CC BY
414
УДК 50.03
ОНТОЛОГИЧЕСКОЕ МОДЕЛИРОВАНИЕ В СИТУАЦИОННОМ УПРАВЛЕНИИ
C.B. Смирнов
Институт проблем управления сложными системами РАН smirnov@iccs.ru
Аннотация
В статье анализируется фундаментальные причины сходства структурной схемы процесса принятия решения по регулированию проблемной ситуации с позиций постнеклассической науки и общей схемы онтологического моделирования. Между элементами указанных схем устанавливается соответствие для обоснования онтологического подхода к реализации ситуационного управления. Сопоставляется содержание соответствующих друг другу элементов схем с целью раскрытия механизмов ситуационного управления. Построение информационных моделей предпонимания и понимания в ситуационном управлении предлагается рассматривать как задачу построения онто-логий предметных областей и онтологических моделей ситуаций.
Ключевые слова: схема моделирования, онтология, объектная модель, онтологическая модель ситуации, ситуационное управление, трансформация объектной модели, эксперимент с моделью
Введение
На рисунке 1 представлена схема, иллюстрирующая точку зрения автора на состав и взаимосвязи основных этапов и информационных продуктов (продуцируемых «единиц знаний») метода моделирования [1-3]. Поскольку вполне естественно отождествлять концептуальные модели предметных областей1 (ПрО) с онтологиями2 - видом информационных моделей, получившим широкое признание за последние два десятилетия, - то можно считать, что на рисунке 1 приведена схема онтологического моделирования ПрО.
Солидарно с другими исследователями в упомянутых работах подчеркивалось, что даже при условии компьютерной поддержки моделирование является человеко-машинным процессом, и автоматически могут быть выполнены лишь отдельные шаги в рамках основных этапов. Это определяет итерационный характер процесса моделирования, когда каждый этап включает анализ полученного продукта и имеет возможность вернуть процесс на любой из предшествующих этапов.
Поэтому, даже притом, что схема на рисунке 1 для простоты иллюстрации лишена обратных связей, при всём различии терминологии нетрудно заметить сходство рисунка 1 со схемой процесса принятия решения по регулирования проблемной ситуации в [6]. Представляется, что в основе этой общности лежит присущая человеческому сознанию достаточная
1 В данной работе термины «предметная область» и «сложная система» употребляются как синонимы.
2 Термин заимствован из философии и несет несколько иной смысл (определенно более узкий), чем в первоисточнике. В информатике онтология описывает некоторую отрасль науки, предметную область (knowledge domain, domain of interest и т.п.). В частности, поэтому - в силу множественности наук и предметных областей, когда каждая из них имеет свою собственную или даже несколько конкурирующих терминологий, в информатике в противоположность философии приобретает смысл употребление множественного числа для термина, т.е. «онтологии» (ontologies). Общим пониманием такой онтологии, несмотря на отличающиеся варианты определения, является мнение, что это спецификация некоторой концептуализации. Отсюда ясна прагматическая роль онтологий в моделирующих средах, которая хорошо согласуется с ранее опубликованными точками зрения о концептуальной составляющей моделей ПрО, см., например, [4, 5].
определенность процесса отражения и исследования реального мира, и анализируемые схемы воспроизводят значительный общественный опыт в определении состава и взаимосвязи узловых этапов этого процесса.
В данной статье это наблюдение развивается путем сопоставления и более тесного увязывания элементов указанных схем, что в целом означает попытку обоснования онтологического подхода к реализации ситуационного управления.
" Метамодели
Онтология онтологий
Онтология решателей задач
Доступные (несистематизированные) данные о предметной области
Концепту альный (онтологический) анализ ПрО
Описание конкретной системы объектов ПрО
Описание сценария эксперимента с объектной моделью ПрО
Вычисления, эксперимент с объектной моделью ПрО
Онтология
'^Объектная модель21
Трансформационная модель2Л
Онтология?
'^Объектная модель2,2
""Результаты моделирова-ния2 2/1
Трансформационная модель2_.
""Результаты моделирования? 2/2
Онтология,
N
"Объектная МОДеЛЬ2,М2
Трансформационная модель2Х2
""Результаты моделирова-
НИЯ2,2/Ъ2
V
«Единицы знаний» предметно-ориентированной среды моделирования
Префиксы «"х» и «""» означают соответственно «экзогенная» и «эндогенная». Рисунок 1 - Схема онтологического моделирования (обратные связи опущены)
1 Исходные данные для процессов управления и моделирования
Круг источников информации, «запускающей» процесс ситуационного управления, очерчен в статье [6] весьма широко: исходная информация может быть представлена в виде мультимедиа, текстов, баз данных. Главным условием, как и в схеме на рисунке 1, является доступность информации «лицам, готовым к выполнению познавательно-деятельных функций».
Вид исходной информации существенно влияет на результативность онтологического моделирования. Наиболее привлекательным и одновременно сложнейшим до сих пор остается извлечение и семантический анализ информации, содержащейся в текстах на естественных языках [7, 8]3. Благополучнее обстоит дело для структурированных исходных данных, например, протоколов измерений в форме таблиц «объекты-свойства» [9, 10], реляционных баз данных [11, 12] и т.п.
Отсутствие искажения и заинтересованного дозирования исходной информации, безусловно, весьма желаемые характеристики. Но, в принципе, различного рода неполнота информации может учитываться в онтологических моделях [13, 14] и/или парироваться различными специальными методами анализа данных [9, 15].
Разумное требование представления исходной информации в форме, удобной для восприятия акторами ситуационного управления, - это в определенном смысле и важнейшая задача онтологического моделирования. Речь идет о целесообразном абстрагировании бытия способом одновременно естественным для сознания, а, с другой стороны, формальным, пригодным для конструктивного теоретического анализа.
При «введении человека в теорию», что собственно отличает постнекласическую тенденцию в исследовании сложных систем [6, 16], «наблюдается постепенный сдвиг от принципа объективности, как обязательного даже в случае субъективных оценок, к признанию их зависимости от субъектов» [17, с. 17]. Поэтому с прагматической позиции рассматриваемую задачу онтологического моделирования целесообразно переформулировать: представление исходной информации в удобной для восприятия форме следует понимать как задачу создания субъектно-ориентированных интерфейсов к разнородным источникам информации об актуальной для субъекта части реального мира (к этому тезису вернёмся в разделе 3).
2 Онтологическое моделирование на «организационных» этапах ситуационного управления
Осознание потенциальными акторами проблемной ситуации и формирование адекватных структур для её регулирования [6] содержательно имеют характер организации (становления) сложной системы [18].
Выявление проблемной ситуации с успехом может опереться на инженерию знаний [19]:
■ различные ментальные модели на основе визуализации сетевых структур (интеллект-карты, концептуальные графы, диаграммы Исикавы и т.п.);
■ методы извлечения знаний (от пассивного наблюдения до «мозгового штурма» и обсуждения «за круглым столом»).
Инструменты онтологического моделирования обычно предусматривают визуализацию моделей, стимулирующую когнитивные способности пользователей в структурировании информации [20, 21], и вполне применимы для формирования реестров проблемных ситуаций, не только с линейной, но и с сетевой структурой.
3 Здесь и далее в случае обзорной информации ссылки на источники не являются исчерпывающими, а указывают лишь примеры работ по соответствующей тематике.
Аналогично могут быть построены онтологические модели структур, создаваемых для регулирования проблемной ситуации.
В конечном счете, упомянутые выше онтологические модели должны оказаться составными частями информационной модели проблемной ситуации, определяя её соответствующие аспекты.
3 Онтологии как интерфейс к информации о предметной области
Канту приписывается фраза: «Anschauung ohne Begriffe ist blind» - «воззрение без понятий слепо». В этом смысле онтологии как информационные модели понятийных структур субъекта определяют пределы его ориентирования в пространствах бытия, горизонты истолкования действительности и, следовательно, определяют его предпонимание.
В сжатой трактовке онтология - это общая, разделяемая коллективом субъектов концептуальная информационная модель ПрО, в «освоение» (проектирование, управление и т.п.) которой эти субъекты вовлечены. Для этих субъектов онтология действует как средство коммуникации и обладает нормативной ролью [2].
Поэтому этап и продукт концептуального анализа ПрО онтологического моделирования (см. рисунок 1) в полной мере соответствует этапу фиксации предпонимания акторов в форме онтологий в процессе принятия решений по регулированию проблемной ситуации [6].
Предпонимание складывается в зависимости от ценностно-целевых установок акторов в процессе анализа и обобщения доступных ему данных и выявляет некую допустимую семантику информации о действительности. Сформированное предпонимание по существу фильтрует и конфигурирует поступающие к субъекту данные. Именно в этом контексте разработку онтологии, фиксирующей предпонимание, можно рассматривать как создание субъектно-ориентированного интерфейса к доступным источникам информации о мире (точнее его части - ПрО, представляющей интерес для субъекта).
На сегодня можно указать три основных пути разработки онтологий (рисунок 2).
Первый и наиболее используемый путь связан с прямой формализацией опыта и знаний актора (действие 1.1 на рисунке 2). Построение онтологии ПрО осуществляется на языке, определяемом метамоделъю (рисунок 1) онтологических спецификаций, когда актор как эксперт ПрО либо автоформализует свое предпонимание, либо фиксирует его с помощью инженера по знаниям.
Второй путь реализуется при наличии развитой инфраструктуры работы со знаниями, характеризующейся наличием апробированных онтологий разного уровня и направленности, развитыми средствами онтологического инжиниринга [19, 22]. В подобных условиях онтологии синтезируются в результате, как правило, человеко-машинных процедур (см. действия 2.1 и 2.2 на рисунке 2) выполняемых актором-экспертом ПрО совместно с инженером по знаниям.
Третий путь связан с автоматическим «выводом» онтологии из доступных данных. Здесь данные рассматриваются как результаты измерений объектов моделируемой реальности и сводятся в таблицы объекты-свойства, анализ которых приводит к выявлению понятийной структуры ПрО (действия 3.1-3.3 на рисунке 2). Наиболее результативные методы этого направления опираются на относительно новую ветвь теории решёток - анализ формальных понятий [23], приспосабливая его к задачам онтологического инжиниринга [10-14, 24-26]. Роль актора при таком онтологическом анализе данных [10, 14] кардинально меняется: номинально он исключается из «действующих лиц». Его задачей становится априорное комплектование арсенала измерительных процедур, с помощью которых зондируется актуальная ПрО, и формально эта задача соответствует априорному выдвижению гипотез о свойствах объектов этой ПрО.
3.1
3.2
3.3
ОКО - отобранные онтологии и/или их компоненты; ТОС - таблица «объект-свойство»;
ОПМ - концептуальная объектно-признаковая модель предметной области;
пунктирные стрелки отражают неформализуемые связи источников информации и экспертов
Рисунок 2 - Пути разработки онтологии
Наконец, всякое проявление действительности допускает множество толкований, отвечающих сосуществующим предпониманиям. Они могут и противоречить друг другу, и, выражая каждое узкий взгляд на ПрО, взаимно дополнять одно другое. Это отражается в возможности одновременного построения на этапе концептуального анализа онтологического моделирования (см. рисунок 1) нескольких различных онтологии ПрО. Кроме того, при решении реальных задач ситуационного управления эти онтологии - онтологии «целевой» ПрО, неизбежно дополняются независимо существующими онтологиями других ПрО, имеющих в контексте исходной задачи методо-ориентированный, инструментальный характер [2, 6]. Исчерпывающее представление о всех онтологиях, вовлекаемых в процесс принятия решения по регулированию проблемной ситуации, позволяют получить аналитические методы онтологического инжиниринга, а согласование предпониманий акторов могут поддержать методы сравнения и объединения онтологий.
4 Возможность построения интерсубъективной теории
Содержательно вопрос о применении онтологического моделирования для построения интерсубъективных теорий ПрО рассмотрен в [27]. Поэтому остановимся здесь лишь на самой возможности построения формальной теории с помощью онтологических моделей.
В основе строгой формализации онтологического моделирования лежит аксиоматический подход, начавший свое развитие в информатике примерно с середины 70-х годов для определения абстрактных типов данных [28]. В настоящее время в качестве фундаментальной основы онтологического моделирования чаще всего используют дискрипционные логики и методологию анализа формальных понятий [23].
Кроме того, поскольку базовыми элементами онтологической спецификации служат классы, отношения, функции и аксиомы, то в целом такое представление сближается с алгебраическими системами А.И. Мальцева [29], строящимися из аналогичного набора моделирующих примитивов.
5 Онтологическая модель ситуации
В [6] онтологические модели ситуаций (ОМС) прямо отождествляются с денотатами онтологий - объектными моделями ПрО (см. рисунок 1).
Действительно, результатом этапа денотативного моделирования является описание конкретной ситуации как системы взаимосвязанных объектов ПрО, осуществленное в соответствии с предпониманием, зафиксированным онтологией этой ПрО4. В случае корректного построения ОМС это означает следующее [2, 26]:
■ всякий объект онтологической модели ситуации состоит в отношении экземплификации с одним из фундаментальных (т.е. не обобщающих) понятий онтологии ПрО;
■ для свойств объекта, набор которых установлен содержанием соответствующего понятия, определены значения, по крайней мере, частично;
■ выполнены все аксиомы ПрО, зафиксированные в ее онтологии (обычно аксиомы формулируются в форме ограничений для значений свойств объектов);
■ связи между объектами отражаются значениями специальных ссылочных свойств объектов.
В онтологическом моделировании всякая ОМС, конструируемая акторами, характеризуется как экзогенная (рисунок 1), поскольку её возникновение вызывается внешней причиной - пониманием акторами проблемной ситуации. Однако это не означает единства акторов в оценке моделируемой ситуации. Возможности и пути желаемой трансформации ситуации исследуются в машинном эксперименте с ОМС.
6 Поиск решения: трансформационное моделирование
Онтологическое моделирование для решения задач предусматривает разработку специальных трансформационных объектных моделей - денотатов «технологической» ПрО, которая определена онтологией решателей задач5 (см. рисунок 1).
Конструирование трансформационных моделей с весьма общей точки зрения можно рассматривать как спецификацию сценария или регламента решения задачи, описание воздействий на экзогенную денотативную модель целевой ПрО, в результате которых она должна приобрести некоторые удовлетворяющие пользователя свойства. Операционным базисом трансформаций является исчисление, основу которого составляют функциональные компоненты совместно используемых при решении задачи онтологий, которые описывают различ-
4 Весьма близка к истине такая аналогия: онтология соответствует грамматике некоторого языка, а онтологическая модель ситуации - выражению на этом языке.
5 Благодаря фундаментальной роли онтологии решателей задач в онтологическом моделировании, ей придан статус метаон-тологии. Хотя по принципиальным соображениям в формальной системе моделирования не может быть более одной мета-онтологии [30]. Поэтому из двух метамоделей в схеме онтологического моделирования подлинной метаонтологией является лишь «онтологии онтологий», компактный вариант которой предложен [31].
ные аспекты целевой ПрО, а также при необходимости других ПрО, в частности, методо-ориентированных. В качестве функциональных компонентов онтологий обычно выступают свойства-методы их фундаментальных понятий [2, 3].
Принципы унификации описания задач и онтология решателей задач подробно рассматривались в [32, 33]. Показано, что онтологическую основу любой задачи определяет следующий принцип: несмотря на бесконечное разнообразие мыслимых задач, их общность состоит в том, что всякая из них возникает «в пределах» некоторой ПрО применительно к её денотативной модели, т.е. согласно [6] применительно к ОМС.
Согласно схеме на рисунке 1, после фиксации предпонимания акторов трансформационные модели могут разрабатываться параллельно построению ОМС, а множественность трансформационных моделей закономерно отражает и множество различных задач в каждой ПрО, и множество способов их решения.
На этапе собственно вычислений, эксперимента с ОМС, осуществляется приложение к ОМС сценария решения задачи, разработанного в виде трансформационной модели. Экзогенная ОМС трансформируется в её эндогенную форму - «Результат моделирования» на рисунке 1, с той степенью участия акторов, которую предусматривает сценарий решения задачи (а он может отражать, вообще говоря, любые мыслимые приёмы решения задач: борьбу за отстаивание личных и групповых интересов, переговоры, стремление к консенсусу и т.п.).
В итоге для регулирования проблемной ситуации практически значимыми могут оказаться два продукта этапа «вычислительного эксперимента»:
■ во-первых, методической ценностью для акторов может обладать последовательность воздействий на экзогенную ОМС или цепочка промежуточных эндогенных её форм, вплоть до финишной;
■ во-вторых, большое значение может иметь собственно финишная эндогенная ОМС, которая по сценарию решения задачи должна обладать некоторыми искомыми при регулировании проблемной ситуации характеристиками.
В заключение отметим, что априори конструируемые метамодели - онтология онтологий и онтология решателей задач, - определяют унифицированное представление и для самих себя, и для всех продуктов отдельных этапов схемы онтологического моделирования на рисунке 1 [3, 31]. Таким образом, онтологическое моделирование, формируя мультимодельную среду [33], обеспечивает в то же время однородность всех без исключения моделей, создаваемых в процессе принятия решения по регулированию проблемной ситуации [6].
Заключение
Современное понимание организации процессов принятия решений в слабоформализуе-мых сложных системах ключевую роль отводит онтологическим моделям: формальным описаниям понятийных структур лиц, взаимодействующих при принятии решений, (онтологи-ям) и объектным описаниям проблемных ситуаций в рамках таких понятийных представлений (онтологическим моделям ситуаций).
Разработанные способы унификации онтологических моделей позволяют учесть разнородность привлекаемых знаний и многообразие механизмов их использования, а соответствующие методы и компьютерные системы открывают новые возможности решения полипредметных задач управления в социотехнических системах.
Коренную задачу онтологического моделирования в ситуационном управлении - построение адекватных (в постнеклассическом понимании) онтологий и онтологических моделей ситуаций, - можно переформулировать как задачу создания субъектно-ориентированных интерфейсов к гетерогенным источникам информации. Одним из эффек-
тивных методов решения этой задачи является онтологический анализ данных - важное для теории и практики развитие метода анализа формальных понятий, хорошо зарекомендовавшего себя в онтологическом инжиниринге.
Список источников
II Смирнов C.B. Среда моделирования для построения инженерных теорий // Известия Самарского научного центра РАН. 1999. № 2. - С. 277-285.
21 Смирнов C.B. Онтологии в задачах моделирования сложных систем // Проблемы управления и моделирования в сложных системах: Труды II международной конф. (20-23 июня 2000 г. Самара, Россия). - Самара: СамНЦ РАН, 2000. - С. 66-72. 31 Смирнов C.B. Онтологии в прикладных интеллектуальных системах: прагматический подход // Девятая Национальная конф. по искусственному интеллекту с международным участием КИИ-2004 (28 сентября-2 октября 2004 г., Тверь, Россия): Труды конф., Т. 3. - М.: ФИЗМАТЛИТ, 2004. - С. 1059-1067. 41 Тамм Б.Г., Пуусепп М.Э., Таваст P.P. Анализ и моделирование производственных систем. - М.: Финансы и статистика, 1987.
51 Христьяновский Д.Г., Эрлих А.И. Проблемы моделирования в прикладных интеллектуальных исследованиях // Труды III конф. по искусственному интеллекту (октябрь 1992 г., Тверь, Россия). Т. 2. - Тверь: Российская ассоциации ИИ, 1992. - С. 78-81. 61 Виттих В.А. Ситуационное управление с позиций постнеклассической науки // Онтология проектирования. 2012. №2. - С. 7-15.
71 Вихнин А.Г., Сакипов Н.З. Штурм четвертого мегапроекта: кто будет новым Биллом Гейтсом? Системный
анализ и выбор стратегии. - М.: Изд-во «Диалог-МИФИ», 2008. 81 Лукашевич Н.В. Тезаурусы в задачах информационного поиска. - М.: Изд-во Московского университета, 2011.
91 Загоруйко Н.Г. Прикладные методы анализа данных и знаний. - Новосибирск: Институт математики СО РАН, 1999.
101 Смирнов C.B. Онтологический анализ предметных областей моделирования // Известия Самарского научного центра РАН. 2001. Т. 3. № 1. - С. 62-70.
III Stumme G., Wille R., Wille U. Conceptual knowledge discovery in databases using formal concept analysis methods // LNCS 1510. - Berlin-Heidelberg: Springer-Verlag, 1998. - P. 450-458.
121 Виноградов И. Д., Смирнов C.B. Информационная поддержка объединения онтологий в реляционных базах данных // Проблемы управления и моделирования в сложных системах: Труды XIV международной конф. (19-22 июня 2012 г. Самара, Россия). - Самара: СамНЦ РАН, 2012. - С. 232-238.
131 Yang K. M., Kim E. H., Hwang S. H., Choi S. H. Fuzzy Concept Mining based on Formal Concept Analysis // Int. J. of Computers. Issue 3. V. 2 (2008). - P. 279-290.
141 Смирнов C.B. Нечеткие формальные контексты при построении онтологий на основе анализа формальных понятий: происхождение и использование // Знания - Онтологии - Теории: Труды Всероссийской конф. с международным участием (14-16 сентября 2007 г., Новосибирск, Россия). Т. 2. - Новосибирск: Институт математики СО РАН, 2007. - С. 17-25.
151 Анализ данных и процессов / A.A. Барсегян, М.С. Куприянов, ИИ Холод и др. - СПб.: БХВ-Петербург, 2009.
161 Виттих В.А. Интерсубъективные системы как объекты постнеклассической науки // Мехатроника, автоматизация, управление. 2012. №1. - С. 53-55.
171 Человеческий фактор в управлении / Под ред. H.A. Абрамовой, КС. Гинсберга, ДА. Новикова. - М.: Ком-Книга, 2006.
181 Виттих В.А. Организация сложных систем. - Самара: СамНЦ РАН, 2010.
191 Гаврилова Т.А., Муромцев Д.И. Интеллектуальные технологии в менеджменте: инструменты и системы. -СПб.: Изд-во «Высшая школа менеджмента»; Издательский дом СПбГУ, 2008.
201 Katifori A., Halatsis C., Lepouras G., Vassilakis C., Giannopoulou E. Ontology visualization methods - a survey // ACM Computing Surveys (CSUR). 2007. Vol. 39. No. 4. Article 10. - P. 1-38
211 Смирнов C.B., Суворова Е.Г. Адекватная реализация когнитивного потенциала обозревателя онтологических моделей // Проблемы управления и моделирования в сложных системах: Труды XII международной конф. (21-23 июня 2010 г., Самара, Россия). - Самара: СамНЦ РАН, 2010. - С. 526-533.
221 Онтологии в системах искусственного интеллекта: способы построения и организации / A.B. Смирнов, М.П. Пашкин, Н.Г. Шилов и др. // Новости искусственного интеллекта. 2002. № 1. - С. 3-13 (Часть 1). № 2. -С. 3-9 (Часть 2).
[23] Ganter B., Wille R. Formal Concept Analysis. Mathematical foundations. - Berlin-Heidelberg: Springer-Verlag, 1999.
[24] Obitko M., Snasel V., Smid J. Ontology Design with Formal Concept Analysis // Proc. of the CLA 2004 International Workshop on Concept Lattices and their Applications (Ostrava, Czech Republic, September 23-24, 2004). V. Snasel, R. Belohlavek (Eds.). - P. 111-119.
[25] Пронина В.А., ШипилинаЛ.Б. Использование отношений между атрибутами для построения онтологии предметной области // Проблемы управления. 2009. №1. - С. 27-32.
[26] Смирнов С.В. Построение онтологий предметных областей со структурными отношениями на основе анализа формальных понятий // Знания - Онтологии - Теории: Труды Всероссийской конф. с международным участием 30НТ-2011 (3-5 октября 2011 г., Новосибирск, Россия). Т. 2. - Новосибирск: Институт математики СО РАН, 2011. - С. 103-112.
[27] Витгих В.А., Игнатьев М.В., Смирнов С.В. Онтологии в интерсубъективных теориях // Мехатроника, автоматизация, управление. 2012. №5. - С. 69-70.
[28] Gougen J.A., Thatcher J.W., Wagner E. An initial algebra approach to the specification, correctness and implementation of abstract data types // Current Trends in Programming Methodology (R. Yen ed.). - Englewood Cliffs, NJ: Prentice Hall, 1978. - P. 80-149.
[29] Мальцев А.И. Алгебраические системы. - M.: Наука, 1970.
[30] Смирнов С.В. Онтологическая относительность и технология компьютерного моделирования сложных систем // Известия Самарского научного центра РАН. 2000. Т. 2. № 1. - С. 66-71.
[31] Смирнов С.В. Прагматика онтологий: объектно-ориентированная модель знаний о предметной области // Одиннадцатая Национальная конф. по искусственному интеллекту с международным участием КИИ-2008 (28 сентября-03 октября 2008 г., Дубна, Россия): Труды конф. T.3. - М.: ЛЕНАНД, 2008. - С. 208-216.
[32] Смирнов С.В., Гинзбург А.Н. Формирование и использование сосуществующих контекстов моделирования сложной системы // Проблемы управления и моделирования в сложных системах: Труды VIII международной конф. (24-28 июня 2006 г., Самара, Россия). - Самара: СамНЦ РАН, 2006. - С. 550-557.
[33] Смирнов С.В. Онтологический подход к формированию гетерогенных сред моделирования // Вестник Самарского государственного технического университета. Серия «Технические науки». 2011. №4(32). -С. 50-61.
Сведения об авторе
Смирнов Сергей Викторович, 1952 г. рождения. Окончил Куйбышевский авиационный институт им. С.П. Королёва в 1975 г., д.т.н. (2002). Директор Института проблем управления сложными системами РАН, профессор кафедры «Инженерия знаний» Поволжского государственного университета телекоммуникаций и информатики. Член РАИИ и IAOA. В списке научных трудов более 100 статей, 2 монографии в области прикладной математики, компьютерного моделирования сложных систем, создания интеллектуальных систем поддержки принятия решений в технологических и организационных сферах.
Sergei Victorovich Smirnov (b. 1952) graduated from the Korolyov aerospace Institute (Kuibyshev-city) in 1975, D. Sc. Eng. (2002). Director at Institute for the Control of Complex Systems of the Russian Academy of Sciences, holding a part-time position of professor at Povolzhskiy State University of Telecommunication and Informatics Knowledge engineering sub-department. Hi is RAAI and IAOA member. Hi is co-author of more than 100 publications in the field of applied ma-thematic, complex systems simulation and development knowledge based decision support systems in control and management.
