Разработка гибридных интеллектуальных моделей эволюционного проектирования тема диссертации и автореферата по ВАК РФ 05.13.12, кандидат технических наук Голубин, Алексей Владимирович

• Голубин, Алексей Владимирович
• кандидат технических наук
• 2006

Оглавление диссертации кандидат технических наук Голубин, Алексей Владимирович

СОДЕРЖАНИЕ.

ВВЕДЕНИЕ.

1. АНАЛИЗ ПРОБЛЕМ, ПЕРСПЕКТИВ И МЕТОДОВ ЭВОЛЮЦИОННОГО ПРОЕКТИРОВАНИЯ.

1.1. Некоторые современные тенденции развития САПР.

1.2. Эволюционное проектирование.

1.3. Применение принципов эволюции при построении алгоритмов оптимизации.

1.3.1. Теории эволюции естественных систем.

1.3.2. Эволюционное моделирование.

1.3.3. Генетические алгоритмы на основе недарвиновских моделей эволюции.

1.3.4. Гибридные алгоритмы на основе объединения различных теорий эволюции.

1.4. Создание гибридных моделей на основе различных методик и информационных технологий.

1.5. Обзор программных средств, использующих генетические алгоритмы

1.6. Выводы по главе 1.

2. МНОГОЭВОЛЮЦИОННЫЙ НЕЧЕТКИЙ ГЕНЕТИЧЕСКИЙ АЛГОРИТМ

2.1. Построение генетических алгоритмов на основе различных моделей эволюции.

2.1.1. Вид и межвидовая гибридизация в генетических алгоритмах.

2.1.2. Способы реализации основных моделей эволюции в ГА.

2.2. Построение гибридной системы на основе различных моделей эволюции.

2.3. Гибридные модели с использованием ГА и нечеткой логики.

2.3.1. Нечеткое кодирование.

2.3.2. Нечеткие генетические операторы.

2.3.3. Использование баз знаний для подбора параметров.

2.4. Выводы по главе 2.

3. ИНСТРУМЕНТАЛЬНАЯ СРЕДА ПОДДЕРЖКИ ЭВОЛЮЦИОННОГО ПРОЕКТИРОВАНИЯ «GENSEARCH». ф 3.1. Требования к программным продуктам, реализующим генетические алгоритмы.

3.2. Основные характеристики инструментальной среды «GenSearch».Ill

3.3. Структура инструментальной среды «GENSEARCH».

3.4. Выводы по главе 3.

4. ИССЛЕДОВАНИЕ РАЗРАБОТАННЫХ АЛГОРИТМОВ И ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ И ОЦЕНКА ИХ ЭФФЕКТИВНОСТИ ПРИ РЕШЕНР1И ТЕСТОВЫХ И ПРАКТИЧЕСКИХ ЗАДАЧ.

4.1. Цели и методы проводимых исследований.

4.2. Исследование эффективности нечеткого генетического.

4.2.1. Нечеткое кодирование.

4.2.2. Кроссинговер.

4.2.3. Мутация.

4.2.4. Подбор параметров с использованием базы знаний.

4.3. Исследование эффективности разработанного алгоритма на практической производственной задаче.

4.3.1. Постановка задачи.

4.3.2. Существующие способы решения.

4.3.3. Предлагаемый способ решения.

4.3.4. Программная реализация предлагаемого решения.

4.4. Выводы по главе 4.

Введение диссертации (часть автореферата) на тему «Разработка гибридных интеллектуальных моделей эволюционного проектирования»

Актуальность темы диссертации. В настоящее время весьма актуальными являются проблемы создания и повышения эффективности работы систем автоматизированного проектирования (САПР), что предполагает дальнейшую разработку и исследование научных основ проектирования, формирование принципиально новых методов и средств реализации проектных процедур, построение интегрированных, интерактивных комплексов синтеза и анализа проектных решений. При этом одной из наиболее важных тенденций развития современных информационных технологий и САПР является активное использование в них бионических принципов, методов и моделей, в частности, создание и применение методов и средств эволюционного проектирования (ЭП). Под эволюционным проектированием искусственной (технической) системы понимается целенаправленное использование компьютерных моделей эволюции на всех стадиях разработки системы. Естественным основанием для классификации концепции и стратегий ЭП может служить анализ причин эволюции системы (внешних или внутренних).

Эволюционное проектирование искусственной системы необходимо рассматривать одновременно как формирование ее наследственной изменчивости (внутренняя причина развития) и эволюционную адаптацию к внешней среде (внешняя причина развития). Тогда ЭП определяется как процесс формирования и развертывания генотипа и фенотипа разрабатываемой системы. Генотип системы соответствует всей наследственной (генетически обусловленной) информации о системе, а фенотип содержит набор ее структур, которые возникают в результате развития генотипа в определенной среде.

Таким образом, включение подсистем ЭП в состав современных интегрированных интерактивных САПР требует построения методологии, теории, методов и моделей эволюционного проектирования технических (производственных) систем, а также разработки теоретических и прикладных аспектов построения неклассических (недарвиновских) и гибридных эволюционных систем, включающих разнородные подсистемы, изменяющиеся во времени. В диссертационной работе предлагается новое решение важной задачи построения гибридных систем в информатике и автоматизированном проектировании, которое опирается на различные модели эволюции, методы нечеткой логики и продукционные базы знаний, что имеет существенное значение для исследования процессов обработки информации, создания и исследования информационных моделей, моделей данных и знаний в САПР. Разработаны методология и методы ЭП в технике, включая постановку, формализацию и типизацию проектных процедур и процессов проектирования, построена инструментальная среда поддержки эволюционного проектирования.

Целью диссертационной работы является повышение эффективности обработки информации и поиска решений в процессах автоматизированного проектирования за счет построения гибридных систем, использующих эволюционные алгоритмы, аппарат нечеткой логики и продукционные базы знаний.

Для достижения поставленной цели в диссертации решаются следующие основные задачи:

1. Анализ и разработка теоретических вопросов эволюционного проектирования. Реализация эволюционного проектирования с помощью эволюционных алгоритмов.

2. Исследование способов построения эволюционных алгоритмов на основе недарвиновских моделей эволюции.

3. Исследование существующих гибридных систем. Построение архитектур гибридных интеллектуальных систем, объединяющих методы и средства эволюционных алгоритмов и нечеткой логики.

4. Разработка способов автоматического подбора параметров и методов самоадаптации эволюционного алгоритма под решаемую задачу.

5. Разработка алгоритма решения задачи комплексной организации управления запасами при оптимизации раскроя ленточного материала.

6. Создание программного обеспечения, реализующего разработанные алгоритмы.

7. Применение разработанного программного обеспечения для решения прикладных оптимизационных задач.

Методы исследования. В диссертационной работе для решения поставленных задач используются методы системного анализа и проектирования, теории множеств и теории алгоритмов, нечеткой логики и теории вероятностей, эволюционного моделирования и инженерии знаний. Результаты экспериментов обрабатывались с использованием методов математической статистики.

Научная новизна диссертации определяется, в первую очередь, разработкой гибридных систем, сочетающих методы эволюционных алгоритмов и нечеткой логики. Новыми являются:

1. Эволюционный алгоритм на базе недарвиновских моделей эволюции;

2. Эволюционный алгоритм, использующий аппарат нечеткой логики для кодирования хромосом, а также реализации генетических операторов;

3. Метод автоматического подбора параметров эволюционного алгоритма на основе баз знаний;

4. Архитектура инструментальной среды поддержки эволюционного проектирования.

Практическая ценность работы связана с построением комплекса эволюционных алгоритмов и разработкой инструментальной среды поддержки ЭП, реализующей предлагаемые схемы и алгоритмы. В частности, прикладную значимость имеет алгоритм управления запасами при оптимизации раскроя ленточного материала на основе гибридных систем эволюционного моделирования.

Внедрение и реализация результатов. Теоретические и практические результаты, полученные в диссертационной работе, применялись при выполнении хоздоговорной тематики Отдела «Компьютерные системы автоматизации» НУК РК МГТУ им. Н.Э.Баумана. Результаты диссертации также использованы при выполнении работ по грантам Российского фонда фундаментальных исследований (проекты №0201-00784, 03-07-90012, 04-01-00306, 05-01-00514).

Результаты исследований, проведенных в диссертационной работе, были внедрены на «ОАО Коломенский завод РТИ». Кроме того, результаты работы нашли применение в учебном процессе кафедры «Компьютерные системы автоматизации производства» МГТУ им. Н.Э.Баумана и кафедры САПР ТРТУ.

Достоверность научных положений и выводов диссертации подтверждается результатами вычислительных экспериментов на тестовых и практических задачах, а также актами о внедрении. Акты о внедрении и использовании результатов работы, а также копия авторского свидетельства (Роспатент) представлены в Приложении к диссертации.

Апробация работы. Основные результаты работы докладывались на: Пятом международном симпозиуме «Интеллектуальные системы» (INTELS' 2002, Калуга, 2002г.), Научной сессии МИФИ-2003 (Москва, 2003г.), Третьей международной научно-технической конференции «Измерение, контроль, информатизация» (Барнаул, 2003), Региональной студенческой конференции «Применение кибернетических методов в решении проблем общества XXI века» (Обнинск, 2003), Международной конференции «Континуальные алгебраические логики, исчисления и нейроинформатика в науке, технике и экономике» (КЛИН-2003, Ульяновск, 2003), Девятой Национальной конференции по искусственному интеллекту с международным участием (КИИ-2004, Тверь, 2004г.), Международных научно-технических конференциях IEEE AIS'04 и CAD-2004 (Дивноморское, 2004г.), Научной сессии МИФИ-2005 (Москва, 2005г.), Ш-м Международном научно-практическом семинаре «Интегрированные модели и мягкие вычисления в искусственном интеллекте» (Коломна, 2005г.), Международных научно-технических конференциях IEEE AIS'05 и CAD-2005 (Дивноморское, 2005г.).

Публикации. По теме диссертации автором опубликовано 16 работ, включается 3 публикации в журналах, рекомендованных ВАК РФ, имеется авторское свидетельство об официальной регистрации программы для ЭВМ (Роспатент). Диссертация состоит из введения, четырех глав, заключения, списка литературы и двух приложений. Объем диссертации составляет 175

Заключение диссертации по теме «Системы автоматизации проектирования (по отраслям)», Голубин, Алексей Владимирович

4.4. Выводы по главе 4

1. Исследованы различные параметры нечеткого генетического алгоритма. Показана эффективность предложенной схемы нечеткого кодирования и определены наиболее эффективные нечеткие генетические операторы: вещественная мутация с имитацией отжига и эвристический кроссинговер. Показана эффективность использования базы знаний для подбора параметров на популяционном и индивидуальном уровне.

2. Разработанные алгоритмы также подтвердили свою эффективность при решении рассмотренной в диссертационной работе прикладной производственной задачи по управлению запасами при оптимизации раскроя ленточного материала. При этом экономия средств составляет 11—14 %, а экономия временных затрат 5-20% по сравнению с классическими алгоритмами генетического поиска.

154

ЗАКЛЮЧЕНИЕ

1. Проведен анализ теоретических вопросов эволюционного проектирования и предложены методики его реализации на основе эволюционных вычислений и гибридных генетических алгоритмов.

2. Исследованы варианты построения генетических алгоритмов на основе недарвиновских и интегрированных моделей эволюции. Введено понятие вида в генетическом алгоритме, позволяющее провести большую аналогию между ГА и системами живой природы, а также упростить описание процессов, происходящих в популяциях при использовании различными хромосомами разных генетических операторов.

3. Разработаны архитектуры гибридных интеллектуальных систем, объединяющих методы и средства эволюционных алгоритмов и нечеткой логики. Описаны способы реализации основных операторов гибридного нечеткого генетического алгоритма. Тестирование нечеткого генетического алгоритма на непрерывных функциях показало, что его использование позволяет повысить качество решения и уменьшить время работы (по сравнению с классическим ГА).

4. Разработаны методы автоматического подбора параметров и адаптации эволюционного алгоритма под решаемую задачу на основе баз знаний. Описаны различные уровни применения данных методов. Использование этих методов позволяет упростить подбор параметров ГА (сделав настройку ГА доступным для неспециалиста) и улучшить эффективность работы ГА за счет применения различных ГО в разные моменты поиска.

5. Разработан алгоритм решения задачи комплексной организации управления запасами при оптимизации раскроя ленточного материала. Использование нечеткого генетического алгоритма позволяет сократить общие расходы на 11—14% в зависимости от числа блоков в портфеле заказов и на 5-20% сократить время расчета. Внедрение на ОАО «Коломенский завод РТИ» позволило сократить время выполнения текущего портфеля заказов на 6—9% и получить годовой экономический эффект в размере 375 ООО рублей.

6. Создана и введена в эксплуатацию инструментальная программная среда «GenSearch» для поддержки эволюционного проектирования. Инструментальная среда реализована в среде Borland Delphi в рамках объектно-ориентированного подхода, что облегчает ее дальнейшее сопровождение и интеграцию с другими системами. Ее преимущество по сравнению с другими средами заключается в возможности выбора модели эволюции и гибкой настройки всех этапов генетического поиска с использованием БЗ.

Список литературы диссертационного исследования кандидат технических наук Голубин, Алексей Владимирович, 2006 год

1. Аверкин А.Н., Батыршин И.З., Блишун А.Ф. и др. Нечеткие множества в моделях управления и искусственного интеллекта/ Подред. Д.А.Поспелова. - М.: Наука, 1986.

2. Аверкин А.Н., Прокопчина С В . Мягкие вычисления и измерения // Интеллектуальные системы (МГУ). - 1997. - Т.2, вып. 1-4. — 93-114.

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

4. Афонин П.В. Гибридные системы интеллектуального имитационного моделирования // Новости искусственного интеллекта. - 2006. - №1.

5. Афонин П.В. Гибридные системы интеллектуального имитационного моделирования на основе бионических подходов и многоагентныхмоделей// Диссертация на соискание ученой степени кандидататехнических наук. - М.: МГТУ им. Н.Э.Баумана, 2005.

6. Балашов Е.П. Эволюционный синтез систем. — М.: Радио и связь, 1985.

7. Батищев Д.И. Генетические алгоритмы решения экстремальных задач. — Воронеж: Изд-во ВГТУ, 1995.

8. Бендат Дж., Пирсол А. Измерение и анализ случайных процессов. - М: Мир, 1974.

9. Берг Л.С. Номогенез или эволюция на основе закономерностей // Труды по теории эволюции. — Л.: Наука, 1977. — 95-311

10. Берштейн Л.С., Карелин В.П., Целых А.Н. Модели и методы принятия решений в интегрированных интеллектуальных системах. -Ростов-на-Дону: Изд-во РГУ, 1999.

11. Берштейн Л.С., Коровин Я., Мелихов А.Н., Сергеев Н.Е. Функционально-структурное исследование ситуационно-фреймовойсети экспертной системы с нечеткой логикой// Известия РАН:Техническая кибернетика. — 1994. — №2. — 71-83.

12. Большая советская энциклопедия. Т.2. - М.: Изд-во СЭ, 1978.

13. Большая советская энциклопедия. Т.29. — М.: Изд-во СЭ, 1978.

14. Борель Э., Дельтейл Р., Юрон Р. Вероятности, ошибки / Пер. с франц. - М . : Статистика, 1972.

15. Букатова И.Л., Михасев Ю.И., Шаров A.M. Эвоинформатика. Теория и практика эволюционного моделирования. — М.: Наука, 1991.

16. Вагин В.Н., Еремеев А.П. Некоторые базовые принципы построения интеллектуальных систем поддержки принятия решений реальноговремени // Известия РАН: Теория и системы управления. - 2001. -№6.-С.114-123.

17. Варшавский В.А., Поспелов Д.А. Оркестр играет без дирижера. Размышления об эволюции некоторых технических систем иуправлении ими. — М.: Наука, 1984.

18. Волкова В.Н., Денисов А.А. Основы теории систем и системного анализа. - СПб: СПбГТУ, 2001.

19. Вороновский Г.А., Махотило К.В., Петрашев Н., Сергеев А. Генетические алгоритмы, искусственные нейронные сети ипроблемы виртуальной реальности. Харьков: Основа, 1997.

20. Воронцов Н.Н. Развитие эволюционных идей в биологии. - М.: Прогресс-Традиция, 1999.158

21. Гаврилов А.В. Гибридные интеллектуальные системы. — Новосибирск: Изд-во НГТУ, 2003.

22. Гилл Ф., Мюррей У., Райт М. Практическая оптимизация // Пер. с англ. - М.: Мир, 1985.

23. Гладков Л.А. Печеткие генетические алгоритмы//Новости искусственного интеллекта. — 2005. — №4. — 45-52.

24. Гладков Л.А., Зинченко Л.А., Курейчик В.В., Курейчик В.М., Лебедев Б.К., Нужнов Е.В., Сорокин Н. Методы генетическогопоиска. - Таганрог: Изд-во ТРТУ, 2002.

25. Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы. Учебное пособие. — М.: Физматлит, 2006.

26. Гладков Л.А., Курейчик В.М., Курейчик В.В. Генетические алгоритмы: Учебное пособие/ Под ред.В.М.Курейчика. - Ростов-на-Дону: Ростиздат, 2004.

27. Голубин А.В. Гибридные генетические алгоритмы: истоки и перспективы // Новости искусственного интеллекта. — 2006. — №1.

28. Голубин А.В. Определение параметров генетического алгоритма для оптимизации многопараметрических функций // Прогрессивныетехнологии, конструкции и системы в приборо- и машиностроении:Сборник статей.- М.: Изд-во МГТУ им. Н.Э.Баумана, 2001.- 65-67.

29. Голубин А.В. Программный комплекс «GenSearch» и методы повышения эффективности, реализованные в нем // Труды ДевятойНациональной конференции по искусственному интеллекту смеждународным участием (КИИ-2004). - М.: Физматлит, 2004. -С.643-648.

30. Голубин А.В., Тарасов В.Б. Нечеткие генетические алгоритмы // Труды Международных научно-технических конференций«Интеллектуальные системы» (AIS'O5) и «Интеллектуальные САПР»(CAD-2005). - М . : Физматлит, 2005, Т.1. - 39-45.

31. Голубовский М.Д. Век генетики: эволюция идей и понятий. — СПб: Борей арт, 2000.

32. Грант В. Эволюционный процесс. Критический обзор эволюционной теории: Пер. с англ. - М . : Мир, 1991.

33. Дарвин Ч. Происхождение видов путем естественного отбора. Соч., т.З. - М.-Л.: Академия, 1939.159

34. Джексон П. Введение в экснертные системы: Учеб. пособие: Пер. с англ. — М.: Изд. дом «Вильяме», 2001.

35. Дубинин Н.П. Избранные труды. Т.1. Проблемы гена и эволюции. - М.: Наука, 2000.

36. Емельянов В.В., Курейчик В.В., Курейчик В.М. Теория и практика эволюционного моделирования. - М . : Физматлит, 2003.

37. Емельянов В.В., Ясиновский СИ. Введение в интеллектуальное имитационное моделирование сложных дискретных систем ипроцессов. Язык РДО. - М.: АНВИК, 1998.

38. Емельянов В.В., Ясиновский СИ. Гибридная система для планирования производства на основе генетических алгоритмов,методов имитации и экспертных систем // Известия ТРТУ. - 1996. -№3.-С4-9.

39. Еремеев А.П. Об интеграции моделей в интеллектуальных системах поддержки принятия решений// Труды 9-й национальнойконференции по искусственному интеллекту КИИ'2004 (Тверь, 28сентября-2 октября 2004 г.).- М.: Физматлит, 2004.- Т.2. - 815-823.

40. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений: Пер. с англ. - М.: Мир, 1976.

41. Зинченко Л.А. Курейчик М.В. Синергетическое эволюционное проектирование // Труды восьмой национальной конференции поискусственному интеллекту (КР1И-2002). - М.: Физматлит. - 2002. -Т.2. - С 876-884.160

42. Интеллектуальные системы: Коллективная монография/ Под ред. В.М.Курейчика. — М.: Физматлит, 2005.

43. Карпов В.Э. Эволюционное моделирование. Проблемы формы и содержания// Повости искусственного интеллекта. - 2003.- №5. -С.35-46.

44. Ковалев СМ., Родзин СИ. Информационные технологии: интеллектуализация обучения, моделирование эволюции,распознавание речи. - Ростов-на-Дону: Изд-во СКНЦ ВШ, 2002.

45. Колесников А.В. Гибридные интеллектуальные системы. Теория и технология разработки/ Под ред. A.M. Яшина.- СПб.: СПбГТУ, 2001.

46. Комарцова Л.Г. Двухэтапный алгоритм обучения нейронной сети на основе генетического поиска// Пейрокомпьютеры. Разработка иприменение.- 2001.- №1.-СЗ-9.

47. Комарцова Л.Г. Исследование конструктора генетических алгоритмов // Известия ТРТУ. - 2003. - N^i2. - 120-124.

48. Комарцова Л.Г. Исследование нейросетевых и гибридных методов и технологий в интеллектуальных системах поддержки принятиярешений // Диссертация на соискание ученой степени докторатехнических наук. - Калуга: КФ МГТУ им. Н.Э.Баумана, 2003.

49. Комарцова Л.Г., Голубин А.В. Адаптация параметров генетических алгоритмов при поиске решений// Сборник научных трудов. Паучнаясессия МИФИ-2003. - М.: Изд-во МИФИ, 2003. - Т.З. - С124-125.

50. Комарцова Л.Г., Голубин А.В. Использование Конструктора для определения параметров генетического алгоритма // Труды ПятогоМеждународного симпозиума "Интеллектуальные системы" (INTELS2002). -М.: Изд-во МГТУ им. П.Э. Баумана, 2002. - 283-286.

51. Комарцова Л.Г., Голубин А.В. Исследование свойств генетических алгоритмов оптимизации // Труды МГТУ №580: Методыисследования и проектирования сложных технических систем:Сборник статей. М.: Изд-во МГТУ им. И.Э.Баумана.- 2001.- 77-87.161

52. Кордюм В.А. Эволюция и биосфера. — Киев: Наукова думка, 1982.

53. Корнеев В.В., Гареев А.Ф. и др. Базы данных. Интеллектуальная обработка информации. - М. Нолидж, 2000.

54. Корячко В.П., Курейчик В.М., Норенков И.П. Теоретические основы САПР.-М.: Энергоатомиздат, 1987.

55. Красилов В.А. Теория эволюции: необходимость нового синтеза // Эволюционные исследования. Макроэволюция. - Владивосток:ДВНЦ АН СССР, 1984. - 4-12.

56. Кузнецов В.А. Задачи раскроя в целлюлозно-бумажной промышленности. СПб.: СПбЛТА, 2000.

57. Кузнецов О.П. Пеклассические парадигмы в искусственном интеллекте// Известия РАП: Теория и системы управления. - 1995. -№5.-С.З-23.

58. Курейчик В.В. Построение моделей эволюции// Интеллектуальные системы/ Под ред. В.М.Курейчика. - М.: Физматлит, 2005. - 47-56.

59. Курейчик В.В. Эволюционные методы решения оптимизационных задач. - Таганрог: Изд-во ТРТУ, 1999.

60. Курейчик В.В. Эволюционные, синергетические и гомеостатические методы принятия решений: Монография. - Таганрог: Изд-во ТРТУ,2001.

61. Курейчик В.В., Пужнов Е.В. Об интегрированной инструментальной среде поддержки генетических алгоритмов// Новости искусственногоинтеллекта.-2003. - № 5 . - С . 13-19.

62. Курейчик В.М. Генетические алгоритмы. - Таганрог: Изд-во ТРТУ, 1998.

63. Курейчик В.М. и др. Самонастраиваюп.;ийся генетический алгоритм // Труды 8-й национальной конференции по искусственномуинтеллекту КИИ-2002 (Тверь, 28 сентября -2 октября 2004 г.). - М.:Физматлит, 2004. - Т. 1. - 400-408.

64. Курейчик В.М., Родзин СИ. Эволюционные вычисления: генетическое и эволюционное программирование // Новостиискусственного интеллекта. - 2003. - №5. - 13-19.

65. Курейчик В.М., Тарасов В.Б. Введение в интеллектуальные системы автоматизированного проектирования// Известия ТРТУ. — 1997. —№3.-С.41-49.162

66. Ламарк Ж.Б. Философия зоологии, Т. 1,2.- М.-Л.: Академия, 1939.

67. Лебедев Б.К. Методы поисковой адаптации в задачах автоматизированного проектирования СБИС. - Таганрог: Изд-воТРТУ, 2000.

68. Липовецкий А.И. Свойства прямоугольных укладок и алгоритмы оптимального раскроя // Управляющие системы. Вып. 25. -Новосибирск: ИМ СОАН СССР, 1984.

69. Люгер Дж.Ф. Искусственный интеллект. Стратегии и методы решения сложных проблем: Пер с англ. — М.: Изд. Дом «Вильяме»,2003.

70. Мелихов А.Н., Берштейн Л.С., Коровин Я. Ситуационные советующие системы с нечеткой логикой. - М . : Наука, 1990.

71. Мищенко В.А., Городецкий Л.М., Гурский Л.И. и др. Интеллектуальные системы автоматизированного проектированиябольших и сверхбольших интегральных микросхем. - М.: Радио исвязь, 1988.

72. Моисеев Н.Н. Универсальный эволюционизм (Позиция и следствия) // Избранные труды. — М.: Тайдекс Ко, 2003.

73. Мухачева Э.А., Картак В.М. Модифицированный метод ветвей и границ: алгоритм и численный эксперимент для задачи одномерногораскроя // Информационные технологии. - 2000. - }ё9. - 15-20.

74. Мухачева А.С., Чиглицев А.В., Смагин М.А., Мухачева Э.А. Задачи двухмерной упаковки: развитие генетических алгоритмов на базесмешанных процедур локального поиска оптимального решения //Приложение к журналу «Информационные технологии».-2001.-Хо9.

75. Назаров В.И. Эволюция не по Дарвину: смена эволюционной модели. Учебное пособие. — М.: КомКнига, 2005.

76. Нильсон Н. Принципы искусственного интеллекта: Пер. с англ. - М.: Издательский Дом «Вильяме», 2001.

77. Норенков И.П. Разработка систем автоматизированного проектирования. — М.: Изд-во МГТУ им. Н.Э.Баумана, 1994.

78. Норенков И.П. Эвристики и их комбинации в генетических методах дискретной оптимизации// Информационные технологии. — 1999. —163

79. Норенков И.П., Косачевский О.Т. Генетические алгоритмы комбинирования эвристик в задачах дискретной оптимизации //Информационные технологии. - 1999. - J\r«2. - 2-7. 80. Осипов Г.С. Динамика в системах, основанных на знаниях// Известия РАН: Теория и системы управления. — 1998. — №5. — 24-28.

81. Попов Э.В. Особенности разработки и использования экспертных систем// Искусственный интеллект: в 3-х кн. Кн.1. Системы общенияи экспертные системы: Справочник/ Под ред. Э.В.Попова. - М.:Радио и связь, 1990. - 261-290.

82. Попов Э.В. Экспертные системы. Решение неформализованных задач в диалоге с ЭВМ. - М.: Паука, 1987.

83. Попов Э.В. Экспертные системы. Состояние, проблемы, перспективы // Известия АП СССР: Техническая кибернетика. — 1989. —№5.

84. Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. Статические и динамические экспертные системы: Учебное пособие. - М . : Финансыи статистика, 1996.

85. Поспелов Г.С. Искусственный интеллект — основа новой информационной технологии. - М.: Паука, 1988.

86. Поспелов Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов. - М.: Радио и связь, 1989.

87. Редько В.Г. Эволюционная кибернетика. — М.: Паука, 2001.

88. Реклейтис А., Рейвиндран А. и др. Оптимизация в технике. - В 2-х кн.-М. : Мир, 1988.

89. Родзин СИ. Гибридные интеллектуальные системы на основе алгоритмов эволюционного программирования// Повостиискусственного интеллекта. - 2000. - №3. - 159-170.

90. Родзин СИ. Эволюционные стратегии: концепция и результаты // Перспективные информационные технологии и интеллектуальныесистемы. - 2002. - №2. - 4-12.164

91. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с нольск. И.Д.Рудинского. — М.: Горячая линия — Телеком, 2004.

92. Рыбина Г.В. Архитектуры интегрированных экспертных систем: современное состояние и тенденции// Новости искусственногоинтеллекта. - 2002. - №4. - 10-17.

93. Рыбина Г.В. Нринцины создания автоматизированной технологии проектирования интегрированных экспертных систем// Новостиискусственного интеллекта. - 1993. - No4. — 105-116.

94. Седенков В.М. Эволюционное проектирование сложных объектов. - Мн., 1997.

95. Скурихин А.Г. Генетические алгоритмы// Новости искусственного интеллекта. - 1995. - №4. - 6-46.

96. Стоян Ю.Г., Гиль Н.И. Методы и алгоритмы размещения плоских геометрических объектов // Киев: Наукова думка, 1976.

97. Тарасов В.Б. Восходящее и нисходящее проектирование многоагентных систем // Труды международной конференции«Проблемы управления и моделирования в сложных системах»(Самара, 14-18 июня 1999). — Самара: Самарский научный центрРАН, 1999.-С.268-274.

98. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. - М.:Эдиториал УРСС, 2002.

99. Тарасов В.Б., Соломатин Н.М. Развитие прикладных интеллектуальных систем: анализ основных этапов, концепций ипроблем/ЛЗестник МГТУ им. Н.Э.Баумана: Сер.«Приборостроение».-1994.-Xol.-C.5-14165

100. Фогель Л., Оуэне А., Уолш М. Искусственный интеллект и эволюционное моделирование: Пер. с англ. - М.: Мир, 1969.

101. Фоминых И.Б. Интеграция нейронных и символьно-логических моделей в интеллектуальных технологиях//Труды YII-йИациональной конференции по ИИ. - М.: Физматлит, 2000. - Т.2. -С.588-596.

102. Фоминых И.Б. Принципы построения гибридных интеллектуальных систем реального времени // Труды Международного конгресса«Искусственный интеллект в XXI-M веке». — М.: Физматлит, 2001. —Т.2.-С.570-583.

103. Цетлин М.Л. Исследования по теории автоматов и моделированию биологических систем. — М.: Наука, 1969.

104. Чичварин Н.В. Экспертные компоненты САПР. - М.: Машиностроение, 1991.

105. Шмальгаузен И.И. Проблема дарвинизма.-Л.: Иаука, 1969.

106. Шмальгаузен И.И. Факторы эволюции. - М.: Иаука, 1968.

107. Шумский А. Байесова регуляризация обучения // Иаучная сессия МИФИ-2002. Сб. научных трудов 4-й Всероссийской конференции"Пейроинформатика-2002".-В 2 частях.Ч.1.-М.: Изд-во МИФИ, 2002.

108. Ярушкина И.Г. Гибридные системы, основанные на мягких вычислениях: определение, архитектура, возможности//Программные продукты и системы. - 2002. - N23. - 19-22

109. Ярушкина П.Г. Основы теории нечетких и гибридных систем. - М.: Финансы и статистика, 2004.

110. Ясиновский С И . Логический вывод в гибридных системах // Вестник МГТУ. Сер. Приборостроение. - 1994. -Х«1. - 88-99.

111. Angeline P.G. Adaptive and Self-Adaptive Evolutionary Computations // Computational Intelligence: A Dynamic Systems Perspective. -Piscataway, NJ: IEEE Press, 1995. -P.152-163.166

112. Back Т., Schwefel Н.-Р. An Overview of Evolutionary Algorithms for Parameter Optimization// Evolutionary Computation. - 1993. -Vol.1. -P. 1-23.

113. Bentley P. Evolutionary Design by Computers. - San Francisco: Morgan Kaufmann Publishers Inc., 1999.

114. Bowden R.O., Hall J.D. Simulation Optimization Research and Development // Proc. 1998. Winter Simulation Conference, Washington,D.C.,p.l693-1698.

115. Brian J.R. A Lamarckian Evolution Strategy for Genetic Algorithms // Practical Handbook of Genetic Algorithms. Vol. 3/ L. Chambers (ed.). -Boca Raton: CRC Press, 1999. - P . 1-16.

116. Claudio M., Waibel M., Floreano D. Measures of Diversity for Populations and Distances Between Individuals with HighlyReorganizable Genomes// Evolutionary Computation. - 2004. - Vol. 12,№4.-P.495-515.

117. Davis L. Handbook of Genetic Algorithms. - New York: Van Nostrand Reinhold, 1991.

118. DeJong K,A. An Analysis of the Behavior of a Class of Genetic Adaptive Systems. Doctoral Dissertation, University of Michigan, UniversityMicrofilms 76-9381, 1975.

119. Fogel D.B. Evolutionary Computation. Toward a New Philosophy of Machine Intelligence. — New York: IEEE Press, 1995.

120. Fogel L.J. Artificial Intelligence through Simulated Evolution. - New York: John Wiley, 1966.

121. Gero J.S. Computers and Creative Design // The Global Design Studio, National University of Singapore, 1996.-P. 11-19.

122. Goldberg D.E. Genetic Algorithms in Search, Optimization and Machine 1.earning. - New York: Addison-Wesley Publishing Company, Inc., 1989.

123. Goldberg D.E., Korb В., Deb K. Messy Genetic Algorithms: Motivation, Analysis and First Results//Complex Systems.- 1989.-Vol.3.- P.493-530.167

124. Grefenstette JJ, Lamarckian Learning in Multi-agent Environments // Proceedings of the Fourth International Conference on GeneticAlgorithms. -San Mateo, CA: Morgan Kaufmann, 1991. - P.303-310.

125. Grefenstette J.J. Optimization of Control Parameters for Genetic Algorithms // IEEE Transactions on Systems Man and Cybernetics. —1986.-Vol.l6,№l.-P.122-128.

126. Hart W.E., Belew R.K. Optimization with Genetic Algorithm Hybrids that Use Local Search // Adaptive Individuals in Evolving Populations. -Cambridge MA: Addison-Wesley, 1996. - P.483-496.

127. Herrera F., Lozano F. Adaptation of Genetic Algorithm Parameters Based on Fuzzy Logic Controllers // Genetic Algorithms and Soft Computing. -Berlin: Physica-Verlag, 1999.-P.95-125.

128. Herrera F., Lozano F. Fuzzy Genetic Algorithms: Issues and Models // Technical Report DECSAI-98116, Dept. of Computer Science and A.I.,University of Granada, June 1998.

129. Hinton G., Nolan S. How learning can guide evolution. Complex Systems, -1987.-Vol .1.-P. 495-502.

130. Holland J.H. Adaptation in Natural and Artificial Systems: An Introductory Analysis with Application to Biology, Control, and ArtificialIntelligence. — Ann Arbor: University of Michigan Press, 1975.

131. Houck C. R., Joines J. A., Kay M.G. Utilizing Lamarckian Evolution and the Baldwin Effect in Hybrid Genetic Algorithms // Technical ReportNCSU-IE Technical Report 96-01, North Carolina State University, 1996.

132. Houck C.R., Joines J.A., Kay M.G., Wilson J.R. Empirical Investigation of the Benefits of Partial Lamarckianism// Evolutionary Computation. —1997.-Vol.5,.NoL-P.31-60.145. htpp://www.uni-koblenz.se/kyt/Leam/Textbook/nodel95.html

133. Jung J.S.-R., Sun C.T., Mizutani E. Neuro-Fuzzy and Soft Computing. - Englewood Cliffs: Prentice Hall, 1997.

134. Kasabov N. Evolving Connectionist Systems. - Berlin: Springer Verlag, 2003.

135. Keller J.M., Yager R.R., Tahani H. Neural Network Implementation of Fuzzy Logic// Fuzzy Sets and Systems. - 1992. - Vol.45, №1. - P. 1-12.

136. Kewley R.H., Embrechts M.Jr.J. Fuzzy-Genetic Decision Optimization for Positioning of Military Combat Units, 1998.168

137. Kirkpatrick S., Gellat C D . Vecchi M. Optimization by Simulated Annealing. - Science. - 1983. - Vol. 220.

138. Kosko B. Neural Networks and Fuzzy Systems. - Englewood Cliffs: Prentice Hall, 1992.

139. Koza J.R. Genetic Programming. - Cambridge: The MIT Press, 1992.

140. Koza J.R. Genetic Programming, 2. - Cambridge: The MIT Press, 1992.

141. Lamma E., Periera L.M., Riguzzi F. Belief Revision by Lamarckian Evolution, Technical Report DEIS-LIA-00-004, University of Bologna,2000. LIA Series, №44.

142. Lee A.M., Takagi H. Dynamic Control of Genetic Algorithms using Fuzzy Logic Techniques// Proceedings of the Fifth InternationalConference on Genetic Algorithms. - San Mateo: Morgan Kaufmann,1993.-P.76-83.

143. Li Т.Н., Lucasius C.B., Kateman G. Optimization of Calibration Data with the Dynamic Genetic Algorithm // Analitica Chimica Acta. - 1992. -P.76-83.

144. Li Y., Tan K. C, Gong M. Model Reduction in Control Systems by Means of Global Structure Evolution and Local Parameter Learning//Evolutionary Algorithms in Engineering Applications. - New York:Springer-Verlag, 1996.

145. Lin C.-T., Lee G.C.S. Neural Fuzzy Systems. A Neuro-Fuzzy Synergism to Intelligent Systems. - Upper Saddle River, NJ: Prentice Hall, 1997.

146. Lis J. Parallel Genetic Algorithm with the Dynamic Control Parameter // Proceedings of IEEE International Conference on EvolutionaryComputation, 1996. - P . 324-329.

147. Liu D., Teng H. An Improved BL-algorithm for Genetic Algorithm of the Orthogonal Packing of Rectangles // European Journal of OperationResearch. - 1999. -Vol.112. -P.413-420.

148. Medsker L.R. Hybrid Intelligent Systems. - Dordrecht: Kluwer Academic Publ., 1995.

149. Michalewicz Z., Genetic Algorithms + Data Structures = Evolutionary Programs. - Berlin: Springer-Verlag, 1992.

150. Michalewicz Z., Nazhiyath G., Michalewicz M. A Note on Usefulness of Geometrical Crossover for Numerical Optimization Problems // Proc. of169the 5*"^ Annual Conference on Evolutionary Programming. - Cambridge,MA: MIT Press, 1996. - P. 305-312.

151. Michalski R.S. Learning and Evolution: An Introduction to Non- Darwinian Evolutionary Computation // Parallel Problem Solving fromNature. Lecture Notes in Computer Science. - Heidelberg: Springer-Verlag, 1999. - Vol. 956. - P.21-30.

152. Mizumoto M. Pictorial Representations of Fuzzy Connectives. Part I: Cases of Compensatory Operators and Self-Dual Operators// Fuzzy Setsand Systems. - 1989. - Vol.32. - P.45-79.

153. Pham Q.T. Competitive Evolution: a Natural Approach to Operator Selection //Progress in Evolutionary Computation. Lecture Notes inArtificial Intelligence. - Heidelberg: Springer-Verlag, 1995. - Vol. 956. -P.49-60

154. Practical Handbook of Genetic Algorithms/ I. Chambers (ed.). Vol.2. - Washington, USA: CRC Press, 2001.

155. Schlierkamp-Voosen D., Muhlenbein. H. Strategy Adaptation by Competing Subpopulations // Parallel Problem Solving from Nature. Vol

156. Lecture Notes in Computer Science. - Berlin: Springer-Verlag, 1994. - Vol.866.-РЛ99-208.

157. Voigt H.M. Fuzzy Evolutionary Algorithms. Technical Report tr-92-038. International Computer Science Institute (ICSI), Berkley, 1992.

158. Whitley D., Gordon V. S., Mathias K. Lamarckian Evolution, the Baldwin Effect and Function Optimization // Parallel Problem Solving FromNature. Vol. 3. Lecture Notes in Computer Science. - Berlin: Springer-Verlag, 1994. - Vol.866. - P.6-15.

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