Математические модели и интеллектуальные информационные технологии для повышения эффективности организации производства тема диссертации и автореферата по ВАК РФ 05.02.22, доктор экономических наук Лялин, Вадим Евгеньевич

• Лялин, Вадим Евгеньевич
• доктор экономических наук
• 2006

Оглавление диссертации доктор экономических наук Лялин, Вадим Евгеньевич

Условные обозначения.

Введение.

1. Принципы системного экономико-математического моделирования и оптимизации показателей хозяйственной деятельности предприятия.

1.1. Структура машиностроительного предприятия.

1.2. Оптимизация производственной программы предприятия.

1.3. Анализ задач математического программирования, используемых для оптимизации производственно-хозяйственной деятельности предприятия.

1.4. Допущения, ограничения и основные экономические показатели ППП.

1.5. Оптимизация по одному экономическому показателю при оперативном управлении производством па предприятии.

1.6. Многокритериальные математические модели ППП предприятия.

1.7. Информационная система предприятия для построения ППП

1.8. Полученные результаты и выводы.

2. Модели и интеллектуальные технологии для оптимального управления долгосрочным развитием предприятия.

2.1. Описание основных проблем российских корпораций и промышленных компаний.

2.2. Институциональное и ситуационное управление в организационных системах.

2.3. Стратегическое динамическое планирование.

2.4. Выбор критериев оптимизации, входящих в интеллектуальную систему.

2.5. Построение целевой функции.

2.6. Общая процедура построения целевой функции. Элементы многокритериальной теории полезности.

2.7. Определение структуры целевой функции при долгосрочном планировании.

2.8. Общая итерационная процедура стратегического планирования

2.9. Практическое использование интеллектуальной системы управления долгосрочным развитием предприятий Удмуртской Республики

2.10. Полученные результаты и выводы.

3. Оценка влияния развития информационно-коммуникационных технологий на показатели развития промышленных предприятий в РФ и методика долгосрочного прогнозирования темпов их внедрения

3.1. Оценка влияния развития информационно-коммуникационных технологий на темпы развития экономики России.

3.2. Методика долгосрочного прогнозирования темпов внедрения информационно-коммуникационных технологий.

3.3. Стохастические связи между случайными величинами при решении задачи обоснованного прогноза.

3.4. Телекоммуникационные системы как объект диффузии инноваций

3.5. Глобальное решение уравнения диффузии.

3.6. Логистическая функция - адекватная аппроксимирующая функция линии условной регрессии средств телекоммуникаций во времени.

3.7. Прогноз оптимального темпа роста рынка средств телекоммуникаций РФ в перспективе до 2010 года.

3.8. Оценка точности прогноза динамики инноваций.

3.8.1. Математическая модель.

3.8.2. Среднее и дисперсия отклонений реальной динамики инноваций от прогнозируемой.

3.8.3. Оценки распределения отклонений реальной динамики инноваций от прогнозируемой.

3.8.4. Асимптотика распределения отклонений реальной динамики инноваций от прогнозируемой.

3.9. Исследование общности методики долгосрочного прогнозирования па примере стратегического маркетинга рынка Интернет на сети связи РФ.

3.9.1. Особенности рынка Интернет России.

3.9.2. Определение оптимальных темпов развития рынка Интернет при помощи разработанной методики долгосрочного прогнозирования.

3.10. Полученные результаты и выводы.

4. Применение математической теории интеллектуальных систем для нормирования в машиностроении.

4.1. Методы нормирования в машиностроении.

4.2. Метод классификации, основанный на деревьях решений.

4.3. Система нечеткого вывода на основе деревьев решений.

4.3.1. Метод построения нечетких деревьев решений.

4.3.2. Результаты численного эксперимента тестирования метода нечетких деревьев решений.

4.3.3. Добавление экспертных правил.

4.4. Сжатие входной информации.

4.5. Расчет трудозатрат с применением информационной системы на основе нечетких деревьев решений.

4.5.1. База данных.

4.5.2. Предварительная обработка входных данных.

4.5.3. Построение дерева базы правил.

4.6. Программные средства для разработки систем нечеткой логики

4.7. Интеллектуальная технология получения технических характеристик деталей путем распознавания их конструкторских чертежей.

4.8. Полученные результаты и выводы.

5. Методика формализации управленческих решений в области ценообразования на основании результатов нечеткой кластеризации 247 5.1. Анализ механизма контрактации.

5.2. Концепция риска взаимодействия контрагентов в рамках контрактации

5.3. Анализ методологии обработки экономических данных.

5.4. Модель кластеризации контрагентов.

5.5. Механизм динамической корректировки.

5.6. Принятие управленческих решений в области ценообразования

5.7. Полученные результаты и выводы.

6. Развитие методов оптимизации, применяемых для обучения интеллектуальных систем.

6.1. Полиэкстремальность целевых функций при обучении интеллектуальных систем.

6.2. Генетический алгоритм вещественного кодирования для решения полиэкстремальных задач.

6.3. Тестирование генетического алгоритма с вещественным кодированием и новыми операторами скрещивания.

6.4. Дополнительное обучение нечеткой системы прогноза трудозатрат генетическим алгоритмом с вещественным кодированием

6.5. Полученные результаты и выводы.

Введение диссертации (часть автореферата) на тему «Математические модели и интеллектуальные информационные технологии для повышения эффективности организации производства»

Актуальность темы. Возросший в последние годы интерес к экономико-математическим моделям не ослабевает. Переход страны к рыночной экономике способствует тому, что появляются новые задачи па микро- и мезоуровнях, которые требуют неотложного решения. При этом возникает естественная необходимость в применении все более сложных методов для решения поставленных задач. К этому следует добавить, что необходимо иметь более совершенный инструментарий для исследования полученных решений. Новейшие компьютерные технологии дают возможность анализа поставленных задач или исследования полученных решений, по при условии, что такой инструментарий создан.

Информационное общество испытывает постоянный дефицит жизненно необходимой информации для принятия решений. Все, кто принимают решения, нуждаются в более полной информации. В этих условиях преимущество получают те, кто овладел теорией и практикой управления социально-экономической эволюцией, основанного на самоорганизации, обучении и адаптации. Темпы изменений в постиндустриальную эпоху требуют разработки специальных механизмов управления эволюцией предприятия.

Интеллектуальные технологии - один из последних этапов развития аналитических технологий, представляющие собой методики, которые на основе каких-либо моделей, алгоритмов, математических теорем позволяют по известным данным оценить значения неизвестных характеристик и параметров.

Аналитические технологии нужны в первую очередь людям, принимающим важные решения - руководителям, аналитикам, экспертам. Доход компании в большой степени определяется качеством этих решений - точностью прогнозов, оптимальностью выбранных стратегий. Наиболее распространены аналитические технологии, используемые для решения следующих задач: для прогнозирования курсов валют, цен па сырье, спроса, дохода компании, уровня безработицы, числа страховых случаев, и для оптимизации расписаний, маршрутов, плана закупок, плана инвестиций, стратегии развития. Как правило, для реальных задач бизнеса и производства не существует четких алгоритмов решения. Раньше руководители и эксперты решали такие задачи только на основе личного опыта. С помощью современных аналитических технологий строятся системы, позволяющие существенно повысить эффективность решений.

К сожалению, классические методики оказываются малоэффективными во многих практических задачах. Это связано с тем, что невозможно достаточно полно описать реальность с помощью небольшого числа параметров модели, либо расчет модели требует слишком много времени и вычислительных ресурсов.

Из-за описанных выше недостатков традиционных методик последние десять лет идет активное развитие аналитических систем нового типа. В их основе - технологии искусственного интеллекта, имитирующие природные процессы, такие как деятельность нейронов мозга или процесс естественного отбора.

Наиболее популярными и проверенными из этих технологий являются нейронные сети и генетические алгоритмы (ГА). Первые коммерческие реализации на их основе появились в 80-х годах и получили широкое распространение в развитых странах. Нейронные сети в каком-то смысле являются имитациями мозга, поэтому с их помощью успешно решаются разнообразные «нечеткие» задачи - распознавание образов, речи, рукописного текста, выявление закономерностей, классификация, прогнозирование. В таких задачах, где традиционные технологии бессильны, нейронные сети часто выступают как единственная эффективная методика решения.

Генетические алгоритмы - это специальная технология для поиска оптимальных решений, которая успешно применяется в различных областях науки и бизнеса. В этих алгоритмах используется идея естественного отбора среди живых организмов в природе, поэтому они называются генетическими. Генетические алгоритмы часто применяются совместно с нейронными сетями, позволяя создавать предельно гибкие, быстрые и эффективные инструменты анализа данных.

Наверное, самым впечатляющим у человеческого интеллекта является способность принимать правильные решения в условиях неполной и нечеткой информации. Построение моделей приближенных размышлений человека и использование их в компьютерных системах представляет сегодня одну из важнейших проблем науки. Для создания действительно интеллектуальных систем, способных адекватно взаимодействовать с человеком, был создан новый математический аппарат нечеткой логики, который переводит неоднозначные жизненные утверждения в язык четких и формальных математических формул.

При создании автоматизированной системы принятия решений при управлении предприятием важным является вопрос о нахождении адекватных математических моделей принятия решений. Крупным шагом в развитии систем принятия решений явилось применение теории нечетких множеств, нейронных сетей, генетических алгоритмов. Считается, что решение принимается в условиях риска, характеризуется некоторым классом оптимальных стратегий, которые имеют разные степени риска.

Взаимодействие естественного и искусственного интеллекта в процедурах принятия решений через информационные объекты по критериям максимальной эффективности может быть закодировано сложными инструментальными методами. В связи с этим, применение математической теории интеллектуальных систем для повышения эффективности организации общественного производства является крайне актуальной задачей.

Объектом исследования являются производственная программа предприятия (ППП), структура и организация процесса производства, прибыль, себестоимость и рентабельность, операционный денежный поток, нормирование труда, конструктивно-технологическая сложность изделий, прогнозная трудоемкость, информационно-коммуникационные технологии (ИКТ), диффузия инноваций, макроэкономические индикаторы, ценовая дискриминация, контрактация, контрагенты, интеллектуальные системы, классические оптимизационные методы.

Предметом исследования являются математические модели оптимизации 111111, двойственные оценки используемых ресурсов и производственных мощностей, информационная система процесса производства, оперативное управление, критерий оптимальности долгосрочного управления компанией, мониторинг стоймости и оценки принимаемых решений, интеллектуальные алгоритмы для решения задачи прогнозирования трудоемкости, долгосрочное прогнозирование внедрения ИТК, кластеризация контрагентов как инструмент формализации управленческих решений, гибридный генетический алгоритм с элитным обучением лидера.

Цель работы состоит в получении научно-обоснованных экономических решений, направленных на создание математических моделей оптимизации планирования производственной программы предприятий и интеллектуальных информационных технологий, построенных на основе разработки гибридных алгоритмов, базирующихся на теории нечеткой логики, нейронных сетей и деревьев решений, для решения задач динамического стратегического планирования развития крупномасштабных инжиниринговых проектов, автоматизации оценки трудоемкости производства изделий на стадии конструкторской подготовки производства и выбора контрагентов как инструмента формализации управленческих решений, что будет способствовать развитию теории и расширению практики управления социально-экономической эволюцией предприятия, повышению производительности труда и эффективности путей организации производства.

Для реализации поставленной цели необходимо решить следующие задачи:

- построить ряд математических моделей оптимизации показателей хозяйственной деятельности предприятий машиностроения с учетом специфики производства и создание пакета программ для их реализации;

- применить однокритериальные линейные модели, использующие критерии максимума прибыли, получаемой от реализации продукции, и максимума объема производства, а также нелинейные многокритериальные модели с линейными и дробно-линейными целевыми функциями и создать алгоритмы их решения;

- осуществить выбор модели управления долгосрочным развитием промышленной компании с серийным или массовым производством, действующей на конкурентном рынке, которая, кроме планирования развития компании, должна позволять проводить ее мониторинг стоимости;

- определить удобный инструментарий для построения целевой функции деятельности компании, представляющей комбинацию многокритериальной теории полезности и управленческих эквивалентов теории заинтересованных сторон;

- разработать методику долгосрочного прогнозирования темпов внедрения инфокоммуникационных технологий (ИКТ) как диффузии инноваций; исследовать значимость ИКТ как важного фактора формирования эффективной инфраструктуры рынков, включая встраивание российских предприятий в технологические цепочки глобальной экономики;

- вывести математическую модель оценки определения прогноза динамики инноваций (ДИ), зависящей от макро- и микроэкономических индикаторов, подверженных аддитивным многомерным случайным возмущениям, имеющим место в экономике переходного периода;

- построить на основе теории конструкторско-технологической сложности изделий адаптивную нечеткую модель для определения прогнозной трудоемкости их изготовления и построения информационной системы для прогнозирования нормирования труда;

- провести структурную адаптацию системы нечеткого вывода путем генерации базы нечетких правил, обладающей полнотой покрытия правилами всех примеров из обучающей выборки деталей изделия, и параметрическую адаптацию на основе настройки форм функций принадлежности нечеткой системы;

- конкретизировать модель нечеткой кластеризации контрагентов, позволяющей использовать в качестве элементов признакового пространства контрагентов, подлежащих кластеризации, пеколичественные переменные; сформулировать в экономико-правовых аспектах необходимые и достаточные условия применимости данной модели в практической деятельности;

- установить соответствие определенной на основании проведенной кластеризации группы риска контрагента совокупности возможных и допустимых вариантов взаимодействия с учетом прочих характеристик контракта для применения ценовой дискриминации и осуществить процесс согласования условий возможной контрактации с контрагентом;

- применить для обучения интеллектуальных систем ГА, основанные на имитации в искусственных системах некоторых свойств живой природы; провести эксперименты на тестовых функциях с использованием разных типов операторов скрещивания и мутации для ГА с вещественным и бинарным кодированием для установления вида кодирования, при котором отыскание оптимума реализуется лучше и быстрее;

- разработать гибридный генетический алгоритм с элитным обучением лидера, обладающего пригодностью при решении задач условной и безусловной оптимизации и решения систем нелинейных уравнений большой размерности, а также позволяющего его использовать для обучения интеллектуальных систем.

Методы исследования. В работе применялись теоретические исследования и методы вычислительного эксперимента.

Работа основана на использовании элементов теории полезности, теории игр, элементов теории принятия решений, линейного, дробно-линейного и нелинейного программирования, теории многокритериальной оптимизации, теории заинтересованных сторон, параметрического программирования, теории реальных опционов. Использован аппарат исследования операций, теория вероятностей и математическая статистика, компьютерное моделирование.

Использовались методы теории нечетких множеств, нейронных сетей, деревьев решений, бинарного и вещественного кодирования, эволюционных и градиентных алгоритмов, системного анализа, объектно-ориентированного программирования. Использованы элементы теории распознавания образов (кластерный анализ), положения институциональной экономической теории и теории риска.

При исследовании диффузии инноваций применялись методы экономики связи, теории линейных дифференциальных уравнений, регрессионный анализ, а также метод наименьших квадратов с адекватной аппроксимирующей функцией, методы математического моделирования, методы современной макроэкономической теории, описательного и сравнительного анализа, а также методы теоретико-информационного моделирования процессов и систем.

При распознавании конструкторских чертежей использовались методы моделирования, анализа, синтеза и кодирования графических изображений; метод центроидной фильтрации; операторы редукции изображений на дискретный растр и их кодирование на основе цепных кодов; методы распознавания структурных элементов изображений; программные средства обработки графических изображений; технологии обработки графической информации в интеллектуальных телекоммуникационных системах.

Достоверность и обоснованность. Методы, применяемые в диссертационном исследовании, обусловливают необходимый уровень его достоверности. Основные факторы достоверности работы базируются на использовании методологии системного подхода, структурно-динамического анализа, математического моделирования экономических объектов и процессов.

В работе применены традиционные методы экономических исследований - абстракция, анализ и синтез, интроспекция и ретроспекция. Основные результаты получены с использованием истории, теории и фактологии по изучаемой проблеме. Параметры вычисленных моделей сформированы на базе реальных данных. Результаты аналитических расчетов правильно отражают моделируемые фрагменты экономической реальности.

Вычислительный эксперимент проводился с помощью компьютерных и информационных технологий, включающих современные интегрированные программные средства, на основе классических методов оптимизации и предложенных методов интерпретации математической теории интеллектуальных систем.

Научная новизна. В результате впервые проведенных комплексных исследований получены новые экономические решения и пути построения структуры тонких экономических механизмов, позволяющих автоматизировать процесс организации и управления производством промышленного предприятия, наделить систему принятия управленческих решений предприятия элементами искусственного интеллекта, что, в конечном счете, будет способствовать гибкости и объективности решений руководящего звена предприятия, повышению производительности труда, конкурентоспособности, экономичности и устойчивости производства, в ходе которых:

- рассмотрены эффективные алгоритмы решения задач оптимизации показателей хозяйственной деятельности предприятия, построенные на основе методов линейного, дробно-линейного и нелинейного многокритериального программирования. Проанализированы устойчивость и экономическая интерпретация двойственных оценок, которые применяются в анализе решений оптимизационных задач линейного программирования. Показано, что одними из наиболее эффективных алгоритмов оптимизации производственной программы являются алгоритмы, построенные на базе методов последовательной безусловной минимизации;

- для однокритериальной линейной модели оптимизации прибыли от реализации произведенных изделий предложена схема проведения сравнительного анализа оптимальной прибыли и прибыли, получаемой при условии выполнения заказа на определенные виды изделий. Эта схема может применяться па машиностроительном предприятии, учитывая специфику его технологических процессов, при организации производства изделий определенной номенклатуры для оперативного принятия решения о выполнении поступившего заказа;

- применяя теорию двойственности линейного программирования для од-нокритериальпых моделей, рассчитаны двойственные оценки используемых ресурсов и производственных мощностей, что позволяет: провести анализ расходов по каждому типу ресурсов; оценить остатки ресурсов и время простоя производственных мощностей; оценить меру дефицитности каждого типа ресурса для принятия решения об изменении запасов ресурсов с целью получения наилучшего экономического эффекта от дополнительно вложенных средств;

- проведены исследования промышленных предприятий; предложена система количественных и качественных показателей, характеризующих процессы управления, необходимые для построения критерия оптимальности долгосрочного управления компанией, определена связь целевой функции долгосрочного планирования с целевой функцией оперативного управления; выявлена структура и построена целевая функция долгосрочного управления, а также установлена связь целевой функции с системой мотивации компании;

- определено, что стоимость компании является основным критерием оценки ее финансового благополучия, который дает комплексное представление об эффективности управления бизнесом, так как управление стоимостью компании - это инновационный подход, приобретающий все большую популярность, а также то, что вышеупомянутый критерий в наибольшей степени удовлетворяет собственников бизнеса и, в условиях отсутствия монополий и экстерналий, обеспечивает максимизацию социального благосостояния как компании, так и ее сотрудников;

- разработана методика долгосрочного прогнозирования темпов внедрения новых технологий как ДИ, являющаяся эффективным рычагом темпов ускорения научно-технического прогресса в промышленности, где механизмы технической кооперации базируются, как правило, на устаревших информационных и компьютерных технологиях, и являются «узким» местом, сдерживающим не только разработку новых технически сложных изделий, но и международную кооперацию в этой сфере. Разработанная методика позволяет найти наилучшую аппроксимирующую логистическую кривую, которую можно затем использовать для прогноза ДИ;

- полученная в работе кривая прогноза позволяет оценить сроки получения доступа хозяйствующих субъектов РФ к технологиям международного «электронного рынка», на котором поставщики «интеллектуальной продукции» выстроены в технологические цепочки, при этом их тесное взаимодействие обеспечивается в рамках вертикальной интеграции, где все звенья связаны в единую компьютерную систему, в рамках которой и реализуется рыночный механизм: на конкурентной основе распределяются заказы, а звенья кооперируются в технологические цепочки для их выполнения. Реструктуризация предприятия в рамках вертикальной интеграции ведет к заметным сдвигам в производительности и эффективности организации производства;

- решена задача разработки оценок точности определения прогноза ДИ в условиях формирования цивилизованных рыночных отношений, оценок его достоверности, построение математической модели для экономического индикатора ДИ, позволяющей количественно указывать, как влияют на точность прогноза девиация различных микро- и макроэкономических индикаторов. При решении этих задач учитывался случайный характер возмущений, вызванных несовершенством действия рычагов государственного регулирования и стихийностью гипертрофированного рынка, что пагубно влияет на направление изменения большинства экономических индикаторов. Тем более что в последнее время наблюдается тенденция повышения влияния случайной составляющей возмущений на эти индикаторы и уменьшения влияния детерминированных воздействий;

- созданы системы нормирования труда, построенные па теории нечетких деревьев решений, в которых генерация правил и подбор параметров функций принадлежности ведутся в процессе обучения по имеющимся данным. Поскольку при обучении нечеткой системы используются генетические алгоритмы оптимизации, то такая система является генетической нечеткой системой или адаптивной системой нечеткого вывода с генетическим алгоритмом обучения;

- впервые предложено использовать аппарат нечетких деревьев решений для определения прогнозной трудоемкости машиностроительных деталей на стадии конструкторской подготовки производства. Это позволило оперативно оценивать нормы времени на изготовление изделий без проектирования технологического процесса, что дало возможность снизить затраты на процесс нормирования и принять обоснованное решение по выпуску нового изделия. На примере деталей зубчатого класса построена адаптивная нечеткая модель для прогнозирования трудоемкости их изготовления. Средняя относительная ошибка нечеткого прогноза составила 5,2%, что приемлемо на стадии предварительной оценки;

- предложена методика согласования условий возможной контрактации с контрагентом на основе выявленной совокупности возможных и допустимых вариантов взаимодействия обеих сторон контракта в соответствии с проведенной кластеризацией групп риска контрагента. Применение в практической деятельности предложенной методики формализации принятия управленческих решений в области ценообразования в части осуществления ценовой дискриминации, основанной на модели нечеткой кластеризации контрагентов, позволит производить выбор типа контрактации и осуществлять ценовую дискриминацию с учетом риска взаимодействия с данным хозяйствующим субъектом;

- предложена модель нечеткой кластеризации контрагентов при принятии решений ценовой дискриминации на основе формальных критериев, которая дополнена блоком динамической корректировки, позволяющим адаптировать данную модель к высокому уровню изменчивости российской экономической среды, и, как следствие, характеристик функционирования субъектов хозяйственной деятельности;

- для обучения интеллектуальных систем, каковыми являются социально-экономические системы, использованы ГА, основанные на имитации в искусственных системах некоторых свойств живой природы: естественного отбора, приспособляемости к изменяющимся условиям среды, наследования потомками жизненно важных свойств от родителей. Сильной стороной ГА является их способность решать многоэкстремальные задачи без наложения условий на вид оптимизируемой функции (отсутствуют требования непрерывности самой функции и ее производных). Однако достижения глобального экстремума ГА не гарантируют. Считается, что отыскивается сравнительно «хорошее» решение. Важным достоинством ГА является то, что для них не важно начальное приближение. ГА показал высокую эффективность при решении многих задач: обучение нейронных сетей, обучение нечетких систем, решение вариационных задач и оптимальное управление сложными системами;

- разработан гибридный генетический алгоритм с элитным обучением лидера, показавший пригодность при решении широкого класса задач: условной и безусловной оптимизации, решения систем нелинейных уравнений большой размерности. Его свойства дают основание рекомендовать метод для обучения интеллектуальных систем. Применение генетического алгоритма с вещественным кодированием с новыми операторами скрещивания для дополнительного обучения нечеткой системы прогнозирования трудозатрат на производство машиностроительных изделий уменьшило ошибку с 5,2% до 4,4%.

Практическая ценность работы. С использованием описанных в данной работе математических моделей оптимизации и алгоритмов создана информационная система производства машиностроительного предприятия, которая позволяет упорядочить все ресурсные потоки внутри предприятия, систематизировать внутреннюю и внешнюю информацию, оперативно реагировать на изменения хранимых данных, оптимизировать процесс планирования производственной программы. Разработанные алгоритмы и пакеты программ могут служить основой для планирования выпуска изделий на предприятии в рамках тактического планирования и оперативного управления.

В работе при определении стратегии оптимального управления долгосрочным развитием предприятия выявлена логика инвестиционных процессов. Согласно ей, основную роль при выборе объекта инвестирования играет такая категория, как «инвестиционная привлекательность предприятия» (ИПП). Показано, что инвестирование - процесс не с гарантированным, а с вероятностным результатом. Выявлена институциональная природа категории ИПП, а процедура оценки ИПП регулируется определенными нормами и правилами. При этом вся совокупность оценочных институтов подразделяется на две большие группы. Институт национального права - это, своего рода, метаинсти-тут, то есть институт формальных институтов. Институт фондового рынка представляет собой систему норм и правил, регулирующих механизм организованной торговли корпоративными ценными бумагами.

Применение методики долгосрочного прогнозирования может предотвратить существенные финансовые потери вследствие неоптимальных темпов развития национальной информационной инфраструктуры ИКТ. Установлено, что опережающее развитие в России сектора услуг и производства «интеллектуальной» продукции, основанных па ИКТ, внесет существенный вклад в экономический рост, повысит производительность в производственных отраслях и обеспечит более полную занятость квалифицированных слоев населения. Это, по существу, самый эффективный путь интеграции России в постиндустриальную глобальную экономику, поскольку он учитывает конкурентные преимущества России - относительно высокий образовательный и культурный уровень населения. Именно на основе ИКТ становится возможным придать экономическому росту новое качество, поскольку его основной движущей силой в этих условиях должны стать «инновации» и «человеческий капитал», на основе которых удастся компенсировать резкое сокращение численности трудоспособного населения России в ближайшее десятилетие. Этому будет способствовать и значимость ИКТ как важного фактора формирования эффективной инфраструктуры рынков, включая встраивание российских предприятий в технологические цепочки глобальной экономики.

В работе использован эффективный подход к созданию автоматизированного метода нормирования, использующего теорию конструктивно-технологической сложности изделий, как некоторой функции, зависящей только от свойств изделия - совокупности геометрических, конструктивных и технологических признаков. Такой метод нормирования основан на построении линейной регрессионной зависимости сложности от трудоемкости, а коэффициенты регрессии получаются различными для каждого исследуемого объекта и учитывают факторы, не связанные со сложностью изделий, но влияющие на трудоемкость: используемое оборудование, квалификация работников, условия труда и другие показатели организационно-технического уровня производства.

Предложенные неформальные критерии ценовой дискриминации возможно использовать в целях принятия адекватных управленческих решений в области ценообразования. Уточненная в работе модель и предложенная методика носят универсальный характер и могут быть использованы с учетом выполнимости необходимых и достаточных условий различными хозяйствующими субъектами, специфика функционирования которых предполагает целесообразность использования ими дифференцированного ценообразования.

Реализация работы в производственных условиях. Положения, разработки и рекомендации диссертационной работы внедрены на ряде предприятий: ФГУП «НПП «КВАНТ» (г. Москва), ОАО «Ижмаш», ОАО «Ижевский Радиозавод» (г. Ижевск), Самарского филиала ОАО «ВолгаТелеком» (Самарский филиал ОАО «ВолгаТелеком», г. Самара), Тульский филиал ОАО «ЦентрТелеком» (г. Тула) и др.

Апробация работы. Отдельные законченные этапы работы обсуждались на Международной [тучной конференции «Проблемы экономики переходного периода» (Москва, 1993); Механизмы финансовых рынков высшей квалификации (США, Нью-Йорк, 1994), Международном симпозиуме «Экономическое сотрудничество на уровне субъектов федеративных государств» (Испания, Барселона, 1994); Международном семинаре «Проблемы привлечения инвестиций для реализации программы ООН по химическому разоружению» (Германия, Берлин, 1996); Международном Самарском симпозиуме телекоммуникаций для руководящих работников отрасли связи (1996- 2004); Международной НТК «Информационные технологии в инновационных проектах» (Ижевск, 1999-2004); Научно-технических конференциях ИжГТУ (Ижевск, 1991-2004); The 5th International congress on mathematical modelling (Dubna, 2002); Международной НТК, посвящ. 50-летию ИжГТУ (Ижевск, 2002); 31-й Международной конференции «Информационные технологии в науке, образовании, телекоммуникациях и бизнесе» (Украина, Крым, Ялта - Гурзуф, 2004); 6-м Международном конгрессе по мат. моделированию (Н.Новгород, 2004); 31-32 Международной конференции «Информационные технологии в науке, социологии, экономике и бизнесе» (Украина, Крым, Ялта-Гурзуф, 2004-2005); IX Европейском конгрессе «Математическое моделирование технико-экономических проблем в нефтегазовой отрасли» (Франция, Канны, 2005); Научной практической конференции «Экономические аспекты научно-технического сотрудничества предприятий и организаций Сирии и России» (Сирия, Дамаск, 2005); Всероссийской НТК «Компьютерные и информационные технологии в науке, инженерии и управлении» (Таганрог, 2005-2006); X Международной конференции Российской научной школы «Ипноватика-2005» (Сочи, 2005); Международной НТК «Искусственный интеллект» (п. Дивноморское, Кацивели, 2005-2006); Всероссийской НПК «Социально-экономическое развитие России в XXI веке» (Пенза, 2006); XVII Международной НТК «Математические методы и информационные технологии в экономике, социологии и образовании» (Пенза, 2006); IV Международной НПК «Теория и практика антикризисного менеджмента» (Пенза, 2006); V Всероссийская НПК «Проблемы и перспективы российской экономики» (Пенза, 2006).

Публикации. Основные научные результаты по теме диссертации опубликованы в 64 научных работах, в том числе 16 монографий и учебных пособий (общим объемом 224,77 п.л.). Автор имеет 29 научных трудов в изданиях, выпускаемых в РФ и рекомендуемых ВАКом для публикации основных результатов диссертаций на соискание ученой степени доктора наук.

Структура дпсссргацпопноп работы определяется общими замыслом и логикой проведения исследований. Диссертация содержит введение, 6 глав и заключение, изложенные на 373 с. машинописного текста. В работу включены 96 рис., 44 табл., список литературы из 396 наименований.

Заключение диссертации по теме «Организация производства (по отраслям)», Лялин, Вадим Евгеньевич

ЗАКЛЮЧЕНИЕ

В работе получепы научно-обоснованные экономические и методические решения, направленные па создание математических моделей оптимизации планирования производственной программы предприятий и интеллектуальных информационных технологий, построенных па основе разработки гибридных алгоритмов, базирующихся на теории нечеткой логики, нейронных сетей и деревьев решений, для решения задач динамического стратегического планирования развития крупномасштабных инжиниринговых проектов, автоматизации оценки трудоемкости производства изделий на стадии конструкторской подготовки производства и выбора контрагентов как инструмента формализации управленческих решений, что будет способствовать развитию теории и расширению практики управления социально-экономической эволюцией предприятия, повышению производительности труда и эффективности путей организации производства.

1. В работе получены теоретические основы решения научной проблемы создания предприятия, на котором организация производства и управления его хозяйственной деятельностью осуществляется па основе оптимизационных математических моделей производственной программы предприятия и интеллектуальных информационных технологий. Такое предприятие можно назвать флагманом развития российской экономики в постиндустриальном обществе, обладающим механизмами восприятия современных тенденций автоматизации производства и повышения производительности труда на основе самоорганизации, обучении и адаптации.

2. Рассмотрены эффективные алгоритмы решения задач оптимизации показателей хозяйственной деятельности предприятия, построенные па основе методов линейного, дробно-линейного и нелинейного многокритериального математического программирования. Проанализированы устойчивость и экономическая интерпретация двойственных оценок, которые применяются в анализе решений оптимизационных задач линейного программирования. Показано, что одними из наиболее эффективных алгоритмов оптимизации производственной программы являются алгоритмы, построенные на базе методов последовательной безусловной минимизации.

3. Применяя теорию двойственности линейного программирования для однокритериальных моделей, рассчитаны двойственные оценки используемых ресурсов и производственных мощностей, что позволяет: провести анализ расходов по каждому типу ресурсов; оцепить остатки ресурсов и время простоя производственных мощностей; оценить меру дефицитности каждого типа ресурса для принятия решения об изменении запасов ресурсов с целью получения наилучшего экономического эффекта от дополнительно вложенных средств.

4. Определено, что стоимость компании является основным критерием оценки ее финансового благополучия, который дает комплексное представление об эффективности управления бизнесом, так как управление стоимостью компании - это инновационный подход, приобретающий все большую популярность, а также то, что вышеупомянутый критерий в наибольшей степени удовлетворяет собственников бизнеса и, в условиях отсутствия монополий и экстерналий, обеспечивает максимизацию социального благосостояния как компании, так и ее сотрудников.

5. Определено, что наиболее логичным и естественным является использование для оперативного управления целевой функции в виде максимизации операционного денежного потока при наличии ограничений на производственную программу со стороны производственной структуры, структуры запасов и рыночной конъюнктуры. Она наиболее полно отвечает долгосрочной целевой функции и, хотя, не соответствует ей полностью, но позволяет проводить кусочно-линейную аппроксимацию оптимальной траектории развития предприятия.

6. Предложена методика прогнозирования темпов внедрения новых технологий, как диффузии инноваций. При этом понятие «диффузия» используется как процесс, в ходе которого некоторое явление распространяется от одного ареала (страны, района, города) к другому. Именно этот процесс постоянно наблюдается при распространении новых потребительских товаров и мод, технологий и услуг по всей иерархии поселений. Эта методика позволяет найти наилучшую аппроксимирующую логистическую кривую, которую можно использовать для прогноза ДИ.

7. Полученная в работе кривая прогноза позволяет оценить сроки получения доступа хозяйствующих субъектов РФ к технологиям международного «электронного рынка» (ИКТ), на котором поставщики «интеллектуальной продукции» выстроены в технологические цепочки, при этом их тесное взаимодействие обеспечивается в рамках вертикальной интеграции, где все звенья связаны в единую компьютерную систему, в рамках которой и реализуется рыночный механизм: на конкурентной основе распределяются заказы, а звенья кооперируются в технологические цепочки для их выполнения. Реструктуризация предприятия в рамках вертикальной интеграции ведет к заметным сдвигам в производительности и эффективности организации производства.

8. Решена задача разработки оценок точности определения прогноза ДИ в условиях формирования цивилизованных рыночных отношений, оценок его достоверности, построение математической модели для экономического индикатора ДИ, позволяющей количественно указывать, как влияют на точность прогноза девиация различных микро- и макроэкономических индикаторов. При решении этих задач учитывался случайный характер возмущений, вызванных несовершенством действия рычагов государственного регулирования и стихийностью гипертрофированного рынка, что пагубно влияет на направление изменения большинства экономических индикаторов. Тем более что в последнее время наблюдается тенденция повышения влияния случайной составляющей возмущений на эти индикаторы и уменьшения влияния детерминированных воздействий.

9. В работе использован эффективный подход к созданию автоматизированного метода нормирования, использующего теорию конструктивно-технологической сложности изделий, как некоторой функции, зависящей только от свойств изделия - совокупности геометрических, конструктивных и технологических признаков. Такой метод нормирования основан на построении линейной регрессионной зависимости сложности от трудоемкости, а коэффициенты регрессии получаются различными для каждого исследуемого объекта и учитывают факторы, не связанные со сложностью изделий, но влияющие на трудоемкость: используемое оборудование, квалификация работников, условия труда и другие показатели организационно-технического уровня производства. Установлено, что данный метод обеспечивает высокую точность и адаптируемость, однако перспективным направлением его применения является использование интеллектуальных алгоритмов для решения задачи прогнозирования трудоемкости па основе адаптивной нечеткой модели для определения прогнозной трудоемкости. Средняя относительная ошибка нечеткого прогноза составила 12.1%, что приемлемо на стадии предварительной оценки.

10. Предложена методика согласования условий возможной контрактации с контрагентом на основе выявленной совокупности возможных и допустимых вариантов взаимодействия обеих сторон контракта в соответствии с проведенной кластеризацией групп риска контрагента. Применение в практической деятельности предложенной методики формализации принятия управленческих решений в области ценообразования в части осуществления ценовой дискриминации, основанной на модели нечеткой кластеризации контрагентов, позволит производить выбор типа контрактации и осуществлять ценовую дискриминацию с учетом риска взаимодействия с данным хозяйствующим субъектом.

11. Предложена модель нечеткой кластеризации контрагентов при принятии решений ценовой дискриминации на основе формальных критериев, дополненная блоком динамической корректировки, позволяющим адаптировать данную модель к высокому уровню изменчивости российской экономической среды, и, как следствие, характеристик функционирования субъектов хозяйственной деятельности.

12. Разработан гибридный генетический алгоритм с элитным обучением лидера, показавший пригодность при решении широкого класса задач: условной и безусловной оптимизации, решения систем нелинейных уравнений большой размерности. Его свойства дают основание рекомендовать метод для обучения интеллектуальных систем. Тестирование предложенного метода на овражных, многоэкстремальных функциях большой размерности показало его высокую эффективность. Оптимальное решение с точностью ~10-5 при размерности задачи до 2000 находится за 600-1500 итераций. Ни один из известных оптимизационных методов с этой задачей не справляется.

Список литературы диссертационного исследования доктор экономических наук Лялин, Вадим Евгеньевич, 2006 год

1. Аверкин А.Н. и др. Нечеткие множества в моделях управления и искусственного интеллекта/Под. ред. О.А. Поспелова. М: Наука, 1986. 312с.

2. Агибалов А.В. Управление хозяйственным риском в аграрной сфере. Автореф. канд.эконом.наук. Воронеж, 1999.

3. Айвазян С.А., Бежаева З.И., Староверов О.И. Классификация многомерных наблюдений. М.: Статистика, 1974. - 239с.

4. Акулич И.Л. Математическое программирование в примерах и задачах: Учебное пособие. -М.: Высш. Школа, 1986.

5. Александровский А.Д. Delphi 5.0. Разработка корпоративных приложений. М.: ДМК, 2000.

6. Алтаев В.Я., Поманский А.Б., Трофимов Г.Ю. Современные направления в теории экономического развития // Экономика и математические методы, 1989. T.XXV. - Вып.1. - С. 30-43.

7. Алтупин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях. Тюмень: Изд-во ТГУ, 2000. - 352 с.

8. Альгин А.П. Грани экономического риска (Новое в жизни, науке, технике. Сер. «Практика хозяйствования и управления»: №1). М.: Знание, 1991.-64с.

9. Андерсон Т. Статистический анализ временных рядов. М.: Мир, 1976.-759 с.

10. Андреев В.А., Лялин В.Е., Павлов К.В. Институциональные социально-производственные отношения. Монография. Глазов: Глазовский педагогический институт, 2006. - 204с.

11. Андрейчиков А.В., Андрейчикова А.Н. Анализ, синтез, планирование решений в экономике. М.: Финансы и статистика, 2000. - 386с.

12. Анищенко B.C. Устойчивость, бифуркации, катастрофы // Соросов-ский образовательный журнал.-2000.-т.6. №6. - с. 105-109.

13. Анферов М.А., Селиванов С.Г. Структурная оптимизация технологических процессов в машиностроении. Уфа: Филем, 1996.

14. Асанов А.А. Генетический алгоритм построения экспертных решающих правил в задачах многокритериальной классификации // Электронный журнал «Исследовано в России», 2002.

15. Аттетков А.В., Галкин С.В., Зарубин B.C. Методы оптимизации.-М.: Изд-во МГТУ им. Н.Э.Баумана, 2003,- 440с.

16. Базара М., Шетти К. Нелинейное программирование. Теория и алгоритмы. / Под ред. Т.Д. Березновой. М.: Мир, 1982.

17. Базилевич А.А. Математические модели технико-экономического планирования. JL, 1972.

18. Балабанов И.Т. Риск-мепеджемент. М.: Финансы и статистика, 1996.- 192с.

19. Балакирева Е.В. Оптимальное планирование и управление на предприятиях с непрерывной технологией. М.: ЦНИИТЗИ, 1985.

20. Балацкий Е.В. О дискретном характере процесса ценообразования // Вестник Московского университета. Серия Экономика. 1994. - №5. — с.20-30

21. Балашевич В.А. Математические методы в управлении производством. Минск, 1976.

22. Барышева А.В. Оценки качественных параметров экономического роста // Экономика и математические методы, 1991. Т.27. - Вып. 2.

23. Батищев Д.И. Генетические алгоритмы решения экстремальных задач / Под ред. Львовича Я.Е.: Учеб. пособие. Воронеж, 1995.

24. Белых В.Н. Элементарное введение в качественную теорию и теорию бифуркаций динамических систем. // Соросовский образовательный журнал.-2000.-№1.-с. 115-121.

25. Бельтюков А. От закупок до продаж // Ведомости. 2002. - 8 апр.

26. Бенткус Р. Об асимптотической нормальности оценки спектральной функции. Литовский математический сборник. Вильнюс: Т. 12, № 3, 1972.1. С. 5 18.

27. Бенткус Р. Семиварианты полилинейных форм от стационарной последовательности. Литовский математический сборник. - Вильнюс: Т. 17, № 1,1977.-С. 27-46.

28. Бенткус Р., Рудзикис Р. Об экспоненциальных оценках распределения случайных величин. Литовский математический сборник. - Вильнюс: Т. 20,№ 1, 1980. - С. 15-30.

29. Бенткус Р., Тарасявичус П. Некоторые оценки семиинвариантов т-зависимых и г перемешанных стационарных процессов. - Литовский математический сборник. - Вильнюс: Т. 21, № 1, 1981. - С. 29-39.

30. Бенткус Р.Ю., Статулявичус В.В. Некоторые результаты экспериментального анализа статистических оценок плотности распределения. Институт математики и кибернетики АН ЛитССР. - Вильнюс: 1982. - 83 с. Рукопись деп. в ВИНИТИ.

31. Березовская М. Инновационный аспект экономического развития // Вопросы экономики. М., 1997. - N 3. - С.58-66.

32. Бессонов В.А. Об измерении динамики российского промышленного производства переходного периода // Экономический журнал ВШЭ. -2001. -Т.5. №4. - с.564-588.

33. Благуш П. Факторный анализ с обобщениями: Пер. с чешского. М.: Финансы и статистика, 1989. -248с.

34. Блем А.Г., Блем И.Н. Некоторые модели межцехового оперативного планирования машиностроительного производства. / В сб. ст.: Модели и методы управления производством. Новосибирск: Наука Сиб. отд-е, 1986.

35. Борисов А.Н., Алексеев А.В., Крумберг О.А. Модели принятия решений на основе лингвистической переменной. Рига: Зипатне, 1982. - 256 с.

36. Борисов А.Н., Алексеев А.В., Меркурьева Г.В., и др. Обработка нечеткой информации в системах принятия решений. М.: Радио и связь, 1989. -304с.

37. Боярченко С.И., Левендорский С.З. Денежные заменители в российской виртуальной экономике: Причины и следствия. М.:РПЭИ, 2001. -80с.

38. Бриллинджер Д. Временные ряды. Обработка данных и теория. -М.: Мир, 1980.-536 с.

39. Бузько И.В. Методология анализа и оценки экономического риска в инновационных процессах: Автореф. . докт.эконом.наук. Донецк, 1996. -54с.

40. Бурков В.Н., Ириков В.А. Модели и методы управления организованными системами. М.: Наука, 1994.

41. Бусленко Н.П. Моделирование сложных систем. М.: Наука, 1978.

42. Валдайцев С.В. Оценка бизнеса М.: ТК Велби, Изд-во Проспект, 2003.-352 с.

43. Васильев В.А., Лялин В.Е., Летчиков А.В. Математические модели оценки и управления финансовыми рисками хозяйствующих субъектов // Сборник научных трудов. Приложение к журналу «Аудит и финансовый анализ». -2006.-№3-С. 103-160.

44. Васильев В.В., Лялин В.Е., Сенилов М.А. Сравнительный анализ методов классификации пластов-коллекторов // Нефтяное хозяйство 2005 -№5 -С.50-51.

45. Верников Г.Р. Основы систем класса MRP MRP II. - Сайт «Корпоративный менеджмент», url: www.cfin.ru, 2000.

46. Виниченко И. Имитационное моделирование // Банковские технологии. 2003. - №2. -с.9-14.

47. Волконский В.А. Модель оптимального планирования и взаимосвязи экономических показателей. М.: Наука, 1967.

48. Воловник А.Д., Лялин В.Е. Применение метода нелинейного программирования для оптимального управления инвестиционными проектами // Известия ТулГУ. Серия. Математика. Механика. Информатика. Т. 11. Вып. 4.

49. Информатика. Тула: Изд-во ТулГУ, 2005. - С.26-43.

50. Воловник А.Д., Силкии АЛО. Анализ механизма ценовой дискриминации // Проблемы экономики и управления. 2006. - №1. - С.61-68.

51. Воронин Ю.А. Начала теории сходства. Новосибирск: Наука. Сиб. отд-ние, 1991. — 128с.

52. Вороновский Г.К. и др. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. / Г.К. Вороновский, К.В. Махотило, С.Н. Петрашев, С.А. Сергеев. Харьков: Основа, 1997. - 112 с.

53. Временные методические рекомендации по выявлению монопольных цен. МАП России. №ВБ/2053 от 21.04.94г.

54. Гафт М.Г. Принятие решений при многих критериях. -М.: Знание,1979.

55. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Вороновский Г.К., Махотило К.В., Петрашев С.Н., Сергеев С.А. Харьков: Основа, 1997. - 112 с.

56. Геппенер В. В., Сенилов М. А., Тимохин В. И. Методы формирования эталонных моделей в задаче распознавания сигналов // Вычислительная техника в автоматизированных системах контроля и управления. Вып. 8. Пенза, 1978.

57. Гилл Ф., Мюррей У., Райт М. Практическая оптимизация. М.: Мир, 1985.

58. Гихман И.И., Скороход А.В. Введение в теорию случайных процессов. М.: Наука, 1977. - 568 с.

59. Гладышевский А.И. Методы и модели отраслевого экономического прогнозирования. М.: Наука, 1977.

60. Горелик В.А., Горелов М.А., Кононепко А.Ф. Анализ конфликтных ситуаций в системах управления. М.: Радио и связь, 1991. - 288с.

61. Гранатуров В.М. Экономический риск: сущность, методы измерения, пути снижения: Учебное пособие. М.: Издательство «Дело и Сервис»,2002.- 160с.

62. Грузипов В.П., Грибов В.Д. Экономика предприятия: Учебное пособие для студентов вузов. М.: Финансы и статистика, 1999.

63. Данцинг Дж.Б. Линейное программирование, его применения и обобщения. М.: Прогресс, 1966.

64. Дарахвелидзе П.Г., Марков Е.П., Котенок О.А. Программирование в Delphi 5. СПб.: БХВ - Санкт-Петербург, 2000.

65. Деарт 10.В. Анализ тарифной политики Интернет в России. Уровень, позволяющий вывести услугу ADSL на массовый рынок. Доклад на РИФ. - Москва. - 2004.

66. Деарт Ю.В. Анализ тенденций развития сетей связи как объектов диффузии инноваций //Вопросы экономических наук. №3. - 2005. - С. 24-28.

67. Деарт Ю.В. Обзор оборудования и систем управления для построения сетей широкополосного доступа на базе технологии ADSL / Тематический сб. научн. тр. конференции в рамках международной выставки Норвеком. С.-Пб ГУТ.- 2001.-С. 92-99.

68. Деарт Ю.В. Перспективы развития сетей широкополосного доступа на фоне растущей популярности сети Интернет Доклад на РИФ (Российский Интернет Форум) - Москва. - 2002.

69. Деарт Ю.В. Прогноз развития сотовой связи в России //Вестник связи. №4. - 2005. - С. 32-34.

70. Деарт Ю.В., Цым А. Ю., Бурцев И. В. Прогноз количества пользователей Интернет в России //Электросвязь. №6. - 2005. - С. 16-18.

71. Дегтярев Ю.И. Методы оптимизации. М.: Советское радио, 1980.

72. Дезип А.А. Многомерный анализ и дискретные модели. М.: Изд-во «Наука», 1990.-240с.

73. Демсец X. Еще раз о теории фирмы // Природа фирмы: Пер. с англ. —М.: Дело, 2001. — с.237-267.

74. Десмонд Гленн М., Келли Ричард Э. Руководство по оценке бизиеca. -M.: POO, 1996.-264с.

75. Дж.фон Нейман, О.Моргепштерн Теория игр и экономическое поведение. М.: Наука, 1970.

76. Дмитриев С.В., Тененев В.А. Применение прямых методов оптимизации в гибридном генетическом алгоритме.//Иителлектуальные системы в производстве.№2, 2005.с. 11-22.

77. Долгий Ю.Ф., Близорукое М.Г. Динамические системы в экономике с дискретным временем // Экономика и математические методы. 2002. - т.38. -№3. - с.94-106.

78. Доля В.И. Об оптимальном планировании непрерывного производства. Киев, 1978.

79. Дончак Л.Я., Романовский М.В. Оптимизация планирования в промышленности. Л.: Лениздат, 1973.

80. Дружинин В.В., Конторов Д.С., Конторов М.Д. Введение в теорию конфликта. -М.: Радио и связь, 1989. 288с.

81. Дубов Ю.А., Травкин С.И., Якимец В.Н. Многокритериальные модели формирования и выбора вариантов решений. М.: Наука, 1986.

82. Дубров A.M., Мхитарян B.C., Трошин Л.И. Многомерные статистические методы. М.: Фин. и Статистика, 2000. - 352с.

83. Дудулин А.И., Ряжских И.А. Эффективное использование материальных ресурсов. М.: Знание, 1987, вып.7.

84. Дюбуа Д., Прад А. Теория возможностей. Приложение к представлению данных в информатике: Пер. с фр. М.: Радио и связь, 1990. - 288с.

85. Дюк В. Самойленко A. Data Mining. СПб.: Питер, 2001. - 368 с.

86. Дюкалов А.Н. Некоторые задачи прикладной математической экономики. М.: Наука, 1983.

87. Дюран Б., Одел П. Кластерный анализ: Пер. с англ. М.: Статистика, 1977,- 128с.

88. Егерев И.А. Стоимость бизнеса: Искусство управления. М.: Дело,2003.-480с.

89. Ежов А.А., Шумский С.А. Нейрокомпьютинг и его применения в экономике и бизнесе. -М.: МИФИ, 1998. -224с.

90. Елисеева И.И., Рукавишников В.О. Группировка, корреляция, распознавание образов (статистические методы классификации и измерение связей)— М.: Статистика, 1977. — 144 с.

91. Жуковин В.Е. Многокритериальные модели принятия решений с неопределенностью. Тбилиси: Мецниереба, 1983.

92. Жуковин В.Е. Нечеткие многокритериальные модели принятия решений Т.: Мецниереба, 1988. - 70с.

93. Загоруйко Н.Г. Методы распознавания и их применение. М.: Изд-во «Советское радио», 1972. - 208с.

94. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных значений. М.: Мир, 1976. - 165с.

95. Закон РФ о конкуренции и ограничении монополистической деятельности на товарных рынках №948-1 от 22.03.91г.

96. Зубанов Н.В., Пестриков С.В. Анализ устойчивости функционирования экономических систем относительно поставленных целей. Самара: Изд-во Самарского государственного технического университета, 1999.

97. Инновационно технологическое развитие экономики России. Проблемы, факторы, стратегии, прогнозы / Под. ред. Академика РАН Ивантера В.В.-М., 2005.-320с.

98. Иптрилигатор М. Математические методы оптимизации и экономическая теория. М.: Прогресс, 1975.

99. Инфоком России 2000. Аналитико-статистический справочник /Под ред. Реймана Л.Д. и Варакина Л.Е. М.: MAC. - 2002.

100. Иозайтис B.C., Львов Ю.А. Экономико-математическое моделирование производственных систем. М.: Высшая школа, 1991.

101. Камалян А.К. Принятие управленческих решений в условиях рискаи неопределенности. Автореф. . докт.эконом.наук. Воронеж, - 2000.

102. Канторович JI.B. Математические методы организации и планирования производства. -JL: Издательство ЛГУ, 1939.

103. Канторович J1.B., Горстко А.Б. Математическое оптимальное программирование в экономике. М.: Знание, 1968.

104. Карандаев И.С. Решение двойственных задач в оптимальном планировании. М.: Статистика, 1976.

105. Карасев А.И., Кремер Н.Ш., Савельева Т.И. Математические методы и модели в планировании. М.: Экономика, 1987.

106. Кармлинский A.M., Нестеров П.В. Информатизация бизнеса. М.: Финансы и статистика, 1997.

107. Кащеев Р., Базоев С. Управление акционерной стоимостью Издательство ДМК Пресс, Москва, 2002.

108. Ким М.Ю., Комков Н.И., Шатраков А.Ю. и др. Методы оценки стоимости предприятия с учетом стратегий его развития. Коллективная монография. М.: МАРТИТ, 2005. - 206с.

109. Кини P.J1., Райфа X. Принятие решений при многих критериях: предпочтения и замещения. М.: Радио и связь, 1981.

110. Клейн Б. Вертикальная интеграция как право собственности на организацию: еще раз об отношениях между «Фишер Боди» и «Дженерал Моторс» // Природа фирмы: Пер. с англ. М.: Дело, 2001. - с.319-339.

111. Клинцов В. Инвестиционный процесс правила победителя // Ведомости. - 2002. - 23 апр.

112. Клир Дж.Системология. Автоматизация решения системных задач.-М.:Радио и связь, 1990.-554с.

113. Колесник А.П. Компьютерные системы в управлении финансами. -М.: Финансы и статистика, 1994.

114. ИЗ. Количественные методы в экономических исследованиях. Учебник / Под ред. М.В. Грачевой, Л.Н. Фадеевой, Ю.Н. Черемных. М.: Юнити-Дана,2004.- 791с.

115. Колмогоров A.M., Фомин С.В. Элементы теории функции и функционального анализа. М.: Наука, 1976. - 496 с.

116. Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. М.: Изд-во МГТУ им. Баумана, 2002. - 320 с.

117. Компьютерная поддержка сложных организационно-технических систем / В.В. Борисов, И.А. Бычков, А.В. Дементьев, А.П. Соловьев, А.С. Фе-дулов. М.: Горячая линия - Телеком, 2002. - 154 с.

118. Корнеев В.В., Гарев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации,- М.: Полидж,2000.-352с.

119. Коуз Р. Нобелевская лекция «Институциональная структура производства» (1991)// Природа фирмы: Пер. с англ. -М.: Дело, 2001. -с.340-351.

120. Коуз Р. Природа фирмы // Природа фирмы: Пер. с англ. М.: Дело, 2001. -с.33-52.

121. Коуз Р. Фирма, рынок, право: Пер. с англ. М.: «Дело ЛТД» при участии изд-ва «Catallaxy», 1993. -192с.

122. Коупленд Т., Колер Т., Мурин Д. Стоимость компаний: оценка и управление. -М.: ОЛИМП-БИЗНЕС, 1999.

123. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982.-432 с.

124. Кравченко Ю.А. Перспективы развития гибридных интеллектуальных систем // Перспективные информационные технологии и интеллектуальные системы. 2002. - № 3. - С. 34-38.

125. Крамер Г. Математические методы статистики. М.: Мир, 1975.648 с.

126. Круглов В.В. Адаптивные системы нечеткого вывода // Нейрокомпьютеры: разработка и применение. 2003. -№ 3. - С. 15-19.

127. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети. М.: Физматлит, 2001. - 224 с.

128. Кузнецов Ю.Н., Кузубов В.И., Волощенко А.В. Математическое программирование. М.: Высш. Школа, 1980.

129. Кульбак С. Теория информации и статистика. М.: Изд-во «Наука», 1967.-408с.

130. Курейчик В.В. Перспективные архитектуры генетического поиска // Перспективные информационные технологии и интеллектуальные системы. -2000.-№ 1.-С. 58-60.

131. Курейчик В.М. Генетические алгоритмы // Перспективные информационные технологии и интеллектуальные системы. 2000. - № 1. - С. 18-22.

132. Курейчик В.М., Зинчепко JI.A., Хабарова И.В. Алгоритмы эволюционного моделирования с динамическими параметрами // Информационные технологии. -2001. -№ 6. -С. 10-15.

133. Курминский А.Б. Численные методы выпуклой оптимизации. М.: Наука, 1991.

134. Лапко А.В. Непараметрические методы классификации и их применение. Новосибирск.: ВО «Наука». Сибирская издательская фирма, 1997. -152с.

135. Ларичев О.И. Наука и искусство принятия решений. М.: Наука,1979.

136. Ларичев О.И. Объективные модели и субъективные решения. М.: Наука, 1987.

137. Ларичев О.И., Мошкович Е.М. Качественные методы принятия решений. М.: Физматлит, 1996.

138. Лбов Г.С. Методы обработки разнотипных экспериментальныхданных. Новосибирск: Изд-во «Наука», 1981.-160с.

139. Леонов В.П., Ширяев А.Н. К технике вычисления семиинвариантов. Теория вероятности и ее применение. Т. 3, 4. М.: 1959. С. 342 - 355.

140. Лесин В.В., Лисовец Ю.П. Основы методов оптимизации. М.: Издательство МАИ, 1995.

141. Лехтман А.И., Шуман Я.Э. Автоматизированная система текущего планирования основного производства предприятий с непрерывной технологией. / В сб. тр.: Оперативное планирование и управление производством. М.: ЦНИИКА, 1985.

142. Лялин В. Е., Сенилов М. А. Математическое моделирование процесса интерпретации данных геофизических исследований скважин // Вестник Московской академии рынка труда и информационных технологий. М.: МАРТИТ, 2004. -№ 11. - С. 108 - 115.

143. Лялин В.Е. Алгоритмические методы определения трудоемкости изделий машиностроения // Вестник Московской академии рынка труда и информационных технологий. 2006. - №6(18) - С.28-37.

144. Лялин В.Е. Информационная система определения трудоемкости // Вестник Московской академии рынка труда и информационных технологий. -2006.-№6(18)-С.38-43.

145. Лялин В.Е. Математические модели и информационные технологии для совершенствования организации производства интеллектуальным предприятием. Монография. Мурманск-Ижевск: Изд-во Кольского НЦ РАН, 2006. -304 с.

146. Лялин В.Е. Математические модели оптимизации показателей хозяйственной деятельности промышленного предприятия // Вестник Белгородского университета потребительской кооперации, №4 2005г. - С. 46-67.

147. Лялин В.Е. Применение адаптивного нечеткого вывода в прогнозировании трудоемкости изготовления машиностроительных изделий // Известия ТулГУ. Серия. Математика. Механика. Информатика. Т. 10. Вып.4 Информатика. - Тула: Изд-во ТулГУ, 2006. - 32-41.

148. Лялин В.Е., Бенткус Р.Ю., Сизова И.Ю. и др. Программный комплекс «Спектр» как эффективный инструмент для исследования динамики экономических показателей на микро- и макроуровне // ИжГТУ Ижевск, 2000.-Деп. в ВИНИТИ 2000, № 2451 -В00. - 57с.

149. Лялин В.Е., Воловник А.Д. Математическое моделирование инвестиционного риска при оптимизации управления предприятием // Сборник научных трудов. Приложение к журналу «Аудит и финансовый анализ». 2006. -№2 -С. 10-46.

150. Лялин В.Е., Воловник А.Д. Нечеткий и дифференциальный подходы к математическому моделированию интеллектуального капитала предприятия // Ж. АН Украины «Искусственный интеллект» №3. - Донецк: Изд-во Наука i осв1та, 2006. - С. 232-235.

151. Лялин В.Е., Воловник А.Д. Нечеткий и дифференциальный подходы к моделированию интеллектуального капитала организации // ИИ-2006: Мат-лы Междупар. науч.-техн. конф. Таганрог: Изд-во НИИ МВС ТРТУ, 2006.-Т. 2.-С. 121-124.

152. Лялин В.Е., Воловник А.Д. Применение метода нелинейного программирования для оптимального управления инвестиционными проектами // Известия ТулГУ. Серия. Математика. Механика. Информатика. Т. 10. Вып.4 Информатика. - Тула: Изд-во ТулГУ, 2006. - 16-31.

153. Лялин В.Е., Деарт Ю.В. Применение модели диффузии при прогнозировании динамики распространения инновационных технологий // Вестник Московской академии рынка труда и информационных технологий. 2006. -№6(18) -С. 17-21.

154. Лялин В.Е., Деарт Ю.В. Прогноз оптимального темпа роста рынка мобильной связи Российской Федерации в перспективе до 2010 года // Вестник Московской академии рынка труда и информационных технологий. 2006. -№6(18) - С.22-27.

155. Лялин В.Е., Деарт Ю.В., Калашникова Г.Н. Экономико-математическое моделирование развития рыка услуг предприятий связи и информатизации. Монография. Мурманск-Ижевск: Изд-во Кольского НЦ РАН, 2006.-202 с.

156. Лялин В.Е., Елонов К.В., Павлов К.В. Система календарного планирования в металлургическом производстве региона. Учебное пособие. Мурманск-Ижевск: Изд-во Кольского НЦ РАН, 2004. - 152с.

157. Лялин В.Е., Истомин А.В., Павлов К.В. и др. Проблемы и перспективы развития северных регионов России при рыночных отношениях. Монография. Ижевск-Мурманск: Изд-во Кольского НЦ РАН, 2005. - 189с.

158. Лялин В.Е., Ковалевская О.А., Павлов К.В. Функционирование и организация свободных экономических зон в России. Монография. Ижевск-Мурманск: Изд-во Кольского НЦРАН, 2005. - 150с.

159. Лялин В.Е., Лебедева Т.И. Математическое моделирование оптимального управления долгосрочным развитием компании // Вестник Белгородского университета потребительской кооперации, №4 2005г. - С. 25-45.

160. Лялин В.Е., Лебедева Т.И. Экономико-математическое моделирование развития региона // Ижевск, 2005г. Деп. В ВИНИТИ, №347-В2005г. - 229 с.

161. Лялин В.Е., Лепихов Ю.Н. Анализ пространственной структуры графических изображений на дискретном растре // Надежность и качество: Труды междунар. симпозиума /Под. ред. Н.К. Юркова Пенза: Изд-во Пенз. гос. ун-та, 2005.-С.207-210.

162. Лялин В.Е., Лепихов Ю.Н. Объективное выделение структурных элементов графических изображений // Радиолокация. Навигация. Связь: Материалы 11 Междунар. НТК Воронеж: Изд-во ВГУ, 2005. - С. 199-206.

163. Лялин В.Е., Лепихов Ю.Н., Григорьев Е.В. Редукция структурных элементов изображения на дискретный растр // Цифровая обработка сигналов и ее применение: Труды Седьмой Междунар. копф.- М., «Инсвязьиздат», 2005.-С. 349-352.

164. Лялин В.Е., Лепихов Ю.Н., Пивоваров И.В. Распознавание структурных элементов изображения на дискретном растре // Ж. «Инфокоммуника-ционные технологии». Самара: Изд-во ПГАТИ, - Том 3, № 2, 2005. - С.54-64.

165. Лялин В.Е., Ляшенко В.И., Павлов К.В. и др. Экономико-правовые механизмы поддержки и развития субъектов малого предпринимательства в странах Америки и Азии. Монография. Мурманск-Ижевск - Донецк: Изд-во Кольского НЦ РАН, 2005. - 243с.

166. Лялин В.Е., Ляшенко В.И., Павлов К.В. Развитие малого предпринимательства в России, Украине и других странах СНГ. Монография. М: ООО «Экономисты), 2006. - 242с.

167. Лялин В.Е., Ляшенко В.И., Хахулин В.В. и др. Экономическое славяноведение (сравнительный анализ развития малого бизнеса в славянских странах СНГ). Монография. Ижевск-Донецк-Мурманск: Изд-во Кольского НЦ РАН, 2005.-448с.

168. Лялин В.Е., Мурынов А.И., Вдовин A.M. Оценка геометрико-топологических параметров деталей изображений на основе метода центроид-ной фильтрации // Химическая физика и мезоскопия. Т.4, №2. Ижевск, ИПМ УрО РАН: Изд. дом «Удм. ун-т», 2002. - С. 145-160.

169. Лялин В.Е., Павлов К.В., Серазетдинова Т.И. Экологическая экономика: региональный аспект. Учебное издание. Ижевск: Изд-во ИжГТУ, 2004, 76с.

170. Лялин В.Е., Семенов В.В. Интеллектуальная система определения трудоемкости // Проблемы и перспективы российской экономики: Материалы V Всероссийской научно-практич. конф.-Пенза, 2006. С. 114-117.

171. Лялин В.Е., Семенов В.В. Определение трудоемкости изделий машиностроения на основе метода нечетких множеств // Проблемы и перспективы российской экономики: Материалы V Всероссийской научно-практич. конф. -Пенза, 2006.-С.118-121.

172. Лялин В.Е., Серазетдинова Т.Н. Математическое моделирование и информационные технологии в экономике предприятия. Монография. Мурманск-Ижевск: Изд-во Кольского НЦ РАН, 2005. - 212с.

173. Лялин В.Е., Серазетдинова Т.И. Экономическое ядро предприятия: содержание, проблемы формирования // Вестник Московской академии рынка руда и информационных технологий. 2005, № 6 - С. 27-32.

174. Лялип В.Е., Серазетдинова Т.Н., Схиртладзе А.Г. Математические модели и информационные технологии в экономике интеллектуального предприятия. Учебное пособие. М: Изд-во МГТУ «Станкин», 2006. - 257с.

175. Лялин В.Е., Сизова И.Ю., Фокин A.M. Математическое моделирование оценок ущерба субъектов хозяйственной деятельности в условиях экономики переходного периода. // ИжГТУ Ижевск, 2000.- Деп. в ВИНИТИ 2000, № 2452 -В00. - 26с.

176. Лялин В.Е., Федоров А.В. Гибридный метод оптимизации на основегенетического алгоритма с бинарным и вещественным кодирование // Ж. АН Украины «Искусственный интеллект» №3, 2005. - Донецк: Изд-во Наука i освгга, 2005. - С.446-449.

177. Ляско А. Доверие и трансакционные издержки // Вопросы экономики. -2003. -№1. -с.42-58.

178. Ляховецкий Л. 3. Факторы, влияющие на внутренний инвестиционный ресурс компании электросвязи. Электросвязь. - №2. - 2003.

179. Ляховецкий Л. 3. Эффективность вариантов вложения средств в предприятия электросвязи. Электросвязь. - №8.- 2004.

180. Макаров И.М. и др. Теория выбора и принятия решений. М.: Hayка, 1982.

181. Макконнелл К.Р. Экономика: Пер. с англ. М., 1992. 486 с.

182. Малахов А.Н. Кумулянтпый анализ случайных негауссовых процессов и их преобразований. М.: Советское радио, 1978. - 376 с.

183. Малахов С. Некоторые аспекты теории несовершенного конкурентного равновесия (двухфакторпая модель трапсакционных издержек) // Вопросы экономики 1996. - №10. — С.89.

184. Mai щель И. Д. Кластерный анализ. М.: Финансы и статистика, 1988.- 176с.

185. Маневич Л.И. О теории катастроф // Соросовский образовательный журнал. 2000. - т.6. - №7. - с.85-90.

186. Маетен С. Правовая основа фирмы // Природа фирмы: Пер. с англ. -М.: Дело, 2001,- с.294-318.

187. Машунин И.К. Методы и модели векторной оптимизации. М.: Наука, 1986.

188. Методические рекомендации по оценке инвестиционных проектов: (Вторая редакция). М.: ОАО «НПО «Изд-во «Экономика», 2000.

189. Методы решения задач нелинейного и дискретного программирования. Киев: Наукова думка, 1991.

190. Мину М. Математическое программирование. -М.: Наука, 1990.

191. Миркин Б.Г. Анализ качественных признаков и структур. М.: Статистика, 1980. - 319с.

192. Миркин Б.Г. Группировки в социально-экономических исследованиях: Методы построения и анализа. М.: Финансы и статистика, 1995. - 223с.

193. Михалевич B.C., Волкович В.Л. Вычислительные методы исследования и проектирования сложных систем. М.: Наука, 1982.

194. Мишенин А.И. Теория экономических информационных систем. -М.: Финансы и статистика, 1999.

195. Моудер Дж., Элмаграби С. Исследование операций. М.: Мир,

196. Неймарк Ю.И., Коган Н.Я., Савельев В.П. Динамические модели теории управления — М.: Наука, 1985. —400с.

197. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова.-М.: Наука, 1986.-311 с.

198. Нечеткие множества и теория возможностей. Последние достижения: Пер. с англ. М.: Радио и связь, 1986.- 486с.

199. Норт Д. Институты и экономический рост: историческое введение. -THSiS, 1993. т.1,вып.2.-440с.

200. Олейник А.Н. Бизнес по понятиям: об институциональной модели Российского капитализма // Вопросы экономики. -2001. -№5. -с.4-25.

201. Олейник А.Н. Институциональная экономика. Теория фирмы. Учебно-методическое пособие // Вопросы экономики. -1999. -№9 . -с. 126-150.

202. Оппенлендер К.-Х. Необходимость и предпосылки новой инновационной политики//Вопросы экономики. М., 1996. - N 9. - С.117-130.

203. Оптимизация развития и размещения производства в машиностроении. Новосибирск: Наука , 1978.

204. Орлов А.И. Устойчивость в социально-экономических моделях. -М.: Изд-во «Наука», 1979. 296с.

205. Осовский С. Нейронные сети для обработки информации / Пер. с польского И.Д. Рудинского. М.: Финансы и статистика, 2002. - 344 с.

206. Осовский С. Нейронные сети для обработки информации / Пер. с польского И.Д. Рудинского. М.: Финансы и статистика, 2002. - 344 с.

207. Оуэн Г. Теория игр. М.: Мир, 1971.

208. Павлов К.В. Общая теория социально-экономической политики. -Ижевск: Изд-во Удмуртского гос. Университета, 1998.

209. Паклин Н.Б. Адаптивные модели нечеткого вывода для идентификации нелинейных зависимостей в сложных системах: Дис. канд. техн. наук. -Ижевск, 2004. 162 с.

210. Паклин Н.Б., Сенилов М. А., Теыснев В. А. Интеллектуальные модели на основе гибридного генетического алгоритма с градиентным обучением лидера // Искусственный интеллект. Донецк: Наука i освка, 2004. - № 4. - С. 159- 168.

211. Паклин Н.Б., Сенилов М. А., Тененев В. А. Классификация пластов по результатам геофизических исследований скважин // Вестник ИжГТУ. -Ижевск: Изд-во ИжГТУ, 2002. Вып. 5. - С. 14 - 16.

212. Паклин Н.Б., Сенилов М. А., Тенепев В. А. Обучение нейронных сетей с применением гибридного генетического алгоритма // Вестник Московской академии рынка труда и информационных технологий. М.: МАРТИТ, 2004.-№ 12.-С. 13-22.

213. Паклин Н.Б., Сенилов М. А., Тененев В. А. Определение продуктивных коллекторов с помощью обучающихся информационных систем // Вестник ИжГТУ. Ижевск: Изд-во ИжГТУ, 2002. - Вып. 5. - С. 31 - 34.

214. Парамонов Ф.И. Моделирование процессов производства. М.: Машиностроение, 1984.

215. Патрик Э. Основы теории распознавания образов: Пер. с англ./Под ред.Левина Б.Р. — М.: Сов.радио, 1980. —408с.

216. Петров В.В. Суммы независимых случайных величин. М.: Наука, 1972. - 416 с.

217. Плещинский А.С. «Оптимизация межфирменных взаимодействий и внутрифирменных управленческих решений», М.Наука, 2004.

218. Плещинский А.С. Динамическая эффективность механизма равновесных трансфертных цен. Экономика и математические методы, т.37, №4, 2001.

219. Плюта В. Сравнительный многомерный анализ в эконометрическом моделировании: Пер. с польск. Иванова В.В. — М.: Финансы и статистика, 1989. — 175с.

220. По данным IMD World Competitiveness Yearbook (2003).

221. Подиновский В.В. Методы многокритериальной оптимизации. М.: Наука, 1971.

222. Подиновский В.В., Гаврилов В.М. Оптимизация по последовательно применяемым критериям. М.: Советское радио, 1975.

223. Подиновский В.В., Ногин В.Д. Парето-оптимальные решения многокритериальных задач. М.: Наука, 1982.

224. Полищук Л.И. Анализ многокритериальных экономико-математических моделей. М.: Наука, 1989.

225. Портер М., Миллар В. Роль информации в достижении конкурентных преимуществ // Конкуренция / Пер. с англ. М.: Вильяме, 2000. - С.85-107.

226. Португал В.М., Павленков М.Н. Автоматизация годового планирования машиностроительного производства. М.: Машиностроение, 1987.

227. Порядок проведения анализа и оценки состояния конкурентной среды на товарных рынках. В ред. Приказа МАП РФ от 11.03.99г. №71.

228. Правило (стандарт) аудиторской деятельности. Одобрено комиссией по аудиторской деятельности при Президенте РФ. Протокол №3 от 27.04.99г.

229. Пресняков В.Ф. Модель поведения предприятия М.: Наука, 1991.- 192с.

230. Прикладная статистика. Классификация и снижение размерности. Справочное издание./Айвазян С.А., Мешалкии Л.Д. и др. М.: Финансы и статистика, 1989.-607с.

231. Прикладные нечеткие системы / Под ред. Т. Тэрано. М.: Мир, 1993.-512 с.

232. Принятие решений на основе нечетких моделей: Примеры использования. Рига: Зинатне, 1990. 186 с.

233. Прохоров Ю.В., Розанов 10.А. Теория вероятностей. М.: Наука, 1973.-496 с.

234. Развитие малого предпринимательства: отечественный и зарубежный опыт / В.Е. Лялин, В.И. Ляшенко, К.В. Павлов, В.В. Хахулин. М.: Экономиста, 2006. -254 с.

235. Развитие транспортного комплекса / под ред. Л.В. Канторовича. -М.: Наука, 1980.- 324 с.

236. Раяцкас Р.Л., Плакунов М.К. Экономические догмы и управленческая реальность.-М.: Экономика, 1991.-207с.

237. Репина О.В., Мелетиев А.Н. Стохастические модели рынка транспортных услуг. М.: ТЕИС, 2003. -200с.

238. Розен В.В. Цель оптимальность - решение: Математические модели принятия оптимальных решений. - М.: Наука, 1982.

239. Розин Б.Б. Теория распознавания образов в экономических исследованиях М.: Статистика, 1973. - 224 с.

240. Розин Б.Б., Гейфман Р.С. Экономико-математические исследования на металлургическом заводе. М.: Металлургия, 1966.

241. Розин Б.Б., Ягольницер М.А. Конструирование экономико-статистических моделей с заданными свойствами. Новосибирск: Наука, 1981.- 175 с.

242. Рыжов Э.В., Аверченков В.И. Оптимизация технологических процессов механической обработки. Киев: Наукова Думка, 1989.

243. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993.-320с.

244. Саати Т., Керне К. Аналитическое планирование. Организация систем. М.: Радио и связь, 1991.

245. Сакс Д. Рыночная экономика и Россия. М.: Экономика, 1995.332 с.

246. Сепилов М. А. Применение гибридного алгоритма для обучения нейронных сетей // Известия Тульского государственного университета. Сер. «Математика. Механика. Информатика». Тула: ТулГУ, 2004. - Т. 10. - Вып. 3. -С. 216-226.

247. Сенилов М. А. Применение логической схемы индуктивного нечеткого вывода в интеллектуальном пакете прикладных программ // Логическое управление в промышленности: Материалы VII симпозиума. Ижевск, 1984.

248. Сенилов М. А. Применение нечетких логико-лингвистических моделей при оценке степени предпочтительности ситуации // Управление при наличии расплывчатых категорий: Тез. VI иауч.-техн. семинара. Пермь: Изд-во ППУ, 1983.

249. Сенилов М. А. Применение нечетких логических моделей в инженерных расчетах // Непрерывная логика и ее применение в технике, экономике и социологии: Тез. докл. I Всерос. науч. конф. (Пенза, 22-23 сент. 1994 г.). -Пенза, 1994.-С. 118.

250. Сенилов М. А., Цепелев В. П. Распознавание литологическойструктуры разреза скважины посредством нечеткой логики // Математическое моделирование и интеллектуальные системы: Сб. науч. тр. ИжГТУ. Ижевск: Изд-во ИжГТУ, 2003. - № 1. - С. 47 - 55.

251. Серазетдинова Т.И., Шалаева Е.Н. Декомпозиционная информационно-аналитическая система производства // Сб. научных трудов сотрудников ИТНиПРП ИжГТУ, Ижевск: Изд-во ИТНиПРП ИжГТУ, 2002. -С.35-37.

252. Серебренников М.Г., Первозванский А.А. Выявление скрытых пе-риодичностей. М.: Наука, 1965. - 244 с.

253. Силкин АЛО., Воловник А.Д., Лялин В.Е. Нечеткая кластеризация контрагентов при принятии решений ценовой дискриминации на основе формальных критериев // Сборник научных трудов. Приложение к журналу «Аудит и финансовый анализ». 2006. - №2 - С.47-93.

254. Соболь И.М., Статников Р.Б. Выбор оптимальных параметров в задачах со многими критериями. М.: Наука, 1981.

255. Справочник по теории вероятностей и математической статистике. / Под ред. академика УССР B.C. Королюка. Киев: Наукова думка, 1978. - 548 с.

256. Степанов Д. Value-Based Management и показатели стоимости -World Wide Web: cfin.ru/management/finance/value-basedmanagement.shtml.

257. Таха, Хэмди, А. Введение в исследование операций, 6-е издание.:

258. Пер. с англ. М.: Издательский дом «Вильяме», 2001. - 912с.

259. Тененев В.А., Паклин Н.Б. Гибридный генетический алгоритм с дополнительным обучением лидера.//Интеллектуальные системы в производстве. №2, 2003.С. 181-206.

260. Толстова Ю.Н. Логика математического анализа социологических данных М.: Наука, 1991. - 112с.

261. Томпсон А.А., Стрикленд А.Дж. Стратегический менеджмент. Искусство разработки и реализации стратегий. М.: Банки и биржи, ЮНИТИ, 1998.

262. Точилин В.А. Корректность экономико-математических моделей. -Киев: Наук. Думка, 1989.

263. Турчанова Е. Проблема рыночных цен // Аудит и налогообложение (Всероссийский информационно-аналитический журнал). 2002. - №12. - с.ЗО-32.

264. Уильямсон О.И. Вертикальная интеграция производства: соображения по поводу неудач рынка./ Вехи экономической мысли. Теория потребительского поведения и спроса. Т.1. Под ред. В.М.Гальперина.- СПб.: Экономическая школа. 1999.

265. Уильямсон О.И. Логика экономической организации // Природа фирмы: Пер. саигл.-М.: Дело, 2001. с. 135-174.

266. Уильямсон О.И. Экономические институты капитализма: Фирмы, рынки, «отношенческая контрактация». СпБ.: CEV Press, 1996. - 702с.

267. Уинтер Дж.С. Теория Коуза и проблемы компетентности корпора-ций//Природа фирмы: Пер. с англ. М.: Дело, 2001. - с.237-267.

268. Уланов Г.М. и др. Методы разработки интегрированных АСУ промышленными предприятиями. М.: Энергоатомиздат, 1983.

269. Управление производством: Учебник / Под ред. Н.А. Соломатина.-М.: ИНФРА-М, 2001.

270. Управление рисками (рискология). /Буянов В.П., Кирсанов К.А.,

271. Михайлов JI.А. М.: Экзамен, 2002. - 384с.

272. Феллер В. Введение в теорию вероятностей и ее приложения. М.: Мир, 1967.-Т. 1.-499 с.

273. Феллер В. Введение в теорию вероятностей и ее приложения. М.: Мир, 1967.-Т. 2.-752 с.

274. Фиронов А., Люшина Е. Нечеткая логика в анализе корпоративных клиентов. // Банковские технологии. 2003. - №5. - с.23-31.

275. Фролов Ю.В. Интеллектуальные системы и управленческие решения М.: МГПУ, 2000 - 294 с.

276. Харт О.Д. Неполные контракты и теория фирмы // Природа фирмы: Пер. с англ. -М.: Дело, 2001. с.206-236.

277. Хоменюк В.В. Метод решения задач оптимизации по многоцелевому программированию. Л.: Изд-во ЛГУ, 1973.

278. Хорват П. Сбалансированная система показателей как средство управления предприятием. // Проблемы теории и практики управления. 2000. - №4

279. Хоскинг А. Курс предпринимательства. М.: Международные отношения, 1993. - 352 с.

280. Хусаинов С.А. Развитие взаимодействия промышленных предприятий с банками как фактор подъема производства: Автореф. канд.эконом.наук. Челябинск., 2001. -28с.

281. Цодиков Ю.М. Математическое обеспечение типовых систем управления непрерывным производством. В сб.: ЭВМ в задачах управления. -М.:ИПУ, 1983.

282. Цыганов В.В., Бородин В.А., Шишкин Г.Б. Интеллектуальное предприятие: механизмы овладения капиталом и властью (теория и практика управления эволюцией организации). М.: Университетская книга, 2004. - 768с.

283. Шалаева Е.Н., Серазетдинова Т.И. Исследование решения задачи оптимизации прибыли от производства подшипников // Тез. докл. 32 Научнотехнической конференции ИжГТУ. Ижевск: ИжГТУ, 2000. - С.31.

284. Шалаева Е.И., Серазетдинова Т.И., Русяк И.Г. Оптимизация прибыли от производства подшипников при заданной номенклатуре // Вестник ИжГТУ № 3. Ижевск: Изд-во ИжГТУ, 2000.- С. 16-18.

285. Шарип Ю.С., Якимович Б.А., Толмачев В.Г., Коршунов А.И. Теория сложности.- Ижевск: Изд-во ИжГТУ, 1999.-132с.

286. Шаститко А.Е. Неполные контракты: проблемы определения и моделирования // Вопросы экономики. -2001. -№6. -с.80-99.

287. Шатраков А.Ю., Журавлева Э.М., Парфенова М.Я. Принятие решений в экономической среде. Коллективная монография. М.: МАРТИТ, 2004. -183с.

288. Швагер Д. Технический анализ. Полный курс. М.: Альпина Паблишер, 2001. - 768с.

289. Швец Д. Какой потенциал в производстве? // Ведомости. 2002. -16 апр.

290. Шервин Р. Трансакциониые издержки и внутренние рынки труда // Природа фирмы: Пер. с англ. -М.: Дело, 2001. -с.112-134.

291. Ширяев А.Н. Вероятность. -М.: Наука, 1980.-576 с.

292. Штойер Р. Многокритериальная оптимизация: теория, вычисления, приложения. -М.: Радио и связь, 1992.

293. Щавелев J1.B. Способы аналитической обработки данных для поддержки принятия решепий//СУБД. 1998. - №4-5.

294. Щедрин Н.И., Кархоа А.Н. Математические методы программирования в экономике. М.: Статистика, 1974.

295. Щипачев B.C. Высшая математика. М.: Высчша школа, 2002.479с.

296. Щукин В.II. Оптимизация производственной структуры отрасли и промышленного предприятия. Новосибирск: Наука, 1973.

297. Эггертсон Т. Экономическое поведение и институты: Пер. с англ.1. М.: Дело, 2001 -408с.

298. Экономика предприятия: Учебник для вузов / Под ред. Проф. В.Я. Горфинкеля, проф. Е.М. Купрякова. М.: Банки и биржи, ЮНИТИ, 1996.327. "Экономика связи / под ред. О.С. Срапионова и В.Н. Болдина. М.: ""Радио и связь"", 1988.- 305 с."

299. Эфрон Б. Нетрадиционные методы многомерного статистического анализа: Сб.статей: Пер. с англ. М.: Финансы и статистика, 1988. - 263с.

300. Юдин Д.Б., Голынтейн Е.Г. Задачи и методы линейного программирования. М.: Сов. радио, 1964.

301. Юдин Д.Д., Голынтейн Е.Г. Линейное программирование. Теория и конечные методы. М.: Физматгиз, 1963.

302. Юдин Д.Д., Голынтейн Е.Г. Новые направления в линейном программировании. М.: Советское радио, 1966.

303. Юрченко Е.В. Управление процессом привлечения инвестиций для развития производства на основе оценки стоимости предприятий. Автореферат дисс. М.: МАРТИТ, 2005. - 26с.

304. Ascher, W. Forecasting: An Appraisal for Policy-Makers and Planners, Johns Hopkins University Press, Baltimore, MD, USA. 1978.

305. Black A., Wright P., Bachman J. In search of Shareholder Value. London, 1998. P. 84-90.

306. Black, Fischer & Scholes, Myron S The pricing of options and corporate liabilities //Journal of Political Economy, 1973, Vol. 81, No 3, pp. 637-654.

307. Bloomfied P. Fourier analysis of time series: An introduction/ John Wiley & Sons, 1976.-260 p.

308. Brealey, R. and Myers, S., Principles of Corporate Finance, McGraw-Hill, 4th edition, 1991.

309. Casiilas J., Cordon O., Herrera F. Learning cooperative fuzzy linguistic rules using ant colony optimization algorithms // Technical Report DECSAI-00119, Dept. of Computer Science A.I., University of Granada, October 2000. 29 p.

310. Casiilas J., Cordon O., Jesus M.J. del, Herrera F. Genetic tuning of fuzzy rule deep structures for linguistic modeling // Technical Report DECSAI-010102, Dept. of Computer Science and A.I., University of Granada, January 2001. 8 p.

311. Cohen, J.H. Multiobjective Analysis in Water Resources Planning, Water Resources Research. 1973. - Vol. 9. - No. 4. - pp. 333-340.

312. Cordon O, Herrera F, Lozano M. On the bidirectional integration of fuzzy logic and genetic algorithms // 2nd Online Workshop on Evolutionary Computation (WEC2), Nagoya (Japan), 1996. P. 13-17.

313. Cordon O., Herrera F., A General study on genetic fuzzy systems // Genetic Algorithms in engineering and computer sience, 1995. P. 33-57.

314. Cordon O., Herrera F., Lozano M. A Classified review on the combination fuzzy logic-genetic algorithms bibliography // Technical Report DECSAI-95129, Dept. of Computer Science and A.I., University of Granada, December 1996. 35 p.

315. Douglas Clinton, Shimin Chen. Perspectives on the Performance Measures // Management Accounting. October, 1998. P. 38-43.

316. Eshelman, L.J. and Schaffer, J.D.: Real-Coded Genetic Algorithms and Interval-Schemata, Foundations of Genetic Algorithms 2, Morgan Kaufman Publishers, San Mateo, 1993. pp. 187-202.

317. Faulkner, T. Applying 'Option thinking' to R&D Valuation, Industrial Research. 1996.-pp. 50-57.352. "Fisher, R. and Ury, W. with Patton, В., ed.Getting to Yes; Negotiating Agreement without giving in, Houghton Mifflin, Boston, MA. 1981. "

318. Ilerath, H.S. and Park, C.S. Economic Analysis of R&D Projects: An Option Approach, The Engineering Economist, Vol. 44, No. 1, 1999, pp. 1-35.

319. Herrera F., Lozano M. Gradual Distributed Real-Coded Genetic Algorithms // IEEE Transactions on Evolutionary Computation 4:1 (2000). P. 43-63.

320. Herrera F., Lozano M., Verdegay J.L. Tackling real-coded genetic algorithms: operators and tools for the behaviour analysis // Artificial Intelligence Review, Vol. 12, No. 4, 1998.-P. 265-319.

321. Hertz , D.B., Thomas, H., Risk Analysis and its Applications, John Wiley and Sons, 1983.

322. J. Deart Forecasting Internet Growth: Russia //Juniperresearch http://www.juniperresearch.com

323. Jensen M. Value Maximization, Stakeholder Theory, and the Corporate Objective Function // Journal of Applied Corporate Finance, V. 14, N 3, Fall 2001, P. 8-21.

324. Jorgenson D. W. Information Technology in the US Economy. American

325. Economic ReviewVol. 91, March 2001, pp. 1-32.

326. Kaplan R.S., Norton D.P. The Balanced Scorecard: Translating Strategy into Action. Cambridge Mass.: HBS Press, 1996.

327. Keith J. Leslie and Max P. Michaels The real power of real options // The McKinsey Quarterly, 1997, No.3.

328. Kerry A. Dolan. Top Ten Countries For Off-shoring. Forbes, April,2004.

329. Kubilius J. Tikimybiu terija ir matematine statistika. Vilnius: Mokslas, 1980.-408 p.

330. Kulatilaka, N. The value of flexibility: The case of dual-fuel industrial steam boiler Financial Management. - 1993. - Vol. 22. - No.3. - pp. 271-279.

331. Lustig I.J., Marsten R.E. and Shanno D.F. On Implementing Mehrotra's predictor-corrector interior point method for linear programming. SIAM J. Optimization 2, 1992.

332. Lyalin V.E. Properties of estimations of similarity and difference of economic structures // Thesis's of the 5th International congress on mathematical modelling. Book of abstracts, V.l M.: «JANUS-К», 2002. - P. 171.

333. Lyalin V.E., Kosachev A.V. The simulation of strategy generator of company development // VI International congress on mathematical modeling / Сборник тезисов докладов. Нижний Новгород: Изд-во Нижегородского госуниверситета, 2004. - С.414.

334. Lyalin V.E., Mubarakshin О. Value at risk // Thesis's of the 5th International congress on mathematical modelling. Book of abstracts, V.l M.: «JANUS-К», 2002.-P. 172.

335. Lyalin V.E., Silkin A.Y., Volovnik A.D. The specified model of automatic fuzzy clusterization of contractors // VI International congress on mathematical modeling / Сборник тезисов докладов. Нижний Новгород: Изд-во ИНГУ, 2004. -С.435.

336. Lyalin V.E., Volovnik A.D. Mathematical modelling of investment risk by optimization of operation of business // Appendix to journal «Audit and financial analysis». 2006. - №2 - P. 10-46.

337. Lynch, M. An Analysis and Forecasting of Petroleum Supply: Sources of Error and Bias, in Energy Watchers VII, ed. by Dorothea H. El Mallakh, International Research Center for Energy and Economical Development 1996.

338. Madden B.J. The CFROI Valuation Model // The Journal of Investing. Spring, 1998.-P. 31-44.

339. Mahoney William F. EVA-CFROI: Monsanto Focusing on New Metrics to Improve Business Valuation. // Valuation Issues. May/June. 1996. P. 1-4.

340. Mehrotra S. On the implementation of a primal-dual interior point method. SI AM J. Optimization 2, 1992.

341. Michalewicz, Z. Genetic algorithms, numerical optimization and constraints // Proceedings of the 6th International conference on genetic algorithms,

342. Pittsburgh, July 15-19, 1995.-P. 151-158.

343. Rappoport A. Creating Shareholder Value: The New Standard for Business Performance. Simon & Schuster. - 1998.

344. Senge, Peter The Fifth Discipline, Doubleday, New York, 1990.

345. Serasetdinova T.I., Shalaeva E.N. Multiobjective optimization of economical characteristics of production // Book of abstracts V International congress on mathematical modeling. M.: "JANUS K", 2002. - C. 176.

346. Silkin A.Yu., Volovnik A.D., Lyalin V.E. Indistinct clusterization contractors at acceptance of decisions of price discrimination on the basis of formal criteria // Appendix to journal «Audit and financial analysis». 2006. - №2 - P.47-93.

347. Trigeorgis, L. and Mason, S.P. Valuing Managerial Flexibility, Midland Corporate Finance Journal, Spring 1987, pp. 14-21.

348. Trigeorgis, L. Real Options Managerial Flexibility and Strategy in Resources Allocation. - MIT Press, Cambridge. - 1996.

349. Unlocking Economic Growth in Russia, McKinsey Global Institute,2000.

350. Ury, W. Getting Past No: Negotiating with Difficult People, Bantam Books, New York, NY. 1991.

351. Vasiliev V.A., Lyalin V.E., Letchkov A.V. Mathematical models of an estimation and management of financial risks of managing subjects // Appendix to journal «Audit and financial analysis». -2006. -№3 P. 103-160.

352. Wang Q. R. and C. Y. Suen. Large tree classifier with heuristic search and global training. IEEE Transactions on Pattern Analysis and Machine Intelligence, 9(1):91-102, 1987.

353. Woo К. 1CT and Economic Growth in 50 Countries. Working paper, Harvard Univ., 2004.

354. WTDR 2003. World telecommunication development report. ITU. Geneva Switzerland. 2003.

355. Лепихов Ю.Н., Лялин B.E., Пивоваров И.В. Распознавание структурных элементов изображения на дискретном растре // Ж. «Инфокоммуника-ционные технологии». Самара: Изд-во ПГАТИ, - Т. 3. - № 2, 2005. - С. 54-64.