Разработка интеллектуальной системы поддержки принятия экономических решений на основе методов теорий нечетких множеств тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Малышев, Илья Александрович

• Малышев, Илья Александрович
• кандидат экономических наук
• 2006

Оглавление диссертации кандидат экономических наук Малышев, Илья Александрович

Введение

Глава 1. Методы принятия решений в экономике.

1.1. Постановка задачи принятия решений.

1.2. Многокритериальные методы принятия индивидуальных 12 ® решений.

1.3. Задачи и методы принятия коллективных решений.

1.4. Математические методы принятия решений в условиях 27 риска.

1.5. Искусственный интеллект - основа новых информацион- 31 ных технологий в экономике и менеджменте.

1.6. Нечеткие знания и способы их обработки.

1.7. Нечеткие множества и нечеткие выводы.

1.8. Компьютерные системы поддержки процессов принятия 67 решений.

Выводы по главе 1.

Глава 2. Разработка интеллектуальной системы для поддержки процес- 73 сов принятия решений на основе методов теории нечетких множеств. ф 2.1. Постановка задач принятия решений на нечетких моделях.

2.2. Описание интеллектуальной программной системы «Нечеткий выбор».

Выводы по главе 2.

Глава 3. Методика использования интеллектуальной системы для мо- 84 делирования процессов принятия решений в экономике и менеджменте.

3.1. Многокритериальный выбор методом максиминной сверт- 84 ки в сфере банковского кредитования предприятий и размещения денежных средств физическими лицами.

3.2. Выбор конкурентоспособного товара методом нечеткого 92 отношения предпочтения.

3.3. Метод нечеткого логического вывода в задаче выбора фирмой 98 кандидата на замещение вакантной должности бухгалтера.

3.4. Прогнозирование развития предприятия методом нечетко- 111 ф го логического вывода.

3.5. Выбор фирмой стратегии расширения доли рынка методом 120 аддитивной свертки.

3.6. Выбор предприятия для кредитования методом лингвис- 123 тических векторных оценок.

3.7. Сравнительный анализ различных методов принятия ре- 126 шений.

Выводы по главе 3.

Введение диссертации (часть автореферата) на тему «Разработка интеллектуальной системы поддержки принятия экономических решений на основе методов теорий нечетких множеств»

Аюуальность работы. Развитие микроэкономики, макроэкономики и прикладных дисциплин предполагает значительно более высокий уровень их формализации, определяемый процессом в области фундаментальной и прикладной математики - теории принятия решений, теории игр, математического программирования, математической статистики и др. В настоящее время экономическая теория на микро- и макроуровнях не может не включать в себя математические модели и методы как естественные и необходимые элементы.

Сегодня любые предприятия, фирмы или акционерные общества используют вычислительные машины в своей повседневной деятельности для ведения бухгалтерского учета, контроля за выполнением заказов и договоров, подготовки деловых документов. Помимо традиционных сфер применения ЭВМ по обработке рутинной информации, компьютер может оказывать существенную помощь человеку при решении творческих задач. К таким задачам можно отнести принятие решений для исследования сложных экономических систем 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.

Немаловажным для ЛПР, осуществляющих мониторинг экономической ситуации, является также накопление и многократное использование знаний, полученных при решении типовых экономических задач.

В связи с этим актуальной является проблема по созданию интеллектуальной системы поддержки принятия экономических решений на основе методов теории нечетких множеств.

Степень разработанности проблемы. В XX веке математические методы моделирования в экономике применялись широко и эффективно во многих странах мира. Разработчики этих методов были удостоены Нобелевской премии по экономике (Д. Хикс, Р. Солоц, Д. Неш, В. Леонтьев, П. Самуэльсон, Л. Кандорович и другие).

Разработкой и использованием многокритериальных методов принятия экономических решений занимались известные зарубежные ученые Р. Белл-ман, J1. Заде, P.JI. Кини, О. Моргенштерн, Дж. Фон Нейман, Э. Парето, X. Райфа, Б. Руа, Т. Саати, А. Сало, П. Фишберн, Р. Хамалайнен.

Среди российских ученых, внесших значительный вклад в исследование данной проблемы такие, как Н. М. Абдикиев, А. В. Андрейчиков, О. Н. Андрейчикова, Л. С. Беляев, А. Н. Борисов, А. А. Емельянов, О. А. Кум-берг, О. Н. Ларичев, Е. М. Мошкович, А. О. Недосекин, Д. А. Поспелов, А. В. Смирнов, Н. Г. Ярушкина и другие.

В то же время, проблема многокритериального анализа плохоформали-зованных экономических систем и процессов по их управлению требует своего дальнейшего разрешения, особенно в плане широкого внедрения интеллектуальных систем поддержки принятия решений, основанных на методах нечетких множеств.

Цель и задачи исследования. Целью диссертационного исследования является разработка интеллектуальной системы поддержки принятия экономических решений в условиях неопределенности на основе многокритериальных методов теории нечетких множеств и моделей многоаспектного анализа экономических систем.

Для достижения поставленной цели необходимо решить следующие задачи:

- проанализировать существующие подходы, методы и инструментальные средства, используемые в настоящее время для многоаспектного анализа экономических систем и обосновать целесообразность использования методов теории нечетких множеств для анализа проблем в условиях неполной, нечеткой, неколичественной информации;

- разработать на основе многокритериальных методов теории нечетких множеств интеллектуальную систему для поддержки принятия экономических решений;

- разработать и программно реализовать методы представления нечетких знаний и структуры баз знаний и данных;

- разработать комплекс моделей с использованием многокритериальных методов теории нечетких множеств для решения задач: выбора рациональных решений в сфере банковского кредитования и размещения денежных средств; выбора конкурентоспособного товара; и кандидатов на замещение вакантных должностей в экономических службах предприятий; выбора фирмами эффективных стратегий расширения доли рынка; оценки эффективности инвестиционных проектов;

- провести апробацию многокритериальных моделей принятия решений на примере анализа инвестиционных проектов.

Объектом исследования являются плохоформализуемые социально-экономические процессы, связанные с многоаспектным принятием управленческих решений.

Предметом исследования являются промышленные предприятия и учреждения, выполняющие функцию кредитования.

Методы исследований. Для решения поставленных задач использовались многокритериальные методы принятия решений, искусственного интеллекта и проектирования информационных технологий.

Научная новизна результатов, полученных в диссертации:

- разработана интеллектуальная система поддержки принятия экономических решений, математическое ядро которой образовано многокритериальными методами теории нечетких множеств: метод, реализующий принцип упорядочения точечных оценок; метод нечеткого отношения предпочтения; метод аддитивной свертки; метод нечеткого вывода на правилах с использованием точечных оценок; метод ранжирования альтернатив на основе лингвистических векторных оценок;

- разработан комплекс моделей с использованием многокритериальных методов теории нечетких множеств для решения задач: выбора рациональных решений в сфере банковского кредитования и размещения денежных средств; выбора конкурентоспособного товара; выбора наиболее достойных кандидатов на замещение вакантных должностей в экономических службах предприятий; выбора фирмами эффективных стратегий расширения доли рынка; оценки эффективности инвестиционных проектов;

- создана методика формирования и заполнения баз знаний и баз данных нечеткой экономической информацией для решения задач многокритериального принятия решений в условиях неопределенности;

- на основе проведенного вычислительного эксперимента установлено, что среди рассмотренных нечетких методов принятия решений наибольшей устойчивостью относительно исходных данных обладает метод, основанный на правилах.

Основные положения диссертации, выносимые па защиту

1. Вариант разработанной интеллектуальной системы поддержки принятия экономических решений, включающей нечеткие методы, реализующие принципы упорядочения точечных оценок; нечеткого отношения предпочтения; аддитивной свертки; нечеткого логического вывода на правилах с использованием точечных оценок; ранжирования альтернатив на основе лингвистических векторных оценок.

2. Комплекс нечетких моделей для решения задач многокритериального выбора: рациональных решений в сфере банковского кредитования и размещения денежных средств; конкурентоспособного товара; достойных кандидатов на замещение вакантных должностей в экономических службах предприятий; перспективных направлений развития предприятий; эффективных инвестиционных проектов.

3. Методика формирования и заполнения баз знаний и баз данных нечеткой экономической информацией для решения задач многокритериального принятия решений в условиях неопределенности.

4. Результат вычислительного эксперимента о наибольшей устойчивости относительно исходных данных метода, основанного на правилах.

Теоретическая и практическая значимость работы

Теоретическая значимость работы состоит в разработке новых подходов для решения плохоформализованных задач экономики различными методами многокритериального принятия решений, основанными на теории нечетких множеств; в разработке теоретических основ проектирования интеллектуальных систем поддержки принятия решений на нечетких моделях.

Практическая значимость работы состоит в создании интеллектуального программного обеспечения, позволяющего решать широкий спектр задач экономики, характеризующихся многокритериальностью, много-альтернативностью, неопределенностью, а также в разработке ряда нечетких моделей многокритериального принятия экономических решений для промышленных предприятий и финансовых учреждений.

Апробация результатов работы. Основные положения и результаты работы докладывались и обсуждались на научных конференциях Волгоградского государственного технического университета (2004, 2005, 2006 гг.), научно-практической конференции «Современная образовательная среда» (Москва, ВВЦ, 2005 г.).

По теме диссертации опубликовано 4 работы, общим объемом 9,5 п. л., (в т. ч. 8,5 п. л. авторских).

Исследование проводилось в рамках проекта РФФИ №-04-07-96502 «Разработка системы, основанной на знаниях, технологических и политических решений в условиях неопределенности».

Разработанные нечеткие модели и методики апробированы на ряде промышленных предприятий и финансовых организаций города Волгограда.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Малышев, Илья Александрович

ОБЩИЕ ВЫВОДЫ ПО ДИССЕРТАЦИИ

1. На основе анализа существующих подходов, методов и инструментальных средств для многоаспектного анализа плохоформализованных экономических процессов, предложено использовать многокритериальные методы теории нечетких множеств.

2. На основе нечетких методов, реализующих принципы упорядочения точечных оценок, нечеткого отношения предпочтения, аддитивной свертки, нечеткого логического вывода на правилах с использованием точечных оценок, ранжирования альтернатив на основе лингвистических векторных оценок разработана интеллектуальная система поддержки принятия экономических решений.

3. Разработан комплекс нечетких моделей для решения задач многокритериального выбора: рациональных решений в сфере банковского кредитования и размещения денежных средств; конкурентоспособного товара; достойных кандидатов на замещение вакантных должностей в экономических службах предприятий; перспективных направлений развития предприятий; эффективных стратегий расширения фирмами доли рынка; эффективных инвестиционных проектов.

4. Создана методика формирования и заполнения баз знаний и баз данных нечеткой экономической информацией для решения задач многокритериального принятия решений в условиях неопределенности.

5. На основе разработанного комплекса нечетких моделей решены прикладные задачи и выработаны обоснованные рекомендации для ряда промышленных предприятий и финансовых организаций города Волгограда.

6. Практическое применение разработанной интеллектуальной системы поддержки принятия решений и методика построения нечетких моделей показало их универсальность к различным исследуемым экономическим системам.

Нечеткие выводы. Рассмотрим традиционный дедуктивный вывод, основанный на применении правила вывода MODUS PONENS, в среде нечетких знаний. Вспомним его формулировку: «ЕСЛИ А - истина, И импликация А—>В - истина», то есть из факта А и правила «ЕСЛИ А, ТО В», можно вывести В. В среде нечетких знаний факт А и образец правила А * не обязательно всегда и везде совпадают, так как факты представляются как нечеткие множества, являющиеся подмножествами полных знаний, а правила -нечеткими отношениями, которые есть подмножества декартовых произведений полных множеств. Поэтому, если А и А * близки друг к другу, то их можно сопоставить и получить вывод В в сфере их совпадения. Композиционное правило вывода в среде нечетких знаний базируется на операции максиминной свертки и имеет вид: B=A°R, где R - нечеткое отношение, соответствующее правилу А*—>В*, а В - приближенное заключение, выраженное нечетким множеством т

V-B (v) = Yj V, &А ("/) Л М"/ > Vj )) /(У j ).

1.8. Компьютерные системы поддержки процессов принятия решений

Системы поддержки принятия решений (С111 IP) относятся к классу человеко-машинных систем и помогают ЛПР решать задачи выбора и упорядочения альтернатив.

СППР ДИСО (диалоговая система оптимизации), ДИОПТ (диалоговая оптимизация) и VEKTORS предназначены для аналоговой оптимизации параметров сложных систем. ДИОПТ позволяет осуществлять скалярную и векторную оптимизацию. При векторной оптимизации векторная функция представляется в виде F(v) и У(хь ., хп), где F(v) - оптимизируемая функция, a V(xi, ., хп) - функция свертки. В этой системе используется 23 алгоритма поиска решений, которые допускается изменять в процессе функционирования.

СППР ДИСО ориентирована на решение задач безусловной оптимизации функций многих переменных и задач нелинейного программирования. Описание задачи производится в этой системе на определенном языке запроса.

СППР ДИОПР и VEKTORS ориентированы на решение задач векторной оптимизации. В них используется заданная аналитически векторная целевая функция предпочтения и шесть векторно-релаксационных алгоритмов поиска. Решение задачи в системе VEKTORS осуществляется в два этапа. На первом этапе выявляется множество Парето оптимальных вариантов. На втором этапе осуществляется анализ выявленного множества на основе качественной информации о критериях. При решении задачи пользователь указывает, какие из критериев необходимо улучшить, какие не должны изменяться, а какие не существенны. На основании проделанной процедуры формируется система ограничений на значения критериев и определяется новая область допустимых значений.

Недостатками этих систем является то, что они не позволяют решать задачи многокритериального принятия решений в условиях неопределенности.

СППР ISPOT, реализованная в Японии, предназначена для решения задач многокритериального выбора в условиях определенности на аналитически заданном непрерывном множестве альтернатив. Поздние версии этой системы ориентированы на решение задач с нечетко поставленными целями. При этом множество альтернатив задается линейными равенствами и неравенствами.

В ее основу положен принцип sequential proxy optimization technique -SPOT (последовательная косвенная оптимизация). Нахождение оптимального решения в системе происходит следующим образом. Определяется пространство недоминируемых альтернативных решений, а затем на нем отыскивается окончательное решение на основе системы предпочтений ЛПР. Система предпочтений задается с помощью оценки коэффициентов замещения. Для этой цели используются разные методы: метод парных сравнений; точечных оценок, нечетких лингвистических оценок. Приоритет альтернатив определяется на основе функций предпочтения, которые задаются аппроксимированной суммой экспоненциальных выражений, суммой логарифмических или же суммой степенных функций. В случае нечетких критериев решение определяется по максиминному принципу функции принадлежности. В отличие от СППР ДИСО, ДИОПТ и VEK-TORS система ISPOT позволяет работать с нечеткими оценками.

СППР MUFCAP (multiattribute utility function calculation and assessment package) реализует принципы теории полезности, система MUFCAP позволяет осуществлять многокритериальный выбор из дискретного множества альтернатив как при определенных условиях, так и в условиях риска и неопределенности. Система позволяет определить альтернативы и критерии, обозначить интервалы их возможных значений, построить одномерные критериальные функции полезности, выявить шкалирующие константы для построения многомерной функции полезности и вычислить математическое ожидание многомерной функции полезности. Аппроксимирование однокритериальных функций полезности возможно линейными, кусочно-линейными и экспоненциальными функциями.

САШ IP ICOPSS/1 (interactive computer programm for subjective system) реализует все основные принципы и возможности системы MUFCAP. Кроме того она позволяет задавать функции полезности и функции распределения оценок в табличной форме, а также обеспечивает проверку чувствительности полученного решения. Функции полезности, распределения и кривые безразличия отображаются в системе графически. Существенным недостатком системы ICOPSS/1 является ограничение на количество альтернатив. Допускается рассмотрение не более трех альтернатив.

СППР ВЫБОР [1] (ВЫделение Бинарных Оценок Решений) предназначена для решения задач многокритериального выбора дискретных альтернатив в условиях определенности. В основу системы заложен метод выделения недоминируемых альтернатив. При анализе альтернатив используются алгоритмы компенсации и свертки критериев. Альтернативы могут оцениваться количественно и качественно. Недостатками системы можно считать ограничение на количество одновременно анализируемых критериев и альтернатив: критериев - не более 10, а альтернатив - не более 20. В системе не используются методы для оценки согласованности экспертных оценок и проверки полученных результатов на чувствительность.

СППР DELTA предназначена для решения задач многокритериального выбора дискретных альтернатив при наличии нечетких ограничений и неопределенности исходов. Система основана на методах теории полезности. Она позволяет вводить нечеткие ограничения, строить интегральную функцию распределения субъективной вероятности и одномерные функции полезности. Результаты получаются на основании вычисления математического ожидания функции полезности. Однако в данном подходе не достаточно развиты методологические аспекты определения субъективной вероятности исходов.

ClllIP SDMIS (simulation and decision making interactive system) предназначена для интерактивного решения задач многокритериальной оценки и выбора в условиях определенности. Система использует нечеткую исходную информацию как для оценки дискретных альтернатив, так и для оценки критериальных предпочтений ЛПР. Кроме того, система позволяет учитывать динамику предпочтений. Алгоритм работы с системой состоит из следующих действий: выявление, ввод важности критериев и анализ их независимости, параметризация модели выбора. Результат вычисляется на основе принципа максимизации оценочной функции, используются методы теории ценности и теории нечетких множеств. Система спроектирована открытой и поэтому позволяет использование новых методов. Недостатки системы - жесткое ограничение на количественные характеристики задачи и методологические требования к независимости критериев друг от друга.

СППР Expert Choice реализует метод анализа иерархий [179]. Она разработана под руководством профессора Т. Саати фондом творческих решений в Питсбургском университете (США). В системе реализован классический метод анализа иерархий: построение иерархии критериев и альтернатив, парное сравнение критериев и альтернатив, иерархический синтез приоритетов, оценка согласованности суждений и оценка устойчивости решений.

СППР «Pilot» и «ОЦЕНКА И ВЫБОР» [1, 124] использует линейную свертку, парные сравнения, метод анализа иерархий, функции ценности Фишберна, двухуровневый доминантный анализ по Парето. Система позволяет проводить оценку согласованности мнений группы экспертов, оценку последовательности суждений каждого эксперта, вводить иерархию абсолютных или относительных оценок объектов, использовать количественные и качественные объективные и субъективные данные. Система снабжена базами данных. Примерами областей применения системы являются: стратегическое планирование; распределение ресурсов; инвестиционный анализ; определение победителей конкурсов и тендеров; тестирование, подбор и расстановка кадров; оценка конкурентоспособности и расчет конкурентных цен; оценка рисков кредитования и расчет лимитов кредитования.

Список литературы диссертационного исследования кандидат экономических наук Малышев, Илья Александрович, 2006 год

1. Абдрахимов, Д. А. Универсальная информационно-аналитическая система поддержки принятия решений «ОЦЕНКА и ВЫБОР»: от проблематики к концепции построения и применения//Д. А., Абдрахимов, А. И Иоффин/. 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. Выбор вариантов. Основы теории/М. А. Айзерман, Ф. Т. Але-скеров. М.: Наука, 1990. - 240 с.

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

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

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

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

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

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

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

12. Асанов, А. А. Метод многокритериальной классификации ЦИКЛ и его применение для анализа кредитного риска// А. А. Асанов, П. В. Борисенков, О. Н. Ларичев и др. Экономика и математические методы, 2001. Т 37, № 2. С. 14-21.

13. Багрииовский, К А. Модели и методы экономической кибернетики. М.: Экономика, 1973.

14. Багрииовский, К А. Основы согласования плановых решений. М.: Наука, 1977. - 303 с.

15. Багрииовский, К. А. Математика плановых решений/ К. А. Багрииовский, В. П. Бусынин. М.: Наука, 1986, - 224 с.

16. Багрииовский, К. А. Имитационные системы в планировании экономических объектов К. А Багрииовский, Н. Е. Егорова. М.: Наука, 1980, - 237 с.

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

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

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

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

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

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

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

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

25. Бравермапи, А. Интегральная оценка результатов работы предприятий// Вопросы экономики/ А. Браверман, А. Саулии. 1998, № 6. С. 108-122.

26. Вилкас, Э. И. Решения: теория, информация, моделирование/ Э. И. Вилкас, Е. 3. Майминас. М.: Радио и связь, 1981, 328 с.

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

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

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

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

31. Гладков, Л. А Методы решения оптимизационных задач с использованием интеллектуальных технологий/ Труды конференции КИИ'2000/ J1. А. Гладков, В. М. Ку-рейчик. М.: Изд-во физ-мат. лит., 2000. Т 2. - С. 532-540.

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

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

34. Гольштейп Е. Г. Новые направления в линейном программировании/ Е. Г. Голынтейн, Д. Б. Юдин. М.: Сов. Радио, 1966.

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

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

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

38. Груздев, Г. В. Концепция управления реструктурированием экономики России: Дис. д-ра экон. наук. Москва, 1998. 360 с.

39. Дубров, А. М. Математико-статистическая оценка эффективности в экономических задачах. М.: Финансы и статистика, 1982. - 176 с.

40. A3. Дубров, А. М. Моделирование рисковых ситуаций в экономике и бизнесе/ А. М. Дубров, Б. А. Лагоша, Е. Ю. Хрусталев. М.: Финансы и статистика, 1999. - 176 с.

41. Евланов, JI. Г. Экспертные оценки в управлении/ JI. Г. Евланов, В. А. Кутузов. -М.: Экономика, 1978. 133 с.

42. Ерохина, Л. С. Методы прогнозирования развития конструкционных материалов/ J1. С. Ерохина, К. В. Калугина, С. К. Михайлов. JL: Машиностроение. Ленингр. отделение, 1980. - 256 с.

43. 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.

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

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

46. Жуковский, В. И. Оптимизация гарантий в многокритериальных задачах управления/ В. И. Жуковский, М. Е. Салуквадзе. Тбилиси: Мецниереба, 1996.

47. Заборский, П. А. Практика сетевого планирования научно-исследовательских и опытно-конструкторских работ/ П. А. Заборский, Д. М. Нусенбаум. М.: Экономика, 1967.-88 с.

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

49. Заде, Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир. 1986. - 165 с.

50. Замков, О. О. Математические методы в экономике/ О. О. Замков, А. В. Тол-стопятенко, Ю. Н. Черемных. М.: ДИС, 1977. - С. 245—267.

51. Зубанов, Н. В. Анализ устойчивости относительно поставленной цели как один из подходов к описанию функционирования организации в условиях неопределенности. Самара, 2001.

52. Ильинский, А. С. Формирование организационных структур управления для предпринимательской деятельности: Дис. канд. экон. наук. М., 2000. - 129 с.

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

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

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

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

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

58. Кипи, Р. Размещение энергетических объектов: Выбор решений. М.: Энерго-атомиздат, 1983, - 320 с.

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

60. Клейнер, Г. Б. Реформирование предприятий: возможности и перспективы // Общественные науки и современность. 1997, № 33. - С. 18.

61. Клыков, Ю. И. Банки данных для принятия решений/ Ю. И. Клыков, Jl. Н. Горьков. М.: Радио и связь, 1980. - 208 с.

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

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

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

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

66. Элементы математической теории принятия решений/ Автоматизация проектирования/ П. С. Краснощеков, В. В. Федоров, Ю. А. Флеров Ю.А, 1997, № 1. С. 1523.

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

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

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

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

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

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

73. Ларичев, О. И. Качественные методы принятия решений. Вербальный анализ решений/ О. И. Ларичев, Е. М. Мошкович. М.: Наука. Физматлит, 1996. - 208 с.

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

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

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

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

78. Лозовский, В. С. Экстенсиональная база данных на основе семантических сетей/ Изв. АН СССР, Техн. кибернетика, 1982, № 5. С. 23—42.

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

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

81. Мак КинссиДис. Введение в теорию игр/ пер. с англ. М.: Физматгиз,.1960.

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

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

84. Мелихов, А. Н. Ситуационные советующие системы с нечеткой логикой/ А. Н. Мелихов, Л. С. Бернштейн, С. Я. Коровин. М.: Наука, 1990. - 272 с.

85. Мерзликина, Г. С. Оценка экономической состоятельности предприятия/ Г. С. Мерзликина, Л. С. Шаховская. ВолгГТУ, Волгоград, 1998. - 265 с.

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

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

88. Микони, С. В. Методы мягкого выбора объектов/ Труды конференции КИИ'2000. М.: Изд-во физ.-мат, лит., 2000. Т. 2. - С. 472-479.

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

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

91. Михневич, А. В. Методология антикризисного управления промышленными предприятиями России: Дис. канд. экон. наук. М., 1999. 387 с.

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

93. Мушик, Э. Методы принятия технических решений/ Э. Мушик, П. Мюллер. -М.: Мир, 1990.-208 с.

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

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

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

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

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

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

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

101. Обработка знаний. М.: Мир, 1989.-293 с.

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

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

104. Окорокова, Л. Г. Методология и принципы эффективного использования и формирования ресурсного потенциала промышленных предприятий. Автореф. дис. .д-ра экон. наук. Санкт-Петербург, 2002. - 36 с.

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

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

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

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

109. Плинкетт, Л. Выработка и принятие управленческих решений/ Л. Плинкетт, Г. Хеш. М.: Экономика, 1984.- 187 с.

110. Подиновский, В. В. Лексикографические задачи оптимизации. М.: 1972.

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

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

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

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

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

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

117. Поспелов, Д. А. Многоагентные системы настоящее и будущее/ Информационные технологии и вычислительные системы, 1998, № 1. - С 4-21.

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

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

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

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

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

123. 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.

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

125. Рубашкин, В. Ш. Представление и анализ смысла в интеллектуальных информационных системах. -М.: Наука, Гл. ред. физ-мат. лит., 1989. 192 с.

126. Саати, Т. JI. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1989.-316 с.

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

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

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

130. Семушкина, Н. В. Исследование и разработка методов анализа финансового состояния предприятия на основе применения экспертных систем: Дис. . канд. экон. наук. М., 1998.-210 с.

131. Семь нот менеджмента. Изд. 3-е, доп. М.: ЗАО «ЖурналЭксперт», 1998. - 424 с.

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

133. Статистические и дииамические экспертные системы. Учебное пособие. М.: Финансы и статистика, 1996. - 320 с.

134. Степанов, А. Я. Категория «потенциал» в экономике: http:// tuk22.Krasnodar.ru / libkubstu/ Fulltextaccess / IEF/ Advertisingmarketing / libr/ А. Я. Степанов, H. В. Иванова. Учебники, словари/ 22000/ Потенц / index.htm.

135. Стоянова, Е. С. Финансовый менеджмент. Российская практика. М.: Перспектива, 1995.

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

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

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

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

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.-376 с.

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. - 256 с.

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

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

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

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

148. Фишберн, П. Обобщенная независимость по полезности и некоторые смежные вопросы/ В сб.: Статистические модели и многокритериальные задачи принятия решений/ П. Фишберн, Р. Кини Р. 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. Формирование процедур принятия решений с использованием гомоморфных отображений нечетких отношений/ А. Н. Целых, J1. С. Берн-штейн/ Труды конференции КИИ'2000. Т. 2. М.: Изд-во физ.-мат. лит., 2000. - С. 524-535.

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

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

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

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

156. Шоломов, JI. 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. - 197 с.

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

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

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

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

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

163. Ярушкина, Н. Г. Мягкие вычисления в автоматизации проектирования/ Труды конференции КИИ'2000. М.: Изд-во физ.-мат. лит., 2000. Т. 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. ftn: // 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. / Econo-metrica, 1979, №47.

173. Nash J.F. The bargaining problem. / Econometrica,1950, № 28, p. 155-162.

174. Roy B. 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 of Economic 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.

179. Общество с ограниченной ответственностью

180. ВОЛГОГРАДСКИЙ ЗАВОД БУРОВОЙ ТЕХНИКИ»400075, г. Волгоград, ш. Авиаторов, 16 Тел.факс (8442>3 5-85-11,31-57-32 Телефон: (8442>3 9-40-70 E-mail: [e-mail]иегэ

181. Система менеджмента качества00 «00'

182. В диссертационный совет КМ 212.028.03 по экономическим наукам при Волгоградском государственном техническом университете200Л. ШШ/М//.1. Справка о внедрении

183. В частности были использованы методические основы модели прогнозирования развития предприятия методом нечеткого логического вывода для диагностирования текущего состояния предприятия и прогнозирования будущего состояния.

184. Директор по экономике и финансам1шиттм1. ЮРО

185. Лицензия Министерства Финансов РФ от 24.07.2002 года № Е001335, Диплом члена некоммерческого партнерства «Межрегиональный центр экспертных и аудиторских организаций ЖКХ» ЧНП №006/2004 от 07 октября 2004 г.1. УУ' 2006 г.

186. ИНН 3443051465 КПП 344301001 И 400107, Россия, г.Волгоград, ул.К.Либкнехта, дом 21 S [phone], 36-74-74, 36-66-22 (факс) E-Mail: [e-mail]

187. В диссертационный совет КМ 212.028.03 по экономическимнаукам при Волгоградском государственном техническом университете1. Справка о внедрении.

188. На уровне методологической основы использована модель, построенная на основе метода нечеткого логического вывода в задаче выбора фирмой кандидата на замещение вакантной должности.1. Генеральный директор1. С.А. Горелова