Разработка метода проектирования многоагентных имитационных моделей на основе формализма машин абстрактных состояний тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Набиуллин, Олег Ривхатович

• Набиуллин, Олег Ривхатович
• кандидат технических наук
• 2010

Оглавление диссертации кандидат технических наук Набиуллин, Олег Ривхатович

Введение.

Актуальность проблемы.

Цель диссертационной работы.

Задачи работы.

Методы исследования.

Научная новизна.

Практическая ценность.

Результаты, выносимые на защиту.

Обоснованность и достоверность результатов.

Апробация результатов работы.

Публикации.

Структура и объем работы.

Основное содержание работы.

1 Многоагентное имитационное моделирование.

1.1 Аналитический обзор литературы с точки зрения имитационных экспериментов.

1.1.1 Обзор наиболее распространеных программных каркасов для многоагентного моделирования.

1.2 Сравнение производительности систем Swarm и Repast.

1.2.1 Результаты.

1.2.2 Погрешность измерения.

1.3 Распределенные вычисления.

1.4 Выводы и определение задач работы.

1.4.1 Обоснование необходимости новой разработки.

1.4.2 Постановка задачи.

2 Моделирование имитационных систем.

2.1 Использование исполняемых моделей.

2.1.1 Машины действий.

2.1.2 Машины абстрактных состояний.

2.1.3 Методология.

2.1.4 Использование ASML - сервисы.

2.1.5 Модель.

2.1.6 Исследование модели.

Введение диссертации (часть автореферата) на тему «Разработка метода проектирования многоагентных имитационных моделей на основе формализма машин абстрактных состояний»

В данной работе предлагается метод разработки многоагентных программных комплексов, основанный на имитационном моделировании. Метод является частным случаем подхода проверки моделей [5], примененного в многоагентным имитационным системам.

Актуальность проблемы

Компьютерное моделирование используется во многих областях науки, однако вплоть до 90-х годов оно не оказывало существенного влияния на развитие социальных теорий [38]. Создание компьютерных программ, которые имитируют аспекты социального поведения, помогает понять социальные процессы. Большинство исследований в области социальных наук либо предлагает новые, либо использует, тот или иной вид теории или модели. Примерами могут служить когнитивная теория или классовая теория. В общем случае эти теории представлены в текстовом виде, хотя некоторые используют математические уравнения. Другой путь состоит в выражении теории как компьютерной программы. Социальные процессы могут быть смоделированы с помощью компьютера. Можно ставить эксперименты над искусственными социальными системами, что было бы практически невозможно, или неэтично делать в случае реальных человеческих систем.

Помимо социальных систем существует множество областей профессиональной деятельности, изученность которых не позволяет использовать строгие математические модели. В качестве примера таких областей можно назвать некоторые виды экономических взаимоотношений или задачи с экспоненциальной сложностью. Невозможность использования строгих моделей не означает их отсутствие. Препятствием может являться вычислительная сложность модели, отсутствие модели как таковой, или сложность подбора параметров. Для таких областей деятельности, как экономический анализ поведения множества игроков на рынке, изучение существенно распределенных систем, в качестве альтернативы выступает имитационное моделирование. Имитационное моделирование позволяет использовать синергетический эффект взаимодействия большого количества относительно простых систем для изучения систем более высоких порядков.

Одной из причин, из-за которых социальные системы сложны в изучении, является тот факт, что для них характерно большое количество нелинейных взаимодействий между членами. Такие взаимодействия включают в себя передачу знаний и материалов, которые часто влияют на поведение получателей. Как результат, невозможно изучать общество в целом, изучая отдельного индивида. Это обусловило активное развитее в последнее время многоагентных имитационных моделей [18]. Многоагентная модель состоит из некоторого числа программных объектов - «агентов», взаимодействующих в виртуальной среде. Глобальное поведение возникает как результат взаимодействия множества агентов, т.н. моделирование «снизу вверх».

Многоагентные модели сложны в разработке. Такие свойства агентов как автономность, локальность, асинхронное взаимодействие нелегко реализовать с нуля. Эти же свойства затрудняют отладку имитационных моделей. Обычно агенты программируются либо на объектно-ориентированном языке программирования, либо с помощью специальной библиотеки или среды моделирования. В качестве примера таких сред можно назвать Swarm [35], RePast [60], Mimosa [58]. Разработка комплексов имитационного моделирования в таких средах требует создания значительного объема программного кода с большим количеством неявных взаимосвязей между программными агентами. Эмпирический анализ безошибочной работы созданного программного обеспечения становится практически невыполнимым.

Объектно-ориентированного подхода для создания таких сложных систем оказывается недостаточно. Решением является переход от уровня абстрагирования вычислительной среды (процессор, память, сетевые устройства) характерного для языков общего назначения уровня, на уровень абстрагирования предметной области [57]. Многообещающим подходом является разработка управляемая моделями. Объектно-ориентированная парадигма говорит «все есть объект», этот подход активно исследуется [35] и обеспечивает хорошую абстрагированность при разработке. Парадигма модельно-ориентированной разработки говорит «все есть модель» [61]. Такая постановка вопроса фокусирует внимание на абстракциях близких к предметной области. Международный консорциум OMG в 2001 опубликовал реализацию этой парадигмы в виде концепции MDA (Model-Driven Architecture).

Использование моделей для построения и анализа имитационных моделей является одной из актуальных тем исследований в области имитационного моделирования [63]. Некоторые среды в той или иной степени автоматизируют процесс создания многоагентных систем, с использованием модели, выраженной на спецйальном языке, в частности проект Mimosa использует для этой цели онтологии. Работы Альбайрака и Суэрдема [14] посвящены использованию метамоделей в многоагентных имитационных моделях социальных систем. Мюллер [59] предложил подход к построению многоагентных систем, основанный на использовании онтологий. В работах Фомичева В.А. [10] математические модели (формальные языки) используются для представления содержания посланий интеллектуальных агентов. В работе Бабкина Э.А. [1] построена реализация модельно-ориентированной архитектуры (MDA) для имитационных систем, с помощью специализированного языка BRIC.

Большая часть систем для многоагентного имитационного моделирования реализованы как программные каркасы, задающие 7 жесткую структуру модели. Использование программных каркасов позволяет специалисту сосредоточиться на предмете исследования, не вдаваясь в подробности реализации виртуальной среды для проведения экспериментов. В идеале система должна предлагать не только инструменты для построения и запуска модели, но также и инструменты для контроля и анализа результатов эксперимента, а также поддерживать методологию проведения исследований.

Однако одной из серьезных проблем существующих решений, использующих модели, является отсутствие практической возможности выполнять автоматическую или автоматизированную проверку соответствия модели программной реализации многоагентного комплекса. Подобная проверка носит название верификации. В существующих решениях также слабо изучены методы автоматической проверки соответствия модели свойствам предметной области. Подобная проверка носит название валидации. В данной работе используются исполняемые спецификации, позволяющие осуществить такую проверку.

Основными направлениями развития многоагентных имитационных систем являются предоставление графического интерфейса для создания моделей и развитие стандартных средств описания агентов, но в последние годы возрастает интерес к высокопроизводительным многоагентным системам, в частности работы Поля Ричмонда [65] посвящены использованию ресурсов графической подсистемы (С1ФА) для повышения производительности многоагентных вычислений. Другим способом обеспечить высокую производительность вычислений является построение распределенных экспериментов. Наиболее распространенные системы для имитационного моделирования не содержат встроенных средств, для построения распределенных экспериментов.

Цель диссертационной работы

Целью данного исследования является разработка итеративного метода проектирования и анализа многоагентных имитационных моделей на основе исполняемых спецификаций с использованием математического формализма машин абстрактных состояний. Такой подход должен обеспечить возможность построения высокопроизводительных распределенных комплексов многоагентного моделирования с использованием высокоуровневых спецификаций.

Предметом исследования является применение исполняемых поведенческих спецификаций к многоагентному имитационному моделированию.

Метод разработки ориентирован на профессионалов, создающий многоагентные имитационные системы, моделирующие системы с ограниченной сложностью, в частности социально-экономические системы. Для таких многоагентных систем характерно сложное внутреннее состояние агентов и асинхронное взаимодействие. Предполагаемые I размеры системы: от десятков до десятков тысяч агентов, взаимодействующих в распределенной сети из нескольких компьютеров.

Задачи работы

Достижение поставленной цели требует решения следующих взаимосвязанных задач:

1. Разработка метода итеративного создания многоагентных имитационных моделей на основе применения математических моделей с использованием формализма машин абстрактных состояний.

2. Разработка и анализ программной архитектуры, позволяющей реализовывать эффективные многоагентные комплексы и поддерживающей разработанный метод.

3. Разработка программного каркаса (framework), и инструментальных средств, реализующих предложенную архитектуру. Создание прототипа распределенной высокопроизводительной системы многоагентного моделирования.

4. Апробация предложенного метода, и программных решений в ходе моделирования социально-экономического сценария.

Методы исследования

При изучении и анализе программной архитектуры использовались методы системного, анализа. В построении алгоритмов моделирования применялся формализм машин абстрактных состояний (ASM - [23]).

Формальное описание программной архитектуры и динамики создаваемого ПО проводилось с использованием языка UML. Реализация была выполнена на языках С++, Python, AsmL.net [45], С#, Cord.

Научная новизна

Результаты диссертации являются новыми и состоят в следующем:

1. Предложены новый метод формальной спецификации и алгоритмы автоматической верификации многоагентных имитационных комплексов, отличающиеся от аналогов применением исполняемых спецификаций на на основе математического формализма машин действий.

2. Предложены алгоритмы автоматизированной генерации программного кода многоагентных имитационных комплексов, отличающиеся от аналогов использованием формальной модели в виде машины действий.

3. В поддержку предложенного метода разработана оригинальная сервис-ориентированная архитектура высокопроизводительного распределенного программного комплекса имитационного многоагентного моделирования, отличающаяся от существующих представлением отдельных компонентов программного комплекса (процессов) в виде композиции сервисов.

4. Для существующей имитационной модели теории коллективных действий разработана исполняемая спецификация, продемонстрирована возможность автоматической верификации соответствующего многоагентного имитационного комплекса и проведена апробация этого комплекса на практике в серии имитационных экспериментов.

Практическая ценность

Представленные в диссертации результаты использованы в ряде проектов и позволяют научно обоснованно решать важные задачи, возникающие при создании распределенных программных комплексов, такие как выбор алгоритмов функционирования и структур программной реализации,' разработка средств взаимодействия с программными компонентами, а также инструментальных средств проектирования самих программных комплексов. Наиболее значимыми с практической точки зрения являются следующие, полученные в работе, результаты:

1. Разработаны инструменты в составе программного комплекса для имитационного моделирования, позволяющие проводить анализ поведения многоагентных имитационных моделей. Разработаны инструменты, поддерживающие одновременную работу нескольких вариантов одной и той же имитационной модели в составе одного и того же программного комплекса имитационного моделирования, что позволяет формулировать и проверять гипотезы в ходе вычислительного эксперимента.

2. В соответствии с предложенной архитектурой создана программная реализация серверного компонента программного комплекса имитационного моделирования, позволяющая организовывать распределенные многоагентные эксперименты.

3. Разработан механизм трансляции исполняемых спецификаций многоагентных имитационных моделей, описанных на языке С#, в программный код на языке С++.

Результаты, выносимые на защиту

1. Новый метод формальной спецификации и автоматической верификации многоагентных имитационных комплексов с использованием исполняемых спецификаций на основе формализма машин абстрактных состояний.

2. Оригинальная программная архитектура высокопроизводительного многоагентного программного комплекса.

3. Архитектура, алгоритмы и программная реализация инструментов в составе программного комплекса для создания и анализа многоагентных имитационных экспериментов.

4. Результаты практической аппробации, подтверждающие применимость предложенного метода и программной архитектуры.

Совокупность полученных в работе и выносимых на защиту теоретических и практических результатов решает важную научную и прикладную задачу в части создания теоретического, методологического, алгоритмического и модельного обеспечения процессов проектирования и реализации сложных вычислительных экспериментов.

Обоснованность и достоверность результатов

Обоснованность и объективная достоверность результатов обусловлена применением строгих формальных методов описания алгоритмов и структуры программ, а также целесообразным использованием математического аппарата теории абстрактных машин состояний. Результаты подтверждены проведением серии-вычислительных и имитационных экспериментов с последующей обработкой достоверных статистических данных, программной реализацией, тестированием и эксплуатацией наиболее важных программных компонентов. Для сравнения производительности моделирования одна и та же многоагентная модель была реализована с использованием различных систем. Показано как использование разработанной в данной работе системы позволило улучшить существующую математическую модель в теории принятия решений.

Апробация результатов работы

Основные положения и результаты работы были изложены на следующих научных конференциях:

Кограф 2007 - 17-я Международная научно-практическая конференция по графическим информационным технологиям и системам -НГТУ - Нижний Новгород. 2007 г.

Современные проблемы в области экономики, менеджмента, социологии, бизнес-информатики и юриспруденции - 5-я научно-практическая конференция студентов и преподавателей НФ ГУ-ВШЭ. -Нижний Новгород. - 2007 г.

14-я Нижегородская сессия молодых ученых (математические науки) - Министерство образования Нижегородской области, 2009 г.

Семинары в НФ ГУ-ВШЭ.

Публикации

По теме диссертации автором опубликовано 6 работ, в том числе в журналах входящих в список ВАК — 1 работа.

Структура и объем работы

Диссертация состоит из введения, четырех глав и заключения, библиографии и приложений. Работа содержит 144 страницы машинописного текста, 28 рисунков и 5 таблиц.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Набиуллин, Олег Ривхатович

5.1.2 Основные результаты

Основным результатом диссертационной работы является разработка нового метода сознания и анализа имитационных моделей, основанная на использовании исполняемых спецификаций. Спецификации позволяют абстрагироваться от деталей, реализации и проектировать логику приложения в высокоуровневой среде и при этом не накладывают ограничений на реализацию. Возможность автоматической проверки соответствия реализации модели-позволяет создавать сложные системы« на низкоуровневых языках, не жертвуя производительностью.

В рамках работы было проведено исследование программных архитектур распределенных систем и систем для проведения имитационных экспериментов на основе технологии программных агентов. На- основании этого исследования предложена оригинальная программная архитектура для высокопроизводительных систем имитационного моделирования; поддерживающая разработанный метод.

В работе обоснованы- принимаемые автором решения для структурной организации таких систем, построения алгоритмов взаимодействия и

134 интеграции программных компонентов, создания инструментальных средств и методов моделирования.

Создан прототип системы, обладающий следующими характеристиками:

- размер исходных кодов: 625 КЬ;

- количество строк кода: ~ 23.000;

- количество классов: 247.

Достигнута высокая производительность вычислений. В случае модели Неа1В1^ (100 агентов) на компьютере с характеристиками: Типоп МК-32, 4вВ, "Мп ХР х64, моделирование идет со скоростью 50 шагов в секунду, при этом генерируется и обрабатывается ~ 50000 сообщений.

С использованием разработанных метода и прототипа была улучшена социологическая модель из теории принятия решений, предложенная Майклом Мэси.

Работа над данной диссертацией поддержана грантом РГНФ №08-0200231 - «Сравнительный анализ поведенческих предпосылок в теории коллективных действий». Работа выполнена при поддержке Лаборатории ТАПРАДЕСС НФ ГУ-ВШЭ.

5 Заключение

5.1.1 Перспективы развития

Дальнейшая работа над программным каркасом ASF.Core будет производиться по следующим направлениям:

1. Автоматизация процесса построения модели.

2. Работа каркаса в *nix, системах.

3. Пользовательская документация.

4. Набор примеров использования каркаса.

5. Поддержка стандартных интерфейсов (FIPA, WSDL).

6. Стандартные агенты-агрегаторы.

Список литературы диссертационного исследования кандидат технических наук Набиуллин, Олег Ривхатович, 2010 год

1. Бабкин, Э.А. Разработка архитектуры, алгоритмических методов создания и моделирования распределенных программных систем. Н.Новгород : б.н., 2001.

2. Буч Г., Якобсон А., Рамбо Дж. UML. Классика CS. 2. Спб. : Питер, 2006. 736 с. Пер. с англ. ISBN 5-469-00599-2.

3. Гор Э. Инфраструктура для глобальной деревни. Scientific American. 11, 1991, С. 92-96.

4. Зелковиц М., Шоу А., Геннон Дж. Принципы разработки программного обеспечения, б.м. : Мир, 1982. 368 с.

5. Карпов Ю. Г. Model Checking. Верификация параллельных и распределенных программных систем. СПб.: БХВ-Петербург. 2009.

6. Мэлоун Т.У., Рокарт Дж.Ф. Компьютеры, сети и корпорация. Scientific American. И, 1991, С. 72-82.

7. Охотников Е. SObjectizer: I Love This Game! RSDN Magazine. 2005, N5., C. 19-21.

8. Трахтенгерц Э. А. Компьютерная поддержка принятия решений. M.: Синтег, 1998. 376 с.

9. Фомичев В.А. Новый класс языков для представления содержания посланий компьютерных интеллектуальных агентов. Москва : б.н., 2005 г., Бизнес-Информатика, Т. 1. ISSN: 1998-0663. С. 56-63.

10. Хакен Г. Информация и самоорганизация. M : Мир, 1991. С. 241.

11. Шутов A.A., Капустин C.B. Создание распределенной системы экономического моделирования на основе RePast и Swarm. ВШЭ. 2006.

12. Элиенс Антон. Принципы объектно-ориентированной разработки программ. 2002. 496 с.

13. Albayrak Raif Serkan, Suerdem Ahmet К. Towards a New Approach in Social Simulations: Meta-language. Berlin : Springer-Verlag, 2009 г., Multi-Agent-Based Simulation IX: International Workshop, стр. 195214.

14. Alur Rajeev, Henzinger Thomas A., Kupferman Orna, Vardi Moshe Y. Lecture Notes in Computer Science, 1998, Volume 1466/1998, pp. 163178

15. AsmGopher project page. В Интернете. http://www.tydo.de/Doktorarbeit/AsmGofer/index.html.

16. Asml Compiler web page. Codeplex. В Интернете. http://www.codeplex.com/AsmL/.

17. Axtell, Robert. Why agents? On the varied motivations for agent computing in the social sciences. Center on Social and Economic Dynamics Working Paper No. 17, November 1999 г., Agent Simulation: Applications, Models, and Tools.

18. Bellifemine F., Poggi A., Rimassa G., Turci P. Parma, An Object Oriented Framework to Realize Agent Systems. Pitagora Editrice Bologna, 2000. Proceedings of WOA 2000 Workshop, pp. 52-57. ISBN 88-371-1195-9.

19. Booch, G. Object Oriented Design with Application, s.l. : Benjamin/Cummings Publ. Inc., 1991. p. 589.

20. Borger E, Gargantini A. Abstract State Machines 2003-Advances in Theory and Applications. Springer LNCS, 2003. Abstract State Processes . pp.25-89. '

21. Borger E., Stark R. Abstract State Machines. A Method for High-Level System Design and Analysis. Berlin : Springer-Verlag, 2003.24: Canceled Software Development Projects costs Bilions. Computer. 1995, Vol. 8, p. 94.

22. Cheung' K.S., Cheung T.Y., Chow K.O. A petri-net-based synthesis methodology for use-case-driven system design. 2006 г., Journal of Systems and--Software, T. 79 Issue 6, pp. 772-790.

23. D'Souza R.M., Lysenko, M., Rahmani K. SugarScape on steroids: simulating over a million agents at interactive rates. Chicago, IL : б.н., 2007. Proceedings of Agent2007 conference.

24. Foundations for Software: Engineering., В Интернете. 2009 r. http://research.microsoft;com/fse/.

25. Fowler^ M. Patterns of' Enterprise Application Architecture. 6;M. :. Addison-Wesley Professional- 2002. P; 560.

26. Fussell M.L. A Good Architecture for: Object-Oriented Information Systems. 1996. OOPSLA'96 Conference Proceedings.

27. Gamma, E., et al. Design Patterns; Elements of Reusable Object-Oriented Software, s.l.: Addison-Wesley Professional, 1994-p. 416.

28. Gilber Nigel. Agent-based social simulation: dealing with complexity. http://www.agsm.edu.au/bobm/teaching/SimSS/ABSS-dealingwithcomplexity-1 -1 .pdf.^2004.

29. Guessoum Z. A Multi-Agent Simulation Framework. 1999 г., Transactions ofComputer Simulation.

30. Guessoum Z.,,et al. Towards Reliable Multi-Agent Systems. An Adaptive: Replication Mechanism, б.м. : To appear in International Journal of MultiAgent and Grid;Systems, IOSPRESS, 2010 r.

31. GurevichiY., Rosenzweig D; Partially Ordered Runs: A Case Study. б.м; : Springer LNCS 1912, 2000 г., Abstract State Machines. Theory and Applications., pp. 131-150.

32. Gurevich Yuri, Rossman Benjamin, Schulte Wolfram. Semantic Essence of AsmL: Extended Abstract. 2004 г., Springer Lecture Notes in Computer Science 3188, pp. 240-259.

33. Gurevich Yuri, Rossman Benjamin; Schulte Wolfram: Semantic Essence of AsmL: Extended .Abstract: б.м. : Springer. Verilag, 2004 г., Springer Lecture Notes in Computer Science 3188, pp. 240-259.

34. HLSIM Project Page. В Интернете. 2008 r. http://groups.csail.mit.edu/mac/projects/amorphous/hlsim/.

35. Hofmeister, С., Nord, R. and Soni, D. Applied Software Architecture, s.l. : Addison-Wesley, 2000. P. 397.

36. Horling, Bryan, et al. The TAEMS White Paper. В Интернете. 1999 r. ftp://mas.cs.umass.edu/pub/taemswhite.pdf.49.1nterface Definition Language. Wikipedia. В Интернете. 2009 г. http://en.wikipedia.org/wiki/IDL (programming language).

37. Kahn G. Natural semantics. In Symposium on Theoretical Computer Science^ (STACS'97), volume 247 on Lecture Notes in Computer Science, 1987

38. Koes M., Nourbakhsh I., Sycara K. Communication Efficiency in Multiagent Systems. New Orleans, LA : s.m, 2004: Proceedings- of ICRA 2004. Vol.3, pp. 2129-2134:

39. Leow Richard, Standish Russell K. Running С++ models under the Swarm environment. cs.MA/0401025, 2004 г., CoRR.

40. Luke S., Cioffi-Revilla C., Panait L., Sullivan K. MASON: A New Multi-Agent Simulation Toolkit. 2004. Proceedings of the 2004 SwarmFest Workshop.

41. Macy M.W. Learning Theory and the Logic of Critical Mass. 6, Dec 1990 г., American Sociological Review, T. 55, pp. 809-826.

42. Microsoft FSE Group. The Asml web page. В Интернете. 2009 r. http://research.microsoft.com/foundations/AsmL/.

43. Minar, N., et al. The Swarm simulation system: a toolkit for building multi-agent simulations. Santa Fe : Santa Fe Institute, 1996. Working Paper 96-06-042.

44. Model-driven engineering. Wikipedia. В Интернете. 2009 r. http://en.wikipedia.org/wiki/ModelDrivenEngineering.

45. Muller, Jean-Pierre, ed. The mimosa generic modeling and simulation platform: the case of multi-agent systems. In-Herder Coelho and Bernard Espinasse. Lisbon-: SCS, May 2004 г., 5th Workshop on Agent-Based Simulation, pp. 77-86.

46. Mtiller, Jean-Pierre. Mimosa: using ontologies for modelling and simulation. 2007. In Proceedings of Informatik 2007.

47. North M. J., Howe T. R., Collier N. Т., Vos, J. R. The Repast Simphony Runtime System. Proceedings of the Agent 2005. Conference on Generative Social Processes, Models, and Mechanisms, 2005.

48. OMG. OMG Model Driven Architecture. OMG. В Интернете. Object Management Group, Inc., 2009 r. http://www.omg.org/mda/.

49. Qureshi Kalim, Rashid Haroon. A Performance Evaluation'of RPC, Java RMI, MPI and PVM. 18, 2005 г., Malaysian Journal of Computer Science, T. 2, pp. 38-44. ISSN 0127-9084.

50. Rao A. S., Georgeff M. P. BDI-agents: from theory to practice. San Francisco : s.n., 1995. Proceedings of the First Intk Conference on Multiagent Systems.

51. Reisig W. Elements of Distributed Algorithms. Modeling and Analysis with Petri Nets. Ch.27,28. Berlin : Springer, 1998.

52. Russian Software Developer Network. В Интернете. 2009 r. http://www.rsdn.ru.

53. Sasaki Akira, Deguchi Hiroshi. Advancing Social Simulation: The First World Congress, б.м. : Springer Japan, 2007. pp. 177-188. 978-4-43,173150-4.

54. Schmid J. Compiling Abstract State Machines to C. Journal of Universal Computer Science. 11 7 2001 г., стр. 1069-1088.

55. Schmidt D.C. Model-Driven Engineering. 2, Los Alamitos, CA, USA : IEEE Computer Society Press, 2006, IEEE Computer, Vol. 39, p. 25. ISSN:0018-9162.

56. Shoham Yoav, Leyton-Brown, Kevin. Multiagent Systems: Algorithmic, Game-Theoretic, and Logical Foundations, б.м. : Cambridge University Press, 2008. P. 496. ISBN 9780521899437.

57. Sloman Aaron, Brian Logan. Building cognitively rich agents using the SIMAGENT toolkit. 2, New York, NY, USA : ACM , 1999 г., Т. 43, pp. 71-77. ISSN 0001-0782:

58. Standish R.K., Madina D. ClassdescMP: Easy MPI programming in С++, б.м;: Springer, 2003 г., Computational Science. arXivxs.DC/0401027.

59. Stonebraker M., Brown P. Objects in Middleware: How Bad Can It Be? http://www.informix.eom/infonnix/corpinfo/zines/whitpprs/howbad:htm . CA : A White Paper Informix Inc, 1998 r.

60. Tatara E., et al. An;Introduction to Repast Modeling by-Using a Simple Predator-Prey Example. Argonne : Argonne National Laboratory, Argonne, 2006. Proceedings of the Agent 2006 Conference on Social Agents: Results and.Prospects.

61. Tveit Amund. A survey of Agent-Oriented Software Engineering. 2001.

62. Wooldridge Michael, Jennings Nicholas R., Kinny David. The Gaia Methodology for Agent-Oriented Analysis and Design. 3, Hingham, MA, USA : Kluwer Academic Publishers, 2000 г., Autonomous Agents and

63. Multi-Agent Systems, Т. 3, стр. 285-312. ISSN: 1387-2532".142

64. Yuri GUrevich, Benjamin Rossman, Wolfram^ Schulte. Semantic Essence of AsmL: Extended1 Abstract., s.l. : Springer, 2004, Lecture- Notes in Computer Science 3188, pp. 240-259.1. Работы автора

65. Работы, опубликованные автором в ведущих рецензируемых научных журналах и журналах рекомендованных ВАК Министерства образования и науки России:

66. Набиуллин О.Р. Использование Spec Explorer 2007 и ASF для разработки миогоагентных имитационных моделей // Естественные и технические науки, 2009. № 3. ISSN 1684-2626. С. 398-402.,

67. Другие работы, опубликованные автором по теме кандидатской: диссертации:

68. Набиуллин 0:Р., Норкин В.М. Архитектура высокопроизводительной системы многоагентного моделирования // Бизнес-Информатика. 2008; № 2(04). ISSN: 1998-0663. С. 48-60.

69. Набиуллин О.Р., Бабкин Э.А. Моделирование и автоматическая проверка по AsmL // Бизнес-Информатика. 2008. № 4(06). ISSN: 19980663. С. 56-63.

70. Набиуллин О.Р. Разработка многоагентной модели на основе теории коллективного действия // 14-я Нижегородская сессия молодых ученых (математические науки): сборник тезисов. Нижний Новгород, 2009. в печати.