Проаналізовано причини виникнення додаткових витрат під час збиральної кампанії. До процесів збирання та транспортування зерна використано логістичний підхід, сформульовано основні завдання логістичного управління. Запропоновано автоматизовану систему управління збирально-транспортними роботами.

Рассмотрена задача моделирования уборочно-транспортного процесса, разбитого на четыре зоны. Определены структура и тип моделей, характеризующие технологический процесс. Представлена подмодель нижнего уровня иерархии.

Вперше синтезовано логічну модель подання знань про технологічний процес збиральної кампанії, яка складається з ієрархії станів і класифікації дій моделі процесу, що дозволило узгодити роботу різних технічних засобів у часі. Удосконалено структуру гібридної інтелектуальної системи управління складними об'єктами за рахунок системної інтеграції у базі знань моделей та алгоритмів, які грунтуються на класичних методах моделювання систем і методах штучного інтелекту, що дозволило забезпечити інтелектуальну підтримку прийняття рішень в процесі управління збиральною кампанією. Удосконалено метод класичного генетичного алгоритму за рахунок його адаптації до використання тривимірної хромосоми, що дозволило врахувати обмеження на терміни проведення робіт і на час експлуатації зернозбиральних комбайнів під час розподілу збиральної техніки за полями. Набули подальшого розвитку підходи до імітаційного моделювання збирально-транспортних систем за рахунок синтезу імітаційної моделі технологічного процесу збиральної кампанії, яка грунтується на принципах процесноорієнтованого підходу та використовує методи штучних нейронних мереж і нечіткої логіки.

Рассмотрена динамическая модель технологического процесса уборочной кампании, на основании которой разработана его имитационная модель. В графическом и табличном виде представлена имитация работы комбайна на поле и транспортного средства, транспортирующего зерно от комбайна до пункта послеуборочной обработки зерна.

Розглянутий метод представлення знань дозволяє охопити всі основні характеристики збирально-транспортного процесу та врахувати всі основні зв'язки між ними, що є основою для створення інтелектуальної системи управління збиральною кампанією.

Розглянуто розв'язання задачі розподілу збиральної техніки по полям і розв'язання допоміжних для неї задач: визначення експлуатаційної швидкості та значення поправкового коефіцієнта до норми витрати палива для зернозбиральних комбайнів за допомогою методів еволюційного моделювання, штучних нейронних мереж і нечіткої логіки. Дані моделі та алгоритми, як предметні знання, увійшли у склад бази знань інтелектуальної системи управління збиральною кампанією. Показано, що застосування методів штучного інтелекту для підтримки прийняття рішень з управління технологічним процесом збиральної кампанії дозволяє враховувати такі його особливості, як нестаціонарність і стохастичність поведінки, невідтворюванність експериментів, неповнота та розмитість інформації про процес.

Проведен анализ существующих торговых стратегий и идентификаторов торговли, сформулированы основные требования к разрабатываемому торговому роботу, разработаны структура, модели и алгоритмы торгового робота, исследована эффективность работы построенного торгового робота.

Рассмотрены методологические аспекты процесса управления требованиями при проектировании сложных систем. Процесс управления требованиями представлен в виде спиральной модели развития системы. Выделены составные элементы одного итерационного шага спиральной модели.

Представлена структурная схема автоматизированной системы управления уборочно-транспортными работами. Определены структурные составляющие системы и приведены их функциональные схемы.