Работа выполнена в Федеральном государственном бюджетном

образовательном учреждении высшего профессионального образования

«Кубанский государственный технологический университет»

Научный консультант: доктор технических наук, профессор

Симанков Владимир Сергеевич

Официальные оппоненты: доктор технических наук, профессор

Атрощенко Валерий Александрович

заведующий кафедрой информатики ФГБОУ ВПО «Кубанский технологический университет»

доктор физико-математических наук, профессор Веремей Евгений Игоревич заведующий кафедрой информационных технологий и систем ФГБОУ ВПО «СанктПетербургский государственный университет»

доктор технических наук, Халафян Алексан Альбертович профессор кафедры прикладной математики ФГБОУ ВПО «Кубанский государственный университет»

Ведущая организация: ФГБОУ ВПО «Кубанский государственный университет»

Защита диссертации состоится 27 июня 2012 г. в 14.00 часов на заседании диссертационного совета Д 212.100.04 в Кубанском государственном технологическом университете по адресу: г. Краснодар, ул. Московская 2, ауд. Г- С диссертацией можно ознакомиться в библиотеке Кубанского государственного технологического университета.

Автореферат разослан «_» _ 20 г.

Ученый секретарь диссертационного совета Д 212.100. канд. техн. наук, доцент А.В. Власенко

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Эффективное управление и предотвращение внутрисистемных конфликтов современных сложноструктурированных информационных и технических систем не представляется возможным без активного использования системного анализа как эффективного инструмента системных исследований, при котором объект управления рассматривается в виде системы взаимосвязанных элементов. Причем на первый план выдвигается формирование функциональной структуры системы на основе построения иерархической подчиненности функциональных подсистем.

Проведение системных исследований усложняет наличие различных трактовок этапов системного анализа, предлагающих отличающиеся друг от друга формулировки, как основных этапов системного анализа, так и схем их реализации. Кроме того, наряду с наличием формализованных процедур, поддающихся автоматизации, на различных этапах системного анализа приходится сталкиваться с естественными неопределенностями, которые не могут сниматься с помощью классических (формальных) методов и подходов.

Классические методы обработки информации и математического моделирования оказываются непригодными при компьютерном моделировании сложных систем, а использование малых выборок при высокой степени неопределенности и большого набора показателей делает практически невозможным получить в процессе исследования сложных систем точное описание всех внутренних и внешних количественных взаимосвязей подсистем и элементов.

В настоящее время из-за отсутствия полной формализации и унификации процесса применения системного анализа при исследовании сложных систем каждый исследователь решает свои конкретные задачи исходя из собственного опыта и знаний, используя предпочтительные со своей точки зрения подходы, методы и инструментарий системного анализа, иногда игнорируя отдельные этапы и подэтапы системного анализа.

Несмотря на развитый математический аппарат и широкие возможности информационных технологий, на сегодня не существует единой концепции автоматизации этапов системного анализа на общей информационной и программной платформе. Объяснением этому может служить наличие неформализованных процедур на каждом этапе системного анализа, существенно затрудняющие процесс автоматизации.

Для повышения качества и сокращения времени системных исследований необходима организация выбора наиболее детализированной трактовки этапов системного анализа, а также формализация самого процесса применения системного анализа при исследовании сложных систем.

При этом на каждом этапе системного анализа выделять формализованные и неформализованные процедуры, определять места переходов от одной процедуры к другой, что даст возможность разработать методы частичной формализации процесса исследования сложной системы в целом. Кроме того, организация окончательной схемы реализации неформализованных процедур предполагает тщательное изучение ролей исследователя, внешнего эксперта, внутреннего аналитика и лица, принимающего решение.

Таким образом, выявление, формулировка и реализация неформализованных процедур этапов системного анализа на основе методов и алгоритмов современных неклассических информационных технологий в виде обобщенной методологии автоматизации системных исследований приведет к более последовательному и эффективному результату в исследовании сложных систем.

Цель и задачи исследования. Целью диссертационной работы является разработка методологии исследования сложных систем на основе адаптивного механизма снятия неопределенностей при реализации неформализованных процедур с возможностью автоматизации этапов системного анализа.

фундаментальные и практические задачи.

1. Исследование теоретических основ системного анализа с целью обоснования и определения подходов формализации его этапов и подэтапов при исследовании сложных систем.

2. Создание методологии автоматизации этапов системного анализа на основе развития положений системного анализа и определения области применения компьютерных технологий в целях их оптимизации.

моделирования соответствующих этапов системного анализа на основе адаптивных алгоритмов снятия неопределенностей.

4. Обоснование и разработка модульной структуры технологий анализа и моделирования как совокупности технологических операций реализации одного или нескольких шагов соответствующего этапа системного анализа, ограниченных рамками решения общей задачи.

неопределенностей неформализованного участка исследования с учетом ролей участников процесса исследования в процедурах принятия решений.

6. Определение стандартов и принципов адаптации при моделировании неформализованных участков на основе процедурно-ролевого алгоритма.

7. Исследование и разработка методов и алгоритмов автоматизации специфических задач системных исследований на основе функциональных, информационных и динамических моделей.

прогнозирования сложных систем с единым доступом к комплексу согласованных инструментальных средств.

9. Проведение теоретических и экспериментальных исследований в рамках ситуационных центров руководителей различных уровней для апробации разрабатываемой методологии и программного комплекса автоматизации этапов системного анализа.

Методы исследования. Для решения поставленных задач в работе использованы методы и подходы теории систем, системного анализа, теории информации, математического моделирования, теории принятия решений, распознавания образов, нечетких множеств, а также графические методы анализа и оптимизации информационных и технических систем.

Объект исследования: процесс системных исследований с опорой на современные информационные технологии.

неформализованных участков этапов системного анализа и процедур принятия решений на основе общей информационной и программной платформы.

Научная новизна выполненных в диссертации исследований состоит в следующем.

решений в рамках этапов системного анализа на основе сочетаний формальных и неформальных методов.

автоматизации этапов системного анализа и процедур принятия решений.

неопределенностей неформализованного участка с учетом ролей участников процесса исследования в разрезе выполняемых ими процедур.

4. Впервые предложен механизм сочетания последовательности неформализованных и формализованных процедур при реализации этапов системного анализа.

5. На основе принципов адаптации процедурно-ролевого алгоритма предложены технологии анализа и моделирования как основа реализации этапов системного анализа.

6. Разработаны методы и алгоритмы решения специфических задач исследовательских и аналитических процедур.

7. Разработаны теоретические положения и обосновано применение динамической нечеткой базы знаний в системах поддержки принятия решений с изменяющимися в реальном времени правилами.

8. Предложена и обоснована концепция построения интегрированной информационной системы, как среды сопровождения процесса исследования инструментальных средств.

Все представленные в работе результаты являются новыми и впервые опубликованы в работах автора диссертации.

Основные положения, выносимые на защиту.

1. Методология автоматизации этапов системного анализа как единый подход многостороннего и эффективного исследования (анализа) и последовательного проектирования (синтеза) сложных систем.

2. Технология анализа и моделирования реализации этапов системного взаимосвязанных модулей, соответствующих группе задач, необходимых для реализации этапа системного анализа.

3. Процедурно-ролевой алгоритм как адаптивный механизм снятия неопределенностей неформализованных участков модуля на основе кроссфункциональной диаграммы с учетом ролей участников процесса исследования и выполняемых ими процедур.

4. Алгоритмы и реализованные на их основе инструментальные определенных технологий анализа и моделирования с учетом особенностей методологии автоматизации этапов системного анализа.

информационной поддержки процесса исследования сложных систем, обеспечивающей доступ к единому комплексу инструментальных средств.

подтверждается:

использованием системного подхода, формальных и неформальных методов системного анализа и современных информационных технологий для решения задач диссертации;

сведениями из научных источников;

согласованием предложенных в работе положений с уже известными теоретическими положениями науки;

(публикации в рецензируемых и рекомендованных ВАК РФ журналах, обсуждение результатов диссертации на всероссийских и международных конференциях);

апробацией и результатами внедрения разработанных Методологии «Автоматизация этапов системного анализа» и Единой информационной платформы в ситуационные центры руководителей местного и регионального уровней власти (Краснодарский край).

Практическая значимость и внедрение результатов работы. На основе развития положений системного анализа предложена методология «Автоматизация этапов системного анализа», которая может быть использована как для исследования, так и для последовательного проектирования сложных информационных и технических систем.

В среде визуального проектирования приложений Delphi версии 7.0 на основе авторских алгоритмов разработаны программные средства, решающие следующие прикладные задачи: визуальное представление, первичная разведка и естественная классификация объектов исследования в пространстве признаков при ограниченном объеме данных (алгоритмы «ДИВИЗ», «ЗОНТ», «ЛОТОС»); аналитическая обработка и управление данными (алгоритм «АРФА»); система поддержки принятия решений в условиях изменения внешней среды.

Программные средства зарегистрированы в Федеральной службе по интеллектуальной собственности РФ.

На основе положений Методологии «Автоматизация этапов системного анализа» и алгоритмов решения специфических задач спроектирована Единая информационная платформа для сопровождения процесса исследования сложных систем различной природы (информационных, технических).

Единая информационная платформа представляет собой открытый ресурс, может быть адаптирована или дополнена новыми информационносправочными и инструментальными средствами автоматизации системных исследований. Имеет дружественный интерфейс с организацией интерактивной связи между подсистемами и возможностью запуска по требованию автоматизированных инструментальных. Единая информационная платформа внедряется в Ситуационный центр руководителя муниципального образования г. Краснодар, на ее основе решены некоторые аналитические задачи регионального характера (Краснодарский край).

Разработанные в работе методы и алгоритмы внедрены и используются в специальных курсах и практикумах Кубанского государственного технологического университета и Российского государственного социального университета.

диссертационной работы были представлены на различных всероссийских и международных конференциях: Всероссийская конференция «Математические методы распознавания образов» (г. Москва, 2003 г.);

Международная научная конференция «Интеллектуализация обработки информации (ИОИ-2004)» (г. Симферополь, 2004 г.); VII Международная конференция «Распознавание образов и анализ изображений: новые информационные технологии (РОАИ-7)» (г.Санкт-Петербург, 2004 г.); XII Всероссийская конференция «Математические методы распознавания образов» (г. Москва, 2005 г.); Международная научная конференция «Интеллектуализация обработки информации (ИОИ-2006)» (г. Симферополь, 2006 г.); XIII Всероссийская конференция «Математические методы распознавания образов» (г. Зеленогорск, 2007 г.); Международная научная конференция «Интеллектуализация обработки информации (ИОИ-2008)»

(г. Алушта, 2008 г.); IX Международная конференция «Распознавание образов и анализ изображений: новые информационные технологии (РОАИ-9)»

Новгород, 2008 г.); VIII международная научно-практическая (Нижний конференция "Исследование, разработка и применение высоких технологий в промышленности" (г. Санкт-Петербург, 2009 г.); IV Всероссийская научнопрактическая конференция «Здоровье населения – основа процветания России» (г. Анапа, 2010 г.); Х международная научно-практическая конференция "Исследование, разработка и применение высоких технологий в промышленности" (г. Санкт-Петербург, 2010 г.); IX Международная IEEE Сибирская конференция по управлению и связи, «СИБКОН-2011» (г.

Красноярск, 2011 г.); XV Всероссийская конференция «Математические методы распознавания образов» (г. Петрозаводск, 2011 г.); ІI Международная научно-практическая конференция «Перспективные разработки науки и техники – 2011» (Польша, 2011 г.).

Публикации. Основные результаты диссертации опубликованы в печатной работе, в том числе 1 монография, 8 статей в журналах, рекомендованных ВАК РФ, и 5 авторских свидетельств о государственной регистрации программ для ЭВМ в Федеральной службе по интеллектуальной собственности РФ.

Структура и объем работы. Диссертационная работа состоит из введения, 6 глав, заключения, списка литературы, содержащего наименование и приложений. Основное содержание изложено на страницах машинописного текста, содержит 110 рисунков и 10 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ

Во введении сформулирована проблема исследования и обоснована актуальность темы диссертации, поставлена цель и указаны задачи исследования, приведены основные научные и практические результаты проведенных исследований, показана их научная новизна и практическая значимость, сформулированы основные положения, выносимые на защиту, дана краткая характеристика содержания работы, приведены сведения о ее общей структуре.

В первой главе дается обобщенное представление системного анализа как фундаментальной основы исследования сложных информационных и технических систем.

Определено, что системный анализ представляет собой научный метод исследования сложных, многоуровневых, многокомпонентных систем и явлений, опирающийся на комплексный подход учета взаимосвязей между ее элементами, а также совокупность методов и подходов выработки, принятия и обоснования решений при проектировании, создании и управлении социальными, экономическими, человеко-машинными и техническими системами. При этом результатом системных исследований является, как правило, выбор определенной альтернативы: прогнозного сценария развития региона, стратегического плана реинжиниринга и т. д.

Показано, что современное развитие системный анализ получил под влиянием достижений как классических областей науки (философия, математика, физика, химия, биология, история и др.), так и неклассических областей:

синергетики, в том числе теории нелинейной динамики и динамического хаоса, теории катастроф, лингвистической синергетики и прогностики;

когнитологии;

искусственного интеллекта, в том числе теории нечетких множеств и нечеткой логики, искусственных нейронных сетей, эволюционных и генетических алгоритмов.

Кроме того, особо подчеркнуто, что на развитие системного анализа и методологию проектирования сложных технических и информационных систем большое влияние оказывают информационные технологии, причем это влияние взаимное: развитие системного анализа обогащает современные информационные технологии новыми методами, моделями, средами. В общем случае формально модель системного анализа можно представить в виде:

где P – проблема, которую необходимо разрешить в процессе системных исследований; S – определение системы; Z – определение целей системы; K – множество критериев эффективности системы; X – множество шкал измерений критериев; D – способы исследования системы; M – методы моделирования системы; С – принципы управления системой; А – множество альтернатив; F – отображение множества альтернатив на множестве критериев; G – система предпочтений решающего элемента; U – вид целевой функции; W – решающее правило, отображающее систему предпочтений;

V – уровень компьютеризации процедур.

Проведенный обзор работ по развитию системного анализа показал, что, несмотря на развитый математический аппарат и современные возможности вычислительной техники и информационных технологий, на сегодня не выработана единая концепция автоматизации этапов системного анализа и процедур принятия решений на общей аппаратной и программной платформе. Объяснением этому может служить наличие неформализованных процедур, которые присутствуют на каждом этапе системного анализа и существенно затрудняют процесс автоматизации. Сделан вывод, что для разрешения выявленной проблемы необходимо подробное рассмотрение всех этапов системного анализа и процедур принятия решений с точки зрения их формализации и возможной автоматизации.

С целью определения степени формализованности каждого из этапов системного анализа была выбрана трактовка, предложенная профессором В.С. Симанковым, являющаяся на сегодня наиболее детализированным описанием этапов системного анализа, WORKI NG диаграммы 1 2 3 4 п р о бле ме и Далее в работе была рассмотрена детализация этапов системного анализа с учетом выбранной трактовки, описаны задачи внутри подэтапов и показано, что на всех этапах системного анализа в рамках их формализации и неопределенностями, которые трудно снимаются с помощью классических (формализованных) методов и подходов. При этом неформализованные принимающего решение, для разработки методов и подходов реализации шагов (подэтапов, этапов) системного анализа.

Исходя из вышесказанного, важной задачей является разработка адаптивного механизма снятия неопределенностей при реализации неформализованных (экспертных) процедур, что позволит автоматизировать процесс прохождения шагов, подэтапов и этапов системного анализа, тем самым повысив эффективность процесса исследования сложной системы.

позволяют создавать прикладные программные средства, реализующие алгоритмы формирования экспертных процедур на основе неклассических методов теории принятия решений. Однако при этом необходимо обратить внимание на следующие трудности автоматизации этапов системного анализа:

различие математических методов и подходов реализации процедур системного анализа (методы формализованного представления систем, методы активизации интуиции специалистов);

разнообразие программных средств, реализующих эти методы и подходы (отсутствие универсального языка человеко-машинного общения);

различных платформах или языках программирования (сложности организации связи обмена данными);

ориентированных на решение локальных задач узкой предметной области.

интегрированной автоматизированной системы, содержащей комплекс единых инструментальных средств, включающих ограниченное число универсальных многофункциональных программных продуктов, реализующих большое число методов и моделей, обращение к которым происходит посредством единого интерфейса.

формализованного описания реализации этапов системного анализа, являющейся ориентирующей основой реализации процедур принятия решений при исследовании сложных систем, которая призвана:

обосновать выбор схемы трактовки этапов системного анализа;

определить оптимальную последовательность перехода от одного этапа системного анализа к другому с описанием соответствующих входных и выходных потоков информации;

формализовать процесс применения подходов и методов системного анализа при исследовании сложных систем;

алгоритмизировать роли и поведение исследователя, внешнего эксперта, внутреннего аналитика и лица, принимающего решение, при реализации схем формализованных и неформализованных процедур системного анализа;

формализованных участков системного анализа с опорой на современные информационные технологии.

Разработанная таким образом обобщенная методология формулировки и реализации последовательности формализованных и неформализованных процедур этапов системного анализа на основе методов и алгоритмов современных неклассических информационных технологий, в свою очередь, позволит автоматизировать реализацию этапов системного анализа, что приведет к более последовательному и эффективному результату в исследовании сложных систем.

Проведенный анализ показал ограниченность существующих методологий автоматизации системных исследований выполнением узкоспециализированных задач в конкретном сегменте этапов системного анализа.

В связи с этим в работе для многостороннего и эффективного исследования (анализа) и последовательного проектирования (синтеза) сложных систем впервые предложена методология (единый универсальный подход) к формализации и реализации этапов системного анализа, получившая название «Методология «Автоматизация этапов системного анализа» («Automation of Stages of the System Analysis», далее методология ASSA), согласованных инструментальных средств, обеспечивающих автоматизацию процессов, выполняемых на этапах системного анализа (рис.2).

Рисунок 2 Методология автоматизации этапов системного анализа Методология ASSA, с учетом выбранной трактовки этапов системного анализа, содержит в своем составе пять технологий анализа и моделирования соответствующих этапов системного анализа и представляется в виде:

Met методология «Автоматизация этапов системного анализа»;

где T множество технологий анализа и моделирования, реализуемых в рамках методологии Met, в соответствии с этапами системного анализа исследователи, лица, принимающие решения, внутренние аналитики, внешние эксперты, разработчики, проектировщики и другие;

реализации технологий анализа и моделирования с учетом адаптивного процедурно-ролевого алгоритма.

Методология ASSA, декларируя единый подход к реализации этапов системного анализа, повышает технологичность процесса исследования сложных информационных и технических систем, при этом увеличивая эффективность результатов анализа и синтеза, одновременно снижает временные и трудовые затраты на его проведение.

Технология анализа и моделирования (технология АМ) как составная часть методологии ASSA представляет собой совокупность методов, подходов и правил, предназначенных для получения и переработки входящей информации в результатную и ее дальнейшего представления в удобной форме, как для реализации последующих этапов, так и для организации соответствующей выходной документации, отражающей ход выполнения данного этапа.

Каждая технология АМ включает в себя модули, представляющие собой технологические операции реализации ограниченных рамками решения общей задачи одного или нескольких шагов соответствующего этапа системного анализа и представляется в операторном виде как:

где Mod – определенное количество модулей в составе технологии;

IF (Input Flow) – поток входной информации, выраженный в соответствии с принятыми стандартами представления;

OF (Output Flow) – поток выходной информации, содержащий результаты реализации технологии;

Hr (Human recourse) участники процесса выполнения технологии;

I (Instruments) инструменты реализации технологических процедур на основе информационных технологий;

St, Tm, Ec (Standards, Training materials, Evaluation criteria) – стандарты, методические материалы, критерии оценки результатов выполнения процедур технологической цепочки.

Технология АМ, являясь системообразующей основой методологии ASSA, одновременно представляет собой структурированную систему взаимосвязанных модулей (рис.3).

Рисунок 3 Модульная структура технологии АМ Выбор стандартов, методов и критериев оценки (St, Tm, Ec) производится участниками процесса исследования (Hr) в соответствии с Неудовлетворительная оценка результатов выполнения текущего модуля может вызвать необходимость возврата к нему или одному из предыдущих модулей и повторения его реализации с учетом новых требований.

Стандарты, методы и критерии оценки, определяемые целями и задачами конкретного этапа, в совокупности с новыми требованиями, сформированными в результате реализации модулей, образуют контур управления технологией в целом.

Внутри конкретной технологии АМ модули различаются между собой как по специфике решаемых задач, так и по методам и подходам, выбираемым для их решения. При этом, задачи, входящие в модуль, могут включать как формализованные, так и неформализованные участки (рис.4).

Рисунок 4 Реализация модуля технологии АМ Формализованные участки модуля реализуются в рамках оперативных процедур с помощью классических методов и алгоритмов и разработанных на их основе программных средств. Неформализованные участки требуют предварительного снятия неопределенностей, что достигается постепенным снижением степени их неформализованности на стратегическом и тактическом уровнях исследовательских процедур с привлечением внутреннего аналитика и внешнего эксперта (рис.4). По достижению требуемой степени формализации осуществляется реализация рассматриваемого участка на оперативном уровне исследовательских процедур с использованием конкретных инструментальных средств на основе современных информационных технологий.

В процессе реализации модуля организуется обновляемая база знаний прототипов поддержки процедуры принятия решений с целью сокращения времени решения задачи за счет исключения из контура принятия решений внутреннего аналитика и внешнего эксперта, не снижая при этом эффективность процесса исследования.

В рамках выполнения технологических модулей впервые разработан процедурно-ролевой алгоритм (ПР-алгоритм) формализации исследуемого участка до требуемого уровня как основа автоматизации этапов системного анализа. Предложенный ПР-алгоритм реализован в виде пошагового описания действий и рассуждений всех участников процесса исследования (с разделением их ролей и выполняемых процедур) в процессе принятия решений по снятию неопределенностей неформализованных участков. Для его представления была адаптирована кросс-функциональная диаграмма нотации «Процедура» технологии Work Flow, как наиболее наглядно отражающая суть реализации технологии АМ (рис.5).

Эффективное применение разработанного ПР-алгоритма в конкретных технологиях АМ требует адаптации самого ПР-алгоритма, для чего в работе были разработаны отличительные признаки адаптации с учетом особенностей соответствующих этапов системного анализа:

а) принцип модульности, т.е. логика объединения подзадач этапа в модули и обоснование сущности информационных потоков;

б) ограниченность формализованности, т.е. наличие неформализованного участка внутри модуля, определяющего инициирующее событие;

Рисунок 5 Кросс-функциональная диаграмма реализации в) иерархия по вертикали, т.е. логика разделения ролей участников системного анализа при управлении процессом исследования;

г) иерархия по горизонтали, т.е. логика деления исследовательских процедур по уровням формализации (стратегический, тактический, оперативный);

д) принцип прецедентности, т.е. формулировка сущности и правил выбора модели (прототипа) снятия неопределенностей.

В третьей главе проведен анализ формальных методов и подходов системного анализа, определена возможность автоматизации системных исследований на основе выделенных классов методов формализованного представления систем в рамках реализации технологий анализа и моделирования.

Показано, что эффективное исследование динамики развития сложной системы и взаимосвязей ее подсистем в процессе построения моделей включает два взаимосвязанных уровня:

уровень формирования модели – организация постепенного снятия неопределенностей на основе качественных (эвристических) методов;

исполнения реальной модели на основе методов прикладной математики.

Отмечено, что результат моделирования на первом уровне определяет класс методов прикладной математики для реализации модели на втором уровне:

для хорошо организованных моделей (явно выраженные связи) применение аналитических и графических методов как наиболее корректных к полученным результатам;

для недостаточно организованных моделей (неявно выраженные связи) применение методов математической логики, математической лингвистики и т.д.

В работе рассмотрены отдельные группы методов формализованного представления систем, которые были использованы при конкретизации автоматизации этапа системного анализа в рамках методологии ASSA.

1. Для автоматизации конкретных участков реализации этапов системного анализа рассмотрена возможность применения статистических методов идентификации и аналитического представления данных, программная реализация которых позволяет доступно и наглядно представить результаты обработки экспериментальных данных и наблюдений. В качестве математического и алгоритмического обеспечения задач системного анализа выступают методы и подходы, основанные на применении полиномов наилучшего приближения, сплайн-функций и атомарных функций, метода наименьших квадратов, ортогональных полиномов и функций и др.

Так, в процессе интерпретации результатов моделирования при упорядочении экспериментальных данных функции многих переменных, восстановлении (идентификации) исследуемой зависимости для любых сочетаний значений переменных и поиске аналитических наилучшие решения получают, применяя методы полиномиальной интерполяции на основе базисных функций Лагранжа.

В работе для визуализации результатов экспериментов и наблюдений в информационных системах аналитической обработки и управления данными в рамках методологии ASSA реализовано сглаживание рассматриваемых зависимостей посредством кубических сплайнов, получивших на сегодня наиболее широкое практическое применение.

Выявление обобщенных закономерностей изменения основных параметров (определение трендов) при исследовании сложных систем в работе выполнено с учетом возможностей метода наименьших квадратов 2. Для получения достоверных сведений о поведении сложных систем на научной основе, выбора рациональных режимов функционирования на этапе синтеза системы, оптимизации структуры моделей системы, выявления закономерностей ее поведения, анализа влияния факторов на показатели эффективности достижения целей системы в работе при экспериментальных исследованиях предлагается опираться на прикладную теорию планирования эксперимента, как инструмент оптимизации содержания системных исследований.

математической статистики, линейной алгебры, комбинаторики и другие разделы прикладной математики, решает широкий круг вопросов, связанных с разработкой оптимальных планов проведения экспериментов, с целью сокращения объема проводимых исследований при заданной точности и достоверности получения результатов.

неопределенностей неформализованных участков актуальной задачей является возможная формализация экспертных процедур принятия решений.

Для этих целей в работе в задачах автоматизации этапов системного анализа разработаны и применены прикладные методы классификации и распознавания образов, основанные на эвристических алгоритмах автоматической классификации эталонного типа. Достоинствами предложенных методов являются небольшие априорные сведения, требуемые для классификации, быстродействие, а также практическое отсутствие ограничений по объему исследуемых данных (программная реализация алгоритма классификации многомерных линейно несепарабельных данных «ЛОТОС» и ее применение подробно описаны в Главах 5 и 6).

4. В рамках реализации модулей технологий АМ, как было указано выше (рис.4), для автоматизации процедур принятия решений, а именно, возможного исключения экспертов из контура принятий решений, организуется база знаний прототипов, реализация которой в работе предложена на основе формального аппарата нечеткой логики.

Тогда совокупность нечетких правил «если-то», формируемых экспертом для описания взаимосвязей между входными и выходными признаками исследуемой системы, образует «нечеткую базу знаний», представляемую в виде:

где – нечеткий терм, которым оценивается переменная в строчке с строчек-конъюнкций, в которых выход оценивается нечетким термом – количество термов, используемых для лингвистической правила с номером.

При этом нечеткий логический вывод, представляющий собой нечеткой базы знаний (4) и операций над нечеткими множествами организован на основе алгоритма Мамдани:

где - операции «min/max» по Заде.

Все вышесказанное отвечает актуальности развития и приоритетности применения нечеткой логики Заде в задачах создания методологического обеспечения систем оперативного принятия решений и управления в исследовании сложных (трудноформализуемых) информационных и технических системах.

Четвертая глава посвящена демонстрации работоспособности методологии ASSA на основе подробной реализации технологии АМ, соответствующей второму этапу системного анализа «Определение целей системы», как наиболее представительному этапу с точки зрения наличия неформализованных участков разной степени формализуемости.

В соответствии с представленной в Главе 1 детализацией этапа на подэтапы и шаги, выделены обобщенные задачи, определившие структуру и логическую завершенность модулей технологии АМ: определение множества целей системы и ограничений среды; формулирование и декомпозиция глобальной цели; определение критериев эффективности по подцелям;

разработка методики определения критериев системы.

В работе формализация перечисленных обобщенных задач реализована на основе специально разработанной технологии АМ, которая в силу наличия экспертных и классификационных процедур названа технологией экспертноклассификационного анализа и моделирования (технология ЭКАМ) дерева целей и критериев эффективности, реализуемая посредством следующих модулей:

модуль 1: «Формирование целей и ограничений»;

модуль 2: «Выбор информативных признаков»;

модуль 3: «Построение и анализ дерева целей»;

модуль 4: «Анализ и моделирование дерева критериев».

Дано структурно-модульное описание технология ЭКАМ целей и критериев сложной системы, при этом выявлены характерные задачи реализации каждого модуля и проблемы сопряжения модулей с точки зрения организации информационных потоков «выход-вход». Результат выделения модулей в рамках подэтапа «Выявление целей системы», с учетом информационных потоков «выход-вход» представлен на рис. 6.

Внутри каждого модуля выявлены неформализованные участки, даны характеристики степени их неопределенности, определен круг участников процесса исследования в рамках конкретного модуля, предложены методы и подходы их реализации.

В соответствии с признаками адаптации ПР-алгоритма для каждого модуля разработана подробная кросс-функциональная диаграмма выполнения исследовательских процедур на всех уровнях формализации.

Так, например, при реализации Модуля 2 «Выбор информативных признаков» на уровне стратегических процедур (первый уровень формализации)исследователем решается задача выработки подходов выявления структур и характеристик локальных целей в рамках глобальной цели. Определенные исследователем первичные кластеры целей получают оценку со стороны специалиста системы (лица, принимающего решения ЛПР), который в случае необходимости формирует запрос внутреннему аналитику или внешнему эксперту с целью получения новых знаний о совокупности локальных целей (блок-решение 5, рис.7).

С учетом новых знаний на тактическом уровне исследовательских процедур (второй уровень формализации) исследователем осуществляется оптимизация способов определения и декомпозиции качественных кластеров целей (блок-процесс 9) на основе классов количественных показателей с помощью инструментального средства классификации многомерных линейно несепарабельных данных (алгоритм «ЛОТОС») Рисунок 7 Кросс-функциональная диаграмма реализации Модуля 2 «Выбор информативных признаков» - часть авторской разработки (на диаграмме инструментальное средство отмечено синей маркировкой).

На основе модифицированного способа определения кластеров целей формируется концептуальная схема описания конфигурации подцелей, также оцениваемая ЛПР (блок-решение 10). При отрицательных результатах оценки, ЛПР передает управление во внутренний (аналитик – блок-процесс 11) или внешний (эксперт – блок-процесс 13) контур принятия решений для поиска дополнительной информации о схемах описания конфигурации подцелей. Далее полученная информация передается исследователю для итерационной корректировки.

Одобренная ЛПР концептуальная схема описания конфигурации подцелей добавляется в базу знаний прототипов (блок-процесс 14) и служит основой выбора информативных признаков (количественных целей низшего уровня) на оперативном уровне исследовательских процедур (блок-процесс 15) с помощью инструментальных средств моделирования типа матричной лаборатории MatLab, интегрированной системы анализа и управления данными Statistica и др.

Набор информативных признаков в виде сконфигурированных целей служат входным информационным потоком для реализации последующего модуля.

Результатом разработки технологии ЭКАМ является совокупность ПРалгоритмов, регламентирующих реализацию логически связанной цепочки модулей, выполнения этапа системного анализа с учетом ролей участников инструментальных средств.

информационной поддержки процедур принятия решений методологии функциональных возможностей и области применения рассмотрены инструментальные средства, используемые на разных участках технологий АМ (рис.8).

Рисунок 8 Классы инструментальных средств по функциональным возможностям и области применения Представлены разработанные в рамках диссертационного исследования алгоритмы и инструментальные средства для выполнения исследовательских и аналитических процедур и решения специфических задач на всех уровнях формализации технологий АМ в рамках методологии ASSA. При разработке указанных автоматизированных инструментальных средств ставилась задача обеспечения участников процесса исследования инструментарием, обладающим необходимыми функциональными возможностями для процесса исследования, а также дружественным интерфейсом, способным представлять информацию в удобной форме для восприятия и анализа.

1. Для первичного разведочного анализа многомерных данных, представляющих исследуемую систему, разработаны методы, алгоритмы и инструментальные средства интеллектуального анализа и визуализации данных в рамках методологии «Автоматизация этапов системного анализа».

Алгоритм «ДИВИЗ», решающий задачу динамической визуализации многомерных данных, упрощает первичную классификацию объектов представления в условиях априорной неопределённости в отношении, как самих объектов, так и условий их наблюдения (рис.9).

реализующие разведочный анализ и сегментацию многомерных данных путем их проецирования на псевдотрехмерные когнитивные образы (рис.10), позволяют при предварительной разведке структуры данных частично решить проблему наложения различных кластеров путем проецирования многомерных данных на двумерную плоскость (в пространства малой размерности).

Программная реализация алгоритмов выполнена для операционной системы Windows 7 на языке Delphi 6.0., получены свидетельства регистрации программы для ЭВМ Федеральной службы по интеллектуальной собственности РФ.

информационная система аналитической обработки и управления данными (ИС «АРФА»), предназначенная для графического (в том числе картографического) представления данных и построения прогнозных моделей динамики исследуемой системы.

Для визуализации результатов было реализовано сглаживание рассматриваемых зависимостей на основе кубических интерполяционных сплайнов, а выявление обобщающих закономерностей изменения основных параметров (т.е. определение трендов) выполнено с учетом возможностей метода наименьших квадратов.

ИС «Арфа» позволяет в диалоговом режиме осуществлять ввод и обработку информации, исследовать поведение системы на основе имитационных и прогнозных моделей для поддержки процесса принятия управленческих решений в различных сферах деятельности. Программная реализация выполнена для операционной системы Windows 7 на языке Delphi 6.0.

3. Для выявления линейно неразделимых классов в многомерном массиве данных в работе разработан алгоритм автоматической классификации в непрерывном признаковом пространстве при ограниченном объеме данных (алгоритм «ЛОТОС»). Суть алгоритма заключается в выделении классов произвольной формы, образованных слиянием по специальному алгоритму множества гиперсфер с изменяющимся по формуле (6) радиусами:

k номер шага итерационного обучения;

где коэффициент регулирования скорости обучения, 0,1 ;

q среднеарифметический коэффициент нормирования;

N количество точек (объектов);

S i количество пересекающиеся гиперсфер (количество точек, относящихся к такому же классу, что и i -ая точка), изначально равное 1.

4. Для выполнения задач оперативного принятия решений была разработана информационная система поддержки принятия решений с изменяющимися в реальном времени правилами на основе динамической нечеткой базы знаний. Такая задача, например, стоит перед участниками процесса исследования (исследователь, аналитик) в рамках реализации модуля «Анализ и моделирование дерева критериев» технологии ЭКАМ.

Здесь на основе системы критериев требуется в реальном времени принимать решение об оценке эффективности функционирования системы в целом, как степени достижения системой глобальной цели.

При отображении критериев эффективности на дерево целей, как правило, требуется получить количественное значение оценки глобальной цели в виде интегрального критерия эффективности. Такую оценку можно получить путем нечеткого агрегирования критериев эффективности посредством нечетких логических выводов, основанных на возможных логических выражениях типа «если-то», совокупность которых и составляет нечеткую базу знаний (НБЗ).

В работе разработана система оперативного принятия решений, которая эффективно функционирует с учетом изменяющихся в реальном времени правил и критериев оценки состояний сложной системы. Такие исследуемые сложные системы в работе названы динамическими сложными системами (ДСС), а нечеткая база знаний, описывающая систему принятия решений на основе динамических нечетких логических правил (ДНЛП) в таких системах, – динамической нечеткой базой знаний (ДНБЗ). В общем случае предложенная ДНБЗ представляется в виде:

R q – q-я строка НБЗ, q 1, l, l – количество строк (нечетких правил);

где лингвистической переменной, k 1, n ;

«|» – вертикальная черта, означающая условие, при котором может быть получена выходная лингвистическая переменная (символ «|»

читается «…при условии, что…»);

x j ( X i ) – функции принадлежности j-х термов i-x входных лингвистических переменных, i 1, m, j 1, pi.

Логические связки «и/или» (операторы min/max по Заде) здесь заменены запятой.

Для реализации способа ручного учета изменения нечетких логических выражений «если-то» в работе разработана собственная автоматизированная система с использованием программного комплекса MATLAB (матричная лаборатория), содержащего модуль нечеткой логики Fuzzy Logic Toolbox, и среды программирования Delphi версии 7.0. При этом решены следующие прикладные задачи:

1. разработан модуль сопряжения среды Delphi со средой MATLAB;

2. разработан модуль взаимодействия среды Delphi со средой MATLAB;

пользователя, так и администратора, использующих эти модули.

В шестой главе представлена практическая реализация методологии информационной платформы (Платформа ASSA) как среды сопровождения участников процесса исследования с возможностью доступа к единому комплексу инструментальных средств, а также получения необходимой информации для проведения системных исследований в интерактивном режиме.

Платформа ASSA реализована в среде визуального проектирования приложений Delphi версии 7.0, которая включает в себя полный набор визуальных инструментов для скоростной разработки приложений (RAD поддерживающей разработку Rapid Application Development), Интерактивность интерфейса обеспечена с помощью среды разработки профессионального интерактивного контента Adobe Flash Professional CS5 и языка программирования JavaScript.

Ситуационного центра (СЦ), являющегося на сегодняшний день наиболее современной формой реализации автоматизированной системы управления в социально-экономической и общественно-политической сфере. Работа СЦ основана на интегрированных технологиях моделирования и анализа ситуаций, предельно концентрированном (визуальном) представлении информации и обеспечивающего комплексное управление организацией, муниципалитетом, регионом, страной на самом верхнем уровне.

Одновременно, СЦ представляет собой информационноаналитическую систему, реализующую методы и подходы системного анализа для оценки реального состояния объекта управления, определения тенденций его развития, разработки и выбора сценария развития ситуации и возможных последствий применения управленческих воздействий. Особую важность при этом играет эффективная обработка информации и принятия обоснованных решений в условиях нечеткости, неопределенности, неполноты и противоречивости исходных данных, а также в изменяющихся условиях окружающей среды и специфики проблемной области. При этом обеспечивается высокая скорость доступа к необходимой информации (данным и знаниям), формализация алгоритмов принятия решения и накопление опыта разрешения проблем на основе разработанных сценариев.

диссертационного исследования в СЦ, приведен отчет Аналитического центра при правительстве РФ «Ситуационные центры: наблюдаемые проблемы и перспективы развития (результаты экспертных опросов)», где указано, что первоочередными задачами развития СЦ в числе прочих являются введение единых стандартов работы с ситуационными центрами и приобретение специального программного обеспечения. При этом инструментальных средств.

Проведенный анализ обосновал актуальность внедрения разработанной в работе Платформы ASSA в СЦ руководителей разных уровней для повышения эффективности принимаемых управленческих решений. С другой стороны, проблема отсутствия единых стандартов организации работы в СЦ позволяет рекомендовать Методологию ASSA как основу реализации задач анализа и синтеза и выполнения процедур принятия решений в СЦ как в плановом режиме работы, так и в условиях чрезвычайной ситуации. Решение в рамках СЦ трудноформализуемых задач предложено рассматривать как реализацию стандартизированных технологий анализа и моделирования (технологий АМ) этапов системного анализа с опорой на единый комплекс согласованных инструментальных средств. В свою очередь, формализация указанных задач как средство достижения поставленных целей в рамках СЦ, достигается на основе применения разработанного в рамках методологии ASSA адаптированного процедурноролевого алгоритма (ПР-алгоритм).

Демонстрация возможностей Единой платформы ASSA в работе реализована посредством информационной поддержки принятия решений в самоуправления (ОМСУ) Краснодарского края в сфере здравоохранения по показателям из 24 за 2009-2010 гг., предоставленным Территориальным Краснодарскому краю.

Для организации информационной поддержки процесса принятия Краснодарского края решена задача многомерного анализа и определения местоположения муниципальных образований (МО) в системе показателей здравоохранения на основе многомерной классификации и когнитивной визуализации результатов исследования. Под определением местоположения здравоохранения классов МО, похожих между собой с точки зрения близости уровней показателей.

По результатам проведенной классификации в отдельный класс отличающиеся от остальных муниципальных образований показатели здравоохранения (Краснодар, Сочи, Отрадненский и Туапсинский районы табл.1). Следующий класс объектов явился самым малочисленным, но достаточно близким по совокупности показателей здравоохранения. В него вошли Анапа, Геленджик и Выселковский район.

Таблица 1 Результат классификации МО в системе показателей здравоохранения Третий класс объединил МО (13 муниципальных образований), достаточно близкие по многим показателям, а ядро (четвертый класс) представленного множества МО образует плотное облако, включающее МО, что говорит о существовании общей картины обеспечения МО в сфере здравоохранения.

предположение, что у муниципальных образований, объединенных в общие классы, прослеживаются как высокие достижения по отдельным показателям эффективности деятельности, так и единые задачи, характерные для большинства МО, составляющих данный класс.

здравоохранения, в рамках информационной поддержки принятия решений в задаче оценки эффективности деятельности ОМСУ, в работе были проведены аналогичные исследования по данным за 2009 год. Результаты проведенных исследований за 2009-2010 годы по показателям здравоохранения представлены на сравнительной картограмме (рис. 11), где можно проследить перехода МО из класса в класс.

Рисунок 11 Сравнение картограмм классификации муниципальных образований за 2009 (слева) и 2010 (справа) годы Практическая реализация Единой информационной платформы ASSA с комплексом согласованных инструментальных средств, на примере организации информационной поддержки принятия решений в задаче оценки актуальность и эффективность ее использования в рамках ситуационного центра руководителя (МО, региона).

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. Обоснована необходимость и определены подходы формализации этапов и подэтапов системного анализа при исследовании сложных технических и информационных систем.

2. Разработаны теоретические положения методологии автоматизации этапов системного анализа как универсального подхода системных исследований с опорой на единый комплекс инструментальных средств на основе современных информационных технологий.

3. Предложена технология анализа и моделирования этапов системного анализа как совокупность методов, подходов и алгоритмов снятия неопределенностей в рамках реализации обобщенных задач отдельных этапов системного анализа.

4. Разработан адаптивный процедурно-ролевой алгоритм снятия неопределенностей неформализованных участков в рамках технологии анализа и моделирования с учетом ролей участников процесса в процедурах принятия решений.

неопределенностей на различных уровнях формализации исследовательских процедур (стратегический, тактический, оперативный) посредством сочетания неформализованных и формализованных процедур.

определенных технологий анализа и моделирования с учетом особенностей методологии автоматизации этапов системного анализа разработаны следующие алгоритмы и реализованы на их основе программные средства (защищены свидетельствами Федеральной службы по интеллектуальной собственности РФ):

алгоритм «ДИВИЗ», решающий задачу динамической визуализации многомерных данных в сложных системах;

алгоритм «ЛИЛИЯ» и его модификация, алгоритм «ЗОНТ», позволяющие проводить разведочный анализ и сегментацию многомерных данных путем их проецирования на псевдотрехмерные когнитивные образы;

информационная система аналитической обработки и управления данными «АРФА», предназначенная для графического (в том числе картографического) представления данных и построения прогнозных моделей;

алгоритм «ЛОТОС», позволяющий проводить автоматическую классификацию линейно неразделимых данных в непрерывном признаковом пространстве при ограниченном объеме данных;

информационная система поддержки принятия решений в условиях изменения внешней среды на основе динамической нечеткой базы знаний.

7. Для сопровождения процесса исследования сложных систем разработана Единая информационная платформа «Автоматизация этапов системного анализа» с организацией доступа к комплексу инструментальных средств на основе информационных технологий.

8. Реализовано практическое применение Единой информационной платформы «Автоматизация этапов системного анализа» в рамках Ситуационного центра руководителя при реализации задач принятия решений и управления в социально-экономической сфере.

9. Реализована информационная поддержка принятия решений в задаче оценки эффективности деятельности органов местного самоуправления Краснодарского края в сфере здравоохранения на основе автоматической классификации и определения местоположения муниципальных образований в общей картине показателей деятельности.

10. Разработаны рекомендации применения результатов исследования в рамках системы поддержки принятия решений руководителем региона.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Основные материалы диссертации изложены в следующих публикациях.

1. Симанков В.С., Шпехт И.А. Автоматизация системных исследований на основе неформальных подходов. Монография. М.: БиномПресс, 2012.

358с.

Публикации в журналах, рекомендованных ВАК РФ 1. Шпехт И.А. Разработка интеллектуальной системы поддержки информационных процессах // Системы управления и информационные технологии. 2009. №4.1. С.151–154.

2. Шпехт И.А. Интеллектуальная система управления качеством жизни и здоровьем населения на региональном и муниципальном уровне // Системы управления и информационные технологии. 2010. №3. С.100–104.

3. Шпехт И.А. Разведочный анализ многомерных данных и их сегментация методом динамического проецирования на псевдотрехмерные образы Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика.

2011. №2. С.103–106.

4. Шпехт И.А., Симанков В.С., Саакян Р.Р. Технология экспертноквалификационного анализа и моделирования целей сложных систем с опорой на процедуры методологии ASSA // Информатика и системы управления. 2011. №2. С.140–150.

5. Симанков В.С., Шпехт И.А. Методология автоматизации этапов системного анализа сложных систем // Информатика и системы управления.

2011. №4. С.149–156.

6. Шпехт И.А., Самсонов А.Ю. Разработка информационной системы принятия решений с изменяющимися в реальном времени правилами на основе динамической нечеткой базы знаний // Информационные системы и технологии. 2011. №6. С.73–84.

7. Шпехт И.А. Анализ и моделирование дерева критериев оценки эффективности системы на основе процедурно-ролевого алгоритма // Информатика и системы управления. 2012. №1. С.102–111.

8. Шпехт И.А. Алгоритм автоматической классификации линейно неразделимых данных в непрерывном признаковом пространстве при ограниченном объеме прецедентов Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. 2012. №1. С.85–90.

Свидетельства о государственной регистрации программ для ЭВМ 1. Шпехт И.А., Саакян Р.Р., Терентьев Л.А. Программный комплекс информационно-аналитического обеспечения управления качеством жизни и здоровьем населения на муниципальном и региональном уровне // Свидетельство о государственной регистрации программы для ЭВМ №2009612296. Федеральная служба по интеллектуальной собственности РФ, 06.05.2009.

2. Шпехт И.А., Саакян Р.Р., Чепенко Р.В. Программный комплекс классификации многомерных линейно несепарабельных данных (Алгоритм «ЛОТОС») // Свидетельство о государственной регистрации программы для собственности РФ, 23.04.2010.

3. Шпехт И.А., Саакян Р.Р., Бурло А.Н. Программный комплекс динамической визуализации многомерных данных (Алгоритм «ДИВИЗ») // Свидетельство о государственной регистрации программы для ЭВМ №2010612789. Федеральная служба по интеллектуальной собственности РФ, 23.04.2010.

4. Шпехт И.А., Саакян Р.Р., Соляник М.В. Программный комплекс визуализации многомерных данных методом динамического проецирования Свидетельство о государственной регистрации программы для ЭВМ №2011616265. Федеральная служба по интеллектуальной собственности РФ, 10.08.2011.

5. Шпехт И.А., Саакян Р.Р., Димитриенко А.С. Программный комплекс визуализации многомерных данных методом проецирования в пространство государственной регистрации программы для ЭВМ №2011617626.

Федеральная служба по интеллектуальной собственности РФ, 30.09.2011.

конференций 1. Шпехт И.А., Жиганов Н.К., Саакян Р.Р. Сочетание регулярных и эвристических подходов прогнозирования свойств химических нитей в поле технологических факторов // Математические методы распознавания образов – ММРО-11: 11-я Всероссийская конференция (Пущино, 23- 29 ноя. 2003г.):

Сборник докладов. М.ВЦ РАН, 2003. С.430–433.

2. Романов В.Е., Шпехт И.А., Дедус Ф.Ф. и др. Совершенствование аналитических представлений закономерностей в трудноформализуемых задачах при опоре на использование ортогональных аппроксимаций изменения основных переменных // Искусственный интеллект. 2004. №2.

С.168–172.

3. Шпехт И.А., Сигачева В.В., Маежов Е.Г. и др. Применение теории распознавания образов к изучению функционирования ткацкого станка // 7-я Международная конференция «Распознавание образов и анализ изображений: новые информационные технологии» – «РОАИ-7-2004»

(Санкт-Петербург, 18-22 окт. 2004г.): Доклады конференции. С.Пб.ОМН РАН, 2004. Т.III. С.914–917.

4. Шпехт И.А., Саакян Р.Р. Руденко Е.Н. Реализация расширенного метода линейных направлений-согласующих функций при прогнозировании поведения керамики под воздействием радиоактивного облучения // Математические методы распознавания образов – ММРО-12: 12-я Всероссийская конференция (Москва, 20- 26 ноя. 2003г.): Сборник докладов.

М.ВЦ РАН, 2005. С.429–432.

5. Шпехт И.А., Саакян Р.Р. Руденко Е.Н. Моделирование процессов формирования и изменения прочностных характеристик керамических материалов под воздействием радиоактивного облучения с использованием расширенного метода ЛН-СФ // Искусственный интеллект. 2006. №2. С.440– 443.

6. Шпехт И.А., Яхшибекян М.Р., Саакян Р.Р. Проектирование новых материалов с заданными свойствами и оптимизация существующих технологий их изготовления с помощью систем интеллектуального анализа данных // Математические методы распознавания образов – ММРО-13: 13-я Всероссийская конференция (Зеленогорск, 30 сент.- 06 окт. 2007г.): Сборник докладов. М.ВЦ РАН, 2007. С.531–533.

7. Шпехт И.А., Терентьев Л.А., Саакян Р.Р. Анализ и прогнозирование показателей качества жизни населения на основе интеллектуализированной Краснодарского края) // Таврический вестник информатики и математики.

2008. №2. С.176–179.

8. Шпехт И.А., Саакян Р.Р., Децкин И.С. Задачи определения опорного распознавания отпечатков пальцев // 9-я Международная конференция «Распознавание образов и анализ изображений: новые информационные технологии» – «РОАИ-9-2008» (Нижний Новгород, 15-20 сент. 2008г.):

Доклады конференции. Н. Новгород. ОМН РАН, 2008. Т.I. С.140–142.

9. Симанков В.С., Шпехт И.А. Автоматизация этапов системного экономических информационных процессах на основе неформальных процессов // Сборник трудов Восьмой международной научно-практической конференции «Исследование, разработка и применение высоких технологий в промышленности» (Санкт-Петербург, 27-28 окт. 2009г.). Изд-во СПб.

Полит. ун-та, 2009. С.77–81.

10. Шпехт И.А., Саакян Р.Р. Динамическая визуализация и алгоритм экономических информационных системах // Сборник трудов Восьмой международной научно-практической конференции «Исследование, разработка и применение высоких технологий в промышленности» (СанктПетербург, 27-28 окт. 2009г.). Изд-во СПб. Полит. ун-та, 2009. С.86–88.

11. Шпехт И.А. Методология системных исследований социальноэкономических процессов на основе автоматизации этапов системного анализа и процедур принятия решений // Информационные технологии моделирования и управления. 2009. №7. С.910–915.

12. Шпехт И.А. Методология построения дерева целей и их взаимоотношения с критериями эффективности в задачах управления сложными социально-экономическими системами // Здоровье населения – практической конференции (Анапа, 21-22 апр. 2010г.). Изд-во АФ РГСУ, 2010. С.320–325.

13. Шпехт И.А., Терентьев Л.А., Саакян Р.Р. и др. Разработка концептуальных подходов моделирования геоинформационной системы регионального образовательного пространства с развитыми динамическими связями // Сборник трудов Десятой международной научно-практической конференции «Исследование, разработка и применение высоких технологий в промышленности» (Санкт-Петербург, 09-11 дек. 2010г.). Изд-во СПб.

Полит. ун-та, 2010. С.79–82.

14. Шпехт И.А., Саакян Р.Р., Марченко А.Г. Метод разведочного анализа многомерных данных в условиях априорной неопределённости // Сборник трудов Десятой международной научно-практической конференции «Исследование, разработка и применение высоких технологий в промышленности» (Санкт-Петербург, 09-11 дек. 2010г.). Изд-во СПб. Полит.

ун-та, 2010. С.215–218.

15. Шпехт И.А., Самсонов А.Ю. Формализация этапа определения целей в системном анализе на основе методологии экспертноклассификационного анализа // Сборник трудов Десятой международной научно-практической конференции «Исследование, разработка и применение высоких технологий в промышленности» (Санкт-Петербург, 09-11 дек.

2010г.). Изд-во СПб. Полит. ун-та, 2010. С.218–221.

16. Шпехт И.А. Региональная интеллектуальная система социальноэкономического мониторинга для оценки качества жизни и здоровья населения на примере Краснодарского края // Информационные технологии моделирования и управления. 2010. №3. С.395–401.

17. Шпехт И.А., Самсонов А.Ю. Разработка информационной системы принятия решений с изменяющимися в реальном времени правилами на основе динамической нечеткой базы знаний // Здоровье населения – основа процветания России: Материалы V Всероссийской научно-практической конференции с международным участием (Анапа, 26-27 апр. 2011 г.). Изд-во АФ РГСУ, 2011. С.429–431.

18. Шпехт И.А. Методы и алгоритмы создания интеллектуальной системы управления качеством жизни населения на региональном и муниципальном уровне // Экономика и менеджмент систем управления. 2011.

№1. С.72–80.

19. Симанков В.С., Шпехт И.А. Автоматизация процедур системного анализа // IX Международная IEEE Сибирская конференция по управлению и связи - СИБКОН-2011(Красноярск, 15-16 сент. 2011г.): Материалы. Изд-во Сиб. фед. ун-та, 2011. С.330–333.

20. Шпехт И.А., Саакян Р.Р. Визуализация многомерных данных Всероссийская конференция (Петрозаводск, 11-17 сент. 2011г.): Сборник докладов. М.МАКСПресс, 2011. С.604–606.

21. Шпехт И.А., Самсонов А.Ю., Саакян Р.Р. Автоматизированная система анализа и моделирования дерева целей и критериев сложных систем на основе нечеткой логики // Материалы VІI Международной научнопрактической конференции «Перспективные разработки науки и техники – 2011» (Польша, 07-15 ноя. 2011г.). Изд-во Наука и образование, 2011. C.39–45.