Разработка инструментального средства и нечетких моделей для многокритериального выбора рациональных инвестиционных решений тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Стародубов, Александр Владимирович

• Стародубов, Александр Владимирович
• кандидат экономических наук
• 2007

Оглавление диссертации кандидат экономических наук Стародубов, Александр Владимирович

Введение

Глава 1 Объекты инвестиционной деятельности и методы их оценки.

1.1 .Общая характеристика инвестиционной деятельности. 8 1.2.Основные показатели эффективности инвестиционных проектов.

1.3.Методы анализа и оценки инвестиционных проектов 25 1 АПрограммное обеспечение оценки эффективности инвестиционных проектов и многокритериального принятия решений в условиях неопределенности.

Выводы по главе 1.

Глава 2 Разработка инструментального средства для поддержки процессов принятия решений при выборе рациональных инвестиционных проектов.

2.1.Теоретические основы теории нечетких множеств и нечетких выводов.

2.2.Методы теории нечетких множеств и нечетких выводов 75 2.3 .Разработка инструментального средства многокритериального принятия решений на основе методов теории нечетких множеств.

Выводы по главе 2.

Глава 3 Разработка нечетких моделей многокритериальной оценки и выбора инвестиционных проектов.

3.1.Мод ел и выбора вариантов инвестирования в новое производство.

3.2.Сравнительный анализ разработанных моделей и выводы по главе 3.

Введение диссертации (часть автореферата) на тему «Разработка инструментального средства и нечетких моделей для многокритериального выбора рациональных инвестиционных решений»

Актуальность работы. Инвестиционная деятельность в той или иной степени присуща любому предприятию. Причинами, обусловливающими необходимость инвестиций, являются обновление имеющейся материально -технической базы, наращивание объемов производства, освоение новых видов деятельности. Поэтому проблема, связанная с эффективным осуществлением инвестирования, заслуживает серьезного внимания.

Рынок инвестиций развивается, но во все времена он будет подвержен огромному количеству рисков. Для того, чтобы инвестору уберечь себя хотя бы от более или менее прогнозируемых ситуаций, при которых инвестиционный проект будет убыточен, необходимо произвести его оценку еще до принятия решения об инвестировании этого проекта. Данная оценка значительно затруднена наличием большого количества показателей, которые определяют эффективность проекта и выражены не только количественными величинами, но и качественными. Такие задачи относятся к задачам оценки и выбора решений в условиях неопределенности, когда недостаток информации компенсируется формализовано представленными знаниями экспертов.

Для решения задач принятия решений в условиях неопределенности, когда лицу, принимающему решения (ЛПР) приходится оперировать неточной, неполной, неколичественной информацией, целесообразно использовать класс методов многокритериального анализа, основанных на теории нечетких множеств.

С целью построения нечетких моделей многокритериального выбора рациональных инвестиционных решений, накопления и многократного использования знаний, полученных при решении данного типа задач, целесообразна разработка инструментального средства для поддержки процедур принятия инвестиционных решений.

Степень разработанности проблемы. Разработкой основ проектного анализа, принципами оценки инвестиционных проектов, планированием и анализом эффективности инвестиций занимались такие ученые, как А.Ф. Андреев, 3. Арсланова, В. Беренс, Р. Брейли, И.М. Волков, М.В. Грачева, В.Ф. Дунаев, В.Д. Зубарева, А.Б. Идрисов, В. Лившиц, С. Майерс, В.М. Попов, П.М. Хавранек и др.[2, 5, 6, 12, 14, 15, 18, 22, 26, 33, 39, 42, 43, 50, 53, 55, 58, 60, 63, 65, 70, 71, 83, 88, 94, 107, 108, 125, 132, 135, 138, 139, 143, 154, 156, 159].

Математическому моделированию рисковых ситуаций при выборе оптимальных вариантов инвестиционных решений у нас в стране посвящены работы A.M. Дуброва, Б.А. Лагоши, Е.Ю. Хрусталева.

Разработкой многокритериальных методов принятия экономических решений занимались известные зарубежные ученые Р. Беллман, Л. Заде, Р.Л. Кини, О. Моргенштерн, Дж. Фон Нейман, Э. Парето, X. Райфа, Б. Руа, Т. Саати, А. Сало, П. Фишберн, Р. Хамалайнен и др.

Среди российских ученых значительный вклад в исследование данной проблемы внесли Н.М. Абдикиев, А.В. Андрейчиков, О.Н. Андрейчикова, Л.С. Беляев, А.Н. Борисов, А.А. Емельянов, О.А. Крумберг, О.И. Ларичев, Е.М. Мошкович, А.О. Недосекин, Д.А. Поспелов, А.В. Смирнов, Н.Г. Ярушкина и другие. [3, 4, 13, 16, 17, 20, 21, 27, 29, 31, 34, 35, 37, 40, 41, 44, 45, 54, 59, 61, 62, 68, 69, 72, 73,75,76, 79, 84, 85, 89, 90-92, 95-97, 99, 103, 109, 112, ИЗ, 114, 115, 122, 123, 126, 127, 131,141, 144-147, 149-152, 157,158, 160, 164, 168-182].

В то же время, проблема многокритериального выбора рациональных инвестиционных решений и создания инструментальных средств для построения нечетких моделей требует своего дальнейшего разрешения.

Цель и задачи исследования. Целью диссертационного исследования является разработка инструментального средства и нечетких моделей для решения задач многокритериального выбора инвестиционных решений.

Для достижения поставленной цели необходимо решить следующие задачи: проанализировать существующие подходы, методы и инструментальные средства, используемые в настоящее время для оценки и выбора инвестиционных решений, и обосновать целесообразность использования для этих целей многокритериальных методов теории нечетких множеств; разработать инструментальное средство, включающее программный модуль расчета основных показателей, характеризующих экономическую эффективность инвестиционных решений, а также комплекс программных модулей, позволяющих проводить многокритериальный выбор альтернатив на основе методов: пересечения нечетких множеств; нечеткого отношения предпочтения; правила нечеткого вывода; аддитивной свертки; лингвистических векторных оценок; разработать структуры баз данных для хранения информации об анализируемых инвестиционных проектах; разработать комплекс нечетких математических моделей выбора вариантов инвестирования в новое производство на основе нечетких методов многокритериального выбора; провести апробацию и сравнительный анализ разработанных многокритериальных моделей принятия решений.

Объектом исследования являются предприятия, решающие задачи инвестирования средств в выпуск новой продукции.

Предметом исследования являются плохоформализуемые экономические процессы, связанные с многоаспектным принятием управленческих решений в условиях неопределенности и риска.

Методы исследований. Для решения поставленных задач использовались методы теории нечетких множеств, методы многокритериального принятия решений, методы проектирования информационных технологий.

Научная новизна результатов, полученных в диссертации: разработано программное инструментальное средство, позволяющее осуществлять поддержку процедур принятия обоснованных решений и аккумулировать знания в сфере оценки и выбора инвестиционных проектов, характеризующихся многими количественными и не количественными критериями экономического и не экономического характера; на основе методов пересечения нечетких множеств, нечеткого отношения предпочтения, правила нечеткого логического вывода, аддитивной свертки и лингвистических векторных оценок разработаны математические модели многокритериального выбора вариантов инвестирования в новое производство; разработаны базы данных и базы знаний для хранения математических моделей и информации об анализируемых инвестиционных проектах, позволяющие многократное их использование при решении подобных экономических задач; на основе проведенного вычислительного эксперимента установлено, что нечеткие методы принятия решений позволяют удобно и достаточно объективно производить оценку альтернатив по отдельным критериям; в отличие от других методов многокритериального принятия решений в условиях неопределенности, добавление новых альтернатив не изменяет порядок ранее ранжированных наборов; при оценке альтернатив по критериям возможна как лингвистическая оценка, так и точечная оценка с использованием функций принадлежности критериев.

Основные положения диссертации, выносимые на защиту 1. Вариант разработанного программного инструментального средства, позволяющего осуществлять поддержку процедур принятия обоснованных решений и аккумулировать знания в сфере оценки и выбора инвестиционных проектов, характеризующихся многими количественными и неколичественными критериями экономического и не экономического характера.

2. Математические модели многокритериального выбора вариантов инвестирования в новое производство, основанные на методах пересечения нечетких множеств, нечеткого отношения предпочтения, правила нечеткого логического вывода, аддитивной свертки и лингвистических векторных оценок.

3. Структура и методика формирования и заполнения баз данных и баз знаний, предназначенных для хранения математических моделей и информации об анализируемых инвестиционных проектах с целью их многократного использования при решении подобных экономических задач.

4. Результаты сравнительного анализа нечетких методов принятия решений, которые показали: удобство и объективность проведения оценки альтернатив по отдельным критериям; неизменность порядка ранее ранжированных альтернатив при добавлении новых; возможность лингвистической и точечной оценки альтернатив по критериям.

Теоретическая и практическая значимость работы

Теоретическая значимость работы состоит в разработке новых подходов по созданию инструментальных средств, позволяющих осуществлять поддержку процедур обоснованного выбора инвестиционных решений в условиях неопределенности и риска за счет использования алгоритмов, основанных на методах теории нечетких множеств.

Практическая значимость работы состоит в создании конкретного варианта инструментального средства и нечетких моделей для решения задач многокритериального выбора рациональных инвестиционных решений при развитии нового производства.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Стародубов, Александр Владимирович

Общие выводы по работе

1. Разработано программное инструментальное средство, позволяющее осуществлять поддержку процедур принятия обоснованных решений и аккумулировать знания в сфере оценки и выбора инвестиционных проектов, характеризующихся многими количественными и не количественными критериями экономического и не экономического характера;

2. На основе методов пересечения нечетких множеств, нечеткого отношения предпочтения, правила нечеткого логического вывода, аддитивной свертки и лингвистических векторных оценок разработаны математические модели многокритериального выбора вариантов инвестирования в новое производство;

3. Разработаны базы данных и базы знаний для хранения математических моделей и информации об анализируемых инвестиционных проектах, позволяющие многократное их использование при решении подобных экономических задач;

4. На основе проведенного вычислительного эксперимента установлено, что нечеткие методы принятия решений позволяют удобно и достаточно объективно производить оценку альтернатив по отдельным критериям; в отличие от других методов многокритериального принятия решений в условиях неопределенности, добавление новых альтернатив не изменяет порядок ранее ранжированных наборов; при оценке альтернатив по критериям возможна как лингвистическая оценка, так и точечная оценка с использованием функций принадлежности критериев.

5. Ранжирование на основе пересечения нечетких множеств и ранжирование на основе отношения порядка на множестве лингвистических векторных оценок реализуют пессимистический подход и могут быть использованы в тех случаях, когда необходимо получить решение, свободное от слабых сторон. Такие подходы могут быть особенно ценны на начальных этапах системного анализа проблемы, определяющих временные и материальные потери от принятого решения. Аддитивная свертка и метод, основанный на отношении предпочтения, напротив, предполагают одинаковый статус высоких и низких оценок. Использование таких подходов полезно в тех случаях, когда важно найти не только решения, оптимальные с точки зрения интегрального критерия, но и решения, обладающие наилучшими характеристиками по некоторым из критериев. Наиболее широкие возможности для представления информации дает подход, основанный на правиле нечеткого вывода, моделирующий рассуждение эксперта.

126

Список литературы диссертационного исследования кандидат экономических наук Стародубов, Александр Владимирович, 2007 год

1. Абдрахимов Д.А., Иоффин А.И. Универсальная информационно -аналитическая система поддержки принятия решений «ОЦЕНКА и ВЫБОР»: от проблематики к концепции построения и применения // ВИНИТИ Научно-техническая информация, 1999, №1.

2. Азовцева И.К. Адаптированный механизм как основополагающий элемент концепции управления экономико социальными системами. Режим доступа: http: // eup.ru / Documents / 2002-05-15 / 1906.asp.

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

4. Айзерман М.А., Вольский В.И., Литваков Б.М. Элементы теории выбора. Псевдокритерии и псевдокритериальный выбор. М.: ИЛУ РАН, 1994, 216с.

5. Акофф Р.Л. Планирование в больших экономических системах / Пер. с англ. Г.Б. Рубальского, под ред. И.А.Ушакова. М.: Сов. Радио, 1972.

6. Акофф Р.Л., Эмери Ф.И. О целеустремленных системах / Пер. с англ. Г.Б. Рубальского, под ред. И.А.Ушакова. М.: Сов. Радио, 1974. - 272с.

7. Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, планирование решений в экономике. М.: Финансы и статистика, 2000, 368с.

8. Андрейчиков А.В., Андрейчикова О.Н., Компьютерная поддержка изобретательства (методы, системы, примеры применения). М.: Машиностроение, 1998, 467с.

9. Ю.Андрейчикова О.Н. Интеллектуальные системы для поддержки процессов принятия решений: Учеб. пособие / ВолгГТУ, Волгоград, 1996, 172с.

10. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы. / М.: Финансы и статистика, 2004, 424с.

11. Анчишкин А.И. планирование народного хозяйства: спецкурс А.И. Анчишкина / Под ред. Э.Н.Крылатых, М.: Изд-во МГУ, 1990, - 104с.

12. П.Асанов А.А., Борисенков П.В., Ларичев О.Н., Нарыжный Е.В.,

13. Ройзензон Г.В. Метод многокритериальной классификации ЦИКЛ и его применение для анализа кредитного риска. // Экономика и математические методы, 2001, том 37, №2, с.14-21.

14. Багриновский К.А. Модели и методы экономической кибернетики. М.: Экономика, 1973

15. Багриновский К.А. Основы согласования плановых решений. М.: Наука, 1977.-303с.

16. Багриновский К.А., Бусынин В.П. Математика плановых решений. М.: Наука, 1986,-224с.

17. Багриновский К. А., Егорова Н.Е. Имитационные системы в планироывании экономических объектов. М.: Наука, 1980, - 237с.

18. Баканов М.И., Шеремет А.Д. Теория экономического анализа: Учебник. -3-е изд., перераб. -М.: Финансы и статистика, 1994. 288с.

19. Беллман Р., Заде Л. Принятие решений в расплывчатых условиях // Вопросы анализа и процедуры принятия решений: Пер. с англ. М.: Мир, 1976. - с.172-175.

20. Березовский Б.А., Борзенко В.И., Кемпнер Л.М. Бинарные отношения в многокритериальной оптимизации, М.: Наука, 1981, 147с.

21. Бешелев С.Д., Гурвич Ф.Г. Экспертные оценки в принятии решений. -М.: Экономика, 1976, 79с.

22. Бешорнер Т. Управление предприятием: еще один взгляд на стоимостную ориентацию // Проблемы теории и практики управления. 2001. - №1.

23. Блишун А.Ф. Нечеткие индуктивные модели обучения в экспертных системах. / Изв. АН СССР. Техн. кибернетика, 1989, №5, с. 94-104.

24. Борисов А.Н., Вилюмс Э.Р., Сукур Л.Я. Диалоговые системы принятия решений на базе МИНИ ЭВМ: Информационное, математическое и программное обеспечение. - Рига: Зинатне, 1986,195с.

25. Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решений на основе нечетких моделей. Рига: Зинатне, 1990, 184с.

26. Браверманн А., Саулин А. Интегральная оценка результатов работы предприятий //Вопросы экономики. 1998, №6, с. 108-122.

27. Вилкас Э.И., Майминас Е.З. Решения: теория, информация, моделирование. М.: Радио и связь, 1981, 328с.

28. Виноградская Т.М. Принципы построения автоматизированной системы «ВЫБОР».// Автоматизация проектирования систем управления. М.: Статистика, 1979, вып. 2, с. 176-184.

29. Воробьев Н.Н. Теория игр для экономистов кибернетика. - М.: Наука, 1985,272с.

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

31. Гвоздик А. А. Упорядочение объектов на основе выделения согласованной информации о предпочтениях. / Изв. АН СССР. Техн. кибернетика, 1989, №5, с. 113-117.

32. Гладков Л.А., Курейчик В.м. Методы решения оптимизационных задач с использованием интеллектуальных технологий. / Труды конференции КИИ'2000, М.: Изд. физ-мат. лит., 2000, том 2, с.532-540.

33. Глущенко В.В., Глущенко И.И. Разработка управленческого решения: прогнозирование, планирование, теория проектирования экспериментов. Железнодорожный транспорт: ТОО НПЦ «Крылья», 1997. - 400с.

34. Гмошинский В.Г. Инженерное прогнозирование. М.: Энегроатомиздат, 1982.-208.

35. Гольштейн Е.Г., Юдин Д.Б. Новые направления в линейном программировании. -М.: Сов. Радио, 1966.

36. Городецкий В.И., Карсаев О.В. Индуктивное обучение (Логико -алгебраический подход). / Препринт №142. Л.: ЛИИАН, 1991, 60с.

37. Графт М.Г. Выборы по отношению. / Изв. АН СССР. Техн. кибернетика, 1987, №1, с.192-199.

38. Грей П. Логика, алгебра и базы данных. М.: Машиностроение, 1989, 368с.

39. Груздев Г.В. Концепция управления реструктурированием экономики России: Дисс. на соиск. уч. степ, доктора экономических наук. Москва, 1998.-360с.

40. Дифференциальные игры со многими участками. Указатель литературы на 1989-94.-Челябинский госуниверситет, 1995, 124с.

41. Дубов A.M., Травкин С.И., Якимец В.Н. Многокритериальные модели формирования и выбора вариантов систем. М.: Наука, 1986, 296с.

42. Дубров A.M. Математико статистическая оценка эффективности в экономических задачах. - М.: Финансы и статистика, 1982. - 176с.

43. Дубров A.M., Лагоша Б.А., Хрусталев Е.Ю. Моделирование рисковых ситуаций в экономике и бизнесе. -М.: Финансы и статистика, 1999, 176с.

44. Евланов Л.Г., Кутузов В.А. Экспертные оценки в управлении. М.: Экономика, 1978; - 133с.

45. Ерохина Л.С., Калугина К.В., Михайлов С.К. Методы прогнозирования развития конструкционных материалов. Л.: Машиностроение. Ленингр. отделение, 1980.-256с.

46. Жаке Лагрез Э. применение размытых отношений при оценке предпочтительности распределенных величин. / В сб.: Статистические модели и многокритериальные задачи принятия решений. - М.: Статистика, 1979, с.168-183.

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

48. Жуковский В.И. Кооперативные игры при неопределенности и их приложения. -М: Эдиториал УРСС, 1999, 336с.

49. Заде J1. Основы нового подхода к анализу сложных систем и процессов принятия решений, В кн.: «Математика сегодня». М.: Знание, 1974, с.5-49.

50. Заде J1. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир. 1986, 165с.

51. Ильинский А.С. Формирование организационных структур управления для предпринимательской деятельности: Дисс. на соиск. уч. степ. канд. эконом, наук. М., 2000, 129с.

52. Интеллектуальные системы принятия проектных решений. / Алексеев В.А., Борисов А.Н., Вилюмс Э.Р. и др. Рига: Зинатне, 1997, 320с.

53. Искусственный интеллект. В 3-х кн. Справочник. М.: Радио и связь, 1990.

54. Как добиться успеха: Практические советы деловым людям / Под ред. В.Е.Хруцкого. -М.: Республика, 1992, 305с.

55. Касаткин Н.Н. Численные методы. М.: Наука, 1978, 512с.

56. Кинг У., Клиланд Д. Стратегическое планирование и хозяйственная политика / Общ. Ред. и предисл. Г.Б.Кочеткова М.: Прогресс, 1982. -339с.

57. Кини Р. Размещение энергетических объектов: Выбор решений. М.: Энергоатомиздат, 1983,320с.

58. Кини Р., Райфа X. Принятие решений при многих критериях: Предпочтения и замещения. М.: Радио и связь, 1981, 560с.

59. Клейнер Г.б. Реформирование предприятий: возможности и перспективы // Общественные науки и современность. 1997, №33, с. 18.

60. Клыков Ю.И., Горьков JI.H. Банки данных для принятия решений.- М.: Радио и связь, 1980 208с.

61. Ковалев В.В. Финансовый анализ: Управление капиталом. Выбор инвестиций. Анализ отчетности. 2-е изд., перераб. и доп. - М.: Финансы и статистика, 2000. - 512с.

62. Колесников А.В. Проблемно структурная технология разработки приложений гибридных интеллектуальных систем. / Труды конференции КИИ'2000. -М.: Изд. физ. - мат. лит., 2000, том 2, с. 717-725.

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

64. Кофман А., Дебазей Г. Сетевые методы планирования. Применение системы ПЕРТ и ее разновидностей при управлении производством и научно исследовательскими проектами. Пер. с франц. - М.: Прогресс, 1968.

65. Краснощеков П.С., Федоров В.В., Флеров Ю.А. Элементы математической теории принятия решений. / Автоматизация проектирования, 1997, №1, с.15-23.

66. Крейнина М.Н. Финансовое состояние предприятия. Методы оценки. -М.: ИКЦ «ДИС», 1997 224с.

67. Ларионов А.И. Экономике математические методы в планировании -М.: Высшая школа, 1991. -240с.

68. Ларичев О.И. Наука и искусство принятия решений. М.: Наука, 1979, 200с.

69. Ларичев О.И. Субъективные модели и объективные решения. М.: Наука, 1987.

70. Ларичев О.И. Теория и методы принятия решений, а также Хроника событий в Волшебных Странах. М.: Логос, 2000, 296с.

71. Ларичев О.И., Браун Р. Количественный и вербальный анализ решений: сравнительное исследование возможностей и ограничений. / Экономика и математические методы, 1998, т.34, вып.4, с.97-107.

72. Ларичев о.И., Мошкович Е.М. Качественные методы принятия решений. Вербальный анализ решений. М.: Наука. Физматлит, 1996, 208с.

73. Левин Р., Дранг Д., Эделсон Б. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике. М.: Финансы и статистика, 1991, 239с.

74. Ленский В.Е. Субъектно ориентированный подход: парадигма искусственного интеллекта. / Новости искусственного интеллекта, 1999, №1, с.90-119.

75. Лисичкин В.А., Голыпкер Е.И. принятие решений на основе прогнозирования в условиях АСУ.- М.: Финансы и статистика, 1981, 50с.

76. Логический подход к искусственному интеллекту: от классической логики к4 логическому программированию. М.: Мир, 1990, 432с.

77. Лозовский B.C. Экстенсиональная база данных на основе семантических сетей. / Изв. АН СССР, Техн. кибернетика, 1982, №5, с.23-42.

78. Лорье Ж. Л. Системы искусственного интеллекта. - М.: Мир, 1991, 568с.

79. Майминас Е. 3., Тамбовцев В.Л., Фонатов А.Г. и др. Проблемы методологии комплексного социально экономического планирования / Под ред. Н.П.ФеДоренко и др. -М.: Наука, 1983, - 415с.

80. Мак Кинсси Дис. Введение в теорию игр: Пер. с англ. М.: Физматгиз,.1960.

81. Макаров И.М. Теория выбора и принятия решений. М.: Наука, 1982, 382с.

82. Марселлус Д. Программирование экспертных систем на Турбо Прологе. - М.: Финансы и статистика, 1994, 256с.

83. Мелихов A.M., Бернштейи JI.C., Коровин С .Я. Ситуационные советующие системы с нечеткой логикой. -М.: Наука, 1990, 272с.

84. Мерзликина Г.С., Шаховская JI.C. Оценка экономической состоятельности предприятия. ВолгГТУ, Волгоград, 1998. - 265с.

85. Месарович М., Мако Д., Такахара Н. Теория иерархических многоуровневых систем / Под ред. И.Ф.Шахнова. М.: Мир, 1973.- 344с.

86. Месарович М., Такахара И. Общая теория систем: математические основы / Под ред. С.В.Емельянова. М.: Мир, 1978.

87. Микони С.В. Методы мягкого выбора объектов. / Труды конференции КИИ'2000. -М.: Изд. Физ. мат, лит., 2000, том 2, с.472-479.

88. Миркин Б.Г. Проблема группового выбора. М.: Наука, 1974, 256с.

89. Михеенкова М.А., Финн В.К. Об одном классе экспертных систем с неполной информацией. / Изв. АН СССР, Техн. кибернетик, 1986, №5.

90. Михневич А.В. Методология антикризисного управления промышленными предприятиями России: Дисс. на соиск. уч. степ. канд. экономических наук. М., 1999. 387с.

91. Мулен Э Кооперативное принятие решений: Аксиомы и модели, М.: Мир, 1991,464с.

92. Мушик Э., Мюллер П. методы принятия технических решений, М.: Мир, 1990, 208с.

93. Наумова Н.И. Неманипулируемость некоторых процедур голосования с векторными стратегиями. / В избранных трудах междунар. конф. По проблемам управления, том 2. М.: СИНТЕГ, 1999, с.83-88.

94. Нейлор К. Как построить свою экспертную систему. М.: Энергоатомиздат, 1991.

95. Нейман Дж. Фон, Моргенштерн О. Теория игр и экономическое поведение. М.: Наука, 1970, 601с.

96. Недосекан А.О., Максимов О.Б. Анализ риска банкротства предприятия с применением нечетких множеств // Вопросы анализа риска.- 1999.-№2-3.

97. Нечеткие множества в моделях управления и искусственного интеллекта. -М.: Наука, Физматлит, 1986, 312с.

98. Нечеткие множества и теория возможностей. Последние достижения. -М.: Радио и связь, 1986, 408с.

99. Неш Дж. Бескоалиционные игры. В кн.: Матричные игры. М.: Физматгиз, 1961, с.205-221.

100. Обработка знаний. М.: Мир, 1989, 293с.

101. Обработка нечеткой информации в системах принятия решений. -М.: Радио и связь, 1989, 304с.

102. Ойхман Е.Г., Попов Э.В. Реинжиниринг бизнеса: Реинжиниринг организаций и современные информационные технологии. -М.: Финансы и статистика, 1997. 336с.

103. Окорокова Л.Г. Методология и принципы эффективного использования и формирования ресурсного потенциала промышленных предприятий. Автореф. дисс. на соиск. уч. степени доктора экономических наук. Санк - Петербург, 2002, - 36с.

104. Оптнер С.Л. Системный анализ для решения деловых и промышленных проблем: Пер. с англ. -М.: Советское радио, 1969. 216с.

105. Оптимизация качества. Сложные продукты и процессы. / Калинина Э.В., Лапига А.Г., Поляков В.В. и др. -М.: Химия, 1989, 256с.

106. Орловский С.А. Проблемы принятия решений при нечеткой входной информации. -М.: Наука, 1981, 208с.

107. Осипов Г.С. Динамика в системах, основанных на знаниях. / Известия АН. Теория и системы управления, 1998, №5, с.24-28.

108. Плинкетт Л., Хейл Г. Выработка и принятие управленческих решений. -М.: Экономика, 1984, 187с.

109. Подиновский В.В. Лексикографические задачи оптимизации. М.: 1972.

110. Подиновский В.В. Многокритериальные задачи с однородными равноценными критериями. / Журнал вычислительной математики и математической физики, 1975, №2, с.330-344.

111. Подиновский В.В., Ногин В.Д. Парето оптимальные решения многокритериальных задач. -М.: Наука, 1982, 320с.

112. Попов Э.В. Корпоративные системы управления знаниями // Новости искусственного интеллекта. 2001. - №1. - С. 14-25.

113. Попов Э.В. Экспертные системы. М.: Наука, 1987, 288с.

114. Представление и использование знаний. М.: Мир, 1989, 220с.

115. Поспелов Д.А. Логико лингвистические модели. - М.: Энергоиздат, 1981.-232с.

116. Поспелов Д.А. Многоагентные системы настоящее и будущее. / Информационные технологии и вычислительные системы, 1998, №1, с.14-21.

117. Поспелов Д.А. Моделирование рассуждений. М.: Радио и связь, 1989, 184с.

118. Райфа Г. Анализ решений, М.: Наука, 1977, 408с.

119. Райфа Г., Шлейфер Р. Прикладная теория статистических решений, М.: Статистика, 1977, 306с.

120. Российский СОФТ (1998/1999): Справочник по программному обеспечению. М.: Центр интеллектуальных систем «Метод», 1998. -160с.

121. Ростовцев Ю.Г. Проблема моделирования поведения субъектно -ориентированных систем на основе их ценностной ориентации. / Известия ВУЗов. Приборостроение, 2001, №3, с.54-67.

122. Руа Б. Классификация и выбор при наличии нескольких критериев (метод ЭЛЕКТРА). В кн.: Вопросы анализа и процедуры принятия решений. -М.: Мир, 1976, с. 80-107.

123. Руа Б. К общей методологии выработки и принятия решений. / В сб.: Статистические модели и многокритериальные задачи принятия решений.- М.: Статистика, 1979, с. 123-167.

124. Рубашкин В.Ш. Представление и анализ смысла в интеллектуальных информационных системах. М.: Наука, Гл. ред. физмат, лит., 1989, 192с.

125. Саати T.JI. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1989, 316с.

126. Саати Т., Кернст К. Аналитическое планирование. Организация систем: Пер. с англ. М.: Радио и связь, 1991. - 224с.

127. Самойлович В.Г. Прогнозирование оптимального технико -экономического уровня машин. М.: Машиностроение, 1987. - 136с.

128. Саркисян С.А., Акопов П.Л., Мельник Г.В. Научно техническое прогнозирование и программно - целевое планирование в машиностроении. - м.: Машиностроение, 1987. -304с.

129. Семушкина Н.В. Исследование и разработка методов анализа финансового состояния предприятия на основе применения экспертных систем: Дисс. на соиск. уч. степ. канд. эконом, наук. М., 1998. 21 Ос.

130. Семь нот менеджмента. Изд. третье, дополненное. М.: ЗАО «ЖурналЭксперт», 1998. - 424с.

131. Соломатин Н.М. Информационные семантические системы. М.: Высшая школа, 1989, 127с.

132. Статистические и динамические экспертные системы. Учебное пособие. М.: Финансы и статистика, 1996, 320с.

133. Степанов А.Я., Иванова Н.В. Категория «потенциал» в экономике: http: // tuk22.Krasnodar.ru / libkubstu / Fulltextaccess / IEF /

134. Advertisingmarketing / libr / Учебникисловари / 22000 / Потенц / index.htm.

135. Стоянова E.C. Финансовый менеджмент. Российская практика. -М.: Перспектива, 1995.

136. Таунсенд X., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ. М.: Финансы и статистика, 1990, 320с.

137. Таха X. Исследование операций. В 2-х кн. -М.: Мир, 1985.

138. Тельнов Ю.Ф. Интеллектуальные информационные системы в экономике: Учеб. пособие. 3-изд. - М.: СИНТЕГ, 2002, - 306с.

139. Тельнов Ю.Ф. Реанжиниринг бизнес процессов. - М.: Финансы и статистика, 2003. - 256с.

140. Теория прогнозирования и принятия решений. Учебн. Пособие. Под ред. С.А. Саркисяна. М.: Высшая школа, 1977.

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

142. Трахтенгерц Э.А. Методы генерации, оценки и согласования решений в распределенных системах поддержки принятия решений. / Автоматика и телемеханика, 1995, №4, с.3-52.

143. Трахтенгерц Э.А. Субъективность в компьютерной поддержке управленческих решений. М.: СИНТЕГ, 2001, 256с.

144. Трухаев Р.Н. Методы принятия решений в условиях неопределенности, М.: Наука, 1980, 321с.

145. Федоров В.В. Численные методы максимины. М.: Наука, 1979, -278с.

146. Фишер Р. Путь к согласию или переговоры без поражения. М.: Наука, 1992, 155с.

147. Фишберн П. Теория полезности для принятия решения. М.: Наука, 1978,352с.

148. Фишберн П., Кини Р. Обобщенная независимость по полезности и некоторые смежные вопросы. / В сб.: Статистические модели и многокритериальные задачи принятия решений. М.: Статистика, 1979, с.45-52.

149. Финн В.К. Индуктивные модели. / Веб.: Представление знаний в человеко машинных работотехнических системах, т.А. - М.: ВИНИТИ, 1984.

150. Хорват П. Сбалансированная система показателей как средство управления предприятием // Проблемы теории и практики управления. -2001. №1.

151. Целых А.Н., Бернштейн JI.C. Формирование процедур принятия решений с использованием гомоморфных отображений нечетких отношений. / Труды конференции КИИ'2000, том 2, М.: Изд. физ-мат. лит., 2000, с. 524-535.

152. Черемных Н.Н. Математические модели развития народного хозяйства. М.: Изд.-во МГУ, 1986. - 102с.

153. Чернов Г., Мозес JL Элементарная теория статистических решений.: Пер. с англ. М.: Сов. Радио, 1962 - 406с.

154. Чувахин Н. Трудная судьба матрицы BCG. Режим доступа: http: // www.cfin.ru / chuvakhin / bcg.shtml.

155. Шишкин Е.В., Чхартишвили А.Г. Математические методы и модели в управлении. М.: Дело, 2000, 400с.

156. Шоломов Л.А.Функциональные возможности и сложность механизмов выбора, основанных на исключении худших вариантов. / Изв. АН СССР. Техн. кибернетика, 1987, №1, с.10-17.

157. Экспертные системы для персональных компьютеров: методы, средства, реализация. Минск: Вышэйшая школа, 1990, 197с.

158. Экспертные системы: состояние и перспективы. М.: Наука, 1989, 152с.

159. Экспертные системы. Принципы работы и примеры. М.: Радио и связь, 1987,224с.

160. Эддоус М., Стенфилд Р Методы принятия решений. М.: Аудит, ЮНИТИ, 1997, 590с.

161. Элти Дж., Кумбс М. Экспертные системы: концепции и примеры. -М.: Финансы и статистика, 1987, 191с.

162. Юдин Д.Б. Вычислительные методы теории принятия решений. -М.: Наука, 1989,Ю 320с.

163. Ярушкина Н.Г. Мягкие вычисления в автоматизации проектирования. / Труды конференции КИИ'2000, М.: Изд. физ-мат. лит., 2000, том 2, с.541-549.

164. Altman Е. Corporate Financial Distress. New York, Wiley, 1983.

165. Arrow K.J. Social Choice and Individual Values. New York: John Wiley, 1963.

166. Bauer P., Nonak S., Winkler R. A brief course in Fuzzy Logic and Fuzzy Control, ftp: // ftp.flll.uni-linz.ac.at / pub / info, 1996.

167. Clarke E.H. Multipart pricing of public goods. / Public Choice, 1970, №11, p.17-33.

168. Gibbard A.Manipulation of voting schemes: a general result. / Econometrica, 1973, №41, p.587-601.

169. Green J., Laffont J.J. Incentives in pablic decision making. In Stadies of Pablic Economics, vol.1, Amsterdam: Noth Holland, 1979.

170. Groves T. Incentives in tenms. / Econometrica, 1973, №41, p.617-663.

171. Groves Т., Loeb M. Incentives and public inputs. Jonrnal of public Economics, 1975, №4, p.211-226.

172. Kahneman D., Tversky A. Prospect Thory: an analysis of decisions risk. /Econometrica, 1979, №47.

173. Nash J.F. The bargaining problem. / Econometrica, 1950, №28, p.l55-162.

174. Roy В. Multicriterica Methodology for Decision Aiding. Dordrecht: Kluwer Academic Publisher, 1996.

175. Saaty T.L. Fundamentals of Decision making and Prioritu Theory with the Analytic Hierarchy Process. Pittsburgh RWS Publication, 1994. - 527 p.

176. Satterthwaite M.A. Stategy profneess and Arrows conditions: existence and correspondence theorems for voting procedures and social welfare functions. / Jour-nal ofE#conomic Theory, 1975, №10, p.198-217.

177. Sen A.K. Collective Choice and Social Welfare. San Francusco: Holden Day, 1970.

178. Sertel M.R. Choice, hull, continuity and fidelity // Math. Soc. Sciences, 1988, vol. 16, №2, p.203-206.