Институт математики, естественных и компьютерных наук
Грант Российского фонда фундаментальных исследований
и Правительства Вологодской области №18-47-350001 р_а
«Модели и методы построения нейро-нечетких интеллектуальных агентов в информационно-телекоммуникационных системах»
- НАУЧНЫЙ КОЛЛЕКТИВ ПРОЕКТА
- АННОТАЦИЯ ПРОЕКТА
- ФУНДАМЕНТАЛЬНАЯ ЗАДАЧА
- АКТУАЛЬНОСТЬ ИССЛЕДОВАНИЯ
- НАПРАВЛЕНИЕ ИЗ СТРАТЕГИИ НАУЧНО-ТЕХНОЛОГИЧЕСКОГО РАЗВИТИЯ РФ
- АКТУАЛЬНОСТЬ И ЗНАЧИМОСТЬ ТЕМЫ НАУЧНОГО ИССЛЕДОВАНИЯ ДЛЯ СУБЪЕКТА РФ
- СОВРЕМЕННОЕ СОСТОЯНИЕ ИССЛЕДОВАНИЙ В ДАННОЙ ОБЛАСТИ
- ЛИТЕРАТУРА
- ЦЕЛЬ И ЗАДАЧИ ПРОЕКТА
- НАУЧНАЯ НОВИЗНА ИССЛЕДОВАНИЯ
- ПРЕДЛАГАЕМЫЕ ПОДХОДЫ И МЕТОДЫ
- ОЖИДАЕМЫЕ РЕЗУЛЬТАТЫ НАУЧНОГО ИССЛЕДОВАНИЯ И ИХ НАУЧНАЯ И ПРИКЛАДНАЯ ЗНАЧИМОСТЬ
- ОБЩИЙ ПЛАН РАБОТ НА ВЕСЬ СРОК РЕАЛИЗАЦИИ ПРОЕКТА
- НАУЧНЫЕ РЕЗУЛЬТАТЫ ЗА ПЕРВЫЙ ГОД РЕАЛИЗАЦИИ ПРОЕКТА
- НАУЧНЫЙ ЗАДЕЛ ПО ПРОЕКТУ
- ПУБЛИКАЦИИ УЧАСТНИКОВ КОЛЛЕКТИВА
- ПУБЛИКАЦИИ НАУЧНОГО КОЛЛЕКТИВА ЗА ПЕРВЫЙ ГОД РЕАЛИЗАЦИИ ПРОЕКТА
- ПУБЛИКАЦИИ НАУЧНОГО КОЛЛЕКТИВА ЗА ВТОРОЙ ГОД РЕАЛИЗАЦИИ ПРОЕКТА
НАУЧНЫЙ КОЛЛЕКТИВ ПРОЕКТА
|
Ф.И.О. |
Ученая степень/звание |
Роль в проекте |
Год рождения |
Место работы |
|
Андрианов Игорь Александрович |
К.т.н, доц. |
Исполнитель |
1980 |
ВоГУ каф. Автоматики и вычислительной техники |
|
Дианов Сергей Владимирович |
К.т.н, доц. |
Исполнитель |
1971 |
ВоГУ каф. Информатики и информационных технологий |
|
Суконщиков Алексей Александрович |
К.т.н, доц. |
Исполнитель |
1955 |
ВоГУ каф. Автоматики и вычислительной техники |
|
Наимов Алижон Набиджанович |
Д. ф.-м. н., проф. |
Исполнитель |
1967 |
ВоГУ каф. Информатики и информационных технологий |
|
Швецов Анатолий Николаевич |
Д. т. н., проф. |
Руководитель |
1959 |
ВоГУ каф. Информатики и информационных технологий |
|
Кочкин Дмитрий Валерьевич |
К.т.н, доц. |
Исполнитель |
1986 |
ВоГУ каф. Автоматики и вычислительной техники |
АННОТАЦИЯ ПРОЕКТА
Проект направлен на исследование и разработку моделей и методов формализации и верификации распределенных информационно-телекоммуникационных систем, включающих в себя сообщества интеллектуальных агентов, обеспечивающих интеграцию данных и знаний в распределенных системах, функционирующих в среде программных приложений, реализующих нейро-нечеткую парадигму функционирования сложных дискретных систем и поддерживающих сетевую телекоммуникационную инфраструктуру, обеспечивающую передачу и обработку информации, хранение и доступ к базам данных и корпоративным хранилищам.
Научная новина и значимость исследования заключаются в том, что распределенные информационно-телекоммуникационные системы рассматриваются как сложные многоуровневые и многослойные интеллектуальные системы, содержащие интеллектуальных агентов различных классов, обеспечивающих эффективную работу по обработке, передаче и хранению данных и знаний в целях поддержки принятия решений и адаптации в изменяющейся динамической гетерогенной среде.
ФУНДАМЕНТАЛЬНАЯ ЗАДАЧА
Представление функционирования и эволюции сложных распределенных информационно-телекоммуникационных систем (ИТС) в нейро-нечеткой агентно-ориентированной парадигме. Создание формально-математических средств анализа, верификации и декомпозиции моделей обобщенной нейро-нечеткой архитектуры для построения интеллектуальных систем передачи, обработки и хранения информации.
Актуальность исследования
В современном обществе сформировалась сложная многоуровневая инфокоммуникационная среда, охватывающая все системообразующие институты социума, обеспечивающая функционирование и развитие органов государственной власти, муниципального управления, предприятий и организаций всех отраслей промышленности и видов деятельности.
Данная среда имеет многоуровневую многосвязную иерархическую организацию, включающую множество уровней (слотов) рассмотрения, количество и назначение которых зависит от рода деятельности и функций предприятия (организации), но как правило, включает следующие уровни:
– уровень локальных приложений и программ, функционирующих на рабочих станциях исполнителей (работников, пользователей);
– уровень сетевой инфокоммуникационной архитектуры, обеспечивающий передачу информации между различными компонентами распределенной системы;
– уровень корпоративных функциональных подсистем, таких как САПР, АСНИ, СППР отделов и подразделений, локальные экспертные системы, системы технологической подготовки производства и т.д.
– уровень информационных систем масштаба предприятия, организации, корпорации, включающий КИС, распределенные СППР, ситуационные центры и т.п.
– уровень региональных информационно-управляющих систем (ГИС, электронное правительство, РСППР, ситуационные центры регионов, отраслей, международных корпораций);
– глобальные информационные системы и сети (структуры и ресурсы сети Интернет, во всем многообразие ее компонентов: сообщества знаний, социальные сети, сервисы, информационно-поисковые системы и т.д. и т.п.).
Такие системы обладают изменчивой структурой, связанной с изменением количества компонентов, эволюцией и деградацией их свойств и взаимосвязей этих компонентов, их параметров, объемов и содержания информационных потоков и т.п.
Количество взаимосвязей и взаимозависимостей между компонентами многоуровневой распределенной системы становится столь велико, что не поддается традиционным методам формализации. Количество и объем требуемых формальных моделей требует недостижимых затрат интеллектуальных человеческих ресурсов и не может быть выполнено в приемлемые сроки.
Одной из важнейших задач функционирования распределенных информационно-телекоммуникационных систем становится интеграция подсистем различных уровней иерархии для обеспечения правильного и своевременного принятия решений и реализации задач управления.
Реальными примерами таких систем являются территориально-распределенные системы (регион, город), корпоративные информационные системы предприятий и организаций, социальные группы в пределах различных территориальных структур (модели населения города), распределенные гетерогенные системы и сети территориальных образований, предприятий и организаций.
Сложность распределенных ИТС обуславливается не только разнородностью циркулирующей в них информации, но и принципиальной неполнотой, нечеткостью и вероятностной природой многих атрибутов, параметров и показателей системы, которые изменяются во времени в своих временных потоках.
Поэтому в последние годы развивались исследования интеллектуальных агентно-ориентированных систем, учитывающих свойства неполноты, нечеткости, стохастичности сложных распределенных сред в моделях ИА, включающих механизмы нечеткой логики и искусственных нейронных сетей (ИНС).
Многие исследователи считают, что нейро-нечеткие модели лучше воспроизводят (имитируют) интеллектуальное поведение во многих задачах обработки информации и принятия решений, характерных для распределенных информационных систем, систем корпоративного, организационного и производственного управления.
Нейро-нечеткие модели получили достаточно широкое распространение при решении задач диагностики, классификации, распознавания образов, обработки текстов естественного языка, локального нечеткого и адаптивного управления.
Вместе с тем, требуют дальнейшего исследования и решения проблемы выбора методов и установления параметров обучения ИНС, обоснования использования функций принадлежности нечетких множеств, интерпретируемых на данной проблемной области, изучения возможностей использования новых нечетких и многомодальных логик в моделях управления и принятия решений в распределенных информационно-управляющих системах.
В области агентно-ориентированных систем разработан ряд подходов и методов коллективного поведения агентов, функционирования агентных сообществ, моделей социального поведения и искусственной жизни. В ряде случаев известные методы и алгоритмы позволяют находить оптимальные решения оптимизационных задач путем моделирования развития популяций агентов и обеспечивать адаптацию интеллектуальных систем к условиям динамической внешней среды. Однако, задачи формального описания эволюции распределенных интеллектуальных систем, самообучения и самоорганизации в динамической информационной среде, требуют дальнейшего методологического осмысления и исследования на основе современных математических формализмов (модифицированные и нечеткие сети Петри, интегрированные нейро-сетевые модели, многомодальные нечеткие логики, дифференциальные уравнения с нечеткими параметрами).
Поэтому представляется целесообразным исследование и разработка моделей нейро-нечетких интеллектуальных агентов, функционирующих на различных уровнях системного представления ИТС (системно-организационный, информационно-поведенческий, инфраструктурно-коммуникационный, аппаратно-технологический).
Направление из Стратегии научно-технологического развития Российской Федерации
Связанность территории Российской Федерации за счет создания интеллектуальных транспортных и телекоммуникационных систем, а также занятия и удержания лидерских позиций в создании международных транспортно-логистических систем, освоении и использовании космического и воздушного пространства, Мирового океана, Арктики и Антарктики.
Актуальность и значимость темы научного исследования для субъекта РФ
Современные информационные технологии (ИТ) – один из главных локомотивов научно-технического прогресса. Они непосредственно воздействуют на различные стороны социального и экономического развития общества, государственного управления, науки и образования. В Российской Федерации развитие и эффективное использование ИТ является одним из приоритетных направлений государственной политики.
В Вологодской области сложились уникальные благоприятные условия для интеграции науки, образования и бизнеса, когда органы государственного управления регионального и муниципального уровней, бизнес-сообщество, профильные общественные организации, система среднего и высшего образования выступают единым фронтом по трансформации региональной ИТ-сферы в одну из значимых отраслей региональной экономики. Существует хороший задел в виде работающих в регионе зрелых ИТ-компаний, имеющих компетенции российского и международного уровней. По данным Администрации города Вологды в ИТ-отрасли только в г. Вологде работают более ста компаний, в которых трудятся более 2000 человек, а финансовый оборот приближается к 5 млрд. руб. в год. В государственной программе «Информационное общество – Вологодская область (2014 – 2020 годы)», утвержденной Постановлением Правительства Вологодской области 28.10.2013 года, поставлены амбициозные задачи повышение качества жизни населения области, обеспечение конкурентоспособности области, развитие экономической, социально-политической и культурной сфер общества, повышение эффективности государственного управления и местного самоуправления на основе использования современных информационных и телекоммуникационных технологий.
Для достижения этих целей требуется эффективное использования и развитие имеющейся научной базы для обеспечения самовоспроизводящегося полного цикла: выполнения прорывных научных исследований, их последующей бизнес-акселерации, коммерциализации, масштабирования результатов на федеральный и мировой рынки. Существует понимание того, что основные усилия необходимо сфокусировать на дальнейшем развитии имеющегося кадрового потенциала, обладающего компетенциями в сфере генерации идей, формировании команд, коллективном проектировании, разработке, последующем маркетинге и продажах востребованных и инновационных ИТ-продуктов и услуг.
Результаты проекта могут быть коммерциализованы в процессе сотрудничества с IT-фирмами, специализирующимися на разработке ИКТ, такими как «Бизнес-Софт», Playrix, ООО «Простые решения», Трилан, R-Style Softlab, Адрэм и др.
современное состояниЕ исследований в данной области
В зависимости от трактовки задач ИТC и сложности их реализации формируются требования к моделям сетевых компонентов и средствам работы с ними. Для крупных корпоративных систем дополнительно требуется интерпретация, анализ и прогнозирование ситуаций на основе имеющихся данных и возможных вариантов их изменения, поэтому в них за основу берутся более сложные модели динамического ситуационного, имитационного, экспертного представления. Специфика интеграционных и конвергентных процессов сильно зависит от их масштаба, который варьируется от небольших задач ситуационного анализа до достаточно подробного ситуационного моделирования управления сложной сетью с различными типами оборудования.
Интеграция и конвергенция систем имеют общие цели, но различаются по своим подходам. В первом случае системы объединяются, сохраняя свою самостоятельность, а во втором - они как бы сливаются и становятся неразделимым целым. При интеграции систем необходимо реализовать логику и интерфейс взаимодействия различных методов и моделей. Примерами интеграционных платформ являются решения на базе сервисно-ориентированной архитектуры (SOA) и модели асинхронного взаимодействия на базе событий (EDA). Конвергенция систем подразумевает их универсализацию за счет объединения общих компонентов, расширения их функций и возможной интерпретации. Конвергенция исключает возможность выполнения компонентами системы одних и тех же задач различными способами, но допускает распараллеливание работы по единому принципу или этапам обработки информации.
Интеграция и конвергенция ИТC может быть построена на различных принципах и технологиях, однако наибольшая эффективность может быть достигнута за счет интеграции математических методов и моделей, лежащих в их основе. Одним из примеров для комплексной интеграции-конвергенции систем моделирования является подход ситуационно-имитационно-экспертного (SIE) моделирования. Концепция SIE-моделирования содержит набор методов и рекомендаций по интеграции фиксированного набора моделей и систем. Основополагающим принципом SIE-моделирования является гипотеза о возможности представления деятельности ЛПР, с помощью трех типов систем: экспертная система содержит формализованное описание накопленного экспертом опыта по решению различных задач в предметной области и позволяет моделировать его рассуждения; система имитационного моделирования позволяет обеспечить эффективное принятие решения в тех случаях, когда возникают новые ситуации и накопленного опыта недостаточно; система ситуационного моделирования используется в тех случаях, когда количество данных о предметной области слишком велико и не позволяет применять напрямую другие модели.
Похожий подход реализуется в рамках методологии ARIS, где выделяются четыре укрупненных группы моделей: организационная, функциональная, управленческая и данных, а для описания показателей используется BSC-модель. В области динамического моделирования примерами могут служить такие передовые разработки как SLX (Wolverine Software), AnyLogic (XJ Technologies) и BPSim.
В таких условиях становится необходимым построение агентно-ориентированных ИТС, учитывающих взаимодействие всех элементов распределенных СППР и компонентов сетевой корпоративной инфраструктуры.
Исследованию данной проблемы посвящены работы Аксенова К.А., Голосова А.О., Вишневского В.М., КлыковаЮ.И., Советова Б.Я., Филипповича А.Ю., Яковлева С.А.
При проектировании ИТС с учетом качества обслуживания необходимо определить достаточное количество классов обслуживания, выбрать оборудование, которое будет удовлетворять по своим стоимостным и техническим характеристикам, оценить нагрузку на сеть и характеристики этой нагрузки. Сложность ситуации заключается в том, что многие исходные параметры системы задаются в нечёткой форме, и комплексное решение этих задач требует теоретического обоснования и разработки новых формально-математических методов и моделей.
Одной из актуальных проблем является разработка методов исследования ИТС в условиях неопределенности. Трудности, связанные с решением этой проблемы, обусловлены целым рядом факторов, к которым следует отнести:
1. наличие большого числа взаимосвязанных подсистем (компонентов) со сложными структурными и функциональными отношениями между ними;
2. жизнедеятельность отдельных подсистем (компонентов) не носит самостоятельный характер и обусловлена ее местом в системе в целом;
3. функционирование отдельных подсистем (компонентов) происходит асинхронно, правила взаимодействия их описываются логическими условиями;
4. неопределенность поведения отдельных подсистем может носить как вероятностный, так и нечеткий характер.
На основании изученных подходов в работах авторского коллектива проекта определены предварительные требования к математическому аппарату:
1. Отсутствие необходимости непосредственного доступа к реально действующей сети. В сложной ИТС доступ к отдельным устройствам может быть ограничен, либо может потребоваться оценить функционирование системы в критических условиях.
2. Отсутствие необходимости знать устройство всех элементов сети. Для анализа всей системы в целом, зачастую, можно пренебречь работой некоторых отдельных её частей.
3. Одновременный анализ большого комплекса механизмов обработки трафика. Работа механизмов обработки трафика должна быть показана во взаимодействии.
4. Анализ большинства отдельных механизмов обработки трафика. Математический аппарат должен позволять промоделировать большое количество механизмов обработки трафика, применяемых в современных коммутирующих устройствах.
5. Скромные системные требования при вычислениях. Анализ потоков трафика в вычислительной сети должен проводиться в течение разумного времени и использовать для вычислений ограниченные ресурсы.
6. Прозрачность способов оценки для пользователя. Пользователю проще воспринимать результат, полученный с помощью системы, механизм функционирования которой ему понятен.
7. Возможность использовать на этапе проектирования. При модернизации существующей сети или проектировании новой может потребоваться оценить её функционирование ещё до закупки оборудования и прокладки кабельных систем.
8. Развитый аналитический аппарат. Наличие развитого аналитического аппарата позволяет более эффективно проводить обработку данных, быстрее и точнее получать результаты.
9. Возможность работы в условиях нечётких данных. В такой области, как ИТС, некоторые оценки могут быть выражены только через лингвистическое задание. Обработкой такого рода оценок и занимается нечёткая логика.
При анализе ИТС задаются следующие исходные данные: структура сети, число каналов и их пропускная способность; показатели надежности элементов сети; характеристика информации; состав и основные характеристики технических средств, используемых в сети; процедуры повышения достоверности, способ коммутации, алгоритмы маршрутизации, параметры стоимости элементов сети; нормативные требования к обмену сообщениями в сети.
Задача моделирования и анализа сети состоит в расчете параметров сети в целом или отдельных ее фрагментов с целью определения степени соответствия характеристик сети заданным нормативам. В качестве требований к обмену сообщениями задаются нормы своевременности доставки по категориям срочности, нормы достоверности, нормы по структурной надежности и другие.
При этом центральной проблемой разработки агентно-ориентированных систем является отсутствие теоретически обоснованной методологии проектирования, охватывающей все стадии процесса создания системы и обеспечивающей переход от абстрактной архитектуры распределенной системы и формальных логических моделей интеллектуальных агентов (ИА) к стадии технической реализации. Немногочисленные попытки создания подобной методологии (работы В.И. Городецкого, М. Вулдриджа, Д. Кинни, В.Б. Тарасова) фактически являются пионерскими и ориентированы на определенный ограниченный класс задач, моделируемый в рамках конкретного программного инструментария. Известные подходы могут базироваться на объектно-ориентированных методах и технологиях с использованием соответствующих расширений, использовать традиционные методы инженерии знаний или основываться на организационно-ориентированных представлениях. Однако, они не учитывают многообразие задач обработки информации, возникающих в динамической гетерогенной информационной среде; необходимость применения интеллектуальных агентов с различными интеллектуальными способностями, потребность в самопознании интеллектуальными агентами окружающего мира; ограничения, накладываемые на возможные реализации мультиагентных систем техническими средствами инфокоммуникационной среды.
Таким образом, возникает проблема построения методологии и реализующих ее инструментальных средств разработки ИТC, учитывающих разнообразие и сложность задач обработки информации в динамической гетерогенной информационной среде (ДГИС) и возможность изменения структуры и свойств информационной среды в процессе функционирования ИТС; позволяющих создавать интеллектуальных агентов, способных к самопознанию и исследованию изменяющихся свойств ДГИС; отвечающих требованиям к безопасности и защите информации в РИИСC от случайных и целенаправленных воздействий.
Проблема создания инструментальных средств проектирования распределенных интеллектуальных и мультиагентных систем весьма интенсивно исследуется в последние годы. К настоящему моменту разработан ряд инструментальных систем, ориентированных на решение подобных задач, в том числе AgentBuilder, AgentFactory, Ascape, Bee-gent, Cable, Concordia, Decaf, FIPA-OS, GenA, Grasshopper, Gypsy, Hive, JADE, JATLite, JAFMAS, Knowbot System Software, MAML, Open Agent Architecture, ProcessLink, Swarm, Voyger, Zeus.
Вместе с тем, практически не существует инструментальных средств, удовлетворяющих комплексу предъявляемых к ним на современном уровне требований - общесистемных и инструментально-технологических. К первым относятся: сквозная поддержка всех фаз жизненного цикла; наличие единой интегрированной среды разработки всех компонентов МАИС; поддержка различных категорий пользователей; обеспечение средств визуального проектирования; автоматическое создание исполняемых программных кодов интеллектуальных агентов; поддержка коллективной работы над проектом системы и автоматизированного документирования всех фаз процесса разработки. Ко вторым относятся такие составляющие как обеспечение построения распределенных баз знаний и механизмов логического вывода; поддержка процесса формирования логических моделей распределенной системы (формирования онтологий описываемых областей и распределение знаний по интеллектуальным компонентам); обеспечение способов построения моделей поведения ИА; реализация механизмов параллельного функционирования, коммуникации и координации агентов; поддержка модифицируемости и расширяемости моделей ИА в процессе реального функционирования и т.д.
Среди отечественных разработок следует выделить инструментальные средства группы интеллектуальных систем Санкт-Петербургского института информатики и автоматизации РАН, возглавляемой В.И. Городецким, разработки коллектива В.Ф. Хорошевского, инструментальную среду MagentAEngine, основанную на работах В.А. Виттиха и П.О. Скобелева.
Принципиальное отличие подхода, развиваемого авторами проекта, состоит в переносе акцента разработки на стадию концептуального проектирования и возложении задач логического и физического проектирования моделей и структур знаний и данных на инструментальные средства. Концептуальные установки, планируемые в качестве основы инструментального комплекса построения ИТC заключаются в следующем:
– стремление к полной автоматизации этапа системного проектирования;
– автоматическое выделение интеллектуальных составляющих в ходе декомпозиции предметной области;
– использование расширяемых библиотек моделей поведения ИА.
В отличие от ряда инструментальных средств создания МАС, использующих в качестве базового целевого языка проектирования агентов язык Java в концепции авторов постулируется принципиальный отказ от использования конкретного языка программирования в качестве базового средства реализации распределенной системы. Вместо этого закладывается принцип интерпретации моделей интеллектуальных составляющих соответствующими интерпретаторами системы исполнения. Такой подход обеспечивает независимость комплекса от конкретной программно-аппаратной платформы, снимает необходимость трансляции моделей ИА в предложения конкретного языка программирования, позволяет модифицировать уже разработанную ИТC на уровне моделей интеллектуальных составляющих без перетрансляции программных кодов.
В начале 21 века были предложены некоторые модели нейро-нечетких ИА, представленные в работах В.Г. Редько, Г.Н. Рапопорта, С.В. Корниенко, О.А. Корниенко, R.S.T. Lee, A.-J. Fougères, E. Ostrosi, N. Ghasem-Aghaee, T.I. Ören, и др. [1]-[19]. и др.
Полученные в этих исследованиях модели ИА показали приемлемые теоретические и экспериментальные результаты в условиях относительно небольших дискретных сред и систем с использованием известных методов обучения нейронных сетей (обучение с подкреплением, обратное распространение ошибки, теория хаоса). В тоже время, реальное использование подобных моделей становится затруднительным в условиях сложных распределенных многоразмерных информационных сред и систем, в которых известные методы обучения трудноприменимы вследствие экспоненциального роста пространства состояний. Для преодоления этих ограничений требуется разработка иерархических нейро-нечетких моделей агентов, способных к самообучению в условиях динамической гетерогенной информационной среды.
В 21 веке интенсивно развиваются исследования модальных и многомодальных пропозициональных логик в агентно-ориентированных ИТС, описывающих рассуждения, доказательства, вычисления, способствующие более адекватному отражению сложных информационных процессов в распределенных многоуровневых иерархических системах.
Разработано большое число интерпретаций многомодальных логических систем, использующих такие операторы как "возможно", "необходимо", "до тех пор, пока", "всегда в будущем верно P", "существует момент в будущем, когда верно P".
Для ИТС функционирующих в ДГИС весьма важно использование темпоральных логик, отражающих текущие изменения в системах.
Разработаны также эпистемические модели с модальностями, представляющими знания агентов о мультиагентном мире, о себе и т.п. Наиболее развитые мультиагентные логики сочетают в себе временные операторы и операторы знания.
В работах Van der Meyden R., Шилова Н.В. предложена линейная модельная логика знания и времени с модальными операторами UNTIL и COMMON KNOWLEDGE [20] - [22].
В работах В.В. Рыбакова, Э.Калардо, С.В. Бабенышева исследованы линейные многомодальные логики знания и времени с операторами знаний индивидуальных агентов, оператором общего знания и знания по взаимодействию агентов [23] - [24].
В работах А.Н. Лукьянчук построена многомодальная логика LTKr с интранзитивным отношением времени [25].
Согласно результатам, полученным J.Y. Halpern, Van der Meyden R., M.Y. Vardi, на основании базовых параметров классификации логических языков и свойств ИА, может быть построено 96 вариантов логики знания и времени [26].
Анализ полученных результатов показывает, что объективно существует проблема обоснованного и адекватного выбора логической системы, применимой для построения моделей ИА в условиях различных ограничений в ИТС.
ЛИТЕРАТУРА
1. Редько, В.Г. Эволюция, нейронные сети, интеллект: Модели и концепции эволюционной кибернетики /В.Г. Редько. – М.: КомКнига, 2005. – 224 с. (Синергетика: от прошлого к будущему.)
2. Рапопорт, Г.Н. Искусственный и биологический интеллекты. Общность структуры, эволюция и процессы познания / Г.Н. Рапопорт, А.Г. Герц. – М.: КомКнига, 2005. – 312 с.
3. Корниенко, С. В. Искусственная самоорганизация и коллективный искусственный интеллект: на пути от индивидуума к социуму / С. В. Корниенко О. А. Корниенко // От моделей поведения к искусственному интеллекту /под ред. В.Г. Редько. – М, 2006. – С. 287-342.
4. Raymond S.T. Lee Fuzzy-Neuro Approach to Agent Applications: From the AI Perspective to Modern Ontology / Springer Science & Business Media, 2006. – 376 p.
5. A.-J. Fougères, E. Ostrosi, Fuzzy Agents Communities for Product Integrated Configuration, in Proceedings of the 11th Int. Conf. on Intelligent Systems Design and Applications, Cordoba, Spain, November 22-24 (2011), pp. 6-11.
6. A.-J. Fougères, Modelling and simulation of complex systems: an approach based on multi-level agents, Int. J. of Computer Science Issues 8(6) (2011), 8-17.
7. E. Ostrosi and A.-J. Fougères, Optimization of product configuration assisted by fuzzy agents, International Journal on Interactive Design and Manufacturing 5(1) (2011), 29-44.
8. E. Ostrosi, A.-J. Fougères and M. Ferney, Fuzzy Agents for Product Configuration in Collaborative and Distributed Design Process, Applied Soft Computing 12(8) (2012), 2091-2105.
9. N. Ghasem-Aghaee, T.I. Ören, Cognitive complexity and dynamic personality in agent simulation, Computers in Human Behavior 23 (2007), 2983-2997.
10. M. Kazemi Fard, A. Zaeri, N. Ghasem Aghaee, M.A. Nemat Bakhsh, F. Mardukhi, Fuzzy Emotional COCOMO II Software Cost Estimation (FECSCE) Using Multi-Agent Systems, Applied Soft Computing 11(2) (2011), 2260-2270.
11. S. Flake, C. Geiger, G. Lehrenfeld, W. Mueller, V. Paelke, Agent-Based Modeling for Holonic Manufacturing Systems with Fuzzy Control, Proceedings of the 18th International Conference of the North American Fuzzy Information Processing Society (NAFIPS'99), New York, 1999, 273-277.
12. A.F. Gómez Skarmeta, H. Martínez Barberá, M. Sánchez Alonso, A Fuzzy Agents Architecture for Autonomous Mobile Robots, in Proc. of International Fuzzy Systems World Congress (IFSA'99), Taiwan, 1999.
13. F. Doctor, H. Hagras, V. Callaghan, V. An Intel-ligent Fuzzy Agent Approach for Realising Ambient Intelligence in Intelligent Inhabited Environments, IEEE Transactions on Systems, Man and Cybernetics, Part A: Systems and Humans 35(1) (2005), 55-65.
14. Kraus S. Strategic Negotiation in Multiagent Environment. – The MIT Press, Cambridge, Massachusets, 2001.
15. Ren F., Zhang M., Bai Q. A Fuzzy-Based Approach for Partner Selection in Multi-Agent System / 6th IEEE/ACIS Int.Conf. on Computer and Information Science ICIS 2007, 11-13 Jul, P. 457-462.
16. M.V. Butz. Rule-Based Evolutionary Online Learning Systems: A Principled Approach to LCS Analysis and Design. Studies in Fuzziness and Soft Computing. Springer-Verlag, 2006.
17. Hai Huong Dam, Hussein A.Abbass, Chris Lokan, and XinYao. Neural-based learning classifier systems. IEEE Trans. Knowl. Data Eng., 20(1):26-39, 2008.
18. Francisco Herrera. Genetic fuzzy systems: taxonomy, current research trends and prospects. Evolutionary Intelligence, 1(1):27-46, 2008.
19. Bonarini A., Trianni V. Learning fuzzy classifaer systems for multi-agent coordination / Information Sciences V.136 (2001) – P. 215-239.
20. Van der Meyden R. Model checking knowledge and time in systems with perfect recall / R. Van der Meyden, N.V. Shilov // Lecture Notes in Computer Science. _ Springer. _ 1999. _ V. 1738. _ P. 432-–445.
21. Tim French, Ron van der Meyden, Mark Reynolds. Axioms for Logics of Knowledge and Past Time: Synchrony and Unique Initial States // Advances in Modal Logic, Vol.5. Scymidt, R.A. et al. (eds.) – Kings College Publication, London, 2005. - P. 53-72.
22. Shilov N.V., Garanina N.O., K.-M. Choe. Update and abstraction in model checking of knowledge and branching time / Fundamenta Informaticae, 72 (1-3): 347-361, 2006.
23. Calardo E. An axiomatisation for the multi-modal logic of knowledge and linear time LTK / E. Calardo, V.V. Rybakov // Logic Journal of the IGPL. - 2007. - V. 15. - N3. - P. 239-254.
24. Rybakov V.V. Multi-Agent Logic based on Temporary Logic TS4Kn serving Web Search / V.V. Rybakov // KES, Frontiers in Artificial Intelligence and Applications. - 2012. V. 243. - P. 108–117.
25. А. Н. Лукьянчук, В. В. Рыбаков, “Допустимые правила вывода линейной логики знания и времени LTKr с интранзитивным отношением времени”, Сиб. матем. журн., 56:3 (2015), 573–593; Siberian Math. J., 56:3 (2015), 455–470.
26. Halpern J.Y. Complete Axiomatization for Reasoning About Knowledge and Time / J.Y. Halpern, R. Van Der Meyden, M.Y Vardi // SIAM Journal on Computing. - 2004. - V. 33. - N3. - P. 674–703.
Цель и задачи Проекта
Цель проекта заключается в разработке фундаментальных основ представления функционирования и эволюции сложных распределенных информационно-телекоммуникационных систем (ИТС) в нейро-нечеткой агентно-ориентированной парадигме.
1. Установление принципов и подходов к формализации распределенных интеллектуальных ИТС в нейро-нечеткой агентно-ориентированной парадигме.
2. Исследование и разработка интегрированной концептуальной модели обобщенной нейро-нечеткой архитектуры, позволяющей формализовать в обобщенном представлении структурные, поведенческие, эволюционные свойства ИТС с учетом неполноты, неточности и стохастического поведения.
3. Создание формально-математических средств анализа, верификации и декомпозиции моделей обобщенной нейро-нечеткой архитектуры.
4. Разработка методов преобразования моделей обобщенных нейро-нечетких агентов в модели интеллектуальных нейро-нечетких агентов, интерпретированных на предметной области функционирования ИТС.
5. Разработка формально-математических средств синтеза моделей ИТС, интерпретированных на заданной предметной области функционирования и эволюции.
6. Разработка алгоритмов программной реализации моделей обобщенной нейро-нечеткой архитектуры и интеллектуальных нейро-нечетких агентов в корпоративных ИТС.
Научная новизна исследования
Научная новизна исследования заключается в разработке принципов формализации распределенных интеллектуальных информационно-телекоммуникационных систем (ИТС) в нейро-нечеткой агентно-ориентированной парадигме, что позволит провести изучение ситуационного пространства мультиагентного мира и исследование динамики ситуационного пространства через моделирование и извлечение знаний в процессе функционирования ИТС; определить многоуровневую интеллектуальную организацию ИТС и организационную иерархию создания агентов, соответствующего интеллектуального уровня.
Построенная на основе разработанных принципов интегрированная концептуальная модель обобщенной нейро-нечеткой архитектуры (ОННА) должна обеспечивать непрерывное накопление знаний по результатам взаимодействия агентов с распределенной информационной средой и расширение пространства знаний без использования предопределенных алгоритмов.
Модель ОННА создается на основе интеграции трех базовых уровней представления интеллекта и разумного поведения: 1. структурно-поведенческого уровня, использующего концептуальные модели предметной области, представленные в традиционных формах представления знаний (логические исчисления, продукционные системы, семантические сети, фреймы, сценарии); 2. нейро-нечеткого уровня, использующего нейро-нечеткие модели представления модельного пространства мира, реализующего методы динамического извлечения и накопления знаний на базе информации, предоставляемой структурно-поведенческим уровнем; 3. метаинтеллектуального уровня, использующего модели формирования нейро-нечетких моделей, предполагающие метамоделирование динамически порождаемых нейро-нечетких моделей второго уровня, их оценку и принятие решения о воплощении их в действующие нейро-нечеткие модели второго уровня ОННА.
Предлагаемые подходы и методы
Фундаментальной основой методологии анализа и синтеза агентно-ориентированных распределенных интеллектуальных информационно-телекоммуникационных систем (ИТС) является метаметодология построения мультиагентных интеллектуальных систем (МАИС), созданная в рамках проекта РФФИ №08-01-00457а «Исследование фундаментальных проблем построения мультиагентных интеллектуальных систем». Структура метаметодологии агентно-ориентированного проектирования охватывает онтологические, эпистемологические, когнитивные, системологические, текстологические представления моделируемого пространства мира, объединяя когнитивные и вербальные методы обработки знаний с системологическими и формальными методами анализа и проектирования сложных систем. Метаметодология направлена на создание МАИС, отражающих выбранное подпространство реального или виртуального мира во всей возможной полноте его эмпирически проявленных и не проявленных свойств. Для этого предлагается использовать понятие модельного пространства мира (МПМ), как высокоуровневого гносеологического концепта, охватывающего ту часть реальности, которая будет отражаться или моделироваться МАИС, и компоненты внешней среды, которые существуют в онтологическом единстве с МАИС. Такой подход позволяет рассматривать анализ, моделирование и проектирование собственно МАИС как единый многоуровневый итерационный процесс, позволяющий получить действующие модели МПМ с различной степенью детализации действительности.
Метаметодология построения МАИС предполагает создание концептуальной модели МПМ, включающей совокупность проекций, описывающих различные аспекты функционирования и развития МПМ. Для крупных корпоративных ИТС представляется необходимым определение следующих основных проекций: структурной иерархической проекции; множества логических проекций, использующих различные логические модели (логики первого порядка, интенсиональные, темпоральные, немонотонные логики); поведенческой проекции, социальной проекции, эволюционной проекции. Использование такой совокупности проекций позволит отразить не только поведение и свойства компонентов и элементов корпорации, но и возможное социальное и эволюционное поведение участников рынка, партнеров, конкурентов, потребителей.
Методы трансляции концептуальных моделей, основанные на канонических исчислениях Э.Поста, К-системах и атрибутных грамматиках, позволят перейти к формальным моделям агентно-ориентированной ИТС, включающим модели агентных сообществ, модели интеллектуальных агентов (ИА) и модели баз знаний. При трансляции формальных моделей ИТС предлагается использовать как продукционные модели, так и новые расширения аппарата сетей Петри. Эти методы позволяют динамически перестраивать поведение интеллектуальных агентов, монотонно наращивать сложность поведения, создавать иерархию вложенных механизмов поведения в динамической гетерогенной информационной среде (ДГИС). В качестве средств построения моделей компонентов ДГИС планируется использовать аппараты сетей Петри и Е-сетей, позволяющие учесть параллелизм и асинхронность функционирования интеллектуальных агентов МАИС.
Модели на базе нечетких, нейронных и объектно-ориентированных сетей Петри позволяют промоделировать поведение интеллектуальных агентов в условиях неполной информации и при различных вероятностных показателях. Способы решения проблемы определяются применением принципов иерархической интеллектуальной организации и мультипликативности интеллектуальных агентов, с последующим переходом к технической эволюции интеллектуальных агентов, способных накапливать знания и совершенствовать модели в динамической гетерогенной информационной среде.
Развиваемый авторами проекта аппарат вложенных гибридных сетей Петри (ВГСП) интегрирует свойства аппаратов вложенных СП и гибридных СП, что позволяет исследовать динамику систем произвольной структуры. Важнейшей особенностью предлагаемого авторами проекта подхода является использование принципа совмещения проектирования, моделирования и реализации ИТС. Для реализации этого подхода предполагается разработать алгоритмы трансляции формализованных моделей агентно-ориентированной системы в программные модели интеллектуальных агентов и архитектуры баз знаний, учитывающие особенности программно-аппаратных платформ и инструментальных средств реализации поведения ИА. Полученные таким образом программно-аппаратные модели образуют действующую модель ИТС.
Функционирование такой модели в модельном времени позволяет проанализировать поведение МАИС на множестве модельных ситуаций, которые возможно еще не были известны в действительности, но существуют как потенция МПМ. Функционирование ИТС в реальном времени становится возможным, если вместо внутренних моделей агентов информационной среды к МАИС подключаются реальные информационные или физические агенты. Тогда становится возможным параллельное функционирование двух действующих моделей МПМ - интенсиональной (замкнутой) модели (ИМ), напрямую не зависящей от реального мира и экстенсиональной (разомкнутой) модели (ЭМ), непосредственно связанной с реальным миром.
Таким образом, интенсиональная модель позволит выявить латентные знания о свойствах и поведениях МПМ, существующих потенциально, а экстенсиональная модель получать новые знания, предоставляемые изменчивой действительностью. Далее производится уточнение как ИМ, так и ЭМ, и выполняется новый цикл моделирования и получения знаний. Такой итерационный процесс следует продолжать до тех пор, пока не будет достигнуто состояние ЭМ, удовлетворяющее заданным критериям адекватности или каче-ства функционирования. Возможно постоянное совместное функционирование ИМ и ЭМ для выявления и предсказания будущих отклонений или принципиальных изменений в МПМ.
При функционирования ИМ и ЭМ используются модели компонентов ДГИС, учитывающие характеристики, конфигурацию, загрузку и другие параметры корпоративной информационной среды, влияющие на эффективность ИТС.
Для моделирования и программной реализации компонентов ДГИС (сервисы, приложения, объекты, маршрутизаторы, коммутаторы и т.п.) используется предложенный ранее в работах авторов аппарата сервис-ориентированных сетей Петри (SG-сетей).
Сервис-ориентированная сеть Петри позволяет применить объектно-ориентированный подход при проектировании объектно- и сервис-ориентированных систем. Модифицированная G-сеть включает целый ряд дополнительных объектно-ориентированных черт, таких как инкапсуляция и модуляризация объектов, взаимодействие объектов с помощью передачи сообщений, наследование объектных классов, абстракция, динамическое создание объектов. Предлагаемая сеть поддерживает ряд методов для анализа, таких как декомпозиция, пошаговая детализация при проектировании систем, развертывание сети в низкоуровневые сети Петри и анализ структурных и поведенческих свойств системы.
Таким образом, предлагаемая методология анализа и синтеза ИТС является принципиально новой, позволяет интегрировать в агентно-ориентированной системе основные уровни корпоративного управления и принятия решений (оперативный, тактический, стратегический), учесть в поведении и свойствах интеллектуальных агентов влияние ДГИС, позволяет промоделировать влияние внешних корпоративных агентов (рынок, партнеры, конкуренты и т.д.), обеспечивает включение в ИТС возможности эволюции под влиянием внутренних и внешних факторов МПМ.
Ожидаемые результаты научного исследования и их научная и прикладная значимость
В ходе выполнения проекта предполагается получить следующие научные результаты:
1. Принципы и концепция построения распределенных интеллектуальных информационно-телекоммуникационных систем.
2. Интегрированный математический аппарат на основе новых классов нейро-нечетких сетей Петри, позволяющий формализовать функционирование и свойства ИТС.
3. Модели интеллектуальных агентов, разработанные на основе интегрированного математического аппарата. Методы преобразования моделей обобщенных нейро-нечетких агентов в модели интеллектуальных нейро-нечетких агентов.
4. Алгоритмы и программные средства реализации нейро-нечетких интеллектуальных агентов в ИТС.
5. Результаты экспериментальных исследований применения моделей нейро-нечетких интеллектуальных агентов в корпоративных ИТС.
Научная значимость предполагаемых результатов заключается в том, что общесистемный методологический подход к построению ИТС, обладающих интеллектуальными свойствами и агентно-ориентированным поведением до настоящего времени не выработан, поэтому принципы формализации ИТС в рамках нейро-нечеткой парадигмы, модель базового нечеткого ИА ИТС, лежат в русле общемировых исследований, носят концептуальный характер, являются основой для последующей разработки целостной методологии анализа и синтеза ИТС.
Математический аппарат различных расширений сетей Петри используется в качестве базы для исследований во многих предметных областях в работах отечественных и зарубежных ученых: раскрашенные сети Петри в работах А.А. Воеводы, Д.О. Саркенова, Д.Ю. Чалого, Т.Р. Шмелёвой, В. Хассоунеха, S. Christensen, T.B. Haagh, L. Kristensen; нейроподобные сети Петри в работах В.И. Клепикова, В.Л. Сосонкина; нейронные и нечеткие сети в работах Е.В. Бодянского, Е.И. Кучеренко, А.И. Михалева. Вопросы применения аппарата различных расширений СП для решения прикладных задач изложены в трудах Д.А. Зайцева, А.И. Слепцова, В.Е. Котова, А.В. Леоненкова, G. Florin, S. Natkin, M. Molloy, T. Murata. За последние годы было написано большое количество диссертаций, связанных с использованием и расширением аппарата СП: Коротиков С. В. «Применение сетей Петри в разработке многопоточного программного обеспечения с ограниченными разделяемыми ресурсами на примере центров дистанционного управления и контроля» (2008); Скородумов П. В. «Моделирование технологических процессов на базе вложенных гибридных сетей Петри» (2009); Колесников Д. А. «Разработка математического и алгоритмического обеспечения управления режимами работы ситуационного центра регионального уровня на базе сетей Петри» (2010); Тронин В. Г. «Математические модели прикладных элементов вычислительных сетей на основе раскрашенных сетей Петри» (2010); Сабуров П. С. «Оценка технического состояния электромеханических систем на основе сетей Петри» (2011); Игнатенко В. А. «Технология синтеза систем управления для процессов производств строительных материалов на основе помеченных и информационных сетей Петри» (2012); Башкин В. А. «Некоторые методы ресурсного анализа сетей Петри» (2014) ; Фишер А. В. «Разработка методического аппарата системного анализа при использовании хронологической информации» (2014); Марков А. В. «Автоматизация проектирования и анализа программного обеспечения с использованием языка UML и сетей Петри» (2015); Davide D’Aprile «Timed and Stochastic Model Checking of Petri Nets» (2007); Maria Paola Cabasino «Diagnosis and Identification of Discrete Event Systems using Petri Nets» (2009); Sherzod Turaev «Petri Net Controlled Grammars» (2010); Ernest Anye Fongwa «A Business Modelling Approach Using Petri Nets to Preserve Ecosystem Services by Community-based Financial Participation» (2011); Gabor Bergmann «Incremental Model Queries in Model-Driven Design» (2013); Yasir Imtiaz Khan «Property based model checking of structurally evolving algebraic Petri nets» (2015).
Разрабатываемый научным коллективом математический аппарат модифицированных нечетких атрибутных сетей Петри (МНАСП), интегрирующий нечеткие, атрибутные, временные и предикатно-переходные СП, позволяет анализировать, представлять и моделировать ИТС с неопределенностью, верифицировать модели со сложной логикой поведения компонентов ДГИС, комбинировать различные типы обрабатываемых информационных объектов (ИО), и обеспечивает более компактное и выразительное представление моделей по сравнению с атрибутными и нечеткими сетями Петри (СП).
На данном этапе своего развития теория формальных нечетких продукционных систем еще окончательно не сформировалась, поскольку до последнего времени основной упор при построении нечетких систем делался на практический аспект их внедрения.
Большинство работ по данной проблематике еще не систематизировано в виде сформировавшихся целостных методик проектирования, анализа, синтеза, оптимизации и моделирования ДГИС и ИТС. Также не сформировалась еще законченная теория построения интеллектуальных информационно-управляющих систем, органично объединяющая в себе все известные методы искусственного интеллекта, что не позволяет пока однозначно оценить и описать роль и место в этой иерархии средств и методов теории построения интеллектуальных систем, в частности нечетких систем , и теории нечетких множеств как одной из ее составляющих.
Отдельные вопросы теории нечетких систем находятся в данный момент еще в стадии решения и разработки соответствующих математических методов, то есть актуальной является разработка математического аппарата и доведение его до применения в практических целях (например, окончательно не выполнено распространение принципа обобщения, ставящего в соответствие всем четким математическим операциям их нечеткие аналоги, на нечеткое дифференциальное и интегральное исчисление).
Поэтому в данном проекте исследуется модернизированный метод оценивания ситуаций, возникающих на сложных объектах ИТС, использующий системы на основе базы нечетких правил, который позволяет учесть нечеткость как антецедентов, консеквентов и исходных данных, так и самого правила. Данный подход соответствует мировым тенденциям в развитии применения нечеткой логики.
Полученные в ходе реализации проекта математические методы и модели компонентов ИТС могут быть использованы при построении информационно-телекоммуникационных систем и сетей органов государственного и муниципального управления Вологодской области, реализованы в корпоративных информационно-вычислительных сетях предприятий и организаций нашего региона, что позволит повысить эффективность решения задач управления и коммуникации.
Общий план работ на весь срок реализации Проекта
1.1. Определение предмета и объекта исследований, характера, целей и задач в области построения распределенных интеллектуальных информационно-телекоммуникационных систем. 01.02.2018-31.03.2018.
Предмет, объект исследований, характер, цели и задачи в области построения распределенных интеллектуальных ИТС.
1.2 Анализ основных отечественных и зарубежных информационных источников по тематике проекта. 01.04.2018-30.06.2018.
Аналитический обзор состояний современных исследований по проблематике проекта. Принципы и подходы к формализации распределенных интеллектуальных ИТС в нейро-нечеткой агентно-ориентированной парадигме.
1.3. Выбор и обоснование оптимального варианта проведения исследований, включающего системную постановку задач, перечень применяемых и разрабатываемых методов. 01.07.2018-30.09.2018
Обоснование оптимального варианта проведения исследований, системная постановка задач в нейро-нечеткой парадигме. Интегрированная концептуальная модель обобщенной нейро-нечеткой архитектуры.
1.4. Сравнение и оценка возможных направлений исследований с учетом имеющихся прогнозов. Определение и уточнение методов выполнения исследований, с постановкой задач разработки новых методов, моделей и алгоритмов. 01.10.2018-30.12.2018
Уточнение методов выполнения исследований, методов и моделей построения интеллектуальных агентов в ИТС. Монография "Теория и применение нейро-нечетких сетей Петри в информационно-телекоммуникационных системах".
2.1 Разработка концепции построения распределенных интеллектуальных ИТС. Принципы и концепция построения распределенных интеллектуальных ИТС.
2.2 Исследование и разработка интегрированного математического аппарата для описания и моделирования распределенных интеллектуальных ИТС. Формально-математические средства анализа, верификации и декомпозиции моделей обобщенной нейро-нечеткой архитектуры. Интегрированный математический аппарат на основе новых классов нейро-нечетких сетей Петри.
2.3 Создание моделей интеллектуальных агентов, обеспечивающих интеграцию данных и знаний для принятия обоснованных решений по стратегии и тактике управления распределенными интеллектуальными ИТС. Модели интеллектуальных агентов, разработанные на основе интегрированного математического аппарата. Методы преобразования моделей обобщенных нейро-нечетких агентов в модели интеллектуальных нейро-нечетких агентов, интерпретированных на предметной области функционирования ИТС.
2.4. Разработка формально-математических средств синтеза моделей ИТС. Разработка алгоритмического обеспечения и программных средств для реализации интеллектуальных агентов распределенных интеллектуальных информационных сред. Алгоритмы и программные средства для реализации интеллектуальных агентов РИИС.
Монография «Модифицированные нейро-нечеткие сети Петри».
2.5. Экспериментальное исследование эффективности интеллектуальных агентов прогнозирования возникающих ситуаций в ИТС, сравнение различных моделей прогноза по точности и потребляемым ресурсам. Результаты математических и имитационных экспериментов с моделями интеллектуальных агентов ИТС.
2.6. Исследование и разработка алгоритмов анализа и оценки возникающих ситуаций, извлечения знаний из накопленных данных, корректировки управляющих воздействий. Алгоритмы анализа и оценки ситуаций и результаты имитационного моделирования их применения в ИТС.
2.7. Экспериментальное исследование интеллектуальных моделей устройств, узлов обработки информации и программных приложений в ИТС. Результаты экспериментальных исследований интеллектуальных моделей.
2.8. Оценка эффективности полученных результатов по сравнению с достигнутым мировым научно-техническим уровнем. Оценка эффективности полученных результатов. Рекомендации по использованию результатов проведенных исследований.
Уточнение методов выполнения исследований, методов и моделей построения интеллектуальных агентов. Монография "Теория и применение нейро-нечетких сетей Петри" (Швецов А.Н., Суконщиков А.А., Наимов А.Н., Кочкин Д.В.).
научные результаты за первый год реализации ПРОЕКТА
В течение первого года выполнения проекта получены следующие научные результаты:
1. Принципы формализации распределенных интеллектуальных ИТС в нейро-нечеткой агентно-ориентированной парадигме. На основании анализа существующих подходов для абстрагирования принципов формализации будут учтены следующие направления концептуального анализа сложных распределенных систем:
– постоянное изучение ситуационного пространства мультиагентного мира и исследование динамики ситуационного пространства через моделирование и извлечение знаний в процессе функционирования ИТС;
– изучение индивидуальности темпомиров для различных сущностей ситуационного пространства и отражения темпомиров в поведении интеллектуальных агентов;
– определение многоуровневой интеллектуальной организации ИТС и организационной иерархии и создания агентов, соответствующего интеллектуального уровня; - изучение мультипликативности интеллектуальных агентов с возможностью представления каждой сущности ситуационного пространства посредством необходимого числа ИА;
– исследование свойств вариативности моделей ИТС в зависимости от конкретной предметной области моделирования, модели эволюции и инфраструктуры информационной среды.
2. Интегрированная концептуальная модель обобщенной нейро-нечеткой архитектуры (ОННА). Модель ОННА должна обеспечить возможность представления конкурентного, кооперативного и параллельного конкурентно-кооперативного взаимодействия агентов в различных областях, должна учитывать непрерывное расширение информационного пространства ДГИС и включать адаптивные алгоритмы обучения, учитывающие как рост, так и разделение пространства знаний. Модель ОННА должна обеспечивать непрерывное накопление знаний по результатам взаимодействия агентов с распределенной информационной средой и расширение пространства знаний без использования предопределенных алгоритмов. Разрабатываемая научным коллективом модель ОННА создается на основе интеграции трех базовых уровней представления интеллекта и разумного поведения: 1. структурно-поведенческого уровня, использующего концептуальные модели предметной области, представленные в традиционных формах представления знаний (логические исчисления, продукционные системы, семантические сети, фреймы, сценарии); 2. нейро-нечеткого уровня, использующего нейро-нечеткие модели представления модельного пространства мира, реализующего методы динамического извлечения и накопления знаний на базе информации, предоставляемой структурно-поведенческим уровнем; 3. метаинтеллектуального уровня, использующего модели формирования нейро-нечетких моделей, предполагающие метамоделирование динамически порождаемых нейро-нечетких моделей второго уровня, их оценку и принятие решения о воплощении их в действующие нейро-нечеткие модели второго уровня ОННА.
3. Постановка задачи разработки новых методов, моделей и алгоритмов в нейро-нечеткой агентно-ориентированной парадигме. Основы теории применения агентно-ориентированного подхода и нечетких сетей Петри в обобщенной нейро-нечеткой архитектуре.
научный задел по Проекту
Исследования в данной области проводятся научным коллективом на протяжении более чем 20 лет. Проведенный анализ развития корпоративных интеллектуальных и информационных систем показал необходимость перехода к мультиагентным системам для повышения эффективности распределенной обработки информации и функций принятия решений. При этом на стадиях исследования предметной области и разработки сложных систем возникает необходимость в ситуационном моделировании поведения систем в различных нестационарных и стохастических условиях. Решению этой задачи могут способствовать принципы и методы мультиагентного моделирования, применяемые к интеллектуальному поведению сложных систем, определяемых гибкими локальными взаимодействиями.
Творческим коллективом предложены принципы и разработана структура метаметодологии агентно-ориентированного проектирования, охватывающей онтологические, эпистемологические, когнитивные, системологические, текстологические представления моделируемого пространства мира, объединяющей когнитивные и вербальные методы обработки знаний с системологическими и формальными методами анализа и проектирования сложных систем.
Для моделирования компонентов информационной среды разработаны основы аппарата вложенных гибридных сетей Петри (СП), включающего новую композицию аппаратов гибридных СП и вложенных СП. Модель вложенной гибридной сети Петри (ВГСП) включает множество атомов, содержащих множество имен позиций и имен фишек; множество меток, системную сеть, являющуюся гибридной СП, конечное множество обыкновенных СП, функцию пометки переходов. Для ВГСП определены четыре типа шагов срабатывания: системно-автономный шаг, элементарно-автономный шаг, шаг горизонтальной синхронизации, шаг вертикальной синхронизации. Предложенная модель ВГСП позволяет проводить одновременный анализ непрерывных и дискретных свойств сложных динамических систем и создавать модели эволюционирующих МАИС, интерпретированных на определенной предметной области.
Для анализа и моделирования сервис-ориентированных компонентов динамической гетерогенной информационной среды (ДГИС) предложена модель сервис-ориентированных сетей Петри, являющихся расширением объектно-ориентированных G-сетей и позволяющих графически моделировать параллельные системы. Сервис-ориентированная СП позволяет применить объектно-ориентированный подход при моделировании объектно- и сервис-ориентированных компонентов МАИС. Модифицированная G-сеть включает целый ряд дополнительных объектно-ориентированных черт, таких как инкапсуляция и модуляризация объектов, взаимодействие объектов с помощью передачи сообщений, наследование объектных классов, абстракция, динамическое создание объектов. Предлагаемая сеть поддерживает ряд методов для анализа, таких как декомпозиция, пошаговая детализация при проектировании систем, развертывание сети в низкоуровневые СП и анализ структурных и поведенческих свойств системы.
Исследована проблема резервирования данных в динамических гетерогенных информационных средах. Для ее решения разработана иерархия интеллектуальных агентов, включающая супервизорных, групповых, сервисных и ресурсных агентов. Построена модель агентного управления резервированием данных в ДГИС, позволяющая решать задачи событийного управления сервисами, обеспечивающая исключение человека-оператора из процесса управления, учитывающая неравномерность нагрузки в гетерогенных информационных средах. В результате выполненных ранее исследований была разработана новая модель реализации функций поведения интеллектуального агента, функционирующего в условиях гетерогенной информационной среды, обеспечивающая повышения интеллектуального уровня информационно-управляющих организационных и технических систем за счет накопления знаний о предшествующих состояниях информационной среды и динамического формирования целей на основе функций предсказания.
Разработаны модели интеллектуальных агентов для решения задач информационной интеграции в территориально-распределенных системах управления, позволяющие повысить эффективность обработки информации в структурах организационного управления. Разработана модель агента семантического поиска информации в корпоративных хранилищах данных, основанная на формализме онтологий, позволяющая сократить количество неадекватных результатов поиска.
Построены модели агентов обеспечения качества обслуживания в информационно-вычислительных сетях, использующие аппараты нейронных сетей и сетей Петри, позволяющие оптимизировать функционирование компонентов сети и обеспечить требуемые показатели качества. Усовершенствована методика построения мультиагентной системы защиты информации на основе аппарата модифицированных Е-сетей. Реализован прототип инструментального программного пакета для построения мультиагентных систем, функционирующих в условиях гетерогенной информационной среды, построены экспериментальные модели мультиагентных систем в среде инструментального программного пакета. Реализованы модели агентов семантического поиска информации в корпоративных хранилищах данных и учебных мотивационных агентов для целей дистанционного обучения.
Научным коллективом были разработаны модели информационных объектов и интеллектуальных агентов для различных корпоративных и распределенных интеллектуальных систем, которые использованы на ряде предприятий и организаций. Реализован ряд мультиагентных тестирующих и обучающих систем, которые нашли применение в учебном процессе Вологодского государственного университета, Санкт-Петербургского государственного электротехнического университета (ЛЭТИ), Череповецкого государственного университета, Государственного университета морского и речного флота имени адмирала С.О. Макарова (Санкт-Петербург), Северо-западной академии государственной службы.
Основные результаты были получены научным коллективом в рамках выполнения государственного контракта от 01.11.2002 г. №Б0034.2073 на выполнение работ по Федеральной целевой программе «Интеграция науки и высшего образования России на 2002-2006 годы» по проекту Программы «Проведение фундаментальных, поисковых и прикладных исследований в области высоких технологий по приоритетным направлениям информатики, электроники и управления с целью повышения научного и образовательного потенциала России», госбюджетных научно-исследовательских работ: «Исследование и разработка методов моделирования сложных систем» (Вологда, ВоПИ, 1996-98 г., тема Г79.2.Э5), «Исследование методов разработки экспертных и обучающих систем» (Вологда, ВоПИ, 1996-98 г., тема Г79.2.Э4), в грантах: «Исследование и разработка математических методов и программно-алгоритмических средств моделирования сложных дискретных систем в условиях вероятностного поведения» (грант Минвуза РФ 1994-95 г.г.), «Исследование и разработка математических методов и программно-алгоритмических средств проектирования информационно- вычислительных систем на основе вычислительных сетей» (грант Минвуза РФ 1.24 1998-2000 г.г.), «Разработка программно-информационной системы развития интеллекта человека» (грант РГНФ 00-05-12009в, 2000 г.), «Исследование и разработка математических методов и программно-алгоритмических средств проектирования распределенных интеллектуальных информационных систем» (грант Правительства Вологодской области по фундаментальным наукам, 2003 г.), «Исследование и разработка математических методов и средств проектирования распределенных интеллектуальных информационных систем» (грант по фундаментальным исследованиям в области гуманитарных наук ГО2-4.3-65 Минвуза РФ 2003-2004 г.г.), «Исследование и разработка моделей и методов построения интеллектуальных мультиагентных систем, функционирующих в условиях гетерогенной информационной среды» ( грант по заданию Министерства образования РФ 2004-2005 г.г.), «Исследование и разработка математических и программно-алгоритмических моделей мультиагентных систем в распределенных информационно-вычислительных средах» (грант «Развитие научного потенциала высшей школы» Министерства образования РФ 2006-2007 г.г.), «Разработка событийной системы резервирования данных на основе конечных автоматов» (грант Правительства Вологодской области по фундаментальным наукам, 2008 г.), «Исследование фундаментальных проблем построения мультиагентных интеллектуальных систем» (грант РФФИ 2008-2009г.г.). НИР № гос. регистрации 01200603506 "Исследование и разработка математических и программно-алгоритмических моделей мультиагентных систем в распределенных информационно-вычислительных средах", НИР № гос. регистрации 01200853172 "Разработка событийной системы резервирования данных на основе конечных автоматов", Федеральная целевая программа «Научные и научно-педагогические кадры инновационной России» на 2009 - 2013 годы «Разработка методов формализации и верификации распределённых информационно-поисковых систем на основе сервис-ориентированной архитектуры (2009-2011)», НИР Рособразования «Разработка новых принципов распределенных сервис-ориентированных систем и средств построения сервисов информационного поиска и исследование их эффективности», Федеральная целевая программа «Научные и научно-педагогические кадры инновационной России» на 2009 - 2013 годы «Методология построения интеллектуальных агентно-ориентированных учебных комплексов для многоуровневой подготовки специалистов технического профиля» (2010-2012), грант Правительства Вологодской области «Агентная система профилирования сетевых ресурсов для учебных заведений на основе онтологий» (2010), грант Правительства Вологодской области «Моделирование транспортных потоков города Вологды с использованием мультиагентных сообществ» (2010), грант РФФИ №15-01-04713 "Методология анализа и синтеза распределенных интеллектуальных информационных сред на основе моделей нейро-нечетких интеллектуальных агентов" (2015-2016) (руководитель Швецов А.Н.), грант РФФИ №16-01-00150 "Математические модели и методы построения ситуационных интеллектуальных систем поддержки принятия решений на основе извлечения знаний и параллельных вычислений" (2016-2017) (руководитель Суконщиков А.А.).
Публикации участников коллектива
1. Распределенные интеллектуальные информационные системы и среды: Монография / А.Н. Швецов, А.А. Суконщиков, Д.В. Кочкин и др.; Под ред. А.Н. Швецова и А.А. Суконщикова. – Курск: Изд-во "Университетская книга", 2017. – 197 с. https://elibrary.ru/item.asp?id=29110366
2. Anatoliy Shvetcov. Models of neuro-fuzzy agents in intelligent environments / Procedia Computer Science 103 ( 2017 ) 135 – 141.
http://www.sciencedirect.com/science/article/pii/S1877050917300303
3. Anatoliy Shvetcov, Denis Gorbunov. Usage of algorithms for the analysis natural languages texts based on intensional logic of Montague in area of finding answers on questions / Procedia Computer Science 103 ( 2017 ) 205 – 208.
http://www.sciencedirect.com/science/article/pii/S1877050917300662
4. Швецов, А.Н. Агентно-ориентированные системы: методологии проектирования: монография / А.Н. Швецов: М-во обр. и науки РФ, Вологод. гос. ун-т. - Вологда: ВоГУ, 2016. - 192 с. https://elibrary.ru/item.asp?id=28333683
5. Наимов А.Н., Монаркин Н.Н. О применении нейро-нечетких систем и технологий в моделировании тепловых процессов в теплообменных устройствах / Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования: Мат-лы XII Международной научно-технической конференции. – Вологда: ВоГУ, 2017. – С. 138-140. https://elibrary.ru/item.asp?id=28956831
6. Кочкин Д.В., Суконщиков А.А. Информационные сети и телекоммуникации / Учебное пособие. – Курск: Изд-во "Университетская книга", 2016. – 233 с. https://elibrary.ru/item.asp?id=27284757
7. Дианов С.В., Швецов А.Н. Модели процессов мультиагентной системы организационного управления // Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования: Мат-лы XII Международной научно-технической конференции. – Вологда: ВоГУ, 2017. – С. 80-84. https://patent.vogu35.ru/files/fileuploaded/15_AE2017_sbornik.pdf
8. Швецов А.Н. Модель базового интеллектуального агента в распределенных информационных средах // Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования: Мат-лы XI Международной научно-технической конференции. – Вологда: ВоГУ, 2016. – С. 182-188. https://elibrary.ru/item.asp?id=25878063
9. Кочкин, Д.В. Анализ подходов к моделированию интеллектуальных сетевых устройств / Д.В. Кочкин, А.В. Костров // Вузовская наука – региону: материалы XV Всероссийской научной конференции с международным участием. – Вологда: ВоГУ, 2017. – С. 66-79. https://patent.vogu35.ru/files/fileuploaded/19_VNR_2017_sbornik.pdf
10. Суконщиков, А.А. Построение и анализ модели сети АСУП на базе аппарата модифицированных нечетких сетей Петри: монография / А.А. Суконщиков, Д.В. Кочкин: М-во обр. и науки РФ, Вологод. гос. ун-т. - Вологда: ВоГУ, 2015. – 119 с. https://elibrary.ru/item.asp?id=24783185
11. Швецов А.Н., Дианов С.В. Мультиагентная информационная технология решения задач управления и принятия решений в организационных системах / Вестник Череповецкого государственного университета. – 2015. – №2(63). – С. 49-54. https://elibrary.ru/download/elibrary_23455237_19060647.pdf
12. Швецов А.Н., Дианов С.В. Критерии эффективности функционирования мультиагентной системы организационного управления / Вестник Череповецкого государственного университета. – 2015. – №6(67). – С. 50-54. https://elibrary.ru/download/elibrary_24275903_15904824.pdf
13. Швецов А.Н., Дианов С.В. О построении универсальной модели информационной среды в технических системах / Вестник Череповецкого государственного университета. – 2015. – №8(69). – С. 37-40. https://elibrary.ru/download/elibrary_24988626_58931405.pdf
14. Швецов А.Н. Агентно-ориентированные системы: виртуальные сообщества / Монография. – Вологда: ВоГУ, 2014. – 168 с. https://elibrary.ru/item.asp?id=23026399
15. Швецов А.Н., Сибирцев Е.В., Андрианов И.А. Компьютерные обучающие системы: мультиагентный подход / XII Всероссийское совещание по проблемам управления ВСПУ-2014. Москва, 16-19 июня 2014 г.: Труды. [Электронный ресурс] М.: Институт проблем управления им. В.А. Трапезникова РАН, 2014. – С. 4048-4058. http://vspu2014.ipu.ru/node/8581
16. Монография «Нечеткие и нейронные сети Петри» (выходные данные уточняются)
ПУБЛИКАЦИИ НАУЧНОГО КОЛЛЕКТИВА ЗА ПЕРВЫЙ ГОД РЕАЛИЗАЦИИ ПРОЕКТА
|
Первый автор |
Название публикации |
Год публикации |
Тип публикации |
Состояние |
|
Швецов Анатолий Николаевич |
2018 |
Статья в журнале |
опубликовано |
|
|
Швецов Анатолий Николаевич |
Нейро-нечеткие интеллектуальные агенты в распределенных средах |
2018 |
Статья в сборнике |
опубликовано |
|
Суконщиков Алексей Александрович |
Нейронные сети для систем поддержки принятия решений на коммутаторе |
2018 |
Статья в сборнике |
опубликовано |
|
Мухамадиев Эргаш |
ОЦЕНКА ПОРЯДКА РОСТА ОДНОГО КЛАССА ЦЕЛЫХ ФУНКЦИЙ НА ВЕЩЕСТВЕННОЙ ОСИ |
2018 |
Статья в журнале |
опубликовано |
|
Мухамадиев Эргаш |
ESTIMATE OF THE ORDER OF GROWTH OF A CLASS OF ENTIRE FUNCTIONS ON THE REAL AXIS |
2018 |
Статья в журнале |
опубликовано |
|
Панфилова Ольга Александровна |
2018 |
Прочие виды |
опубликовано |
|
|
Наимов Алижон Набиджанович |
О ПОЛОЖИТЕЛЬНЫХ РЕШЕНИЯХ ОДНОЙ МОДЕЛЬНОЙ СИСТЕМЫ НЕЛИНЕЙНЫХ ОБЫКНОВЕННЫХ ДИФФЕРЕНЦИАЛЬНЫХ УРАВНЕНИЙ |
2018 |
Тезисы доклада |
опубликовано |
|
Андрианов Игорь Александрович |
РАЗРАБОТКА ОБНОВЛЯЕМОГО ИНДЕКСА ДЛЯ ПОИСКА ПО РЕГУЛЯРНЫМ ВЫРАЖЕНИЯМ И СХОДСТВУ |
2018 |
Статья в журнале |
опубликовано |
|
Андрианов Игорь Александрович |
2018 |
Прочие виды |
опубликовано |
|
|
Швецов Анатолий Николаевич |
МЕТОДИКА РАЗРАБОТКИ АГЕНТ-ОРИЕНТИРОВАННЫХ МОДЕЛЕЙ СЛОЖНЫХ СИСТЕМ |
2019 |
Статья в журнале |
опубликовано |
|
Дианов Сергей Владимирович |
2018 |
Статья в сборнике |
опубликовано |
|
|
Наимов Алижон Набиджанович |
2018 |
Статья в сборнике |
опубликовано |
|
|
Сергеев Александр Сергеевич |
2018 |
Статья в сборнике |
опубликовано |
|
|
Суконщиков Алексей Александрович |
Разработка комплекса лабораторных работ по курсу «Нечеткая логика» |
2018 |
Статья в сборнике |
опубликовано |
|
Суконщиков Алексей Александрович |
МЕСТО ВИРТУАЛЬНОГО ПРЕДПРИЯТИЯ В СТРУКТУРЕ ТИПОВОГО ПРОМЫШЛЕННОГО ПРЕДПРИЯТИЯ |
2018 |
Статья в сборнике |
опубликовано |
|
Суконщиков Алексей Александрович |
КОМПЛЕКС ЛАБОРАТОРНЫХ РАБОТ ПО КУРСУ "СЕТИ И ТЕЛЕКОММУНИКАЦИИ" |
2018 |
Статья в сборнике |
опубликовано |
|
Суконщиков Алексей Александрович |
2019 |
Монография |
опубликовано |
ПУБЛИКАЦИИ НАУЧНОГО КОЛЛЕКТИВА ЗА ВТОРОЙ ГОД РЕАЛИЗАЦИИ ПРОЕКТА
|
Первый автор |
Название публикации |
Год публикации |
Тип публикации |
Состояние |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Sukonshchikov Aleksei |
РАЗРАБОТКА И ПРИМЕНЕНИЕ НЕЙРО-НЕЧЕТКИХ СЕТЕЙ ПЕТРИ |
2020 |
Статья в журнале |
опубликовано |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Швецов Анатолий Николаевич |
ИНТЕГРАЦИЯ АГЕНТНО-ОРИЕНТИРОВАННЫХ МОДЕЛЕЙ С ГЕОИНФОРМАЦИОННЫМИ СИСТЕМАМИ |
2020 |
Статья в журнале |
опубликовано |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Швецов Анатолий Николаевич |
МОДЕЛЬ ИНТЕЛЛЕКТУАЛЬНОГО АГЕНТА ИНФОРМАЦИОННО-ТЕЛЕКОММУНИКАЦИОННЫХ СИСТЕМ НА ОСНОВЕ ТЕОРИИ КАТЕГОРИЙ |
2019 |
Статья в сборнике |
опубликовано |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Швецов Анатолий Николаевич |
ИСПОЛЬЗОВАНИЕ ОНТОЛОГИЙ В ПРОЦЕССАХ СИНТЕЗА АГЕНТ-ОРИЕНТИРОВАННЫХ МОДЕЛЕЙ СЛОЖНЫХ СИСТЕМ |
2019 |
Статья в сборнике |
опубликовано |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Швецов Анатолий Николаевич |
ТЕОРЕТИКО-КАТЕГОРНОЕ ОБОБЩЕНИЕ МОДЕЛИ ИНТЕЛЛЕКТУАЛЬНОГО АГЕНТА В ИНФОРМАЦИОННО-ТЕЛЕКОММУНИКАЦИОННЫХ СИСТЕМАХ |
2019 |
Статья в сборнике |
опубликовано |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Кочкин Дмитрий Валерьевич |
МОДЕЛЬ ИНФОРМАЦИОННОЙ СИСТЕМЫ ПРЕДПРИЯТИЯ НА БАЗЕ АППАРАТА РАСКРАШЕННЫХ СЕТЕЙ ПЕТРИ |
2019 |
Статья в сборнике |
опубликовано |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Кобилзода Мирзоодили Мирзомалик |
ОБ АПРИОРНОЙ ОЦЕНКЕ И СУЩЕСТВОВАНИИ ПЕРИОДИЧЕСКИХ РЕШЕНИЙ ОДНОЙ СИСТЕМЫ ОБЫКНОВЕННЫХ ДИФФЕРЕНЦИАЛЬНЫХ УРАВНЕНИЙ |
2019 |
Статья в журнале |
опубликовано |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Кобилзода Мирзоодил Мирзомалик |
О положительных решениях модельной системы нелинейных обыкновенных дифференциальных уравнений |
2020 |
Статья в журнале |
опубликовано |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Мухамадиев Эргаш |
О РАЗРЕШИМОСТИ ПЕРИОДИЧЕСКОЙ ЗАДАЧИ ДЛЯ ОДНОГО КЛАССА СИСТЕМ НЕЛИНЕЙНЫХ ОБЫКНОВЕННЫХ ДИФФЕРЕНЦИАЛЬНЫХ УРАВНЕНИЙ |
2020 |
Статья в сборнике |
опубликовано |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Мухамадиев Эргаш |
О КОЭРЦИТИВНОЙ ОЦЕНКЕ ОДНОГО НЕЛИНЕЙНОГО ДИФФЕРЕНЦИАЛЬНОГО ОПЕРАТОРА |
2020 |
Статья в сборнике |
опубликовано |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Суконщиков Алексей Александрович |
ПРОЕКТИРОВАНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ АГЕНТНО-ОРИЕНТИРОВАННЫХ СИСТЕМ |
2019 |
Статья в сборнике |
опубликовано |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Суконщиков Алексей Александрович |
ПРЕДСТАВЛЕНИЕ НЕЧЕТКИХ ПРОДУКЦИОННЫХ ПРАВИЛ НА БАЗЕ НЕЧЕТКИХ СЕТЕЙ ПЕТРИ |
2019 |
Статья в сборнике |
опубликовано |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Суконщиков Алексей Александрович |
УНИВЕРСАЛЬНАЯ ПРОГРАММА МОДЕЛИРОВАНИЯ НА БАЗЕ РАСШИРЕНИЙ СЕТИ ПЕТРИ |
2019 |
Прочие виды |
опубликовано |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Андрианов Игорь Александрович |
РАЗРАБОТКА НОВЫХ ВИДОВ ИНДЕКСОВ ДЛЯ СУБД POSTGRESQL С ИСПОЛЬЗОВАНИЕМ ПРОГРАММНОГО ИНТЕРФЕЙСА СЕРВЕРА |
2020 |
Статья в сборнике |
опубликовано |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Кузнецов Максим Сергеевич |
РЕАЛИЗАЦИЯ РАСПРЕДЕЛЁННЫХ ВЫЧИСЛЕНИЙ НА ЯЗЫКЕ PYTHON С ИСПОЛЬЗОВАНИЕМ ТЕХНОЛОГИИ DOCKER |
2020 |
Статья в сборнике |
опубликовано |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Суконщиков Алексей Александрович |
МУЛЬТИАГЕНТНЫЕ ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ И СЕТИ |
2019 |
Монография |
опубликовано |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Андрианов Игорь Александрович |
Duplicate and Plagiarism Search in Program Code Using Suffix Trees over Compiled Code |
2020 |
Статья в сборнике |
опубликовано |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Андрианов Игорь Александрович |
МОДЕРНИЗАЦИЯ ИНДЕКСА ДЛЯ ПОИСКА ПО РЕГУЛЯРНЫМ ВЫРАЖЕНИЯМ |
2020 |
Статья в журнале |
опубликовано |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
