Модели и алгоритмы систем поддержки принятия решений на основе ситуационного подхода тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Карякин, Юрий Евгеньевич

  • Карякин, Юрий Евгеньевич
  • кандидат технических науккандидат технических наук
  • 2010, Тюмень
  • Специальность ВАК РФ05.13.18
  • Количество страниц 132
Карякин, Юрий Евгеньевич. Модели и алгоритмы систем поддержки принятия решений на основе ситуационного подхода: дис. кандидат технических наук: 05.13.18 - Математическое моделирование, численные методы и комплексы программ. Тюмень. 2010. 132 с.

Оглавление диссертации кандидат технических наук Карякин, Юрий Евгеньевич

Введение.

Глава 1 Анализ современного состояния проблем построения систем поддержки принятия решений.

1.1 Современное состояние систем поддержки принятия решений.

1.2 Ситуационртый подход в исследовании систем управления.

1.3. Математическое моделирование при принятии решений.

Выводы.

Глава 2 Моделирование ситуаций и решений в системе поддержки принятия решений.

2.1 Ситуационная модель системы.

2.2 Формализация представления ситуаций.

2.3 Формализованное представление решений.

Выводы.

Глава 3 Алгоритмы обработки ситуаций и решений.

3.1 Классификация ситуаций.

3.2 Генерирование возможных ситуаций.

3.3 Формирование управляющих воздействий.

Выводы.

Глава 4 Программная реализация системы поддержки принятия решений.

4.1 Компоненты системы поддержки принятия решений на основе ситуационной модели знаний.

4.2 Практическая реализация системы поддержки принятия решений.

Выводы.

Рекомендованный список диссертаций по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК

Введение диссертации (часть автореферата) на тему «Модели и алгоритмы систем поддержки принятия решений на основе ситуационного подхода»

Актуальность работы. Настоящее время характеризуется развитием и внедрением в практику управления, сложных систем различных научных направлений: кибернетики, информационных технологий, инженерии знаний, когнитивной* психологии, методов поиска и принятия решений, методов оптимизации и моделирования и др. В результате создаются предпосылки для построения высокоэффективных систем по обработке и использованию знаний при решении широкого круга прикладных задач.

Особую актуальность- приобретают системы, предназначенные для поддержки принятия решений. Название этих систем соответствует их назначению: по запросу пользователя «выдавать» советы по поведению в складывающейся на анализируемом объекте ситуации, причем делать это на уровне опытного человека, эксперта в своей области.

Система не предназначена для замены человека, принимающего решения, хотя в экстренных случаях такая замена возможна (при наличии надежного интерфейса с объектом управления). Лицу, принимающему решения, предлагается несколько альтернативных вариантов решений. Право выбора конкретного решения остается за человеком.

Значительная часть информации, необходимая для математического описания объекта, существует в форме представлений и пожеланий специалистов — экспертов, имеющих опыт работы с данным объектом.

В условиях современного научно-технического прогресса организационно-технические и социальн-экономические системы эксплуатируются в динамически изменяющейся среде, что сопровождается изменением и условий, и ограничений, и, подчас, целей функционирования управляемых объектов и (или) процессов. Это приводит к тому, что разработка адекватных и полных моделей отстает от реалий и потребностей управления. В реальной жизни они повседневно встречаются с необходимостью принятия решений, когда еще нет полной и адекватной модели управляемого процесса или объекта.

Построение точных математических моделей сложных объектов, пригодных для реализации и эксплуатации на современных компьютерах, либо затруднительно, либо вообще невозможно. При построении точной модели, учитывающей все факторы, используя традиционные методы математической логики, она получается чрезвычайно громоздкой и неприемлемой для практического использования, либо по экономическим соображениям (требуется очень мощная вычислительная техника, стоимость которой вместе с расходами на эксплуатацию значительно превышает возможные выгоды от повышения качества принимаемых решений), либо время реакции разрабатываемой системы на изменение ситуации на объекте оказывается недопустимо большим.

В этом проявляется «сложность» объекта управления, обусловливающая необходимость отказываться от апробированных схем реализации управления, переходить к применению эвристических процедур, абстрагируясь от некоторых параметров объекта в целях получения модели более простой и удобной для реализации.

Этим же подтверждается актуальность разработки оригинальных методов и инструментальных средств для автоматизации формирования альтернативных целесообразных управленческих решений, основанных на объединении идей дискретного управления и ситуационного моделирования. При этом возможно применение нетрадиционного математического аппарата для построения модели, учитывающей все особенности объекта и пригодной для реализации.

Сложные объекты управления — наиболее перспективная сфера применения советующих систем.

Ситуационный подход на сегодняшний день признается одним из наиболее перспективных в современной науке об управлении. На его основе может быть осуществлен синтез систем поддержки принятия решений (СППР) с элементами искусственного интеллекта для информационной и аналитической поддержки принимаемых решений даже при отсутствии детерминированных моделей.

Актуальность разработки методических и инструментальных средств для синтеза интеллектуальных СППР подтверждается противоречием, проявляющимся в том, что стоимость и ответственность управленческих решений постоянно возрастает, а время, на их информационную и аналитическую поддержку уменьшается. Разрешается- это противоречие внедрением СППР в контур управления.

Особенно актуально внедрение СППР в контур управления опасными производственными объектами.

Это подтверждается масштабностью техногенных аварий и катастроф последних десятилетий и тяжестью их последствий, а также накопленными знаниями о надежности сложных организационно-технических и социально-экономических систем, износостойкости и старении материалов, вероятностными характеристиками. Кроме этого, учет немаловажного человеческого фактора в процессах управления и эксплуатации сложных систем обуславливаются необходимость пересмотра концепции «абсолютной безопасности», основной принцип которой в отношении возможных чрезвычайных ситуаций выражается словами «реагировать и выправлять», в концепцию «приемлемого риска».

Кроме этого, статистические данные свидетельствуют о том, что более 70% аварий и чрезвычайных ситуаций происходит по вине лица, принимающего решения (ЛПР).

Всё вышеперечисленное позволяет сделать вывод о том, что научные разработки, направленные на совершенствование и автоматизацию процесса разработки СППР и внедрение их в контуры управления различных систем, актуальны.

Целью исследования является повышение эффективности управления сложными организационно-техническими системами на основе применения ситуационных моделей.

Для достижения поставленной цели определены следующие задачи исследования:

- обоснование актуальности поставленных задач посредством анализа современного состояния систем поддержки принятия решений и исследование подходов и методов математического моделирования при управлении сложными системами;

- создание модели знаний о ситуациях и решениях на основе их формализованного представления;

- разработка алгоритмов классификации и распознавания ситуаций;

- разработка алгоритмов формирования новых возможных ситуаций и управляющих воздействий в них;

- апробация разработанных моделей и алгоритмов посредством их программной реализации.

Объектом исследования являются методы и технологии, используемые в системах поддержки принятия решений, функционирующих в изменяющейся информационной среде.

Предметом исследования являются модели и алгоритмы, повышающие эффективность систем поддержки принятия управленческих решений при реализации ситуационного управления сложными объектами или системами.

Методы исследования заключаются в системном подходе к разработке принципов, методов и моделей представления и обработки знаний, базирующихся на теории ситуационного управления, корреляционном и регрессионном анализе, векторной алгебре, многомерном статистическом анализе, теории принятия решения, теории эволюционных алгоритмов.

Достоверность и обоснованность полученных научных результатов обеспечиваются корректностью постановки задач, теоретическими исследованиями математических методов и моделей ситуационного управления, проверкой при практическом использовании разработанной системы поддержки принятия решений, выступлениями на региональных, российских и международных конференциях.

На защиту выносятся:

- модель знаний о ситуациях и решениях на основе матричных представлений и преобразований их атрибутов (параметров), позволяющая конструировать решения и формировать возможные ситуации для пополнения базы знаний или для обучения ЛПР;

- алгоритм многомерной классификации ситуаций, характеризующих предметную область, отличающийся возможностью классифицировать ситуации, относящиеся к различным качественным классам;

- метод моделирования принятия решений на основе формализованного многопараметрического представления ситуаций и векторного представления их решений;

- структура компьютерной системы поддержи принятия решения при управлении организационно-техническими системами;

- комплекс программ, реализующих разработанные методы и алгоритмы.

Научная новизна работы и теоретическая значимость заключается в следующем:

- создана модель представления и обработки знаний в системах поддержки принятия решений на основе ситуационного подхода, отличающаяся возможностью эффективного конструирования решений ситуаций, отсутствующих в базе знаний, а также формировать возможные ситуации для пополнения ситуационной базы знаний или обучения ЛПР;

- разработан алгоритм многомерной классификации с учетом наличия проблемных ситуаций, предполагающий формирование кластеров различных классов ситуаций;

- разработан алгоритм генерации возможных ситуаций для пополнения ситуационной базы знаний в рамках корреляционной теории, использующий метод линейного регрессионного анализа;

- разработан алгоритм формирования управляющих воздействий на основе генетического алгоритма^ позволяющий реализовать многовариантность решений; предложена структура системы поддержки принятия решения на основе разработанных моделей и алгоритмов:

Практическая значимость работы. Предложенные математические методы и модели доведены до уровня алгоритмического и. программного обеспечения, позволяющего оценить применимость их в конкретных сферах деятельности. Научные результаты, полученные в работе, представляют интерес при построении систем поддержки принятия решений для осуществления ситуационного управления сложными организационно-техническими системами.

Разработанные методы, модели и алгоритмы представляют собой основу для программной реализации и внедрения компьютерных систем проблемного обучения в процесс подготовки специалистов по принятию ими управляющих решений.

Реализация и внедрение результатов работы. Результаты исследований использовались при выполнении госбюджетной НИР «Интеллектуальные системы обучения решению профессионально-ориентированных проблемных задач^ (в области управления организационно-техническими объектами)» (№ госрегистрации НИР 01.20.02 14952), включены в курсы «Компьютерное моделирование», «Информационные системы» подготовки студентов специальностей «Прикладная информатика в экономике», «Прикладная информатика в географии», «Компьютерная безопасность» в Тюменском государственном университете.

Апробация работы. Основные результаты докладывались на VI международной научно-технической конференции (Пенза, 2007), III межрегиональной научно-практической конференции «Информационные технологии и телекоммуникации в экономике, управлении и социальной сфере» (Тюмень, 2008); Межрегиональной научно-практической конференции «Теория и практика имитационного моделирования и создания тренажеров» (Пенза, 2002), НГ научно-практическая региональная конференция «Современные проблемы математического, и-информационного моделирования: Перспективы разработки; и внедрения инновационных 1Т-решений» (Тюмень, 2010), межвузовской.1 научно-методической. конференции «Межсессионный контроль и; качество обучения» (Тюмень, 2001), Областной научно-методической конференции «Роль информационных технологий в обучении: проблемы, перспективы, решения» (Тюмень, 2003), на научно-методических семинарах Института математики и компьютерных наук и кафедры информационных систем Тюменского государственного университета (2002-2010 г.г.).

Публикации. Основное содержание работы отражено в 17 публикациях, из которых 3 свидетельства о государственной регистрации программ для ЭВМ, в том числе 1 статья опубликована в издании из списка ВАК.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и списка литературы. Объем диссертации составляет 132 страниц. В библиографическом списке представлено 147 наименований работ российских и зарубежных авторов.

Похожие диссертационные работы по специальности «Математическое моделирование, численные методы и комплексы программ», 05.13.18 шифр ВАК

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Карякин, Юрий Евгеньевич

Выводы

1. Разработана архитектура программного комплекса, которая позволяет поддержку принятия решений на основе ситуационного управления

2. Создан программный комплекс, реализующий разработанные методы и алгоритмы. Реализованный пример принятия решения в макроэкономических моделях показывает адекватность разработанных методов и алгоритмов. Полученные управляющие решения не противоречат общепринятым решениям, принимаемым для повышения эффективности функционирования объекта управления, а наоборот подтверждают их.

Заключение

В диссертации рассмотрены результаты исследований в области наукоемких технологий поддержки принятия решений. Основное внимание было уделено проблемам разработки методов и моделей представления и обработки знаний в системе поддержки решений на основе ситуационного подхода к управлению.

Решение этих проблем позволяет достичь цели повышения эффективности представления и обработки знаний в системах поддержки принятия решений при управлении сложными системами.

При решении этих проблем были получены следующие результаты:

- исследовано применение методов ситуационного управления, современных методов обработки данных и сделан вывод о применимости и перспективности этого направления. Показано, что перспективность направления внедрения новых методов связана с уменьшением работы эксперта в процессе принятия решения и настройки системы на конкретный объект управления;

- построенная модель многофакторного представления ситуаций, характеризующих предметную область, а также решений проблемных ситуаций, показала свою эффективность в смысле применения различных методов проведения классификации, формирования возможных ситуаций и генерации решений проблемных ситуаций;

- разработанные алгоритмы: классификации с учетом наличия различных классов проблемных ситуаций, генерирования возможных ситуаций для пополнения базы знаний, формирования решения проблемных ситуаций на основе эволюционных алгоритмов, - применимы в практических задачах построения СППР;

- предложенная структура системы поддержки принятия решения на базе разработанных методов и алгоритмов дает возможность строить СППР для различных предметных областей;

- программная реализация разработанных методов и алгоритмов и вычислительные эксперименты показали работоспособность и эффективность в смысле уменьшения затрат времени на настройку системы, прогнозирования возможных проблемных ситуаций и своевременного принятия решений в управлении организационно-техническими и социально-экономическими системами.

Список литературы диссертационного исследования кандидат технических наук Карякин, Юрий Евгеньевич, 2010 год

1. Edwards J.S. Expert Systems in Management and Administration — Are they really different from Decision Support Systems? // European Journal of Operational Research, 1992.-Vol. 61.-pp. 114-121.

2. Трахтенгерц Э.А. Компьютерная поддержка принятия решений /Э.А. Трахтенгерц. -М.: СИНТЕГ, 1998. 376 с.

3. Turban Е. Decision support and expert systems: management support systems. -Englewood Cliffs, N.J.: Prentice Hall, 1995. 887 p.

4. Keen P.G.W., Scott Morton M.S. Decision support systems: an organizational perspective. Reading, Mass.: Addison-Wesley Pub. Co., 1978.

5. Scott Morton M.S. Management Decision Systems: Computer-based Support for Decision Making. Boston: Harvard University, 1971.

6. Ginzberg M.I., Stohr E.A. Decision Support Systems: Issues and Perspectives // Processes and Tools for Decision Support / ed. by H.G. Sol. Amsterdam: North-Holland Pub.Co, 1983.

7. Bonczek R.H., Holsapple C., Whinston A.B. Foundations of Decision Support Systems. New York: Academic Press, 1981.

8. Качанова Т.JI. Метатехнология системных реконструкции /Т.Л. Качанова, Б.Ф. Фомин. СПб. : Изд-во СПбГЭТУ «ЛЭТИ», 2002. -336 с.

9. Емельянов B.B. Введение в интеллектуальное имитационное моделирование. Язык РДО /В.В. Емельянов, С.И. Ясиновский, — М.: АНВИК, 1998.-426 с.

10. Попов Э.В. Реинжиниринг бизнес-процессов и искусственный интеллект //Новости искусственного интеллекта. — 1996. № 4. - С. 5-40.

11. Иванищев В.В. Введение в теорию алгоритмических сетей / В .Б. Иванищев, В.Е. Марлей. СПб.: Изд-во СПбГТУ, 2000. - 180 с.

12. Трахтенгерц Э.А. Диспетчеризация задач в распределенных системах поддержки принятия решений //Автоматика и телемеханика. — 1996. — №8.-С. 174-185.

13. Иванищев В.В. Инструментальная система автоматизации моделирования КОГНИТРОП /В.В. Иванищев, В.Е. Марлей, В.П. Морозов //Информационные технологии и вычислительные системы. 1998. -№ 3. - С. 35-42.

14. Попов Э.В. Статические и динамические экспертные системы: Учеб. пособие /Э.В. Попов, И.Б. Фоминых, Е.Б. Кисель. М.: Финансы и статистика, 1996 — 320 с.

15. Джексон П. Введение в экспертные системы М.: Издательский дом «Вильяме», 2001. — 624 с.

16. Колесников A.B. Проблемно-структурная технология разработки приложений гибридных интеллектуальных систем //Тр. VII национальной конф. по искусственному интеллекту с международным участием КИИ-2000. Т. 2. М.: Физматлит, 2000, - С. 717-725.

17. Берштейн JI.C. Модели и методы принятия решений в интегрированных интеллектуальных системах /JI.C. Берштейн, В.П. Карелин, А.Н. Целых. Ростов-на-Дону: Изд-во Ростовского университета, 1999. - 278 с.

18. Эрлих А.И. Проблемы моделирования в интеллектуальных системах //Вестн. МГТУ. 1/94. Спец. выпуск «Системы искусственного интеллекта», -М.: МГТУ, 1994. С. 29-33.

19. Хорошевский В. Ф. PIES технология и инструментарии PIES Work Bench для разработки систем, основанных на знаниях //Новости искусственного интеллекта. - 1995. — №2. — С. 65-77.

20. Electronic Resource. Mode of access: http://wvm.gensym.com/mannfacturing/whitepapers.pdf

21. Гаврилова Т.А. Базы знаний интеллектуальных систем /Т.А. Гаврилова, В.Ф. Хорошевский, СПб.: Питер, 2000. - 384 с.

22. Поспелов Д.А. Логико-лингвистические модели в системах управления. -М.: Энергоиздат, Î981. — 231с.

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

24. Башлыков А. А. Проектирование систем принятия решений в энергетике. -М.: Энергоатомиздат, 1986. 120 с.

25. Мелихов А.Н., Бернштейн Л.С., Коровин С .Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990. — 271с.

26. Герасимов Б.М., Тарасов, В.А., Токарев И.В. Человеко-машинные системы принятия решений с элементами искусственного интеллекта. — Киев: Наукова думка, 1993. 183с.

27. Тимофеев A.B., Юсупов P.M. Интеллектуализация систем автоматического управления // Тех. кибернетика. 1994. - №5. - С. 211— 223.

28. Capt. Bêlai H. Design of automated aviation systems shoud be based on a human-centred approach // ICAO Journal. 1994. - 49, №10. - P. 10-12.33. .Чачко А.Г. Подготовка операторов энергоблоков: алгоритмическийподход. М.: Энергоатомиздат, - 1986. - 230 с.

29. Человеческий фактор: Моделирование деятельности, профессиональное обучение и отбор операторов / Холдинг Д., Голстейн Н. и др. — Т.З. 4.2 -М.: Мир, 1991.-302 с.

30. Григорьев Л.И. Имитационное моделирование и обучающие системы в транспорте газа. М: ВНИИГазпром, Транспорт и подземное хранение газа, 1988, вып. 6 - 30 с.

31. Гузий H.H. Принципы разработок экспертных систем функциональных тренажеров для обучения летного состава //Экспертные системы для анализа и реконструкции программного обеспечения вычислительных систем реального времени. Киев: КИИГА, 1992. ~ С. 18-23.

32. Клыков Ю.И. Ситуационное управление большими системами -М.: Энергия, 1974. 134 с.

33. Слэйгл Дж. Искусственный интеллект. — М.: Мир, 1973 .-319с.

34. Нисенбойм Л.Б. Некоторые модели обобщения понятий! языка ситуационного управления. — В кн.:. Вопросы кибернетики. Проблемы искусственного интеллекта. М;: Научный совет по комплексной проблеме «Кибернетика» при Президиуме АН СССР, 1980. С. 131-136.

35. Хант Э., Марин Дж., Стоун Ф. Моделирование процесса формирования-понятий на вычислительной машине. — М.: Мир, 1970. 301 с.

36. Хант Э. Искусственный интеллект. — М.: Мир, 1978. 558 с.

37. Айзерман М.А., Браверман Э.М., Розоноер Л.И. Метод потенциальных функций в теории обучения машин. М.: Наука, 1970. - 384 с.

38. Александров В.В., Горский Н.Д. Алгоритмы и программы структурного метода обработки данных. Л.: Наука, 1983. - 207 с.

39. Классификация и кластер. М.: Мир, 1980. — 3 89 с.

40. Камилов М.М., Журавлев Ю.И. и др. Алгоритмы вычисления оценок и их применение. Ташкент: Фан, 1974. - 120 с.

41. Гаек П., Гавранек Т. Автоматическое образование гипотез. М.: Наука, 1984.-277 с.

42. PlotKin G.D. A further note on inductive generalization. Machine Intelligence, 1971, v. 6, p. 101-124.

43. Жуков Л.Г. Об одном алгоритме индуктивного формирования понятий. — В кн.: Вопросы кибернетики. Теория и практика ситуационного управления. М.: Советское радио, 1977. — С. 167-171.

44. Вагин В.Н. О дедуктивных и недедуктивных системах принятия решений. — В кн.: Вопросы кибернетики. Ситуационное управление. Теория и практика. — М.: Советское радио, 1980. С. 45-59.

45. Клыков Ю.И., Поспелов Д. А. Ситуационное управление в АСУ. -Управляющие машины и системы, 1972, № 1. С. 27-34.

46. Поспелов Д.А. Большие системы. Ситуационное управление. — М.: Знание, 1975.-62 с.

47. Клыков Ю. И. Ситуационное управление большими системами. — М.: Энергия, 1974. 134 с.

48. Шрейдер Ю. А. Математическая модель теории классификации. — Научно-техническая информация, Сер. 2, 1968, № 10. С. 7-24.

49. Найденова К.А. Реляционная модель анализа экспериментальных данных. Изв. АН СССР: Техническая кибернетика, 1982, № 4. - С. 103— 119.

50. Шрейдер Ю.А. Равенство. Сходство. Порядок. М.: Наука, 1971. - 254 с.

51. Шаров А. А. Осмысленность признаков и теория классификации. В кн.: Семиотика и информатика. Вып. 11. М.: ВИНИТИ, 1979. - С. 37-51.

52. Погосян Э.М. К теории автоматического синтеза понятий. — В кн.: Семиотика и информатика. Вып. 8. М.: ВИНИТИ, 1977. С. 125-152.

53. Ефимов Е.И. Автоматическое формирование понятий, описываемых замкнутыми формулами узкого исчисления предикатов. В кн.: Семиотика и информатика. Вып. 13. М.: ВИНИТИ, 1979. - С. 86-108.

54. Заренков Н.А. Лекции по теории систематики. М.: Изд~во МГУ, 1976. -140 с.

55. Виленкин Н.Я., Шрейдер Ю. А. Мажоритарные пространства и квантор «большинства». — В кн.: Семиотика и информатика. Вып. 8. М.: ВИНИТИ, 1977. С. 45-82.

56. Файкс Р., Нильсон Н. Система STRIPS новый подход к применению методов доказательства теорем при решении задач. - В кн.: Интегральные роботы. -М.: Мир, 1973. - С. 382-403.

57. Ефимов Е. И. Решатели интеллектуальных задач. М.: Наука, 1982. -320 с.

58. Робинсон Дж. Машинно-ориентированная логика, основанная на принципе резолюции. В кн.: Кибернетический сборник, Новая серия. Вып. 7. М:: Мир, 1970.- С. 194-218.

59. Чёнь Ч., Ли Р. Математическая: логика и автоматическое доказательство теорем.-М.: Наука, 1983. -358 с.

60. Маслов С.Ю. Теория поиска вывода. Кибернетика, 1975, № 4. - С. 134144. ■

61. Тыугу Э.Х. Решение задач на вычислительных моделях. Ж. мат. и мат. физ., 1970, №3. - С. 716-733.

62. Минц Г.Е., Тыугу Э.Х. Структурный синтез и неклассические логики. -В кн.: Применение методов математической, логики: Тезисы докладов. -Таллин, 1983.-С. 52-60.

63. Аверкин А.Н., Гвида Дж.,.Поспелов ДГ А5., Оомальвико М. Обобщенные: стратегии в решателях проблем: — Изв. АН СССР: Техническая кибернетика, 1978, № 5.-С. 71-83.

64. Борисов А. Н;, Алексеев А. В. и др. Модели принятия решений на основе лингвистической переменной.-Рига: Зинатне, 1982.— 256 с. ;

65. Вишняков Н; А., Гельфапдбейн Я.А., Мамонтов А. И. Базис-граф топологической модели оперативного управления.авиаремоптом. В кн.: Вопросы теории и: практики создания АСУ в гражданской авиации. Труды ГосНИИ ГА. Вып. 143. М., 1976. - С. 25-34. . . .

66. Загадская Л. С, Соколова О. В. Методика проектирования.ситуационных моделей управления. — Препринт. Научный Совет по комплексной проблеме «Кибернетика» при Президиуме АН СССР, М., 1973. 40 с.

67. Пономарев В. Ф., Колесников А. В., Кириков И. А. Об одном подходе в семиотическом моделировании состояния транспортных систем. В кн.: Вопросы кибернетики. Ситуационное управление. Теория и практика.

68. М.: Научный совет по комплексной проблеме «Кибернетика» при Президиуме АН СССР, 1980. С. 109-130.

69. Кириков И.А. Использование П1111 Моделирование состояния и поведения большой системы — МОСОП в АСУ морским рыбным портом. В кн. Экономические проблемы развития советского рыболовства в Атлантике. - Калининград: АтлантНИРО, 1981. - С. 82-84.

70. Гнеденко Б.В. Математика и контроль качества продукции. М.: Знание, 1978.-64 с.

71. Лэйард Р. Макроэкономика. М.: Джон Уайли энд Санз, 1994. - 63 с.

72. Моисеев H.H. Математические модели экономической науки. -М.: Знание, 1973.-64 с.

73. Лотов A.B. Введение в экономико-математическое моделирование. -М.: Наука, 1984.-392 с.

74. Бусленко Н.П. Моделирование сложных систем. М.: Наука, 1978. -399 с.

75. Кемени Дж., Снелл Дж. Кибернетическое моделирование: Некоторые приложения. М.: Советское радио, 1972. — 192 с.

76. Канторович Л.В. Математические модели организации и планирования производства. — Л.: ЛГУ, 1939. 68 с.

77. Канторович Л.В. Экономический расчет наилучшего использования ресурсов. М.: Наука, 1959. - 346 с.

78. Гаврилец Ю.Н. Целевые функции социально-экономического планирования. -М.: Экономика, 1983. 160 с.

79. Орлов А.И. Устойчивость в социально-экономических моделях. М.: Наука, 1979. - 296 с.

80. Подиновский В.В., Ногин В.Д. Парето — оптимальные решения многокритериальных задач. М.: Наука, 1982. — 256 с.

81. Фишберн П. Теория полезности для принятия решений. — М.: Наука, 1978.-352 с.

82. Орлов А.И. Эконометрика. М.: Экзамен, 2002. - 576 с.

83. Винн Р., Холден К. Введение в прикладной эконометрический анализ. -М.: Финансы и статистика, 1981. 294 с.

84. Гейл Д. Теория линейных экономических моделей. М.: ИЛ, 1963. -418 с.

85. Джонстон Дж. Эконометрические методы.- М.: Финансы и; статистика, 1980.-444 с.

86. Драймз Ф. Распределенные лаги: проблема выбора и, оценивания моделей. М.: Финансы и статистика, 1982. -384 с.

87. Зельнер А. Байесовские методы в эконометрии. М.: Финансы и статистика, 1980. — 438 с.

88. Пуарье Д. Эконометрия структурных изменений. М.: Финансы и статистика, 1981. - 183 с.

89. Анализ нечисловой информации / Тюрин Ю.Н., Литвак Б.Г., Орлов А.И., Сатаров Г.А., Шмерлинг Д.А. М.: Научный Совет АН СССР по комплексной проблеме «Кибернетика», 1981. — 80 с.

90. Орлов А.И. Задачи оптимизации и нечеткие переменные. М.: Знание, 1980.-64 с.

91. Анализ нечисловой информации в социологических исследованиях / Под редакцией В.Г. Андреенкова, А.И.Орлова, Ю.Н.Толстовой. М.: Наука, 1985.-224 с.

92. Льюс Р.Д., Райфа X. Игры и решения. М.: ИЛ, 1975. - 642 с.

93. Блекуэлл Д., Гиршик М. Теория игр и статистических решений. М.: ИЛ, 1958.-374 с.

94. Ченцов H.H. Статистические решающие правила и оптимальные выводы. -М.: Наука, 1972.-521 с.

95. Вощинин А.П. Метод оптимизации объектов по интервальным моделям целевой функции. М.: МЭИ, 1987. - 109 с.

96. Саати Т.Л. Математические модели конфликтных ситуаций. -М.: Советское радио, 1977. 300 с.

97. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. В 2-х кн. 2-е изд. —М.: Финансы и статистика. —Кн. 1. - 1986; Кн. 2. -1987.

98. Вучков И., Бояджиева Л., Солаков Е. Прикладной линейный регрессионный анализ. /Пер. с болг. Ю.П.Адлера. — М.: Финансы и статистика, 1987. — 240 с.

99. Адлер Ю. П. Предпланирование эксперимента. М.: Знание, 1978. — 72 с.

100. Хьюбер П. Робастность в статистике. /Пер. с англ.; Под ред. И. Г. Журбенко. -М.: Мир, 1984. 304 с.

101. Устойчивые статистические методы оценки данных. /Пер. с англ.; Под ред. Н. Г. Волкова. — М:: Машиностроение, 1984. — 232 с.

102. Холлендер М., Вулф Д. Непараметрическне методы статистики. /Пер. с англ.; Под ред. Ю. П. Адлера, Ю. Н. Тюрина. М.: Финансы и статистика, 1983. - 518 с.

103. Хеттманспергер Т. Статистические выводы, основанные на рангах /Пер. с англ. -М.: Финансы и статистика, 1987.

104. Джонсон Дж. Эконометрические методы. /Пер. с англ. — М.: Статистика, 1980.-444 с.

105. ПЗ.Маленво Э. Статистические методы эконометрии. Вып. 1. /Пер. с фр.; Под ред. Б. Н. Михалевского, Э. Б. Ершова. М.: Статистика, 1975. -423 с.

106. Кендалл М., Стьюарт А. Статистические выводы и связи. /Пер. с англ.; Под ред. А. Н. Колмогорова. М.: Наука, 1973. - 900 с.

107. Себер Дж. Линейный регрессионный анализ. /Пер. с англ.; Под ред. М.Б. Малютова, -М.: Мир, 1980. 456 с.

108. Бикел П., Доксам К. Математическая статистика. /Пер. с англ.—М.: Финансы и статистика, 1983. Вып. 1. - 278 с; Вып. 2. - 254 с.

109. Анализ авторегрессий. /Пер. с англ.; Под ред. Ю. П. Лукашина. -М.: Статистика, 1978. 232 с.

110. Тьюки Дж. Анализ результатов наблюдений. Разведочный анализ. /Пер. с англ.; Под ред. В. Ф. Писаренко. -М.: Мир, 1981. 693 с.

111. Клейнен Дж. Статистические методы в имитационном моделировании. /Пер. с англ.; Под ред. Ю.П. Адлера, В.Н. Варыгина. М.: Статистика, 1978.-Вып. 1.-221 с; Вып. 2.-335 с.

112. Айвазян С.А., Енюков И.С, Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. /Под ред. С.А. Айвазяна. — М.: Финансы и статистика, 1985. —487 с.

113. Belsley D.A., Kuh E. and Welsch R.E. Regression diagnostics. New York: J. Wiley, 1980.-292 p.

114. Weisberg S. Applied linear regression. New York: J. Wiley, 1980. - 283 p.

115. Cook R. D. and Weisberg S. Residuals and influence in regression. — New York and London: Chapman and Hall, 1982.

116. Chambers J.M., Cleveland W.S., Kleiner B. and Tukey P.A. Graphical methods for data analysis. Belmont, California: Wadsworth, 1983.

117. Atkinson A.C. Plots, transformations and regression. Oxford: Clarendon Press, 1985.-282 p.

118. Efron B. The Jackknife, the bootstrap and other resampling plans. -Philadelphia, Pa.: SIAM, 1982. 92 p.

119. Hahn H. J. More intelligent statistical software and statistical expert systems: future directions// Arner. Statistician, febr. 1985, v. 39, N 1. - P. 1-16, with discuss.

120. Системный' анализ в управлении: Учебное пособие /B.C. Анфилатов, А.А. Емельянов, А.А. Кукушкин; Под ред. А.А. Емельянова. -М.: Финансы и статистика, 2002. 368 с.

121. Бирман JI.A. Управленческие решения: Учеб. пособие. М.: Дело, 2004. -208 с.

122. Орлов А.И. Теория принятия решений. Учебное пособие. -М.: Издательство «Экзамен», 2005. 656 с.

123. Калинина В.Н., Соловьев В.И. Введение в многомерный статистический анализ: Учебное пособие. — М.: ГУУ, 2003. — 66 с.

124. Кремер Н.Ш., Путко Б.А. Эконометрика: Учебник для вузов / Под ред. проф. Н.Ш. Кремера. М.: ЮНИТИ-ДАНА, 2003. - 311 с.

125. Вагин В.Н., Головина Е.Ю., Загорянская А.А., Фомина М.В. Достоверный и правдоподобный вывод в интеллектуальных системах/ Под ред. Вагина В.Н., Поспелова Д.А. М.: Физматлит, 2004. — 704 с.

126. Дюк В., Самойленко A. Data mining: учебный курс. СПб.: Питер, 2001. -368 с.

127. Загоруйко Н.Г. Методы распознавания и их применение. -М.: Советское радио, 1972.-208 с.

128. Методы статистического моделирования в радиотехнике. Учебное пособие. СПб.: БГТУ, 2003. - 37 с.

129. Турчак Л.И. Основы численных методов: Учеб. Пособие. М.: Наука, 1987.-320 с.

130. Holland J.H. Adaptation in natural and artificial systems. Ann Arbor: University of Michigan Press, 1975.

131. Black, Paul E. Gray code. 25 февраля 2004. NIST.

132. Тарасевич Ю.Ю. Математическое и компьютерное моделирование. Вводный курс: Учебное пособие. Изд. 2-е, испр. — М.: Едиториал УРСС , 2002.- 153 с.

133. Зиновьев А.Ю. Визуализация многомерных данных. Красноярск: Изд. КГТУ, 2000.-168 с.

134. Романов А.Н., Одинцов Б.Е. Советующие информационные системы в экономике. М.: ЮНИТИ-ДАНА, 2000 - 487 с.

135. Гаскаров Д.В. Интеллектуальные информационные системы. Учеб. Для вузов. -М.: Высш.шк., 2003.-431 с.

136. Толковый словарь по искусственному интеллекту / Авторы-составители А.Н. Аверкин, М.Г. Гаазе-Рапопорт, Д.А. Поспелов. М.: Радио и связь, 1992.-256 с.

137. Френкель A.A., Адамова Е.В. Корреляционный и регрессионный анализ в экономических приложениях: Учебное пособие. М: МЕСИ, 1987. — 134 с.

138. Дубина И.Н. Математические основы эмпирических социально-экономических исследований: учебное пособие. Барнаул: Изд-во Алтю Ун-та, 2006. - 263 с.

139. Литвак Б.Г. Разработка управленческого решения: Учебник. 3-е изд., испр. - М.: Дело, 2002. - 392 с.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.