С.Г. Ворона1, В.В. Лисицкий2, А.В. Столбов3

1−3 Военно-космическая академия имени А.Ф. Можайского (Санкт-Петербург, Россия)

Постановка проблемы. Традиционное программирование в качестве основы для разработки программ использует алгоритм, т.е. формализованное знание. Поэтому до недавнего времени считалось, что ЭВМ не приспособлены для решения неформализованных задач, решение которых находится с помощью неточных знаний. Расширение сферы применения ЭВМ показало, что именно неформализованные задачи составляют очень важный класс задач, значительно больший, чем класс формализованных задач. Необходимо изучить проблемы, возникающие при решении неформализованных задач.

Цель. Рассмотреть методологию решения неформализованных задач.

Результаты. Приведены основная терминология и понятия, использующиеся при решении неформаллизованных задач. Исследованы проблемы, возникающие при проектировании и создании экспертных программ (ЭС). Показано, что при решении неформализованных задач используется теория вероятности.

Практическая значимость. По мнению ведущих специалистов ЭС, будут играть ведущую роль на всех этапах проектирования, разработки, производства, распределения, продажи, поддержки и оказания услуг, а технология ЭС, получившая коммерческое распространение, обеспечит революционный прорыв в интеграции приложений из готовых интеллектуально-взаимодействующих модулей.

Ворона С.Г., Лисицкий В.В., Столбов А.В. Неформализованные задачи и методология их решения // Нелинейный мир. 2021. Т. 19. № 3. С. 18−28. DOI: https://doi.org/10.18127/j20700970-202103-02

1. Авремчук Е.Ф., Вавилов А.А. и др. Технология системного моделирования. М.: Машиностроение. 1988. 520 с.
2. Самарский А.А., Попов Ю.П. Вычислительный эксперимент в физике / В кн.: Наука и человечество. М.: Знание. 1975. С. 280−291.
3. Глушков В.М. Обобщенные динамические системы и процессионное прогнозирование / В кн.: Проблемы прикладной математики и механики. М.: Наука. 1971.С. 27−30.
4. Глушков В.М., Гусев В.В., Марьяновия Т.П., Сахнюк М.А. Программные средства моделирования непрерывнодискретных систем. Киев: Наукова думка. 1975. 152 с.
5. Бусленко Н.П. Сложные системы и имитационные модели // Кибернетика. 1976. № 6. С. 50−59.
6. Бусленко Н.П. Моделирование сложных систем. М.: Наука. 1978. 399 с.
7. Белов Ю.А., Диденко В.П., Козлов Н.Н. и др. Математическое обеспечение сложного эксперимента. Обработка измерений при исследовании сложных систем. Киев: Наукова думка. 1982. 304 с.
8. Hoare C.A.R. An axiomatic basis of computer programming // Comm. ACM. 1969. V. 12. № 10. Р. 576−583.
9. Шаракшанэ А.С., Халецкий А.К., Морозов И.А. Оценка характеристик сложных автоматизированных систем. М.: Машиностроение. 1993. 272 с.
10. Коновалов А.Н., Яненко Н.Н. Модульный принцип построения программ как основа создания пакета прикладных программ решения задач механики сплошной среды / В кн.: Комплексы программ математической физики. Новосибирск: ВЦ СО АН СССР. 1972. С. 56−63.
11. Ермаков С.М., Михайлов Г.А. Статистическое моделирование. М.: Наука. 1982.
12. Пугачев В.С. Теория вероятностей и математическая статистика. М.: Наука. 1979.
13. Ногин В.Д. Принятие решений в многокритериальной среде. М.: Физматлит. 2002.
14. Ногин В.Д., Толстых И.В. Использование набора количественной информации об относительной важности критериев в процессе принятия решений. СПб: СПбГТУ. 2000.