шпоры ИСУБ. ИСУБ. Тема основные понятия ис
 Скачать 77.98 Kb.
|
|
Тема 4. Программное обеспечение ИС 1. Программное обеспечение (ПО) ИС: состав и требования к нему. Программное обеспечение (ПО) – совокупность программ, предназначенных для работы компьютера с момента его включения до момента выключения и создающих среду, в которой осуществляется автоматизированная обработка данных и создаются новые программные продукты. При проектировании корпоративной информационной системы должны быть определены требования к программному обеспечению: системному, промежуточного слоя, прикладному и инструментарию разработки с учетом наличия серверной и клиентской частей системы. Конфигурация серверной части в значительной степени зависит от числа клиентских рабочих мест, интенсивности документооборота, объема обработки информации и может включать в себя широкую линейку: от специализированных серверов до серверов на базе типовых процессоров, как одиночной, так и кластерной модификации широкого стоимостного диапазона. В качестве рабочих мест обычно используются «традиционные» рабочие станции на базе типовых процессоров (Intel, AMD и др.), оснащенных соответствующими ОС. Требования к программному обеспечению выделенного сервера баз данных определяются в зависимости от количества рабочих мест, функционирующих в рамках КИС, В зависимости от количества рабочих мест системы, от аппаратных возможностей сервера базы данных, от его операционной системы, необходимости и возможности администрирования можно подобрать оптимальный вариант установки СУБД. При необходимости, дожна существовать возможность перехода на новую СУБД в любой момент эксплуатации системы. 2. Сегментация рынка прикладного ПО для ИС. IDC делит весь рынок ПО на три крупных сектора: рынок прикладного ПО, рынок средств разработки и развертывания приложений и рынок системного и инфраструктурного ПО. Прикладное ПО – программное обеспечение для потребителей, коммерции, индустрии и технологического применения – предназначено для автоматизации специфических бизнес-процессов в определенных отраслях и для повышения производительности компаний, рабочих групп или индивидуальных пользователей. Структура сегментов рынка прикладного ПО Пользовательское ПО – программные продукты для образования, развлечений и повышения производительности индивидуального пользователя. Приложения для коллективной работы – программы, позволяющие группам пользователей разделять информацию и процессы. К ним относятия интегрированные приложения для групповой Приложения для работы с контентом – позволяют создавать документы разных типов, организовывать, управлять и хранить цифровые данные в различных форматах; приложения для авторинга и опубликования (приложения для создания, редактирования и печати текстов, электронных таблиц, презентаций, изображений, работы с аудио- и видеофайлами, XML-документами и т.п.); средства поиска и обнаружения (приложения, которые обеспечивают сбор документов или других медиаресурсов в коллекцию с помощью поисковых роботов ит.п Приложения для управления ресурсами предприятия (ERM – Enterprise Resource Management) – позволяют автоматизировать и оптимизировать бизнес-процессы, связанные с обеспечением ресурсов, необходимых для достижения организационных и экономических целей компании (финансово-бухгалтерские, бухгалтерские ПО для управления казначейством, наличностью и рисками, приложения по управлению рисками, управлению персоналом, электронному рекрутингу (средства обработки резюме, оценки навыков соискателей, отсеивания и сортировки претендентов, выявления талантов внутри и за пределами организации), управлению поощрениями, оценке эффективности сотрудников ит.п. Приложения для управления цепочками поставок (Supply Chain Management applications, SCM) – программы, предназначенные для автоматизации бизнес-процессов, которые обеспечивают доставку продукта или сервиса на рынок, включая различные организации, вовлеченные в данный процесс ПО для планирования производства (Production planning (PP) applications) – программы для автоматизации деятельности, связанной с объединенным прогнозированием и непрерывной оптимизацией процесса производства. Инженерные приложения (Engineering applications) – программы, которые автоматизируют бизнес-процессы и процессы управления данными, начиная с концептуального планирования и заканчивая производством изделия. ПО для управления взаимодействием с клиентами (CRM-software) – обеспечивает улучшение обслуживания клиентов путем сохранения информации о них и истории взаимоотношений с ними, установления и улучшения бизнес-процедур на основе сохраненной информации и последующей оценки их эффективности. 3. Проблемно-ориентированное прикладное ПО для бизнес-офиса организации. 4. Интегрированное прикладное ПО. Интегрированный пакет — это набор взаимосвязанных прикладных программ, ориентированных на решение комплекса задач и поддерживающих единый способ взаимодействия пользователя со всеми программами из пакета, а также единый способ представления данных. Обычно такие пакеты включают в себя текстовый редактор, табличный процессор, СУБД, пакет графического отображения данных и телекоммуникационную программу. Основной причиной появления интегрированных пакетов считается потребность в совместном использовании данных разных форматов. Поэтому такие пакеты разрабатывались по принципу единой (интегрированной) системы. В средствах интеграции выделяют четыре механизма: • буфер обмена, • технологию OLE, • конвертирование файлов, • непосредственный обмен данными с использованием общей оболочки. Первый механизм основан на выделении в оперативной памяти области («буфера обмена»), в которую заносится информация для ее последующего переноса в другую программу. Информация в буфере хранится до занесения в него другой информации. Второй механизм основан на возможности включения в документ одного приложения документа другого приложения, что позволяет осуществлять редактирование внедренного документа как в новом, так и старом приложении. Суть третьего механизма заключается в записи информации в файл определенного формата так, чтобы документ мог быть прочитан в другом приложении данного пакета. Четвертый механизм (например, в интегрированном пакете Framework) основан на том, что для реализации обмена данными используется метод «отрезания» данных от файла в одном приложении и «приклеивания» их к файлу в другом приложении. Преимущества интегрированных пакетов проявляются в предоставлении пользователю однотипных средств доступа к данным различного вида и упрощении их переноса из одной программы пакета в другую. К недостаткам можно отнести повышенные требования к системным ресурсам. 5. Критерии выбора программного обеспечения для ИТ-инфраструктуры. Вопросы выбора ПО неразрывно связаны с построением организационного обеспечения ИТ-инфраструктуры, для чего была сформирована опись типов пользователей. В компьютерной среде любой организации пользователи обычно делятся на несколько категорий; условно можно выделить следующие типы. Специалист базовых знаний – основную работу выполняет при помощи офисных программ, сюда можно отнести Web-браузер, почтовый клиент и стандартный набор офисных приложений: текстовый процессор, электронные таблицы, презентации, программа для рисования и в некоторых случаях СУБД. Опытный специалист – продвинутые пользователи, обладающие глубокими знаниями офисных приложений; этому типу пользователей свойственно также работать с программными средствами, повышающими эффективность работы. К этому типу пользователей можно отнести управленческие кадры предприятия. Технический работник – в эту группу можно отнести системных и сетевых администраторов. Обычно используют то же ПО, что и специалисты базовых знаний, но к этому списку добавляются специализированные средства разработки, мониторинга, а также средства проектирования. В небольших организациях подобное деление может не иметь особой важности, однако для крупных организациях, где присутствует узкая специализация деятельности сотрудников, важно определить число и тип пользователей, это в свою очередь позволит определить количество и тип используемого ПО. На основе характеристик организации и типов пользователей можно предположить, какое ПО в полной мере удовлетворяет функциональным потребностям предприятий различных типов. 6. Тенденции развития программного обеспечения. Основными тенденциями развития программного обеспечения являются: — стандартизация как отдельных компонентов программных средств, так и интерфейсов между ними, — ориентация на объектно-ориентированное проектирование и программирование программных средств — интеллектуализация интерфейса пользователя, обеспечение его интуитивной понятности, непроцедурности и приближение языка общения с компьютером к профессиональному языку пользователя; — интеллектуализация возможностей программ и программных систем — универсализация отдельных компонентов (модулей) прикладных программ и постепенный переход этих компонентов, а затем и самих программ из области специализированного прикладного ПО в область универсального прикладного ПО. — ориентация на совместную, групповую работу пользователей при решении той или иной проблемы при помощи программных средств. — внедрение ПО в аппаратную составляющую технических средств (товаров) массового потребления — телевизоров, телефонов и т. п. — постепенный переход компонентов ПО, характерных для специализированного прикладного ПО, в универсальное прикладное ПО. ТЕМА 5. СРЕДСТВА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ 1. Понятие искусственного интеллекта (ИИ), направления использования ИИ. Искусственный интеллект – это возможность решения задач, которые до сих пор не удавалось решить человеку, машинным способом. Основной проблемой искусственного интеллекта являются методы представления и обработки знаний. К основным задачам искусственного интеллекта относятся: 1. игровые программы (стохастические, компьютерные игры); 2. естественно-языковые программы - машинный перевод, генерация текстов, обработка речи; 3. распознающие программы – распознавание почерков, изображений, карт; 4. программы создания и анализа графики, живописи, музыкальных произведений. Выделяются следующие направления искусственного интеллекта: 1. экспертные системы; 2. нейронные сети; 3. естественно-языковые системы; 4. эволюционные методы и генетические алгоритмы; 5. нечеткие множества; 6. системы извлечения знаний. Экспертные системы составляют 70 % общего объема продаж систем искусственного интеллекта, они ориентированы на решение конкретных задач. 2. Интеллектуальный анализ данных (Data Mining) и знаний (Knowledge Мining). Математические модели и методы искусственного интеллекта. Интеллектуальный анализ данных (ИАД) – общий термин для обозначения анализа данных с активным использованием математических методов и алгоритмов (методы оптимизации, генетические алгоритмы, распознавание образов, статистические методы, Data Mining и т.д.), использующих результаты применения методов визуального представления данных. В общем случае процесс ИАД состоит из трех стадий: 1) выявление закономерностей (свободный поиск); 2) использование выявленных закономерностей для предсказания неизвестных значений (прогнозирование); 3) анализ исключений для выявления и толкования аномалий в найденных закономерностях. Иногда выделяют промежуточную стадию проверки достоверности найденных закономерностей (стадия валидации) между их нахождением и использованием. Все методы ИАД по принципу работы с исходными данными подразделяются на две группы: Методы рассуждений на основе анализа прецедентов – исходные данные могут храниться в явном детализированном виде и непосредственно использоваться для прогнозирования и/или анализа исключений. Недостатком этой группы методов является сложность их использования на больших объемах данных. Методы выявления и использования формализованных закономерностей, требующие извлечения информации из первичных данных и преобразования ее в некоторые формальные конструкции, вид которых зависит от конкретного метода. Data Mining (DM)– это технология обнаружения в «сырых» данных ранее неизвестных нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности. Алгоритмы, используемые в Data Mining, требуют большого количества вычислений, что ранее являлось сдерживающим фактором широкого практического применения этих методов, однако рост производительности современных процессоров снял остроту этой проблемы. Искусственный интеллект реализуется на базе четырех подходов: логического, эволюционного, имитационного и структурного. Основой логического подхода служит булева алгебра и ее логические операторы, в первую очередь, оператор IF (если). Практически каждая система ИИ, построенная на логическом принципе, представляет собой машину доказательства теорем. При этом исходные данные хранятся в базе данных в виде аксиом, а правила логического вывода – как отношения между ними. Для большинства логических методов характерна большая трудоемкость, поскольку во время поиска доказательства возможен полный перебор вариантов. Поэтому данный подход требует эффективной реализации вычислительного процесса, и хорошие результаты достигаются при сравнительно небольшом размере базы знаний. Самоорганизация – процесс самопроизвольного (спонтанного) увеличения порядка, или организации в системе, происходящий под действием внешней среды. Выделяют следующие принципы самоорганизации математических моделей: - неокончательных решений – сохранение достаточной свободы выбора нескольких лучших решений на каждом шаге самоорганизации; - внешнего дополнения позволяет синтезировать истинную модель объекта, скрытую в зашумленных экспериментальных данных, с учетом основанных на новой информации внешних критериях; - массовой селекции позволяет сформировать наиболее целесообразный путь постепенного усложнения самоорганизующейся модели, с тем, чтобы критерий ее качества проходил через свой минимум. Самоорганизующиеся модели служат, в основном, для прогнозирования поведения и структуры систем различной природы. В процессе построения моделей участие человека сведено к минимуму. Эволюционное моделирование представляет собой универсальный способ построения прогнозов состояний системы в условиях задания их предыстории. Общая схема алгоритма эволюции включает: - задание исходной организации системы; - случайные мутации; - отбор для дальнейшего развития той организации, которая является лучшей в рамках некоторого критерия. Под структурным подходом подразумевается построение систем ИИ путем моделирования структуры человеческого мозга. Нейросетевое моделирование применяется в различных областях – бизнесе, медицине, технике, геологии, физике, где нужно решать задачи прогнозирования, классификации или управления. В основе лежит идея построения вычислительного устройства из большого числа параллельно работающих простых элементов – формальных нейронов, которые функционируют независимо друг от друга и связаны между собой однонаправленными каналами передачи информации. 3. Управление знаниями. Системы управления знаниями. Система управления знаниями — это набор повторяемых на регулярной основе управленческих процедур, призванных повысить эффективность сбора, хранения, распространения и использования ценной информации с точки зрения компании. Три основные компонента, входящие в состав системы управления знаний, а именно: - человеческие; - технологические; - организационные. Культура является важнейшей проблемой в сфере знаний, поскольку именно человеческий фактор (ценности, уровень связей или изолированности в организации) создает или разрушает систему управления знаниями. Человеческие взаимодействия и отношения нередко называются «социальным капиталом», элементом общего капитала фирмы. Технология не может одна разрешить проблемы знания или создать среду обмена знаниями, хотя и является очень важным элементом системы управления знаниями. Применение современных информационных технологий, ни в коем случае не должно устранять необходимые элементы обычного межличностного общения, ведь именно они делают процессы обмена знаниями в организации более интенсивными. В связи с этим необходимо уделять внимание не только материально-технической части, но и, главным образом, организационным моментам. Структура организационных знаний состоит из практических, теоретических, стратегических, коммерческих и производственных знаний. Организация извлекает информацию, выстраивает умозаключения и генерирует новые знания с целью повышения качества выпускаемых изделий и оказываемых услуг и, следовательно, конкурентной позиции фирмы. Управление каждым из перечисленных элементов в составе системы управления знаниями основано на использовании уже рассмотренных процессов — создании, хранении, использовании и распространении знаний в рамках организации. 4. Системы ИИ. Роль и место систем ИИ в информационных системах. Системы искусственного интеллекта (СИИ) — это системы, созданные на базе ЭВМ, которые имитируют решение человеком сложных интеллектуальных задач. В развитии СИИ можно выделить три основных этапа: 60-70-е годы. Это годы осознания возможностей искусственного интеллекта и формирования социального заказа на поддержку процессов принятия решений и управления. Наука отвечает на этот заказ появлением первых персептронов (нейронных сетей), разработкой методов эвристического программирования и ситуационного управления большими системами (разработано в СССР) 70-80-е годы. На этом этапе происходит осознание важности знаний для формирования адекватных решений; появляются экспертные системы, в которых активно используется аппарат нечеткой математики, разрабатываются модели правдоподобного вывода и правдоподобных рассуждений. 80-90-е годы. Появляются интегрированные (гибридные) модели представления знаний, сочетающие в себе интеллекты: поисковый, вычислительный, логический и образный. Банки применяют системы искусственного интеллекта (СИИ) в страховой деятельности (актуарная математика), при игре на бирже и управлении собственностью. Методы распознавания образов (включая, как более сложные и специализированные, так и нейронные сети) широко используют при оптическом и акустическом распознавании (в том числе текста и речи), медицинской диагностике, спам-фильтрах, в системах ПВО (определение целей), а также для обеспечения ряда других задач национальной безопасности. Разработчики компьютерных игр применяют ИИ в той или иной степени проработанности. Это образует понятие «Игровой искусственный интеллект». Стандартными задачами ИИ в играх являются нахождение пути в двумерном или трёхмерном пространстве, имитация поведения боевой единицы, расчёт верной экономической стратегии и так далее. ИИ- область научного знания, объединяющая разл направления, занимающиеся исследованиями принципов и закономерностей мыслит д-ти и моделированием задач, кот традиционно относят к интеллектуальным. Осн.задача: осуществление поддержки д-ти чела и поиска инфо в режиме продвинутого диалога на естественном языке. Выделяются следующие направления искусственного интеллекта: 1. экспертные системы; 2. нейронные сети; 3. естественно-языковые системы; 4. эволюционные методы и генетические алгоритмы; 5. нечеткие множества; 6. системы извлечения знаний. Экспертные системы составляют 70 % общего объема продаж систем искусственного интеллекта, они ориентированы на решение конкретных задач. Нейронные сети делятся на: 1 сети общего назначения, которые настраиваются на решение конкретных задач; 2 объектно-ориентированные - используемые для распознания символов, управления производством, предсказание ситуаций на валютных рынках,.3 гибридные - используемые вместе с определенным программным обеспечением (Excel, Lotus). Естественно-языковые (ЕЯ) системы делятся на: o ЕЯ интерфейс к БД; o естественно-языковой поиск в текстах, содержательное сканирование текстов; o масштабируемые средства распознания речи; o средства голосового ввода команд и управления; o компоненты речевой обработки, как сервисные средства программного обеспечения. Эволюционные методы, методы нечетких множеств и системы извлечения знаний составляют около 4% систем искусственного интеллекта. Обычно они применяются как инструментальные оболочки в ЭС и СППР. 5. Экспертные системы (ЭС): назначение и классификация. Основные компоненты ЭС. Экспертная система (ЭС) – это интеллектуальная вычислительная система, в которую включены знания опытных специалистов (экспертов) о некоторой предметной области и которая в пределах этой области способна принимать экспертные решения. ЭС – это программные средства, которые используют знания и процедуры вывода для решения задач, трудных для человека. ЭС позволяет накапливать, систематизировать и сохранять знания, профессиональный опыт тех экспертов, которые решают конкретные задачи наилучшим образом. Накопленные в ЭС знания могут быть использованы на практике неограниченное число раз. Работа экспертных систем основана на алгоритмах искусственного интеллекта и предполагает использование информации, заранее полученной от специалистов-экспертов. Структура ЭС: 1. рабочая память (РП) предназначена для хранения исходных и промежуточных данных, решаемой в данный момент задачи 2. база знаний (БЗ) предназначена для хранения долгосрочных данных о рассматриваемой области и правил преобразования этих данных 3. решатель на основании исходных данных из РП и знаний из БЗ формирует последовательность правил, приводящих к решению задач 4. объяснительный компонент (ОК) объясняет как система получила решение задачи и какие правила она при этом использовала 5. компонент приобретения знаний (КПЗ) автоматизирует процесс наполнения ЭС знаниями 6. диалоговый компонент (ДК) ориентирован на организацию удобного интерфейса, используемого для решения задач и приобретения знаний 7. ППП - внешний пакет прикладных программ и СУБД. ЭС делятся на: малые, средние, большие. ЭС классифицируются: 1. по типам решаемых задач - диагностика, проектирование, прогноз, планирование, обучение; 2. по характеристикам задач – структурированные, неструктурированные, достоверные, с вероятностью достоверности; 3. по внутренней структуре - фреймовые (представляющие классы знаний), использующие предикаты (т.е. отношения между знаниями), семантические сети, на основе правил алгебры-логики и нечетких множеств. 6. Системы поддержки принятия решений (СППР): назначение и классификация. Основные компоненты СППР. СППР предназначены для оказания помощи руководителю по использовании данных знаний и моделей при подготовке и принятии решений, за которые руководитель несет ответственность. В настоящее время СППР – автоматизированная система, использующая модели выработки и принятие решений, обеспечивающая пользователей эффективным доступом к распределенным БД и представляющая различные способы отображения информации. СППР делятся на два класса: 1. EIS (Executive Information System) – для руководства, высшего уровня. 2. DSS (Decision Support System) – для руководства среднего уровня. Цель разработки и внедрения СППР - информационная поддержка оперативных возможностей и комфортных условий для высшего руководства и ведущих специалистов для принятия обоснованных решений, а также стратегическим и тактическим целям. Основой такой системы являются: • доставка статистических данных и информации аналитического и сводного характера как из внутренних, так и из внешних источников для экономических и финансовых оценок, сопоставление планов, разработка моделей и составление прогнозов в бизнесе; • формирование и эксплуатация во взаимодействии с руководством соответствующей системы информационных, финансовых, математических и эвристических моделей экономических и финансовых процессов. К основным финансово-экономическим задачам СППР относятся анализ состояния и прогноз тенденций бизнеса и рыночной конъюнктуры, планирование бизнеса и управление его развитием. При этом решаются следующие специализированные комплексы задач: 1. Оценка финансового состояния предприятия и планирование его развития. 2. Анализ состояние производства, обслуживания клиентов, смежных организаций и сотрудников филиальной сети. 3. Анализ и прогнозирование денежного обращения, состояние кредитно-финансовой системы и организации денежного обращения. 4. Общеэкономическое положение отрасли в сопоставлении с макроэкономическими показателями. 5. Состояние и прогнозирование отдельных рынков и услуг. 7. Системы бизнес-аналитики (Business Intelligence, BI). Назначение и особенности Рынок Business Intelligence состоит из 5 секторов: 1. OLAP-продукты; 2. Инструменты добычи данных; 3. Средства построения Хранилищ и Витрин данных (Data Warehousing); 4. Управленческие информационные системы и приложения; 5. Инструменты конечного пользователя для выполнения запросов и построения отчетов. В настоящее время среди лидеров корпоративных BI-платформ можно выделить MicroStrategy, Business Objects, Cognos, Hyperion Solutions, Microsoft, Oracle, SAP, SAS Institute и другие (в приложении Б приведен сравнительный анализ некоторых функциональных возможностей BI-систем). 8. Системы Big data: назначение и особенности. 9. Системы оперативной аналитической обработки (ОLAP). OLAP (Online Analytical Processing – оперативная аналитическая обработка) – это информационный процесс, который дает возможность пользователю запрашивать систему, проводить анализ и т.д. в оперативном режиме (онлайн). Результаты генерируются в течении секунд. OLAP системы выполнены для конечных пользователей, в то время как OLTP системы делаются для профессиональных пользователей ИС. В OLAP предусмотрены такие действия, как генерация запросов, запросы нерегламентированных отчетов, проведение статистического анализа и построение мультимедийных приложений. Для обеспечения OLAP необходимо работать с хранилищем данных (или многомерным хранилищем), а также с набором инструментальных средств, обычно с многомерными способностями. Этими средствами могут быть инструментарий запросов, электронные таблицы, средства добычи данных (Data Mining), средства визуализации данных и др. В основе концепции OLAP лежит принцип многомерного представления данных. Э. Кодд рассмотрел недостатки реляционной модели, в первую очередь указав на невозможность объединять, просматривать и анализировать данные с точки зрения множественности измерений, то есть самым понятным для корпоративных аналитиков способом, и определил общие требования к системам OLAP, расширяющим функциональность реляционных СУБД и включающим многомерный анализ как одну из своих характеристик. 12 правил, которым должен удовлетворять программный продукт класса OLAP. Эти правила: 1. Многомерное концептуальное представление данных. 2. Прозрачность. 3. Доступность. 4. Устойчивая производительность. 5. Клиент – серверная архитектура. 6. Равноправие измерений. 7. Динамическая обработка разреженных матриц. 8. Поддержка многопользовательского режима. 9. Неограниченная поддержка кроссмерных операций. 10. Интуитивное манипулирование данными. 11. Гибкий механизм генерации отчетов. 12. Неограниченное количество измерений и уровней агрегации. Набор этих требований, послуживший фактическим определением OLAP, следует рассматривать как рекомендательный, а конкретные продукт оценивать по степени приближения к идеально полному соответствию всем требованиям. 10. Интеллектуальные агенты: назначение и классификация. Под термином интеллектуальный агент понимаются разумные сущности, наблюдающие за окружающей средой и действующие в ней, при этом их поведение рационально в том смысле, что они способны к пониманию и их действия всегда направлены на достижение какой-либо цели. Такой агент может быть как роботом, так и встроенной программной системой. Об интеллектуальности агента можно говорить, если он взаимодействует с окружающей средой примерно так же, как действовал бы человек. Эти два значения понятия «интеллектуальный агент» достаточно различны, и между ними почти нет связи. Интеллектуальный агент в первом смысле может быть разработан, используя традиционные методы разработки, в нём немногим больше интеллекта, чем в почтовом клиенте или утилите для форматирования жёсткого диска. Однако интеллектуальный агент во втором смысле может быть полностью независимым, выполняя свои задачи. В операционных системах семейства UNIX интеллектуальный агент, действующий в пределах одного компьютера или локальной сети, обычно называется демоном, в семействе Windows — службой (сервисом). В ИИ существует несколько типов агентов. Например: Физический Агент — агент, воспринимающий окружающий мир через некоторые сенсоры и действующий с помощью манипуляторов. Временной агент — агент, использующий изменяющуюся с ходом времени информацию и предлагающий некоторые действия или предоставляющий данные компьютерной программе или человеку, и получающий информацию через программный ввод. |