Автоматизированное проектирование сложных технических систем в условиях неопределенности тема диссертации и автореферата по ВАК РФ 05.13.12, доктор технических наук Ярушкина, Надежда Глебовна

  • Ярушкина, Надежда Глебовна
  • доктор технических наукдоктор технических наук
  • 1998, Ульяновск
  • Специальность ВАК РФ05.13.12
  • Количество страниц 401
Ярушкина, Надежда Глебовна. Автоматизированное проектирование сложных технических систем в условиях неопределенности: дис. доктор технических наук: 05.13.12 - Системы автоматизации проектирования (по отраслям). Ульяновск. 1998. 401 с.

Оглавление диссертации доктор технических наук Ярушкина, Надежда Глебовна

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ СОСТОЯНИЯ ТЕОРИИ И ПРАКТИКИ АВТОМАТИЗИРОВАННОГО ПРОЕКТИРОВАНИЯ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ.

1.1. Концепция сложных технических систем, как объекта проектирования, с учетом неполноты проектной информации.

1.1.1. Феномен сложности.

1.1.2. Феномен принципиальной неполноты проектной информации. Теория нечетких систем в САПР.

1.2. Мягкие вычисления и задачи автоматизации проектирования. Анализ нечетких временных рядов и теория возможностей. Тенденция нечеткого временного ряда.

1.3. Схемы вывода по базе нечетких продукций.

1.4. Архитектуры нечетких нейросетей.

1.4.1. Преимущества аппарата нечетких нейронных сетей.

1.4.2. Понятие нечеткой нейросети.

1.4.3. Мягкая экспертная система - это гибридная система.

1.4.4. Морфологические признаки ГС.

1.4.5. Примеры ГС.

1.4.6 Методика выбора архитектуры гибридной системы в качестве прототипа построения мягкой экспертной системы.

1.5. Теория нечетких систем и задачи нечеткого многокритериального выбора и нечеткой оптимизации.

1.6. Анализ современных информационных технологий проектирования с точки зрения создания архивов проектов.

1.6.1. Клиент-серверные СУБД.

1.6.2. Нечеткая реляционная алгебра.

1.7. Анализ методов оптимизации ресурсов вычислительных сетей (ВС)

1.8. Обзор интеллектуальных методов размещения элементов в САПР конструирования изделий.

1.8.1. Обзор алгоритмов размещения элементов РЭА.

1.8.2. Генетические алгоритмы, как средства оптимизации проектируемого объекта.

ГЛАВА 2. ТЕОРИЯ ПРОЕКТИРОВАНИЯ СТС В УСЛОВИЯХ НЕПОЛНОТЫ ПРОЕКТНОЙ ИНФОРМАЦИИ.

2.1. Состав проектной информации. Виды неполной информации при проектировании СТС. Принцип конструктивной неопределенности.

2.2. Анализ и синтез при автоматизированном проектировании. Определение экспертной деятельности.

2.3. Этапы экспертной деятельности при автоматизированном проектировании.

2.4. Основные теоретические положения автоматизации проектирования сложных технических систем в условиях неполноты проектной информации. Формализация этапов ЭД.

2.5. Математические методы, используемые для решения этапа ЭД.

2.5.1. Фуззификация данных в ходе ЭД. Основные инструменты фуззификации.

2.5.2. Средства оценки тенденции нечеткого временного ряда.

2.5.3. Нейросетевая экспертная система - средство интегральной оценки состояния объекта проектирования.

2.5.4. Прогнозирование будущего функционирования СТС.

2.5.5. Этап планирования достижения целевого состояния на основе многокритериального выбора. Принятие проектных решений.

ГЛАВА 3. АРХИТЕКТУРА МЯГКОЙ ЭКСПЕРТНОЙ СИСТЕМЫ, КАК ЭЛЕМЕНТА САПР.

3.1. Определение мягкой экспертной системы. Сравнение нечеткой и мягкой экспертных систем.

3.1.2. Понятие мягкой ЭС.

3.2. Нечеткая нейросеть - метод и средство извлечения знаний для мягкой экспертной системы.

3.2.1. Новые направления в исследовании извлечения знаний: (KDD) knowledge discovery in databases; (DM) data mining.

3.2.2. Мягкая ЭС анализа тенденций.

3.2.3. Задача извлечения правил методом нечетких нейросетей при конструировании стендов изделий.

3.3. Представление знаний в мягкой экспертной системе. Содержание баз знаний и данных мягкой экспертной системы.

3.4. Мягкий метод анализа иерархий как основа принятия решения. Интеграция систем принятия решений и экспертных систем.

3.4.1. Задача принятия решений. Основные определения и обозначения.

3.4.2. Классификация задач ПР.

3.4.3. Соответствие задач ПРразличным этапам автоматизированного проектирования.

3.4.4. Методы ПР.

3.4.5. Схемы интеграции СПР, ЭС и САПР.Ill

ГЛАВА 4. ОРГАНИЗАЦИЯ ИНФОРМАЦИОННОЙ СРЕДЫ, АРХИВА ПРОЕКТОВ КРУПНОЙ ПРОЕКТНОЙ ОРГАНИЗАЦИИ. ЗАДАЧА ПРЕДСТАВЛЕНИЯ НЕЧЕТКОЙ ИНФОРМАЦИИ В СЕРВЕРАХ ДАННЫХ.

4.1. Основные понятия, характеризующие информационную систему проектной организации.

4.1.1. Классификации современных исследований нечеткой реляционной алгебры.

4.1.2. Способ сокращенной математической записи возможностного атрибута.

4.1.3. Задачи создания механизма обработки нечеткого запроса в современных СУБД.

4.2. Задача представления нечеткой информации в клиент-серверной технологии на примере организации информационной среды конструкторов.

4.3.1. Уточнение понятия расширенного запроса.

4.3.2. Реализация расширенных запросов в рамках клиент-сервреной промышленной СУБД.

4.2.3. Особенности организации реляционных таблиц с возможностными атрибутами.

4.2.4.Фукции и особенности интерфейса клиента.

4.2.5. Описание инвариантных процедур и триггеров, хранимых на сервере.

4.3. Механизмы реализации нечеткого запроса в промышленных серверах данных.

4.3.1. Модель представления возможностного атрибута на уровне сущностей.

4.3.2 .Схемы данных для представления модели возможностного атрибута

4.5. Особенности практической реализации нечеткого запроса к серверу данных Oracle 7.3.

ГЛАВА 5. МЯГКАЯ ЭКСПЕРТНАЯ СИСТЕМА ВЫБОРА КОРПУСА ДЛЯ КОНСТРУКТОРСКОЙ САПР.

5.1. Задача конструирования стендов.

5.1.1. Обоснование использования интеллектуальных методов при решении задачи конструирования стенда для испытаний.

5.1.2. Этапы решения задачи конструирования стенда.

5.1.3. Соответствие этапов решения и методов мягких вычислений.

5.1.4. Выбор инструментария реализации.

5.1.5. Структура мягкой экспертной системы конструирования стендов

5.1.6. Методы извлечения знаний.

5.2. Интеграция систем принятия решений и экспертной системы конструирования стендов. системы.

5.3.1. Описание фактов

5.3.2. Классификации элементов с точки зрения конструкторской задачи.

5.3.3. Описание элементов: структура и функции принадлежности.

5.3.4. Описание правил.

5.3.5. Управляющие правила. Стратегия выполнения.

5.3.6. Расчетные процедуры.

5.3.7. Правила конструирования стендов.

5.3.8. Взаимодействие пользователя с САПР конструирования стенда.

5.4. Организация архива элементов с учетом нечетких параметров на основе клиент-серверной технологии.

5.4.1. Описание процесса конструирования как коллективной работы. Необходимость использования клиент-серверной технологии.

5.4.2. Состав и структура исходных данных. Архив проектов.

5.4.3. Схема представления нечетких данных об элементах РЭА.

5.4.4. Схема реализации нечеткого запроса к БД.

5.4.5. Структурно-функциональное решение АРМ администратора БД САПР и АРМ конструктора.

5.5. Решение задачи размещения элементов на основе генетического алгоритма.

5.5.1. Структура задачи размещения разногабаритных элементов.

5.5.2. Задача размещения.

5.5.3. Решение задачи размещения элементов на монтажном поле с помощью эволюционного алгоритма.

ГЛАВА 6. ОПТИМИЗАЦИЯ РЕСУРСОВ ВЫЧИСЛИТЕЛЬНОЙ СЕТИ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ.

6.1. Автоматизированное проектирование информационно-вычислительных сетей организаций. неполнота исходных данных проектирования, нечеткость гипотетических и прогнозных значений.

6.1.1. Условия перепроектирования. Ограничения на тип ВС.

6.1.2. Методика перепроектирования ВС в условиях объективной неопределенности.

6.2. Решение задачи размещения и оптимизации на основе возможностного программирования.

6.2.1. Этапы решения задачи нечеткого линейного программирования.

6.2.2. Задача четкого линейного программирования.

6.2.3. Способы представления нечетких данных.

6.2.4. Структура исходных данных.

6.2.5. Формулы преобразования нечеткой задачи линейного программирования к детерминированному аналогу.

6.3. Задача размещения коммуникационного оборудования ВС.

6.3.1. Содержание задачи размещения коммуникационного оборудования ВС.

6.3.2. Решение задачи оптимального размещения коммуникационного оборудования методом нечеткого линейного программирования.

6.3.3 Задача выбора коммуникационного оборудования.

6.4. Оптимизация топологии ВС.

6.4.1. Содержание задачи.

6.4.2. Задача переподключения узлов.

Рекомендованный список диссертаций по специальности «Системы автоматизации проектирования (по отраслям)», 05.13.12 шифр ВАК

Введение диссертации (часть автореферата) на тему «Автоматизированное проектирование сложных технических систем в условиях неопределенности»

Автоматизированное проектирование сложных технических систем (СТС), таких как вычислительные системы, корпоративные сети, автоматизированные системы управления, системы информационного мониторинга и другие, характеризуется неполнотой проектной информации на всех этапах проектирования от технического задания до технологической подготовки производства. Неполнота информации является принципиальной для описаний сложных объектов и связана с большой размерностью объекта проектирования, ненаблюдаемостью ряда переменных объекта проектирования, влиянием на функционирование системы окружения, в том числе субъективизмом поведения пользователя. Неполнота проектной информации требует от инструментальных средств проектирования адекватных свойств, наполняя новым содержанием понятия анализа и синтеза в процессе проектирования. Традиционным подходом к использованию неполных данных является подход, использующий вероятностные методы. Однако для процесса проектирования характерны неаддитивные субъективные вероятности или методы теории возможностей в отличии от объективного вероятностного описания поведения объекта проектирования. Во многих исследованиях в основном зарубежных ученых в настоящее время формируется направление: "мягкие вычисления", сочетающие синергетический эффект вероятностных рассуждений, теории нечетких систем, теории нейронных сетей и эволюционного моделирования. В рамках указанных направлений могут быть решены новыми методами традиционные для САПР задачи оптимизации ресурсов в условиях неполноты информации, принятия проектных решений.

Интеллектуальные САПР традиционно строились по схеме внедрения экспертных систем на ранних стадиях проектирования. При этом, очевидно, использовались достижения искусственного интеллекта, соответствующие времени. Для предыдущих этапов развития интеллектуальных систем было характерно доминирование символьных методов, так как количественные теории в искусственном интеллекте признавались менее обещающими. В результате для такой насыщенной расчетами области деятельности, как автоматизированное проектирование использование интеллектуальных методов дало меньший эффект, чем ожидалось. На наш взгляд причина состояла в отсутствии среди интеллектуальных методов средств обработки количественных данных. В частности, проблема учета неполноты информации, не могла быть решена без использования мер количества, нечеткости информации, без математического аппарата исчисления нечетких величин. Современное направление мягких вычислений позволяет сформулировать и решить многие, характерные для САПР задачи с учетом неполноты информации. Причем, синергетический эффект интеграции вероятностных рассуждений, теории нечетких систем, теории нейронных сетей и эволюционного моделирования может составить научную основу для глубинной интеграции систем автоматизированного проектирования, интеллектуальных систем и систем принятия решений. Обоснованием может служить решение задач, общих для автоматизированного проектирования и мягких вычислений. Это такие задачи, как задача многокритериального выбора при принятии проектных решений, задачи стратегического планирования и прогнозирования, экспертной диагностики сложных технических систем большой размерности, моделирования, проектирования и оптимизации ресурсов вычислительных систем, эволюционного моделирования задач проектирования формы и компоновки, задачи стохастической оптимизации. Научная проблема построения интеллектуальных САПР - это проблема анализа возможностей парадигмы вычислительного интеллекта в САПР, построение теории и практики интеллектуальных САПР нового поколения.

Проблема автоматизированного, в том числе поискового проектирования, состоит в принципиальной неустранимости неполноты информации. Причем, явление неполноты представлено при проектировании во всех своих проявлениях. Это объективная неполнота информации вероятностного характера, связанная со случайными переменными стохастического описания поведения объекта проектирования; это неточность результатов расчетов и измерений переменных, обслуживаемая теорией ошибок; это неопределенность проектных решений, связанная с правдоподобными рассуждениями проектировщика; это нечеткость технических требований и задания. Обобщенно можно определить источник неполноты информации как сложность объекта проектирования. Для современного этапа развития САПР характерна попытка создания автоматизированных процедур для проектирования многих сложных технических систем, таких как вычислительные системы, автоматизированные системы управления, системы информационного мониторинга, которые нуждаются на всех этапах проектирования в экспертной диагностике условий функционирования, реального или гипотетического поведения прототипов, экспертной интерпретации аналитического или имитационного моделирования динамики поведения.

Экспертная диагностика таких сложных объектов проектирования основана на анализе временных рядов, характеризующих поведение среды функционирования технической системы, прототипа объекта проектирования, результатов имитационного моделирования. Метод декомпозиции, или блочно-иерархического проектирования применительно к сложным техническим системам включает в себя экспертную диагностику для каждого блока, являющегося в свою очередь системой. Научной и практической проблемой является разработка концепции, теории, методов и средств автоматизации проектирования, включающего экспертную диагностику в условиях неопределенности. Широкое внедрение сложных технических систем и огромное значение, которое такие системы имеют в жизни общества делают проблему важной народнохозяйственной задачей.

Сложные технические системы разрабатываются крупными коллективами проектировщиков, причем, такие коллективы часто включают специалистов из разных областей науки, техники, в том числе экономистов, социологов и/или экологов и других специалистов. Разработки длятся значительное время, так что полное описание системы без формирования коллективной проектной базы данных (информационной системы, архива проекта) может превращаться в задачу, сравнимую по трудоемкости с самим процессом проектирования. Междисциплинарные исследования часто позволяют проектировщику сформулировать только нечеткий запрос о подсистеме в том аспекте, по которому он не является узким специалистом. Современные информационные технологии создания таких проектных архивов не имеют многих важных для САПР СТС свойств: организации физической среды хранения сложноструктурированных данных; средств обработки временных рядов; средств формирования гибких, в том числе нечетких запросов; средств представления неполной информации. Поэтому на наш взгляд формирование коллективного архива проекта и разработка автоматизированных мест поиска к нему является научной и практической проблемой на данном этапе развития САПР.

Учет условий неполноты исходной информации по-новому ставит важную для САПР задачу многокритериального выбора в процессе принятия проектного решения. Известный вариант аддитивной свертки критериев в большинстве традиционных процедур не учитывает практику проектирования, при которой разные пары критериев свертываются различно, так как подчиняются разным стратегиям. Так как именно от качества проектных решений зависит качество проекта, то решение теоретической проблемы многокритериальной свертки важно с точки зрения САПР.

Большинство задач проектирования вычислительных систем и сетей могут быть поставлены как задачи оптимизации ресурсов. В науке в настоящее время найдены многие методы нечеткой оптимизации в рамках возможностного программирования. Однако неизвестны приложения нечеткой оптимизации к проектированию вычислительных систем, в частности корпоративных сетей. Вместе с тем автоматизация проектирования вычислительных сетей нуждается в новых алгоритмах проектирования и моделирования.

Составной частью мягких вычислений являются генетические алгоритмы, которые можно рассматривать как метод стохастической оптимизации. Стохастическая оптимизация применялась в САПР для проектирования формы конструкций. Многие конструкторские задачи, такие как задачи компоновки, размещения в созданных САПР решены только для одинаковых по габаритам элементов по дискретному монтажному полю. Задача размещения разногабаритных элементов по коммутационному полю из-за большой вычислительной мощности последовательных алгоритмов часто решается в настоящее время в практике проектных организаций вручную.

Перечисленные аспекты проблемы автоматизированного проектирования сложных технических систем делает тему диссертационной работы актуальной.

Целью диссертации является создание теории автоматизированного проектирования сложных технических систем, учитывающей принципиальную неполноту проектной информации; разработка информационных систем (архивов проектов и средств поиска) проектных организаций; разработка методов и алгоритмов оптимизации ресурсов вычислительных систем для САПР, разработка алгоритмов решения конструкторских задач, в частности задач размещения разногабаритных элементов.

Для достижения поставленной цели необходимо решить следующие задачи исследования.

1. Необходимо провести сравнительный анализ существующих методов обработки неполной информации в процессе автоматизированного проектирования, выделить характерные особенности сложных систем, построить классификацию современных теоретических и практических методов решения проблемы неполного описания объекта проектирования и выявить области их эффективности и ограничений.

2. Необходимо построить обобщенную математическую модель автоматизированного проектирования сложных технических систем, учитывающую неполноту информации в процессе декомпозиции объекта проектирования. Математическая модель является моделью анализа условий функционирования систем и подсистем, поведение которых задано реальными временными рядами и/или временными рядами, полученными в ходе моделирования и прогнозирования. Основу описания объекта проектирования составляет сочетание описания структурно-функциональных решений с описанием динамики в форме временных рядов.

3. Необходимо построить математическую модель анализа объекта проектирования, учитывающую принципиальную неполноту проектной информации. Основными понятиями, представленными в теории должны быть понятия нечетких временных рядов, тенденций характеристических переменных - параметров технической системы. Математическая модель должна позволять формировать интегральную оценку системы на основе совокупности временных рядов.

4. Необходимо построить математическую модель принятия проектных решений на основе многокритериального выбора, учитывающую подчинение разных пар критериев разным стратегиям выбора.

5. Необходимо разработать методы, алгоритмы и программы возможност-ной оптимизации ресурсов в вычислительных системах.

6. Необходимо разработать методы, алгоритмы и автоматизированные средства для решения конструкторских задач (в частности размещения).

7. Необходимо разработать методику по применению теории автоматизированного проектирования сложных технических систем к проектированию систем различных классов, в том числе в рамках бизнес-процесс реинжиниринга.

Для достижения цели исследования целесообразно были использованы следующие методы исследования: современная теория мер информации, неопределенности, неточности и нечеткости; совокупность теорий, обобщенных направлением мягких вычислений: теории нечетких систем, нейронных сетей, эволюционного моделирования, теории вероятностей. Был использован аппарат возможностного программирования, стохастической оптимизации. В качестве средств создания интеллектуальных автоматизированных систем проектирования использованы нейроимитато-ры, оболочка нечетких экспертных систем FuzzyCLIPS, AutoCAD(Autodesk Inc.), сервер данных ORACLE 7.3(ORACLE INC.)

Теория автоматизации проектирования сложных технических систем, учитывающая неполноту проектной информации, реализуется как совокупность понятий, принципов, утверждений, методов, алгоритмов. Теория апробируется как принципы, методы построения информационных систем проектных организаций; результаты теоретических, экспериментальных и практических разработок, внедрение в промышленную и опытно-промышленную эксплуатацию САПР вычислительных систем, САПР конструирования стендов изделий, внедрение систем автоматизированного управления и информационного мониторинга.

Достоверность научных положений, выводов и рекомендаций подтверждена результатами математического моделирования, результатами экспериментов и испытаний, а также результатами использования материалов диссертации и разработанных на их основе систем в проектных организациях и на производстве.

Похожие диссертационные работы по специальности «Системы автоматизации проектирования (по отраслям)», 05.13.12 шифр ВАК

Заключение диссертации по теме «Системы автоматизации проектирования (по отраслям)», Ярушкина, Надежда Глебовна

Основные выводы и итоги:

1. В результате исследований, проведенных в ходе выполнения диссертационной работы, впервые предложен подход к созданию интеллектуальных САПР на основе парадигмы вычислительного интеллекта. Показана объективная и принципиальная неполнота проектной информации. Обоснована необходимость особого вида анализа функционирования сложного объекта проектирования, который предложено называть в работе экспертной деятельностью. Специфика экспертной деятельности - это обработка нечетких временных рядов. Для успешного выполнения этапа экспертной деятельности впервые предложен принцип конструктивной неопределенности, утверждающий, что проектировщик, двигаясь от точных исходных данных к нечеткому экспертному заключению, теряет точность, но приобретает осмысленность проектных решений. Принцип конструктивной неопределенности развит до уровня концепции экспертной диагностики при проектировании. Выделены и обоснованы пять этапов экспертной проектной деятельности: фуззификация, анализ тенденций нечетких временных рядов, интегральная оценка состояния объекта, прогнозирование поведения системы в условиях функционирования, многокритериальный выбор проектного решения. Рассмотрены и систематизированы существующие интеллектуальные САПР и методы обработки неполной информации, которые уже нашли применение в процедурах автоматизированного проектирования.

2. Впервые разработана теория проектирования сложных технических систем в условиях принципиальной неполноты проектной информации. Математическим аппаратом теории является научное направление "мягких вычислений". Обоснован переход проектировщика от точных временных рядов характеристических переменных к нечетким временным рядам в результате фуззификации. Введено понятие тенденции нечеткого временного ряда. В рамках теории предложено вычислять тенденцию нечеткого временного ряда методом нейроком-пьютинга. Для интегральной оценки состояния сложной системы предложено использовать нейро экспертную систему, включающую макронейроны. Этап прогнозирования поведения объекта проектирования в условиях функционирования выполняется с помощью нейронных сетей. Для сочетания нейронных сетей и нечетких систем показан синергический эффект. Этап принятия проектного решения рассматривается как многокритериальный выбор, причем в теории учтены особенности проектных процедур и модифицирован метод анализа иерархий, в котором традиционная аддитивная свертка заменена на свертку с уникальными функциями агрегации различных пар критериев. Впервые рассмотрена возможность использования метода многокритериального выбора в качестве продукции экспертной системы для случая небольшого количества альтернатив. Показана возможность глубинной интеграции систем принятия решений и экспертных систем на основе разработанной теории проектирования сложных технических систем в условиях принципиальной неполноты проектной информации. Рассмотрены, сопоставлены и систематизированы возможности составных частей мягких вычислений: теории нечетких систем, теории нейронных сетей, генетических алгоритмов и вероятностных рассуждений; показан синергический эффект их использования в САПР.

3. Впервые предложены архитектура и структурно-функциональное решение мягкой экспертной системы, как элемента интеллектуальной САПР. Исследованы и сопоставлены различные механизмы вывода в нечетких системах, системах приближенных рассуждений. Рассмотрен состав базы знаний проекта на основе мягкой экспертной системы. Такая база знаний должна содержать наряду с продукциями функции принадлежности, функции агрегации критериев, иерархии выбора решений, аккумулированные результаты промежуточных выводов и процедур многокритериального выбора. Построен исследовательский образец мягкой экспертной системы, который практически использован, как встраиваемый элемент при создании САПР вычислительных сетей и конструирования РЭА.

4. Показана необходимость использования разработанной теории проектирования сложных технических систем при создании архива проектов крупной проектной организации для решения задачи поиска релевантных типовых проектов при нечетко сформулированном запросе. Исследованы и проанализированы возможности современных серверов данных (Oracle Inc.) для организации нечеткого поиска в рамках расширенного SQL-языка. Рассмотрены и систематизированы современные работы по созданию нечеткой реляционной алгебры. Построены средства обработки нечетких клиентских запросов.

5. Рассмотрены различные постановки задач по оптимизации ресурсов вычислительных сетей в условиях нечетко заданного функционирования, в частности постановка задачи по оптимизации размещения коммуникационного оборудования. На основе методов возможностного программирования разработан алгоритм решения задачи и построена система автоматизации проектирования. Приложение методов нечеткой оптимизации к задаче проектирования вычислительных сетей выполнено впервые.

Выполнены расчеты по оптимизации ресурсов информационных сетей по хозяйственным договорам с рядом предприятий. Рассмотрен и проанализирован современный уровень работ по автоматизации проектирования вычислительных сетей.

6. Рассмотрены и систематизированы алгоритмы размещения применительно к задаче размещения разногабаритных элементов и компонент в произвольном коммутационном поле (пространстве). Впервые предложен алгоритм размещения на базе генетического алгоритмы для САПР конструкторского проектирования РЭА. На базе разработанной САПР было выполнено конструкторское проектирование стендов контроля для производства изделий.

7. Теория проектирования сложных технических систем в условиях неполноты проектной информации применена при разработке ряда систем класса территориально распределенных АСУ, исследованы возможности новой теории в проектировании систем управления в экономике. Предложенная теория необходима для проектирования современных систем информационного мониторинга и была использована при разработке системы анализа и прогнозирования дефицита региональных бюджетов разных уровней на основе данных демографии.

8. В диссертационной работе рассмотрена интеграция САПР с системами экономического анализа и автоматизированных систем управления. Интеграция является условием корректности проектных технико-экономических решений. Проанализированы методы бизнес-процес-реинжиниринга.

Научная новизна Впервые:

1. Предложен принцип "конструктивной неопределенности" для экспертной деятельности при автоматизированном проектировании, для анализа результатов моделирования проектируемой системы и поведения подсистем и прототипов системы. Принцип "конструктивной неопределенности" заключается в том, что точность и осмысленность (возможность интерпретации) экспертного заключения в ходе проектирования вступают в противоречие. Нечеткая информация может содержать полезное проектное решение, несмотря на неточность, нечеткость или неопределенность утверждений, если нечеткость представляет собой качественное обобщение.

2. Предложена концепция экспертной деятельности в ходе декомпозиции системы при автоматизированном проектировании. Концепция подчинена предложенному принципу "конструктивной неопределенности". Концепция выделяет в процессе анализа системы или подсистемы объекта проектирования пять этапов: этап фуззификации четких данных, представленных временными рядами; этап оценки тенденций нечетких временных рядов; этап интегральной оценки совокупности временных рядов; этап прогнозирования поведения системы (подсистемы) в условиях эксплуатации; этап разработки проектного решения (аналитическое планирование).

3. Разработана теория анализа сложных систем в ходе автоматизированного проектирования. Теория исходит из первоначального утверждения о том, что исходные данные для анализа представлены слабоформализованным описанием структуры системы (подсистемы и связи между ними); функционирования (перечень переменных среды, входные и выходные переменные системы); временными рядами поведения среды и системы. Математическую основу теории составляет современное направление вычислительного интеллекта: "мягкие вычисления". Теория оперирует с нечеткими временными рядами, решая задачи анализа тенденций и интегральной оценки объекта проектирования с помощью гибридных систем. Предложена архитектура гибридной системы, представляющей собой нечеткую нейронную сеть, настройку параметров которых выполняет генетический алгоритм.

4. Разработана архитектура "мягкой" экспертной системы, как элемента и компонента САПР. Особенностью архитектуры является интеграция систем принятия решений и нечетких экспертных систем. Систему принятия решения предложено строить на основе метода анализа иерархий. Метод анализа иерархий адаптирован к задачам проектирования, так как вместо традиционной аддитивной свертки во вновь разработанном модифицированном методе анализа иерархий предложено использовать сложную многокритериальную свертку. Сложная многокритериальная свертка заключается в выборе уникальной функции свертки для каждой пары критериев в рамках определенной стратегии. В "мягкой" экспертной системе модифицированный метод анализа иерархий впервые предложено использовать как особый вид правдоподобного вывода для случая малого количества альтернатив наряду с приближенными рассуждениями над нечеткими продукциями. Знания в "мягкой" экспертной системе представляются как функции принадлежности нечетких величин, функции свертки критериев, иерархии выбора, матрицы попарных сравнений, нечеткие продукции. Особенностью предложенной архитектуры мягкой ЭС является этап извлечения знаний. Нечеткие продукции могут быть извлечены с помощью нейрокомпьютинга из нечетких исходных данных.

5. Предложены новые методы и средства организации баз данных проектов в проектной организации. Разработан метод организации обслуживания поисковых запросов к архиву проектов при нечеткой формулировке запросов в клиент-серверных корпоративных сетях. Метод позволяет формулировать SQL-запрос в рамках нечеткой реляционной алгебры Кодда.

6. Впервые выполнено приложение методов нечеткой оптимизации к решению задач оптимизации ресурсов информационных вычислительных сетей. Решена задача размещения коммутационного оборудования сети, оптимизация топологии сети в условиях нечетко заданных ограничений трафика.

7. Разработан алгоритм размещения разногабаритных элементов в конструкциях ограниченного объема, использующий генетический алгоритм. Ранее генетические алгоритмы в автоматизированном проектировании использовались только для конструировании формы.

8. Разработана методика принятия технико-экономических решений при автоматизированном проектировании, основанная на интеграции САПР с системами анализа финансово-хозяйстивенного состояния предприятия и автоматизированных систем управления.

Основные положения, выносимые на защиту

1. На защиту выносится принцип "конструктивной неопределенности" для экспертной деятельности при автоматизированном проектировании в условиях неопределенности. Принцип "конструктивной неопределенности" утверждает, что по мере изучения проектной ситуации эксперт-проектировщик переходит от точных, конкретных исходных данных, но не имеющих интерпретации, к неточным, нечетким, неопределенным, но осмысленным обобщающим знаниям, моделям. Объективная нечеткость экспертных заключений связана с тем, что точность и смысл конфликтуют, начиная с некоторого порога. Принцип конструктивной неопределенности" требует обрабатывать неполные данные, а не повышать точность исходных данных.

2. На защиту выносится теория анализа сложных систем в ходе проектирования, реализованная как совокупность понятий, методов и алгоритмов обработки нечетких временных рядов, анализа тенденций и интегральной оценки объекта проектирования. Защищается концепция экспертной деятельности в ходе декомпозиции системы при автоматизированном проектировании, позволяющая принимать проектные решения в условиях нечеткости и неопределенности. В ходе экспертной деятельности эксперт (в том числе проектировщик в проектной деятельности) выполняет пять этапов:

• оценивание значений переменных (фуззификация);

• оценка тенденций развития;

• интегральная оценка состояния;

• прогнозирование развития;

• планирование для достижения целевого состояния. Таким образом, предложена схема этапов ЭД.

3. Защищается архитектура "мягкой" экспертной системы, как элемента и компонента САПР. Мягкая ЭС должна интегрировать системы принятия решений, нечеткие и нейро экспертные системы. Для извлечения знаний предложено использовать нечеткие нейронные сети с редукцией с помощью генетического алгоритма. Мягкая ЭС разработана для САПР конструирования стендов изделий.

4. На защиту выносится метод организации обслуживания поисковых запросов к архиву проектов при нечеткой формулировке запросов в клиент-серверных корпоративных сетях. Метод позволяет обработать SQL-запрос в рамках нечеткой реляционной алгебры Кодда.

5. Автор защищает приложение методов нечеткой оптимизации к решению задач оптимизации ресурсов информационных вычислительных сетей. Решение задачи размещения коммуникационного оборудования в условиях нечетко заданных ограничений трафика найдено как решение задачи возможностного программирования. Решение задачи оптимизации топологии вычислительной сети найдено с помощью генетического алгоритма.

6. На защиту выносится новый алгоритм размещения разногабаритных элементов в конструкциях ограниченного объема, разработанный на базе генетического алгоритма.

7. Автор защищает схему интеграции систем экономического анализа, САПР и систем автоматизированного управления в рамках бизнес-процес-реинжиниринга.

8. Защищаются результаты разработок и внедрение в опытно-промышленную эксплуатацию средств автоматизации проектирования вычислительных сетей, конструирования стендов контроля, внедрение в промышленную эксплуатацию ряда систем АСУ и информационного мониторинга.

Практическая значимость работы

1. На основе предложенных принципов, концепции и теории автоматизации проектирования создан новый класс интеллектуальных САПР, позволяющий проектировать сложные технические системы в условиях принципиальной неполноты информации.

2. Архитектура мягкой экспертной системы как элемент САПР является основой для структурно-функциональных решений интеллектуальных САПР. Созданная экспертная система может служить как для научных исследований, обучения так и для комплексирования с некоторыми видами промышленных САПР.

3. Методы нечеткого поиска в информационной системе проектной организации позволяют организовать архив крупной проектной организации, ведущей проектирование сложных технических систем силами специалистов разных областей знаний в рамках клиент-серверной технологии.

4. Созданная система автоматизации проектирования вычислительной сети на основе решения задачи нечеткой оптимизации ресурсов вычислительной сети практически используется на производстве и позволяет достичь улучшенных техническо-экономических показателей объектов проектирования.

5. Созданная система автоматизации конструкторского проектирования и внедренная на производстве позволяет сократить сроки проектирования стендов контроля.

6. Предлагаемые методы и средства проектирования были успешно применены в области разработки ряда АСУ и систем информационного мониторинга.

Реализация результатов работы

Результаты диссертации и практические рекомендации использованы:

1) при конструировании стендов контроля на Ульяновском механическом заводе (г. Ульяновск, 1998 г.);

2) при организации архива проектов конструкторского отдела Ульяновского механического завода (г. Ульяновск, 1998 г.);

3) при проектировании информационной вычислительной сети и АСУ Ульяновского отделения ТФОМС (Ульяновская область, 1994 г.);

4) при проектировании информационной вычислительной сети и АСУ Ульяновского государственного предприятия "Упьяновскавтодор" (г. Ульяновск, 1995, 1996 г., 1997 г.);

Разработаны и внедрены на основе концепции и теории экспертной диагностики экспертная система и АРМ экономиста-аудитора; подсистема АСУ ТФОМС (отделения расположены в 4 районах города Ульяновска и 11 кустовых отделениях); АСУ негосударственного пенсионного фонда "Поволжский" (тираж программного продукта в городах Самара, Казань, г. Пущино Моск. обл.); АСУ государственного предприятия "Упьяновскавтодор" (несколько подведомственных предприятий).

Научные и практические результаты диссертационной работы внедрены в учебный процесс в Ульяновском государственном техническом университете.

Практическое использование результатов диссертационной работы подтверждено соответствующими документами о внедрении, приведенными в Приложении 4.

ЗАКЛЮЧЕНИЕ

Главным итогом диссертационной работы является разработка новой теории экспертной деятельности при автоматизированном проектировании сложных технических систем в условиях принципиальной неполноты проектной информации, а также создание и внедрение средств автоматизации проектирования нового класса на основе этой теории.

Список литературы диссертационного исследования доктор технических наук Ярушкина, Надежда Глебовна, 1998 год

1. Клир Дж. Системология. Автоматизация решения системных задач: Пер. с англ.-М.: Радио и связь, 1990,- 544 е.: ил. ISBN 5-256-00649-5.

2. Гиг Дж.ван. Прикладная общая теория систем: Пер. с англ. М.: Мир, 1981.-33 е., ил.:

3. Корячко В.П., Курейчик В.М., Норенков И.П. Теоретические основы САПР: Учебник для вузов М.: Энергоатомиздат, 1987. - 400 е.: ил.

4. Дружинин В.В., Конторов Д.С. Системотехника.- М.: Радио и связь. 1985-200 с.

5. Лорьер Ж.-Л. Системы искусственного интеллекта: Пер. с франц.- М.: Мир, 1991,- 568 с.

6. Gero J.S. Creativity, emergence and evolution in design. Knowledge-Based Systems, Vol. 9, N. 7, 1996, pg. 435-448

7. Jamshidi M. Fuzzy control of complex systems. Soft Computing Vol. l,N.l, 97 pg. 42-56

8. Дюбуа Д., Прад А. Теория возможностей. Приложение к представлению знаний в информатике: Пер. с франц. М.: Радио и связь, 1990,- 288 с.

9. В.Б. Тарасов. От искусственного интеллекта к искусственной жизни: новые направления в науках об искусственном. Новости искусственного интеллекта. N 4. с. 93-117

10. Борисов А.Н., Федоров И.П. Формирование технических решений на основе экспертных знаний. Изв. АН СССР, Техническая кибернетика 5 1990, с. 154-164

11. Мелихов А.Н., Бернштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука. Гл. ред. физ.-мат. лит., 1990,- 272 е.- ISBN 5-02-014144-5

12. Малышев Н.Г., Бернштейн Л.С., Боженюк А.В. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991. -136 е.: ил. ISBN 5283-01592-0

13. Pawlak Z.Rough Sets present state and futher prospects. Intelligent Automation and Soft Computing, Vol. 2, N. 2, pg. 96-102

14. Yao Y.,Lin T.Generalization of Rough sets using modal logics. Intelligent Automation and Soft Computing, Vol. 2, N. 2, pg. 103-120

15. Lingras P. Evidential Comparisons Using Belief Functions, Rough Sets and Nonmonotonic Preferences,Intelligent Automation and Soft Computing, Vol. 2, N. 2, pg. 203-210

16. Chatalic Ph., Froidevaux Ch., Schwind C.Graded hythesis theories Artifical Intelligence, Vol. 80,N.2, 1996,pg. 247-280

17. Тартаковский A.M., Курносов B.E. Информационные технологии проектирования оптимальных конструктивных форм на основе методов эколюционного моделирования. ИТПГШ 3-4,1996 г., с. 3-11

18. Adamy J. Adaptation of Cross-Direction Basis-Weigt Control in Paper Machines Using Fuzzy Decision Logic. International Journal of Approximate Reasoning.Vol.l6,N. 1, Jan. 1997.pg. 25-42

19. Den Hartog M.H., Babushka R., Deketh H.J.R., Grima M.A.,Verhoef P.N., Verbruggen H.B., Knowledge-Based Fuzzy Model for Performance Prediction ofa Rock-Cutting Trencher, International Journal of Approximate Reasoning.Vol. 16,N. 1, Jan. 1997. pg. 43-66

20. Frank P., Koppen-Seliger В.,Fuzzy Logic and Neural Network Applications to Fault Diagnosis International Journal of Approximate Reasoning.Vol.l6,N. 1, Jan. 1997, pg. 67-88

21. Grauel A., Ludwig A., Klene G.,Comparison of Different Intelligent Methods for Process and Quality Monitoring International Journal of Approximate Reasoning.Vol.16,N. 1, Jan. 1997.,pg. 89-117

22. Lee K., Bien Z.A Model Based Machine Vision System Using Fuzzy Logic International Journal of Approximate Reasoning. Vol.16,N. 1, Jan. 1997.

23. Rao M.V.C., Prahlad V.,A tunable fuzzy logic controller for vehicle-active suspension systems. Fuzzy sets and systems, Vol.85, N.l, pg. 11-22

24. Czyzewski A. Speaker-independent recognition of digits experiments with neural networks, fuzzy ligix and rouch sets. Intelligent Automation and Soft Computing Vol. 2, N. 2, pg. 133-146

25. Kostek B.Rough set and fuzzy set methods applied to acoustical analyses Intelligent Automation and Soft Computing, Vol. 2, N. 2, pg. 147-160

26. Zadeh L. What is soft computing? Soft Computing Vol. l,N.l, 97, pg. 1

27. Bonissone P.Soft computing: the convegence of emerging reasoning technologies, Soft Computing Vol. l,N.l, 97, pg.6-18

28. Андерсон Т. Статистический анализ временных рядов. Пер. с англ. По ред. Ю.К. Беляева, М.:Мир, 1976, 755 с.

29. Janssen H.J., de Cooman G., Kerre E.E. A possibilistic Daniell-Kolmogorov Theorem. Procerdings of Seventh International Fuzzy Systems Association World Congress, Vol. 1, pg. 447-454

30. Yabuuchi Y., Watada J. Fuzzy switching regression model based on genetic algorithm. Procerdings of Seventh International Fuzzy Systems Association World Congress, Vol. 2, pg. 113-121

31. Борисов А.Н., Алексеев А.В., Крумберг О.А. и др. Модели принятия решений на основе лингвистической переменной. Рига: Зинатне, 1982.

32. Броневич А.Г., Каркищенко А.Н. Вероятностные и возможностностные модели классификации случайных последовательностей / Под ред. JI.C. Бернштейна. Таганрог: ТРТУ, 1996. 193 с.

33. Zhang Zh.Parametr estimation techniques: a tutorial with application to conic fitting Image and Vision Computing 15 1997, pp. 59-76

34. Разумовский O.B., Таран T.A. Логико-алгебраическая модель формализации качественных знаний// Изв. РАН. Техническая кибернетика. 1995. N5

35. Аверкин А.Н. Нечеткое отношение моделирования и его использование для классификации и аппроксимации в нечетких лингвистических пространствах. // Изв. АН СССР. Техническая кибернетика 1982,- N 2,- с. 215-217

36. Bandler W., Kohout L. Fuzzy power sets and fuzzy implication operators// Fuzzy sets and systems. 1980.Y.4 PI3-30

37. Zadeh L. A theory of approximate reasoning(AR)// Machine Intelligence, 1979.-V. 9,- P. 149-194

38. Zadeh L. Outline of a new approach to the analysis of complex systems and decision processes, IEEE Transactions on Systems, Man and Cybernetics,3(1973), 28-44

39. S. Roychowdhury , B.-H. Wang Cooperative neighbors in defuzzification. Fuzzy sets and systems. V. 78, N.l, 1996, p. 37-51

40. H.B. Verbruggen, P.M. Bruijn Fuzzy control and conventional control: Whats is (and can be) the real contribution of Fuzzy Systems? Fuzzy sets and systems, V. 90, N. 2, 1997, pg. 151-161

41. E.P. Klement Some mathematical aspects of fuzzy sets: Triangular narms, fuzzy logics, generalized measures, Fuzzy sets and systems, V. 90, N. 2,1997, pg. 133-141

42. H. Takagi, J. Hayashi Neural network Driven Fuzzy Reasoning. Int. J. Approximate Reasoning, 5, 191-192

43. R. Fuller. Hybrid systems. Tutotium. http://www.abo.fi/~rfuller/

44. Батыршин И.З. Методы представления и обработки нечеткой информации в интеллектуальных системах. Новости ИИ. N 5 1995, с. 9-65

45. Н.-Н. Bothe. Fuzzy Neural Networks. Tutorium, IFSA'97, Prague, 1997. 37 pp.

46. F. Herrera, L. Magdalena Genetic fuzzy systems Tutorium, IFSA'97, Prague, 1997. 37 pp.

47. Беллман P., Заде Л. Принятие решений в расплывчатых условиях.- В кн.: Вопросы анализа и процедуры принятия решений.- М. Мир, 1976, с. 172-215

48. R.R. Yager On weighted median aggregation, International Journal of Uncertainty, Fuzziness and Knowledge-based Systems, 1(1994) 101-113.

49. R.R. Yager Fuzzy Screaning Systems, in : R.Lowen and M.Roubens eds., Fuaay logic: State of the Art(Kluwer, Dordrecht, 1993)251-261

50. R.R. Yager Ordered weighted averaging aggregation operators in multi-criteria decision making, IEEE Trans, on Systems, Man and Cybernetics, 18(1988) 183-190.

51. Саати P., Керне Д. Аналитическое планирование: организация систем. М. 1992

52. Nahmaias S. Fuzzy variables, Fuzzy sets and systems. 1978. V. 1.

53. Zadeh L.A. Fuzzy sets as a basis for a theory of Possibility. Fuzzy sets and systems. 1978. V. 1.

54. Язенин А.В. Нечеткое математическое программирование. Калинин: КГУ, 1986

55. Язенин А.В. Нечеткие переменные и нечеткое математическое программирование // Модели выбора альтернатив в нечеткой среде. Рига, 1984.

56. Язенин А.В. О непрямых методах нечеткого математического программирования // Нечеткие системы: моделирование структуры и оптимизация. Калинин, 1987.

57. Yazenin A.V. Fuzzy and stohastic programming. Fuzzy sets and systems. 1987. V. 22

58. Nahmais S. Fuzzy variables in a random environment. Advances in fuzzy set theory. Amsterdam, 1979.

59. Язенин А.В. Модели возможностного программирования в оптимизации систем // Изв. АН СССР. Техническая кибернетика. 1991. №5.

60. Kraft D.H., Petry F.E. Fuzzy information systems: managing uncertainty in databases and information retrieval systems. Fuzzy sets and systems. Vol. 90, N 2, September 1,1997, 183-191

61. Salton G., Allan J., Buckley C. ,Sighal A. Automatic analysis, theme generation and summerization of machine-readable texts, Science, 264(1994), 1421-1426.

62. Алиев P.А. Теоретические аспекты построения размытых систем управления // Изв. вузов СССР. Нефть и газ, 1981. №9. С.83-87.

63. Мельцер М.И. Диалоговое управление производством. М.: Финансы и статистика, 1983.

64. Baptitella L.F.B., Olleixa A. Fuzzy methodologies for interactive multicriteria optimization //IEEE Trans, on Syst., Man and Cybern. 1980. Vol. SMC-10. N7. P.355-365.

65. Zadeh L.A. Fuzzy sets // Inf. Contr. 1965. N8. P. 338-353.

66. Заде Л.А. Основы нового подхода к анализу сложных систем и процессов принятия решений // Математика сегодня. М.: Знание. 1974. С.5-49.

67. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976.

68. Шапиро Д.И. Принятие решений в системах организационного управления: использование расплывчатых категорий. М.: Энергоатомиздат, 1983.

69. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981.

70. Негойце К. Применение теории систем к проблемам управления. М.: Мир, 1981.

71. Локальные вычислительные сети: Справочник. В 3-х кн. Кн.З: Организация функционирования, эффективность, оптимизация/С.В. Назаров, Н.В. Ашимихин, A.B. Луговец и др.; Под ред. C.B. Назарова,- М.: Финансы и статистика, 1995.-248 е.: ил.

72. Максименков A.B., Селезнев МЛ. Основы проектирования информационно-вычислительных систем и сетей ЭВМ. М.: Радио и связь, 1991.

73. Янбых Г.Ф., Столяров Б. А. Оптимизация информационно-вычислительных систем. М.: Радио и связь, 1987.

74. А.Н. Скурихин Генетические алгоритмы. Новости искусственного интеллекта, N 4, 1995 , с. 6-17

75. Системы автоматизированного проектирования в радиоэлектронике: Справочник/Е.В. Авдеев, А.Т. Еремин, И.П. Норенков, М.И. Песков; Под ред. И.П. Норенкова.- Радио и связь, 1986,- 368 е.: ил:

76. А. В. Алексеев, А.Н. Борисов, Э.Р. Вшпомс, H.H. Слядзь, С.А. Фомин Интеллектуальные системы принятия проектных решений.- Рига: Зинатне, 1997,- 320 е., ил.

77. L.A. Zadeh Fuzzy sets as basis for a theory of possibility. Fuzzy Sets and Systems, 1,3-28.

78. Kabulov B.T. A Method for Constructing Chernoff Faces Using the Interval Estimators of Parameters, Teknicheskaya Kibernetika,1991, no 3.

79. FUBEST'94. The First Workshop on Fuzzy Based Expert.

80. Горбань A.H., Россиев Д.А. Нейронные сети на персональном компьютере.- Новосибирск: Наука. Сибирская издательская фирма РАН, 1996,- 276 с.

81. J. F. Baldwin, Knowledge engineering using a fuzzy relational inference languege. Proc. IFAC Symposium on Fuzzy Information, Knowledgw Representation and Decision Processes, Marseille, July 19-21, 1983,15-20.

82. V. Tahani, A conceptual framework for fiizzy query processing A step toward very intelligent database system. Information Procesing & Management, 13,1977.289-303.

83. M. Umano, Freedom-O: A fuzzy database system. In : Fuzzy Information and Decision Processes (M. M. Gupta, E. Sanchez, Eds.), North-Holland, 339349.

84. Э. В. Попов, Евсеев O.B. Технологии реинжиниринга бизнес-процессов. Сб. науч. трудов Всероссийской научно-прак. конф. "Реинжиниринг бизнес-процессов предприятий на основе современных информационных технологий" , МЭСИ, Москва, 1997, с. 6-18.

85. Hammer М., Champy J. Reengineering the Corporation. A Manifesto for Busness Revolution. Harper Business, 1993

86. Н.Г. Ярушкина , В.В. Шишкин, Т.А. Меркулова Экономический анализ предприятия на персональном компьютере. Ульяновск, 1996

87. Стоянов Е.А., Стоянова Е.С. Экспертная диагностика и аудит финансово-хозяйственного положения предприятия. Практическое руководство. М.: Перспектива, 1992.

88. C.B. Прокопчина Организация измерительных процессов в условиях неопределенности. Регуляризирующий байесовский подход. Сборник докдадов Международной конференции по мягким вычислениям и измерениям. Санкт-Петербург, 1998, с. 30-44.

89. Браже P.A., Ярушкина Н.Г., Шишкин В.В. Кольцевой акустоэлекторнный генератор. Авт. св-ство N 11221198, 1984 г.

90. Ярушкина Н.Г., Соснин П.И., Соловей Г.Б. Система поиска дефектов микропроцессорных К85-18, серия 50.41.19, Ульяновск, МТЦНТИП, 1985 г.

91. Соснин П.И., Ярушкина Н.Г. Система синтеза тестов операционных схем с элементами микропроцессорных комплектов на основе модели знаний. В кн. тез. научно-тех. семинара "Микропроцессоры в системах управления", Пенза, НДНТПД985, с. 26-28

92. Ярушкина Н.Г. Организация диалога в OJIA. В кн. тез. межвузовской науч. конф. "Проблемы компьютеризации процесса преподавания иностранных языков в педагогических институтах", Ульяновск, 1986, с. 60-61

93. Ярушкина Н.Г., Евсеева О.Н., Гогин C.B. Диалоговые средства адаптации измерительно-информационных микропроцессорных схем к объекту контроля. В кн. межвуз. науч.-тех. семинара "Измерительно-информационные системы", Ульяновск, 1986 г., с.10

94. Соснин П.И., Ярушкина Н.Г., Левицкий А.Ю., Шишкин В.В. Управление испытаниями цифровых схем на основе машинных знаний. В кн. трудов 10 Всесоюзного совещания по проблемам управления, Кн. 2, Москва, 1986, с. 513-514

95. Соснин П.И., Соловей Г.Б., Ярушкина Н.Г. Диалоговая система поиска дефектов микропроцессорных схем. В кн. тез. науч.- практ. конф. "Применение мини и микро-ЭВМ для автоматизации инженерного труда", Ульяновск, 1987 г. с. 12

96. Соснин П.И., Ярушкина Н.Г., Левицкий А.Ю. Диалоговая поддержка принятия решений В кн. Всесоюзной школы-семинара "Бионика интеллекта", Харьков, 1987 г., с. 48

97. Ярушкина Н.Г., Шишкин В.В. Механизмы операционной семантики понятийно-квантовой модели знаний. Межвуз. сборник науч. тр., Саратов, Изд-во Сарат. ун.-та,1987 г.

98. Ярушкина Н.Г., Соснин П.И. Комплекс инструментальных средств для разработки САПР в среде ОС ЕС ЭВМ. В кн. тез. респуб. совещания "Численные методы и средства проектирования и испытания элементов РЭА", Т.2, Таллинн, 1987г., с. 120-124

99. Ярушкина Н.Г., Соснин П.И., Соловей Г.Б. Диалоговая система поиска дефектов микропроцессорных схем. В кн. науч.-тех. семинара "Микропроцессоры в системах контроля и управления", Пенза, ПДНТП,1987 г., с. 48

100. Ярушкина Н.Г. Инвариантная система управления диалогом. В кн. тез. науч.-пр. конф. "АСУ проблемы ориентации и диалоговые системы", Ульяновск, 1988 г., с. 17-25

101. Соснин П.И., Ярушкина Н.Г., Евсеева О.Н., Левицкий А.Ю., Шишкин В.В. САПР тестов микропроцессорных схем. Ульяновск, Обл. правление Союза НИО СССР, 1988, 52 с.

102. Ярушкина Н.Г., Соснин П.И., Гогин C.B. Средства проблемно-ориентированного диалога в САПР тестов микропроцессоров. Межвуз.сборник науч.тр. "Вычислительная техника в автоматизированных системах контроля и управления", Пенза, 1988 г. с. 57-59.

103. Ярушкина Н.Г. Технология макетирования прототипов в разработке диалоговых систем. В кн. тез. науч.-пр. конф. "Человеко-компьютерное взаимодействие", Ульяновск, 1989г., с. 13-17

104. Соснин П.И., Ярушкина Н.Г., Левицкий А.Ю., Евсеева О.Н. САПР тестов микропроцессорных схем. В кн. тез. Всесоюзной науч.-тех. конф. "Проектирование вычислительных средств", Каунасс, 1989 г., с. 108-110.

105. Ярушкина Н.Г. Инструментарий организации диалога в САПР. В кн. тез. респ.совещания "Численные методы и средства проектирования и испытания элементов твердотельной электроники", Т.2, Таллиннн, 1989 г., с. 75-79

106. Соснин П.И., Ярушкина Н.Г., Левицкий А.Ю., Евсеева О.Н. Инструментальные средства формирования баз фактов. В кн. тез. 4-ой Всесоюзной конф. "Системы баз данных и знаний", Калинин, 1989 г., с. 15

107. Ярушкина Н.Г. Об одной модели контекстного диалога на базе программных грамматик. В кн. тез. 23-ой научн.-техн. конф.

108. Формирование личности инженера типа в условиях перестройки", Ульяновск, 1989 г., с. 70-72

109. Ярушкина Н.Г., Соснин П.И. Общая характеристика, принципы разработки и архитектура инструментального обеспечения интеллектуального диалога пользователей с ЭВМ. Судостроительная промышленность. Серия "Вычислительная техника".- Вып. 1989 г.

110. Ярушкина Н.Г., Соснин П.И. Методологическое обеспечение автоматизированного проектирования диалоговых систем. В кн. тез. Всесоюзного науч.-тех. семинара "Качество программного обеспечения", Калинин, 1990 г. с. 35

111. Ярушкина Н.Г. Экспертная система проектирования диалога. В кн. тез. 24-ой науч.-практ. конф. "Научно-технический прогресс и инженерное образование", Ч.З, Ульяновск, 1990, с. 36-38.

112. Ярушкина Н.Г. Экспертная система концептуального проектирования диалоговых систем. В кн. тез. науч.-прак. конф. "Решение профессиональных задач на персональных ЭВМ", 1990 с. 40-45

113. Ярушкина Н.Г., Соснин П.И. ИДА- инструментарий диалога и адаптации. В кн. тез. 2-ой Всесоюзной конф. "Искусственный интеллект -90", Минск, 1990,с. 148-151

114. Ярушкина Н.Г. Исследование инструментальных средств организации и встраивания диалога в проблемно-ориентированных системах. Диссертация на соискание уч. ст. канд. наук. 1990г., 242 с.

115. Ярушкина Н.Г., Евсеева О.Н. Интеллектуальный инструментарий проектирования диалога. В кн. тез. 3-ей Международной науч.-тех. конф. "Программное обеспечение ЭВМ", Тверь, 1990 г., с. 31-32

116. Соснин П.И., Ярушкина Н.Г., Евсеева О.Н., Карпова И.Р. Исследование и разработка инструментальных средств организациичеловеко-машинного интерфейса. Отчет по НИР. Инв. N 0291.0018281 (ВНТИЦентр), Ульяновск, УлПИ, 1990 г., 35 с.

117. Ярушкина Н.Г., Соснин П.И. ИДА инструментарий диалога и адаптации. В мат. выставки "Программное обеспечение и прикладные системы ИИ" при Всесоюзной конф. ВКИИ-90, Минск, 1990 г., с. 162-164

118. Соснин П.И., Ярушкина Н.Г. СИЛУЕТ система информационно-лингвистической поддержки эвристической деятельности. В мат. выставки "Программное обеспечение и прикладные системы ИИ" при Всесоюзной конф. ВКИИ-90, Минск, 1990 г., с. 170-172

119. Ярушкина Н.Г., Соснин П.И. Организация диалогового режима. В кн. тез. Всеросс. конф. "Пути развития электронных средств и задачи высшей в подготовке специалистов соответствующей квалификации", 1991, с. 62

120. Ярушкина Н.Г. Технология проектирования диалоговых систем. В кн. науч.-пр. конф. "Технология программирования", Ульяновск, 1991 г., с. 910

121. Ярушкина Н.Г., Соснин П.И. Интеллектуальный инструментарий проектирования и реализации диалоговых систем. Управляющие системы и машины, N 4,1991 г., с. 67-72

122. Ярушкина Н.Г., Евсеева О.Н. Об одной модели обучения в диалоговых системах. В сборн. науч. тр. "Проектирование, контроль и диагностика микропроцессорных схем. Автоматизация проектирования производства вычислительных систем", 1991 г., с. 26-31

123. Ярушкина Н.Г. Особенности организации диалога в современных СУБД персональных ЭВМ. В кн. науч.-прак. конф. "Системы искусственного интеллекта и экспертные системы", 1992 г., с. 16

124. Ярушкина Н.Г., Кравченко E.H., Кравченко В.В. Экспертная система анализа финансово-хозяйственной деятельности предприятия. В кн. тез. Росс. науч.-тех. конф. "Интерактивные системы", Ульяновск, 1993 г., с. 52

125. Ярушкина Н.Г., Шишкин В.В. Опыт прототипирования экспертной системы анализа финансово-хозяйственной деятельности предприятий. В кн. тез. выставки- конф. "Новые информационные технологии в школах и вузах", Москва, 1993 г., с. 108

126. Валеев С.Г., Ярушкина Н.Г., Афанасьева Т.Н., Кадырова Г.Р. Формирование прототипа экспертной системы поиска оптимальных регрессий. В кн. 27 науч.-тех. конф., Ульяновск, УлГТУ, ч. 1, 1993 г., с. 5255

127. Ярушкина Н.Г., Негода В.Н., Меркулова Т.А. Автоматизация библиотеки. В кн. тез. Всероссийской науч.-мет. конф. "Компьютерные технологии в высшем образовании", Санкт-Петербург, 1994 г., с. С27

128. Ярушкина Н.Г., Шишкин В.В. Учебная экспертная система анализа финансово-хозяйственной деятельности предприятия. В кн. тез. конф. "Компьютерные технологии в высшем образовании", Санкт-Петербург, 1994 г., с. F21

129. Ярушкина Н.Г., Экспертная система финансово-хозяйственной деятельности "АУДИТ". В кн. Междунар. науч.-тех. конф. "Интерактивные системы: проблемы человеко-компьютерного взаимодействия", Ульяновск, Ч. 1, 1995 г., с. 27-29

130. Ярушкина Н.Г., Шишкин В.В., Меркулова Т.А. Прототип экспертной системы анализа финансово-хозяйственной деятельности предприятия. В мат. выставки "Интеллектуальные информационные системы", Ульяновск, 1995 г., с.З

131. Соснин П.И., Ярушкина Н.Г., Евсеева О.Н., Левицкий А.Ю. Проблемно- ориентированные диалоговые среды. Саратов: Изд-во Сарат. ун-та, 1995 г.,100 с.

132. Ярушкина Н.Г., Мытарев П.В. Автоматизированная система анализа и прогноза бюджета прожиточного минимума и адресной социальной помощи. В кн. тез. 4-ой Международной школы-семинара "Новые информационные технологии", Т. 2, М.-МГИЭМ, 1996, с. 317-318

133. Ярушкина Н.Г. Экспертная диагностика проекта информационной вычислительной сети методом анализа нечетких иерархий. В кн. тез. Междунар. конф. "Информационные технологии в моделировании и управлении", Санкт-Петербург, 1996 г., с. 248

134. Ярушкина Н.Г., Меркулова Т.А. Метод экспертной диагностики нечетких временных рядов при аналитическом проектировании. В кн. тез 30-ой науч.-тех. конф. УлГТУ, Ульяновск: УлГТУ, 1996 г., с. 100-102

135. Ярушкина Н.Г. Мягкий метод анализа иерархий в системах принятия решений. В кн. тез. Междунар. семинара "Мягкие вычисления-96", Казань, 1996 г., с. 219-221

136. Yarushkina N. Soft method of hierarchy analysing for decision making support system. В кн. тез. Междунар. семинара "Мягкие вычисления-96", Казань, 1996 г., с. 222

137. Ярушкина Н.Г., Шишкин В.В. Экспертная система анализа финансово-хозяйственной деятельности предприятия. В кн. тез. Всеросс. конф. "Культура, нраственность и экономика", Ульяновск: УлГТУ, 1996 г. с. 71-73

138. Yarushkina N. An analysis of Economic Data Diagramms Based on Fuzzy Intervals in an Expert System of Economical Analysis. Pattern Recognition and Image Analysis. Vol. 6, N. 2, April-June 1996, p. 329-330

139. Yarushkina N., Shishkin V., Merkulova T. Vizualization of the Enterprise Economy State in an Expert System of Economic Analysis. Pattern Recognition and Image Analysis. Vol. 6, N. 2, April-June 1996, p. 331

140. Ярушкина Н.Г., Меркулова Т.А., Евсеева О.Н. и др. Разработка и внедрение задач автоматизироваанной бухгалтерии и экономического анализа. Отчет по НИР. Инв. N (ВНТИЦентр), 1996г.

141. Ярушкина Н.Г., Меркулова Т.А., Таратухин В.В. и др. Информационные технологии в экономике. Отчет по НИР 15-59. N гос. per. 01970004016, Инв. N 02970003356 (ВНТИЦентр), 1996г.

142. Ярушкина Н.Г., Тухтаров В.Н. Запросы к интеллектуальному репозитарию проектировщика. В кн. тез. 31-й науч.-тех. конф. УлГТУ, Ульяновск: УлГТУ, 1997 г., с. 49

143. Ярушкина Н.Г., Мытарев П.В. Исследование и разработка методов автоматизации проектирования систем информационного мониторинга. В кн. тез. 31-й науч.-тех. конф. УлГТУ, Ульяновск: УлГТУ, 1997 г., с. 50-51

144. Ярушкина Н.Г., Пирогов В.В. Методы и средства проектирования информационно- вычислительных сетей. В кн. тез. 31-й науч.-тех. конф. УлГТУ, Ульяновск: УлГТУ, 1997 г., с. 52

145. Ярушкина Н.Г., Краснов C.B. Об одном подходе к оптимизации локальной вычислительной сети на этапе проектирования. В кн. тез. науч,-прак. конф. "Наука производству. Конверсия сегодня", Ч. 2,Ульяновск, 1997 г., 84-85

146. Ярушкина Н.Г., Краснов C.B. Моделирование информационно-вычислительной сети, как новое средство компьютерной поддержки учебного процесса. В кн. тез. 4-ого междунар. совещания-семинара

147. Использование новых информационных технологий в учебном процессе кафедр физики и математики". Ч. 2., Ульяновск, 1997 г., с.72-73

148. Ярушкина Н.Г., Мытарев П.В. Система прогнозирования дефицита бюджета и расчета прожиточного минимума. В кн. тез. 2-ой междунар. науч.-прак. конф. "Математические методы и компьютеры в экономике". Ч. 2, Пенза, 1997 г., с. 63

149. Ярушкина Н.Г., Никищенков И.А. Экспертная система финансово-хозяйственной еятельности "АУДИТ". В сб. науч. тр. "Реинжениринг бизнес-процессов предприятий на основе современных информационных технологий", Москва: МЭСИ, 1997 г., с. 90-91

150. Yarushkina N. Soft economic expert system. В кн. тез. 2-ой междунар. науч.- тех. конф. 'Интерактивные системы: Проблемы человеко-компьютерного взаимодействия".Ч. 2, Ульяновск, 1997 г., с. 37-40

151. Ярушкина Н.Г. Методы нечетких экспертных систем в интеллектуальных САПР.-Саратов: Из-во Сарат. ун-та, 1997 г., -107 с.

152. Ярушкина Н.Г., Тухтаров В.Н. Запросы к интеллектуальному репозитарию в САПР.В кн. тез. Всеросс. науч.-тех. конф. "Информационные и кибернетические системы управления и их элементы". Уфа, 1997 г., с. 166 -167

153. Yarushkina N. Soft hierarchy analysing method for economic expert system. Proceedings of Seventh International Fuzzy Systems Association World Congress, Vol. 3, June 1997, pg. 80-82

154. Ярушкина Н.Г., Суркова E.B. Анализ финансово-хозяйственной деятельности предприятия в среде Microsoft office. В кн. тез. науч.-пр. конф. с междунар. участием "Новые методы, средства и технологии в науке, промышленности и экономике". Ульяновск, 1997 г.

155. Yarushkina N. Soft Hierarchy Analysing Method for Economic Experts System // Proceeding of 5th European Congress on Intelligent Techniques and Soft Computing. Aachen, Germany, 1997, pg. 980-981

156. Yarushkina N. Soft Computing in an Experts Systems // Proceeding of 1th International Conference on Soft Computing and Measurements St. Petersburg, 1998, Vol. l,pg. 300-304

157. Ярушкина Н.Г., Евсеева О.Н. Анализ тенденций временных рядов методом нейрокомпьютинга // В книге трудов международной научно-технической конференции "Нейронные, реляторные инепрерывнологические сети и модели", Том 1. Ульяновск: УлГТУ, 1998, с.70.72

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.