ooОткрытое образованиеOpen Education1818-42432079-5939Plekhanov Russian University of Economics10.21686/1818-4243-2014-3(104-75-80oo-113Research ArticleНОВЫЕ ТЕХНОЛОГИИNEW TECHNOLOGIESИнтеграция разнородных знаний в интеллектуальных информационных системах на основе многоагентного моделированияINTEGRATION OF HETEROGENEOUS KNOWLEDGE IN INTELLECTUAL INFORMA￾TION SYSTEMS BASED ON MULTI-AGENT SIMULATIONКравченкоЮ. А.KravchenkoYury A.

к.т.н., доцент

Тел.: +79289080151

www.sfedu.ru

Candidate of Science, Associate Professor

Tel.: +79289080151

krav-jura@yandex.ruМарковВ. В.VladimirMarkov V.

к.т.н., доцент

Тел.: (8634) 371651

www.sfedu.ru

Ph.D., Associate Professor

Tel.: (8634) 371651

www.sfedu.ru

v_v_mar@mail.ruЮжный федеральный университетРоссияSouthern federal universityRussian Federation20142705201603(1047580Copyright © Кравченко Ю.А., Марков В.В., 20162016Кравченко Ю.А., Марков В.В.Kravchenko Y.A., Vladimir M.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://openedu.rea.ru/jour/article/view/113

В статье рассмотрена проблема создания многоагентных моделей интеграции разнородных априорных знаний о субъекте исследований с целью обеспечения возможности объединения аналитической информации из различных предметных областей в интеллектуальных информационных системах. Решение поставленной проблемы продемонстрировано на примере метода интеграции результатов исследований когнитивных особенностей личности обучаемого и технологий искусственного интеллекта для создания систем диагностики познавательных стилей с дальнейшей разработкой индивидуальных образовательных траекторий и моделей референтных групп на основе теории многоагентных систем. Проведено исследование рассмотренных моделей на основе аппарата имитационного моделирования сетей Петри. 

The article considers the problem of creating a multi-agent models integrating heterogeneous prior knowledge about the subject of research in order to ensure the possibility of combining the analytical information from different domains in intellectual information systems. The solution of this problem is demonstrated by the example of the method of students cognitive personality traits researches results integration and artificial intelligence technologies to create cognitive styles of diagnostic systems with the further individual paths, education models and reference groups development, based on the theory of multi-agent systems. The considered models’ investigation was conducted based on apparatus simulation of Petri nets. 

познавательные стилиинформационные системыинтеллектуальные агентыиндивидуальные траекторииобразовательные моделиреферентные группыразнородные знанияcognitive stylesinformation systemsintelligent agentsindividual trajectorieseducational modelsreference groupsheterogeneous knowledgeИсследование выполнено за счет гранта Российского научного фонда (проект №14-11-00242) в Южном федеральном университетеReferencesБашмаков А.И. Интеллектуальные информационные технологии / А.И. Башмаков, И.А. Башмаков. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2005.Башмаков А.И. Интеллектуальные информационные технологии / А.И. Башмаков, И.А. Башмаков. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2005.Тельнов Ю.Ф. Интеллектуальные информационные системы. – М.: МЭСИ, 2003. – 26 с.Тельнов Ю.Ф. Интеллектуальные информационные системы. – М.: МЭСИ, 2003. – 26 с.Кравченко Ю.А. Теоретические основы создания интеллектуальных систем обучения. – Saarbrucken, Germany: LAP LAMBERT Academic Publishing Gmbh & Co. KG, 2011. – 134 c.Кравченко Ю.А. Теоретические основы создания интеллектуальных систем обучения. – Saarbrucken, Germany: LAP LAMBERT Academic Publishing Gmbh & Co. KG, 2011. – 134 c.Zaporogets D.Y. Hybrid Bionic Algorithms for Solving Problems of Parametric Optimization / D.Y. Zaporogets, D.V. Zaruba, V.V. Kureichik. – World Applied Sciences Journal. – 2013. – № 23 (8). – P. 1032–1036.Zaporogets D.Y. Hybrid Bionic Algorithms for Solving Problems of Parametric Optimization / D.Y. Zaporogets, D.V. Zaruba, V.V. Kureichik. – World Applied Sciences Journal. – 2013. – № 23 (8). – P. 1032–1036.Кравченко Ю.А. Способы интеллектуального анализа данных в сложных системах / Ю.А. Кравченко, Д.Ю. Запорожец, А.А. Лежебоков // Российская академия наук. Научный журнал. Известия КБНЦ РАН. – Нальчик: Изд-во Кабардино-Балкарского научного центра РАН, 2012. – № 3 (47). – С. 52–57.Кравченко Ю.А. Способы интеллектуального анализа данных в сложных системах / Ю.А. Кравченко, Д.Ю. Запорожец, А.А. Лежебоков // Российская академия наук. Научный журнал. Известия КБНЦ РАН. – Нальчик: Изд-во Кабардино-Балкарского научного центра РАН, 2012. – № 3 (47). – С. 52–57.Кравченко Ю.А., Бова В.В. Нечеткое моделирование разнородных знаний в интеллектуальных обучающих системах // Открытое образование. – 2013. – № 4(99). – С. 70–74.Кравченко Ю.А., Бова В.В. Нечеткое моделирование разнородных знаний в интеллектуальных обучающих системах // Открытое образование. – 2013. – № 4(99). – С. 70–74.Курейчик В.В., Курейчик Вл.Вл. Архитектура гибридного поиска при проектировании // Известия ЮФУ. Технические науки. – Таганрог: Изд-во ТТИ ЮФУ, 2012. – № 7 (132). – С. 22–27.Курейчик В.В., Курейчик Вл.Вл. Архитектура гибридного поиска при проектировании // Известия ЮФУ. Технические науки. – Таганрог: Изд-во ТТИ ЮФУ, 2012. – № 7 (132). – С. 22–27.

The authors declare that there are no conflicts of interest present.