Интеллектуальные 

ИнформацИонные сИстемы 
И методы Искусственного 

Интеллекта

а.в. андрейчИков
о.н. андрейчИкова

Москва 
ИНФРА-М 

2021

учебнИк

Рекомендовано Межрегиональным учебно-методическим советом 

профессионального образования в качестве учебника для студентов 

высших учебных заведений, обучающихся по основным образовательным программам 

высшего образования по инженерному делу, технологиям и техническим наукам 

по направлениям подготовки магистратуры (протокол № 10 от 12.10.2020)

УДК 004.8(075.8)
ББК 32.813я73
 
А65

Андрейчиков А.В.

А65  
Интеллектуальные информационные системы и методы искусствен-

ного интеллекта : учебник / А.В. Андрейчиков, О.Н. Андрейчикова. — 
Москва : ИНФРА-М, 2021. — 530 с. + Доп. материалы [Электронный 
ресурс]. — (Высшее образование: Магистратура). — DOI 10.12737/ 
1009595.

ISBN 978-5-16-014883-0 (print)
ISBN 978-5-16-107381-0 (online)
В учебнике рассмотрены методы искусственного интеллекта и их примене-

ние для решения задач из различных предметных областей. Описаны методы 
приобретения, представления и обработки знаний в интеллектуальных си-
стемах, а также технологии проектирования и реализации интеллектуальных 
систем. Особое внимание уделено вопросам применения интеллектуальных 
систем для выбора коллективных решений, проектирования сложных систем 
(объектов), анализа и прогнозирования деятельности предприятия.

Соответствует требованиям федеральных государственных образовательных 

стандартов высшего образования последнего поколения.

Для студентов, обучающихся по группам направлений подготовки маги-

стратуры «Управление в технических системах», «Компьютерные и информа-
ционные науки», «Информатика и вычислительная техника», «Техника и техно-
 логии наземного транспорта», «Техника и технологии строительства», 
«Фотоника, приборостроение, оптические и биотехнические системы и техно-
логии», «Авиационная и ракетно-космическая техника», «Техника и техноло-
гии кораблестроения и водного транспорта», а также по направлениям подго-
товки «Автоматизация технологических процессов и производств», 
«Мехатроника и робототехника».

УДК 004.8(075.8)

ББК 32.813я73

А в т о р ы:

Андрейчиков А.В., доктор технических наук, профессор, профессор кафедры 

менеджмента качества Российского университета транспорта (МИИТ) (гл. 5–8; 
темы рефератов и докладов по курсу; приложение); 

Андрейчикова О.Н., доктор технических наук, профессор, старший научный 

сотрудник Центрального экономико-математического института Российской 
академии наук (введение; гл. 1–4; контрольные вопросы и задания; тесты, 
 ответы на тесты)
Р е ц е н з е н т ы:

Смирнов А.В., доктор технических наук, профессор, главный научный 

 сотрудник Санкт-Петербургского института информатики и автоматизации 
Российской академии наук;

Курейчик В.М., доктор технических наук, профессор, профессор кафедры 

САПР Южного федерального университета

ISBN 978-5-16-014883-0 (print)
ISBN 978-5-16-107381-0 (online)

Материалы, отмеченные знаком 
, 

доступны в электронно-библиотечной системе Znanium.com

© Андрейчиков А.В., 

Андрейчикова О.Н., 2021

список сокращений

БД — база данных
БЗ — база знаний
БП — база правил
ВЗС — виброзащитная система
ВНП — валовой национальный продукт
ГА — генетический алгоритм
ГП — генетическое программирование
ДЛ — действующее лицо
ДНК — дезоксирибонуклеиновая кислота
ДСМ — Джон Стюарт Милль
ЕЯ — естественный язык, естественно-языковый (интерфейс, 
система)
ЗПР — задача принятия решений
ИИ — искусственный интеллект
ИИС — интеллектуальная информационная система
ИНС — искусственная нейронная сеть
КС — классифицирующая система
ЛП — лингвистическая переменная
МАС — мультиагентная система
ООП — объектно-ориентированное программирование
ПНФ — предваренная нормальная форма
ППФ — правильно построенная логическая формула
РАО ЕС — РАО «ЕЭС России» (Российское акционерное обще-
ство «Единая энергетическая система России») 
РП — рабочая память
СОЗ — системы, основанные на знаниях
СУБД — система управления базой данных 
ТО — технический объект
ТР — техническое решение
ТС — техническая система
ТЭК — топливно-энергетический комплекс
ФПС — функциональная подсистема
ЭвС — эволюционные стратегии
ЭП — эволюционное программирование
ЭС — экспертная система

введение

В основе любой организованной деятельности лежит информа-
ция. Основоположник кибернетики Н. Винер определил это поня-
тие так: «Информация есть информация, не материя и не энергия». 
Следствием нематериальной природы информации является воз-
можность ее неограниченного тиражирования, которая означает 
неисчерпаемость информационных ресурсов и свидетельствует 
об их принципиальном отличии от материальных ресурсов. Отли-
чительное свойство информационных ресурсов — их универсаль-
ность, так как они необходимы в любой сфере человеческой дея-
тельности. 
Информационные процессы имеют место в живой и неживой 
природе. Характерной чертой человеческого общества является 
стремление к познанию и преобразованию окружающего мира 
путем приобретения информации, ее хранения, передачи, обра-
ботки и использования. В течение многих веков люди добывают, 
обрабатывают и используют материальные и энергетические ре-
сурсы. Для этих целей они создали мощное оборудование и эффек-
тивные технологии. То же можно сказать об информации: на про-
тяжении своей истории человечество накапливало знания, полу-
ченные из наблюдений и опыта, пыталось сохранить их и передать 
последующим поколениям, делало верные и неверные выводы 
из совокупности доступных знаний и было неудержимо в попытках 
применения полученных знаний на практике. В результате этой 
деятельности человеку удалось существенно изменить лицо нашей 
планеты. Остается только удивляться тому, что только в ХХ в. 
люди создали эффективный инструмент для обработки инфор-
мации — компьютер. Однако с момента его появления развитие 
новых технологий обработки информации было настолько стреми-
тельным, как будто эти полвека измерялись в другой шкале вре-
мени. 
Традиционно считается, что естественные и технические науки 
ориентированы на созидание благ, в то время как гуманитарные 
науки связаны с распределением различного рода ресурсов, в том 
числе затрат и доходов. Задачи созидания благ чаще всего не могут 
быть решены без привлечения материальных, энергетических и ин-
формационных ресурсов. В естественных и технических науках 
значительную часть изучаемых закономерностей можно проверить 
экспериментально и описать на количественном уровне с помощью 

детерминированных или стохастических моделей. В гуманитарных 
науках, таких как экономика, социология, социальная психология, 
политология и других, эксперимент, как правило, невозможен, 
а описание области исследования представлено наборами фактов, 
гипотез, правил и закономерностей, сформулированных на качест-
венном уровне. 
В соответствии с классификацией проблем, предложенной 
Г. Саймоном, задачи, описанные количественными и качествен-
ными признаками с преобладанием последних, относятся к слабо 
структурированным проблемам. Современный подход к решению 
таких проблем базируется на методах искусственного интеллекта.
Настоящая книга посвящена интеллектуальным информаци-
онным системам, т.е. вопросам организации, проектирования, раз-
работки и применения систем, предназначенных для обработки ин-
формации, базирующихся на применении методов искусственного 
интеллекта. Поскольку в сферу приложений искусственного интел-
лекта вошли практически все направления современной информа-
тики, мы не стремились «объять необъятное», а включили в учебник 
разделы, содержащие описание традиционных моделей и техно-
логий создания интеллектуальных систем, а также новых перспек-
тивных подходов к решению проблем, развивающихся в области 
искусственного интеллекта. При написании книги ставилась опре-
деленная цель: познакомить читателей с принципами создания 
и функционирования интеллектуальных информационных систем. 
Практический опыт показывает, что люди, не знакомые с этими 
принципами, испытывают большие трудности, выступая в роли 
пользователей интеллектуального программного обеспечения. 
В главе 1 даны краткий обзор приложений искусственного ин-
теллекта, общая характеристика интеллектуальных систем, а также 
основные понятия и определения, которые используются в книге.
Глава 2 посвящена описанию классических моделей представ-
ления знаний средствами логики высказываний и логики преди-
катов, правилами продукций, имеющих вид «ЕСЛИ A, ТО B», ие-
рархиями фреймов и семантическими сетями. Здесь также рас-
смотрены основы компьютерной обработки знаний, представленных 
различными средствами, знакомство с которыми необходимо как 
разработчикам интеллектуальных систем, так и пользователям; 
приведены примеры разработки интеллектуальных информаци-
онных систем с применением описанных моделей.
В главе 3 описаны виды нечеткости знаний, а также способы их 
устранения или учета в интеллектуальных информационных си-

стемах. Неоднозначность, ненадежность, неточность, неполнота 
знаний и другие так называемые НЕ-факторы вызвали появление 
нового направления искусственного интеллекта — мягких вычи-
слений, а также послужили отправной точкой для создания раз-
личных направлений нетрадиционной логики. Разработанные 
в этой области средства не только получили широкое распростра-
нение в виде программного обеспечения для интеллектуальной 
обработки информации, но и нашли широкое применение в сфере 
нечеткого управления техническими объектами, в частности авто-
мобилями, бытовой техникой и т.д. 
Глава 4 содержит сведения о методах и средствах приобретения 
знаний, которые закладываются в интеллектуальные информаци-
онные системы. Проблемы приобретения знаний имеют место 
на стадиях проектирования, разработки и эксплуатации програм-
много обеспечения, поэтому для их решения применяются различные 
подходы. Методы приобретения знаний, используемые на стадии 
проектирования системы, ориентированы на получение необхо-
димой информации от экспертов, проверку элементов этой инфор-
мации на непротиворечивость и тесно связаны с проблемами ее 
представления и обработки. На стадии разработки интеллекту-
альной системы рассматриваются вопросы добавления новой ин-
формации в базу знаний, организации взаимодействия с внешними 
информационными источниками и реализация возможностей само-
обучения. Эксплуатация интеллектуальных систем требует под-
держания баз знаний и данных в непротиворечивом и актуальном 
состоянии. Для решения этой задачи необходимы подготовленные 
пользователи (инженеры по знаниям), владеющие компьютерными 
технологиями извлечения, добавления, согласования и интерпре-
тации знаний.
Известно, что только небольшую часть своих знаний человек 
может точно сформулировать вербальным или формальным спосо-
бами. Обширная область интуитивных знаний специалистов, ко-
торые необходимы для успешной работы интеллектуальных систем, 
остается недоступной из-за отсутствия средств их извлечения 
и представления. Неуловимый характер человеческих знаний и их 
постоянное развитие помешали сторонникам нисходящего метода 
в области искусственного интеллекта удержать в своих руках 
пальму первенства. «Нисходящий метод» соответствует дедуктив-
ному подходу, в рамках которого на этапе становления искусствен-
ного интеллекта разрабатывались программы, способные решать 
сложные задачи на основе логической обработки содержащихся 

в них знаний. Примерами таких программ являются знаменитый 
«Логик-Теоретик» и GPS — универсальный решатель задач. В их 
разработке участвовали такие известные ученые, как А. Ньюэлл, 
А. Тьюринг, К. Шеннон, Г. Саймон, Дж. Шоу и др. 
Восходящий метод развивался в работах Дж. Маккалоха, 
У. Питтса, Ф. Розенблата и др., посвященных созданию самоорга-
низующихся систем и самообучающихся машин. Эти ученые опи-
рались на идею Н. Винера об обратной связи, благодаря которой 
все живое приспосабливается к окружающей среде и добивается 
своих целей. Так возникло направление, связанное с разработкой 
нейронных сетей, которое, не успев твердо встать на ноги, было 
подвергнуто суровой критике оппонентов из противоположного ла-
геря (М. Минский и С. Пейперт) и какое-то время считалось непер-
спективным. Однако стремительное развитие аппаратных компью-
терных средств и не оправдавшиеся надежды на возможности 
экспертных систем с дедуктивными выводами стало причиной вто-
рого рождения нейросетевых технологий в 1980-х гг. Сегодня мо-
дели нейронных сетей активно разрабатываются и применяются 
для решения задач прогнозирования, распознавания, извлечения 
знаний из хранилищ данных. Этим вопросам посвящена глава 5. 
Глава 6 содержит описание методов обработки информации, 
основанных на эволюционных аналогиях. Наличие символьной ин-
формации и отсутствие детерминированных алгоритмов ее обра-
ботки в интеллектуальных системах является причиной возникно-
вения задач поиска в пространстве высокой размерности, а также 
комбинаторных задач, для решения которых успешно применяются 
генетические алгоритмы, методы эволюционного программиро-
вания и эволюционные стратегии. При этом для решения сложных 
и плохо обусловленных задач все чаще применяются комбиниро-
ванные подходы, в которых сочетаются методы нечеткого представ-
ления знаний, модели нейронных сетей для получения результата 
при отсутствии четко заданного алгоритма и генетические методы 
для оптимизации полученных решений.
В главе 7 рассмотрены вопросы проектирования и применения 
мультиагентных систем, ориентированных на автономное выпол-
нение интеллектуальных задач в распределенных компьютерных 
средах. Это одно из самых новых направлений в искусственном ин-
теллекте, которое имеет большие перспективы в связи с широким 
распространением интернета и представляет особый интерес для 
специалистов в области экономики и бизнеса, так как является 
базой для создания виртуальных предприятий.

Глава 8 знакомит читателей с интеллектуальными методами 
проектирования сложных систем. Вопросы проектирования и ре-
инжиниринга (перепроектирования) технических, экономических 
и социально-производственных систем являются особо актуаль-
ными в настоящее время, так как их решение позволяет качественно 
улучшить показатели функционирования за счет совершенство-
вания системы управления, а не за счет привлечения дополнитель-
ных материальных и денежных ресурсов. Методологической базой 
проектирования сложных систем являются системный анализ и ма-
тематическое моделирование. В главе рассмотрены подходы, ме-
тоды и системы, которые изначально были разработаны нами 
в области проектирования технических систем и впоследствии 
адаптированы к сфере экономики и управления, в том числе: под-
ход к решению задач коллективного выбора с взаимными требова-
ниями участников; мультиагентная система для разрешения кон-
фликтов; метод эволюционного синтеза сложных систем и метод 
генерации сценариев на основе причинно-следственных связей. 
Эти средства могут использоваться для компьютерной поддержки 
решения задач прогнозирования, стратегического планирования, 
генерации и выбора рациональных решений, что проиллюстриро-
вано примерами.
В конце каждой главы учебника приведен список использо-
ванной литературы, а также контрольные вопросы и задания.
При написании книги мы не стремились ориентировать читате-
лей на применение конкретных видов интеллектуального прог-
раммного обеспечения, имеющегося на рынке в настоящее время, 
и сознательно не приводили подробного описания и методик реше-
ния прикладных задач с использованием тех или иных пакетов. Это 
объясняется большим разнообразием таких средств и высокой 
сложностью их освоения. Эффективная работа с инструменталь-
ным комплексом G2 или другими интеллектуальными системами 
требует подробного ознакомления со специальной литературой 
и документацией. Ограниченный объем данной книги не позволил 
привести подробного и понятного описания применения упомина-
емых программных продуктов. Надеемся, что знания, полученные 
при изучении этой книги, и приведенные краткие обзоры прог-
раммных продуктов позволят читателям сделать самостоятельный 
выбор необходимого программного обеспечения и помогут в его 
освоении.
При изучении данного курса обучающиеся должны приобрести 
следующие компетенции.

Название  
компетенции
Ожидаемые результаты  
освоения материала учебника

Обладание спо-
собностью решать 
стандартные за-
дачи профессио-
нальной деятель-
ности на основе 
информационной 
и библиографиче-
ской культуры 
с применением 
информационно-
коммуникацион-
ных технологий 
и с учетом основ-
ных требований 
информационной 
безопасности

Знать: 
традиционные 
способы представ-
ления и обработки 
знаний в инфор-
мационных си-
стемах (нечеткие 
знания и способы 
их обработки; ме-
тоды приобрете-
ния знаний; ней-
ронные сети;  
эволюционные 
аналогии в инфор-
мационных си-
стемах; мультиа-
гентные информа-
ционные системы)

Уметь: 
применять по-
лученные тео-
ретические 
знания для 
проектирова-
ния новых 
и применения 
существующих 
информацион-
ных систем

Владеть: 
навыками при-
обретения, 
представления 
и обработки 
знаний в ин-
формационных 
системах 

Обладание спо-
собностью исполь-
зовать основные 
прикладные прог-
раммные средства 
и информацион-
ные технологии, 
применяемые 
в сфере профес-
сиональной дея-
тельности

Знать: 
основные при-
кладные прог-
раммные средства 
и информацион-
ные технологии, 
основанные на ме-
тодах искусствен-
ного интеллекта

Уметь: 
использовать 
основные при-
кладные прог-
раммные сред-
ства и инфор-
мационные 
технологии 
в сфере про-
фессиональной 
деятельности

Владеть: 
навыками 
адаптации но-
вых приклад-
ных програм-
мных средств 
и информаци-
онных техно-
логий в сферу 
профессио-
нальной дея-
тельности

Обладание спо-
собностью анали-
зировать состо-
яние и динамику 
объектов деятель-
ности с использо-
ванием необходи-
мых методов 
и средств анализа

Знать: 
методы и инфор-
мационные техно-
логии для прове-
дения маркетинго-
вых исследований 
в области инфор-
мационно-комму-
никационных тех-
нологий

Уметь: 
анализировать 
состояние 
и динамику 
объектов дея-
тельности с ис-
пользованием 
необходимых 
методов 
и средств ана-
лиза

Владеть: 
навыками ин-
терпретации 
 полученных 
результатов 
исследований

Название  
компетенции
Ожидаемые результаты  
освоения материала учебника

Обладание спо-
собностью приме-
нять проблемно-
ориентированные 
методы анализа, 
синтеза и оптими-
зации процессов 
и систем

Знать: 
методы анализа, 
синтеза и оптими-
зации процессов 
и систем

Уметь: 
использовать 
методы ана-
лиза, синтеза 
и оптимизации 
в сфере про-
фессиональной 
деятельности

Владеть: 
навыками си-
стемного ана-
лиза и интер-
претации полу-
ченных 
результатов 
исследований

Обладание спо-
собностью исполь-
зовать знания 
о принципах при-
нятия решений 
в условиях не-
определенности

Знать: 
методы многокри-
териального при-
нятия решений 
в условиях не-
определенности 

Уметь: 
разрабатывать 
системы под-
держки приня-
тия решений 
(СППР)

Владеть: 
навыками 
адаптации 
СППР к реше-
нию приклад-
ных задач 

Настоящий курс предназначен для студентов, обучающихся 
в магистратуре по следующим направлениям подготовки: 01.04.02 
«Прикладная математика и информатика»; 02.00.00 «Компьютер-
ные и информационные науки»; 09.00.00 «Информатика и вычис-
лительная техника»; 27.00.00 «Управление в технических систе-
мах»; 38.04.05 «Бизнес-информатика»; 45.04.04 «Интеллектуальные 
системы в гуманитарной среде». 
Курс также может быть использован по программам подготовки 
научно-педагогических кадров в аспирантуре: 02.06.01 «Компью-
терные и информационные науки»; 09.06.01 «Информатика и вы-
числительная техника»; 27.06.01 «Управление в технических си-
стемах»; 38.00.00 «Экономика и управление».

Окончание таблицы