Математические модели и методы принятия решений при управлении организационными системами тема диссертации и автореферата по ВАК РФ 05.13.01, доктор технических наук Локтаев, Сергей Викторович

• Локтаев, Сергей Викторович
• доктор технических наук
• 2008

Оглавление диссертации доктор технических наук Локтаев, Сергей Викторович

ВВЕДЕНИЕ.

ГЛАВА 1. ОСОБЕННОСТИ УПРАВЛЕНИЯ ОРГАНИЗАЦИОННЫМИ СИСТЕМАМИ

1.1. Управление и его характеристики.

1.2. Роль прогнозирования в системах управления.

1.3. Качество управления.

1.4. Характеристика внешней среды управления.

1.5. Организационная система как объект управления.

1.6. Выводы по первой главе.

ГЛАВА 2. МОДЕЛИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ СОЗДАНИИ ОРГАНИЗАЦИОННЫХ СИСТЕМ

2.1 .Системность и управление.

2.2. Системный анализ при управлении.

2.3. Понятие организационной системы.

2.4. Модели построения организационных систем.

2.5. Создание жизнеспособной развивающейся организационной системы

2.6. Выводы по второй главе.

ГЛАВА 3. ПРИНЯТИЕ РЕШЕНИЙ НА ОСНОВЕ ПРОГНОЗИРОВАНИЯ

3.1. Экспертные системы.

3.2. Проблематика прогнозирования.

3.3. Прогнозирование на основе экспертных оценок.

3.4. Комбинированные методы прогнозирования.

3.5. Метод алгоритмического моделирования в задачах прогнозирования

3.6. Выводы по третьей главе.

ГЛАВА 4. МОДЕЛИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ НАЛИЧИИ НЕОПРЕДЕЛЕННОСТИ

4.1. Выработка управленческих решений в условиях неопределенности будущей ситуации.

4.2. Противоречия при управлении организационными системами.

4.3. Математическое моделирование и принятие решений.

4.4. Имитационное моделирование.

4.5. Модель принятия решений в нечеткой среде.

4.6. Выводы по четвертой главе.

ГЛАВА 5. ПРИЧИННЫЕ МОДЕЛИ ПРИНЯТИЯ РЕШЕНИЙ В КРИЗИСНЫХ СИТУАЦИЯХ

5.1. Человеческий аспект в системе управления.

5.2. Прогнозирование в структурах управления ресурсами компании.

5.3. Прогнозирование состояния организационной системы.

5.4. Содержание причинной модели прогнозирования.

5.5. Подход к формализации прогнозирующего текста.

5.6. Построение лингвистических переменных причинной модели.

5.7. Формализация прогнозирующих правил.

5.8. Выводы по пятой главе.

ГЛАВА 6. ПРИНЯТИЕ РЕШЕНИЙ В ПРОБЛЕМНЫХ СИТУАЦИЯХ

6.1. Автоматизация поддержки управленческих решений.

6.2. Информационные технологии управления в задачах принятия решений

6.3. Модели представления данных и знаний при управлении в проблемных ситуациях.

6.4. Модели принятия решений в условиях притязаний.

6.5. Комбинированная модель альтернативного выбора.

6.6. Выводы по шестой

главае.

ВЫВОДЫ.

Введение диссертации (часть автореферата) на тему «Математические модели и методы принятия решений при управлении организационными системами»

Для решения проблем экономических, социальных, политических, научных, технических, стоящих перед обществом, требуется организованная деятельность многих людей. Такая деятельность осуществляется в рамках искусственных созданных человеком формирований, называемых организационными системами (ОС) - промышленные предприятия, компании, холдинги, банки, кооперативы.

Количество таких объектов в стране измеряется сотнями тысяч, и продолжает расти. Несмотря на это, ОС как специфический класс систем постоянно ускользали из поля зрения исследователей. В стране имеется множество институтов и проектных организаций, занимающихся вопросами создания различных технических систем (самолетов, ракет, автомобилей, роботов, технологических линий), которые по своей сложности значительно уступают организационным финансовым системам. Тогда как исследования в области создания ОС, практически отсутствуют. Основная причина этого состоит в том, что, начиная с 30-х годов вопросы формирования организационных структур управления, экономических, социальных, политических и экономических систем являлись неоспоримой прерогативой административной системы. Наука к этим вопросам попросту не допускалась. Без научной теории построения ОС невозможно успешно создать эффективную систему управления, в том числе и ОС. Это стало ясно, когда наука управления получила новый импульс, связанный с развитием кибернетики, но только в последние годы появилась реальная возможность создать такую теорию и вооружить ею организаторов управления.

Организационные системы имеют многовековую историю. Они появились в результате выделения управленческой (организаторской) деятельности в самостоятельный вид трудовой деятельности. По словам А. А. Богданова [1], которого по праву можно назвать основоположником теории социального управления, «организаторский труд, по-видимому, представляет собой исторически самую раннюю форму сложного (квалифицированного) труда вообще».

В настоящее время система управления по численности занятых в ней специалистов является третьей (после промышленности и сельского хозяйства). Тем не менее, она не справляется должным образом с усложняющимися функциями управления трудовыми, материальными, финансовыми ресурсами в современных экономических условиях. Поправить положение можно за счет совершенствования существующих и создания новых высокоэффективных организационных систем. Дело в том, что исторически сложившийся в нашей стране субъективный подход к их построению при ослабленном (после «свертывания» нэпа) механизме естественного отбора наиболее жизнеспособных структур привел к тому, что многие организационные формы оказались «застывшими» на десятки лет. В результате многие существующие ОС обладают большой избыточностью, «омертвляя» значительную часть принадлежащих им ресурсов, которые могли быть использованы для решения актуальных задач экономического развития страны.

Необходимо пересмотреть действующий механизм формирования организационно-финансовых систем (ОФС), чтобы исключить или ограничить практику создания неэффективных систем. Дальнейшее игнорирование ОС как самостоятельного класса систем, требующего специального изучения, при наблюдаемом росте их количества неизбежно приведет к дальнейшему снижению эффективности принадлежащих им ресурсов. До тех пор пока мы не научимся создавать высокоэффективные ОС, нам не удастся увеличить отдачу от их использования. Вот почему вопросы разработки научных основ их построения требуют первостепенного внимания и незамедлительного решения.

Может ли быть разработана универсальная методология построения ОС при значительном многообразии их видов? Уверенность в этом создают наличие общих свойств у различных видов ОС, позволяющих объединить их в один класс. Закономерности, характеризующие построение разнообразных ОС. Возможность использования методов построения систем программно-целевого управления, а также методов системного анализа, теории управления и богатого опыта построения ОС и структур управления.

Одной из самых важных проблем при реализации управления организационными системами является проблема прогнозирования. Известные попытки составления прогнозов с использованием традиционных методов гуманитарных наук, как правило, были несостоятельными. Более плодотворные результаты получены на основе математического моделирования.

В математическом смысле организационная система представляет собой квазиустойчивую совокупность элементов и связей между ними или некоторое число взаимосвязанных элементов, обладающих свойствами, не сводящимися к сумме свойств отдельных элементов [1]. Данное определение применимо и к ОС.

Существует несколько десятков определений понятия «модель объекта». Отличаясь друг от друга терминологией и глубиной охвата данного понятия, большинство из них отражает мысль, что под моделью понимается выраженная в той или иной форме информация о наиболее существенных и устойчивых причинно-следственных связях между переменными объекта. Различают качественную информацию о характере поведения системы и количественную информацию, которая извлекается из экспериментальных данных, полученных в результате наблюдения за ее функционированием.

Модель - представление объекта, системы или понятия (идеи) в некоторой форме, отличной от формы их реального существования и служит средством, помогающим нам в объяснении, понимании или совершенствовании окружающей нас природы.

В широком смысле модель - это уменьшенное (или в натуральную величину) воспроизведение чего-либо. В науке по ее существу всегда приходится иметь дело с моделями. Вне их конкретных классов бессмысленно говорить об основных понятиях теории и закономерностях природы. По существу анализ объекта при прогнозировании - это анализ специальным образом построенных моделей. От того, насколько правильно построены отдельные модели, как они увязаны друг с другом, зависят результаты прогнозирования.

В основе математического моделирования лежит явление изоморфизма, который означает сходство форм при качественном различии явлений. В математике изучение одной из изоморфных систем сводится в значительной степени к изучению другой изоморфной системы. Изоморфизм указывает на единство, связь, взаимодействие и взаимозаменяемость в определенных пределах различных явлений материального мира, на сходство их формы и отдельных закономерностей. В строго определенных границах и условиях можно заменить изучение одного явления изучением другого, подобного ему по форме и структуре. Появляется возможность моделировать одну систему с помощью другой.

Относительность понятия модели связана с влиянием на ее создание субъективного фактора. Многое зависит от лица, которое строит модель с учетом условий конкретной задачи. Исследователь определяет те стороны модели, которые должны отражаться в ней, и те, которые опускаются из рассмотрения, осуществляет принятие тех или иных допущений, выбор средств моделирования, применение разнообразных методов в рамках выбранных средств.

Идея исследования некоторого объекта, системы или понятия при помощи модели носит столь общий характер, что дать полностью классификацию функций модели затруднительно. Различают пять ставших привычными случаев применения моделей в качестве средства: понимания действительности, общения, обучения и тренажа, инструмента прогнозирования, средства постановки эксперимента.

При математическом моделировании вместо изучения и исследования оригинала исследуются математические зависимости, описывающие оригинал. При построении математической модели необходимо учитывать основные стороны и взаимосвязи рассматриваемого явления и отказаться от изучения второстепенных сторон и связей. Модель представляет собой некоторую абстракцию от действительности, учитывающую только характеристики, представляющие интерес.

Классификация моделей отражает лишь отдельные аспекты исследований. Модели можно классифицировать по различным признакам. В зависимости от вида прогнозируемого объекта модели могут быть следующими: физических процессов; развития производства; развития науки и техники; экономические модели; демографические модели; социальные модели; модели политических ситуаций. Модели каждого вида могут различаться в зависимости от описываемого процесса. Экономические модели использования трудовых ресурсов, воспроизводства основных фондов, формирования потребностей и т. п.

К классификации моделей более рационально подойти с позиций классификации огромного многообразия возможных задач, решаемых при прогнозировании. Можно выделить два случая воспроизведения натуры: материальное (предметное) и идеальное (абстрактное). Материальное воспроизведение натуры предполагает исследование объекта на физических моделях, при котором изучаемый объект воспроизводится с сохранением его физической природы или используются другие аналогичные физические явления.

Абстрактное воспроизведение - это описание объекта определенными символами. Особое место в абстрактном воспроизведении играют математические модели, исследования в которых осуществляются на основе идентичности формы уравнений и однозначности соотношений между переменными, фиксируемыми в натуре и модели. Для решения трудно формализуемых задач большое значение приобретают методы эвристического (интуитивного) моделирования. Возможная упрощенная структура видов моделирования представлена на рис. 1.

МОДЕЛИРОВАНИЕ

Предметное

Физическое

Аналоговое

Квазианалоговое

Абстрактное

Интуитивное

Метод сценариев

Мысленный эксперимент

Операционные игры

Знаковое

Логическое

Графическое

Математическое

Имитационное

Аналитическое

Алгоритмическое

Рис. 1. Возможные виды моделирования

В зависимости от характера протекания прогнозируемого явления существуют следующие группы интуитивных моделей: эволюционного развития; революционного развития; включающие оба типа развития.

В зависимости от вида математического описания аналитические модели можно разделить на: дифференциально-разностные; алгебраические, использующие понятия и результаты общей алгебры; основанные на теории автоматов; топологические; теоретико-графические; игровые, использующие аппарат теории игр; модели математического программирования.

В зависимости от наличия неопределенностей имитационные модели можно разделить на детерминированные и стохастические, последние делятся на модели для расчета математических ожиданий процессов (модели динамики средних для массовых явлений в экономике, биологии, военном деле) в непрерывной или дискретной форме. Вероятностные в непрерывной форме (теория массового обслуживания, стохастические дуэли и т. д.) или дискретной форме (цепи Маркова). Модели статистических испытаний (метод Монте-Карло).

В зависимости от вида функций, описывающих детерминированную основу процесса, аналитические модели могут быть: полиномиальные, тригонометрические, экспоненциальные, комбинированные, включающие различные комбинации« перечисленных моделей. Большинство из приведенных моделей находит применение в задачах прогнозирования и управления при оценивании и измерении.

Решая задачи моделирования, рассмотрим ОФС с точки зрения кибернетического подхода как некоторые объекты управления и воспользуемся для их математического описания известными методами теории идентификации, ранее использовавшиеся преимущественно для построения моделей технических систем.

Объектом управления будем называть ту часть окружающего мира (ОФС), поведение которой нас интересует. Схематично взаимодействие объекта с остальными частями окружающего мира (средой) представлено на рис. 2.

Объекту соответствует некоторый субъект управления, формирующий как выбор (определение) объекта как части среды, так и задачи (цели) такого выбора.

Под субъектом совершенно не обязательно' подразумевать конкретную личность: это' может быть группа людей, объединенная по некоторому признаку, и даже все человечество, если, например, изучению подлежат глобальные объекты (космос, окружающая среда и т. д.).

Выделим субъект из среды, как это показано на рис. 3. Под у понимаются. только интересующие субъекта состояния объекта, под X - измеряемые (контролируемые) входы, а под е - неконтролируемые воздействия. Априори (субъектом) предполагается, что между указанными переменными существует причинно-следственная связь. В подавляющем большинстве случаев функционирование объекта интересует субъекта в плане решения одной из трех задач: управление объектом; прогноз выхода объекта; выяснение механизма явлений, происходящих в объекте.

Рис. 3. Схема взаимодействия субъекта со средой и объектом1

Задача управления. Субъект находится в той же среде, что и объект, т: е. воспринимает (см. рис. 3) состояние X среды. Одновременно, и это самое главное, на него влияет состояние у объекта. Если состояние у удовлетворяет потребностям субъекта, взаимодействующим с этим'объектом'и использующим его для своих целей, то никакого управления ему не нужно. Если же это состояние не .устраивает субъекта, то ему необходимо организовать такое воздействие на объект, которое переведет его в новое состояние, удовлетворяющее субъекта. Предполагается, что субъект может произвольно изменять часть компонентов вектора X; обозначим эту часть через ху, набор оставшихся компонентов - через, хн, так что

X = Ху О Хн. Это воздействие и есть управление. Отсюда следует, управление происходит от неудовлетворенности субъекта ситуацией, сложившейся в объекте.

Удобно считать, что субъект всегда формулирует свою цель г*, реализация которой в объекте приведет, по мнению субъекта, к удовлетворению его потребностей. Эта цель представляет собой набор требований, предъявляемых субъектом к состоянию объекта.

Проверить состояние цели г * в объекте можно только по его состоянию у, но для этого состояние объекта необходимо выразить на языке целей субъекта, т.е. выполнить преобразование £ = \|/(у). В частном случае может оказаться, что г = у, т.е. субъект формулирует свои цели на языке состояний объекта.

Очевидно, что равенство свидетельствует о том, что состояние объекта удовлетворяет целям субъекта, т. е. цели субъекта выполнены. Если же 2 ФI *, то цели субъекта не реализованы в объекте. В этом случае необходимо управление, и математически его сущность можно отразить соотношением ху = где V - алгоритм управления, I — {5с, у) - информация о входах и состояниях объекта. Но данный алгоритм может быть реализован только тогда, когда известен количественный характер связей между X и у, т. е. известно математическое описание объекта.

Можно выделить следующие этапы управления объектом: формулировка целей управления; определение объекта управления; создание модели объекта управления; синтез управления; реализация управления.

Задача прогноза. Данная задача преследует только одну цель: по известному х определить прогнозируемое состояние у объекта и включат следующие этапы: формулировка целей прогноза; определение объекта исследования; создание модели объекта. Отличительной чертой задачи прогноза является количественный характер модели, а не ее форма или структура.

Выяснение механизма явлений. Можно так же выделить три этапа: формулировка целей исследования; определение объекта исследования; создание модели объекта. Основным является выявление формы и структуры модели, скорее нас интересует качественная сторона дела, а не количественная.

Нетрудно видеть, что в трех сформулированных задачах имеется общий этап -создание модели объекта. Этому этапу и будет посвящено дальнейшее исследование. Представим объект в виде некоторой кибернетической системы, которая определяется входящими в нее элементами и связывающими их соотношениями

А = {хЛОЬ (1) где хТ = (х1,х2,.,хп) - множество входных сигналов (Г - символ транспонирования), 8 - множество неконтролируемых воздействий, (2 - множество характеристик и ограничений, действующих в системе и накладываемых на х и 8.

Для реализации кибернетической системы необходимо знать действие механизма «вход-выход» или «стимул-реакция». При заданных множествах х, 8 и (9 нужно уметь находить выходной вектор у, т. е. знать отображение

Я:={х,в,в}^у. (2)

Основополагающим в моделировании является принцип изоморфизма.

Строгий изоморфизм. Две системы Ах ={х1,81,01} и Л2 = {х^г^г) СТР0Г0 изоморфны, если между элементами воздействий с, и х2, с2 можно установить взаимно однозначное соответствие. Между множествами 0,х и , можно установить взаимно однозначное соответствие таким образом, что каждому элементу из выражающему ориентированное отношение между двумя элементами из

X], 8], будет соответствовать элемент из 02, выражающий то же самое ориентированное отношение между элементами из х,, в?.

Строгий изоморфизм между двумя системами означает наличие взаимно однозначного соответствия не только между входными сигналами и характеристическими множествами (0\ и 02), но и между выходными сигналами систем.

В практических исследованиях предпринимаются попытки построить модель, изоморфную реальной задаче только в отношении ограниченного числа специфических свойств. В таких случаях говорят об ограниченном изоморфизме.

Ограниченный изоморфизм. Две системы Д и А-, изоморфны в ограниченном смысле, если выполнено одно из следующих условий.

Во-первых, системы изоморфны только к подмножеству выходных сигналов независимо от природы их входных сигналов.

Пусть Ах = {ххЛ\,0.\}'-> А2 - {Зс2,ё2'02} и заданы отображения

У\=К\{Х\Л\,(>\}, У2 г«е Я =(У2\>У22>-,У2,п2)> уТ = {уп,уХо,-;У\т ) условие можно записать так:

У\] = У2]> ^ = 1>г> г~1> Г<Щ> г<т2, т. е. значения г элементов на выходе двух систем одинаковы, хотя между элементами х^, и х2,е2, а также между и ()2 могут быть различия.

Во-вторых, хотя системы Ау и А2 не имеют одинаковых выходных множеств, разница между выделенными выходными сигналами не превышает допустимых пределов. Для некоторых небольших су справедливы неравенства

Уу~Уг] 1<е/ 7 =

Если число выходных сигналов в обеих системах одинаково, т. е. тх = т2 = т, то У может принимать любое значение от 1 до т .

В-третьих, две системы изоморфны в смысле первых двух условий по отношению к мерам, заданным на их выходных множествах. Что соответствует случаю, когда две системы эквивалентны с точки зрения обобщенных показателей, характеризующих некоторые элементы выходных множеств. Такими показателями могут быть затраты, доходы, функция распределения и т. п.

Две частично изоморфные системы А\ и А2 называются гомоморфными, если некоторая часть системы: Ау и (например, А^) строго изоморфна А2; А2 и (например, А2 ) строго изоморфна Ау.

Приведенное определение подразумевает, что некоторая часть системы Ау изоморфна А2 в строгом смысле или наоборот. Иначе говоря, одна система является подсистемой другой. Разница между гомоморфизмом и ограниченным изоморфизмом очевидна. Понятия изоморфизма и гомоморфизма лежат в основе моделирования в исследовании операций, экономике и в других дисциплинах.

Математическая модель - это логическая структура, объясняющая механизм действия системы с помощью соотношений (1) и (2). Дадим определение математическому моделированию в плане рассмотренных понятий изоморфизма.

Пусть система задана тройкой и отображением

У\ = И\{х\-Л\,0.\}, а система А2 - тройкой {х2,82,С?2} и отображением у2 = Л2{х2,£}• А. является моделью А2, если А\ изоморфна или гомоморфна А2. Если А^ изоморфна (в строгом или ограниченном смысле) А2, то А\ называется изоморфной моделью А2, если А^ гомоморфна А2, то называется гомоморфной моделью А2.

Конкретизируя это определение, будем в дальнейшем полагать под математической моделью объекта правило преобразования входных переменных в выходные в виде функциональной зависимости у = г|(3с) + 5, где г|(х) - некоторая вектор-функция, £ - вектор неконтролируемых возмущений при условии, что априорная информация о сигналах х и £ (область их изменения и т. п.) задана элементами множества £ = {5*х, £с }. Элементы векторов определяются субъектом.

Приступая к поиску математической модели (функции г)(5;) ), экспериментатор обладает некоторой априорной информацией, степень его информированности можно охарактеризовать двумя основными уровнями.

1. Вид функции т|(3с) неизвестен. Известно лишь, что функция в интересующей экспериментатора области может быть достаточно хорошо аппроксимирована конечным рядом по некоторой системе (или системам) наперед заданными функциями. Требуется найти наилучшее описание функции г|(3с).

2. Функция г)(х) известна с точностью до параметров, т. е. т\(х) = т](х,с), где с - вектор параметров модели. В этом случае, очевидно, имеем у - г|(х,с) + в, а прогноз состояния объекта дается соотношением у* = г|(х,с*), где оценка С * находится исходя из некоторого критерия ошибки или функции потерь, определяющих меру близости выходов объекта и их прогноза: = а^гшп У (у, у*), Т- ес в результате «подгонки» с к имеющимся экспериментальным данным.

Можно выделить следующие этапы построения математической модели исследуемого объекта. Выбор модели, т. е. установление вида зависимости г)(3с) с точностью до параметров с. Нахождение с * (этап оценивания). Проверка и подтверждение модели (диагностическая проверка, проверка адекватности).

Второй и третий этапы описанной процедуры в достаточной степени формализованы, и наибольшее затруднение при моделировании обычно вызывает первый этап, на котором применяются два основных подхода - аналитический (или имитационный) и на основе аппроксимации.

Выбор модели объекта прогнозирования (управления) представляет собой задачу, трудность которой зависит от: степени изученности объекта моделирования; «степени искаженности» информации; объема этой информации.

При анализе количественной информации в задачах прогнозирования используются методы аппроксимации и можно выделить два подхода к ее извлечению. При первом - параметрическом - подходе пространство экспериментальных данных редуцируется (трансформируется) в пространство существенно меньшей размерности параметров или коэффициентов некоторой заранее постулируемой мог дели. Успех моделирования зависит во многом от того, насколько удачно подобрана структура модели. При втором - непараметрическом - подходе экспериментальные данные полностью сохраняются и используются для нахождения оценок параметров выходных сигналов объекта. Объем хранимой информации здесь может быть весьма существенным.

Возможен и промежуточный вариант: экспериментальные данные редуцируются, но путем оставления только наиболее информативных значений, которые затем используются для прогноза состояния объекта. Данный подход к моделированию имеет сходные черты с широко известными непараметрическими и нейронными сетевыми методами.

При анализе качественной информации речь идет об аналитических и имитационных моделях в задачах управления.

В первом случае объект (система) отображается состоящим из отдельных взаимосвязанных элементов, для каждого из которых составляются частные описания, аналогичные уравнениям баланса: для динамики процесса приращение = приход —убыток; для статики процесса приход —убыток.

Частные описания имеют вид линейных и нелинейных алгебраических, дифференциальных (потоки) и разностных (отображения) уравнений. Внутренние (для объекта) перекрестные или обратные связи между элементами определяют общую структуру модели. Несмотря на значительные достижения в области разрешения нелинейных и стохастических моделей, их прогнозирующая ценность (если речь идет о сложных системах), пока еще невелика.

Различают детерминированные модели при наличии полной априорной информации об их параметрах. Если вид модели объекта известен, данные о котором не являются искаженными, задача управления может стать тривиальной.

Можно себе представить также модели детерминированных систем при неполной априорной информации о ее параметрах (неизвестны начальные условия при известных уравнениях, неизвестны некоторые коэффициенты уравнений). Если вид модели нам априорно известен и информация о нем не является искаженной помехами, то при решении задачи управления могут встретиться трудности лишь вычислительного характера. Если вид модели априорно не известен, но система является детерминированной и информация о ней не искажена, задача управления также может быть успешно решена. Более сложную задачу представляет определение модели при наличии о системе лишь ограниченной информации вида «поведение системы является стационарным», «такая-то характеристика системы является неубывающей (невозрастающей) функцией времени» и т. п.

В тех случаях, когда о системе априорно ничего не известно и поступающая информация является искаженной помехами, задача выбора и обоснования модели становится сложной и требует искусства и опыта исследователя.

В настоящем исследовании делается попытка заложить основы теории построения ОС, обобщающей практику разработок и внедрения различных классов систем. В ней исследуется связь «проблема - ОС», рассматриваются особенности ОС как специфического класса систем, проводится анализ существующих методов их создания и предлагается подход к их построению. Приводятся примеры использования предлагаемого подхода в области управления финансами на основе прогнозирования. Обсуждаются вопросы организации ОС, а также некоторые общие вопросы, связанные с перестройкой управления.

Теория построения ОС должна быть междисциплинарной, для ее формирования необходима интеграция усилий экономистов, системотехников, организаторов управления и производства, социологов, психологов, юристов. Надеемся, что данное исследование привлечет внимание ученых различных специальностей к вопросам создания ОС, и будет способствовать ускорению разработки теории и методики их построения.

В условиях рыночной экономики прогнозирование при управлении материальными и денежными средствами, становиться действительно актуальной задачей. Причин тому несколько. Необходимость прогнозирования нередко возникает при разработке бизнес плана, обосновании инвестиционных проектов, запрашиванием кредитов и т.д. В учетно-аналитической практике известны различные методики прогнозирования, тем не менее можно выделить некоторые их общие черты.

При анализе движения денежных средств, большую часть показателей достаточно трудно спрогнозировать с необходимой точностью. Поэтому прогнозирование денежного потока как правило сводят к построению бюджетов денежных средств в планируемом периоде. Более последовательный учет особенностей финансового состояния партнеров при использовании методов лигвистического прогнозирования позволит повысить надежность прогноза и следовательно повысить эффективность работы конкретного предприятия.

Попыток решить проблему автоматизации управления финансами компании на основе'лингвистического прогнозирования с использованием причинной модели пока немного. В отечественной литературе данное направление исследования остается малоизученным, что свидетельствует об актуальности выбранной темы.

Цель и задачи работы. Цель заключается в разработке методов синтеза систем информационного обеспечения (управления) обладающих инструментальными средствами интеллектуальной поддержки принятия управленческих решений, для обеспечения финансовой безопасности функционирования организационных систем самого различного назначения.

При достижении поставленной цели решены следующие задачи.

1. Классификация нештатных ситуаций, возникающих при управлении, разработка нового подхода к автоматизации учета состояния и выбор общей концепции управления состоянием организационных систем.

2. Создание модели выработки и принятия решений на основе принципа поэтапного преодоления неопределенностей.

3. Оценка риска при кризисной ситуации на основе причинной модели прогнозирования и формирование нового подхода к принятию решений при управлении организационными системами в условиях прогнозирования.

4. Анализ методов принятия решений в проблемных ситуациях при управлении организационными системами.

5. Создание модели функционирования организационной системы в нештатных ситуациях.

6. Организация инструментальных средств в виде программного комплекса реализации алгоритмов для автоматизации поддержки управления организационными системами. Внедрение результатов диссертационной работы на ведущих предприятиях Российской Федерации: ФГУП ФНПЦ «НИИ прикладная химия», ОАО Автопарк № 6 «Спецтранс», ОАО Ленгазтеплострой.

Объект и методы исследований. Объектами исследований являются информационные системы управления организационными системами самого различного характера.

Общей методологической основой исследования является системный анализ проблем управления сложными техническими системами. Выполненные теоретические исследования базируются на использовании методов детерминированного и ситуационного управления, методов лингвистического прогнозирования, теории нечетких множеств, концепции фреймовых структур.

Предмет исследования. Исследование закономерностей процесса принятия решений в организационных системах

Методы исследований. Общей методологической основой исследования является системный анализ проблем управления сложными техническими системами. Выполненные теоретические исследования базируются на использовании методов детерминированного и ситуационного управления, методов лингвистического прогнозирования, теории нечетких множеств, концепции фреймовых структур. Научная новизна работы:

-создание систем управления организационными системами, отличающихся применением системного подхода для исследования противоречий при использовании общих финансовых, информационных и временных ресурсов, что позволяет предложить определение организационной системы как совокупности противоречащих элементов, структурированной общей целью;

-системная модель управления организационными системами отличается тремя уровнями абстрагирования: диагностики состояния, классическим информационным и ситуационным;

-классификация ситуаций, отличных от штатной, учитывающая приоритеты противоречий и пять типов ситуаций: проблемная, кризисная, недостаток ресурсов, неопределенность, прогнозирование;

-методы формирования признаков текущей ситуации по классам, отличающиеся: применением таблиц истинности, построенных на моделях сетей Петри; расчетом ресурсов (финансовых, временных, информационных) и диалоговым общением лица, принимающего решение с базой знаний.

-метод последовательного прогнозирования с альтернативными моделями по комплексу критериев возникающих при функционировании организационной системы в рамках общей концепции непрерывного управления ее состоянием;

-принцип поэтапного преодоления неопределенностей, который предполагает: построение имитационной модели функционирования системы с учетом воздействий окружающей среды, формирование вариантов решений и их универсума, прогноз последствий принятия решений, сравнение ценности разных вариантов решения, выбор наилучшего варианта решения при наличии противоречивых оценок по нескольким частным критериям.

-метод оценки технико-экономического риска при функционировании организационной системы в условиях кризисной ситуации;

-метод формирования инструментальных средств в виде программного обеспечения алгоритмов информационной и интеллектуальной поддержки принятия управленческих решений, отличающийся погружением комплексной, специализированной базы знаний в базу данных современных ЗСАБА-систем.

Теоретическое значение. Полученные результаты диссертационной работы на основе стратификации комбинированной структуры ситуационного и классического управления с использованием альтернативных моделей, методов и алгоритмов адаптации развивают теоретические основы автоматизации управления организационными системами, в том числе и при функционировании в штатных и нештатных ситуациях.

Практическая ценность работы. Полученные в работе результаты развивают методологию практического применения системного анализа и синтеза систем управления организационными системами, функционирующими в условиях нештатной ситуации. Разработанные инструментальные средства в виде комплекса программ конкретных систем информационного обеспечение (управления) могут быть использованы в САПР и АСУ различного уровня иерархии. Методические аспекты могут быть успешно использованы в учебном процессе при подготовке студентов широкого круга специальностей в области управления организационными системами самого широкого назначения. Основные теоретические разработки диссертации в виде предметно-ориентированных моделей, алгоритмов и программ внедрены на: ФГУП ФНПЦ «НИИ прикладная химия», ОАО Автопарк № 6 «Спецгранс», ОАО Ленгазтеплострой. Результаты, выносимые автором на защиту:

-метод перехода от задачи принятия управляющих решений, к задаче управления в заданном классе детерминированных решений на ситуационном уровне и представление возникающих при функционировании организационных систем ситуаций пятью типами: проблемной, кризисной, недостаток ресурсов, неопределенность, прогнозирование;

-представление задачи обеспечения безопасного функционирования организационных систем тремя уровнями абстрагирования: диагностическим, информационным и ситуационным и концепцию непрерывного управления состоянием организационной системы на диагностическом уровне;

-организация систем управления и информационного обеспечения организационными системами в пределах единой методологии и новый подход к автоматизации учета состояния организационных систем на классическом информационном уровне;

-модель поэтапного преодоления неопределенностей при реализации алгоритма выработки и принятия решений в нечеткой среде;

-причинная модель прогнозирования, позволяющая принимать обоснованные решения в кризисных ситуациях;

-методы оценки риска при функционировании организационной системы в условиях проблемной ситуации.

Апробация результатов исследования. Основные результаты исследований, выполненных по теме диссертации, были доложены: на девяти Международных конференциях.

Публикации. Для представления наиболее важных результатов исследований и практических разработок из имеющихся у соискателя публикаций выбрано 9 источников, рекомендованных ВАК для публичной апробации докторских диссертаций, 1 монография, 1 учебное пособие, 9 докладов на Всесоюзных, Всероссийских и международных конференциях, 16 статей в научно-технических журналах. В работах, опубликованных в соавторстве, личное участие автора заключается в постановке проблемы и формализации задач, теоретическом обосновании исследований и непосредственном участии в создании инструментальных средств в виде алгоритмов и программ для ЭВМ.

Структура и объем работы. Диссертационная работа состоит из введения, шести глав, заключения, списка литературы из 264 источника, включает в себя 408 страниц, 22 таблицы и 75 рисунков.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Локтаев, Сергей Викторович

ВЫВОДЫ

1. В рамках системного анализа проблем управления ОС показана объединяющая роль противоречий между их элементами, вне которых она распадается на независимые части и предложено определение системы как совокупности противоречащих элементов, структурированной общей целью, что позволяет рассматривать создание организационных систем и систем управления ими в пределах единого подхода и предложить концепцию создания жизнеспособной развивающейся ОС.

2. Выполненные теоретические и практические исследования задачи управления организационными системами показали необходимость ее представления тремя уровнями абстрагирования: диагностическим, классическим информационным и ситуационным, что позволило предложить и реализовать:

- на диагностическом уровне концепцию непрерывного управление состоянием организационной системы. Концепция основана на принципах использования имеющихся ресурсов. Разработать методы управления ОС в рамках предложенной концепции;

- на классическом информационном уровне новый подход к автоматизации учета состояния организационных систем, который предполагает создание: информационной БД имеющихся ресурсов, подсистемы прогнозирования и планирования;

- на ситуационном уровне метод перехода от задачи принятия управляющих решений путем корреляции текущей ситуации по одному из имеющихся альтернативных прототипов к задаче синтеза управления в заданном классе детерминированных решений.

3. Возникающие в организационных системах ситуации, отличные от штатной, представлены пятью типами: проблемная, кризисная, недостаток ресурсов, неопределенность, прогнозирование. Их своевременное выявление дает возможность оперативного принятия решений по управлению.

4. В результате анализа особенностей задач прогнозирования, возникающих при функционировании организационных систем, предложен метод алгоритмического моделирования, который может быть использован при анализе сложных многофакторных систем (рынка ресурсов).

5. В основу работы предложенного и реализованного алгоритма выработки и принятия решений был положен принцип поэтапного преодоления неопределенностей, который предполагает построение имитационной модели функционирования системы с учетом воздействий окружающей среды, формирование вариантов решений и их универсума, прогноз следствий принятия решений, сравнение ценности разных вариантов решения и выбор наилучшего варианта решения при наличии противоречивых оценок по нескольким частным критериям.

6. Исследование функционирования ОС показало, что это, прежде всего, управление потоками ресурсов, следующих из ОС в ее окружение и обратно. Для

- достижения ресурсной устойчивости ОС необходимо убедиться, что поток доходов превышает поток расходов и положение предприятия стабильно;

- оптимального прогнозирования устойчивости предприятия наиболее эффективна экспертная система приближенных рассуждений;

- реализации прогнозирующей экспертной системы предложен метод логико-лингвистического прогнозирования на основе нечетких экспертных оценок и причинной модели. Когда переменным присваиваются не числовые значения, а слова и предложения естественного языка, что стало возможно за счет применения аппарата нечеткой логики при использовании лингвистических переменных; моделирование процесса управления происходит в терминах, близких и понятных менеджеру (слова и предложения естественного языка с придаточными обстоятельствами причины).

Сформулирована экспертная технология прогнозирования для прямой лингвистической реализации прогнозирующего текста средствами совместного использования идей исчисления предикатов и теории нечетких множеств, допускающих наличие нечеткого предиката, присутствие недостоверности и развитие прогнозирования в реальном времени.

7. Для принятия решений в проблемных ситуациях предложено использовать в рамках информационной технологии модели представления данных и знаний, принятия решений и комбинированную модель альтернативного выбора.

8. Создан пакет программных средств реализации алгоритмов в нештатных ситуациях, включающий набор минимальных логических модулей для оперативного формирования последовательностей управления.

9. Внедрение результатов диссертационной работы осуществлено на ведущих предприятиях Российской Федерации: ФГУП ФНПЦ «НИИ прикладная химия», ОАО Автопарк № 6 «Спецтранс», ОАО Ленгазтеплострой.

Список литературы диссертационного исследования доктор технических наук Локтаев, Сергей Викторович, 2008 год

1. Богданов А. А. Краткий курс экономической науки. — J1. — М., 1912. - С. 20.

2. Koontz H. The Management Theory Jungle Revisted // Academy of Management Review, 1980.-V. 5.-N2.-P. 176-187.

3. Попов Г. X. Проблемы теории управления. -М.: Экономика, 1970. С. 5.

4. Локтаев С. В., Лисицын Н. В. Управление организационными системами. -СПб.: ХИМИЗДАТ, 2005. 37/18,5 п.л.

5. Моисеев H. Н. Оптимизация и управление (эволюция идей и перспективы) // Техн. кибернетика. № 4. - 1974. - С. 3-16.

6. Бир С. Кибернетика и управление производством. М.: Физматгаз, 1963. -391 с.

7. Ивахненко А. Г. Долгосрочное прогнозирование и управление сложными системами. Киев: Техника, 1975.-311 с.

8. Васильев В. И. Распознающие системы: Справ. Киев: Наукова думка, 1983.-422 с.

9. Ивахненко А. Г. Самообучающиеся системы распознавания и автоматического управления. Киев: Техника, 1969. - 392 с.

10. Ципкин Я. 3. Адаптация и обучение в автоматических системах. М.: Наука, 1968.-399 с.

11. Кунцевич В. М., Лычак M. М. Синтез оптимальных и адаптивных систем управления. Киев: Наукова думка, 1985. - 248 с.

12. Фельдбаум А. А. Основы теории оптимальных автоматических систем. -М.: Наука, 1966.-624 с.

13. Васильев В. И., Коновалеико В. В., Горелов Ю. И. Имитационное управление неопределенными объектами. Киев: Наукова думка, 1989. - 216 с.

14. Васильев В. И., Коваль П. И., Коноваленко В. В. и др. Имитационное управление сталеплавильными процессами с использованием теории распознавания образов // Автоматика. 1982. - № 1. - С. 60-69. - № 2. - С. 58-65.

15. Туркенич Д. И. Управление плавкой стали в конвертере. — М.: Металлургия, 1975. 360 с.

16. Искусственный интеллект: Теория и приложения: Межвуз. сб. науч. тр.

17. Саратов: Изд-во Сарат. ун-та, 1993.

18. Бондарев В. Н., Аде Ф. Г. Искусственный интеллект: Учеб. пособие для студентов вузов. — Севастополь: Изд-во СевНТУ, 2002. 613 с.

19. Горбатов В. А., Огиренко А. Г., Смирнов М. И. Искусственный интеллект в САПР: Учеб. пособие. М.: МГГУ, 1994. - 183 с.

20. Кьюсиак Э., Яп К. Т., Чау У. М. и др. Искусственный интеллект: Применение в интегрированных производственных системах / Под ред. А. И. Дащенко, Е. В. Левнера. -М.: Машиностроение, 1991. 539 с.

21. Курейчик В. М., Лебедев Б. К. Искусственный интеллект в САПР: Текст лекций. Таганрог: ТРТИ, 1989. - 47 с.

22. Большакова Е. И., Мальковский М. Г., Пильщиков В. Н. Искусственный интеллект. Алгоритмы эвристического поиска: Учеб. пособие. М.: Фак. ВМК МГУ, 2002.-81 с.

23. Люгер Д. Ф. Искусственный интеллект: Стратегии и методы решения сложных проблем / Пер. с англ. Н. И. Галагана и др. 4-е изд. М.: Вильяме, 2003.- 863 с.

24. А. Тейз, П. Грибомон, Ж. Луи и др. Логический подход к искусственному интеллекту: От классической логики к логическому программированию / Под ред. Г. П. Гаврилова. -М.: ВЦ РАН, 1990.-429 с.

25. Ашихмин А. А. Разработка и принятие управленческих решений: формальные модели и методы выбора: Учеб. пособие для студентов вузов. М.: Изд-во МГГУ, 1995. - Вып. 2. - 79 с.

26. Арсеньев Ю. Н. Шелобаев С. И., Давыдова Т. Ю. Принятие решений. Интегрированные интеллектуальные системы: Учеб. пособие для студентов вузов.- М.: ЮНИТИ-ДАНА, 2003. 269 с.

27. Методы и модели оптимизации ресурсов в интеллектуальных системах принятия решений в экономике, технике, финансах и образовании: Сб. науч. ст. / Под ред. Ю. Н. Арсеньева. М.: Б. и., 2000. - 214 с.

28. Гаврилова Т. А. Извлечение и структурирование знаний для экспертных систем. М.: Радио и связь, 1992. - 199 с.

29. Малышев Н. Г. Берштейн Л. С., Боженюк А. В. Нечеткие модели дляэкспертных систем в САПР. М.: Энергоатомиздат, 1991. - 134 с.

30. Варфоломеев В. И., Воробьев С. Н. Принятие управленческих решений в сложных ситуациях. М.: Кудиц-образ, 2001. - 287 с.

31. Воробев С. Н., Уткин В. Б., Балдин К. В. Управленческие решения: Учеб. для вузов. М.: ЮНИТИ-ДИАНА, 2003. - 317 с.

32. Мишин А. В., Мишин С. А. Принятие управленческих решений в организационных системах: теория и практика. Воронеж: ВИ, 2004. - 171 с.

33. Цыпкин Я. 3. Синтез робастно оптимальных систем управления объектами в условиях ограниченной неопределенности // АиТ. 1992. № 9. - С. 139-159.

34. Цыпкин Я. 3. Робастно оптимальные дискретные системы управления // АиТ. 1999. - № 3. - С. 25-37.

35. Локтаев С. В., Веригин А. Н. Финансовый анализ и прогнозирование // Проблемы экологии и экономики в химической промышленности. СПб.: Изд-во СПб. ун-та, 2000. - С. 45-54. - 0,38/0,19 п.л.

36. Локтаев С. В. Роль региональных банков в развитии малого и среднего предпринимательства // Международный банковский конгресс: «Банки: вызов нового столетия» (МБК-2000, 7-10 июня СПб), Секция № 1: «Банки и экономика». 0,13 п.л.

37. Локтаев С. В. Решение задач управления финансами с использование ЭВМ // Проблемы экологии и экономики в химической промышленности. СПб.: Изд-во СПб. ун-та, 2000. - С. 16-28. - 0,75 п.л.

38. Локтаев С. В., Лисицын Н. В. Управление организационными системами.- СПб.: ХИМИЗДАТ, 2005. 37/18,5 п.л.

39. Локтаев С. В. Лингвистический подход при создании систем управления / С. В. Локтаев, Н. В. Бирюлева, М. Ю. Бирюлев и др. // Международная конференция по мягким вычислениям и измерениям. Сб. докладов. СПб., 2004.- Т. 2. С. 50-52. - 0,19/0,05 п.л.

40. Локтаев С. В., Веригин А. Н., Федорова Н. В. Системный анализ и управление финансами банка // Всерос. науч. конф.: Управление и информационные технологии. УИТ-2003. Сб. докладов. Т. 2. - СПб., 2003. -0,6/0,2 п.л.

41. Локтаев С. В., Федорова Н. В., Веригин А. Н. Управление финансами и системность // Всерос. науч. конф.: Управление и информационные технологии. УИТ-2003. Сб. докладов. Т. 2. СПб., 2003. - 0,6/0,2 пл.

42. Локтаев С. В., Веригин А. Н., Бирюлева Н. В. Системность и управление финансовыми системами // Вестник СПбИГПС. 2005. -№ 3. - С. 81. - 0,4/0,13 пл.

43. Локтаев С. В., Веригин А. Н. Системный анализ и управление финансами // Экология энергетика экономика (выпуск VII), Радиационная, химическая и экономическая безопасность. СПб.: Изд-во Менделеев, 2003. - С. 195-200. -0,31/0,16 пл.

44. Локтаев С. В., Веригин А. Н., Ивахнюк С. Г. Системность и управление финансами банка // Экология энергетика экономика (выпуск IV), Пожарная и промышленная безопасность. СПб.: Изд-во СПб. ун-та, 2001. - С. 152-161. -0,5/0,17 пл.

45. Оптнер С. Л. Системный анализ для решения деловых и промышленных проблем / Пер. с англ. М.: Сов. радио, 1970.

46. Дитрих Я. Проектирование и конструирование. Системный подход / Пер. с польск. М.: Мир, 1981. - С. 24.

47. Bartee Е. М. Engineering Experimental Design Fundamentals, Prentice-Hall, Inc. Eng. N. Y., 1968.

48. Глобальные проблемы современности. M.: Мысль, 1981.

49. Справочник разработки АСУ. М.: Экономика, 1978; Тищенко Н. М. Введение в проектирование систем управления. - М.: Энергоиздат, 1986.

50. Богданов А. А. Всеобщая организационная наука (тектология). Ч. I. Л. -М.: Книга, 1925.-С. 26.

51. Акофф Р., Эмери Ф. О целеустремленных системах / Пер. с англ. М.: Сов. радио, 1974.

52. Системное проектирование АСУ хозяйством области / Под общ. ред.

53. Ф. И. Перегудова. -М.: Статистика, 1977. С. 10.

54. Авдулов П. В. Введение в теорию принятия решений. М.: ИУНХ, 1977. -С. 8-9.

55. Бобрышев Д. Н. Основные категории теории управления. М.: АНХ при Совете Министров СССР, 1988. - С. 6.

56. Силюк Н. А,, Веселов П. В., Галахов В. В. Организация управленческого труда. М.: Экономика, 1986. - С. 5.

57. Локтаев С. В., Коськин А. В., Бирюлева Н. В. Анализ существующей практики создания организационных систем // Вестник СПбИГПС. 2004. - № 1. -С. 86-89.-0,25/0,1 п.л.

58. Табурчак П. П. Проблемы теории и практики корпоративного управления предприятиями. СПб, 1999.

59. Системный анализ в экономике и организации производства/ С. А. Валуев,

60. B. Н. Волкова, А. П. Градов и др.; Под общ. ред. С. А. Валуева, В. Н. Волковой. -Л.: Политехника, 1991. 398 с.

61. Дмитриев О. Н. Системный анализ в управлении. М.: Издательство «Гном и Д», 2002.

62. Глушков В. М. Введение в АСУ. Киев: Техника, 1974.

63. Мамиконов А. Г. Методы разработки АСУ. М.: Энергия, 1973. - С. 66.

64. Кабаков В. С. Организация управления и эффективность производства. -Л.: ЛИЭИ, 1985.

65. Каменицер С. Е., Соломатин В. В. Автоматизированная система управления машиностроительным предприятием. -М.: Машиностроение, 1971.1. C. 15.

66. Бодрунов С. Д., Дмитриев О. Н., Ковальков Ю. А., Мантуров Д. В., Федорова О. Н. Проблемы, принципы и методы корпоратизации авиапромышленного комплекса России СПб.: Корпорация «Аэрокосмическое оборудование» и «Петроградский и К°», 2000.

67. Обозов С. А. Программно-целевой метод как инструмент развития инвестиционного потенциала города. -Н. Новгород: ВВАГС, 1998.

68. Ковалев В. В., Финансовый анализ: Управление капиталом. Выборинвестиций. Анализ отчетности. 2-е изд., перераб. и доп. М.: Финансы и статистика, 1997.

69. Мильнер Б. 3., Евенко Л. И., Раппопорт В. С. Системный подход к организации управления. М.: Экономика, 1983.

70. Рамин М. Л., Мишин В. И. Региональное программно-целевое планирование и управление. Рига: АВОТС, 1985. - С. 9.

71. Франчук В. И. Основы построения организационных систем. М.: Экономика, 1991.

72. Локтаев С. В., Веригин А. Н. Концепция создания развивающихся финансовых систем // Финансы 2003. -№ 12. С 64-66. 0,2/0,1 п.л.

73. Локтаев С. В. Развивающиеся организационные финансовые системы и концепция их создания / С. В. Локтаев, А. Н. Веригин, В. Г. Джангирян и др. // Вестник СПбИГПС. 2004. - № 3. - С. 65-72. - 0,5/0,13 п.л.

74. Локтаев С. В., Веригин А. Н. Банк как жизнеспособная развивающаяся система // Экология энергетика экономика (выпуск Ш), Теория и практика безопасности жизнедеятельности в техносфере. СПб.: Изд-во СПб. ун-та, 2001. -С. 163-177.-0,88/0,44 пл.

75. Локтаев С. В., Веригин А. Н., Федорова Н. В. Системный анализ развивающихся финансовых систем // Всерос. науч. конф.: Управление и информационные технологии. УИТ-2003. Сб. докладов. Т. 2. - СПб., 2003. -0,6/0,2 п.л.

76. Локтаев С. В., Веригин А. Н., Федоров В. Н. Создание организационных систем и управление при решении непрограммируемых проблем в области экономики // Вестник СПб института ГПС МЧС России. 2004. - № 4. С. 80-87. -0,5/0,17 п.л.

77. Локтаев С. В., Веригин А. Н. Особенности создания организационных финансовых систем // Экология энергетика экономика (выпуск VIII), Безопасные экологические и экономические технологии. СПб.: Изд-во Менделеев, 2003. -С. 121-129.-0,56/0,28 п.л.

78. Справочник разработчика АСУ. М.: Экономика, 1978.

79. Общеотраслевые руководящие методические материалы по созданию

80. АСУП. М.: Экономика, 1977.

81. Поспелов Г. С., Ириков В. А. Программно-целевое планирование и управление. -М.: Сов. радио, 1976.

82. Лопухин М. М. Паттерн-метод планирования и прогнозирования научных работ. -М.: Сов. радио, 1971.

83. Якушев Д. И. Алгоритмы математического моделирования. СПб.: МГП «Поликом», 2002. - 100 с.

84. Растригин Л. А. Современные принципы управления сложными объектами. -М.: Советское радио, 1980.

85. Циркун А. Д., Акинфиев В. К., Филиппов В. А. Имитационное моделирование в задачах синтеза структуры сложных систем. М.: Наука, 1985.

86. Бокучава И. Т., Цвиркун А. Д., Орлов С. П. Оптимизация функционирования и структурного построения сложных систем. Тбилиси: Мецниереба, 1989.

87. Орлов С. П. Имитационное моделирование при структурном синтезе сложных логистических систем // Сб. докладов междунар. конф. по мягким вычислениям и измерениям, 8СМ 2003. СПб.: Изд. СПбГЭТУ «ЛЭТИ», 2003. -С. 157-160.

88. Акофф Р., Сасиени М. Основы исследования операций / Пер. с англ. М.: Мир, 1971.

89. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993.

90. Жданова Л. А. Организация и управление капиталистической промышленной фирмой. М.: Изд-во Ун-та дружбы народов, 1987.

91. Пэнтл Р. Методы системного анализа окружающей среды / Пер. с англ. -М.: Мир, 1979.

92. Лотов А. В. Введение в экономико-математическое моделирование. М.: Наука, 1984.

93. Аганбегян А. Г. Оптимальное территориально-производственное планирование. Новосибирск: Наука, 1969. - С. 59-60.

94. Лейбкинд А. Р. Вопросы формирования организационных структуруправления производственно-хозяйственными комплексами // Известия АН СССР. Сер. экономическая. 1985. - № 1. - С. 25-36.

95. Бородкин Ф. М., Гершензон М. А., Миркин Б. Г. Проблемы расширенного социалистического воспроизводства. Новосибирск: ИЭ и ОПП СО АН СССР, 1968.

96. Мартынов Г. В. Модели оптимизации многоотраслевых производственных комплексов. -М.: Финансы и статистика, 1982.

97. Моисеев Н. Н. Теория ноосферы и математические модели //Философия и социология науки и техники: Ежегодник. М.: Наука, 1987.

98. Моисеев Н. Н. Алгоритмы развития. М.: Наука, 1987.

99. Пригожий И. Р. От существующего к возникающему. М.: Наука, 1985.

100. Пригожий И. Р., Стенгерс И. Порядок из хаоса. М.: Прогресс, 1986.

101. Де Шарден П. Т. Феномен человека. М.: Наука, 1987.

102. Верин И. Л. Фундаментальный код // На суше и на море: Сборник. М.: Мысль, 1969;

103. ЮО.Герловин И. Л. Самоорганизация в природе и в обществе // Тез. сообщения на межреспубликанской конференции. Л.: Наука, 1988.

104. Герловин И. Л. Основы единой теории всех взаимодействий в веществе. -Л.: Энергоатомиздат, 1990.

105. Бир С. Кибернетика и управление производством. М.: Физматгаз, 1963. -391 с.

106. Локтаев С. В. Социально-политическое прогнозирование и финансовая политика банка // Экология энергетика экономика (выпуск V), Безопасность в чрезвычайных ситуациях. — СПб.: Изд-во «Менделеев», 2002. С. 168-171. — 0,19 п.л.

107. Романов А. Н., Одинцов Б. Е. Советующие информационные системы в экономике: Учеб. пособие для вузов. М.: ЮНИТИ-Дана, 2000. - 486 с.

108. Миронов А. С. Введение в искусственный интеллект: Учеб. пособие. М.: МГАПИ, 1995.-42 с.

109. Локтаев С. В. Экспертная технология прогнозирования при управлении финансами компании / С. В. Локтаев, А. Н. Веригин, Н. В. Федорова и др. //

110. Междунар. конф. по мягким вычисленим и измерениям: Сб. мат. СПб., 2003. -0,19/0,05 п.л.

111. Аппак М. А. Искусственный интеллект в экономике: Учеб. пособие. М.: МГАПИ, 2000. - 19 с.

112. Рудакова Г. М. Искусственный интеллект. Экспертные системы. -Красноярск: СибГТУ, 2002. 87 с.

113. Локтаев С. В., Веригин А. Н. Методы прогнозирования. СПб.: Изд-во СПб. ун-та, 1999. - 6/3 п.л.

114. Гноенский Л. С., Каменский Г. А., Эльсголыд Л. Э. Математические основные теории управляемых систем. М.: Наука, 1969.

115. Мун Ф. Хаотические колебания. М.: Мир, 1990.

116. Ямпольский С. М., Хилюк Ф. М., Лисичкин В. А. Проблемы научно-технического прогнозирования. -М.: Экономика, 1969.

117. Чуев Ю. В. Исследование операции в военном деле. М.: Воениздат, 1970.

118. Винер Н. Творец и робот. М.: Прогресс, 1966.

119. Клаузевиц К. О войне. М.: Воениздат, 1936.

120. Artificial Intelligence // Amsterdam: Time Life - Books, 1986.

121. Научное открытие и его восприятие. M.: Наука, 1971.

122. Винер Н. Кибернетика. М.: Сов. радио, 1968.

123. Эльсгольц Л. Э. Качественные методы в математическом анализе. М.: Гостехиздат, 1955.

124. Адамар Ж. Исследование процесса изобретения в области математики. -М.: Сов. радио, 1970.

125. Бройль Л. де. По тропам науки. М.: ИЛ, 1962.

126. Райфа Г. Анализ решений. М., 1977.

127. Локтаев С. В. Работа с данными в программах прогнозирования / С. В. Локтаев, А. А. Алашкин, В. Н. Федоров и др. // Международная конференция по мягким вычислениям и измерениям. Сб. докладов. СПб., 2004. -T. 1.-С. 251-255.-0,25/0,06 пл.

128. Головихин С. А., Басов Е. А. Управление рисками в системе интеграционных отношений промышленных предприятий с банками. -Челябинск: ЧелГУ, 2000. 24 с.

129. Забелина О. В. Управление рисками в сфере промышленного бизнеса. -Тверь: Твер. гос. ун-т, 1999. 158 с.

130. Цифрова М. В., Андреева О. В. Управление рисками экономических систем. Саратов: Изд-во Сарат. ун-та, 2001. - 119 с.

131. Кузьменков В. А. Теория принятия решений и управление рисками: Учеб. пособие. СПб.: СПбГПУ, 2002. - 38 с.

132. Буянов В. П., Кирсанов К. А., Михайлов Л. М. Рискология. Управление рисками: Учеб. пособие. 2-е изд., испр. и доп. М.: Экзамен, 2003. - 381 с.

133. Чернова Г. В., Кудрявцев А. А. Управление рисками: Учеб. пособие. М.: Проспект: ТК Велби, 2003. - 158 с.

134. Карпова Е. А. Управление рисками: Учеб. пособие. Челябинск: ЧГАУ, 2003.-79 с.

135. Уткин Э. А., Фролов Д. А. Управление рисками предприятия: Учеб.-практ. пособие. М.: ТЕИС, 2003. - 247 с.

136. Боровкова В. А. Управление рисками в торговле. СПб.: Питер, 2004. -287 с.

137. Афоничкин А. И. Принятие управленческих решений в экономических системах: Учеб. пособие. Саранск: Изд-во Морд, ун-та,, 1998. 183 с.

138. Баранов Г. JI. Структурное моделирование сложных динамических систем / Г. JI. Баранов, А. В. Макаров. К.: Наукова думка, 1986. 272 с.

139. Акофф Р., Эмери Ф. О целеустремленных системах. М.: Сов. радио, 1974.-273 с.

140. Бахтадзе Н. Н. Виртуальные анализаторы (идентификационный подход) // Автоматика и телемеханика. 2004. - № 11. - С. 3-24.

141. Месарович М., Мако Д., Такахара И. Теория иерархических многоуровневых систем. М.: Мир, 1973. - 344 с.

142. Сысоев В. В. Конфликт. Сотрудничество. Независимость. Системное взаимодействие в структурно-параметрическом представлении. М.: Московская академия экономики и права, 1999. - 151 с.

143. Сысоев В. В. Системное моделирование многоцелевых объектов // Методы анализа и оптимизации сложных систем. М.: ИФПТ, 1993. - С. 80-88.

144. Герасименко В. А. Концепция современной информатики // Зарубежная Радиоэлектроника. 1993. - № 4. - С. 77-90.

145. Стерлигов Б. И., Лебедев В. В., Сухоруков А. И. и др. Организация, планирование производства и управление на предприятиях мясной и молочной промышленности. -М.: Легкая промышленность, 1981. 560 с.

146. Цыпкин Я. 3. Основы теории обучающихся систем. М.: Наука, 1968. -208 с.

147. Thorn P. Structural Stability and Morphogenesis Reading. Benjamin, 1975.

148. Акивис M. А., Гольдберг В. В. Тензорное исчисление. М.: Наука, 1972. -351 с.

149. Коршунов Ю. М, Математические основы кибернетики: Учеб. Пособие для вузов. М.: Энергоатомиздат, 1987. - 496 с.

150. Минский М. Фреймы для представления знаний. -М., 1979.

151. Цыпкин Я. 3. Оптимальность в адаптивных системах управления // Измерения, контроль, автоматизация. 1985. - № 3. - С. 36-52.

152. Стерлигов Б. И., Лебедев В. В., Сухоруков А. И. и др. Организация, планирование производства и управление на предприятиях мясной и молочной промышленности. -М.: Легкая промышленность, 1981. 560 с.

153. Браверман Э. М., Левин М. И. Неравновесные модели экономических систем. М.: Наука, 1981. - 304 с.

154. Первозванский А. А. Математические модели в управлении производством. М.: Наука, 1975.

155. Куо Б. Теория и проектирование цифровых систем управления. М.: Наука, 1986.-448 с.

156. Макаров И. М. и др. Теория выбора и принятия решений. — М.: Наука, 1978.-352 с.

157. Борисов А. Н., Вилюмс Э. Р., Сукур Л. Я. Системы управления с ЭВМ: информационное, тематическое и программное обеспечение. Рига: Зинатне, 1986.-195 с.

158. Калашников В. В. Сложные системы и методы их анализа. М.: Знание, 1980.-312 с.

159. Понтрягин Л. С. Математическая теория оптимальных процессов. М.: Наука, 1976.- 192 с.

160. Руа Б. Проблемы и методы принятия решений в задачах со многими целевыми функциями // Вопросы анализа и процедуры принятия решений: Сб. пер.-М., 1976.-С. 20-58.

161. Таха X. Введение в исследование операций: В 2-х кн.: пер. с англ. М.: Мир, 1985.

162. Бахтадзе Н. Н. Виртуальные анализаторы (идентификационный подход) // Автоматика и телемеханика. 2004. - № 11. - С. 3-24.

163. Радойков Е. Логические сети Петри, одна обобщенная модель параллельного вычисления // Проблемы кибернетики и робототехники. 1990. -№ 12.-С. 21-26.

164. Головкин Б. А. Параллельная обработка информации. Программирование, вычислительные методы, вычислительные системы // Изв. АН СССР. Техническая кибернетика. 1979. - № 2. - С. 116.

165. Матвеев М. Г., Сысоев В. В. Концепция информационных технологий управления перерабатывающими производствами // Информационная бионика и моделирование: Сб. науч. тр. М.: ГОСИФТП РАН, 1995. - С. 25-31.

166. Айзерман М. А., Алескеров Ф. Т. Выбор вариантов. Основы теории. М.: Наука, 1990.-240 с.

167. Перегудов Ф. И., Тарасенко Ф. П. Введение в системный анализ. М.: Высш. шк., 1989.-367 с.

168. Хокинсон Л. Б., Никербокер К. Дж., Мур Р. Л. Экспертная система для управления производственными процессами в реальном масштабе времени // Искусственный интеллект: применение в химии. М.: Мир, 1988. - С. 84-90.

169. Месарович М., Такахара Я. Общая теория систем: математические основы. -М.: Мир, 1978.-311 с.

170. Муромцев Ю. Л., Линин Л. Н., Попова О. В. Моделирование и оптимизация сложных систем при изменениях состояния функционирования. -Воронеж: ВГУ, 1993.-164 с.

171. Питерсон Дж. Теория сетей Петри и моделирование систем. М.: Мир, 1984.-264 с.

172. Саати Т., Керне К. Аналитическое планирование. Организация систем. -М.: Радио и связь, 1991. 224 с.

173. Мельцер М. И. Диалоговое управление производством (модели и алгоритмы). -М.: Финансы и статистика, 1983. 240 с.

174. Имитационное моделирование производственных систем / Под общ. ред. А. А. Вавилова. М.: Машиностроение, Берлин: Техника, 1983. - 416 с.

175. Поспелов Д. А. Ситуационное управление: теория и практика. М.: Наука, 1986.-288 с.

176. Айзерман М. А., Алескеров Ф. Т. Выбор вариантов. Основы теории. М.: Наука, 1990.-240 с.

177. Локтаев С. В., А. Н. Веригин, В. Н. Федоров Создание организационных систем и управление при решении непрограммируемых проблем в области экономики // Вестник СПб института ГПС МЧС России № 4, 2004. С. 80-87.

178. Литвинов В. В. Марьянович Т. П. Методы построения имитационных систем. Киев: Наукова Думка, 1991. - 245 с.

179. Васильев Д. В., Сабинин О. Ю. Ускоренное статистическое моделирование систем управления. Л.: Энергоатомиздат, 1984. - 136 с.

180. Berardinis L. A. Clear thinking of fuzzy logic // Vachine Dessign, 1992. V. 64. №8.

181. Цвиркун А. Д., Акинфиев В. К., Филиппов В. А. Имитационное моделирование в задачах синтеза структуры сложных систем. М.: Наука, 1985. -174 с.

182. Баранов Г. Л., Макаров А. В. Структурное моделирование сложных динамических систем. К.: Наукова думка, 1986. - 272 с.

183. Кадыров А. А. Машинные методы моделирования и исследования структурно-сложных систем. Ташкент: Фан, 1989. - 100 с.

184. Локтаев С. В., Веригин А. Н. Стохастическая модель производства // Новые технологии и их применение. 2007. - № 2. - С. 15. - 0,25/0,13 пл.

185. Лесин В. В., Листовая Ю. П. Основы методов оптимизации. М.: МНИ, 1998.-344 с.

186. Taxa X. Введение в исследование операций: В 2-х кн. М.: Мир, 1985.

187. Трахтенгерц Э. К. Компьютерная поддержка принятия решений. М.: СИНТЕГ, 1998. - 376 с.

188. Осипов Г. С. Приобретение знаний интеллектуальными системами: Основы теории и технологии. М.: Наука, 1997. - 112 с.

189. Алексеева М. Б., Балан С. Н. Основы теории систем и системного анализа: Учеб. пособие. СПб.: СПбГИЭУ, 2002. - 88 с.

190. Дворянкин А. М., Сипливая М. Б., Жукова И. Г. Искусственный интеллект. Моделирование рассуждений и формальные системы: Учеб. пособие. -Волгоград: Политехник, 2003. 140 с.

191. Степанов М. Ф. Машинный перевод и общение на естественном языке: Учеб. пособие. Саратов: СГТУ, 2000. - 96 с.

192. Локтаев С. В., Веригин А. Н. Технология лингвистического прогнозирования при управлении финансами // Финансы 2004. №2. - С 60-63. -0,25/0,13 п.л.

193. Локтаев С. В., Бирюлева Н. В., Бирюлев М. Ю. Лингвистическое прогнозирование в управлении предприятием // Вестник СПбИГПС. 2004. -№ 2. С. 69-71. - 0,2/0,06 п.л.

194. Локтаев С. В., Веригин А. Н., Бирюлева Н. В. Лингвистическое прогнозирование при управлении финансами // Вестник СПбИГПС. 2005. - № 1. -С. 80-85.-0,38/0,13 п.л.

195. Локтаев С. В., Веригин А. Н. Лингвистическое прогнозирование при управлении финансами компании (банка) // Проблемы экологии и экономики в химической промышленности, СПб.: Изд-во СПб. ун-та, 2000. - С. 63-71. -0,5/0,25 п.л.

196. Эшби У. Р. Введение в кибернетику. М.: ИЛ, 1959.

197. Васильев В. И. Распознавание систем. Киев: «Наукова думка», 1969.

198. Ильичев А. В. Эффективность проектируемой техники. М.: Машиностроение, 1991. - 336 с.

199. Медич Дж. Статистически оптимальные линейные оценки и управление. -М.: Энергия, 1973.

200. Турбович И. Т. О нахождении скрытых закономерностей на основе опытных данных // Нелинейные и линейные методы в распознавании образов. -М.: Наука, 1975.-С. 5-12.

201. Юрков Е. Ф. Нахождение одномерных нелинейных преобразований на основе одномерных статистических характеристик при прогнозировании // Нелинейные и линейные методы в распознавании образов. М.: Наука, 1975. -С. 13-19.

202. Гитис В. Г. Алгоритмы прогнозирования и синтеза признаков с использованием одномерных кусочно-линейных функций //Нелинейные и линейные методы в распознавании образов. М.: Наука, 1975. - С. 19-33.

203. Гмошинский В. Г. Инженерное прогнозирование технологии строительства. М.: Стройиздат, 1988. - 296 с.

204. Локтаев С. В., Веригин А. Н. Причинная модель прогнозирования и финансы // Экология энергетика экономика (выпуск III), Теория и практика безопасности жизнедеятельности в техносфере. СПб.: Изд-во СПб. ун-та, 2001. -С. 118-129.-0,69/0,35 п.л.

205. Поспелов Г. С., Поспелов Д. А. Искусственный интеллект прикладные системы. - М.: Знание, 1985. - 48 с.

206. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д. А. Поспелова. М.: Наука, 1986. - 312 с.

207. Нечеткие множества и теория возможностей. Последние достижения / Под ред. Р. Р. Ягера. М.: Радио и связь, 1986.

208. Нейлар К. Как построить машину вывода // Экспертные системы. Принципы работы и примеры. М.: Радио и связь, 1987. - С. 62-83.

209. Блехман И. И., Мышкис А. Д., Пановко Я. Г. Прикладная математика: предмет, логика, особенности подходов. К.: Наукова думка, 1976. - 271 с.

210. Блехман И. И., Мышкис А. Д., Пановко Я. Г. Правдоподобность и доказательность в прикладной математике // Механика твердого тела. № 2. -1967.-С. 196-202.

211. Пойа Д. Математическое открытие. М.: Наука, 1970.

212. Глушков В. М. О прогнозировании на основе экспертных оценок // Кибернетика. № 2. 1969. - С. 2-4.

213. Тейп A. van Dijk. Studies In The Pragmatics of Discourse. The Hague, The Netherlands: Mouton Publishers, 1981. P. 215-241.

214. Teun A. van Dijk. Cognitive Situation Models In Discourse Production: The Expression Or Ethnic Situations In Prejudiced Discourse //Language And Social Situations, New York: Springer Verlag Inc, 1985. P. 61-79.

215. Т. А. Дейк. Язык. Познание. Коммуникация. M.: Прогресс, 1989. - 312 с.

216. Почепцов Г. Г. Конструктивный анализ структуры предложения. Киев.: Вищашк., 1971.-191 с.

217. Мамиконов А. Г. Методы разработки АСУ. М.: Энергия, 1973.

218. Блох M. Я. Теоретические основы грамматики. М.: Высш. шк., 1986.

219. Ракова К. И. Многочастное сложноподчиненное предложение в современном английском языке. Автореферат. М.: МГПУ им. Ленина, 1991. - 16 с.

220. Панфилов. В. 3. Грамматика и логика. Грамматическое и логико-грамматическое членение простого предложения. М.-Л.: АН СССР, 1963. - С. 39.

221. Константинов И. С., Веригин А. Н., Раков В. И. Лингвистическое прогнозирование в структурах управления. СПб.: Изд-во С.-Петербургского унта, 1998.- 165 с.

222. Николаева Т. М. Определенности неопределенности категория // Лингв, энцикл. словарь. - М.: Сов. энц., 1990. - С. 349.

223. Ляпон М. В. Модальность // Лингв, энцикл. словарь. М.: Сов. энц., 1990. - С. 303-304.

224. Zadeh L. A. Fuzzy Algorithm // In-Formation Control. 1968. - Vol. 12. -№2.-P. 94-102.

225. Zadeh L. A. Fuzzy logic and approximate reasoning // Synthese. 1975. -Vol. 80. -P. 408^428.

226. Пензов Ю. E. Элементы математической логики и теории множеств. -Саратов: Изд-во Саратов, ун-та, 1968.

227. Заде Л. А. Понятие лингвистической переменной и его применения к принятию приближенных решений. М.: Мир, 1976.

228. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д. А. Поспелова. -М.: Наука, 1996.

229. Нечеткие множества и теория возможностей. Последние достижения. /Под ред. Р. Р. Ягера. М.: Радио и связь, 1986.

230. Малпас Дж. Реляционный язык: Пролог и его применение / Под ред. В. В. Соболева. М.: Наука, 1990.

231. Прикладные нечеткие системы / Под ред. Т. Тэрано, К. Асам, М. Сугэно. -М.: Мир, 1993.

232. Buchanan В., Shortliffe Е. Rule based expert systems: The MYCIN Experiments of The Stanford Henristic Programming Project. 1984.

233. Shortliffe E., Buchanan B. A Model Of inexact reasoning in medicine // Math.

234. Bisciences. 1975. - Vol. 23. - P. 351-379.

235. Dubois D., Prade H. Operations in fuzzy valued logic // Information and Control. 1979. Vol. 43. - P. 224-240.

236. Дюбуа Д., Прад A. Теория возможностей. Приложения к представлению знаний в информатике. М.: Радио и связь, 1990.

237. Mizumoto M., Tanaka К. Some properties of fuzzy sets of type 2 // Information and Control, 1976.-Vol. 31.-P. 312-340.

238. Краснова В, Матвеева A и др. Семь нот менеджмента. / Под ред. В. Красновой, А. Привалова. Изд. 2-е. М.: ЗАО «Журнал Эксперт», 1997. - 176 с.

239. Лэнд П. Э. Менеджмент искусство управлять: Секреты и опыт практ. менеджмента / Пер. с англ. М. Шерешевской, М. Орлова. - М.: ИНФРА-М, 1995. 143 с.

240. Файоль А., Эмерсон Г., Тэйлор Ф. и др. Управление это наука и искусство. — М.: Республика, 1992. - 349 с.

241. Балабанов И. Т. Основы финансового менеджмента. Как управлять капиталом? Изд. 2-е. М.: Финансы и статистика, 1997. - 384 с.

242. Сосненко Л. С. Бухгалтерская отчетность: Учеб. пособие. Челябинск: Изд-во Юж. -Урал. гос. ун-та, 2000. - 31 с.

243. Костиков Л. М. Системная подготовка и принятие управленческих решений: Учеб. пособие. 2-е изд. М.: Б. и., 1988. - 80 с.

244. Дворянкин А. М., Кизим А. В., Жукова И. Г., Сипливая М. Б. Искусственный интеллект. Базы знаний и экспертные системы: Учеб. пособие. -Волгоград: Политехник, 2003. 139 с.

245. Анисимов О. С. Принятие управленческих решений: Методология и технология. М.: РосАКО АПК, 2002. - 436 с.

246. Грачев А. В. Финансовая устойчивость предприятия: анализ, оценка и управление: Учеб. -практ. пособие. М.: Дело и сервис, 2004. - 190 с.

247. Петров А. В. Федулов Ю. Г. Подготовка и принятие управленческих решений. М.: Изд-во РАГС, 2000. - 241 с.

248. Климова М. А. Принятие управленческих решений. М.: МГУП, 2001. -102 с.

249. Лескин А. А., Мальцев В. Н. Системы поддержки управленческих и проектных решений. Л.: Машиностроение, 1990.

250. Бирюлева Н. В., Локтаев С. В., Коськин А. В. Закономерности построения организационных систем // Вестник СПб института ГПС МЧС России. № 1(4). -СПб., 2004.

251. Локтаев С. В., Коськин А. В., Бирюлева Н. В. Анализ существующей практики создания организационных систем // Вестник СПб института ГПС МЧС России. -№ 1(4).-2004.

252. Веригин А. Н., Локтаев С. В., Джангирян В. Р. Бирюлева Н. В. Развивающиеся организационные финансовые системы и концепция их создания // Вестник СПб института ГПС МЧС России. № 3(6). - СПб., 2004.

253. Виссема X. Менеджмент в подразделениях фирмы: Предпринимательство и координация в децентрализованной компании. М.: ИНФРА-М, 1996. - 287 с.

254. Нейлор К. Как построить свою экспертную систему / Пер. с англ. Н. Н. Слепова. М.: Энергоатомиздат, 1991. - 288 с.

255. Бережная Е. В., Бережной В. И. Математические методы моделирования экономических систем: Учеб. пособие для студентов вузов. М.: Финансы и статистика, 2002. - 366 с.

256. Глущенко В. В. Глущенко И. И. Разработка управленческого решения. Прогнозирование-планирование. Теория проектирования экспериментов: Учеб. пособие. 2-е изд., испр. Железнодорожный: Крылья, 2000. - 397 с.

257. Тихомирова А. И., Маматказин А. Р. Консалтинг и автоматизированные системы управления // Экология, энергетика, экономика: Межвуз. сб. науч. тр. -Вып. 7. СПб.: Изд. Менделеев, 2002. - С. 191-194.

258. Сысоев В. В. Системное моделирование многоцелевых объектов // Методы анализа и оптимизации сложных систем. М.: ИФПТ, 1993. - С. 80-88.

259. Матвеев М. Г. Концепция информационных технологий управления перерабатывающими производствами // Информационная бионика и моделирование: Сб. науч. тр. М.: ГОСИФТП РАН, 1995. - С. 25-31.

260. Саати Т., Керне К. Аналитическое планирование. Организация систем. -М.: Радио и связь, 1991. -224 с.

261. Уотермен Д. Руководство по экспертным системам. М.: Мир, 1989. -388 с.

262. Захаров В. Н., Ульянов С. В. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления. Эволюция и принципы построения // Известия РАН. Техническая кибернетика. 1993. - № 4. - С. 189-205.

263. Искусственный интеллект: в 3-х кн. Кн. 2. Модели и методы: Справочник / Под ред. Д. А. Поспелова. М.: Радио и связь, 1990. - 368 с.

264. Проблемы программно-целевого планирования и управления / Под ред. Г. С. Поспелова. М.: Наука, 1981.-460 с.

265. Хоггер К. Введение в логическое программирование. М.: Мир, 1988. -348 с.

266. Горбатов В. А. Интеллектуальные информационные технологии и стратегии (состояния и перспектива) // Информационные технологии. Нулевой выпуск. М.: Машиностроение, 1995. - С. 35-38.

267. Герасименко В. А. Информатика, информатизация и индустриализация управления. Деп в ВИНИТИ. № 7753-В89. 388 с.

268. Герасименко В. А. Концепция современной информатики // Зарубежная Радиоэлектроника. 1993. - № 4. - С. 77-90.

269. Алиев Р. А., Абдикеев H. М., Шахназаров M. М. Производственные системы с искусственным интеллектом. М.: Радиосвязь, 1990. - 264 с.

270. Захаров В. Н., Поспелов Д. А., Харецкий В. Е. Системы управления. М.: Энергия, 1977. - 424 с.

271. Brubaker D. Fuzzy logic system solves control problem // END. 1992. V. 37. -№ 13.

272. Brubaker D. Fuzzy logic basics: intuitive rules replace complaxmath // END. -1992. -V. 37.-№ 3.

273. Поспелов Д. А. Ситуационное управление: теория и практика. М.: Наука, 1986.-288 с.

274. Муромцев Ю. Л., Линин Л. Н., Попова О. В. Моделирование и оптимизация сложных систем при изменениях состояния функционирования. -Воронеж: ВГУ, 1993.- 164 с.

275. Поспелов Г. С. Искусственный интеллект основа новой информационной технологии. - М.: Наука, 1988. - 386 с.

276. Представление знаний в человеко-машинных и робото-технических системах. М.: ВЦ АН СССР, ВИНИТИ, 1984. Т. А.: Фундаментальные исследования в области представления знаний. - 264 с.

277. Борисова А. Н., Алексеев А. А., Крумберг О. А. Модели принятия решений на основе лингвистической переменной. Рига: Знание, 1982

278. Беллман Р., Заде JI. Принятие решения в расплывчатых условиях // Вопросы анализа и процедуры принятия решений: Сб. науч. тр. М.: Мир, 1976. -С. 172-215.

279. Мелихов А. Н., Берштейн JI. С., Коровин С. Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990. - 272 с.

280. Руа Б. Проблемы и методы принятия решений в задачах с многими целевыми функциями // Вопросы анализа и процедуры принятия решений: Сб. пер. -М., 1976.-С. 20-58.

281. Горбатов В. А. Основы дискретной математики. М.: Высш. шк., 1986. -311 с.

282. Еремеев А. П. Методы и инструментальные средства проектирования систем поддержки принятия решений продукционного типа: Автореф. дисс. докт. тех. наук. М., 1994. - 40 с.

283. Столл Р. Р. Множества. Логика. Аксиоматические теории. М.: Просвещение, 1968.-231 с.

284. Дейт К. Введение в системы баз данных: Пер. с англ. М.: Наука, 1990. -574 с.

285. Мартин Дж. Организация баз данных в вычислительных системах: Пер. с англ. М.: Мир, 1990. - 479 с.

286. Вейнеров О. М., Самохвалов Э. Н. Разработка САПР. В 10-ти кн. Кн. 4. Проектирование баз данных: Практ. Пособие / Под ред. А. В. Петрова. М.: Высш. шк., 1990. - 144 с.

287. Стратопович Р. А. Принципы адаптивного приема. М.: Советское радио, 1973.-156 с.4251. С ¿Г

288. Тиори Т., Фрай Дж. Проектирование структур баз данных. В 2-х кн. Кн. 1. -М.: Мир, 1985.-287 с.

289. Тиори Т., Фрай Дж. Проектирование структур баз данных. В 2-х кн. Кн. 2. М.: Мир, 1985.-320 с.

290. Матвеев М. Г. Моделирование информационных потоков технологического объекта управления // Математическое моделирование технологических систем. Воронеж: ВГТА, 1995. - С. 34-41.

291. Минский М. Фреймы для представления знаний. М.: 1979.

292. Цоленко М. Ш. Философия и математика моделирования процессов обработки информации (на примере реляционных бах данных) // Семиотика и информатика. 1976.-Вып. 13.-С. 150-183.

293. Попов Э. В. Экспертные системы: решение информационных задач в диалоге с ЭВМ. М.: Наука, 1978. - 283 с.

294. Острем К., Виттенмарк Б. Система управления с ЭВМ. М.: Мир, 1987. -480 с.

295. Кафаров В. В., Мешалкин В. П. Анализ и синтез химико-технологических систем. М.: Химия, 1991. - 432 с.

296. Коршунов Ю. М. Математические основы кибернетики: Учеб. Пособие для вузов. М.: Энергоатомиздат, 1987. - 496 с.

297. Мельцер М. И. Диалоговое управление производством (модели и алгоритмы). М.: Финансы и статистика, 1983. - 240 с.

298. Артемьев В. И., Строганов В. Ю. Разработка САПР: В 10-ти кн. Кн. 5. Организация диалога в САПР: Практ. пособие. М.: Высш. шк., 1990. - 158 с.

299. Сысоев В. В., Матвеев М. Г., Павлов И. О. Представление диалога для организационного управления предприятием математического моделирования и обработки информации в задачах автоматического управления // Сб. науч. тр. -Рязань: РГРА, 1995. С. 20-25.