Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Компьютерная поддержка принятия решений по управлению очисткой сточных вод на основе нечеткого моделирования

Диссертация: Компьютерная поддержка принятия решений по управлению очисткой сточных вод на основе нечеткого моделирования
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Конкретная очистная станция является уникальным технологическим объектом из-за уникальности состава городских сточных вод, подлежащих очистке. Строительные нормы и правила регламентируют количество загрязнений сточных вод по набору показателей, таких как биологическая потребность в кислороде, химическая потребность в кислороде, нефтепродукты, сульфаты и др. Следовательно, оценка эффективности… Читать ещё >

Содержание

  • 1. ОСОБЕННОСТИ УПРАВЛЕНИЯ ОЧИСТКОЙ СТОЧНЫХ ВОД
    • 1. 1. Основные этапы процесса очистки сточных вод .- гг
    • 1. 2. Системы поддержки принятия решений в управлении очисткой сточных вод
    • 1. 3. Решение задачи моделирования на основе применения теории нечетких множеств
    • 1. 4. Цель и задачи исследований
  • 2. ИССЛЕДОВАНИЕ НЕЧЕТКОЙ ИСТИННОСТИ И ЕЁ ПРИМЕНЕНИЯ В ЗАДАЧАХ ПРИНЯТИЯ РЕШЕНИЙ
    • 2. 1. Алгебраические свойства лингвистической переменной «истинность»
    • 2. 2. Доказательство утверждений о декомпозиции нечеткой истинности составных нечетких высказываний
    • 2. 3. Разработка метода ранжирования альтернатив и способа согласования групповых решений при представлении критериев лингвистическими переменными

Компьютерная поддержка принятия решений по управлению очисткой сточных вод на основе нечеткого моделирования (реферат, курсовая, диплом, контрольная)

Современные процессы урбанизации неизбежно влекут за собой обострение экологической ситуации. В процессе роста поселков, городов и промышленности увеличивается объем опасных для окружающей среды сточных вод. Основной задачей поддержания экологического благополучия окружающей среды при попадании в нее сточных вод, является их очистка.

Водохозяйственные системы городов и промышленных предприятий оснащаются комплексами трубопроводов и других специальных сооружений, реализующих отведение, очистку, обеззараживание и использование воды и образующихся осадков. Строительство водоотводящих систем обусловливается необходимостью обеспечения нормальных жилищно-бытовых условий населения городов и населенных мест и поддержания хорошего состояния окружающей природной среды.

Эксплуатация очистной станции требует огромных материальных затрат. Объем капиталовложений настолько велик, что сокращение его даже на доли процента за счет применения оптимальных управленческих решений дает значительную экономию средств.

Вода необходима как для питьевого, так и промышленного водоснабжения, поэтому сохранение водных источников от загрязнения и истощения путем реконструирования очистных сооружений и внедрения эффективных методов управления является в настоящее время весьма важной задачей.

Актуальность работы обусловливается следующими основными причинами.

Конкретная очистная станция является уникальным технологическим объектом из-за уникальности состава городских сточных вод, подлежащих очистке. Строительные нормы и правила регламентируют количество загрязнений сточных вод по набору показателей, таких как биологическая потребность в кислороде, химическая потребность в кислороде, нефтепродукты, сульфаты и др. Следовательно, оценка эффективности управления процессом очистки сточных вод является многокритериальной. Согласование этих критериев, т. е. учет их сравнительной важности, определяется системой ценностей и предпочтений лиц, принимающих решения: специалистов-технологов, лаборантов.

Несмотря на уникальность конкретной очистной станции и многокритериальность оценки эффективности управления, опытный, квалифицированный технолог в процессе принятия решений по управлению использует интуитивно ясную для него самого, строго индивидуальную стратегию, выгодно отличающую его от остальных лиц, не имеющих соответствующего опыта работы с этим объектом. Знания, представления и суждения конкретного лица, принимающего решения, накопленные им за определенное время и составляющие его опыт, позволяют достичь мастерства, т. е. профессионального искусства при управлении данным технологическим процессом.

Отмеченные особенности дают основание считать, что рассматриваемую задачу управления можно отнести к классу слабоструктурированных, или плохо определенных.

Таким образом, представляется целесообразным создание системы поддержки принятия решений (СППР) по управлению очисткой сточных вод, которая позволила бы формализовать и использовать для решения задач управления профессиональные знания опытных инженеров и экспертов-технологов. При этом подобная система должна как можно более успешно имитировать процессы принятия решений по управлению очисткой сточных вод этими квалифицированными специалистами.

Центральным компонентом СППР по управлению очисткой сточных вод должна являться подсистема моделирования. Необходимость учета неопределенности, связанной с неполнотой знаний о процессе очистки сточных вод, создает предпосылки использования теории нечетких множеств для моделирования процесса очистки. Максимальная эффективность модели процесса очистки сточных вод может быть достигнута, если попытаться использовать всю доступную информацию о процессе, как качественную, так и количественную. Разрабатываемые в рамках направления «мягких вычислений» гибридные (нейро-нечеткие, нечетко-генетические и др.) системы сочетают в себе возможность оперирования качественной информацией (лингвистическими экспертными правилами), а также возможность обучения на измеренных числовых данных (количественной ретроспективной информации).

Таким образом, актуальность диссертационной работы обусловлена потребностью использования экспертных знаний и опыта, а также измеренной ретроспективной информации для повышения эффективности процессов принятия решений по управлению очисткой сточных вод и необходимостью снижения материальных затрат на подготовку квалифицированного персонала очистной станции.

Цель работы. Целью настоящей работы является совершенствование методов и алгоритмов обработки информации для поддержки принятия решений по управлению очисткой сточных вод на основе теории нечетких множеств.

Научная новизна работы заключается в развитии теоретических основ создания систем поддержки принятия решений по управлению очисткой сточных вод на основе нечеткого моделирования. При этом:

— установлены свойства операций над значениями лингвистической переменной «истинность», позволяющие расширить возможности применения нечетких множеств в принятии решений;

— разработаны методы согласования групповых решений и ранжирования альтернатив при лингвистическом задании критериев, позволяющие учитывать приближенные оценки нескольких экспертов;

— разработан метод косвенного нечеткого вывода для систем со многими входами, имеющий полиномиальную вычислительную сложность;

— разработана процедура эволюционного проектирования нейро-нечетких систем, основанных на методе косвенного нечеткого вывода, повышающая достоверность нечеткого вывода;

— предложена методика использования результатов нечеткого моделирования для выбора управляющего воздействия при очистке сточных вод.

Практическая значимость работы состоит в создании компьютерной системы поддержки принятия решений по управлению очисткой сточных вод на основе нечеткого моделирования, которая позволяет повысить эффективность процесса очистки, выдавая рекомендации по управлению на уровне квалифицированных специалистов-технологов, и учитывает ретроспективную информацию о процессе очистки. Разработанное программное обеспечение прошло тестирование на Белгородской очистной станции.

Результаты работы используются в учебном процессе в Белгородском государственном технологическом университете им. В. Г. Шухова при проведении практических и лабораторных работ по дисциплине «Системы поддержки принятия решений и вычислительного интеллекта» (специальность 220 400).

Положения, выносимые на защиту.

1. Метод косвенного нечеткого вывода для систем со многими входами, основанный на декомпозиции нечеткой истинности составных нечетких высказываний.

2. Процедура эволюционного проектирования нейро-нечетких систем, основанная на методе косвенного нечеткого вывода.

3. Алгоритм формирования нечеткой базы знаний на основе ретроспективной информации.

4. Методика принятия решений по управлению очисткой сточных вод на основе применения нечеткой модели.

5. Компьютерная система, реализующая функции поддержки принятия решений по управлению очисткой сточных вод на основе нечеткого моделирования.

Апробация работы.

Результаты работы апробированы и обсуждены на Международном конгрессе «Современные технологии в промышленности строительных материалов и стройиндустрии» (Белгород, 2003), на II Международном научно-практическом семинаре «Интегрированные модели и мягкие вычисления в искусственном интеллекте» (Коломна, 2003), на Международной научно-технической конференции «Интеллектуальные системы (IEEE AIS'03)» и «Интеллектуальные САПР (CAD-2003)» (Дивноморск, 2003), на Международной научно-практической конференции «Экология: образование, наука, промышленность и здоровье» (Белгород, 2004).

Основные положения изложены в семи печатных работах. Все публикации включают результаты непосредственной работы автора и отражают основные выводы и положения диссертационной работы.

Объем и структура диссертации. Общий объем диссертации составляет 168 страниц и включает:

— введение, пять разделов, заключение, изложенные на 150 страницах;

— рисунков 51 на 42 страницах;

— список литературы из 103 наименований на 10 страницахприложений 4 на 5 страницах.

В первом разделе рассматриваются особенности управления процессом очистки сточных вод, основные этапы, контролируемые параметры. Показывается, что задачу управления очисткой сточных вод можно отнести к классу слабоструктурированных, для решения которой целесообразно использовать подход, основанный на экспертных знаниях и механизмах логического вывода. Анализируется применимость различных видов математических моделей процесса очистки сточных вод для принятия решений по управлению. Обосновывается целесообразность применения нечетких множеств для представления экспертных знаний. Рассматриваются основные этапы нечеткого вывода.

Во втором разделе исследуется нечеткое значение истинности как лингвистическая переменная и способы его применения для принятия решений. Вводятся расширенные по принципу обобщения операции Т-нормы, Г-конормы, устанавливаются свойства этих операций на значениях лингвистической переменной «истинность». Решается задача уменьшения вычислительной сложности алгоритма вычисления нечеткой истинности составных нечетких высказываний. Разрабатываются методы согласования групповых решений и ранжирования альтернатив при лингвистическом задании критериев.

В третьем разделе разрабатываются метод косвенного нечеткого вывода для систем со многими входами. Выполняется адаптация основных этапов процедуры эволюционного проектирования нейро-нечетких систем для метода косвенного нечеткого вывода. Разрабатывается структура нейро-нечеткой сети, реализующей метод косвенного нечеткого вывода и выполняется ее тестирование на модельных примерах.

В четвертом разделе выполняется разработка и оценки адекватности нечеткой модели процесса биологической очистки сточных вод. Приводится методика принятия решений по управлению очисткой сточных вод на основе результатов применения нечеткой модели. Сформулированы рекомендации по выбору управляющих воздействий.

В пятом разделе решаются задачи, связанные с программной реализацией основных блоков системы поддержки принятия решений по управлению очисткой сточных вод. Разрабатываются структура и способы формирования блоков ClilLP. Приводится описание основных компонентов разработанного программного комплекса.

В приложении приводится формат языка описания базы знаний, а также результаты построения нечеткой модели биологической очистки сточных вод.

Диссертационная работа выполнена на кафедре программного обеспечения вычислительной техники и автоматизированных систем БГТУ им. В. Г. Шухова.

5.3. Основные результаты и выводы по разделу.

1. Определены структура и способы формирования основных блоков системы поддержки принятия решений по управлению очисткой сточных вод.

2. Приведено описание программного комплекса, реализующего систему поддержки принятия решений по управлению очисткой сточных вод.

ЗАКЛЮЧЕНИЕ

.

В настоящей работе решена задача совершенствования методов управления очисткой сточных вод посредством создания компьютерной системы поддержки принятия решений по управлению на основе нечеткого моделирования, которая позволяет формализовать экспертные знания о процессе очистки сточных вод, реализует механизмы нечеткого вывода на основе метода косвенного вывода для получения рекомендаций по управлению, использует ретроспективную информацию для извлечения знаний и повышения точности выводов.

Основным теоретическим результатом работы является развитие теоретических основ создания систем поддержки принятия решений по управлению очисткой сточных вод на основе нечеткого моделирования. При этом:

— установлены свойства операций над значениями лингвистической переменной «истинность», позволяющие расширить возможности применения нечетких множеств в принятии решений;

— разработаны методы согласования групповых решений и ранжирования альтернатив при лингвистическом задании критериев, позволяющие учитывать приближенные оценки многих экспертов и сократить время принятия решений;

— разработан метод косвенного нечеткого вывода для систем с многими входами, позволяющий повысить быстродействие при выполнении нечеткого вывода;

— разработана процедура эволюционного проектирования нейро-нечетких систем, основанных на методе косвенного нечеткого вывода, позволяющая повысить достоверность нечеткого вывода;

— предложена методика использования результатов нечеткого моделирования для выбора управляющего воздействия при очистке сточных вод.

Основным практическим результатом работы является создание системы поддержки принятия решений по управлению очисткой сточных вод на основе нечеткого моделирования, которая позволяет повысить эффективность процесса очистки, выдавая рекомендации по управлению на уровне квалифицированных специалистов-технологов и учитывает ретроспективную информацию о процессе очистки.

С использованием разработанных методов и алгоритмов принятия решений выполнена компьютерная реализация системы поддержки принятия решений по управлению очисткой сточных вод. Разработанное программное обеспечение прошло тестирование на Белгородской очистной станции.

Показать весь текст

Список литературы

  1. А.Н. Нечеткое отношение моделирования и его использование для классификации и аппроксимации в нечетких лингвистических пространствах /А.Н.Аверкин //Изв.АН СССР: Техническая кибернетика.-1982. -№ 2. -С.215.
  2. А.Н. Нечеткая семиотическая система управления /А.Н.Аверкин, Е. Ю. Головина //Труды международной конференции «Интеллектуальное управление: новые интеллектуальные технологии в задачах управления (ICIT'99)». М.: Физматлит, 1999. — С.141−145.
  3. А.Н., Головина Е. Ю., Проектирование нечетких регуляторов на основе триангулярных норм /А.Н.Аверкин, Е. Ю. Головина, А. Е. Сергиевский //Теория и системы управления. 1997. — № 5. — С.112−118.
  4. А.Н., Костерев В. В. Триангулярные нормы в системах искусственного интеллекта /А.Н.Аверкин, В. В. Костерев //Теория и системы управления. 2000. — № 5. — С. 107−119.
  5. А.В. Лингвистические модели принятия решений в нечетких ситуационных системах управления /А.В.Алексеев //Методы принятия решений в условиях неопределенности. Рига: РПИ, 1980 — С.7−23.
  6. Р.А. и др. Производственные системы с искусственным интеллектом. М.: Радио и связь, 1990. — 264 с.
  7. Р.А. Теория интеллектуальных систем и «е применение /Р.А.Алиев, Р. Р. Алиев. Баку: Чашыоглы, 2001. — 720 с.
  8. Р. Принятие решений в расплывчатых условиях /Р.Беллман, Л. Заде //Вопросы анализа и процедуры принятия решений. М.:Мир, 1976. -245 с.
  9. Л.С. Сжатие множества эталонных ситуаций в лингвистических моделях ситуационного управления /Л.С.Берштейн, С. Я. Коровин, А. Н. Мелихов //Автоматика и телемеханика. 1985. — № 2. — С.56−68.
  10. С.Д. Экспертные оценки /С.Д.Бешелев, Ф. Г. Гурвич. -М.:Наука, 1973.-462 с.
  11. А.Ф. Истинность сходства нечетких множеств /А.Ф.Блишун //Проблемы управления и теория информации. 1980. — Т.9, № 5. — С.381−392.
  12. Буч Г. Объектно-ориентированное проектирование с примерами применения /Г.Буч. М.: Конкорд, 1992. — 512 с.
  13. В.А. Математическое моделирование процессов биологической очистки сточных вод активным илом /В.А.Вавилин, В. Б. Васильев. М.: Наука, 1979.- 126 с.
  14. Н.Ф. Химия воды и микробиология: Учеб. пособие для вузов. /Н.Ф. Возная. М.:Высшая школа, 1979. — 340 с.
  15. Е.Ю. Программные инструментальные средства для создания интеллектуальных систем поддержки принятия решений на базе логико-семиотического аппарата /Е.Ю.Головина //Новости искусственного интеллекта. 2002. — № 3. — С.41−47.
  16. Э.К. Биологические основы очистки воды /Э.К.Голубовская. М.:Высшая школа, 1978. — 272 с.
  17. В.И. Современное состояние технологии извлечения знаний из баз и хранилищ данных (часть 1) /В.И.Городецкий, В. В. Самойлов, А. О. Малов //Новости искусственного интеллекта. 2002. — № 3. — С.3−12
  18. В.Ю. Экологические технологии: методы оптимизации очистки сточной воды от биогенных элементов на канализационных очистных сооружениях /В.Ю.Грязев, Л. Ф. Комарова //Инженерная экология. 2004. -№ 1. — С.37−43
  19. Д. Теория возможностей. Приложения к представлению знаний в информатике /Д.Дюбуа, А. Прад М.: Радио и связь, 1990. — 288 с.
  20. М.А. Оптимизация биохимической очистки сточных вод /М.А.Евилевич, Л. Н. Брагинский Л., Стройиздат, 1979. — 175 с.
  21. Д.Н. Ранжирование альтернатив при лингвистическом задании критериев качества /Д.Н.Ермоленко, В. Г. Синюк //Тезисы докладов 7-ой
  22. Всероссийской межвузовской научно-технической конференции студентов и аспирантов «Микроэлектроника и информатика 2000» — М.: Изд. МИЭТ, 2000. — С. 102
  23. Д.Н. Нейро-нечеткая система с настраиваемой логикой /Д.Н.Ермоленко, В. Г. Синюк //Материалы седьмых академических чтений РААСН «Современные проблемы строительного материаловедения» -Белгород: Изд. БелГТАСМ, 2001. 42. — С. 114−117
  24. JI.A. Основы нового подхода к анализу сложных систем и процессов принятия решений /Л.А.Заде //Математика сегодня. М.: Знание, 1974. — С.5−49.
  25. Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений /Л.А.Заде. -М.: Мир, 1976. 168 с.
  26. Л.А. Размытые множества и их применение в распознавании образов и кластер-анализе /Заде Л.А. //Классификация и кластер. М.:Мир, 1980. -С.208−247
  27. В.Н. Современная информационная технология в системах управления /В.Н.Захаров //Изв. РАН Теория и системы управления 2000. -№ 1. — С.70−78.
  28. Интеллектуальные системы принятия проектных решений /А.В.Алексеев, А. Н. Борисов, Э. Р. Вилюмс и др. Рига: Зинатне, 1997. — 320 с.
  29. К вопросу о моделировании очистки сточных вод в аэротенке /Л.П.Истомина, А. П. Нетюхайло, Л. Н. Ушакова, И. А. Шеренков //Водные ресурсы. 1979. — № 4.-С. 15−21.
  30. Т.А. Контроль качества воды. Учебник для техникумов /Т.А.Карюхина, И. Н. Чурбанова. М.: Стройиздат, 1977. — 135 с.
  31. В.В. Системный анализ процессов химической технологии. Применение метода нечетких множеств /В.В.Кафаров, И. Н. Дорохов, Е. П. Марков М.:Наука, 1986 — 359 с.
  32. Р.Л. Принятие решений при многих критериях: предпочтения и замещения /Р.Л.Кини, Х. Райфа М.:Радио и связь, 1984. — 560 с.
  33. С.К. Математическая логика /С.К.Клини. М.:Мир, 1973. — 145 с.
  34. Дж. Системология. Автоматизация решения системных задач /Дж.Клир. М.: Радио и связь, 1990. — 544 с.
  35. А. Введение в теорию нечетких множеств /А.Кофман -М.: Радио и связь, 1982. 432 с.
  36. В.В. Искусственные нейронные сети. Теория и практика /В.В.Круглов, В. В. Борисов. М.: Горячая линия-Телеком, 2001. — 382 с.
  37. В.В. Нечеткая логика и искусственные нейронные сети: Учеб. Пособие /В.В.Круглов, М. И. Дпи, Р. Ю. Голунов. М.:Физматлит, 2001 — 224 с.
  38. О.И. Теория и методы принятия решений, а также Хроника событий в Волшебных Странах: Учебник /О.И.Ларичев. М.: Логос, 2000. -296 с.
  39. В.И. Новое обобщение операций над нечеткими множествами /В.И.Левин //Теория и системы управления. 2001. — № 1. — С. 143−146.
  40. А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH /А.В.Леоненков. СПб.: БХВ-Петербург, 2003. — 736 с.
  41. Я.Е. О некоторых подходах к агрегированию информации в целенаправленных системах /Я.Е.Львович, Т. М. Леденева //Информационные технологии. 1999. — № 10. — С. 13−20.
  42. Макаров И. М Теория выбора и принятия решений /И.М Макаров. -М.:Наука, 1982.-327 с.
  43. А.А. Советующая система с нечеткой логикой по управлению мельницей помола клинкера: Автореф. дис.. канд.техн.наук /А.А.Максименко Белгород., 2000. — 24 с.
  44. Н.Г. Нечеткие модели для экспертных систем в САПР /Н.Г.Малышев, Л. С. Бернштейн, А. В. Боженюк. -М.:Энергоатомиздат, 1991 -136 с.
  45. Математические методы контроля загрязнения воды. М., Мир, 1981.
  46. А.Н. Ситуационные советующие системы с нечеткой логикой /А.Н.Мелихов, Л. С. Берштейн, С. Я. Коровин. -М.:Наука, 1990. 272 с.
  47. Методика технологического контроля работы очистных сооружений городской канализации /Под ред. О. Т. Болотина М.:Стройиздат, 1977. -229с.
  48. Методы и модели принятия решений на основе лингвистической переменной / А. Н. Борисов, А. В. Алексеев, О. А. Крумберг и др. Рига: Зинатне, 1982.-256 с.
  49. В.В. Методы синтеза логических схем: Учебное пособие /В.В.Муромцев. Белгород: Изд-во БелГТАСМ, 2001. — 78 с.
  50. В.В. Определение оптимальных технологических параметров гидроциклонов на ЭЦВМ /В.В.Найденко, Д. И. Батищев, Л. Б. Белякова //Водоснабжение и санитарная техника. 1970. — № 1. — С. 15−23.
  51. В.В. Оптимизация процессов очистки природных и сточных вод /В.В.Найденко, А. П. Кулакова, И. А. Шеренков. М., Стройиздат, 1984 -151 с.
  52. К.В. Применение теории систем к проблемам управления /К.В.Негойце. М.:Мир, 1981. — 180 с.
  53. Нечеткие множества в моделях управления и искусственного интеллекта /Под ред. Д. А. Поспелова М.: Наука, 1986. — 313 с.
  54. Нечеткие множества и теория возможностей. Последние достижения /Под ред. Р.Ягера. М.-.Радио и связь, 1986. — 391 с.
  55. Н. Искусственный интеллект. Методы поиска решений /Н.Нильсон. М.:Мир, 1973. — 320 с.
  56. Н. Принципы искусственного интеллекта /Н.Нильсон. -М.:Радио и связь, 1985. 245 с.
  57. Обработка нечеткой информации в системах принятия решений /А.Н.Борисов, А. В. Алексеев, Г. В. Меркурьева и др.-М.: Радио и связь, 1989. -300 с.
  58. А.И. Задачи оптимизации и нечеткие переменные /А.И.Орлов. М.: Знание, 1980.-63 с.
  59. С.А. Проблемы принятия решений при нечеткой исходной информации /С.А.Орловский. -М.:Наука, 1981 208 с.
  60. Г. Д. Оптимизация проектирования натрийкатионитовыхустановок /Г.Д.Павлов //Водоснабжение и санитарная техника.- 1976. № 1. — С.24−36.
  61. Э.В. Экспертные системы /Э.В.Попов. М.:Наука, 1987. — 288 с.
  62. Г. С. Искусственный интеллект основа новой информационной технологии /Г.С.Поспелов — М.:Наука, 1988. — 185 с.
  63. Д.А. Логико-лингвистические модели в системах управления /Д.А.Поспелов М.:Энергоатомиздат, 1981.-231 с.
  64. Д.А. Ситуационное управление: Теория и практика /Д.А.Поспелов. М.:Наука, 1986. — 284 с.
  65. Прикладные нечеткие системы /Под ред. Т.Тэрано. М.:Мир, 1993 — 368 с.
  66. А.П. Нейролингвистическая идентификация нелинейных зависимостей /А.П.Ротштейн, Ю. И. Митюшкин //Кибернетика и системный анализ. 2000. — № 2. — С.37−44.
  67. А.П. Надежность алгоритмических процессов при нечетких исходных данных /А.П.Ротштейн, С. Д. Штовба //Кибернетика и системный анализ. 1998. — № 4. — С.85−95.
  68. А.П. Идентификация нелинейных объектов нечеткими базами знаний /А.П.Ротштейн, Д. И. Котельников //Кибернетика и системный анализ.- 1998. № 5. — С.53−61.
  69. А.П. Прогнозирование количества заболеваний на основе экспертно-лингвистической информации /А.П. Ротштейн, Е. Е. Лойко, Д. И. Котельников //Кибернетика и системный анализ. 1999. — № 2. — С. 178 185.
  70. Т. Принятие решений. Метод анализа иерархий /Т.Саати. М.: Радио и связь, 1993. — 234 с.
  71. Э.А. Компьютерная поддержка принятия решений /Э.А.Трахтенгерц. М.: СИНТЕГ, 1998.-376 с.
  72. Э.А. Компьютерная поддержка принятия решений в САПР /Э.А.Трахтенгерц //Автоматизация проектирования. 1997. — № 5. -С.27−38.
  73. Э.А. Компьютерная поддержка принятия решений в САПР /Э.А.Трахтенгерц //Автоматизация проектирования. 1998. — № 1. — С. 16−26.
  74. Э.А. Неопределенность в моделях компьютерных систем поддрежки принятия решений (часть 2) /Э.А.Трахтенгерц //Новости искусственного интеллекта. 2002. — № 3. — С. 13−21.
  75. П. Искусственный интеллект/П.Уинстон. М.:Мир, 1980. — 415 с.
  76. Ф. Нейрокомпьютерная техника /Ф.Уоссермен. -М.:Мир, 1992. 127 с.
  77. Фаронов В.В. Delpih. Программирование на языке высокого уровня: Учебник для вузов /В.В.Фаронов. СПб.: Питер, 2004. — 640 с.
  78. Р. Экспертные системы. Принципы работы и примеры /Р.Форсайт. М.:Радио и свзяь, 1987. — 224 с.
  79. Д.И. Принятие решений в системах организационного управления: Использование расплывчатых категорий /Д.И.Шапиро. -М.:Энергоатомиздат, 1983. 184 с.
  80. Эль М. А. Наладка и эксплуатация очистных сооружений городской канализации /М.А.Эль, Ю. Ф. Эль, И. Ф. Вебер М., Стройиздат, 1977. — 232 с.
  81. А. Искусственный интеллект /А.Эндрю. М.:Мир, 1985. — 311 с.
  82. Н.Г. Основы теории нечетких и гибридных систем: Учеб. пособие /Н.Г.Ярушкина. М.: Финансы и статистика, 2004. — 320 с.
  83. Abraham A. Evolutionary Design of Neuro-Fuzzy Systems A Generic Framework /A.Abraham, N. Baikunth //The Sixth International conference on Control, Automation, Robotics and Vision, (ICARCV 2000), 2000. — C.49−71.
  84. Abraham A. Designing optimal Neuro-Fuzzy Systems for Intelligent Control /A.Abraham, B. Nath //The Sixth International conference on Control, Automation, Robotics and Vision, (ICARCV 2000), 2000. C. l 12−135.
  85. Abraham A. Evolutionary Design of Fuzzy Control Systems An Hybrid Approach /A.Abraham, B. Nath //The Sixth International conference on Control, Automation, Robotics and Vision, (ICARCV 2000), 2000. — C.48−73.
  86. Baldwin J.F. A new approach to approximate erasoning using a fuzzy logic /J.F. Baldwin //Fuzzy Sets and Systems. 1979. — № 2. — C.309−325.
  87. Castellano G. Knowledge discovery by a neuro-fuzzy modeling framework /G.Castellano //Fuzzy sets and systems. 2005. -№ 149. — C. 187−207.
  88. Cordon O. Hybridizing genetic algorithms with sharing scheme and evolution strategies for designing approximate fuzzy rule-based systems /O.Cordon, F. Herera //Fuzzy Sets and Systems. 2001. — № 118.- C.235−255.
  89. Fukami S. Some considerations of fuzzy conditional inference /S.Fukami, M. Mizymoto, K. Tanaka //Fuzzy Sets and Systems. 1980. — № 4 — C.243−273.
  90. Fuller R. On fuzzy reasoning schemes /R.Fuller //The State of the Art of Information Systems in 2007, TUCS General Publications. 1999. — № 16- C.85−112
  91. Fuller R. On computaion of the compositional rule of inference under triangular norms /R.Fuller, H.-J.Zimmerman // Fuzzy Sets and Systems. 1992. -№ 51. — C.267−275.
  92. Gonzalez A. Multi-stage genetic fuzzy systems based on the iterative rule learining approach /A.Gonzalez, F. Herrera //Mathware & Soft Computing. -1997.- № 4. C.233−249.
  93. Jang J.-S.R. Neuro-fuzzy and soft computing: a computational approach to learning and machine intelligence /J.-S.R.Jang, C.-T.Sun, E.Mizutani. Prentice Hall, NJ, 1997.-401 c.
  94. Klawonn F. Constructing a fuzzy controller from data /F.Klawonn, R. Kruse //Fuzzy Sets and Systems.- 1997. № 85. — C. 177−193.
  95. Mamdani E.H. Applications of fuzzy logic to approximate reasoning using linguistic systems /E.H.Mamdani //IEEE Transations on Computer. 1977. — № 26.- C. l 182−1191.
  96. Su M.-C. Appication of neural networks incorporated with real valued genetic algorithms in knowledge acuisition /М.-C.Su, H.-T. Chang //Fuzzy sets and systems. 2000. — 112. — C.85−97.
  97. Wang H. Multi-objective hierarchical genetic algorithm for interpratable fuzzy rule-based knowledge extraction /H.Wang, S. Kwong, Y. Jin и др. // Fuzzy sets and systems. 2005. — № 149. — C. 149−186 102. www.basegroup.ru Лаборатория «Basegroup».
  98. Zadeh L.A. Toward a theory of fuzzy information granulation and its centrality in human reasoning and fuzzy logic /L.A.Zadeh //Fuzzy sets and systems. 1997.- №.90. — C.2−8.
Заполнить форму текущей работой

На отлично!