент Фехнера использованием весовых коэффициентов), что дает возможность адекватной оценки стадии и определения связи между параметрами групп. В данной области автором создана информационная система анализа и оценки, которая способна к саморазвитию, а именно, пополнению информацией и получению более приемлемых результатов.

Применяемый в работе метод рассматривался с точки зрения прикладной и практической значимости В результате проведенной работы можно говорить о необходимости метода для оценки групп данных различных научно-практических областей.

Достоверность результатов. Предоставленные экспериментальные данные получены с применением достоверной методики, имевшей применение в области дискретной оптимизации, а также в области биржевых операций. Тема * динамических функций риска в задачах дискретной оптимизации и интеллектуальных играх разрабатывалась научным руководителем Б.Ф.Мельниковым и его аспирантами: А.Н.Радионовым, Н.В Романовым, М.В.Бузиным, В.А Гумаюновым и получила свое отражение во множестве публикаций14. К работам, в которых метод функций риска применяется как способ построения апуйте-алгоритмов решения задач дискретной оптимизации можно также отнести часть диссертации А.Р.Белозеровой 15.

Полученные автором в данной работе результаты исследований обсуждались на российских и международных конференциях:

• Математика. Образование. Культура: международная конференция (г. Тольятти, 2003);

• Всероссийская научно-техническая конференция «Искусственный интеллект в XXI веке» (г. Пенза, 2004);

исм сноски 2-6.

15 Белозерова А Р Разработка алгоритмов и программных средств для расчетов трансмутационных процессов в конструкционных материалах // Автореферат диссертации к т н Димктровград, 2005

• Региональная научно-техническая конференция Научные чтения для студентов и аспирантов (г. Тольятти, 2005);

• Всероссийская научно-техническая конференция «Методы и средства обработки информации, 2005» (г. Москва, МГУ, октябрь, 2005, председатель программного комитета - акад. РАН Е И Велихов),

• Международная конференция «Туполевские чтения» (г Казань, ноябрь 2005);

• Семинары кафедр «Теоретической информатики и компьютерной безопасности», «Микробиологии»

Апробация работы. Основные результаты настоящей работы опубликованы в 7 научных статьях, среди которых - публикация в издательстве МГУ. Результаты обсуждались на перечисленных выше научных конференциях и семинарах

Основные выводы диссертационного исследования доведены до сведения экспертов и предложены к внедрению. Предложенные автором в работе подходы имеют универсальный характер, поэтому они могут быть применены в широком спектре практических задач для определения оптимальных показателей некоторых специальных параметров, являющихся важными для соответствующих конкретных задач.

Разработанная модель, алгоритм и система внедрены в отделе глобальных сетей Центра телекоммуникаций и технологий Интернет Ульяновского государственного университета (задача анализа трафика) Программный комплекс был успешно внедрен в рабочий процесс в отделе глобальных сетей Центра телекоммуникаций и технологий Интернет Ульяновского государственного университета; в процесс работы Интернет-провайдера «СимКом». Кроме того, результаты предложены для использования на кафедрах неврологии и микробиологии Ульяновского государственного университета, где проводились исследования по определению оптимальных показателей для характеристики критичных параметров заболеваний и нахождения связей между ними Практические результаты представлены в настоящей работе

Основные положения, выносимые на защиту.

• Подход к построению систем принятия решений и методика получения знаний от экспертов.

• Структура модели анализа и оценки ситуаций в прикладных задачах. Ситуационные модели каждой области. Основные положения метода принятия решений на основе функций риска применительно к конкретным практическим задачам (функциональная модель).

• Основные этапы разработки алгоритмов для решения поставленных прикладных задач, структуры систем принятия решений, соответствующие программные комплексы.

Личный вклад. Метод функций риска как составляющая подхода для решения первоначально поставленной автору задачи (в области анализа и классификации

трафика) был предложен научным руководителем Описание и реализация применения этого метода для задач, которые не принято называть задачами дискретной оптимизации, разработка подхода к построению систем принятия решений, описание и реализация методов сбора данных, разработки модели анализа и оценки, алгоритмов решения задач, а также создание соответствующих систем принятия решений принадлежат автору. Также автором проводились исследования в областях микробиологии и неврологических заболеваний. Аналитические разработки моделей, алгоритмов и программных реализаций на основе функций риска, а также апробация результатов, велись автором самостоятельно.

Объем и структура диссертации. Диссертация состоит из введения, трех глав, выводов по главам, заключения, приложений и списка использованной литературы. Диссертация изложена на 140 страницах, содержит 12 рисунков, 5 Утверждений, 5 Эвристик, 37 таблиц и список использованной цитируемой литературы из 112 наименований.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы, формулируются цели, ставятся задачи. Определены объект и предмет исследования. Отражена научная новизна и практическая значимость выполненной работы, личный вклад автора, достоверность полученных результатов и апробация. Перечислены коллеги, кому автор выражает благодарность за сотрудничество и помощь в работе.

В главе 1 представлены разработанные автором подход к построению систем принятия решений на основе эвристического метода (функций риска) и методика получения знаний от экспертов, в том числе обзоры существующих подходов к построению экспертных систем. Также рассмотрены и проанализированы некоторые эвристические методы принятия решений в задачах оптимизации, отмечены их достоинства и недостатки. Приведены некоторые сравнительные характеристики с используемым в работе методом. Рассмотрены статистические методы корреляции и структурные показатели, даны их характеристики. Дан обзор и анализ методов сбора статистики по трафику на основе двух коллекторов.

Важной задачей, поставленной в работе, является разработка подхода к построению систем принятия решений. Как и в классической схеме, динамическая система строится в соответствии со следующими требованиями, накладываемыми на различных этапах её разработки.

• На этапе идентификации при разработке определяются задачи, которые подлежат решению.

1. В области микробиологии необходима оценка стадий заболевания дисбактериоза.

2. При обработке трафика следует дать оценку рабочих ситуаций по количеству и типу трафика.

3. В области неврологии требуется оценка стадий заболевания энцефалопатии и дальнейшее определение коэффициента корреляции параметров.

• Выявляются цели разработки, состоящие в получении динамических систем принятия решений для анализа и оценки ситуаций в каждом случае. Определены вычислительные ресурсы и группы экспертов к каждой области;

• На этапе концептуализации производится анализ каждой проблемной области с участием экспертов, создаются ситуационные модели. Инженером по знаниям (автором диссертации) определяется метод для решения задач (эвристический метод функций риска), проектируется структура баз данных для каждой задачи;

• На этапе формализации создается модель анализа и оценки ситуаций, содержащая:

1. Функциональную модель на основе эвристического метода * функций риска и локальных методик области.

2. 2. Ситуационные модели каждой области, представляющие собой группы данных требующие анализа и оценки.

3. Базы данных каждой области - структуры адекватного представления данных, участвующих в работе динамической системы.

4. Алгоритмы, реализующие функциональную модель области.

• На этапе реализации выбираются язык программирования и платформа, происходит преобразование формальных знаний в работающие программы. Реализуются программа для работы системы по анализу и оценке ситуаций, а также программы, работающие с используемыми структурами данных. Осуществляется наполнение базы знаний системы.

• На этапе тестирования осуществляется совместная с экспертом проверка работы созданного варианта системы на репрезентативных задачах. В процессе тестирования анализируются возможные источники ошибок.

На таких значимых этапах построения системы принятия решений, как идентификация, выполнение и тестирование, происходит непосредственное общение с экспертами областей для получения знаний и экспертной оценки полученных результатов. Процесс приобретения знаний системами принятия решений включает следующие шаги: получение знаний от эксперта, организация этих знаний и представление их в виде, понятном системе.

В ходе исследовательской деятельности был разработан подход к получению знаний от экспертов в каждой исследуемой задаче. В основу подхода положен механизм извлечения экспертного знания путем сбора и обработки опыта всех участников по решению конкретной практической задачи. Опыт участников исследовательской деятельности рассматривается как положительный, так и отрицательный. В основу опыта эксперта входят проведенные разработки с

использованием локальных методов характерных для данной области, принятые решения на этапах экспериментов.

Дальнейшая задача инженера по знаниям (в данном случае - автора диссертации) заключается в создании ситуационной модели по имеющимся экспертным фактам конкретной задачи и заполнении баз данных. А также — в создании (описании и реализации) систем принятия решений для каждой конкретной рассматриваемой области с использованием эвристического метода функций риска для оценки стадий и выделения конкретных ситуаций.

В главе 2 представлена разработка модели анализа и оценки ситуаций в прикладных задачах. В основу функциональной модели положен эвристический метод принятия решений, а именно, метод функций риска, который позволил дать объективную оценку событий (стадий) в трех различных областях: микробиологии, анализа трафика, неврологических заболеваний. Также представлены ситуационные модели; организация баз данных; разработка алгоритма анализа и оценки стадий дисбиоза по количеству заданных видов бактерий; разработка алгоритма анализа и оценки ситуаций в области анализа трафика; разработка алгоритма анализа стадий энцефалопатии и определения корреляции параметров различных диагностических методик. Обоснован выбор функций определения весовых коэффициентов во всех обозначенных областях. Кроме того, глава содержит техническое описание программного комплекса, позволяющего реализовать разработанные алгоритмы.

Для достижения целей исследования разработана модель анализа и оценки ситуаций в соответствии с подходом к построению систем принятия решений, состоящая из:

• Ситуационных моделей уникальных для каждой задачи и области.

• Функциональной модели на основе эвристического метода функций риска для оценки ситуаций во всех областях.

• Модели системы принятия решений, анализа и оценки стадий дисбиоза по количеству заданных видов бактерий, состоящей из:

- Базы данных для хранения ситуационной модели, знаний экспертов и результатов, полученных в ходе вычислительных экспериментов.

- Разработанного алгоритма анализа и оценки стадий дисбиоза по количеству заданных видов бактерий.

- Программного комплекса, реализующего алгоритм и работу с БД.

• Модели системы принятия решений, оценки ситуаций в области анализа трафика, состоящей из:

- Базы данных для хранения ситуационной модели, знаний экспертов и результатов экспериментальных исследований.

- Реализованного сбора статистических данных с использованием утилиты «flow-tools».

- Разработанного алгоритма анализа и оценки рабочих ситуаций в области анализа трафика.

- Программного комплекса, реализующего алгоритм и работу с БД.

• Модели системы принятия решений, анализа и оценки стадий энцефалопатии, определения корреляции важных параметров, состоящей из:

- Базы данных для хранения ситуационной модели, знаний -экспертов и результатов, проведенных исследований.

- Разработанного алгоритма анализа и оценки стадий энцефалопатии, а также определения корреляции параметров.

- Программного комплекса, реализующего алгоритм и работу с БД.

• Экспертной оценки результатов моделирования.

В основу функциональной модели положен эвристический метод принятия решений, а именно, метод функций риска, который позволил дать объективную оценку событий (стадий) в поставленных задачах. Случай (или стадия) определены в контексте метода, если для них заданы функции размещения весовых коэффициентов.

На основе значений весовых коэффициентов и исследуемого вариационного ряда получаем набор оптимальных значений исследуемого параметра (оценка ситуации). Представленная ниже Эвристика 1. является динамической оценкой данных вычислительных экспериментов, проводимых в исследуемых областях, где можно рассматривать функции риска. Это, в свою очередь, позволяет анализировать и оценивать ситуации, проводить их классификацию.

Эвристика 1.

где х, - это сгруппированные данные исследуемой области, которые имеют общую размерность. По смыслу это значения детерминированных оценок, которые задаются изначально для анализа.

/(х,) - весовая оценка, представленная функцией риска или функцией размещения весовых коэффициентов.

Функция риска /(х,) в проводимых экспериментах рассматривалась на отрезке [0,1], возможен выбор других интервалов, сгруппированные данные преобразуются для анализа на указанном интервале. На рис 1. показан общий вид графиков функций риска (размещения весовых коэффициентов) для двух случаев контрольного и критического. Рассматриваемые автором ситуации (стадии) в каждой задаче должны быть определены для функциональной модели метода, что требует индивидуального эвристического подбора конкретных числовых коэффициентов в функциях.

Для определения контрольного случая в модели, при выборе убывающей функции, значения весовых коэффициентов распределяется с убыванием при росте значений изучаемого параметра. Согласно Эвристике 1. и содержательному смыслу задачи, оптимальное значение изучаемого параметра смещено в область больших значений весовых коэффициентов (центр масс), что дает наименьшее оптимальное значение параметра.

Рис 1. Графики функций размещения весовых коэффициентов. 1. Функция для положительного исхода или переходного случая. 2. Функция для неудачного исхода или критический случай.

Для задания критического случая в модели используются возрастающие функции. Значения весовых коэффициентов возрастают с увеличением значений исследуемого параметра. Оптимальное значение, согласно Эвристике 1., сместится в сторону больших коэффициентов, то есть, получаем большее оптимальное значение параметра. Все возможные случаи по выбору функций рассмотрены в задачах оценки ситуаций в области анализа данных по дисбактериозу и анализу результирующего параметра трафика. В области неврологических заболеваний все рассматриваемые группы относились к критическому случаю, поэтому использовались только возрастающие функции с различными углами отклонения от оси X.

Первым шагом к построению систем принятия решений является построение ситуационной модели, индивидуальной для каждой задачи. На данном этапе осуществляется группировка данных в каждой области по стадиям (ситуациям) с участием экспертов.

Глава содержит описание алгоритмов решения задач каждой области. Приведем их основные этапы.

1. Алгоритм анализа и оценки стадий дисбиоза по количеству заданных видов бактерий:

- анализ данных каждой выделенной экспертом группы в задаче методом функций риска;

каждая группа данных бактерий преобразовывалась для анализа на обозначенном интервале.

Тогда согласно Эвристике 1, получаем Эвристику:

!>,.*/(•*,•) JL">*x *f(m*x )

—--

!/(*•) ЪПт*х)

i

- эвристическое определение функций размещения весовых коэффициентов для каждой группы;

- реализация отбора результатов по разным подгруппам бактерий, согласно разработанным критериям отбора;

- создание системы состояний на основе опыта эксперта, то есть соответствие группы полученной оценке, как оптимальному значению по всем видам рассматриваемых бактерий, что способствует дальнейшему уточнению и дополнению системы за счет появления новых групп и сравнения с результатами, полученными на предыдущих шагах.

2. Алгоритм анализа и оценки ситуаций в области анализа трафика:

- первичная обработка данных, производимая с учетом того, что сбор статистических данных с использованием утилиты «flow-tools» уже осуществлен (метод первичной обработки заключался в отборе данных из общего потока по ip-адресам и портам для дальнейшего разбиения на группы и их анализа);

- вторичная обработка данных, полученных на предыдущих шагах, заключается в подсчете количества полученных и отправленных пакетов по конкретным ip-адресам, и нахождении разности между ними как показателя «дельта»;

Утверждение 1.

^ рак

In , -Out , рак рак

(у-1),

Ч>*> °> 0ии > °>

анализ данных каждой выделенной группы по показателю «дельта» методом функций риска; каждая группа данных по трафику преобразовывалась для анализа на обозначенном интервале. Тогда согласно Эвристике 1, получаем Эвристику:

I*. */(*.) Ъс*х.*/{с*х)

х = ^_- -

!/(*.) ТПс*х ) »

г У

эвристическое определение функций размещения весовых коэффициентов для каждой рабочей ситуации;

реализация отбора результатов по разным рабочим ситуациям, согласно разработанным критериям отбора;

Д = тт Д^ (Критерий к5. для критического случая)

Д = тах Д^ (Критерий кб. для контрольного и переходного случаев)

создание системы состояний с помощью опыта эксперта, то есть соответствия группы полученной оценке, как оптимальному значению «дельта», для дальнейшего уточнения и дополнения системы за счет появления новых рабочих ситуаций и сравнения с результатами, полученными на предыдущих шагах.

3. Алгоритм анализа стадий энцефалопатии и определения корреляции параметров:

- анализ данных каждой выделенной экспертами группы методом функций риска;

Группы данных, полученные методом «Суточного мониторирования», преобразовывались, и получалась эвристика (1). Преобразованиям подвергались группы данных, полученные методом «Ультразвук», получена эвристика (2).

2>;-*/(*•) ^ Ъхк*/{хк) I к*хе*Г(к*х8) X = -!■--= ^-П") х = -= -(2)

/ У * г *

- эвристическое определение функций размещения весовых коэффициентов для каждой группы;

Выбор функций для определения весовых коэффициентов в различных группах заболевания определялся согласно Утверждению 2.

Утверждение 2.

Ш X -X ,

п п — 1

- при определении результирующего оптимального значения в критических группах, выбиралось наименьшее значение из оптимальных значений по всем записям;

5 = пипД (К.7) £

- создание системы состояний на основе опыта эксперта, то есть соответствие группы полученной оценке, как оптимальному значению по группе записей, что способствует уточнению и дополнению системы за счет появления новых групп и сравнения с априорной информацией;

- определению корреляции между параметрами, согласно Утверждению 3.

К - Т.Совп.~Т,Несовп. , Р" ~ IСовп.+^Несовп.

Кроме того, в главе содержится теоретическое описание возможности применения метода функций риска в системе принятия решений с анализом основных диагностических методик кардиологических исследований.

В главе 3 представлены вычислительные эксперименты и практические результаты по трем озвученным областям. Описано исследование, создание и результаты работы систем принятия решений, реализованных автором, для каждой прикладной задачи как инструмент систематизации, хранения, анализа и обработки данных. Приведена пошаговая работа программного комплекса в каждой области. В табличных отчетах изложен результат применения разработанных программных комплексов в системах принятия решений для каждой области.

ч

Выводы:

1. Разработаны подход к построению систем принятия решений, методика получения знаний от экспертов, модель анализа и оценки ситуаций для решения задач.

2. В работе предложена функциональная модель на основе эвристического метода функций риска, обеспечивающая алгоритмизацию решения задач и оценку ситуаций. Совместно с экспертами разработаны ситуационные модели в каждой области.

3. Разработаны следующие алгоритмы:

• алгоритм для анализа и объективной оценки стадий дисбиоза по количеству заданных видов бактерий на основе эвристического метода функций риска.

• алгоритм для анализа и объективной оценки ситуаций по показателю трафика - «дельта» (разности между входящим и исходящим числом пакетов) на основе эвристического метода функций риска.

• алгоритм для анализа и объективной оценки стадий энцефалопатии по заданным параметрам на основе эвристического метода функций риска и определен коэффициент корреляции.

4. Реализованы программные комплексы на основе разработанных моделей и алгоритмов, входящие в состав систем принятия решений.

5. Разработанная модель, алгоритм и система внедрены в отделе глобальных сетей Центра телекоммуникаций и технологий Интернет Ульяновского государственного университета (задача анализа трафика). Программный комплекс успешно используется в рабочем процессе отдела глобальных сетей Ценгра телекоммуникаций и технологий Интернет Ульяновского государственного университета; в процессе работы Интернет-провайдера «СимКом». Подход к оценке данных взят в разработку коллегами кафедры «Микробиологии».

6. На основе результатов диссертационной работы, можно заключить, что эвристический метод функций риска имеет научно-практическую значимость в нетрадиционных для него прикладных задачах, где ранее применялись другие подходы. Для решения задач из перечисленных в работе областей в функциональной модели впервые использовался эвристический метод функций риска.

Публикации

1.Мельников Б. Ф., Тарасова Е. Г. Функции риска в системах принятия решений для сетевой модели управления ISO // Математика. Образование. Культура: Международная научная конференция, 2003, Тольятти: ТГУ, 2004, - 4.2. - с. 23.

2.Тарасова Е. Г. Функции риска в системах принятия решений с анализом основных- диагностических методик кардиологических исследований // Искусственный интеллект в 21 веке: научно-техническая конференция, 2004, Пенза/под ред. В. И. Левина. Пенза: «Приволжский дом знаний», 2004. - с. 87.

3. Тарасова Е. Г. Функции риска в нетрадиционных задачах с анализом основных параметров, как показателей заболевания // Научные чтения для студентов и аспирантов: региональная научно-техническая конференция, 2005, Тольятти: ТСУ, 2005. - с. 43.

4. Тарасова Е. Г. Функции риска в системах принятия решений с анализом основных параметров модели // Ученые записки. Ульяновск: УлГУ, ФИТТ, 2004, - с. 39.

5. Тарасова Е. Г. Нетрадиционные методы принятия решений в области анализа и классификации трафика // Туполевские чтения. Тезисы к международной молодежной конференции секция «Телекоммуникации в средствах связи». Казань: КАИ, 2005, - Т.4. - с. 90 - 91.

6. Тарасова Е. Г. Нетрадиционные методы принятия решений на примере области анализа и классификации трафика // Методы и средства обработки информации. Труды второй Всероссийской научной конференции /Под ред. JI. Н. Королева. - М.: Издательский отдел факультета вычислительной математики и кибернетики МГУ им. М.В. Ломоносова, 2005. - с. 188 - 193.

7. Тарасова Е.Г. Функции риска как составляющая специального подхода к анализу классификации трафика // Эл. журнал Исследовано в России, октябрь 2005.

Подписано в печать 12.01.06. Формат 60x84/16. Усл. печ. л. 1,0. Тираж 100 экз. Заказ №113

Отпечатано с оригинал-макета в типографии Ульяновского государственного университета 432970, г. Ульяновск, ул. Л. Толстого, 42

'Z.OOGfV

2.2.Z5"

¥"2225

f

Введение

Глава 1. Обзор и анализ существующих эвристических методов принятия решений, методов корреляции и сбора статистики по трафику

1.1. Обзор существующих подходов к построению систем на основе знаний экспертов

1.2. Разработка подхода к построению систем принятия решений для рассматриваемых в работе областей

1.2.1. Разработка методики получения знаний от экспертов

1.2.2. Подход к генерации динамических функций риска для систем принятия решений

1.3. Обзор и анализ существующих эвристических методов принятия решений, методов корреляции и сбора статистики по трафику

1.3.1. Обзор и анализ методов принятия решения в задачах дискретной оптимизации

1.3.2. Обзор и анализ методов теории статистики

1.3.3. Обзор и характеристика методов сбора информации по трафику

1.4. Выводы

Глава 2. Модель анализа и оценки ситуаций. Метод функций риска

2.1. Разработка модели анализа и оценки ситуаций в прикладных задачах

2.2. Метод функций риска в функциональной модели

2.3. Разработка ситуационных моделей

2.3.1. Построение ситуационной модели для задачи области микробиологии

2.3.2. Построение ситуационной модели для задачи области анализа трафика

2.3.3. Построение ситуационной модели для задачи области неврологических заболеваний

2.4. Представление знаний, организация баз данных

2.5. Разработка алгоритма анализа и оценки стадий дисбиоза по количеству заданных видов бактерий

2.6. Разработка алгоритма анализа и оценки ситуаций в области анализа трафика

2.7. Разработка алгоритма анализа стадий энцефалопатии, определение корреляции параметров различных диагностических

• методик

2.8. Теоретический подход к решению задачи с анализом основных диагностических методик исследования в области кардиологии

2.9. Программный комплекс для анализа и оценки групп в

Ф рассматриваемых областях

2.9.1. Функциональное назначение программного комплекса, области применения, ограничения

2.9.2. Специальные условия применения и требования организационного, технического и технологического характера

2.10. Выводы

Глава 3. Экспериментальные исследования и практические результаты

3.1. Вычислительный эксперимент и практические результаты в области микробиологии

3.1.1. Проектирование базы данных, структура БД

3.1.2. Алгоритм анализа и оценки данных по дисбактериозу

• 3.1.3. Компоненты программного комплекса в области микробиологии

3.1.4. Результаты исследовательского эксперимента

3.2. Вычислительный эксперимент и практические результаты в области анализа трафика

3.2.1. Сбор статистических данных по трафику

3.2.2. Первичная обработка данных

3.2.3. Проектирование базы данных, структура БД

3.2.4. Алгоритм анализа и оценки показателя трафика «дельта»

3.2.5. Компоненты программного комплекса в области анализа трафика

3.2.6. Результаты исследовательского эксперимента

3.3. Вычислительный эксперимент и практические результаты в области неврологических заболеваний

3.3.1. Проектирование базы данных, структура базы данных

3.3.2. Алгоритм анализа и оценки в области неврологических

• заболеваний

3.3.3. Компоненты программного комплекса в области неврологических заболеваний

3.3.4. Результаты экспериментальных исследований

3.4. Выводы по главе

Актуальность темы

В работе рассматриваются вопросы применения специальных методов принятия решений в научно-технических областях. Эти методы ранее применялись в дискретных оптимизационных задачах. Рассматриваемые методы могут быть объединены в одну группу, поскольку они построены на основе функций риска.

Применение эвристических методов в построении систем принятия решений для развивающихся областей науки и техники - важная и

• трудоемкая задача. Такие системы, в частности, позволяют оценивать, анализировать, диагностировать конкретные случаи, конкретные ситуации -в зависимости от специфики рассматриваемой предметной области. Поэтому интерес к ним не угасает.

Наибольший эффект от применения систем принятия решений может достигаться при решении задач, обладающих следующими свойствами:

• неполнотой, нечеткостью, вероятностным характером исходных знаний о предметной области;

• большой размерностью пространства возможных решений, что делает практически невозможным поиск решения посредствам полного перебора всех имеющихся вариантов;

• динамическим изменением исходных данных в процессе решения задачи [109]. ф Во всех поставленных в работе задачах из разных научно-технических сфер присутствуют перечисленные аспекты. Для построения и реализации системы принятия решений для каждой из таких задач необходимо разработать подход, важнейшей составляющей которого являются правила для обработки ситуаций - их описание и реализация. Разработка таких правил в настоящей диссертационной работе заключается в исследовании и применении специальных эвристических методов принятия решений -прежде всего методов, построенных на основе функций риска.

Ранее данные методы применялись как одна из эвристик при решении различных задач дискретной оптимизации. При этом, прежде всего, рассматривалась задача выбора конкретного варианта ветвления в незавершенном методе ветвей и границ для построения так называемых апу11те-алгоритмов[101]: например, требовалось принять решение о выборе конкретного элемента матрицы стоимостей в задаче коммивояжера, или

О конкретного блока в задаче минимизации недетерминированных конечных автоматов. Имеется информация, данная разными программами-экспертами -т. е. разными эвристиками, т.н. «предикторами». При этом очень часто эксперты дают противоречивую информацию - и надо её каким-то образом «усреднять». В отличие от всех ранее опубликованных алгоритмов в нескольких проектах, выполненных ранее научным руководителем данной диссертации и его аспирантами, для этого использовались динамически генерируемые функции риска [6, 7, 53, 56, 58]. Например, эти функции применялись в задаче коммивояжера к результатам метода голосования применялись эти функции. Метод нашел свое применение и в области биржевых операций (в частности, на бирже «Форекс»)[54, 55].

Все эти задачи являются задачами дискретной оптимизации. Но, кроме перечисленных задач, существует множество научно-практических областей, в которых есть необходимость получения новых эффективных алгоритмов, учитывающих априорную информацию. В них метод функций риска, в совокупности с другими локальными методиками, характерными для анализа предметной области, также является весьма эффективным.

Актуальность разработки и использования новых эффективных алгоритмов анализа и оценки ситуаций отражена в проблематике областей.

Область анализа трафика.

Рост числа приложений, передающих данные в реальном времени, обусловлен возросшим интересом людей услугами передачи аудио-, видеоинформации средствами Интернета. Такая тенденция влечет рост трафика передачи подобной информации. Передача видеоданных связана с рядом возможных технических сложностей в рассматриваемой сети, решению которых и посвящена часть данной работы. Исследование относится к определенной структуре сети, на основании данных которой ставится эксперимент и осуществляется анализ (Приложение П.11). В Приложении ПЛ. схематично представлена структура сети при проведении видеоконференций.

Для каналов с ограниченной полосой пропускания данных организация передачи голосовой и видео информации в хорошем качестве весьма проблематична, с учетом того, что все сервисы сети должны полноценно работать. Также могут возникнуть сложности, связанные с различными видами атак (такими как «флуд» и сканирование сети [18, 28, 45, 94]), которые могут привести к выходу из строя сервисов (deny of service). Смысл исследовательской работы в данном случае заключается в своевременном обнаружении таких ситуаций. В крупной рассредоточенной по городу структуре (такой как Ульяновский государственный университет), состоящей из нескольких корпусов, опорная сеть которых собрана на двух площадках -корпус УлГУ на ул. Пушкинская 4а, а также ГТС ул. Льва Толстого 95. На площадке ГТС установлено оборудование (CISCO 3725 с модулями WIC-2T и NM-16AS; CISCO Catalyst WS-2950T [64]). CISCO 3725 [23, 75] является корневым маршрутизатором который обслуживает внешние каналы связи, канал до корпуса УлГУ на ул.Пушкинская 4а, пиринговый канал с точкой обмена трафиком провайдеров Ульяновской области «SimX», а также другие клиентские подключения, которые осуществляются по портам RS-232 (NM-16AS) или Ethernet (WS-2950T). На площадке УлГУ (ул. Пушкинская, 4а) установлено следующее оборудование: CISCO 2621 с модулем WIC-2T, CISCO Catalyst WS-2950T [33] и два маршрутизатора CISCO 2511. CISCO 2621 обслуживает канал до корневого маршрутизатора (CISCO 3725), клиентские подключения, которые осуществляются по портам RS-232 (CISCO 2511) или Ethernet (WS-2950T), подключение к услуге КСПД (корпоративная сеть передачи данных [68, 91]), предоставляемой Ульяновским филиалом ОАО «Волгателеком». Приложение П.11.

В такой структуре невозможно на всех локальных участках одновременно контролировать работоспособность конечных, реальных серверов. Это обстоятельство некоторое время создавало проблемы передачи видеоданных, например, при проведении конференций.

В данной области было необходимо разработать эффективный алгоритм, входящий в состав системы принятия решений - для оценки ситуаций, рассматриваемых экспертами как наиболее значимых. Наибольший интерес в этой области представляют т.н. критические рабочие ситуации, характеризующие технические проблемы.

К отличительным свойствам этой задачи можно отнести неполноту исходных знаний о предметной области; большую размерность пространства исходных решений; динамическое изменение исходных данных в процессе решения задачи.

Область неврологических заболеваний.

В данной области рассмотрению подлежали сосудистые заболевания головного мозга - это является одной из самых актуальных проблем современной медицины. «В России инсульт занимает второе место среди причин смерти (после острых заболеваний сердца) и первое место по уровню резкой остаточной инвалидности (3,2 на 10000 населения)» ([52], стр. 4). В результате исследовательской работы экспертами были получены данные ультразвуковым методом и методом суточного мониторирования артериального давления по заболеванию гипертонической энцефалопатии. «Под термином дисциркулярной энцефалопатии (ДЭ) впервые применившие его ученые НИИ неврологии РАМН Г.А. Максудов и академик Е.В. Шмидт понимали прогрессирующее диффузное поражение головного мозга, обусловленное нарастающим ухудшением его кровоснабжения» ([52], стр.5). «В патогенезе и острых расстройствах церебрального кровообращения, так и хронических (ГЭ) важную роль играют два фактора: 1. Недостаточность притока крови к тканям мозга. 2. Недостаточность и замедление венозного оттока» ([52], стр. 14). Выделено 3 стадии дисциркулярной энцефалопатии.

В данной области было необходимо разработать эффективный алгоритм, входящий в состав системы принятия решений, для оценки ситуаций, рассматриваемых экспертами как наиболее значимых. Результаты работы этого алгоритма будут использованы для определения корреляционной связи между параметрами методов.

К свойствам задачи можно отнести неполноту исходных знаний о предметной области; возможность динамического изменения исходных данных в процессе решения задачи.

Область микробиологии.

В этой области рассматривалась проблема современной микробиологии, связанная с дисбиотическими изменениями кишечника. При физиологической норме организм содержит сотни видов бактерий, а также вирусы и простейшие, составляющие в сумме нормальный микробиоценоз. При воздействии дестабилизирующих факторов микрофлора реагирует количественными и качественными сдвигами в популяциях микроорганизмов. Современные представления о дисбактериозах требуют поиска новых подходов к их оценке и характеристике [11, 42].

В данной области было необходимо разработать эффективный алгоритм, входящий в состав системы принятия решений - для оценки групп, рассматриваемых экспертами как наиболее важных в задаче. К свойствам задачи можно отнести неполноту исходных знаний о предметной области; динамическое изменение исходных данных в процессе решения задачи.

Поставленные в настоящей работе задачи различных научно-практических областей требуют не только результата работы эвристического алгоритма определения объективной оценки, но и некоторых качественных подходов к полученным в итоге результатам, прежде всего, знания экспертов.

Таким образом, в вышеперечисленных сферах существуют важные и актуальные задачи анализа и оценки ситуаций необходимые для профессиональной деятельности людей и лучшей ориентации в специфичных областях.

Цели работы:

• разработка подхода к построению систем принятия решений как способа анализа и оценки значимых этапов изучаемого процесса для решения задач определенных на этапе идентификации, а именно: оценка этапов развития дисбактериоза, оценка рабочих ситуаций по количеству и типу трафика, оценка стадий заболевания энцефалопатии;

• разработка методики получения знаний от экспертов для создания ситуационной модели и анализа полученных результатов;

• разработка модели анализа и оценки ситуаций, включающей для каждой рассматриваемой прикладной области:

- функциональную модель, представляющую собой записанные с помощью эвристического и математического аппаратов зависимости между параметрами (показателями) значимых этапов исследуемых процессов;

- соответствующее алгоритмическое обеспечение;

- программные средства, реализующие разработанные алгоритмы и выполняющие функцию анализа и оценки параметров, работу с базами данных в системе.

Для достижения целей в работе решены следующие задачи

• Разработаны специальный подход к построению систем принятия решений и соответствующая методика получения знаний от экспертов.

• Совместно с экспертами проведен анализ и группировка в предметных областях (микробиология, неврологические заболевания, анализ трафика), разработаны концептуальные основы построения ситуационных моделей. Спроектированы базы данных в каждой области.

• Разработана функциональная модель на основе эвристического метода функций риска с учетом локальных методик, обеспечивающая алгоритмизацию решения задач и оценку ситуаций.

• Разработаны системы принятия решений для анализа и оценки ситуаций в каждой из рассматриваемых прикладных областей. А именно, на основе эвристического метода функций риска разработаны алгоритмы:

- анализа и оценки ситуаций по показателю трафика - «дельта» (разности между входящим и исходящим числом пакетов);

- анализа и объективной оценки стадий дисбиоза по количеству заданных видов бактерий;

- анализа и оценки стадий энцефалопатии по заданным параметрам; определен коэффициент корреляции параметров.

• На основе разработанных моделей и алгоритмов реализованы программные комплексы, компоненты систем принятия решений.

• Совместно с экспертами проведена оценка полученных результатов.

Метод исследования

Главным при планировании исследования была постоянная проверка соответствия разработанных моделей и проводимых экспериментов. Для решения задач из перечисленных в работе областей в функциональной модели использовался эвристический метод функций риска, позволяющий разрабатывать алгоритмы решения задач.

В ходе исследовательской деятельности была разработана методика получения знаний от экспертов в каждой исследуемой задаче. В ее основу положен механизм извлечения экспертного знания путем сбора и обработки опыта всех участников по решению конкретной практической задачи. В основу опыта эксперта входят проведенные разработки с использованием локальных методов, характерных для данной области, а также принятые решения на различных этапах экспериментов.

Дальнейшая задача инженера по знаниям (автора диссертации) заключается в создании ситуационной модели по имеющимся экспертным фактам конкретной задачи и заполнении баз данных. А также в создании систем принятия решений для конкретной области с использованием эвристического метода функций риска для оценки стадий и выделения конкретных ситуаций.

Полученные в ходе экспериментальных исследований результаты должны быть согласованы с экспертами конкретной области. Эксперты, в свою очередь, сравнивают предоставленные результаты системным аналитиком с теми, которые они получали иными методами, например с помощью пакетов «Ехе1», «Статистика». Далее эксперты должны принять решение на основе опыта о целесообразности дальнейших исследований с использованием разработанной системы.

Для построения полноценной системы принятия решений будут необходимы новые эвристические методики, способные без участия экспертов оценивать ситуации и производить сопоставления с имеющимися в базе результатами предыдущих экспериментальных исследований. В качестве примера был озвучен метод эвристического сопоставления.

Однако подобной методикой может служить метод функций риска. В работе вводится понятие динамических функций риска.

На основе предварительной оценки групп, состоящей из статических оценок наиболее значимых параметров процесса (заболевания, рабочей ситуации), должна строиться оценка вновь появляющихся групп, предлагаемых к рассмотрению экспертами области.

Для предварительной оценки экспертом по оценке ситуаций был реализован программный комплекс, который в контексте эвристического метода представляет собой набор эвристик. К новым группам (наборам параметров) применяются уже разработанные эвристики, как для предварительной оценки, но все последующие шаги системы предполагают выбор функции в зависимости от предварительной оценки ситуации, и не программистом, а автоматически (2-3 параметра функции выбираются в зависимости от предварительной оценки).

Таким образом, динамические функции риска используются как эвристики для выбора функций определения весовых коэффициентов и для обучения систем принятия решений.

Алгоритмы разрабатывались на основе группировки данных и эмпирического подбора функций для определения весовых коэффициентов, а далее автоматического. Также в решении задач использовались корреляционный метод теории статистики - коэффициент Фехнера (в области неврологических заболеваний) и методика сбора информации по трафику - «flow-tools» (в области анализа трафика).

В ходе эксперимента были получены результаты по всем группам данных из перечисленных областей. Данные результаты подтвердили адекватность выбора методики анализа.

Научная новизна

В работе решается новая задача по разработке и применению подхода к построению систем принятия решений с использованием функций риска в различных областях научной и практической деятельности людей, в прикладных задачах. Данный подход можно рассматривать как альтернативу к возможному применению методов из других областей - например, мультиагентной оптимизации и нейросетевых алгоритмов.

Основные результаты диссертации:

1. Разработан подход к построению систем принятия решений, а также методика получения знаний от экспертов. Разработаны ситуационные модели для каждой из поставленных в работе задач.

2. Разработана функциональная модель на основе эвристического метода функций риска, обеспечивающая алгоритмизацию решения задач, анализ и оценку ситуаций.

3. Разработаны алгоритмы анализа и оценки ситуаций (стадий) в каждой из рассматриваемых прикладных областей.

4. Разработаны информационные модели систем принятия решений анализа в каждой прикладной области. Получена экспертная оценка результатов.

Практическая ценность диссертации основана на результатах, полученных в ходе решения задач, поставленных различными сферами научно-технической деятельности. Разработанные модели, алгоритмы анализа и оценки ситуаций использовались при создании информационных систем принятия решений. В настоящее время разработанная автором информационная система анализа и оценки ситуаций в области анализа трафика успешно используется при реализации процесса мониторинга критичных точек в сети (ОГС ЦТКиТИ), а так же оценки заданных экспертами ситуаций, что позволяет в кратчайшие сроки локализовать проблемные участки.

Ценными с практической точки зрения являются результаты, к которым можно отнести информационную систему принятия решений в области микробиологии, позволяющую осуществлять подсчет и анализ количества видов бактерий на основе исходных статистических данных, предоставленных экспертами. Что способствует созданию базы данных, оценке групп по стадиям заболевания, а также «обучению» системы. Подход к оценке данных взят в разработку коллегами кафедры «Микробиологии».

Интерес также представляют результаты в области неврологических заболеваний, метод функций риска позволяет усовершенствовать корреляционный метод (коэффициент Фехнера использованием весовых коэффициентов), что дает возможность адекватной оценки стадии и определения связи между параметрами групп. В данной области автором создана информационная система анализа и оценки, которая способна к саморазвитию, а именно, пополнению информацией и получению более приемлемых результатов.

Применяемый в работе метод рассматривался с точки зрения прикладной и практической значимости. В результате проведенной работы можно говорить о необходимости метода для оценки групп данных различных научно-практических областей.

Достоверность результатов

Предоставленные экспериментальные данные получены с использованием достоверной методики, имевшей применение в области дискретной оптимизации, а также в области биржевых операций. Тема динамических функций риска в задачах дискретной оптимизации и интеллектуальных играх разрабатывалась научным руководителем Б.Ф. Мельниковым и его аспирантами: А.Н. Радионовым, Н.В. Романовым, М.В. Бузиным, В.А. Гумаюновым и получила свое отражение во множестве публикаций, в том числе телевизионных выступлениях [6, 7, 57, 58]. К работам, в котоых метод функций риска применяется как способ построения anytime-алгоритмов решения задач дискретной оптимизации, можно также отнести часть диссертации Белозеровой А. Р. [10].

Полученные автором в данной работе результаты исследований обсуждались на российских и международных конференциях:

• Математика. Образование. Культура: международная конференция (Тольятти, 2003);

• Всероссийская научно-техническая конференция «Искусственный интеллект в XXI веке» (г. Пенза, 2004);

• Региональная научно-техническая конференция. Научные чтения для студентов и аспирантов (Тольятти, 2005);

• Всероссийская научно-техническая конференция «Методы и средства обработки информации, 2005» (Москва, МГУ, октябрь, 2005, председатель программного комитета - акад. РАН Е.П. Велихов);

• Международная конференция «Туполевские чтения» (Казань, ноябрь 2005);

• Семинары кафедры «Теоретической информатики и компьютерной безопасности», «Микробиологии».

Личный вклад

Метод функций риска как составляющая подхода для решения первоначально поставленной автору задачи (в области анализа и классификации трафика) был предложен научным руководителем. Описание и реализация применения этого метода для задач, которые не принято называть задачами дискретной оптимизации, разработка подхода к построению систем принятия решений, описание и реализация методов сбора данных, разработки модели анализа и оценки, алгоритмов решения задач, а также создание соответствующих систем принятия решений принадлежат автору. Также автором проводились исследования в областях микробиологии и неврологических заболеваний. Аналитические разработки моделей, алгоритмов и программных реализаций на основе функций риска, а также апробация результатов, велись автором самостоятельно.

Основные положения, выносимые на защиту

• Подход к построению систем принятия решений и методика получения знаний от экспертов;

• Структура модели анализа и оценки ситуаций в прикладных задачах. Ситуационные модели каждой области. Основные положения метода принятия решений на основе функций риска применительно к конкретным практическим задачам (функциональная модель).

• Основные этапы работы алгоритмов для решения задач, структуры систем принятия решений, программный комплекс.

Структура работы

Диссертация состоит из введения, трех глав, выводов по главам, заключения, приложений и списка использованной литературы. Диссертация изложена на 140 страницах, содержит 12 рисунков, 5 Утверждений, 5 Эвристик, 37 таблиц и список использованной цитируемой литературы из 112 наименований.

3.4. Выводы по главе

На основе проведенных исследований можно заключить, что все поставленные в работе задачи решены и цель исследования достигнута, а следовательно, доказана практическая значимость эвристического метода в научно-практических областях.

Табличными отчетами по каждой области наглядно представлены результаты. Кроме того, на основе проведенной работы можно утверждать, что алгоритмы и программные комплексы с использованием метода функций риска достаточно эффективны и не требуют существенных вычислительных затрат, что позволяет быстро получить результат, а также интегрируются с различными локальными методиками, характерными для конкретной области, в подходы к построению систем принятия решений.

Так в задаче из области анализа трафика для построения системы принятия решений и оценки рабочих ситуаций, метод интегрируется в подход решения задачи с механизмами сбора статистических данных, а также локальными методиками первичной и вторичной обработки.

В задаче из области неврологических заболеваний для построения системы принятия решений и оценки групп, а также определения корреляции параметров, метод функций риска встраивается в метод корреляции.

Полученные объективные значения оценок групп (ситуаций) представлены как допустимые значения важных параметров в различных областях.

Так в области анализа трафика, значения объективных оценок параметра трафика «дельта» задают реальный допустимый интервал в разности между числом принятых и посланных пакетов для каждой рабочей ситуации. В этой задаче был проведен предварительный анализ и рассмотрены три ситуации, которые являются основополагающим этапом в построении системы принятия решений. Полученная в этой области система готова к дальнейшему развитию, получению новых групп данных, которые могут характеризоваться множеством различных факторов, так или иначе влияющих на работу сетей.

В задаче из области неврологических заболеваний значения объективных оценок параметров позволяют реализовать метод определения корреляции на основе коэффициента Фехнера. Также в этой области был проведен предварительный анализ и рассмотрены шесть групп, это является основополагающим этапом в построении системы принятия решений. Полученная в этой области система готова к дальнейшему развитию, получению новых групп данных, которые позволят привести в действие метод корреляции.

В задаче из области микробиологии значения объективных оценок количества рассмотренных видов бактерий позволяют оценить группы, выделенные экспертами, а также стадии заболевания. В данной области проведен предварительный анализ и рассмотрены четыре группы, что является основополагающим этапом в построении системы принятия решений. Полученная в этой области система также готова к дальнейшему развитию, получению новых групп данных, которые могут задаваться множеством различных параметров, так или иначе влияющих на течение заболевания.

Заключение

В результате выполненной работы цель исследования достигнута, решены поставленные в работе задачи, получен опыт исследовательской работы. Исходя из результатов проведенной работы, можно заключить, что эвристический метод функций риска имеет научно-практическую значимость в нетрадиционных для него прикладных задачах, где ранее применялись другие подходы. Кроме того, метод найдет применение в широком спектре задач, требующих группировки данных, их анализа и оценки.

Для решения задач из перечисленных в работе областей в функциональной модели впервые использовался эвристический метод функций риска, позволяющий разрабатывать алгоритмы решения задач.

Разработка функциональной модели включала: определение функций размещения весовых коэффициентов, определение числового интервала для анализа.

Созданы системы принятия решений по представленным в работе областям, способствующие хранению, систематизации, анализу и оценке данных. Каждая система содержит базу данных, разработанный алгоритм, его реализацию в виде программного комплекса.

На основании того, что методика, базирующаяся на функциях риска, во всех областях показала динамичность по определению искомых значений, не требовала значительных технических и вычислительных затрат, а также способствовала решению поставленных задач. Можно заключить, что эвристический метод функций риска эффективен и имеет практическую значимость в научно-практических областях, а не только в хорошо известных задачах дискретной оптимизации.

Ценными с практической точки зрения являются результаты, к которым можно отнести систему принятия решений по оценке количества бактерий в задаче области микробиологии, позволяющую осуществлять подсчет и анализ различных видов бактерий на основе исходных статистических данных.

Интерес также представляют результаты в области неврологических заболеваний, метод функций риска позволяет усовершенствовать корреляционный метод (коэффициент Фехнера использованием весовых коэффициентов), что дает возможность определения связи между параметрами групп.

Основными результатами диссертационной работы являются:

• Разработаны специальный подход к построению систем принятия решений и соответствующая методика получения знаний от экспертов.

• Совместно с экспертами проведен анализ и группировка в предметных областях (микробиология, неврологические заболевания, анализ трафика), разработаны концептуальные основы построения ситуационных моделей. Спроектированы базы данных в каждой области.

• Разработана функциональная модель на основе специального эвристического метода на основе функций риска, обеспечивающая алгоритмизацию решения задач и оценку ситуаций.

• Разработаны системы принятия решений для анализа и оценки ситуаций в каждой из рассматриваемых прикладных областей. А именно, на основе эвристического метода функций риска разработаны алгоритмы:

- анализа и оценки ситуаций по показателю трафика - «дельта» (разности между входящим и исходящим числом пакетов);

- анализа и объективной оценки стадий дисбиоза по количеству заданных видов бактерий;

- анализа и оценки стадий энцефалопатии по заданным параметрам; определен коэффициент корреляции параметров.

• Реализованы программные комплексы на основе разработанных моделей и алгоритмов, входящие в состав информационных систем.

• В области анализа трафика получены объективные оценки параметра «дельта», произведена оценка реальных рабочих ситуаций.

• В области микробиологии получены объективные оценки по количественному составу бактерий, произведена оценка каждой стадии заболевания.

• В области неврологии на основе полученных результатов исследования было установлено, что параметры методов ультразвуковой диагностики и суточного мониторирования имеют слабую несущественную связь.

Разработанные модели, алгоритмы и программный комплекс внедрены в отделе глобальных сетей Центра телекоммуникаций и технологий Интернет Ульяновского государственного университета (область анализа трафика), в рабочий процесс Интернет-провайдера «СимКом».

Кроме того, результаты работы предложены к использованию на кафедрах неврологии и микробиологии Ульяновского государственного университета, где проводились исследования по определению объективных оценок для характеристики важных параметров заболеваний и нахождения между ними связей. Подход к оценке данных взят в разработку коллегами кафедры «Микробиологии».

Разработанный программный комплекс зарегистрирован в Отраслевом фонде алгоритмов и программ - «ОФАП» под названием «Frisk vl.5 Программы оценки и анализа в системах принятия решений».

Глоссарий

Задачи дискретной оптимизации (ЗДО) - это задачи, которые характеризуются следующими особенностями:

1. Первая особенность заключается в возможности постановки задачи как задачи поиска отношения II' между двумя или более сущностями (под сущностью, как и обычно, понимается множество однотипных объектов), удовлетворяющего ряду заданных ограничений и оптимизирующего заданную целевую функцию Р(Я), Я' принадлежит Я. Точное решение большинства подобных задач практически невозможно из-за их ЫР-полноты и высокой размерности. Поэтому основными являются эвристические методы решения.

2. Вторая особенность заключается в возможности декомпозиции исходной задачи на ряд более простых подзадач, причем получающиеся подзадачи оказываются однотипными по своей постановке (набору управляемых параметров). При этом постановки подзадач также оказываются эвристическими, поскольку способы достижения строгого соответствия постановок исходной задачи и подзадач остаются неизвестными.

3. Эвристичность применяемых методов решения выражается, прежде всего, в выборе для подзадач локальных целевых функций й(г) г содержится Я и ограничений, которые не имеют глобального характера. [30].

Эвристический метод - Корни слова "эвристика" ведут глубоко в историю. В соответствии со словарем Вебстера, прилагательное "эвристический" означает "способствующий открытию". Оно является производным от "эврика", а слово "эврика", в свою очередь, произошло от греческого "Ьеипзко" - "нахожу". Это нестрого обоснованный метод, использует эвристики - правила, стратегии, методы и приемы, повышающие эффективность системы, которая пытается найти решение сложной задачи. Такие методы позволяют получать приемлемые результаты на различных этапах решения задачи, что в дальнейшем позволяет получить более точную систему.

Хорошие эвристические программы способны самообучаться и производить дополнительный сбор информации во время работы. Основными характеристиками эвристических методов являются:

1. Многозначность - поменяв местами аксиомы (правила) можно получить новую цепочку выводов.

2. Селективность - позволяет ограничить разнообразие возможных решений и сосредоточиться на тех ветвях, которые ведут к вероятному решению. [37]

Метод перебора в глубину.

В методах перебора в глубину, прежде всего, раскрываются те вершины, которые были построены последние. Определим глубину вершины в дереве следующим образом:

- Глубина корня дерева равна нулю.

- Глубина любой последующей вершины равна единице плюс глубина вершины, которая непосредственно ей предшествует.

Таким образом, вершиной, имеющей наибольшую глубину в дереве перебора, в данный момент служит та, которая должна в этот момент быть раскрыта. Такой подход может привести к процессу, разворачивающемуся вдоль некоторого бесполезного пути, поэтому нужно ввести некоторую процедуру возвращения. После того как в ходе процесса строится вершина с глубиной, превышающей некоторую граничную глубину, мы раскрываем вершины наибольшей глубины, не превышающей этой границы и т.д.

Метод перебора в глубину определяется следующей последовательностью шагов:

1) Поместить начальную вершину в список, называемый «ОТКРЫТ».

2) Если список «ОТКРЫТ» пуст, то на выход подается сигнал о неудаче поиска, в противном случае перейти к шагу (3).

3) Взять первую вершину из списка «ОТКРЫТ» и перенести в список «ЗАКРЫТ». Дать этой вершине название п.

4) Если глубина вершины п равна граничной глубине, то переходить к (2), в противном случае к (5).

5) Раскрыть вершину п, построив все непосредственно следующие за ней вершины. Поместить их (в произвольном порядке) в начало списка «ОТКРЫТ» и построить указатели, идущие от них к п.

6) Если одна из этих вершин целевая, то на выход выдать решение, просматривая для этого соответствующие указатели, в противном случае переходить к шагу (2).

В алгоритме поиска в глубину сначала идет перебор вдоль одного пути, пока не будет достигнута максимальная глубина, затем рассматриваются альтернативные пути той же или меньшей глубины, которые отличаются от него лишь последним шагом, после чего рассматриваются пути, отмечающимися последними двумя шагами, и т.д. [29].

1. Андреев Ю.В., к.т.н., Попов A.B. Экспертные системы современное состояние и перспективы развития // Тезисы докладов международной конференции «Копьютерные технологии в образовании и предпринимательстве», ЧГТУ, 2001.

2. Аксенов К.А., Клебанов Б.И., Хренов A.A. Система поддержки принятия решений в вопросе социально-экономического развития. // NEU-2001. http://zhukov.wallst.ru/neu2001/aksenov.htm. (август 2005).

3. Анализ и обоснование хозяйственных решений/ Б.И. Майданчик, М.Г. Карпунин, Я. Г. Любинецкий и др. М.: Финансы и статистика, 1991. -133с.

4. Андриенко Т.Н. Использование нейронной сети для диагностики сердечно-сосудистых заболеваний. .//NEU-2001. http://zhukov.wallst.ru/neu2001/andrienk.htm. (август 2005).

5. Ахо А., Хопкрофт Дж., Ульман Д. Структуры данных и алгоритмы. Учебное пособие. М.: Вильяме, 2000. - 384с.

6. Б.Мельников, А.Радионов. Эвристические алгоритмы в специальных задачах дискретной оптимизации. В кн.: Тезисы докладов международной научной конференции «Дискретный анализ и исследование операций», Новосибирск, изд-во Института математики, 2000.

7. Б.Мельников. Эвристики в программировании недетерминированных игр. «Програмирование» (Известия РАН), 2001, №5, с.63-80.

8. Б. Хилл. Полный справочник по Cisco. М.: Издательство «Вильяме», 2004.- 1088с.

9. Белкин В.А. Параллельно-последовательные системы в нейросетевом моделировании влияния автотранспорта на окружающую среду.// NEU-2001. http://zhukov.wallst.ru/neu2001/belkin.htm. (август 2005).

10. Ю.Белозерова А.Р. Разработка алгоритмов и программных средств для расчетов трансмутационных процессов в конструкционных материалах /Автореферат диссертации. Димитровград, 2005.

11. ЬВ.А.Таболин, С.В.Бельмер, Т.В.Гасилина. Рациональная терапия дисбактериоза кишечника у детей. //Методические рекомендации, Москва, 1998.

12. Воронов A.B., Воронова Г.П. К концепции биоинформационных исследований.// NEU-2001. http://zhukov.wallst.ru/neu2001/voronov.htm. (август 2005).

13. З.Галкин В. А., Григорьев Ю. А. Телекоммуникации и сети. М.: Издательство МГТУ им. Н. Э. Баумана, 2003. - 608с.

14. Гольдштейн Б.С. Протоколы сети доступа. Т.2. М.: Радио и связь, 2001.-292с.

15. Гольдштейн Б.С. и др. Call-центры и компьютерная телефония. Спб.: BHV-Спб, 2002. - 372с.

16. Гольдштейн B.C., Пинчук A.B., Суховицкий A. JI. IP-телефония. М.: Радио и связь, 2001. - 336с.

17. П.Григорьев Ю. А., Ревунков Г. И. Банки данных. М.: Издательство МГТУ им. Н. Э. Баумана, 2002. - 320с.

18. Девянин П.Н. и др. Теоретические основы компьютерной безопасности. М.: Радио и связь, 2000. - 192с.

19. Девятков В.В. Системы искусственного интеллекта. -М.: издательство МГТУ им. Н. Э. Баумана, 2001. 352с.

20. Джен Л. Харрингтон. Проектирование реляционных баз данных. -М.¡Издательство «Лори», 2000. 230с.

21. Диго С.М. Базы данных: проектирование и использование: Учебник. -М.: Финансы и статистика, 2005. 592с.

22. Димарцио Д. Маршрутизаторы Cisco. М.: Издательство «Символ», 2003.-512с.

23. Дональд Э. Кнут. Искусство программирования. Т.2:Получисленные алгоритмы. 3-е издание. М.: «Вильяме», 2000. - 832с.

24. Дьяконов В.П., Абраменкова И.В. Mathcad 8 PRO в математике, физике и Internet. М.: Нолидж, 2000. - 512с.

25. Зима В. М., Молдовян A.A. и др. Безопасность глобальных сетевых технологий. Спб.: BHV-Санкт-Петербург, 2002. - 368с.

26. И. Братко. Программирование на языке Пролог для искусственного интеллекта. М.: Мир, 1990. - 552с.

27. Иванова Г.С. Основы программирования. Учебник для вузов. М.: Издательство МГТУ им. Н. Э. Баумана, 2004. - 416с.

28. Иванова Г. С. Технология программирования. Учебник для вузов. М.: Издательство МГТУ им. Н. Э. Баумана, 2002. - 320с.

29. Кеннеди Кларк. Принципы коммутации в локальных сетях Cisco. М.: Издательство «Вильяме», 2003. - 976с.

30. Кини Р.А, Райфа X. Принятие решения при многих критериях: предпочтение и замещение/ Пер. с англ. М.: Радио и связь, 1981.

31. Кнут Д. Искусство программирования для ЭВМ. Т.1: Основные алгоритмы М.: Мир, 1976. - 736с.

32. Комашинский В.И. Смирнов Д.А. Нейронные сети и их применение в системах управления и связи. М.: Горячая линия Телеком, 2002.

33. Кононович А. Эвристика. // Азбука программирования №31, 1997. http://www.kv.by/index.cgi7icH 1997311201. (октябрь 2005).

34. Корбут A.A., Финкельштейн Ю.Ю. Дискретное программирование. -М.: Наука. Гл. ред. физ.-мат. лит. 1969.

35. Кормен Т., Лейзерсон Ч., Ривест Р. Алгоритмы: Построение и анализ. Изд. 2-е. М.: МЦНМО, 2004. - 960с.

36. Кочетков В.В., Скотникова И. Г. Индивидуально-психологические проблемы принятия решения/Институт психологии. М.: Наука, 1993. - 142с.

37. Кристиансен Т. Perl. Сборник рецептов. Для профессионалов, 2-е издание. Спб.: Питер, 2004. - 928с.

38. Куваева И.Б., Ладодо К.С. Микроэкологические и иммунные нарушения у детей. М.: Медицина, 1991. - 239с.

39. Лаборатория "Математические модели принятия решений". Библиотека текстовых задач. Институт математики им. Соболева СО РАН. Метод ветвей и границ.http://math.nsc.ru/AP/benchmarks/UFLP/uflpbb.html. (июль 2005).

40. Леинванд А. Конфигурирование маршрутизаторов Cisco/ 2-е издание. -М.: Издательство «Вильяме», 2003. 368с.

41. Лукацкий A.B. Обнаружение атак. Спб.: БХВ-Петербург,2001. - 624с.

42. Люк Веллинг, Лора Томсон. MySQL. Учебное пособие. М.: Издательство «Вильяме», 2005. - 429с.

43. М. Каба. MySQL и Perl: коммерческие приложения для Интернета. -Спб.: Питер, 2001.-288с.

44. Мак-Квери С., Мак-Грю. К. Передача голосовых данных по сетям Cisco Frame Relay, ATM и IP: Официальный учебник курса Cvoice. М.: Издательство «Вильяме», 2004. - 512с.

45. Малыхина М. П. Базы данных: основы, проектирование, использование. Спб.: БХВ-Петербург, 2004. - 512с.

46. Машин В.В., Кадыков A.C. Гипертоническая энцефалопатия: Клиника и патогенез. Ульяновск: УлГУ, 2002.- 139с.

47. Мельников Б., Мосеев А. Недетерминированные игры и экономика // В кн.: Сборник материалов 2 международной научно-технической конференции «Математические методы и компьютеры в экономике». -1999. Пенза, изд-во ПТИ. - С.31.

48. Мельников Б., Мосеев А. Функции риска в краткосрочном прогнозе // В кн.: Труды 4 научной конференции «Математическое моделирование», секция математики. 2001. - Ульяновск, изд-во УлГУ.-С. 12-13.

49. Мельников Б.Ф. Мультиэвристический подход к задачам дискретной оптимизации. //Тольяттинский государственный университет. http://bormel.narod.ru/articles/emprzdo.doc. (январь, 2005).

50. Мельников Б.Ф., Радионов А. Н. О выборе стратегии в недетерминированных антагонистических играх // Программирование. М.: Известия РАН, 1998. №5. С.55-62.

51. Мельников Б.Ф., Радионов А.Н. Программирование недетерминированных игр. Гордон. «За науку» тв-программа. Июнь 2003. http://www.gordon.rU/konkurssite/page02.html#030522. (июль 2003).

52. Мельников Б.Ф., Тарасова Е.Г. Функции риска в системах принятия решений для сетевой модели управления ISO // Математика. Образование. Культура: Международная научная конференция, 2003, Тольятти: ТГУ, 2004.- Ч.2.- с.23.

53. Мину М. Математическое программирование. Теория и алгоритмы. -М.: Наука, 1990. -488с.

54. Некипелов Н., Арустамов А. Методика анализа данных, апрель, 2005. http://www.basegroup.ru/tech/methodology.htm. (май, 2005).

55. Некипелов Н., Шахидди Акобир. Онтология анализа данных. http://www.basegroup.ru/tech/ontology.htm. (сентябрь, 2005).

56. Пакет Кетрин. Создание сетей удаленного доступа Cisco. М.: Издательство «Вильяме», 2003. - 672с.

57. Пинегин Б.В., Мальцев В.Н., Коршунов В.М. Дисбактериозы кишечника. М.: Медицина, 1984. - 114с.

58. Поль Дюбуа. Применение MySQL и Perl в Web-приложениях. М.: Издательство «Вильяме», 2003. - 480с.

59. Попов Г.В. Курс лекций. Методы принятия решений 3.2 Метод сканирования (перебора). 2002.http://www.transform.ru/cd/specdiscipls/sysan&mod/lectures/3.htm. (июль 2005).

60. Прогнозирование. BaseGroup Labs © http://www.basegroup.ru/tasks/forecast.htm. (сентябрь, 2005).

61. Р. Уайт, В. Боллапрагада, К. Мерфи. Структура операционной системы Cisco IOS (Протокол коммутации Netflow). М.: Вильмс, 2002. - 208с.

62. Рациональная терапия дисбактериоза кишечника у детей: Методические рекомендации / В.А.Таболин, С.В.Бельмер, Т.В.Гасилина, Ю.Г.Мухина, Т.И.Корнева; Российский государственный медицинский университет. Москва, 1998. Юс.

63. Руденко И. Маршрутизаторы Cisco для ip сетей: Учебно-справочное издание. М.: Издательство «Куцид-образ», 2003. - 656с.

64. Саати Т. Принятие решений: Метод анализа иерархий/ Пер. С англ. Р. Г. Вачнадзе. М.: Радио и связь, 1993. - 320с.

65. Сайт международного общества динамических игр. Метод ветвей и границ в целочисленных задачах, http://www.isdgrus.ru/tt/!.pdf. (июль 2005).

66. Семенов Ю.А. "Протокол реального времени RTP. (ГНЦ ИТЭФ)."2004. http://book.itep.rU/4/44/rtp4492.htm (февраль 2005).

67. Статистика: учебник/ Под ред. B.C. Мхитаряна. М.: Экономистъ,2005.-671с. (стр.123).

68. Струнков Т. Думал ли Гильберт о нейронных сетях? PC Week RE, 13/99 http://www.neuroproject.ru/hilbert.php. (2005).

69. Струнков Т. Что такое генетические алгоритмы. PC Week RE, 19/99. http://www.neuroproject.ru/gene.php. (2005).

70. Тарасова Е. Г. Функции риска в нетрадиционных задачах с анализом основных параметров, как показателей заболевания. Научные чтения для студентов и аспирантов: региональная научно-техническая конференция, 2005, Тольятти: ТСУ, 2005.- с. 43.

71. Тарасова Е. Г. Функции риска в системах принятия решений с анализом основных параметров модели // Ученые записки. Ульяновск: УлГУ, ФИТТ, 2004, с.39.

72. Тарасова Е. Г. Нетрадиционные методы принятия решений в области анализа и классификации трафика // Туполевские чтение. Тезисы кконференции секция «Телекоммуникации в средствах связи». Казань: КАИ, 2005 принято к публикации.

73. Тарасова Е.Г. Функции риска как составляющая специального подхода к анализу классификации трафика // Журнал Исследовано в России, октябрь 2005 принято к публикации.

74. Теория статистики: Учебно-практическое пособие / В.Г. Минашкин, А.Б. Гусынин; Московский государственный университет экономки, статистики и информатики. Москва, 2003. 173с.

75. Теория статистики: Учебник / Под ред. Проф. Г.Л. Громыко. 2-е изд. -М.: ИНФРА-М, 2005. - 476с.

76. Теория выбора и принятия решений: учебное пособие/ И. М. Макаров, Т.М. Виноградская , А.А Рубчинский, В. Б. Соколов. М.: Наука, 1982. - 327с.

77. Уэнстром М. Организация защиты сетей Cisco. М.: Издательство «Вильяме», 2003. - 768с.

78. Cacti. Obtaining. Documentation. Support contacts. http://gnu.tsuren.net/directory/cacti.html, (2005).

79. Eastlake, D., Crocker, S., и J. Schiller. Randomness Recommendations for Security, RFC 1750, DEC, Cybercash, MIT, December 1994.

80. Eric Detoisien. Отказ в обслуживании. http://www.linuxfocus.org/Russian/March2003/article282.shtml (2004).

81. Forex: рынок для любителей биржевой игры. // Мир денег №7(51), 27 мая 1999. http://www.pressa.spb.ru/newspapers/mirden/arts/mirden-51-art-6.html. (сентябрь 2005).

82. Flow-tools information, http://www.splintered.net/sw/flow-tools. (2005).

83. Flow-tools information, http://noc.caravan.ru/docs/flow-tools/flow-tools.html. (2005).

84. J. Wroclawski. The Use of RSVP with IETF Integrated Services, RFC 2210, MIT, September 1997. http://lattice.itep.ru/old/UNIX/RFC/rfc2210.html.

85. Land A.H., and Doig A.G. An autmatic method of solving discrete programming problems. Econometrica. v28 (1960), pp 497-520.

86. Little J.D.C., Murty K.G., Sweeney D. W., and Karel C. An algorithm for the traveling salesman problem. Operations Research, vl 1 (1963), pp 972-989.

87. Melnikov B. Discrete optimization problems some new heuristic approaches // 8th International Conference on High Performance Computing and Grid in Asia Pacific Region. - 2005. - P.73-80.

88. Netflow. Introduction. //Cisco Systems 1992-2005. http://www.cisco.com/en/US/tech/tk812/tsdtechnologysupportprotocolh ome.html. (2005).

89. NeTraMet система, ноябрь 2003. http://www.auckland.ac.nz/net/NeTraMet. (2005).

90. Perl. Программирование на языке высокого уровня: Учебник для вузов/ А.В. Матросов, М.П. Чаунин. Спб.: Питер, 2003.- 608с.

91. Reynolds, J., и J. Postel, "Assigned Numbers", STD 2, RFC 1700, USC/Information Sciences Institute, October 1994.

92. RFC 1889 "A Transport Protocol for Real-Time Applications" H. Schulzrinne, S. Casner, R. Frederick, V. Jacobson.

93. Start using MRTG. MRTG Documentation pack, www.mrtg.org, (2005).

94. Jae K. Lee, June S. Hong, A regenerative expert system approach for the maintenance of expert systems, Expert Systems With Applications (14)3 (1998) pp. 313-321.

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

96. Рыбина Г.В. Технология проектирования прикладных экспертных систем: Учебное пособие. М.: МИФИ, 1991. - 104 с.

97. Джорж Ф. Люгер. Искусственный интеллект: стратегии и методы решения сложных проблем, 4-е издание. М.: Издательский дом «Вильяме», 2003. - 864с.