Эволюционная модель интеллектуального анализа разнородных знаний (стр. 1 )

Аннотации, ключевые слова, ЛИТЕРАТУРА

сведения об авторах

abstracts, key words, LITERATURE,

information about the authors

№ 4 (

__________________________________________________________________________________________________________________

УДК 002.53:004.89

Эволюционная модель интеллектуального анализа

разнородных знаний[*]

В. В. БОВА1, А. У. ЗАММОЕВ2, А. Н. ДУККАРДТ1

1ФГАОУ ВПО Южный федеральный университет

Таганрог, Ростовская область, ГСП-17А, пер. Некрасовский, 44

2ФГБУН Институт информатики и проблем регионального управления

Кабардино-Балкарского научного центра РАН

КБР, 7-а

e-mail: [e-mail]

В статье для решения задачи управления разнородными знаниями предлагается рассматривать систему поддержки принятия решений как интеллектуальную советующую систему, которая основывается на экспертных знаниях, результатах эволюционного моделирования и интеллектуальном анализе данных. Представленная архитектура поиска решений реализует эволюционную модель интеллектуального анализа разнородных данных, что позволяет объединять в единое информационное пространство отдельные модули системы и обеспечивать адаптацию и эволюцию знаний в процессе функционирования системы.

Ключевые слова: эволюционное моделирование; интеллектуальный анализ данных; представление знаний; интеллектуальные системы поддержки принятия решений.

EVOLUTION MODEL OF INTELLECTUAL ANALYSIS

OF DIVERSE KNOWLEDGE

V. V. BOVA1, A. U. ZAMMOEV2, A. N. DUCKARDT1

1Southern Federal University

Taganrog, GSP-17A, 44, Nekrasovsky lane

2Institute of Computer Science and Problems of Regional Management of KBSC

of the Russian Academy of Sciences

KBR, Nalchik, 37-a, I. Armand street

e-mail: *****@***ru

In this article the authors proposed to consider a decision support system as an intellectual advising system for the solution of the management of diverse knowledge, based on expert knowledge, the results of evolutionary modeling and data mining. The presented architecture implements the search for solutions of the evolutionary model of heterogeneous data mining that allows to merge into a single information space of the individual modules of the system and ensure the adaptation and evolution of knowledge in the operation of the system.

Key words: evolutionary modeling; data mining; knowledge representation; intelligent decision support systems.

ЛИТЕРАТУРА

1.  , , В. Проблемы представления знаний в интегрированных системах поддержки управленческих решений // Известия ЮФУ. Технические науки, 2010. № 7(108). С. 107-113.

2.  В. Модели предметных знаний на основе системно-когнитивного анализа // Известия ЮФУ. Технические науки, 2011. № 7(120). С. 146-153.

3.  Кравченко, Ю. А. Оценка когнитивной активности пользователя в системах поддержки принятия решений // Известия Южного федерального университета. Технические науки. Таганрог: Изд-во ТТИ ЮФУ, 2009. Т. 93. № 4. С 113-117.

4.  , В. Интегрированная подсистема гибридного и комбинированного поиска в задачах проектирования и управления // Известия ЮФУ. Технические науки, 2010. № 12(113). С. 37-43.

5.  А. Концептуальные основы рефлексивно-адаптивного подхода к построению интеллектуальных информационных систем // Известия ЮФУ. Технические науки, 2011. № 7. С. 167-171.

6.  , О. Классификация изображений на основе модели онтонейроморфогенеза // Известия КБНЦ РАН, 2011. № 1. С. 196-200.

7.  , Н. Применение искусственных нейронных сетей для коллективного решения интеллектуальных задач // Известия ЮФУ. Технические науки, 2012. № 7. С. 131–138.

8.  Kureichik V. V., Kureichik V. M., Sorokoletov P. V. Analysis and a survey of evolutionary models // Journal of Computer and Systems Sciences International, 2007. Т. 46. № 5. С. 779-791.

9.  , В. Концептуальная модель представления решений в генетических алгоритмах // Известия Южного федерального университета. Технические науки, 2008. Т. 86. № 9. С. 7-12

10.  , И. О правилах представления решений в эволюционных алгоритмах // Известия ЮФУ. Технические науки, 2010. № 7 (108). С. 13-21.

11.  , В. Эволюционные, синергетические и гомеостатические стратегии в искусственном интеллекте: состояние и перспективы // Новости искусственного интеллекта, 2000. № 3. С. 39-65.

12.  , Курейчик Вл. Вл. Архитектура гибридного поиска при проектировании // Известия ЮФУ. Технические науки, 2012. № 7. С. 22-27.

, ст. преподаватель кафедры систем автоматизированного проектирования Южного федерального университета.

г. Таганрог, пер. Некрасовский, 44.

Тел-51.

E-mail: *****@***ru

, к. т.н., отдел «Мультиагентные системы» Института информатики и проблем регионального управления КБНЦ РАН.

КБР, 7-а.

Тел.: 8 (86, .

E-mail: *****@***ru

, к. т.н., ассистент кафедры систем автоматизированного проектирования Южного федерального университета.

г. Таганрог, пер. Некрасовский, 44.

Тел51.

E-mail: *****@***com.

Bova Victoria Viktorovna, senior lecturer of Chair of systems of the automated design of the Southern Federal University.

Taganrog, 44, Nekrasovsky Lane.

Ph-51.

E-mail: *****@***ru

Zammoev Aslan Uzeirovich, Department of multiagent systems, Institute of Computer Science and Problems of Regional Management of KBSC of RAS.

КBR, Nalchik, 37-a, I. Armand's street.

Ph.: 8 (86, .

e-mail: *****@***ru

Dukkardt Alexander Nikolaevich, candidate of technical sciences, assistant to Chair of systems of the automated design of the Southern Federal University.

Taganrog, 44, Nekrasovsky Lane.

Ph51.

E-mail: *****@***com.

_________________________________________________________________________

УДК 004.023

Использование моделей коллективного поведения

для решения задач распределенного

искусственного интеллекта[†]

А. Н. ДУККАРДТ1, Л. З. ШАУЦУКОВА2, В. В. БОВА1

1ФГАОУ ВПО Южный федеральный университет

Таганрог, Ростовская область, ГСП-17А, пер. Некрасовский, 44

2ФГБУН Институт информатики и проблем регионального управления

Кабардино-Балкарского научного центра РАН

КБР, 7-а

e-mail: [e-mail]

В работе изложены возможности и принципы построения распределенных интеллектуальных систем на основе коллективного поведения. Выявлены особенности применения централизованного и распределенного подходов к решению интеллектуальных задач. Рассмотрена возможность применения модели коллективного поведения стаи птиц (Boids) для построения распределенной интеллектуальной многоагентной системы. Определены тенденции и направления развития моделей коллективного поведения для решения задач распределенного искусственного интеллекта.

Ключевые слова: искуcственный интеллект, многоагентные системы, коллективное поведение, модель Boids.

TASK ALLOCATION IN DISTRIBUTED ARTIFICIAL

INTELLIGENCE USING COLLECTIVE BEHAVIOR MODELS

A. N. DUKKARDT1, L. Z. SHAUTZUKOVA2, V. V. BOVA1

1Southern Federal University

Taganrog, GSP-17A, Nekrasovsky lane

2Institute of Computer Science and Problems of Regional Management of KBSC

of the Russian Academy of Sciences

KBR, Nalchik, 37-a, I. Armand street

e-mail: *****@***ru

The paper presents the features and principles of developing of distributed intelligent systems based on collective behavior. Specific features of the application of centralized and distributed approaches to solving intellectual problems is revealed. The possibility of using the Boids model for building a distributed intelligent multi-agent system is studied. The authors identified trends and patterns of collective behavior for solving the problems of distributed artificial intelligence.

Key words: artificial intelligence, multi-agent system, collective behavior, Boids model.

ЛИТЕРАТУРА

1.  , Дуккардт. А. Н. Применение искусственных нейронных сетей для коллективного решения интеллектуальных задач // Известия ЮФУ. Технические науки. Тематический выпуск «Интеллектуальные САПР». Таганрог: Изд-во ТТИ ЮФУ, 2012. № 7 (132). С. 131-138.

2.  , , В. Проблемы представления знаний в интегрированных системах поддержки управленческих решений // Известия ЮФУ. Технические науки, 2010. Т. 108. № 7. С. 107-113.

3.  В. Модели предметных знаний на основе системно-когнитивного анализа // Известия ЮФУ. Технические науки, 2010. Т. 120. № 7. С. 146-153.

4.  , В. Эволюционные, синергетические и гомеостатические стратегии в искусственном интеллекте: состояние и перспективы // Новости искусственного интеллекта, 2000. № 3. С. 39-63.

5.  А. Концептуальные основы рефлексивно-адаптивного подхода к построению интеллектуальных информационных систем // Известия Южного федерального университета. Технические науки.– Таганрог: Изд-во ТТИ ЮФУ, 2011. Т. 120. №7. С. 167-171.

6.  Kurejchik V. V., Kurejchik V. M. On Genetic-Based Control // Автоматика и телемеханика, 2001. № 10. С. 174-187.

7.  А. Применение метода анализа иерархий в алгоритме принятия решений с учетом ряда параметров адаптации // Известия Южного федерального университета. Технические науки. Таганрог: Изд-во ЮФУ, 2012. Т. 132. №7. С. 247-252.

8.  , В. Интегрированная подсистема гибридного и комбинированного поиска в задачах проектирования и управления// Известия Южного федерального университета. Технические науки. 2010. Т. 113. № 12. С. 37-42.

9.  , Курейчик Вл. Вл. Архитектура гибридного поиска при проектировании // Известия Южного федерального университета. Технические науки, 2012. Т. 132. № 7. С. 22-27.

10.  , , Н. Анализ современного состояния автоматизированных систем приобретения и представления знаний // Известия Южного федерального университета. Технические науки, 2008. Т. 86. № 9. С. 120-125.

11.  Mark Sims, Daniel Corkill and Victor Lesser. Automated Organization Design for Multiagent Systems, Autonomous Agents and Multi-Agent Systems, Springer Netherlands, Vol., 2008. P. 181–183.

12.  Bo An. Automated Negotiation for Complex Multi-Agent Resource Allocation, (Dissertation Submitted to the Graduate School of the University of Massachusetts Amherst in partial fulfillment of the requirements for the degree of PhD, 2011. P. 2-15, 138-167, 202.

13.  А. Технология многоаспектного аналитического исследования как метод машинного обучения // Научно-практический журнал «Открытое образование». М.: CAPITALPRESS, 2008. №2. С. 11-17.

14.  Abraham A., Grosan G., Ramos V. Swarm Intelligence in Data Mining. Berlin. Heidelberg: SpringerVerlag, 2006. P. 267.

, к. т.н., ассистент кафедры систем автоматизированного проектирования Южного федерального университета.

г. Таганрог, пер. Некрасовский, 44.

Тел51.

E-mail: *****@***com.

, к. т.н., доцент, отдел «Мультиагентные системы» Института информатики и проблем регионального управления КБНЦ РАН.

КБР, 7-а.

Тел-52.

E-mail: *****@***ru

, ст. преподаватель кафедры систем автоматизированного проектирования Южного федерального университета.

г. Таганрог, пер. Некрасовский, 44.

Тел-51.

E-mail: *****@***ru

Dukkardt Alexander Nikolaevich, candidate of technical sciences, assistant to Chair of systems of the automated design of Southern Federal University.

Taganrog, 44, Nekrasovsky Lane.

Ph51.

E-mail: *****@***com.

Shautsukova Leyla Zalimgeriyevna, candidate of technical sciences, associate professor, Department of multiagent systems, Institute of Computer Science and Problems of Regional Management of KBSC of RAS.

КBR, Nalchik, 37-a, I. Armand's street.

Ph-52.

E-mail: *****@***ru

Bova Victoria Viktorovna, senior lecturer of Chair of systems of the automated design of Southern Federal University.

Taganrog, 44, Nekrasovsky Lane.

Ph-51.

E-mail: *****@***ru

____________________________________________________________________

УДК 004.023

Многоуровневый алгоритм решения задачи

параметрической оптимизации

на основе биоинспирированных эвристик[‡]

Д. Ю. ЗАПОРОЖЕЦ1, А. Ю. КУДАЕВ2, А. А. ЛЕЖЕБОКОВ1

1ФГАОУ ВПО Южный федеральный университет

Таганрог, Ростовская область, ГСП-17А, пер. Некрасовский, 44

2ФГБУН Институт информатики и проблем регионального управления

Кабардино-Балкарского научного центра РАН

КБР, 7-а

e-mail: [e-mail]

Задачи параметрической оптимизации в настоящее время используются в различных прикладных областях. К таким задачам можно отнести прогнозирование погоды на метеостанции, расчет параметров электродвигателей, поиск весовых коэффициентов в нейронной сети. Данная задача является NP-трудной и не имеет детерминированных алгоритмов ее решения. Поэтому разработка эвристических подходов получения квазиоптимальных решений является актуальной задачей. В статье представлен гибридный бионический алгоритм для решения задач параметрической оптимизации. Также проведена серия экспериментов, где были подтверждены теоретические оценки, выявлены оптимальные значения параметров алгоритма. Временная сложность алгоритма составила O(n4). Величина временной сложности компенсируется качеством решений, полученных с помощью гибридной эвристики, для большого количества входных параметров. Так, в ходе проведения экспериментов для количества входных параметров 100 и более гибридный алгоритм ни разу не попал в локальный оптимум, а найденное решение было приближено или равнялось глобальному.

Ключевые слова: биоинспирированный алгоритм, многоуровневый алгоритм, муравьиный алгоритм, параметрическая оптимизация, нейронная сеть.

MULTI-LEVEL ALGORITHMS FOR SOLVING PROBLEMS

OF PARAMETRIC OPTIMIZATION BASED

ON BIOINSPIRED HEURISTICS

D. Y. Zaporozhets1, A. Y. Kudaev2, A. A. Lezhebokov1

1Southern Federal University

Taganrog, GSP-17A, 44, Nekrasovsky Lane

2Institute of Computer Science and Problems of Regional Management of KBSC

of the Russian Academy of Sciences

KBR, Nalchik, 37-a, I. Armand street

e-mail: *****@***ru

Parametric optimization tasks are currently being used in various application areas. These tasks may include weather forecasting on meteo station, the calculation of the parameters of electric motors, search of weights coefficients in the neural network. This paper presents a hybrid bionic algorithm for solving the problems of parametric optimization. Also, it describes a series of experiments, which were confirmed by theoretical estimates, that identified the optimal parameters of the algorithm. The time complexity of the algorithm was O (n4), the value of the time offset, the quality of the solutions obtained via hybrid heuristics for a large number of input parameters are presented. Thus, in the course of the experiments, the number of input parameters for 100 or more a hybrid algorithm never got into a local optimum, and the solution found was approached or equal to the global.

Key words: bio-inspired algorithm, multi-level algorithm, the ant algorithm, parameter optimization, neural network.

ЛИТЕРАТУРА

1.  , , В. Биоинспированные методы в оптимизации. М.: ФИЗМАТЛИТ, 20с.

2.  Abraham A., Grosan G., Ramos V. Swarm Intelligence in Data Mining. Berlin. Heidelberg: Springer Verlag, 2006. P. 267.

3.  Dorigo M., Maniezzo V., Colorni A. Ant System: Optimization by a Colony of Cooperating Agents // IEEE Transactions on Systems, Man, and Cybernetics-Part B. 19P. 29-41.

4.  , Ю. Роевой алгоритм в задачах оптимизации // Известия Южного федерального университета. Технические науки, 2010. Т. 108. № 7. С. 28-32

5.  , Л. Автоматизированное проектирование технических систем: Учебное пособие. М.: Издательство "Академия естествознания", 2009.

6.  , Ю. Современные проблемы при размещении элементов СБИС // Известия Южного федерального университета. Технические науки, 2011. Т. 120. № 7. С. 68-73

7.  , В. Эволюционные, синергетические и гомеостатические стратегии в искусственном интеллекте: состояние и перспективы // Новости искусственного интеллекта, 2000. № 3. С. 39-63.

8.  , В. Интегрированная подсистема гибридного и комбинированного поиска в задачах проектирования и управления // Известия Южного федерального университета. Технические науки, 2010. Т. 113. № 12. С. 37-42.

9.  , В. Архитектура гибридного поиска при проектировании // Известия Южного федерального университета. Технические науки, 2012. Т. 132. № 7. С. 22-27.

10.  А. Оценка когнитивной активности пользователя в системах поддержки принятия решений // Известия Южного федерального университета. Технические науки. Таганрог: Изд-во ТТИ ЮФУ, 2009. Т. 93. №4. С. 113-117.

11.  А. Концептуальные основы рефлексивно-адаптивного подхода к построению интеллектуальных информационных систем // Известия Южного федерального университета. Технические науки. Таганрог: Изд-во ТТИ ЮФУ, 2011. Т. 120. №7. С. 167-171.

12.  А. Применение метода анализа иерархий в алгоритме принятия решений с учетом рядя параметров адаптации // Известия Южного федерального университета. Технические науки. Таганрог: Изд-во ЮФУ, 2012. Т. 132. №7. С. 247-252.

13.  , И. О правилах представления решений в эволюционных алгоритмах // Известия ЮФУ. Технические Науки. Таганрог, 2010. Т. 108. № 7. С. 13-21.

, аспирант кафедры систем автоматизированного проектирования Южного федерального университета.

г. Таганрог, пер. Некрасовский, 44.

Тел51.

E-mail: *****@***com.

, отдел мультиагентных систем Института информатики и проблем регионального управления КБНЦ РАН.

КБР, 7-а

Тел-52.

E-mail: *****@***ru

, к. т.н., доцент кафедры систем автоматизированного проектирования Южного федерального университета.

г. Таганрог, пер. Некрасовский, 44.

Тел51.

E-mail: *****@***com

Zaporozhets Dmitry Yuryevich, Department of Computer Aided Design, postgraduate of Southern Federal University.

Taganrog, 44, Nekrasovsky lane.

Ph. +7 (86

E-mail: *****@***com

Kudaev Anzor Yuryevich

Department of multiagent systems, Institute of Computer Science and Problems of Regional Management of KBSC of RAS.

КBR, Nalchik, 37-a, I. Armand's street.

Ph-52.

E-mail: *****@***ru

Lezhebokov Andrey Anatolevich, The Department of Computer Aided Design, candidate of science, associate professor of Southern Federal University.

Taganrog, 44, Nekrasovsky lane.

Ph. +7 (86

E-mail: *****@***com.

___________________________________________________________________________

УДК 004.089

СИТУАТИВНЫЙ АНАЛИЗ И СИНТЕЗ

ИНТЕЛЛЕКТУАЛЬНОГО ПОВЕДЕНИЯ В СИСТЕМАХ

ОБВОЛАКИВАЮЩЕЙ БЕЗОПАСНОСТИ НА ОСНОВЕ

АВТОМАТНОГО ПРЕДСТАВЛЕНИЯ МУЛЬТИАГЕНТНЫХ

КОГНИТИВНЫХ АРХИТЕКТУР[§]

П. М. ИВАНОВ1, О. Б. МАКАРЕВИЧ2, З. В. НАГОЕВ1

1ФГБУН Институт информатики и проблем регионального управления

Кабардино-Балкарского научного центра РАН

КБР, 7-а

e-mail: [e-mail]

2ФГАОУ ВПО Южный федеральный университет

г. Ростов-на-Дону, /42

E-mail: [e-mail]

Предложено решение задач ситуативного анализа и синтеза интеллектуального поведения в системах обволакивающей безопасности строить на основе самоорганизующихся мультиагентных рекурсивных когнитивных архитектур. Разработана формализация таких архитектур на основе рекурсивных детерминированных абстрактных автоматов. Задача синтеза интеллектуального управления системой обволакивающей безопасности сведена к информированному поиску пути, субоптимального по критерию максимизации энергии, в дереве решений, глубина которого равна горизонту планирования агента.

Ключевые слова: обволакивающий интеллект, системы обволакивающей безопасности, мультиагентные рекурсивные когнитивные архитектуры, абстрактные детерминированные автоматы, синтез оптимального управления.

THE SITUATIONAL ANALYSIS AND SYNTHESIS OF INTELLECTUAL BEHAVIOUR IN SYSTEMS OF ENVELOPING SAFETY ON THE BASIS OF AUTOMATIC REPRESENTATION THE MULTIAGENTNYKH

OF COGNITIVE ARCHITECTURE

P. M. IVANOV1, O. B. MAKAREVICH2, Z. V. NAGOEV1

1Institute of Computer Science and Problems of Regional Management of KBSC

of the Russian Academy of Sciences

KBR, Nalchik, 37-a, I. Armand street

e-mail: *****@***ru

2Southern Federal University

Rostov-on-Don, 105/42, Bolshaya Sadovaya street

E-mail: *****@***ru

We propose to build the decision of tasks of situational analysis and synthesis of intelligent behavior in systems of ambient security on a basis of self-organizing multiagent recursive cognitive architectures. Formalization of such architectures is worked out on a basis of recursive determined abstract automata. The task of synthesis of intelligent control over the system of ambient security is reduced to an informed search of the path that is suboptimal on criterion of maximization of energy in a decision tree with the length up to the planning horizon.

Key words: enveloping intelligence, systems of enveloping safety, multiagentny recursive cognitive architecture, the abstract determined machine guns, synthesis of optimum control.

ЛИТЕРАТУРА

1.  , В. Мультиагентная система обволакивающей безопасности на основе автономных программных агентов и мобильных роботов // Материалы XI Международной научно-практической конференции "Информационная безопасность 2010". Ч. 1. Таганрог: Изд-во ТТИ ЮФУ, 20, 153-157 с.

2.  М. Введение в кибернетику / Печатается по постановлению научного совета по кибернетике АН УССР. Киев: изд-во АН УССР, 1964. 

3.  , , В. Прикладные многоагентные системы группового управления // Искусственный интеллект и принятие решений, 2009. № 2.

4.  М. Автоматно-алгебраические модели в информационных технологиях. - Материалы II-й международной конференции «Автоматизация управления и интеллектуальные системы и среды», Красная Поляна, 23-29 декабря 2011. Изд-во КБНЦ РАН. Т. I. С. 4-15.

5.  М. Алгебраическое моделирование сложных систем. М.: Наука -«Физматлит»,19с.

6.  , В. Автоматное описание мультиагентной рекурсивной когнитивной архитектуры для задачи формализации процесса интеллектуального принятия решений // Материалы третьей международной конференции «Автоматизация управления и интеллектуальные системы и среды», 9-15 октября, Махачкала. Изд-во КБНЦ РАН, 2012. Т. 1. С. 7-14.

7.  , В. Самоорганизующаяся система принятия решений на основе автоматного представления рекурсивной мультиагентной когнитивной архитектуры для систем обволакивающего интеллекта // Известия КБНЦ РАН. Нальчик: Издательство КБНЦ РАН, 2012. № 5 (49). С. 30-37.

8.  , , В. Рекурсивные агенты для задач моделирования интеллектуального принятия решений на основе самоорганизации мультиагентных когнитивных архитектур // Известия КБНЦ РАН. № 4 (48). Изд-во КБНЦ РАН, 2012.

9.  А. Инсерционное моделирование / , // Праці міжнар. конф. «50 років Інституту кібернетики ім. НАН України». Київ: Вид-во ІК НАНУ, 2008. С. 293 – 301.

10.  В. Формализация агента для задачи синтеза интеллектуального поведения на основе рекурсивной когнитивной архитектуры. - Материалы международного конгресса по интеллектуальным системам и информационным технологиям IS&IT11, 2-9 сентября, Дивноморское, 2012. Т. II.

11.  В. Интеллектуальная система на основе фрактальной мультиагентной нейронной пластичной когнитивной архитектуры // Материалы международного конгресса по интеллектуальным системам и информационным технологиям IS&IT11, 2-9 сентября, Дивноморское, 2011. Т. III. С. 5-10.

12.  , В. Синтез интеллектуального поведения на основе мультиагентных экзистенциальных отображений и рекурсивных когнитивных архитектур // Материалы международного конгресса по интеллектуальным системам и информационным технологиям IS&IT13, 2-9 сентября, Дивноморское, 2013.

13.  Стюарт Рассел, Питер Норвиг. Искусственный интеллект: современный подход (AIMA) = Artificial Intelligence: A Modern Approach (AIMA). 2-е изд. М.: «Вильямс», 20с.

14.  Б. От многоагентных систем к интеллектуальным организациям. М.: Эдиториал УРСС, 20с.

15.  Л. Исследования по теории автоматов и моделированию биологических систем. М.: Наука, 1969.

16.  Л. О поведении конечных автоматов в случайных средах// Автоматика и телемеханика, 1961. Т. 22. № 10. C. .

17.  Letichevsky A., Gilbert D. A Model for Interaction of Agents and Environments, In D. Bert, C. Choppy, P. Moses (Eds), Resent Trends in Algebraic Development Techniques, LNCS 1827, 311-328, 1999.

18.  Nagoev Z. V. Multiagent recursive cognitive architecture. Biologically Inspired Cognitive Architectures 2012, Proceedings of the third annual meeting of the BICA Society, in Advances in Intelligent Systems and Computing series, Springer, 2012. Pp. 247-248.

19.  Lev Naumov, Anatoly Shalyto. Proceedings of International Conference Integration of Knowledge Intensive Multi-Agent Systems: Modeling, Exploration and Engineering. KIMAS-03”. Boston: IEEE Boston Section. 2003, p. 65-70. Automata Theory for Multi-Agent Systems Implementation.

, д. т.н., профессор, Председатель Кабардино-Балкарского научного центра РАН, директор Института информатики и проблем регионального управления КБНЦ РАН.

КБР, .

Тел.: 8 (86; .

E-mail: [e-mail]

, д. т.н., профессор, зав. кафедрой безопасности информационных технологий Технологического института Южного федерального университета, директор регионального учебно-научного Центра по проблемам информационной безопасности в системе высшей школы ЮФУ.

г. Ростов-на-Дону, /42.

Тел. 8-(8634).

E-mail: [e-mail]

Нагоев Залимхан Вячеславович, к. т.н., зав. отделом мультиагентных систем Института информатики и проблем регионального управления КБНЦ РАН.

КБР, 7-а.

Тел-52.

e-mail: zaliman@*****

Ivanov Pyotr Matsovich, doctor of technical sciences, professor, the Chairman of the Kabardin-Balkar Scientific Center of the Russian Academy of Sciences, director of Institute of Computer Science and Problems of Regional management of KBSC of the Russian Academy of Sciences.

КBR, Nalchik, 2, Balkarova street.

Ph.: 8 (86; .

E-mail: *****@***ru

Makarevich Oleg Borisovich, the Dr. Sci. Tech., the professor, the department chair of safety of information technologies of Institute of technology of the Southern federal university, the director of regional educational scientific center of problems of information safety in system of the higher school of YuFU.

Rostov-on-Don, 105/42, Bolshaya Sadovaya street.

Ph. 8-(8634).

E-mail: *****@***ru

Nagoev Zalimhan Vyacheslavovich, candidate of technical sciences, head of the Department of multiagent systems, Institute of Computer Science and Problems of Regional Management of KBSC of RAS.

КBR, Nalchik, 37-a, I. Armand's street.

Ph-52.

e-mail: zaliman@*****

______________________________________________________________________

УДК 004.825

РАЗРАБОТКА ЕСТЕСТВЕННО-ЯЗЫКОВОГО ИНТЕРФЕЙСА

ДЛЯ МУЛЬТИАГЕНТНЫХ СИСТЕМ,

ОСНОВАННЫХ НА ЗНАНИЯХ, НА ОСНОВЕ ПАРСЕРА

АГГЛЮТИНАТИВНЫХ ЯЗЫКОВ[**]

А. М. КСАЛОВ, Ф. М. ГОШОКОВА, В. А. ДЕНИСЕНКО

ФГБУН Институт информатики и проблем регионального управления

Кабардино-Балкарского научного центра РАН

КБР, 7-а

e-mail: [e-mail]

В работе рассматривается задача разработки естественно-языкового интерфейса для мультиагентных систем. В качестве инструментария используется парсер агглютинативного языка. Рассматриваются вопросы применения грамматик для описания языковых конструкций агглютинативных языков и проверки выводимости из разработанных грамматик. В качестве алгоритма проверки выводимости из грамматики используется метод нисходящего разбора.

Ключевые слова: парсер, агглютинативные языки, грамматика, неопределенная форма глагола.

THE DEVELOPMENT OF NATURAL-LANGUAGE INTERFACE

FOR MULTI-AGENT SYSTEMS BASED ON KNOWLEDGE, BASED

ON THE PARSING OF AGGLUTINATIVE LANGUAGES

A. M. KSALOV, F. M. GOSHOKOVA, V. A.DENISENKO

Institute of Computer Science and Problems of Regional Management of KBSC

of the Russian Academy of Sciences

KBR, Nalchik, 37-a, I. Armand street

e-mail: *****@***ru

This paper considers the development of natural-language interface for multi-agent systems. As a tool the parser of agglutinative language is used. We consider the application of grammar to describe the linguistic structure of agglutinative languages and checking derivability of developed grammar. As a validation algorithm derivable from the grammar used a top-down analysis is used.

Key words: parser, agglutinative languages, grammar, infinitive.

ЛИТЕРАТУРА

1.  В. Система построения естественно-языковых интерфейсов, ориентированная на классификацию текстов в иерархически структурированной предметной области. Материалы международной конференции молодых ученых по математическому моделированию и информационным технологиям. Новосибирск, 2002.

2.  , Введение в языкознание: Учебное пособие для студентов дистанционного обучения КГНУ. Бишкек: ИИМОПКГНУ, 19с.

3.  Документация к морфологическому анализатору башкирского языка bashmorph: http://lcph. *****/index. php? go=parserdoc

4.  , А. Проблемы автоматической морфологии агглютинативных языков и парсер башкирского языка // Информационные технологии и письменное наследие: Материалы международной научной конференции (Уфа, 2010 г.) / Отв. ред. . Уфа – Ижевск: Вагант, 2010. С. 167–171.

5.  , М. Разработка парсера глаголов агглютинативного языка для системы коммуникации мультиагентного коллектива // Известия КБНЦ РАН, 2012. № 2 (46).

6.  Кабардино-черкесский язык в 2-х тт. / Гл. ред. . Нальчик: Эль-Фа, 2006.

7.  , , М. Алгоритм вывода неопределенной формы глагола агглютинативного языка на основе грамматик // Известия КБНЦ РАН, 2012. № 5 (49).

8.  , М. Парсер глаголов агглютинативного языка для системы коммуникации мультиагентного коллектива. Материалы Второй международной конференции «Автоматизация управления и интеллектуальные системы и среды». Красная поляна, 15-23 декабря 2011.

, аспирант отдела мультиагентных систем Института информатики и проблем регионального управления КБНЦ РАН.

КБР, 7-а.

Тел./факс:8 (86

e-mail: [e-mail]

Гошокова Фаризат Муазиновна, м. н.с. отдела мультиагентных систем Института информатики и проблем регионального управления КБНЦ РАН.

КБР, 7-а.

Тел./факс:8 (86

E-mail: fariza. *****@***ru

, н. с. отдела мультиагентных систем Института информатики и проблем регионального управления КБНЦ РАН.

КБР, 7-а.

Тел./факс:8 (86

e-mail: *****@***ru

Ksalov arsen Muharbievich, post-graduate of Department of multiagent systems, Institute of Computer Sciences and Problems of Regional Management of KBSC of RAS.