Помощь в написании студенческих работ
Антистрессовый сервис

Разработка и исследование нечетких систем и генетических алгоритмов для решения задач автоматизированного проектирования конструкций РЭС

Диссертация: Разработка и исследование нечетких систем и генетических алгоритмов для решения задач автоматизированного проектирования конструкций РЭС
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В настоящее время на основе исследований в основном зарубежных ученых формируется методология «мягкие вычисления», среди направлений которой можно выделить нечеткие системы (НС) и генетические алгоритмы (ГА). В рамках указанных направлений новыми методами могут быть решены традиционные для САПР задачи оптимизации и принятия проектных решений в условиях неполноты проектной информации. Основным… Читать ещё >

Разработка и исследование нечетких систем и генетических алгоритмов для решения задач автоматизированного проектирования конструкций РЭС (реферат, курсовая, диплом, контрольная)

Содержание

ГЛАВА 1. АНАЛИЗ ВОЗМОЖНОСТЕЙ И ОГРАНИЧЕНИЙ САПР РЭС. МЕСТО НЕЧЕТКИХ СИСТЕМ И ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ В ИНТЕЛЛЕКТУАЛЬНЫХ САПР РЭС 1. Анализ задач, решаемых традиционными САПР при проектировании конструкций РЭС. Понятие интеллектуальной САПР.

1.2. Проблемные области интеллектуальных систем. Тип проблемной области проектирования РЭС.

1.3. Анализ основных направлений построения интеллектуальных

САПР.

1.4. Анализ феномена неполноты проектной информации при построении интеллектуальных систем.

1.4.1. Анализ различных аспектов неполноты. Способы формализации нечеткости.

1.4.2. Схемы логического вывода. Понятие нечеткой системы.

1.5. Поддержка процессов принятия решений в САПР. Применение нечетких систем для формализации процессов принятия решений.

1.5.1. Системы поддержки принятия решений в САПР.

1.5.2. Многокритериальный выбор на основе метода анализа иерархий.

1.5.3. Способы формализации качественной экспертной информации при принятии решений.

1.6. Генетический алгоритм как метод решения задач оптимизации. Методология мягких вычислений.

1.6.1. Схема стандартного генетического алгоритма.

1.6.2. Методология мягких вычислений. Гибридные системы с использованием генетического алгоритма.

Автоматизированное проектирование (АП) конструкций радиоэлектронных средств (РЭС) характеризуется неполнотой проектной информации на всех этапах разработки нового технического объекта (ТО) — от анализа технического задания до разработки конструкторской документации. Высокий уровень неполноты является принципиальным при описании объектов проектирования (ОГТ), относящихся к классу РЭС и структура которого представляет собой иерархию сильно связанных элементов конструкции. Далеко не всегда удается применить точные математические методы для решения задач АП РЭС, поскольку часто их решение основывается на использовании субъективных знаний и опыта проектировщика, характеризующихся неполнотой и фрагментарностью. Формализация экспертных знаний традиционно производилась с использованием в процессе проектирования систем, основанных на знании — экспертных систем (ЭС). Соответствующие системы САПР получили название интеллектуальных САПР (ИСАПР).

Многие задачи АП РЭС, решение которых основывается на субъективных знаниях о закономерностях проблемной области, сводятся к задачам принятия решений в условиях многокритериальное&tradeи оптимизации. Для решения таких насыщенных расчетами задач часто недостаточно привлечения только технологии ЭС, для которой характерно доминирование символьных методов. Поэтому для построения ИСАПР РЭС требуется привлекать альтернативные методы интеллектуализации.

В настоящее время на основе исследований в основном зарубежных ученых [97, 111, 114−117, 120−122, 131−133, 137] формируется методология «мягкие вычисления», среди направлений которой можно выделить нечеткие системы (НС) [111, 114−117, 121, 132, 137] и генетические алгоритмы (ГА) [97, 111, 116, 117, 122, 131, 137]. В рамках указанных направлений новыми методами могут быть решены традиционные для САПР задачи оптимизации и принятия проектных решений в условиях неполноты проектной информации. Основным достоинством данной методологии являются толерантность к неполноте 8 исходных данных.

В последнее время вопросам построения систем, в основе которых лежит принцип «мягких вычислений» уделяется большое внимание. За рубежом издается международный журнал «Fuzzy Sets and Systems», одним из членов редколлегии которого является российский академик Н. Н. Моисеев. Проводятся регулярные (в том числе и российские) научно-практические конференции, где рассматриваются проблемы построения НС и ГА для решения широкого спектра практических задач анализа и синтеза. Существенный вклад в исследования НС внесли российские ученые А. Н. Аверкин, И. 3. Батыршин, В. Б. Тарасов. Одним из авторов работ по использованию генетических алгоритмов в АП РЭС является В. В. Курейчик.

Особенности проблемной области оказывают значительное влияние на способ реализации НС и ГА. Так учет неполноты системы предпочтений проектировщика при выборе оптимального варианта конструкции РЭС, который является иерархическим многокомпонентным ОП требует использовать не только простые решающие правила, но и формальные методы многокритериального анализа с учетом нечеткости экспертных оценок и стратегий свертывания критериев. Научная проблема формализации процессов принятия решений в САПР РЭС заключается в разработке интеллектуальных систем, синтезирующих традиционные математические методы многокритериального анализа, методы НС и ЭС.

Большинство задач оптимизации конструкций РЭС характеризуются значительным пространством поиска с большим количеством локальных экстремумов. Учитывая это, свойство стохастичности стандартного ГА не может гарантировать нахождение эффективных вариантов ОП. Повысить качество решений, найденных с использованием методов генетического поиска, возможно при определении оптимальных значений параметров алгоритма и адаптировании ГА к задачам оптимизации. В связи с этим, научная проблема построения ГА для решения задач оптимизации конструкций РЭС состоит в повышении его эффективности путем разработки методов адаптации ГА к 9 определенному множеству задач.

Объектом исследований в диссертационной работе является автоматизация проектирования конструкций РЭС. В качестве предмета исследования выступают нечеткие системы и генетические алгоритмы для решения задач автоматизированного проектирования конструкций РЭС.

Перечисленные аспекты проблемы автоматизации проектирования конструкций РЭС с использованием нечетких систем и генетических алгоритмов делают тему диссертационной работы актуальной.

Цель предпринимаемого исследования заключается в разработке моделей, методов и средств автоматизированного проектирования конструкций РЭС с использованием нечетких систем и генетических алгоритмов.

Для достижения поставленной цели необходимо решить следующие задачи исследования:

1. Необходимо провести сравнительный анализ возможностей и ограничений САПР РЭС, выявить характерные особенности проблемной области проектирования конструкций РЭС и определить место НС и ГА в задачах АП РЭС.

2. Разработать метод многокритериального анализа при проектировании конструкций РЭС, учитывающую нечеткий характер системы предпочтений проектировщика и подчинение различных групп критериев различным стратегиям агрегации.

3. Разработать метод адаптации стандартного ГА к задачам оптимизации.

4. Разработать комплекс программных средств на основе созданных методов и моделей для решения задачи определения оптимального типоразмера корпуса для стендового технологического оборудования и задачи размещения разногабаритных электрорадиоэлементов на непрерывном монтажном пространстве.

Для достижения цели исследования применялись следующие методы исследования: методы системного анализа, теории управления, математического моделирования, методы представления знаний, совокупность.

10 методов, обобщенных направлением мягких вычислений и проектирование программных систем. В качестве средств создания интеллектуальных автоматизированных систем были использованы оболочка нечеткой ЭС FuzzyClips 6.04 и среда разработчика Microsoft Developer Studio 97.

Достоверность научных положений, выводов и рекомендаций подтверждается результатами экспериментальных исследований, а также результатом использования материалов диссертации в проектных организациях и учебных заведениях.

Основные выводы:

1. В результате исследований, проведенных в ходе выполнения диссертационной работы был произведен сравнительный анализ возможностей и ограничений САПР РЭС, выявлены характерные особенности проблемной области проектирования конструкций РЭС и определено место НС и ГА в задачах АП РЭС. Показана принципиальная неустранимость нечеткости экспертной информации, как одного из аспекта ее неполноты. Обоснована необходимость использования НС как на этапах генерации проектных решений, так и при многокритериальном анализе слабоформализованных альтернатив. Показана возможность применения стандартного ГА для решения задач оптимизации ОП. Рассмотрена возможность применения методологии МВ для решения задач АП РЭС.

2. Разработан модифицированный метод анализа иерархий, учитывающая нечеткий характер системы предпочтений проектировщика и подчинение различных групп критериев различным стратегиям агрегации. Предложенная.

162 модификация метода анализа иерархий способствует формализации нечетких представлений ЛПР о степени эффективности альтернативы ОП по отдельным критериям.

3. Разработан метод адаптации стандартного ГА к задачам оптимизации. Разделение процесса эволюции на два этапа позволяет сместить поиск оптимальных вариантов ОП в перспективные области с точки зрения месторасположения глобального экстремума целевой функции ГА.

4. Разработан комплекс программных средств для решения задачи определения оптимального типоразмера корпуса для стендового технологического оборудования и задачи размещения разногабаритных ЭРЭ на непрерывном монтажном пространстве. Показана эффективность взаимодействия технологии ЭС и методов многокритериального анализа при АП конструкций РЭС. Продемонстрирована эффективность применения адаптированного ГА для решения задач размещения.

Научная новизна.

Впервые:

1. Предлагается новый подход к построению интеллектуальной САПР РЭС на основе интеграции нечетких систем, генетических алгоритмов и методов многокритериального анализа.

2. Предлагается способ модификации метода анализа иерархий для формализации слабоструктурированных предпочтений проектировщика, выражающихся в нечетком характере оценок степени эффективности альтернативных вариантов ОП по отдельным критериям и в различных способах агрегации локальных оценок.

3. Предлагается метод адаптации стандартного ГА к определенному множеству задач оптимизации на основе использования накопленного опыта решения указанных задач альтернативными методами.

4. Предлагается новый генетический алгоритм, адаптированный для решения задач размещения разногабаритных ЭРЭ на непрерывном монтажном пространстве.

Основные положения, выносимые на защиту.

1. Модифицированный метод анализа иерархий, отличающийся учетом нечеткого характера системы предпочтений ЛПР и различных стратегий агрегации локальных приоритетов.

2. Метод адаптации стандартного генетического алгоритма к определенному множеству задач оптимизации, учитывающий накопленный опыт решения указанных задач альтернативными методами.

3. Интеллектуальная система для решения задач определения оптимальных типоразмеров корпусов стендового технологического оборудования, отличающаяся использованием нечеткой ЭС и модифицированным методом анализа иерархий.

4. Новый генетический алгоритм, адаптированный для решения задач размещения разногабаритных ЭРЭ на непрерывном монтажном пространстве, сочетающий преимущества детерминированных и стохастических методов оптимизации.

Практическая значимость работы.

Прикладная значимость выполненных исследований определяется следующими полученными в диссертации результатами:

1. Разработано специальное алгоритмическое и программное обеспечение, на базе которого созданы пакеты прикладных программ для исследования работы ИСАПР, включающую нечеткую ЭС и модифицированный метод анализа иерархий, для решения задачи определения оптимальных типоразмеров корпусов стендового технологического оборудования, а также для решения задачи размещения разногабаритных ЭРЭ с использованием адаптированного ГА.

2. Разработанные в диссертации методы и алгоритмы использовались при выполнении хоздоговорной НИР (Гос. per. № 1 990 000 590) для Ульяновского механического завода с формой внедрения: метод построения мягкой ЭС как компоненты интеллектуальной САПР.

3. Полученные научные и практические результаты проведенных исследований внедрены в учебные процессы Ульяновского государственного технического университета и Уфимского государственного авиационного технического университета.

Практическое использование результатов диссертационной работы подтверждено соответствующими документами о внедрении, приведенными в разделе Приложения.

ЗАКЛЮЧЕНИЕ

.

Основными итогами диссертационной работы являются:

— разработка модифицированного метода анализа иерархий, учитывающего нечеткий характер системы предпочтений проектировщика и подчинение различных групп критериев различным стратегиям агрегации;

— разработка метода адаптации стандартного генетического алгоритма к задачам оптимизации;

— разработка интеллектуальной системы поддержки принятия решений, решающей задачу выбора оптимального типоразмера корпуса для стендового технологического оборудования;

— разработка программного средства на основе адаптированного генетического алгоритма для решения задачи размещения разногабаритных ЭРЭ на непрерывном монтажном пространстве.

Показать весь текст

Список литературы

  1. В. И., Стрельников Ю. Н., Ларин М. Е., Алмаметов В. Б. Смысловая модель предметной области автоматизированного проектирования РЭА/ Управляющие системы и машины, № 1, 1990, с. 82−88.
  2. А. А., Гриценко В. И., Козлов Д. Н. Интервальный вероятностный подход к работе с неопределенностью в базах знаний// Управляющие системы и машины, № 4,1990, с. 40−48.
  3. Е. П., Головин В. Ф., Золотухин Ю. Н., Нестеров А. А., Чайко В. Н.,
  4. Ян А. П. Нечеткое управление технологическим процессом обогащения угляметодом отсадки, http://disys.iae.nsk.su/ref98/folder5/docl5.html.
  5. Л. Перспективная САПР объектов машиностроения. Концепция. http://dxbec.ihep.su/~baliev/CAD/KOI8/Ksapr.htm.
  6. Л. А. Автоматизация проектирования цифровых вычислительных устройств. М., ВЦАНСССР, 1963 г., вып. 2.
  7. Д. И., Морозов В. Ф., Власов С. Е., Булгаков И. В. Топологический синтез аналогово-цифровых микроэлектронных устройств/ Информационные технологии, № 2, 1996, с. 39−43.166
  8. И. 3. Методы представления и обработки нечеткой информации в интеллектуальных системах/ Новости искусственного интеллекта, № 2, 1996, с. 9−65.
  9. В., Крючков А. САПР: процесс или ритуал/ САПР и графика, № 9, 1998, с. 15 19.
  10. Р., Заде JI. Принятие решений в расплывчатых условиях.- В кн.: Вопросы анализа и процедуры принятия решений.- М. Мир, 1976, с. 172−215
  11. В. Б., Грюкталь А. И. Прикладные модели САПР в машиностроении// Программные продукты и системы, № 4, 1994, с. 13 18.
  12. В. Д., Золотухин Ю. Н., Нестеров А. А. Оптимальная траектория как основа построения базы знаний нечеткого логического контроллера. http://idisys.iae.nsk.su/ref98/folder4/docl2.html.
  13. А. С., Реуданик В. В. Интеллектуализация процесса синтеза конструкторско-технологических решений/ Технология и конструирование в электронной аппаратуре, № 3, 1992, с. 21−23.
  14. А.Н., Крумберг O.A., Федоров И. П. Принятие решений на основе нечетких моделей. Рига: «Зинатне», 1990.
  15. А.Н., Федоров И. П. Формирование технических решений на основе экспертных знаний. Изв. АН СССР, Техническая кибернетика, № 5, 1990, с. 154−164.
  16. В. Н. Теоретические основы построения базовых адаптируемых компонентов САПР МЭА/ Под ред. Г. Г. Рябова. М.: Наука. Гл. ред. физ.-мат. лит., 1989. — 256 е.- (Библиотечка программиста.) — ISBN 5−02−13 966−1.167
  17. Г. С., Доменков Н. П. Пакет программ, реализующий метод анализа иерархий/ Приборы и системы управления, № 7, 1996, с. 10−11.
  18. JI. Ф., Малышко С. А., Сергиенко И. В. Один подход к формализации и решению задач размещения разногабаритных элементов РЭА/ Управляющие системы и машины, № 4, 1990, с. 63−69.
  19. Л. Ф., Малышко С. А., Сергиенко И. В. О программных средствах поддержки принятия решений в задачах группового выбора/ Управляющие системы и машины, № 5, 1993, с. 90−97.
  20. . САПР в радиоэлектронике для ПК: Проблемы выбора./ САПР и графика, № 10, 1998, с. 60 63.
  21. Я. Проектирование и конструирование: Системный подход. Пер. с польск. М.: Мир, 1981. — 456 е., ил.
  22. Г. Интеллектуальные САПР в Internet/ Компьютер Пресс, № 12, 1997, с. 269 — 272.
  23. Г. Системы автоматизированного проектирования радиоэлектронной аппаратуры/ Компьютер-Пресс, № 7, 1998, с. 286−293.
  24. Д., Прад А. Теория возможностей. Приложения к представлению знаний в информатике/ Пер. с фр. В. А. Тарасова. М.: Радио и связь, 1990.
  25. Г. Как я пришел к СПРУТ технологии/ САПР и графика, № 3, 1997, с. 9−13.
  26. Г. Новые горизонты проектирования от концептуального до технологического/ САПР и графика, № 6, 1997, с. 22−27.
  27. Г., Савинов А., Савинов К. Гиперзнания новая информационная технология в инженерном образовании/ Компьютер-Пресс, № 3, 1998, с. 277 283.
  28. А. Методы вывода в условиях неопределенности и нечеткости исходных данных: обзор зарубежных достижений/ Новости искусственного интеллекта, № 4, 1997, с. 6−24.168
  29. Jl. А. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. — 165 с.
  30. Е. Н., Станкевич Ю. А. Некоторые современные методы решения оптимизационных задач. http://bsu-inetl25.bsu.unibel.by/conferences/nite/ Dokladl3.html.
  31. Е. Н., Шакирин А. А. Несколько экспериментов по применению генетических алгоритмов в задачах минимизации многозначных логических функций в классе арифметических полиномов, http://bsu-inetl25.bsu.unibel.by/ conferences/nite/Doklad 15.html.
  32. Интеллектуальные системы принятия проектных решений/ А. В. Алексеев, А. Н. Борисов, Э. Р. Вилюмс, Н. Н. Слядзь, С. А. Фомин. Рига: Зинатне, 1997. -320 е., ил. — ISBN 5−7966−1035 — х.
  33. Искусственный интеллект.- В 3-х кн. Кн. 2. Модели и методы: Справочник/ Под ред. Д. А. Поспелова М.: Радио и связь, 1990. — 304 е.: ил.
  34. О. Н. Компьютерно-интегрированное машиностроение и CAD/CAM Cimatron/ Информационные технологии, № 10, 1998, с. 43−47.
  35. С. П., Курдюмов С. П., Малинецкий Г. Г. Синергетика и прогнозы будущего, http://www.iph.ras.ru/~mifs/kkm/Vved.htm.
  36. Н. М., Кузнецов П. М. Структурный синтез при автоматизированном проектировании технологических процессов производства деталей с использованием генетических алгоритмов/ Информационные технологии, № 4, 1998, с. 34−37.
  37. В. СПРУТ технология: система, отличная от других/ САПР и графика, № 5, 1997, с. 24−29.
  38. В. Средства автоматизации разработки САПР: открытая Среда конструкторского проектирования/ САПР и графика, № 11, 1998, с. 58−64.
  39. В. 3. Алгоритм плотного размещения разногабаритных элементов на плате/ Информационные технологии, № 11., 1998, с. 16−21.169
  40. Комбинаторные аппаратные модели в САПР/ В. М. Курейчик, В. М. Глушань, Л. И. Щербаков. М.: Радио и связь, 1990. — 216 е.: — ISBN 5−256−748−3.
  41. В.П., Курейчик В. М., Норенков И. П. Теоретические основы САПР: Учебник для вузов М.: Энергоатомиздат, 1987. — 400 е.: ил.
  42. Ю. Н, Зимненко И. А. Проектирование электронной аппаратуры с применением автоматизированной системы АСОНИКА/ Технология и конструирование в электронной аппаратуре, № 1, 1995, с. 17−19.
  43. А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982. -432 с.
  44. Д. и др. T-FLEX CAD решает заачи автоматизации типового проектирования/КомпьютерПресс, № 11, 1997, с. 261−265.
  45. А., Евгенев Г. Еще раз о прогрессивных технологиях автоматизации предприятий/ САПР и графика, № 4, 1998, с. 58 64.
  46. А. Новая технология автоматизированного решения инженерных задач/ САПР и графика, № 4, 1997, с. 10−18.
  47. С. и др. T-FLEX CAD лучшая российская параметрическая САПР/ САПР и графика, № 6, 1997, с. 36−42.
  48. В. В. Перспективные архитектуры генетического поиска/ Программные продукты и системы, № 3., 1998, с. 47−48.
  49. В. М. Математическое обеспечение конструкторского и технологического проектирования с применением САПР: Учебник для вузов. М.: Радио и связь, 1990. — 352 е.: ил.
  50. О.П., Мошкович Е. М. Качественные методы принятия решений. М., Наука. Физматлит. 1996.
  51. О.И. Объективные модели и субъективные решения. М., Наука. 1987.
  52. А., Лихачев А. Высший уровень автоматизации подготовки производства / САПР и графика, № 4, 1998, с. 51 57.
  53. Лорьер Ж.-Л. Системы искусственного интеллекта: Пер. с франц.- М.: Мир, 1991, — 568 с.170
  54. М. Я., Наместников А. М. «К вопросу об использовании экспертных систем в проектировании контрольно-диагностической аппаратуры» тез. докладов. Научно-практическая конференция «Агроволга-97», Ульяновск 1997, с. 35−36.
  55. Ю. К. Система ПРАМ 5.3М/ Петербургский журнал электроники, № 1, 1998, с. 36−42.
  56. А. М., Резенфельд В. П., Сотников М. А. Модифицированный силовой алгоритм планировки кристалла СБИС/ Технология и конструирование в электронной аппаратуре, № 2, 1995, с. 6−8.171
  57. И. А. Разработка инструментальных средств для исследования и конструирования генетических алгоритмов. Автореферат кандидатской диссертации, 2000
  58. В. Дедуктивная и индуктивная логика, Екатеринбург: «Деловая книга», Бишкек: «Одиссей». 1997 г. — 432 с.
  59. А. М., Рахматулин А. Э., Сапегин Н. Г. «Нейрокомпьютинг как средство извлечения знаний» Вестник Ульяновского государственного технического университета. Серия «Информационные технологии», № 2 Апрель Июнь, УлГТУ, 1999, с. 106−111.
  60. А. М., Панкратов Ю. Г., Сапегин Н. Г., Сидоренко А. В., Ярушкина Н. Г. Разработка гибридной экспертной системы для проектирования стендового оборудования: Отчет по НИР.- Инв. № 1. Ульяновск, УлГТУ, 1998.
  61. Нечеткие множества в моделях управления и искусственного интеллекта/ Под. ред. Д. А. Поспелова. М.: Наука, Гл. ред. физ.-мат. лит., 1986. — 312 с. -(Проблемы искусственного интеллекта).
  62. Нечеткие модели для экспертных систем в САПР/ Н. Г. Малышев, Л. С. Берштейн, А. В. Боженюк. М.: Энергоатомиздат, 1991. — 136 е.: ил.
  63. И. П. Генетические методы структурного синтеза проектных решений/Информационные технологии, № 1., 1998, с. 9−13.
  64. С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981.
  65. Г. С. Приобретение знаний интеллектуальными системами: Основы теории и технологии. М.: Наука. Физматлит, 1997.- 112 с. — (Проблемы искусственного интеллекта). — ISBN 5−02−15 163−7.
  66. Оценка конструкторских решений с помощью метода анализа иерархий/ Ермошин М. А. // 22 Гагар, чтения.: Сб. тез. докл. молод, науч. конф., Москва, 2−6 апр., 1996, ч. 7, — М., 1996. с. 80 — 81.173
  67. В. А., Яценко В. В., Адрианов С. Т. TRAPEZIUM -инструментальная система для диагностики в условиях нечеткости и неопределенности/ Управляющие системы и машины, № ½, 1994, с. 57−64.
  68. Д. А. Моделирование рассуждений. Опыт анализа мыслительных актов, — М.: Радио и связь, 1989.- 184 е.: ил.
  69. Построение экспертных систем: Пер. с англ./ Под ред. Ф. Хейеса-Рота, Д. Уотермана, Д. Лената. М.: Мир, 1987. — 441 с.:ил.
  70. В. Д., Блохин С. М. Система P-CAD 8.5: Руководство пользователя. -М.: ООО «ИЛЕКСА», 1996.
  71. В. Д. Новости САПР в электронике/ PC Week/ RE, 1997, № 10, с. 44 -46.
  72. В. Д. От P-CAD для DOS к ACCEL EDA для Windows/ САПР и графика, № 6, 1997, с. 7 14.
  73. Э. Т. и др. AutoCAD. Практическое руководство. М.: Радио и связь, 1997.
  74. А. В., Евдокимов С. А. Инструмент для разработки и эксплуатации программных приложений/САПР и графика, № 11, 1998, с. 77−80.
  75. А. В., Евдокимов С. А., Краснов А. А. Создание систем автоматизации поддержки инженерных решений. http://www.airport.sakhalin.ru/ ospru/ap/1997/ap5/44.htm.
  76. Т., Керне. Аналитическое планирование. Огранизация систем: Пер. с англ. М.: Радио и связь, 1991. — 224 е.: ил.- ISBN 5−256−380−1.
  77. Т. Принятие решений. Метод анализа иерархий: Пер. с англ.- М.: Радио и связь, 1993. 320 е.: ил.
  78. САПР. Системы автоматизированного проектирования: Учеб. пособие для втузов: В 9 кн. Кн. 1. Принципы построения и структура / И. П. Норенков. -Мн.: Выш. шк, 1987. 123 е.: ил. ISBN 5−339−24−9.
  79. Системы автоматизированного проектирования: В 9-ти кн. Кн. 4. Математические модели технических объектов: Учеб. пособие для втузов / В. А. Трудоношин, Н. В. Пивоварова- Под ред. И. П. Норенкова. М.: Высш. шк., 1986. — 160 с.: ил.
  80. Системы автоматизированного проектирования в радиоэлектронике: Справочник/ Е. В. Авдеев, А. Т. Еремин, И. П. Норенков, М. И. Песков- Под ред. И. П. Норенкова. М.: Радио и связь, 1986. — 368 е.: ил.
  81. В. А. Машинное конструирование электронных устройств. М.: Советское радио, 1977, 384 с.
  82. А. Генетические алгоритмы/ Новости искусственного интеллекта, N.4., 1995, с. 6−17.
  83. Статические и динамические экспертные системы: Учеб. пособие/ Э. В. Попов, И. Б. Фоминых, Е. Б. Кисель, М. Д. Шапот, — М.: Финансы и статистика, 1996. 320 е.: ил.
  84. Т. А., Разумовский О. В. Экспертная система анализа и прогноза ситуаций на основе качественной модели представления знаний/ Программные продукты и системы, № 3, 1995, с. 2−5.
  85. В. Б. От искусственного интеллекта к искусственной жизни: новые направления в науках об искусственном. Новости искусственного интеллекта. N4. с. 93−117
  86. A.M., Курносов В. Е. Информационные технологии проектирования оптимальных конструктивных форм на основе методов эколюционного моделирования. ИТПП N 3−4, 1996 г., с. 3- 11 175
  87. Толковый словарь по искусственному интеллекту/ Авторы-составители А. Н. Аверкин, М. Г. Гаазе-Рапопорт, Д. А. Поспелов. М.: Радио и связь, 1992. -256 е.: ил.
  88. Э. А. Компьютерная поддержка принятия решений в САПР. http://www.airport.sakhalin.ru/ospru/ap/1997/ap5/27.htm.
  89. Н. Н. Автоматическое расширение знаний САПР на основе собственного опыта системы/ Программные продукты и системы, № 3, 1995, с. 29−33.
  90. Н. Н. Технология формирования базы знаний интеллектуальной САПР/ Программные продукты и системы, № 4, 1995, с. 29−32.
  91. Д.И. Принятие решений в системах организационного управления: использование расплывчатых категорий. М.: Энергоатомиздат, 1983.
  92. Экспертные системы. Принципы работы и примеры: Пер. с англ./ А. Брукинг, П. Джонс, Ф. Кокс и др- Под ред. Р. Форсайта.- М.: Радио и связь, 1987.-224 е.: ил.
  93. A.B. Модели возможностного программирования в оптимизации систем // Изв. АН СССР. Техническая кибернетика, № 5, 1991
  94. Е. Ф., Коцюбинская Г. Ф. Метод анализа иерархий: модификация системы оценок и их математической обработки/ Управляющие системы и машины, № ½, 1996, с. 85−91.
  95. Н. Г. Автоматизированное проектирование сложных технических систем в условиях неопределенности: Дисс. на соиск. уч. степ, доктора техн. наук. Ульяновск, 1998.
  96. Н. Г. Методы нечетких экспертных систем в интеллектуальных САПР. Саратов: Изд-во Сарат. ун-та, 1997. — 107 с.
  97. Adler, D.: Genetic Algorithm and Simulated Annealing: A Mirrage Proposal. In: IEEE International Conference on Neural Networks, pages 1 104−1109, San Francisco, 199 376
  98. Berenji, H. R.- Khedkar, P.: Clustering in product space for fuzzy inference. In: Second IEEE International Conference on Fuzzy Systems, San Francisco, CA 1993
  99. Bettenhausen K. D. Small fuzzy control tool, http://www.rt.e-technik.th-darmstadt. de/ ~kdb/sfct/ node2. html
  100. Bonissone, P. P.- Badami, V.- Chiang, K.- Khedkar, P.- Marcelle, K.- Schutten, M.: Industrial Applications of Fuzzy Logic at General Electric. Proceedings of the IEEE, 83(3) (1995) 450−465
  101. Bonissone, P.P. Soft computing: the convegence of emerging reasoning technologies, Soft Computing Vol. l, N. l, 97, pp. 6−18
  102. Bothe. H.H. Fuzzy Neural Networks. Tutorium, IFSA'97, Prague, 1997, 37 pg.
  103. Brown C. E., O’Leary D. E. Introduction to artificial intelligence and expert systems, http://www.bus.orst.edu/faculty/brownc/estutor/estutor.htm.
  104. Dubois D., Prade H. The three semantics of fuzzy sets/ Fuzzy sets and systems, № 90, 1997, pp. 141−149.
  105. Fogel, D. B.: Evolutionary Computation. IEEE Press, New York, NY 1995
  106. Fuller R. Hybrid systems. Tutotium. http://www.abo.fi/~rfuller/
  107. Goldberg, D. E.: Genetic Algorithms. Addison Wesly, Reading, MA 1978
  108. Hanan M., Wolf P. K., Sr and B. J. Agule «A study of Placement Techniques» J. Design automation & Fault-Tolerant computing. Oct. 1976 y. Vol. 1, numb. 1., pp. 28−62.
  109. Herrera F., Magdalena L. Genetic fuzzy systems Tutorium, IFSA'97, Prague, 1997. 37 pp.
  110. Kinzel, J.- Klawoon, F.- Kruse, R. Modifications of genetic algorithms for designing and optimizing fuzzy controllers. In: Proc. First IEEE Conf. on Evolutionary Computing (ICEC'94), pages 28−33, Orlando, FL., USA 1994
  111. Klir, G.- Folger, T. A.: Fuzzy Sets, Uncertainty and Information. Prentice Hall, Englewood Cliffs, New Jersey 1 988 177
  112. Kurzweil R. KI Das zeitalter der Kuenstlichen Intelligenz., 1993, Carl Hauser Verlag, Muenchen.
  113. Lee, C. C.: Fuzzy Logic in Control Systems: Fuzzy Logic Controller Part 1, 2, IEEE Trans. Syst. Man Cyber. 20(2) (1990) 404−435
  114. Qiao Wu Zhi, Mizumoto M. PID type fuzzy controller and parameters adaptive method/ Fuzzy sets and systems, № 78, 1996, pp. 23−35.
  115. Reznik L. Fuzzy controller design: methods classification and parameters choise/ Seventh IFSA World Congress, Prague, 1997, pp. 398−403.
  116. Shaffer R. Practical Guide to Genetic Algorithms, http://cheml.nrl.navy.mil/ -shaffer/practga.html.
  117. Simon D. Fuzzy filtering, http://www.innovatia.com/software/papers/fuzzy.htm.
  118. Simon H.A. The new science of management decision. Englewood Cliffs, N.J., Prentice Hall Inc., 1975.
  119. Slovic P., Fichhoff B., Lichtenstein S. Behaviorial decision theory. Annu. Phychol. Rev. vol. 28, 1997.
  120. Smith F. S., Shen Q. Choosing the right fuzzy logic controller/ Seventh IFSA World Congress, Prague, 1997, pp. 342−347.
  121. Soylemezoglu N. The Logic of fuzziness. http://www.math.harvard.edu/~hmb/ issue2.1/FUZZY/fuzzy.htmI.
  122. Zadeh L. What is soft computing? Soft computing Vol. 1, N. 1, 1997, pp.2 3.178
Заполнить форму текущей работой

Сессия? Спокойно!