Интеллектуальные информационные системы и методы искусственного интеллекта

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 системах, 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 информационные науки», «Информатика и вычислительная техника», «Техника и техно логии наземного транспорта», «Техника и технологии строительства», 
«Фотоника, приборостроение, оптические и биотехнические системы и технологии», «Авиационная и ракетно-космическая техника», «Техника и технологии кораблестроения и водного транспорта», а также по направлениям подготовки «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 общество «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 информация. Основоположник кибернетики Н. Винер определил это понятие так: «Информация есть информация, не материя и не энергия». 
Следствием нематериальной природы информации является возможность ее неограниченного тиражирования, которая означает 
неисчерпаемость информационных ресурсов и свидетельствует 
об их принципиальном отличии от материальных ресурсов. Отличительное свойство информационных ресурсов — их универсальность, так как они необходимы в любой сфере человеческой деятельности. 
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, обработки и использования. В течение многих веков люди добывают, 
обрабатывают и используют материальные и энергетические ресурсы. Для этих целей они создали мощное оборудование и эффективные технологии. То же можно сказать об информации: на протяжении своей истории человечество накапливало знания, полученные 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 информации — компьютер. Однако с момента его появления развитие 
новых технологий обработки информации было настолько стремительным, как будто эти полвека измерялись в другой шкале времени. 
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 информационных 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 качественном уровне. 
В соответствии с классификацией проблем, предложенной 
Г. Саймоном, задачи, описанные количественными и качественными признаками с преобладанием последних, относятся к слабо 
структурированным проблемам. Современный подход к решению 
таких проблем базируется на методах искусственного интеллекта.
Настоящая книга посвящена интеллектуальным информационным системам, т.е. вопросам организации, проектирования, разработки и применения систем, предназначенных для обработки информации, базирующихся на применении методов искусственного 
интеллекта. Поскольку в сферу приложений искусственного интеллекта вошли практически все направления современной информатики, мы не стремились «объять необъятное», а включили в учебник 
разделы, содержащие описание традиционных моделей и технологий создания интеллектуальных систем, а также новых перспективных подходов к решению проблем, развивающихся в области 
искусственного интеллекта. При написании книги ставилась определенная 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 интеллекта, общая характеристика интеллектуальных систем, а также 
основные понятия и определения, которые используются в книге.
Глава 2 посвящена описанию классических моделей представления знаний средствами логики высказываний и логики предикатов, правилами продукций, имеющих вид «ЕСЛИ A, ТО B», иерархиями фреймов и семантическими сетями. Здесь также рассмотрены основы компьютерной обработки знаний, представленных 
различными средствами, знакомство с которыми необходимо как 
разработчикам интеллектуальных систем, так и пользователям; 
приведены примеры разработки интеллектуальных информационных 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 вычислений, а также послужили отправной точкой для создания различных направлений нетрадиционной логики. Разработанные 
в этой области средства не только получили широкое распространение в виде программного обеспечения для интеллектуальной 
обработки информации, но и нашли широкое применение в сфере 
нечеткого управления техническими объектами, в частности автомобилями, бытовой техникой и т.д. 
Глава 4 содержит сведения о методах и средствах приобретения 
знаний, которые закладываются в интеллектуальные информационные системы. Проблемы приобретения знаний имеют место 
на стадиях проектирования, разработки и эксплуатации программного обеспечения, поэтому для их решения применяются различные 
подходы. Методы приобретения знаний, используемые на стадии 
проектирования системы, ориентированы на получение необходимой информации от экспертов, проверку элементов этой информации на непротиворечивость и тесно связаны с проблемами ее 
представления и обработки. На стадии разработки интеллектуальной системы рассматриваются вопросы добавления новой информации в базу знаний, организации взаимодействия с внешними 
информационными источниками и реализация возможностей самообучения. Эксплуатация интеллектуальных систем требует поддержания 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 интерпретации знаний.
Известно, что только небольшую часть своих знаний человек 
может точно сформулировать вербальным или формальным способами. Обширная область интуитивных знаний специалистов, которые 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 дедуктивному подходу, в рамках которого на этапе становления искусственного 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 самоорганизующихся систем и самообучающихся машин. Эти ученые опирались 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 лагеря (М. Минский и С. Пейперт) и какое-то время считалось неперспективным. Однако стремительное развитие аппаратных компьютерных средств и не оправдавшиеся надежды на возможности 
экспертных систем с дедуктивными выводами стало причиной второго рождения нейросетевых технологий в 1980-х гг. Сегодня модели 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 информации и отсутствие детерминированных алгоритмов ее обработки в интеллектуальных системах является причиной возникновения задач поиска в пространстве высокой размерности, а также 
комбинаторных задач, для решения которых успешно применяются 
генетические алгоритмы, методы эволюционного программирования и эволюционные стратегии. При этом для решения сложных 
и плохо обусловленных задач все чаще применяются комбинированные подходы, в которых сочетаются методы нечеткого представления 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 выполнение интеллектуальных задач в распределенных компьютерных 
средах. Это одно из самых новых направлений в искусственном интеллекте, 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 реинжиниринга (перепроектирования) технических, экономических 
и социально-производственных систем являются особо актуальными в настоящее время, так как их решение позволяет качественно 
улучшить показатели функционирования за счет совершенствования системы управления, а не за счет привлечения дополнительных материальных и денежных ресурсов. Методологической базой 
проектирования сложных систем являются системный анализ и математическое моделирование. В главе рассмотрены подходы, методы и системы, которые изначально были разработаны нами 
в области проектирования технических систем и впоследствии 
адаптированы к сфере экономики и управления, в том числе: подход к решению задач коллективного выбора с взаимными требованиями участников; мультиагентная система для разрешения конфликтов; 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 проиллюстрировано примерами.
В конце каждой главы учебника приведен список использованной литературы, а также контрольные вопросы и задания.
При написании книги мы не стремились ориентировать читателей на применение конкретных видов интеллектуального программного обеспечения, имеющегося на рынке в настоящее время, 
и сознательно не приводили подробного описания и методик решения прикладных задач с использованием тех или иных пакетов. Это 
объясняется большим разнообразием таких средств и высокой 
сложностью их освоения. Эффективная работа с инструментальным 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 упоминаемых программных продуктов. Надеемся, что знания, полученные 
при изучении этой книги, и приведенные краткие обзоры программных 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 способностью решать 
стандартные задачи профессиональной деятельности на основе 
информационной 
и библиографической культуры 
с применением 
информационнокоммуникационных технологий 
и с учетом основных требований 
информационной 
безопасности

Знать: 
традиционные 
способы представления и обработки 
знаний в информационных системах (нечеткие 
знания и способы 
их обработки; методы приобретения знаний; нейронные сети;  
эволюционные 
аналогии в информационных системах; мультиагентные информационные системы)

Уметь: 
применять полученные теоретические 
знания для 
проектирования новых 
и применения 
существующих 
информационных систем

Владеть: 
навыками приобретения, 
представления 
и обработки 
знаний в информационных 
системах 

Обладание способностью использовать основные 
прикладные программные средства 
и информационные технологии, 
применяемые 
в сфере профессиональной деятельности

Знать: 
основные прикладные программные средства 
и информационные технологии, 
основанные на методах искусственного интеллекта

Уметь: 
использовать 
основные прикладные программные средства и информационные 
технологии 
в сфере профессиональной 
деятельности

Владеть: 
навыками 
адаптации новых прикладных программных средств 
и информационных технологий в сферу 
профессиональной деятельности

Обладание способностью анализировать состояние и динамику 
объектов деятельности с использованием необходимых методов 
и средств анализа

Знать: 
методы и информационные технологии для проведения маркетинговых исследований 
в области информационно-коммуникационных технологий

Уметь: 
анализировать 
состояние 
и динамику 
объектов деятельности с использованием 
необходимых 
методов 
и средств анализа

Владеть: 
навыками интерпретации 
 полученных 
результатов 
исследований

Название  
компетенции
Ожидаемые результаты  
освоения материала учебника

Обладание способностью применять проблемноориентированные 
методы анализа, 
синтеза и оптимизации процессов 
и систем

Знать: 
методы анализа, 
синтеза и оптимизации процессов 
и систем

Уметь: 
использовать 
методы анализа, синтеза 
и оптимизации 
в сфере профессиональной 
деятельности

Владеть: 
навыками системного анализа и интерпретации полученных 
результатов 
исследований

Обладание способностью использовать знания 
о принципах принятия решений 
в условиях неопределенности

Знать: 
методы многокритериального принятия решений 
в условиях неопределенности 

Уметь: 
разрабатывать 
системы поддержки принятия решений 
(СППР)

Владеть: 
навыками 
адаптации 
СППР к решению прикладных задач 

Настоящий курс предназначен для студентов, обучающихся 
в магистратуре по следующим направлениям подготовки: 01.04.02 
«Прикладная математика и информатика»; 02.00.00 «Компьютерные и информационные науки»; 09.00.00 «Информатика и вычислительная техника»; 27.00.00 «Управление в технических системах»; 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 «Компьютерные и информационные науки»; 09.06.01 «Информатика и вычислительная техника»; 27.06.01 «Управление в технических системах»; 38.00.00 «Экономика и управление».

Окончание таблицы