Концептуальные основы интеллектуального моделирования

Рассмотрены вопросы интеллектуализации средств моделирования сложных процессов и систем. В результате аналитического обзора подходов предложена усовершенствованная концепция интеллектуального моделирования на основе анализа и структуризации знаний в предметной области построения моделей....

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Datum:	2016
1. Verfasser:	Степашко, В.С.
Format:	Artikel
Sprache:	Russian
Veröffentlicht:	Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України 2016
Schriftenreihe:	Управляющие системы и машины
Schlagworte:	Методология интеллектуального моделирования
Online Zugang:	http://dspace.nbuv.gov.ua/handle/123456789/113382
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Zitieren:	Концептуальные основы интеллектуального моделирования / В.С. Степашко // Управляющие системы и машины. — 2016. — № 4. — С. 3-15. — Бібліогр.: 40 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	irk-123456789-113382
record_format	dspace
spelling	irk-123456789-1133822017-02-08T03:02:55Z Концептуальные основы интеллектуального моделирования Степашко, В.С. Методология интеллектуального моделирования Рассмотрены вопросы интеллектуализации средств моделирования сложных процессов и систем. В результате аналитического обзора подходов предложена усовершенствованная концепция интеллектуального моделирования на основе анализа и структуризации знаний в предметной области построения моделей. Розглянуто питання інтелектуалізації засобів моделювання складних процесів та систем. В результаті аналітичного огляду підходів запропоновано удосконалену концепцію інтелектуального моделювання на основі аналізу і структуризації знань у предметній галузі побудови моделей. An analytical overview has been made on existing approaches to developing intelligent methods and tools for modeling complex processes and systems, including the support for the tasks of administrative decisions in various socio-economic sectors. It is concluded that the vast majority of the existing publications justify the implementation of the “intelligent modeling” simply by using the neural networks, evolutionary methods and other means of computational intelligence. In contrast, in this study a new concept of intelligent modeling as the complex processes and systems is developed, according to which it is proposed to distinguish the three main aspects: the intelligent offline modeling with the characteristics of a complex system from statistical data; the intelligent online modeling as a part of a control or decision-making process in the real time; a systemic intelligent modeling. Three of these types or levels of the modeling process can be specified as: • Intelligent modeling offline is a static task of the intellectual support of the process for building models out of the system control (from fixed base or data sample). It is shown that a proper system should be based on the inductive modeling tools, have a database and knowledge base as well as including tools of the intelligent interface. A methodology of their development is formulated based on a formalized structuring of knowledge about the subject area of the mathematical modeling from statistical data. The intelligence is focused here exactly in the interface. • Intelligent modeling online is a dynamic task of construction, adjustment and restructuring models in the system operation process (from changeable database). The appropriate system should include all the elements of the previous system and the tools supporting the knowledge-driven process of automatic or automated building models that plausibly describe the behavior of the objects in the conditions of uncertainty and incomplete prior information about the properties of the simulated objects and environment in which they operate, with accuracy being sufficient to making effective decisions by DMP under conditions of permanent changing the situation. • Systemic intelligent modeling should provide an intellectual support of processes of DSS modeling in a complex system to automatically detect optimal operating modes of a real system as well as the possible adverse or dangerous modes. The corresponding integrated system should contain the following key elements: information subsystem, which function is observing and the data storage; monitoring subsystem which is actually an online modeling; subsystem DSS which has formed the appropriate options for possible solutions and evaluated its effectiveness according to the certain criteria. This complex is practically a situational modeling system and has all the characteristics of intelligence. It includes two previous levels of the intelligent modeling. Such system has the necessarily accumulation function of knowledge about the object being modelled and the environment, as well as options for reasonable decisions in the changing situations. 2016 Article Концептуальные основы интеллектуального моделирования / В.С. Степашко // Управляющие системы и машины. — 2016. — № 4. — С. 3-15. — Бібліогр.: 40 назв. — рос. 0130-5395 http://dspace.nbuv.gov.ua/handle/123456789/113382 621.513.8 ru Управляющие системы и машины Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	Russian
topic	Методология интеллектуального моделирования Методология интеллектуального моделирования
spellingShingle	Методология интеллектуального моделирования Методология интеллектуального моделирования Степашко, В.С. Концептуальные основы интеллектуального моделирования Управляющие системы и машины
description	Рассмотрены вопросы интеллектуализации средств моделирования сложных процессов и систем. В результате аналитического обзора подходов предложена усовершенствованная концепция интеллектуального моделирования на основе анализа и структуризации знаний в предметной области построения моделей.
format	Article
author	Степашко, В.С.
author_facet	Степашко, В.С.
author_sort	Степашко, В.С.
title	Концептуальные основы интеллектуального моделирования
title_short	Концептуальные основы интеллектуального моделирования
title_full	Концептуальные основы интеллектуального моделирования
title_fullStr	Концептуальные основы интеллектуального моделирования
title_full_unstemmed	Концептуальные основы интеллектуального моделирования
title_sort	концептуальные основы интеллектуального моделирования
publisher	Міжнародний науково-навчальний центр інформаційних технологій і систем НАН та МОН України
publishDate	2016
topic_facet	Методология интеллектуального моделирования
url	http://dspace.nbuv.gov.ua/handle/123456789/113382
citation_txt	Концептуальные основы интеллектуального моделирования / В.С. Степашко // Управляющие системы и машины. — 2016. — № 4. — С. 3-15. — Бібліогр.: 40 назв. — рос.
series	Управляющие системы и машины
work_keys_str_mv	AT stepaškovs konceptualʹnyeosnovyintellektualʹnogomodelirovaniâ
first_indexed	2025-07-08T05:39:25Z
last_indexed	2025-07-08T05:39:25Z
_version_	1837056043633344512
fulltext	УСиМ, 2016, № 4 3 Методология интеллектуального моделирования УДК 621.513.8 В.С. Степашко Концептуальные основы интеллектуального моделирования Рассмотрены вопросы интеллектуализации средств моделирования сложных процессов и систем. В результате аналитического обзора подходов предложена усовершенствованная концепция интеллектуального моделирования на основе анализа и струк- туризации знаний в предметной области построения моделей. Розглянуто питання інтелектуалізації засобів моделювання складних процесів та систем. В результаті аналітичного огляду підходів запропоновано удосконалену концепцію інтелектуального моделювання на основі аналізу і структуризації знань у предметній галузі побудови моделей. Введение. Моделирование сложных процессов и систем, включая социально-экономические разного уровня (макроэкономика и социальные процессы на уровне государства, отраслевые, секторальные и региональные системы, микро- экономика предприятий и пр.), является необ- ходимым условием эффективного решения за- дач управления и принятия решений. Построе- ние адекватных прогнозирующих моделей необ- ходимо во избежание нежелательного развития процессов в таких системах. В современных процессах принятия управ- ленческих решений наибольший эффект дает использование математических моделей, для построения которых имеется много методов и средств, однако они все еще не используются широко в практике управления. В последние десятилетия широко разрабатываются и при- меняются компьютерные системы управления и поддержки принятия решений, повышение уровня их интеллектуальности в том числе средствами моделирования, что является акту- альной задачей. В данной статье рассматриваются вопросы интеллектуализации средств моделирования сложных процессов и систем, и на основе ана- лиза имеющихся подходов предложена усо- вершенствованная концепция интеллектуаль- ного моделирования, углубляющая, по мнению автора, существующую достаточно стереотип- ную точку зрения. Обзор публикаций по интеллектуально- му моделированию Целенаправленный поиск журнальных и книжных источников, в названиях и текстах ко- торых применяется термин интеллектуальное моделирование и его вариации, показал, что таких публикаций не много. В результате уда- лось найти только несколько статей украин- ских авторов [1–6] и примерно столько же из ближнего зарубежья [7–13] по данной темати- ке, в то время как в англоязычной литературе словосочетание intelligent modeling распростра- нено несколько больше, например [14–21]. Это говорит, с одной стороны, о том, что такая те- матика уже заявила о своем существовании и актуальности, а с другой – что понятие интел- лектуального моделирования все еще не явля- ется устоявшимся, широко применяемым и общепризнанным. В результате анализа подходов к разработке интеллектуальных методов и средств модели- рования сложных процессов и систем, имею- щихся в указанных источниках, можно сделать однозначный вывод, что абсолютное большин- ство публикаций, оперирующих термином ин- теллектуальное моделирование, оправдывает его применение использованием искусствен- ных нейросетей, эволюционных алгоритмов и других методов и средств вычислительного интеллекта. Отметим, что в последнее десяти- летие это уже вполне сложившаяся и даже до- 4 УСиМ, 2016, № 4 минирующая терминологическая тенденция. Многие авторы, основываясь на том, что в об- ласти искусственного интеллекта сформирова- лись специализированные группы методов и средств, называемые интеллектуальным ана- лизом данных и его обобщение вычислитель- ный интеллект, любые системы моделирова- ния, управления и принятия решений называ- ют интеллектуальными уже только ввиду ис- пользования, например, нейросетей (в абсолют- ном большинстве случаев), генетических алго- ритмов или нечеткой логики. Очевидно, что эту сложившуюся и даже сте- реотипную, но формально приемлемую, точку зрения следует принимать во внимание, одна- ко при этом глубину ее обоснованности можно ставить под сомнение. Например, нейросети можно считать специфическими средствами для построения нелинейных входо-выходных мо- делей типа черного ящика, хотя и существенно снижающие требования к уровню знания «фи- зики» объекта моделирования. При этом на- строенная сеть является вычислителем ответ- ной реакции выхода модели на входные сигна- лы, однако она не может раскрыть законы функ- ционирования объекта и соответственно уве- личить объем знаний для повышения уровня эффективности и интеллектуальности системы управления и принятия решений. В то же время среди рассмотренных источ- ников [1–21] имеется несколько публикаций, выходящих за рамки этой стереотипной тен- денции, причем это как довольно давние, так и достаточно свежие статьи. А именно, в работах [7 и 14] акцентируется на том, что в системах моделирования и управления необходимы ин- теллектуальные средства интерфейса с пользо- вателем. Это работы начала 1990-х годов. В статьях [5 и 9] интеллектуальность средств мо- делирования предложено обеспечивать реали- зацией знаний экспертов, опытных операторов и лиц, принимающих решения (ЛПР). Нако- нец, в публикациях [2, 6 и 15] утверждается, что для повышения уровня интеллектуально- сти моделирования целесообразно строить он- тологические модели предметной области. Итак, в результате краткого анализа упомя- нутых публикаций можно сделать вывод, что упрощенное, достаточно формальное понятие интеллектуальности современных компьютер- ных систем моделирования, управления и при- нятия решений можно значительно углубить, предположив использование в них следующих основных элементов:  методов и средств вычислительного ин- теллекта;  базу знаний предметной области;  средств интеллектуального интерфейса. Этот вывод, к которому автор пришел неза- висимо от указанных публикаций, подтвержда- ет целесообразность выдвижения более глубо- кой концепции интеллектуального моделиро- вания, излагаемой в данной статье. Обсуждение терминологии предметной области Для адекватного объяснения предлагаемой концепции целесообразно проанализировать со- держание некоторых релевантных терминов. Основные этапы процесса моделирования. Моделирование в самом общем смысле – это процесс исследования объектов познания на их моделях [22]. При этом предполагается заме- щение исследуемого объекта (оригинала) его ус- ловным образом, описанием или другим объ- ектом–моделью для познания свойств ориги- нала с помощью исследования его модели. Мо- делью может быть абстрактный, физический или другой объект, свойства которого в неко- тором смысле подобны свойствам исследуемо- го объекта. Однако такое понимание можно счи- тать недостаточно полным – так как в совре- менных условиях в большинстве случаев мо- делируются не только реально существующие «объекты познания», но и виртуальные, пла- нируемые, проектируемые, изобретаемые и пр. Из всего многообразия существующих и возможных видов моделирования – мысленно- го, образного, вербального, физического, на- турного, абстрактного, схематического и дру- гих – в данной статье интересно прежде всего моделирование математическое и компьютер- УСиМ, 2016, № 4 5 ное, как наиболее релевантные задачам управ- ления и принятия решений. Математическое моделирование – процесс построения и изучения математических моде- лей объектов. Этот термин охватывает боль- шой круг задач с различными специализиро- ванными названиями: конструирование моде- лей, аппроксимация зависимостей, идентифи- кация моделей (структурная и параметриче- ская), регрессионный анализ, распознавание, классификация, кластеризация, прогнозирова- ние и др. Компьютерное моделирование в узком смыс- ле – это численное исследование математиче- ских моделей, в широком смысле – имитаци- онное моделирование, т.е. построение комплек- сов моделей, отражающих структуру сложных систем, и проведение вычислительных экспе- риментов с целью изучения возможных режи- мов функционирования исследуемой системы в реальных условиях [23]. Имитационное мо- делирование предполагает предварительное при- менение методов системного анализа [24] для корректного и достаточно полного компьютер- ного представления изучаемой системы и ок- ружающей ее среды. Из сказанного можно сделать вывод, что под термином моделирование следует пони- мать не один, а три разных, но взаимосвязан- ных процесса:  моделирование как некоторый процесс по- строения модели;  моделирование как процесс исследования модели – аналитически или численно;  моделирование как процесс компьютерно- го изучения модели сложной системы. Обобщенный жизненный цикл процесса мо- делирования произвольного объекта или сис- темы показан на рис. 1. На рисунке указано, что в случае неудовле- творительной апробации или проверки адек- ватности по заданному критерию следует воз- вратиться на один из предыдущих эта- пов. При этом под термином примене- ние построенной мо- дели понимается реализация ее целевого на- значения – в частности, для изучения и описа- ния закономерностей функционирования объ- екта, распознавания его состояния, проверки его возможной реакции на внешние воздейст- вия, прогнозирования его поведения, а также для управления и/или поддержки действий ли- ца, принимающего решения (ЛПР). Отметим, что адекватной наиболее есте- ственно считать модель, обеспечивающую дос- тижение цели моделирования – например, по- вышение эффективности решения задач управ- ления и принятия решений. Модель, адекват- ная в указанном смысле, не обязательно долж- на быть«физической»: она может вообще ни- как не отражать внутреннюю структуру объек- та и закономерности его функционирования – достаточно, чтобы она была правдоподобной, т.е. не противоречила данным измерений и ап- риорной информации об объекте [25]. Напри- мер, в широком спектре приложений, в том числе в задачах управления [26], успешно применяются модели Бокса–Дженкинса для прогнозирования временных рядов без привяз- ки к внутренней природе таких процессов. Два основных подхода к построению мо- делей. Процесс математического моделирова- ния (см. рис. 1) предполагает обязательное при- сутствие в нем как минимум трех основных составляющих:  объект целевого моделирования, реаль- ный или виртуальный;  субъект, строящий модель (в том числе группа исследователей) с определенной целью – его часто называют также модельер;  модель, создаваемая или созданная в соот- ветствии с заданной целью. Естественно, ведущая роль в этом процессе от- ведена именно субъекту, модельеру, который оп- ределяет цель моделирования, выполняет синтез модели, проверяет ее адекватность и принимает решение о применении построенной модели. Объект Изучение объекта Построение модели Исследование модели Апробация модели Применение модели Рис. 1. Общее представление этапов процесса моделирования Объект Изучение объекта Построение модели Исследование модели Апробация модели Применение модели Рис. 1. Общее представление этапов процесса моделирования 6 УСиМ, 2016, № 4 Очевидно, что во всем про- цессе моделирования главным, наиболее трудоемким и требую- щим интеллектуальных усилий модельера является этап постро- ения модели объекта – все ос- тальные этапы могут быть дос- таточно рутинными. Известно, что для построения модели в распоряжении субъекта модели- рования имеются два основных подхода, которые можно назвать противоположными: создание мо- дели на основе изучения законов и закономерностей функциони- рования объекта; синтез модели на основе анализа и обобщения данных о пове- дении объекта, имеющихся или полученных в результате опытов, статистических наблюде- ний, экспериментов. В современной англоязычной литературе эти два подхода принято называть theory-driven approach (подход, определяемый теорией) и data-driven approach (подход, определяемый данными), с их весьма информативным срав- нительным анализом можно ознакомиться в [27]. Коренное различие этих подходов можно представить в виде рис. 2, из которого понят- но, почему первый из них характеризуется как top-down approach (подход сверху–вниз, или нисходящий), а второй – как bottom-up approach (подход снизу–вверх, или восходящий). Под- ход на основе теории целесообразно называть также дедуктивным, т.е. идущим от общих за- конов к частной модели, а подход на основе данных – индуктивным ввиду того, что полу- чаемая модель обобщает частные результаты наблюдений. Итак, дедуктивным моделированием будем называть процесс перехода от общих законов и закономерностей функционирования объекта к конкретной (частной) его модели, а индуктив- ным моделированием – соответственно про- цесс перехода от конкретных данных к обоб- щающей их модели, т.е. построенная модель может выступать и как частное (нисходящий процесс), и как общее (восходящий процесс) явление в зависимости от того, с применением какого подхода она получена. Отметим, что эти два подхода иногда называют также тео- ретическим и эмпирическим соответственно. Несмотря на явную противоположность под- ходов дедуктивного и индуктивного модели- рования, очевидно, что как научные методы они дополняют друг друга [27], причем там оба подхода, нисходящий и восходящий, отно- сят к области искусственного интеллекта (ИИ) на том основании, что первый сводится к раз- работке экспертных систем с применением ло- гического вывода, а второй в настоящее время обеспечен широким арсеналом средств вычис- лительного интеллекта как составная часть ИИ. В этой же работе обсуждается существенное пересечение терминологии, методов и средств таких научных направлений индуктивного ти- па, как вычислительный интеллект (computa- tional intelligence), интеллектуальный анализ данных (data mining), машинное обучение (ma- chine learning) и мягкие вычисления (soft com- puting). Однако следует отметить также, что разли- чие дедуктивного и индуктивного подходов к решению задач моделирования имеет и другую особенность. Первый из них носит ярко вы- раженный субъективный характер, поскольку качество построенной модели существенно оп- ределяется знаниями, умениями и интеллектом конкретного модельера. А второй подход но- Законы и закономерности функционирования объекта Знания и умения модельера, конструктора МОДЕЛЬ ОБЪЕКТ Инструментальные средства построения моделей по данным Статистические, экспериментальные данные ЛПР Изучение «физики» объекта Сбор данных об объекте Дедуктивное моделирование (субъективный характер) Индуктивное моделирование (объективный характер) Рис. 2. Два различных подхода к построению моделей объектов УСиМ, 2016, № 4 7 сит объективный характер, поскольку он бо- лее технологичный – в нем применяются хо- рошо апробированные инструментальные сред- ства вычислительного интеллекта. Поэтому оче- видно, что для одного и того же объекта две его модели, построенные по двум этим подхо- дам, как правило, будут различными. Понятно, что более высокую продуктивность при реше- нии таких задач будут иметь тот модельер или та группа исследователей, которые умеют гар- монично и квалифицированно сочетать оба подхода. С учетом сказанного, можно дать следую- щую самую общую характеристику интеллек- туальности компьютерных систем моделиро- вания (по аналогии с известным тестом Тью- ринга): интеллектуальное моделирование – это процесс построения моделей объектов с при- менением знаний и инструментальных средств, обеспечивающих достижение качества моде- лей на уровне квалифицированного конструк- тора моделей (пользователя, модельера). Та- кое функциональное (хотя и неконструктив- ное) определение предполагает реализацию в системе моделирования знаний модельера или группы исследователей как об инструменталь- ных средствах поддержки процесса моделиро- вания, так и о предметной области объекта, а также о способах организации интерфейса с системой. Так, снова выходим на три основ- ных элемента системы интеллектуального мо- делирования, указанные в качестве основного вывода в предыдущем разделе статьи. Очевидно, что в рамках такого определения уровень интеллектуальности любой компью- терной системы моделирования, реализован- ной на основе знаний и умений эксперта (или их группы) в данной предметной области, мо- жет быть различным в зависимости от глубины этих знаний и от квалификации конструкторов системы. Поэтому можно ставить задачу опре- деления некоторой шкалы уровня интеллекту- альности и соответствующей меры на этой шкале – однако такая задача выходит за рамки данной статьи. При этом очевидно, что про- стой факт использования средств вычисли- тельного интеллекта будет давать только неко- торую часть баллов для продвижения по такой вртуальной шкале в сторону повышения уров- ня интеллектуальности. О концепции интеллектуального модели- рования При обсуждении возможных подходов к ин- теллектуализации общего процесса моделиро- вания (см. рис. 1) часто возникает вопрос: мо- жет ли моделирование в принципе быть не ин- теллектуальным? Ответить на него можно дву- мя утверждениями. Во-первых, как было отме- чено ранее, под термином моделирование по- нимают три достаточно разных процесса – по- строение модели, ее аналитическое исследова- ние и компьютерная реализация, – и только первый из них напрямую требует знаний, уме- ний и интеллектуальных усилий от модельера, т.е. именно первый процесс или этап построе- ния модели действительно всегда можно счи- тать интеллектуальным, в то время как два других могут не соответствовать такой харак- теристике, поскольку имеют определенную не- зависимость от первого и выполняются часто как самостоятельные и даже рутинные этапы моделирования. Во-вторых, в современном понимании про- блема интеллектуализации процесса модели- рования подразумевает интеллектуальное по- ведение не модельера или исследователя, а со- ответствующей компьютерной системы с глав- ным акцентом именно на этапе построения мо- делей. Поэтому для конструирования такой сис- темы следует прежде всего определиться с кон- цепцией интеллектуального моделирования, затем проанализировать в целом предметную область построения моделей с целью структу- ризации знаний об основных этапах моделиро- вания, применяемых методах и условиях эф- фективности моделей, и после этого формули- ровать задание на конструирование соответ- ствующей компьютерной системы. Отметим, что вопросы конструирования и реализации такой системы требуют отдельного рассмотре- ния и в данной статье не затрагиваются. При- мер конструирования моделирующей системы информационной поддержки управленческих решений с применением современных средств 8 УСиМ, 2016, № 4 можно найти в [28], а общая методика объект- но-ориентированного проектирования и про- граммирования описана в [29]. При формировании концепции интеллекту- ального моделирования сложных процессов и систем необходимо учитывать общие условия, в которых возможно применение соответст- вующих методов и инструментальных средств. Целесообразно различать три основных вари- анта таких условий:  автономное применение для построения моделей вне контура управления;  встроенное использование в действующей системе управления;  комплексное имитационное моделирова- ние. С учетом этого можно указать три основных уровня интеллектуализации таких систем: ин- теллектуальное офлайн-моделирование для по- строения моделей объектов по имеющимся данным; интеллектуальное онлайн-моделиро- вание в составе действующей системы управ- ления или принятия решений; комплексное интеллектуальное моделирование режимов ра- боты сложной системы. Эти разновидности или уровни процесса интеллектуального моделирования можно оп- ределить так: Автономное интеллектуальное моделиро- вание (АИМ), или ИМ-офлайн, – это стати- ческая задача интеллектуальной поддержки про- цесса построения моделей вне системы уп- равления, т.е. по фиксированной базе или вы- борке данных. Соответствующая система (рис. 3) должна базироваться на инструмен- тальных средствах индуктивного моделирова- ния (вычислительного интеллекта), иметь базу данных и базу знаний, а также содержать сред- ства интеллектуального интерфейса. Как видно из рисунка, предлагаемая система, кроме ука- занных трех основных элементов системы ин- теллектуального моделирования, должна со- держать также базу данных, что очевидно. Интеллектуальные ресурсы сосредоточены не только в базе знаний, но и в интерфейсе системы, обеспечивающем как интерактивную поддержку решений пользователя/модельера на всех этапах процесса построения моделей, так и полностью автоматическое решение за- дач моделирования в случае необходимости. Пользователь (модельер, конструктор) Интеллектуальный интерфейс Инструментальные средства моделирования База данных База знаний Рис. 3. Основные структурные компоненты системы АИМ Методология формирования содержательного наполнения этих четырех структурных элемен- тов системы АИМ на основе формализованной структуризации знаний о некоторой предмет- ной области, в том числе сферы индуктивного математического моделирования по статисти- ческим данным, описано в следующем разделе статьи. Встроенное интеллектуальное моделиро- вание (ВИМ), или ИМ-онлайн, является дина- мической задачей автоматического или автома- тизированного построения, корректировки и из- менения моделей, правдоподобно описывающих поведение объектов в условиях неполноты и не- определенности априорной информации о свой- ствах моделируемых объектов и среды, в кото- рой они функционируют, с точностью, доста- точной для принятия эффективных решений ЛПР в условиях возможного изменения ситуа- ций. Соответствующая система, основные функ- ции которой представлены на рис. 4, должна действовать в процессе работы моделируемого объекта (по изменяемой базе данных) и бази- роваться на априорных и накапливаемых зна- ниях об объекте и среде его функционирования. Она должна включать в себя как все элементы предыдущей системы (которые выполняют пре- жде всего функцию «Моделирование»), так и средства поддержки процесса построения и применения моделей в онлайн-режиме. Отметим, что функциональные характери- стики системы ВИМ, выполняемые цикличе- ски, в темпе поступления новых данных, фак- тически соответствуют полному циклу задач мониторинга, понимаемого в широком смысле УСиМ, 2016, № 4 9 [30]: отслеживание состояния объекта и окру- жающей среды (именно так в обыденном смыс- ле понимают мониторинг); оценивание произо- шедших изменений; анализ причин этих изме- нений; моделирование состояния объекта и сре- ды; прогнозирование тенденций развития кон- тролируемых процессов. Если пять названных Отслеживание Оценивание Анализ Моделирование Прогнозирование ОБЪЕКТ ЛПР ВИМ Рис. 4. Основные функции системы встроенного интеллекту- ального моделирования функций дополнить еще двумя – агрегирование результатов выполнения этих функций и их ви- зуализация, – получим перечень функциональ- ных особенностей систем информационной поддержки управленческих решений СИПУР [31]. Эти функции агрегирования и визуализа- ции существенны для предоставления ЛПР информации, необходимой для принятия эф- фективных решений, в максимально наглядной и удобной для восприятия и понимания форме. Комплексное интеллектуальное модели- рование (КИМ), или ИМ-комплекс, – это за- дача построения и использования программно- го комплекса имитационного моделирования работы сложной системы, в котором имеются средства, обеспечивающие интеллектуальное со- провождение процессов моделирования рабо- ты СППР в сложной системе с целью автома- тического выявления как оптимальных режи- мов работы реальной системы, так и возмож- ных неблагоприятных или критических сцена- риев. Соответствующая комплексная система должна содержать следующие основные под- системы:  информационную подсистему, функция ко- торой – наблюдение и накопление данных;  подсистему мониторинга – фактически он- лайн-моделирование с целью информационной поддержки текущих решений ЛПР;  подсистему СППР, в которой формируют- ся целесообразные варианты возможных ре- шений и оценивается их эффективность по оп- ределенным критериям. Такой комплекс практически служит систе- мой ситуационного моделирования и имеет все характеристики интеллектуальности, причем включает в себя два предыдущих уровня систем интеллектуального моделирования. Такая сис- тема обязательно должна иметь функцию нако- пления знаний об объекте моделирования и сре- де, а также о целесообразных вариантах приня- тия решений в различных изменяющихся ситуа- циях. Более глубокое представление структуры и функций такой системы выходит за рамки данной статьи. Можно отметить, что содержание статей [5 и 6], видимо, в основном соответствует именно этому третьему уровню задач. МГУА как основа разработки средств ин- теллектуального моделирования. Сложность двух первых задач – автономного и встроенного моделирования, решаемых по данным наблю- дений, – определяется принципиальным свойст- вом этого класса задач: на практике они реша- ются в условиях неопределенности и неполноты информации, которые существенно влияют на качество решения. Все их разновидности можно отнести к двум основным группам:  неопределенности, относящиеся к данным, т.е. к априорной информации о моделируемом объекте; – структурная, означающая неполное зна- ние связей вход–выход и не позволяющая од- нозначно задать структуру модели; – информационная – данные часто небольшо- го объема, неполные и неточные, и обычно ха- рактеризуют не все множество факторов, влияю- щих на моделируемую (целевую) переменную; – стохастическая – в виде неизвестного ха- рактера и уровня шума в выборке данных;  неопределенности, относящиеся к сред- ствам обработки данных, т.е. к применяемой технологии моделирования: – функциональная, состоящая в выборе аде- кватного базисного набора функций или опе- раторов, в котором ищется модель; – параметрическая – относящаяся к выбору метода решения задачи параметрической иден- тификации; 10 УСиМ, 2016, № 4 – критериальная – относительно выбора кри- терия решения основной задачи структурной идентификации; – методическая – заранее неизвестно, какой метод моделирования целесообразно приме- нить в конкретном случае; – технологическая – неизвестно, какое про- граммное средство выбрать среди имеющихся или разработать для решения конкретной зада- чи моделирования. Эти аспекты отражают реальную сложность проблемы построения моделей в рамках ин- дуктивного подхода и предполагают интеллек- туализацию процесса ее решения. Существую- щие методы и средства вычислительного ин- теллекта в той или иной степени обладают свойством интеллектуальности. Одним из них является предложенный академиком А.Г. Ивах- ненко в 1968 г. [32, 33] метод группового уче- та аргументов (МГУА), в наиболее полном виде воплощающий сущность индуктивного подхода и активно развиваемый и в настоя- щее время [34]. МГУА – это метод синтеза моделей с авто- матическим выбором структуры и параметров линейных, нелинейных, разностных и других моделей на основе короткой выборки данных в условиях неопределенности и неполноты ис- ходной информации с целью выявления неиз- вестной закономерности функционирования исследуемого объекта или процесса, информа- ция о которой неявно содержится в выборке данных. МГУА отличается от других методов по- строения моделей активным применением прин- ципов автоматической генерации индуктивно усложняемых вариантов, неокончательных ре- шений и последовательной селекции по внеш- ним критериям для построения моделей опти- мальной сложности. Метод имеет оригиналь- ную многорядную процедуру автоматической генерации структур моделей, которая имити- рует процесс биологической селекции с по- парным учетом последовательных признаков. Для сравнения и выбора лучших моделей при- меняются внешние критерии, основанные на делении выборки на две и более частей, при- чем оценивание параметров и проверка каче- ства моделей выполняется на разных подвы- борках. Это позволяет обойтись без обремени- тельных априорных предположений, посколь- ку деление выборки позволяет неявно (автома- тически) учесть разные виды априорной неоп- ределенности при построении модели. Отметим, что в последние 20 лет типичную структуру МГУА начали называть также ней- росетью, причем в англоязычной литературе классический многорядный алгоритм МГУА ча- ще всего называют Polinomial Neural Network (PNN), т.е. Полиномиальная Нейронная Сеть (ПНС). При этом один из основных элементов итерационных алгоритмов МГУА, а именно полиномиальное частное описание от двух ар- гументов, рассматривается как элементарный нейрон ПНС МГУА. Оригинальность и эффек- тивность нейросети из таких нейронов заклю- чается в скорости процесса локальной на- стройки весов нейронов и автоматической гло- бальной оптимизации (т.е. самоорганизации) структуры сети (числа узлов и количества ря- дов или скрытых слоев). Это означает, что популярная в последние го- ды проблема так называемого «глубокого обу- чения нейросетей» [35] была решена автором МГУА сразу же при создании своего метода: количество рядов/слоев нейросети МГУА нара- щивается до тех пор, пока уменьшается значение внешнего критерия, и прекращается при начале его возрастания. При этом автоматически реша- ется также известная проблема «переобучения» сети – в данном методе эффект переобучения невозможен именно при разделении выборки на части. Другими словами, в алгоритмах МГУА разделение выборки неявно (автоматически) обеспечивает соблюдение известного принципа компромисса между сложностью модели и ее точностью при построении модели оптимальной сложности. Это позволяет отнести МГУА к наиболее эффективным методам вычислительного ин- теллекта и положить его в основу разработки инструментальных средств интеллектуального моделирования. УСиМ, 2016, № 4 11 Структуризация знаний в заданной пред- метной области При разработке современных информаци- онных технологий решения некоторого класса задач возникает необходимость определенных знаний в заданной области, например, с целью разработки структуры баз знаний и/или функ- ционального и диалогового обеспечения интел- лектуальных систем, в том числе систем моде- лирования сложных объектов и процессов. Для этого целесообразно проанализировать такие аспекты этой проблемы структуризации [36]:  определение основных этапов процесса решения заданного класса задач;  выделение основных методов решения та- ких задач и сравнение их функциональных возможностей;  сравнительный анализ эффективности вы- деленных методов;  анализ и обобщение опыта их применения для формирования необходимых правил пред- почтительного выбора тех или иных методов. Рассмотрим эти аспекты задачи структури- зации. Основные этапы решения класса задач оп- ределяем, исходя из следующей достаточно общей их формулировки. Пусть имеется некоторое множество  воз- можных решений в заданном классе задач К, и качество каждого решения f   характеризу- ется значением заданного критерия C(f). Тогда лучшим (оптимальным) в смысле данного кри- терия является решение, соответствующее ми- нимуму критерия. Поскольку  – дискретное множество, имеем задачу дискретного (целочис- ленного) программирования. Очевидно, что для исчерпывающей формулировки задачи допол- нительно следует указать необходимое количе- ство р основных этапов Е1, ... ... Ер решения этого класса за- дач, например: задать вид и объем исходной информации; указать класс базисных опера- торов, из которых формируют- ся структуры решений множе- ства ; определить способ ге- нерации возможных решений в выбранном ба- зисе; задать критерий C (f) качества каждого из решений f и метод его минимизации. Такие этапы могут описывать произвольный процесс решения заданного класса задач К, при- чем в зависимости от априорной информации и цели решения те или иные этапы могут отсут- ствовать. Очевидно, что эти этапы должны быть положены в основу функциональной архитекту- ры соответствующей программной системы как основные элементы структуры базы знаний в этой области. Пусть каким-либо образом (с помощью ана- лиза литературы или опроса экспертов) отобра- но некоторое множество методов М1, ..., Мq ре- шения заданного класса задач К. Каждый из них решает задачу (1) и, соответственно, может быть охарактеризован определенным набором вари- антов возможностей или возможных решений Аі(Мj), i = 1, …, p, j = 1, …, q, предоставляемые на каждом из основных этапов процесса реше- ния заданного класса задач. Таким образом, ка- ждый из q методов можно описать таким коли- чеством основных компонентов, которые соот- ветствуют p основным этапам процесса решения класса задач. С учетом таких основных компонентов мож- но корректно сравнить функциональные особен- ности заданного множества методов. С другой стороны, для отобранной совокупности методов, расчленив каждый из них на такие составляю- щие, можно создать объединенные подмножест- ва возможных решений Аі = j=1,...,q Аі(Мj) на ка- ждом из р основных этапов процесса решения и анализировать эти множества как самостоятель- ные научные объекты (таблица). Отметим, что эти множества имеют тот же смысл, что и мно- жества возможных неповторяющихся вариан- тов выбора на каждом из этапов процесса ре- Общая структура вариантов решений на каждом из р этапов для q методов Варианты возможных решений для q методов Этапы процесса решения задач Метод М1 ... Метод Мj ... Метод Мq Множества ре- шений на этапах Е1 А1(М1) ... А1(Мj) ... А1(Мq) А1 ... ... ... ... ... ... ... Еі Аі(М1) ... Аі(Мj) ... Аі(Мq) Аі ... ... ... ... ... ... ... Ер Ар(М1) ... Ар(Мj) ... Ар(Мq) Ар 12 УСиМ, 2016, № 4 шения задачи, т.е. указанное расчленение и обобщение методов дает оригинальный ключ к формированию функционального наполнения соответствующей программной системы. Отметим также, что способ формирования этой таблицы имеет некоторую аналогию с иде- ями метода морфологического анализа задан- ной предметной области [37, 38], применимого прежде всего для решения творческих (интел- лектуальных) задач. Сравнение эффективности различных мето- дов сводится главным образом к задачам срав- нительного исследования эффективности ис- пользуемых в них критериев качества возмож- ных решений (например, критериев выбора мо- делей), как путем теоретического анализа, так и тестовых экспериментов. Анализ опыта применения методов необхо- дим для построения правил выбора лучших решений на каждом этапе общего процесса решения задачи, на основе которых разрабаты- вается структура интерактивного диалога. От уровня обоснованности таких правил и их раз- нообразия по отношению к условиям модели- рования зависит интеллектуальный уровень диалога и соответственно системы в целом. Изложенная общая идея структуризации зна- ний о процессе решения заданного класса за- дач может быть положена в основу разработки баз знаний и средств интеллектуального ин- терфейса для знание-ориентированных интел- лектуальных программных систем, в том числе рассматриваемых здесь систем интеллектуаль- ного моделирования. Структурированные знания, полученные в результате описанного анализа заданной пред- метной области, дают возможность в интерак- тивном или автоматическом режиме решать задачу синтеза наилучшего метода или алго- ритма для каждой конкретной прикладной за- дачи моделирования. Более подробно задача вывода наилучшего алгоритма рассмотрена в [39, 40], в данном случае целесообразно при- вести наглядную иллюстрацию такого вывода [39], объясняющую его основную идею. Пусть выполнен описанный выше анализ предметной области, в результате которого для каждого из этапов р решения задачи получены множества альтернативных решений Ai = {аij}, i = p,1 . На каждом этапе должно быть приня- то одно из возможных решений. Очевидно, что полное множество возможных решений есть А = A1A2A3…Aр. Если на каком-либо этапе выбирается какое- то одно решение aij  Ai, то полное множество решений на каждом из последующих этапов распадается на допустимые и недопустимые подмножества, и с каждым этапом размер- ность допустимого подмножества последова- тельно уменьшается. Это показано на рис. 5 [39], который отражает сущность процесса последо- вательного выбора решений, хотя и не отражает всей его сложности. A1 A2 A3 A4 A5 A6 а11 а67 а22 а57 а45 а34 Рис. 5. Сужение множества допустимых решений на каждом этапе задачи (светлые квадраты – недопустимые реше- ния, темные – допустимые) Так, после достижения последнего этапа р получены, вообще говоря, определенные це- почки принятых решений, каждая из которых в совокупности представляет собой некоторый специализированный алгоритм решения кон- кретной задачи построения модели как резуль- тат последовательного синтеза в структуриро- ванном множестве возможных вариантов. В общем случае таких алгоритмов-цепочек мо- жет быть больше одного, и далее можно либо применить каждый из них для сравнительного решения конкретной задачи моделирования с целью выбора лучшего варианта принятия при- кладных решений ЛПР, либо сразу выбрать из них лучший в некотором смысле – например, УСиМ, 2016, № 4 13 алгоритм с минимальными вычислительными затратами. Процедуру последовательного принятия ре- шений можно применить для корректной орга- низации процесса извлечения знаний из экс- перта в виде правил перехода от этапа к этапу. Такие знания при их компьютерной реализа- ции могут быть основой как для автоматиче- ского решения задач моделирования, так и для организации интеллектуального интерфейса с пользователем в процессе построения моделей. Заключение. В результате анализа подхо- дов к разработке интеллектуальных методов и средств моделирования сложных процессов и систем в современных публикациях, сделан вы- вод, что абсолютное большинство статей, опе- рирующих термином интеллектуальное модели- рование, подразумевают под его применением формальное использование методов и средств вычислительного интеллекта. Такое упрощен- ное понятие интеллектуальности современных компьютерных систем моделирования, управ- ления и принятия решений можно значительно углубить на основе знание-ориентированного подхода. Выполнено содержательное обсуждение ре- левантной терминологии предметной области моделирования и предложено следующее дос- таточно общее определение: интеллектуальное моделирование – это процесс построения мо- делей объектов с применением знаний и инст- рументальных средств, обеспечивающих дос- тижение качества моделей на уровне квалифи- цированного модельера–исследователя. Установлено, что с учетом возможных ус- ловий применения соответствующих методов и инструментальных средств интеллектуально- го моделирования целесообразно рассматри- вать три основных уровня интеллектуализации таких средств:  интеллектуальное офлайн-моделирование для построения моделей объектов по имею- щимся данным;  интеллектуальное онлайн-моделирование в составе действующей системы управления или принятия решений;  комплексное интеллектуальное моделиро- вание режимов работы сложной системы. Даны необходимые комментарии, характе- ризующие эти три уровня соответственно ав- тономного, встроенного и комплексного ин- теллектуального моделирования и показано, что в основу разработки соответствующих ин- струментальных средств целесообразно поло- жить алгоритмы МГУА как эффективного ме- тода вычислительного интеллекта. В основу разработки соответствующих ком- пьютерных средств моделирования должны быть положены результаты структуризации зна- ний в данной области с целью исследования структуры баз знаний, функционального обес- печения и средств интеллектуального интер- фейса для знание-ориентированных систем ин- теллектуального моделирования. 1. Буров Є.В. Система моделювання інтелектуальної мережі бізнес-процесів // Інформаційні системи та мережі. – Вісн. НУ «Львівська політехніка». – 2008. – № 610. – С. 34–39. 2. Литвин В.В. Моделювання інтелектуальних систем підтримки прийняття рішень з використанням он- тологічного підходу // Радіоелектроніка, інформа- тика, управління. – 2011. – № 2 (25). – С. 93–101. 3. Зачко О.Б. Інтелектуальне моделювання парамет- рів продукту інфраструктурного проекту (на при- кладі аеропорту «Львів») // Восточно-Европейский журнал передовых технологий. – 2013. – № 10 (61). – Т. 1. – С. 92–94. 4. Корольов О.Л., Круліковський А.П. Інтелектуальні методи моделювання процесів управління проектами // Ученые записки Таврич. нац. ун-та им. В.И. Вер- надского, Серия «Экономика и управление». – 2013. – № 26 (65). – Т. 1. – С. 73–86. 5. Тимашова Л., Витковски Т. Технология интеллек- туального производственного моделирования вир- туальных предприятий // Вестн. Нац. техн. ун-та «Харьковский политехнический институт». Серия Информатика и моделирование. – 2015. – № 32. – С. 136–147. 6. Валькман Ю.Р., Степашко П.В. На пути построе- ния онтологии интеллектуального моделирования // Індуктивне моделювання складних систем. – 7. – К.: МННЦ ІТтаС НАНУ, 2015. – С. 101–115. 7. Меркурьев Ю.А., Тейланс А.А., Меркурьева Г.В. Ин- теллектуальное моделирование производственных процессов // Программные продукты и системы. – 1991. – № 3. – С. 43–49. 14 УСиМ, 2016, № 4 8. Гладкий С.Л., Степанов Н.А., Ясницкий Л.Н. Ин- теллектуальное моделирование физических про- блем. – М.: Изд-во Ин-та компьютерных исследо- ваний, 2006. – 200 с. 9. Микони С.В., Киселёв И.С. Интеллектуальное имита- ционное моделирование предпочтений экспертов на матрицах парных сравнений // Сб. докл. Всерос. науч.-практ. конф. «Имитационное моделирование. Теория и практика» ИММОД-2007. – Т. 1. – СПб: ФГУП ЦНИИТС, 2007. – С. 182–186. 10. Новикова Е., Демидов Н. Средства интеллектуаль- ного анализа и моделирования сложных процессов как ключевой инструмент ситуационного управле- ния // Connect. Мир информационных технологий. – 2012. – № 3. – С. 84–89. 11. Горбатков С.А., Рашитова О.Б., Солнцев А.М. Ин- теллектуальное моделирование в задаче принятия решений в рамках налогового управления // Вестн. Уфимск. гос. авиацион. техн. ун-та. – 2013. – № 1 (54). – Т. 17. – С. 182–187. 12. Полупанов Д.В., Хайруллина Н.А. Интеллектуаль- ное моделирование сегментации торговых центров на основе самоорганизующихся карт Кохонена // Науковедение. – 2014. – 1. – С. 1–15. 13. Глушков С.В., Левченко Н.Г. Интеллектуальное моделирование как инструмент повышения эффек- тивности управления транспортно-логистическим процессом // Тр. Междунар. науч.-техн. конф. Ев- разийского научного объединения, 2014. – С. 1–5. 14. Amarger R., Biegler J.L.T., Grossmann I.E. An Intelli- gent Modelling Interface for Design Optimization. – Pittsburgh: Carnegie Mellon Univ., 1990. – 43 p. 15. Intelligent Modelling of Virtual Worlds Using Domain Ontologies / W. Bille, B. Pellens, F. Kleinermann et al. // Proc. of the Workshop of Intelligent Comp. (WIC), held in conjunction with the MICAI 2004 conf., Mex- ico. – Mexico City, 2004. – P. 272–279. – ISBN 968- 489-024-9. 16. Balic J., Cus F. Intelligent modelling in manufacturing // J. of Achievements in Materials and Manufacturing Engin. – 2007. – 24. – Issue 1. – P. 340–349. 17. Al-Shareef A.J., Abbod M.F. Intelligent Modelling Tech- niques of Power Load Forecasting for the Western Area of Saudi Arabia // J. of King Abdulaziz Univ.: Eng. Sci. – 2010. – 21. – N 1. – P. 3–18. 18. Computationally Intelligent Modelling and Control of Fluidized Bed Combustion Process / Ž.M. Čojbašič, V.D. Nikolič, I.T. Čirič et al. // Thermal Science. – 2011. – 15, N 2. – P. 321–338. 19. Advances in Intelligent Modelling and Simulation: Artificial Intelligence-Based Models and Techniques in Scalable Computing / Eds J. Kołodziej, S.U. Khan, T. Burczyński. – Berlin–Heidelberg: Springer-Verlag, 2012. – 381 p. 20. Sharma A., Yadava V., Judal K.B. Intelligent Modelling and Multi-Objective Optimisation of Laser Beam Cut- ting of Nickel Based Superalloy Sheet // Int. J. of Manufacturing, Materials, and Mechanical Engineer- ing (IJMMME). – 2013. – N 3 (2). – P. 1–16. 21. Simjanovska M., Gusev M., Madevska-Bogdanova A. Intelligent modelling for predicting students' final grades // Proc. of 37th Int. Convention on Information and Communication Technology, Electronics and Mi- croelectronics (MIPRO), Opatija, 2014. – IEEE Publ., 2014. – P. 1216–1221. – ISBN: 978-953-233-081-6. 22. https://ru.wikipedia.org/wiki/Моделирование 23. Томашевський В.М. Моделювання систем. – К.: Вид. група BHV, 2005. – 351 с. 24. Згуровський М.З., Панкратова Н.Д. Основи систем- ного аналізу. – Там же, 2007. – 546 с. 25. Льюнг Л. Идентификация систем. Теория для поль- зователя. – М.: Наука, 1991. – 432 с. 26. Кашьяп Р.Л., Рао А.Р. Построение динамических стохастических моделей по экспериментальным данным. – Там же, 1983. – 383 с. 27. Manhart K. Artificial Intelligence Modelling: Data Driven and Theory Driven Approaches // Social Science Microsimulation / Ed. by K.G. Troitzsch, U. Mueller, G.N. Gilbert, J.E. Doran. – Berlin–Heidelberg: Springer- Verlag, 1996. – P. 416–431. 28. Самойленко А.А. Конструирование системы ин- формационной поддержки управленческих реше- ний // УСиМ. – 2014. – № 5. – С. 61–68. 29. Об’єктно-орієнтоване моделювання при проектуван- ні вбудованих систем і систем реального часу. Навч. посібник / В.В. Литвинов, С.В. Голуб, К.М. Григор’єв та ін. – Черкаси: Черкаський нац. ун-т ім. Б. Хмель- ницького, 2011. – 379 с. – ISBN 978-966-2545-15-9. 30. Карпов В., Пугачова М., Степашко В. Статистич- ний моніторинг соціально-економічних процесів як актуальне завдання державної статистики // Стати- стика України. – 2000. – № 2. – С. 33–40. 31. Самойленко О.А., Степашко В.С. Система інфор- маційної підтримки прийняття оперативних управ- лінських рішень // Моделювання та керування ста- ном еколого-економічних систем регіону. Зб. наук. праць. – К.: МННЦ ІТтаС НАН та МОН України, 2008. – 4. – С. 211–219. 32. Івахненко О.Г. Метод групового урахування аргу- ментів – конкурент методу стохастичної апрокси- мації // Автоматика. – 1968. – № 3. – С. 58–72. 33. Ивахненко А.Г. Индуктивный метод самоорганиза- ции моделей сложных систем. – Киев: Наук. думка, 1982. – 296 с. 34. Степашко В.С. Елементи теорії індуктивного мо- делювання / Стан та перспективи розвитку інформа- тики в Україні. Кол. авторів. – К.: Наук. думка, 2010. – С. 481–496. 35. https://en.wikipedia.org/wiki/Deep_learning 36. Степашко В.С. О задаче структуризации знаний эксперта в области моделирования по эмпириче- УСиМ, 2016, № 4 15 ским данным // Кибернетика и выч. техника. – 1991. – 92. – С. 80–83. 37. Одрин В.М. Метод морфологического анализа тех- нических систем. – М.: ВНИИПИ, 1989. – 311 с. 38. Шередеко Ю.Л. Морфологический инструмента- рий творчества в системах поддержки принятия решений // Системи підтримки прийняття рішень. Теорія і практика. Зб. доп. наук.-практ. конф. – К.: ІПММС НАНУ, 2006. – С. 173–176. 39. Степашко В.С., Зворыгина Т.Ф. Об одном подходе к проблеме вывода решений в сложной задаче // УСиМ. – 2003. – № 6. – C. 82–87. 40. Stepashko V.S., Zvorygina T.F. Intelligent System De- sign for Knowledge Structure Models from Observed Data // Proc. of 17th Europ. Simul. Multiconf. ESM’2003, Nottingham, England, 9–11 June, 2003. – P. 603–612. E-mail: stepashko@irtc.org.ua © В.С. Степашко, 2016 UDC 621.513.8 V.S. Stepashko Conceptual fundamentals of intelligent modeling An analytical overview has been made on existing approaches to developing intelligent methods and tools for modeling complex processes and systems, including the support for the tasks of administrative decisions in various socio-economic sectors. It is concluded that the vast majority of the existing publications justify the implementation of the “intelligent model- ing” simply by using the neural networks, evolutionary methods and other means of computational intelligence. In contrast, in this study a new concept of intelligent modeling as the complex processes and systems is developed, ac- cording to which it is proposed to distinguish the three main aspects: the intelligent offline modeling with the characteristics of a complex system from statistical data; the intelligent online modeling as a part of a control or decision-making process in the real time; a systemic intelligent modeling. Three of these types or levels of the modeling process can be specified as:  Intelligent modeling offline is a static task of the intellectual support of the process for building models out of the sys- tem control (from fixed base or data sample). It is shown that a proper system should be based on the inductive modeling tools, have a database and knowledge base as well as including tools of the intelligent interface. A methodology of their de- velopment is formulated based on a formalized structuring of knowledge about the subject area of the mathematical modeling from statistical data. The intelligence is focused here exactly in the interface.  Intelligent modeling online is a dynamic task of construction, adjustment and restructuring models in the system opera- tion process (from changeable database). The appropriate system should include all the elements of the previous system and the tools supporting the knowledge-driven process of automatic or automated building models that plausibly describe the be- havior of the objects in the conditions of uncertainty and incomplete prior information about the properties of the simulated objects and environment in which they operate, with accuracy being sufficient to making effective decisions by DMP under conditions of permanent changing the situation.  Systemic intelligent modeling should provide an intellectual support of processes of DSS modeling in a complex system to automatically detect optimal operating modes of a real system as well as the possible adverse or dangerous modes. The corresponding integrated system should contain the following key elements: information subsystem, which function is ob- serving and the data storage; monitoring subsystem which is actually an online modeling; subsystem DSS which has formed the appropriate options for possible solutions and evaluated its effectiveness according to the certain criteria. This complex is practically a situational modeling system and has all the characteristics of intelligence. It includes two previous levels of the intelligent modeling. Such system has the necessarily accumulation function of knowledge about the object being modelled and the environment, as well as options for reasonable decisions in the changing situations.  Внимание ! Оформление подписки для желающих опубликовать статьи в нашем журнале обязательно. В розничную продажу журнал не поступает. Подписной индекс 71008 << /ASCII85EncodePages false /AllowTransparency false /AutoPositionEPSFiles true /AutoRotatePages /None /Binding /Left /CalGrayProfile (Dot Gain 20%) /CalRGBProfile (sRGB IEC61966-2.1) /CalCMYKProfile (U.S. Web Coated \050SWOP\051 v2) /sRGBProfile (sRGB IEC61966-2.1) /CannotEmbedFontPolicy /Error /CompatibilityLevel 1.4 /CompressObjects /Tags /CompressPages true /ConvertImagesToIndexed true /PassThroughJPEGImages true /CreateJobTicket false /DefaultRenderingIntent /Default /DetectBlends true /DetectCurves 0.0000 /ColorConversionStrategy /CMYK /DoThumbnails false /EmbedAllFonts true /EmbedOpenType false /ParseICCProfilesInComments true /EmbedJobOptions true /DSCReportingLevel 0 /EmitDSCWarnings false /EndPage -1 /ImageMemory 1048576 /LockDistillerParams false /MaxSubsetPct 100 /Optimize true /OPM 1 /ParseDSCComments true /ParseDSCCommentsForDocInfo true /PreserveCopyPage true /PreserveDICMYKValues true /PreserveEPSInfo true /PreserveFlatness true /PreserveHalftoneInfo false /PreserveOPIComments true /PreserveOverprintSettings true /StartPage 1 /SubsetFonts true /TransferFunctionInfo /Apply /UCRandBGInfo /Preserve /UsePrologue false /ColorSettingsFile () /AlwaysEmbed [ true ] /NeverEmbed [ true ] /AntiAliasColorImages false /CropColorImages true /ColorImageMinResolution 300 /ColorImageMinResolutionPolicy /OK /DownsampleColorImages true /ColorImageDownsampleType /Bicubic /ColorImageResolution 300 /ColorImageDepth -1 /ColorImageMinDownsampleDepth 1 /ColorImageDownsampleThreshold 1.50000 /EncodeColorImages true /ColorImageFilter /DCTEncode /AutoFilterColorImages true /ColorImageAutoFilterStrategy /JPEG /ColorACSImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /ColorImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /JPEG2000ColorACSImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /JPEG2000ColorImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /AntiAliasGrayImages false /CropGrayImages true /GrayImageMinResolution 300 /GrayImageMinResolutionPolicy /OK /DownsampleGrayImages true /GrayImageDownsampleType /Bicubic /GrayImageResolution 300 /GrayImageDepth -1 /GrayImageMinDownsampleDepth 2 /GrayImageDownsampleThreshold 1.50000 /EncodeGrayImages true /GrayImageFilter /DCTEncode /AutoFilterGrayImages true /GrayImageAutoFilterStrategy /JPEG /GrayACSImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /GrayImageDict << /QFactor 0.15 /HSamples [1 1 1 1] /VSamples [1 1 1 1] >> /JPEG2000GrayACSImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /JPEG2000GrayImageDict << /TileWidth 256 /TileHeight 256 /Quality 30 >> /AntiAliasMonoImages false /CropMonoImages true /MonoImageMinResolution 1200 /MonoImageMinResolutionPolicy /OK /DownsampleMonoImages true /MonoImageDownsampleType /Bicubic /MonoImageResolution 1200 /MonoImageDepth -1 /MonoImageDownsampleThreshold 1.50000 /EncodeMonoImages true /MonoImageFilter /CCITTFaxEncode /MonoImageDict << /K -1 >> /AllowPSXObjects false /CheckCompliance [ /None ] /PDFX1aCheck false /PDFX3Check false /PDFXCompliantPDFOnly false /PDFXNoTrimBoxError true /PDFXTrimBoxToMediaBoxOffset [ 0.00000 0.00000 0.00000 0.00000 ] /PDFXSetBleedBoxToMediaBox true /PDFXBleedBoxToTrimBoxOffset [ 0.00000 0.00000 0.00000 0.00000 ] /PDFXOutputIntentProfile () /PDFXOutputConditionIdentifier () /PDFXOutputCondition () /PDFXRegistryName () /PDFXTrapped /False /CreateJDFFile false /Description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> /CHS <FEFF4f7f75288fd94e9b8bbe5b9a521b5efa7684002000410064006f006200650020005000440046002065876863900275284e8e9ad88d2891cf76845370524d53705237300260a853ef4ee54f7f75280020004100630072006f0062006100740020548c002000410064006f00620065002000520065006100640065007200200035002e003000204ee553ca66f49ad87248672c676562535f00521b5efa768400200050004400460020658768633002> /CHT <FEFF4f7f752890194e9b8a2d7f6e5efa7acb7684002000410064006f006200650020005000440046002065874ef69069752865bc9ad854c18cea76845370524d5370523786557406300260a853ef4ee54f7f75280020004100630072006f0062006100740020548c002000410064006f00620065002000520065006100640065007200200035002e003000204ee553ca66f49ad87248672c4f86958b555f5df25efa7acb76840020005000440046002065874ef63002> /CZE <FEFF005400610074006f0020006e006100730074006100760065006e00ed00200070006f0075017e0069006a007400650020006b0020007600790074007600e101590065006e00ed00200064006f006b0075006d0065006e0074016f002000410064006f006200650020005000440046002c0020006b00740065007200e90020007300650020006e0065006a006c00e90070006500200068006f006400ed002000700072006f0020006b00760061006c00690074006e00ed0020007400690073006b00200061002000700072006500700072006500730073002e002000200056007900740076006f01590065006e00e900200064006f006b0075006d0065006e007400790020005000440046002000620075006400650020006d006f017e006e00e90020006f007400650076015900ed007400200076002000700072006f006700720061006d0065006300680020004100630072006f00620061007400200061002000410064006f00620065002000520065006100640065007200200035002e0030002000610020006e006f0076011b006a016100ed00630068002e> /DAN <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> /DEU <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> /ESP <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> /ETI <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> /FRA <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> /GRE <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a stvaranje Adobe PDF dokumenata najpogodnijih za visokokvalitetni ispis prije tiskanja koristite ove postavke. Stvoreni PDF dokumenti mogu se otvoriti Acrobat i Adobe Reader 5.0 i kasnijim verzijama.) /HUN <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> /ITA <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> /JPN <FEFF9ad854c18cea306a30d730ea30d730ec30b951fa529b7528002000410064006f0062006500200050004400460020658766f8306e4f5c6210306b4f7f75283057307e305930023053306e8a2d5b9a30674f5c62103055308c305f0020005000440046002030d530a130a430eb306f3001004100630072006f0062006100740020304a30883073002000410064006f00620065002000520065006100640065007200200035002e003000204ee5964d3067958b304f30533068304c3067304d307e305930023053306e8a2d5b9a306b306f30d530a930f330c8306e57cb30818fbc307f304c5fc59808306730593002> /KOR <FEFFc7740020c124c815c7440020c0acc6a9d558c5ec0020ace0d488c9c80020c2dcd5d80020c778c1c4c5d00020ac00c7a50020c801d569d55c002000410064006f0062006500200050004400460020bb38c11cb97c0020c791c131d569b2c8b2e4002e0020c774b807ac8c0020c791c131b41c00200050004400460020bb38c11cb2940020004100630072006f0062006100740020bc0f002000410064006f00620065002000520065006100640065007200200035002e00300020c774c0c1c5d0c11c0020c5f40020c2180020c788c2b5b2c8b2e4002e> /LTH <FEFF004e006100750064006f006b0069007400650020016100690075006f007300200070006100720061006d006500740072007500730020006e006f0072011700640061006d00690020006b0075007200740069002000410064006f00620065002000500044004600200064006f006b0075006d0065006e007400750073002c0020006b00750072006900650020006c0061006200690061007500730069006100690020007000720069007400610069006b007900740069002000610075006b01610074006f00730020006b006f006b007900620117007300200070006100720065006e006700740069006e00690061006d00200073007000610075007300640069006e0069006d00750069002e0020002000530075006b0075007200740069002000500044004600200064006f006b0075006d0065006e007400610069002000670061006c006900200062016b007400690020006100740069006400610072006f006d00690020004100630072006f006200610074002000690072002000410064006f00620065002000520065006100640065007200200035002e0030002000610072002000760117006c00650073006e0117006d00690073002000760065007200730069006a006f006d00690073002e> /LVI <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> /NLD (Gebruik deze instellingen om Adobe PDF-documenten te maken die zijn geoptimaliseerd voor prepress-afdrukken van hoge kwaliteit. De gemaakte PDF-documenten kunnen worden geopend met Acrobat en Adobe Reader 5.0 en hoger.) /NOR <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> /POL <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> /PTB <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> /RUM <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> /RUS <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> /SKY <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> /SLV <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> /SUO <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> /SVE <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> /TUR <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> /UKR <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> /ENU (Use these settings to create Adobe PDF documents best suited for high-quality prepress printing. Created PDF documents can be opened with Acrobat and Adobe Reader 5.0 and later.) >> /Namespace [ (Adobe) (Common) (1.0) ] /OtherNamespaces [ << /AsReaderSpreads false /CropImagesToFrames true /ErrorControl /WarnAndContinue /FlattenerIgnoreSpreadOverrides false /IncludeGuidesGrids false /IncludeNonPrinting false /IncludeSlug false /Namespace [ (Adobe) (InDesign) (4.0) ] /OmitPlacedBitmaps false /OmitPlacedEPS false /OmitPlacedPDF false /SimulateOverprint /Legacy >> << /AddBleedMarks false /AddColorBars false /AddCropMarks false /AddPageInfo false /AddRegMarks false /ConvertColors /ConvertToCMYK /DestinationProfileName () /DestinationProfileSelector /DocumentCMYK /Downsample16BitImages true /FlattenerPreset << /PresetSelector /MediumResolution >> /FormElements false /GenerateStructure false /IncludeBookmarks false /IncludeHyperlinks false /IncludeInteractive false /IncludeLayers false /IncludeProfiles false /MultimediaHandling /UseObjectSettings /Namespace [ (Adobe) (CreativeSuite) (2.0) ] /PDFXOutputIntentProfileSelector /DocumentCMYK /PreserveEditing true /UntaggedCMYKHandling /LeaveUntagged /UntaggedRGBHandling /UseDocumentProfile /UseDocumentBleed false >> ] >> setdistillerparams << /HWResolution [2400 2400] /PageSize [612.000 792.000] >> setpagedevice

Концептуальные основы интеллектуального моделирования

Institution

Ähnliche Einträge