Поддержка принятия решений и проектный анализ при контроле динамики судна на основе методов математического моделирования тема диссертации и автореферата по ВАК РФ 05.08.03, кандидат технических наук Миат Ниейн Мо

• Миат Ниейн Мо
• кандидат технических наук
• 2011

Оглавление диссертации кандидат технических наук Миат Ниейн Мо

ВВЕДЕНИЕ

Глава 1. ОСОБЕННОСТИ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ КОНТРОЛЕ ДИНАМИЧЕСКИХ СИТУАЦИЙ В ЗАДАЧАХ ИССЛЕДОВАТЕЛЬСКОГО ПРОЕКТИ-РОВАНИЯ И В БОРТОВЫХ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ

1.1. Проблемы построения системы поддержки принятия решений в задачах интерпретации сложных ситуаций.

1.2. Теоретические аспекты разработки моделей взаимодействия «ЛПР - ИС» в системах поддержки принятия решений.

1.3. Аналитический обзор.

1.4. Постановка задачи исследования.

1.5. Общая характеристика работы.

Выводы по первой главе.

Глава 2. КОНЦЕПЦИЯ И ПРИНЦИПЫ ПОСТРОЕНИЯ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ЗАДАЧАХ ИССЛЕДОВАТЕЛЬСКОГО ПРОЕКТИРОВАНИЯ И В БОРТОВЫХ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ НА ОСНОВЕ КОНКУРИРУЮЩИХ ВЫЧИСЛИТЕЛЬНЫХ ТЕХНОЛОГИЙ

2.1. Общие принципы построения модели взаимодействия в системах поддержки принятия решений.

2.2. Методы анализа альтернатив при выборе решений в нечеткой среде.

2.3. Обший подход к выбору решений в нечеткой среде в рамках концепции исследовательского проектирования.

2.4. Практическое приложение методов анализа альтернатив при выборе главных размерений.

2.5. Обучение ЛПР при интерпретации текущих ситуаций.

Выводы по второй главе.

Глава 3. МОДЕЛИРОВАНИЕ И ПРИНЯТИЕ РЕШЕНИЙ ПРИ КОНТРОЛЕ ДИНАМИЧЕСКИХ СИТУАЦИЙ В ЗАДАЧАХ ИССЛЕДОВАТЕЛЬСКОГО ПРОЕКТИРОВАНИЯ И В БОРТОВЫХ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ

3.1. Формулировка задачи обработки измерительной информации при поддержке принятия решений в нечеткой среде.

3.2. Организация системы знаний при контроле динамических ситуаций.

3.3. Интерфейс оператора при анализе результатов моделирования.

3.4. Анализ результатов моделирования при контроле динамических ситуаций

3.5. Анализ адекватности математической модели динамики взаимодействия судна с внешней средой.

3.6. Оценка риска принимаемых решений при контроле текущих ситуаций

Выводы по третьей главе.

Глава 4. ПРОГРАММНЫЙ КОМПЛЕКС ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ ПРИНЦИПОВ ОБРАБОТКИ ИНФОРМАЦИИ В МУЛЬТИПРОЦЕССОРНОЙ ВЫЧИСЛИТЕЛЬНОЙ СРЕДЕ

4.1. Общий подход к оценке поведения сложного динамического объекта в рамках принципа конкуренции.

4.2. Алгоритмы контроля измерительной информации и оперативное окно оператора ИС.

4.3. Многопроцессорный вычислительный комплекс.

4.4. Контроль взаимодействия динамического объекта с внешней средой на основе концепции мягких вычислений.

4.5. Тестирование системы.

Выводы по четвертой главе.

Введение диссертации (часть автореферата) на тему «Поддержка принятия решений и проектный анализ при контроле динамики судна на основе методов математического моделирования»

Разработка методов и моделей интеллектуальной поддержки принятия решений в задачах исследовательского проектирования и при функционировании бортовой интеллектуальной системы (ИС) обеспечения безопасности судна в различных условиях эксплуатации является актуальной проблемой в связи с созданием новых типов морских судов Союза Мьянма. Повышение надежности и качества принимаемых решений достигается на основе данных моделирования, динамических измерений, формализованной системы знаний и моделей обработки и интерпретации информации в мультипроцессорной вычислительной среде. Для реализации методов и моделей интеллектуальной поддержки на основе базы знаний, необходимо выполнить следующие условия:

• разработать механизмы преобразования информации при построении системы интеллектуальной поддержки и обучения лица, принимающего решения (ЛПР) по обеспечению безопасности судна в рассматриваемой ситуации;

• выделить структуры, методы и модели, повышающие надежность принятия решений по управлению судном в сложных ситуациях;

• разработать модели функционирования интеллектуального интерфейса, обеспечивающего оперативный контроль динамики судна в текущих ситуациях при различной интенсивности внешних возмущений. Анализ и интерпретация информации представляют собой одно из важных направлений формирования программной среды для реализации механизма интеллектуальной поддержки принятия решений при контроле поведения судна в различных условиях эксплуатации. Методы и модели интеллектуальной поддержки ЛПР при функционировании базы знаний позволяют исследовать и интерпретировать с использованием современных средств компьютерной графики динамические процессы взаимодействия судна с внешней средой в условиях неопределенности и неполноты информации.

В диссертации рассматривается подход и технология обработки информации при интеллектуальной поддержке ЛПР при обеспечении мореходных качеств судов. Основное внимание уделяется контролю поведения судна в сложных ситуациях на базе математического аппарата, разработанного на основе методов обработки информации в мультипроцессорной вычислительной среде. Это позволяет в режиме реального времени осуществлять генерацию решений и анализ альтернатив при обработке информации о поведении судна в рассматриваемой ситуации. Модели обработки информации основаны на конкурирующих вычислительных технологиях, использующих традиционные методы, нечеткую логику и искусственные нейронные сети (ИНС).

Заключение диссертации по теме «Проектирование и конструкция судов», Миат Ниейн Мо

Выводы по четвертой главе

Программное средство анализа и прогноза текущей ситуации функционирует на основе разработанных принципов обработки информации в мультипроцессорной вычислительной среде, что позволяет:

1. Осуществлять контроль взаимодействия судна с внешней средой с использованием традиционных, нечетких и нейросетевых моделей путем мониторинга рассмотренных экстремальных ситуаций — основной и параметрический резонанс бортовой качки, основной резонанс килевой качки на нерегулярном волнении.

2. Осуществлять контроль взаимодействия судна с внешней средой путем отслеживания ситуаций, связанных с оценкой остойчивости судна на попутном волнении, а также при внезапном налете шквала при положении судна лагом к волнению при различном уровне внешних возмущений.

3. Оценивать поведение судна в рамках принципа конкуренции путем выбора предпочтительной вычислительной технологии в зависимости от особенностей динамики взаимодействия с внешней средой.

ЗАКЛЮЧЕНИЕ

Результаты проведенного исследования позволяют сделать следующие основные выводы:

1. Сформулированы теоретические принципы и концепция построения нечетких моделей обработки информации в системах поддержки принятия решений в исследовательском проектировании и при контроле режима функционирования ИС в целях интерпретации экстремальных ситуаций в условиях неопределенности и неполноты исходной информации. Разработана структура нечеткой системы и выделены типичные задачи анализа и прогноза поведения судна и обеспечения мореходных качеств судов. Полученные результаты ориентированы на поддержку ЛПР системы исследовательского проектирования и оператора бортовой ИС. Расширение функциональных возможностей нечеткой модели обработки информации продемонстрировано в задаче выбора главных размерений судна, а использование теории нечетких графов позволило разработать систему обучения ЛПР методам принятия решений в сложных динамических средах.

Информационная среда моделирования включает функциональные модули, ориентированные на решение задач обработки информации в экстремальных ситуациях. Иерархическая модель, объединяющая функциональные модули прикладных программ, позволяет описывать интегрированную систему на различных уровнях абстракции.

2. Разработана модель базы знаний ИС, обеспечивающая анализ экстремальных ситуаций. Формализация этой задачи осуществлена на основе нечеткой системы знаний. Сформулирован общий подход и разработаны теоретические аспекты преобразования информации при функционировании базы знаний. Разработанный подход к формированию программной среды интерпретации экстремальных ситуаций позволяет реализовать эффективные алгоритмы анализа практических задач контроля динамики судна в рамках концепции мягких вычислений. В результате открываются возможности анализа и интерпретации информации на основе принципа конкуренции, позволяющего выбирать предпочтительную вычислительную технологию в зависимости от особенностей динамики взаимодействия судна с внешней средой.

3. Проведено математическое моделирование типичных задач анализа и интерпретации экстремальных ситуаций на основе дифференциальных уравнений, описывающих динамику судна на волнении. В качестве основных приложений рассмотрены типичные случаи взаимодействия судна с внешней средой, выделенные из множества сложных ситуаций, возникающих при эксплуатации судна. Полученные данные математического моделирования можно рассматривать как первый шаг на пути решения задач взаимодействия судна с внешней средой при создании новых типов судов и плавучих технических средств Союза Мьянма.

4. Сформулирован общий подход к формированию программных модулей обработки информации и дается их описание в рамках концепции мягких вычислений. На основе модели риска разработан программный модуль оценки эффективности принимаемых решений при контроле экстремальных ситуаций.

Таким образом, материалы проведенного исследования позволяют реализовать систему поддержки принятия решений в нечеткой среде и осуществлять проектный анализ и данных динамический измерений при функционировании бортовой ИС в экстремальных ситуациях, а также оценить эффективность предлагаемых решений в условиях неопределенности и неполноты исходной информации на основе вычислительных процедур анализа альтернатив в нечеткой среде.

Список литературы диссертационного исследования кандидат технических наук Миат Ниейн Мо, 2011 год

1.Аверкин А.Н., Батыршин А.Н., Блишун А.Ф., Силов В.Б., Тарасов В.Б.

2. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А.Поспелова. М.- Наука, 1986.

3. Айзерман М.А., Алексеров Ф.Т. Выбор вариантов. Основы теории. М.: Наука, 1990.

4. Александров В.Л., Матлах А.Т., Нечаев Ю.И., Поляков В.И., Ростовцев

5. Д.М. Интеллектуальные системы в морских исследованиях и технологиях. — Санкт-Петербург. ГМТУ, 2001.

6. Ашик В.В. Проектирование судов. Л.: Судостроение, 1985.

7. Беллман Р., Заде Л. Принятие решений в расплывчатых условиях. М.: Мир, 1976.

8. Белозерский Л.А. Классификация и решающие правила логических систем распознавания // Искусственный интеллект. №4. 2002, с.422-427.

9. Бокс Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. — М.: Мир, 1974.

10. Бородай И.К., Нецветаев Ю.А. Качка корабля на морском волнении. Л.: Судостроение. 1969.

11. Бородай И.К. Нецветаев Ю.А. Мореходность судов. Л.: Судостроение. 1982.

12. Ю.Бортовые интеллектуальные системы. Часть 2. Корабельные системы. — М.: Радиотехника, 2006.

13. П.Вовк С.П. Разработка технологии нечеткого моделирования ситуаций принятия решений в частично формализуемых средах // Программные продукты и системы. №3. 2004, с. 16-22.

14. Воробьева Г.И. Модели выбора оптимальных форматов представления объектов в базах данных удаленного доступа // Труды X Всероссийской конференции «Телематика-2003». Санкт-Петербург. 2003. т.1, с.233-235.

15. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. Санкт-Петербург. Питер, 2000.

16. Гайкович А.И. Основы теории проектирования сложных систем. Санкт-Петербург. МОРИНТЕХ, 2001.

17. Геппенер В.В. Деревья решений в распознавании образов // Сборник докладов Международной конференции по мягким вычислениям и измерениям SCM-99 // Санкт-Петербург. 1999. т.2, с. 130-136.

18. Грибова В.В., Клещев A.C. Использование методов искусственного интеллекта для проектирования пользовательского интерфейса // Информационные технологии. №8. 2005, с.58 — 61.

19. Гэри М., Джонсон Д. Вычислительные сложности и труднорешаемые задачи. М.: Мир, 1982.

20. Дмитриев В.И. Прикладная теория информации М.: Высшая школа, 1989.

21. Домрачеев В.Г., Безрукавный Д.С., Калинина Э.В., Ретинская И.В., Скуратов А.К. Нечеткие методы в задачах мониторинга сетевого трафика // Информационные технологии. №3. 2006, с.2 10.

22. Евгеньев Г.Б. Интеграция прикладных систем на основе баз знаний // Программные продукты и системы. №3. 2005, с.42 — 46.

23. Елашкин М. Как оценивать эффективность ИТ? // Открытые системы. №7. 2004, с.38-41.

24. Елизаров С.И. Адаптивные методы нечеткой кластеризации // Сборник докладов Международной конференции по мягким вычислениям и измерениям SCM-2006. Санкт-Петербург. 2006. Т.2, с. 177 180.

25. Еремеев А.П., Куриленко И.Е. Реализация временных рассуждений для интеллектуальных систем поддержки принятия решений реального времени // Программные продукты и системы. №2. 2005, с.8 16.

26. Жданов A.A. Метод автономного адаптивного управления // Известия Академии Наук. Теория и системы управления, 1999, № 5, с. 127-134.

27. ЗО.Зенкин A.A. Когнитивная компьютерная графика. — М.: Наука, 1991.

28. Ивакин Я. А. Введение в проблему компьютерной интерпретации прикладных формализуемых теорий // Информационно-управляющие системы. №1.2003, с.26-31.

29. Караваев М.В., Жданов A.A. Построение нечетких контроллеров по методологии автономного адаптивного управления // Сборник научных трудов VIII всероссийской научно-технической конференции НЕЙРОИНФОРМА-ТИКА-2006. Москва: МИФИ. 2006. 4.1, с.31 37.

30. Карпов A.B. Информационные конфликты в автоматизированных системах //Программные продукты и системы. №3. 2004, с.22-26.

31. Кини Р.Л., Райфа X. Принятие решений при многих критериях. Предпочтения и замещения. — М.: Радио и связь, 1981.

32. Корн Г., Корн Т. Справочник по математике для научных работников и инженеров.- М. Наука, 1977.

33. Костерев В.В., Аверкин А.Н. Формальное описание риска в нечетких системах // Труды международной конференции по мягким вычислениям и измерениям SCM-2001. Т.1. Санкт-Петербург. 2001, с. 170-173.

34. Костерев В.В., Лапшина В.А. Метод экспертной оценки риска с использованием лингвистических переменных // Сборник докладов Международной конференции по мягким вычислениям и измерениям SCM-2003. Санкт-Петербург. 2003. т.2, с. 112-115.

35. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982.

36. Круглов В.В., Усков A.A. Два подхода к самоорганизации базы правил системы нечеткого логического вывода // Информационные технологии. №2. 2006, с.14- 18.

37. Кузнецов М. MDA новая концепция интеграции приложений // Открытые системы. №9. 2003, с.48-51.

38. Куклев Е.А. Модели рисков катастроф как маловероятных событий в системах с дискретным состоянием // Труды всероссийской научной конференции «Управление и информационные технологии УИТ-2003. Т.2, с. 158-163.

39. Куприянов A.A., Емельянов A.A. Механизмы и средства поддержки человеко-компьютерного взаимодействия в среде интегрированных комплексов средств автоматизации // Морская радиоэлектроника. №2(8). 2004, с.30 — 34.

40. Ларичев О.И., Машкович Е.М. Качественные методы принятия решений. -М.: Физматгиз, 1996.45Липаев В.В. Верификация и тестирование сложных программных средств // Информационные технологии. №7. 2004, с.42-47.

41. Майника Э. Алгоритмы оптимизации на сетях и графах. М. Мир. 1981.

42. Макаров И.М. Теория принятия решений. — М.: Наука, 1986.

43. Малинецкий Г.Г., Кульба В.В., Косяченко С.А., Шнирман М.Г. и др. Управление риском. Риск. Синергетика. — М.: Наука. 2000.

44. Малышев Н.Г., Берштейн JI.C., Боженюк A.B. Нечеткие модели для экспертных систем в САПР. — М.: Энергоатомиздат, 1991.

45. Маслов Ю.С. «Теория дедуктивных систем и ее применения».- Москва: Радио и связь. 1986.

46. Математические методы в теории систем: новое в зарубежной науке / Под ред А.Н.Колмогорова, С.П.Новикова. — Вып. 14. М. Мир, 1979.

47. Мелихов А.Н., Бернштейн JI.C., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. — М.: Наука, 1990.

48. Месарович М., Такахара Я. Общая теория систем: математические основы. М. Мир, 1978

49. Миат Ниейн Мо, Нечаев Ю.И. Оценка риска принимаемых решений вбортовых интеллектуальных системах // Труды XV ^Всероссийской научноt r f

50. Миат Ниейн Мо, Нечаев Ю.И. Интеллектуальная поддержка оператора бортовой интеллектуальной системы с использованием имитационного моделирования // Искусственный интеллект. №3. 2008, с.462 — 471.

51. Миат Ниейн Мо. Организация интерфейса при контроле экстремальных ситуаций // Материалы пятой общероссийской конференции молодых ученых и специалистов по морским интеллектуальным технологиями МОРИНТЕХ-ЮНИОР, Санкт-Петербург. 2009, с.73 75.

52. Миат Ниейн Мо. Интеллектуальная поддержка оператора бортовой интеллектуальной системы // Сборник докладов ХШ Международной конференции по мягким вычислениям и измерениям 8СМ-2010. Санкт-Петербург. 2010. т. 1, с.42 46.

53. Минский М. Фреймы для представления знаний. М.: Энергия, 1979.

54. Мистров Л.Е. Метод синтеза технических систем // Автоматизация и информационные технологии. 2006. №8, с.31 — 36.

55. Неделько В.Н. Прогнозирование информационных потребностей операторов особо сложных систем управления // Искусственный интеллект. Донецк. №3. 2002, с.420-427.

56. Нечаев Ю.И. Моделирование остойчивости на волнении. Современные тенденции. — Л.: Судостроение. 1989.

57. Нечаев Ю.И. Принципы использования измерительных средств в бортовых интеллектуальных системах реального времени // Тр.5-й Национальной конференции по искусственному интеллекту с международным участием КИИ-1996. Казань. 1996. т.1, с.362-364.

58. Нечаев Ю.И., Сиек Ю.Л., Васюнин Д.А. Концепция мягких вычислений в бортовых интеллектуальных системах реального времени // Сборник докладов Международной конференции по мягким вычислениям и измерениям SCM-1999. Санкт-Петербург. 1999. Т.2, с.64-68.

59. Нечаев Ю.И. Искусственный интеллект: концепции и приложения. -Санкт-Петербург. ГМТУ, 2002.

60. Нечаев Ю.И. Математическое моделирование в бортовых интеллектуальных системах реального времени // Труды 5-й всероссийской научно-технической конференции «Нейроинформатика — 2003». Лекции по нейроинформатике. Часть 2, с. 119-179.

61. Нечаев Ю.И. Нейроаппроксимация и нейропрогноз при контроле динамики сложного объекта // Нейрокомпьютеры: разработка, применение, № 9. 2005, с.22-31.

62. Нечаев Ю.И., Петров О.Н. Информационная поддержка оператора при анализе сложных ситуаций // Труды XIII Всероссийской научно-техническойконференции «Телематика-2006». М.: ГосНИИ ИТ «Информика». 2006, т.1, с.149- 150.

63. Нечаев Ю.И., Петров О.Н. Контроль динамики судна в сложных ситуациях на основе нечеткой системы знаний // Сборник докладов Международной конференции по мягким вычислениям и измерениям SCM-2006. Санкт-Петербург. 2006. т.2, с.50 53.

64. Нечаев Ю.И., Петров О.Н., Тихонов Д.Г. Интеллектуальная система «Мореходность» // Информационно-измерительные и управляющие системы. Бортовые интеллектуальные системы. №9.2006, с.49 60.

65. Нечаев Ю.И. Концептуальные основы создания бортовых интеллектуальных систем // Информационно-измерительные и управляющие системы. Бортовые интеллектуальные системы. №9. 2006, с.4 — 8.

66. Нечаев Ю.И., Петров О.Н. База знаний и механизм логического вывода // Информационно-измерительные и управляющие ' системы. Бортовые интеллектуальные системы. №9. 2006, с.23 — 27.

67. Нечаев Ю.И., Петров О.Н. Моделирование динамики судна в сложных ситуациях // Тезисы докладов научно-технической конференции «проблемы мореходных качеств судов и корабельной гидромеханики (ХЬП Крыловские чтения), Санкт-Петербург. 2006, с.66 67.

68. Нечаев Ю.И. Методологические основы построения системы нейро-нечеткого управления при движении судна во льдах // Нейрокомпьютеры: разработка, применение. №6. 2006, с.31 —42.

69. Нечаев Ю.И., Анищенко О.П. Моделирование и визуализация экстремальных ситуаций // Информационно-измерительные и управляющиесистемы. Бортовые интеллектуальные системы. Корабельные системы. №9. Т.4. 2006, с.39 — 48.

70. Нечаев Ю.И., Петров О.Н. Моделирование сложных ситуаций в интеллектуальных системах ренального времени // Труды XIV Всероссийской научно-методической конференции «Ткелематика-2007». М.: ГосНИИ ИТ «Информика». 2007, с.420 422.

71. Нечаев Ю.И., Петров О.Н. Нечеткие модели при обработке информации в бортовых интеллектуальных системах // Сборник Докладов на X Международной конференции по мягким вычислениям, и измерениям 8СМ2007. Санкт-Петербург. 2007. т.1, с.71 75.

72. Нечаев Ю.И. Нейро-нечеткая система поддержки принятия решений при оценке поведения сложного динамического объекта // Труда Х-й Всероссийской конференции «Нейроинформатика-2008». М.: МИФИ. 2008. Лекции по нейроинформатике. Часть 2, с.97— 164.

73. Нечаев Ю.И., Петров О.Н. Нейро-нечеткие модели контроля динамики сложного объекта в нестандартных ситуациях // Сборник Докладов на XI Международной конференции по мягким вычислениям и измерениям 8СМ2008. Санкт-Петербург. 2008. т.1, с. 175 178.

74. Нечаев Ю.И., Петров О.Н. Ыеиго-Риигу система при анализе и прогнозе динамики сложного объекта // Труды XV Всероссийской научно-методической конференции «Ткелематика-2008». М.: ГосНИИ ИТ «Информика». 2008, Т. 1, с.90 -91.

75. Нечаев Ю.И., Пипченко А.Д. Оперативный контроль мореходных качеств судна в штормовых условиях // Искусственный интеллект. №.4. 2008, с.265— 273.

76. Пападимитриу X., Стайглиц Л. Комбинаторная оптимизация: алгоритмы и сложность. -М.: Мир. 1985.

77. Парфенов И.И. Проблема принятия решений в автоматизированном проектировании сверхбыстрой обработки информации // Докл. РАН. 1995. т.342. №6, с.750-752.

78. Парфенова М.Я., Журавлев В.З., Парфенов И.И. Электронный документооборот в автоматизированном управлении образовательным процессом // Открытое образование. 2003. №5, с.53-60.

79. Парфенова М.Я., Колганов С.К., Парфенов И.И., Иванов В.И.

80. Человеческий фактор в интеллектуальных информационных технологиях для профилактики, предупреждения и устранения аварийных ситуаций // Информационные технологии. 2005.№5, с.21-29.

81. Пашин В.М. Оптимизация судов. Л.: Судостроение, 1983.

82. Петров О.Н. Нечеткая система знаний на основе принципа адаптивного резонанса // Сборник докладов шестой международной конференции «МОРИНТЕХ-2005». Санкт-Петербург. 2005, с.371 373.

83. Петров О.Н. Анализ динамики судна в нештатных и экстремальных ситуациях // Труды конференции молодых ученых м специалистов по морским интеллектуальным технологиям «МОРИНТЕХ-Юниор». Санкт-Петербург. 2006, с.102 104.

84. Петров О.Н. Сборник докладов восьмой международной конференции «МОРИНТЕХ-2008». Санкт-Петербург. 2008.

85. Планирование эксперимента в исследовании технологических процессов / К.Хартман и др. М.: Мир, 1977.

86. ЮЗ.Пойа Дж. Математика и правдоподобные рассуждения. — Наука, 1975. Ю4.Поснелов Г.С. Искусственный интеллект — основа новых информационных технологий. — М.: Наука, 1988.

87. Ю5.Поспелов Д.А. Ситуационное управление: теория и практика. М.: Наука, 1986.

88. Юб.Поспелов Д.А., Эрлих А.И. Прикладная семиотика — новый подход к построению систем управления и моделирования // Динамические интеллектуальные системы в управлении и моделировании. М.: ЦРДЗ. 1996, с.30-33.

89. Прангишвили И.В. Системный подход и общесистемные закономерности. М.: СИНТЕГ, 2000.

90. Рахманин H.H. Стохастическое описание морской поверхности. СПб., Изд. ЛКИ, 1994.

91. НО.Робертс Ф.С. Дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам. — М.: Наука. 1986. Ш.Рыжов А.П. Элементы нечетких множеств и измерения нечеткости. — М.: Диалог МГУ, 1998.

92. Ш.Рябинин H.A. Надежность. Живучесть и безопасность корабельных электроэнергетических систем. — BMA им. Н.Г.Кузнецова. СПб. 1997. 112.Саати Т., Керне К. Аналитическое планирование. Организация систем. -М.: Радио и связь. 1991.

93. ПЗ.Саати Т. Принятие решений. Метод анализа иерархий. — М.: Радио и связь. 1993.

94. Сборннк научных статей. Бортовые интеллектуальные системы. ч.2. Корабельные системы. -М.: Радиотехника, 2006.

95. Советов Б.Я., Яковлев С.А. Моделирование систем. — М.: Высшая школа, 2003.

96. Нб.Соловов A.B. Электронное обучение: проблематика, дидактика, технология. Самара: Новая техника, 2006.

97. Справочник по теории корабля. В 3-х томах. — JI.: Судостроение, 1985.

98. Справочные данные по режиму ветра и волнения Баренцева, Охотского и Каспийского морей. Российский морской регистр судоходства, СПб, 2003.

99. Тихонов А.Н., Самарский A.A. Уравнения математической физики. М.: Наука, 1972.

100. Уидроу Б., Стириз С. Адаптивная обработка сигналов. М.: Радио и связь, 1989.

101. Управление рисками. М.: Наука, 2000.

102. Хакен Г. Синергетика: иерархии неустойчивостей в самоорганизующихся системах и устройствах. М.: Мир, 1985.

103. Хаскинд М.Д. Гидродинамическая теория качки корабля. М., Наука, 1973.

104. Хаяси Т. Нелинейные колебания в физических системах. М.: Мир, 1969.

105. Химмельблау Д. Анализ процессов статистическими методами. М. : Мир, 1973.

106. Царегородцев А.В., Мухин И.Н. Синтез развивающихся информационно-управляющих систем // Автоматизация и современные технологии. 2005. №3, с.22-26.

107. Чалей И.В., Лисицын Н.В., Рябцов М.В. Формальное описание риска при принятии технических решений // Сборник докладов Международной конференции по мягким вычислениям и измерениям SCM-2005. Санкт-Петербург. 2005. т.2, с.70 73.

108. Эйкхофф П. Основы идентификации систем управления. — М.: Мир, 1975.

109. Юсупов И.Ю., Парфенов И.И. и др. Автоматизированное управление ситуациями в АПКУ. Уфа: Башкнигоиздат. 1988

110. Asai K., Sugeno M., Terano T. «Applied fuzzy system», Academic Press, New York, 1994.

111. Balci O. Validation, verification and testing techniques troughout the life cycle of a simulation study. Annals of Operation Research, 1994.

112. Banks J., Carson J.S., Nelson B.L., Nicol D. Discrete-event system simulation. Prentice Hall. New Jersey, 2000.

113. Boehm B.W. A spiral model of software development and enhancement // ACM SIGSOFT Software Engineering Notes. Vol.11. No 4, 1986.

114. Carson J.S. Model verification and validation // Proceedings of the 2002 Winter Simulation Conference. 2001, p.p.52-58.

115. France W., Levadou M., Treakle T.W., Paulling J.R., Michel R.K., Moore K. An investigation of head-sea parametric rolling and its Influence on Container Lashing Systems // SNAME Annual Meeting 2001 Presentation, p.p.l 24.

116. Grandell J. Aspects of risk theory. Berlin, 1991.

117. Inmon W.H. Building data warehouse. John & Sons.Inc, 1996.

118. Kleijnen J.P.C. Validation of models: statistical techniques and data availability. 1999.

119. Kosko B. Fuzzy cognitive maps // International Journal of Man-Machine Studies. 1986. Vol.24, p.p.65 75.

120. Kosko B., Dickerson J.A. Function Approximation with additive fuzzy systems // Theoretical Aspects of fuzzy control / Eds. N.T.Nguyen. John Willey @ Sons. Inc.1995.

121. Kosterev V.V., Averkin A.N. Aggregation of probabilistic and fuzzy information in risk assessment.- Proceedings of the International Conference on Soft Computing and Measurements. St.Petersburg.l999.p.p.l96-199.

122. Lopatoukhin L.J., Rozhkov V.A., Ryabinin V.E., Swail V.R., Boukhanovsky A.V., Degtyarev A.B. Estimation of extreme wave heights. JCOMM Technical Report, WMO/TD. №1041, 2000, p.p.l 12.

123. Schuster H.G. Deterministic chaos. — Physik-Verlag. Weinhein (F.R.G). 1984.

124. VandeIl G. Check-List-CFIT-FSF. Rev.2.2R/500/r-IKAO. Monreal: 1994 (Программа CFIT, ИКАО, циркуляр (методика оценки рисков): 1996.

125. Winston P.N. Artificial intelligence. — Addison Wesley Publishing Company. USA, 1993.

126. Zadeh L. Fuzzy logic, neural networks and soft computing // Commutation on the ASM-1994. Vol.37. №3, p.p. 77-84.