Разработка методов и алгоритмов автоматизированной системы экспертного оценивания слабо формализуемых объектов транспорта тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат технических наук Денисов, Андрей Витальевич

  • Денисов, Андрей Витальевич
  • кандидат технических науккандидат технических наук
  • 2009, Ростов-на-Дону
  • Специальность ВАК РФ05.13.06
  • Количество страниц 149
Денисов, Андрей Витальевич. Разработка методов и алгоритмов автоматизированной системы экспертного оценивания слабо формализуемых объектов транспорта: дис. кандидат технических наук: 05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям). Ростов-на-Дону. 2009. 149 с.

Оглавление диссертации кандидат технических наук Денисов, Андрей Витальевич

ВВЕДЕНИЕ.

1 АНАЛИЗ ТРЕБОВАНИЙ К СИСТЕМАМ УПРАВЛЕНИЯ ОБЪЕКТАМИ, ИМЕЮЩИМИ ИННОВАЦИОННУЮ СОСТАВЛЯЮЩУЮ.

1.1 Понятие и роль инновации в современном производстве.

1.2 Подходы и требования к процедурам синтеза систем управления инновационной деятельностью.

1.3 Организация управления научно-техническим развитием в ОАО «РЖД».

2 РАЗРАБОТКА АЛГОРИТМИЧЕСКОГО, МАТЕМАТИЧЕСКОГО, ИНФОРМАЦИОННОГО ОБЕСПЕЧЕНИЕ СИСТЕМЫ УПРАВЛЕНИЯ ЭКСПЕРТНЫМ ОЦЕНИВАНИЕМ СЛАБО ФОРМАЛИЗУЕМЫХ ОБЪЕКТОВ.

2.1 Модель и структура системы управления экспертным оцениванием слабо формализуемых объектов.

2.2 Подсистема формирования оценок экспертов и агентов.

2.3 Подсистема экспертных оценок.

2.4 Подсистема формирования результатов экспертизы.

3 СРАВНЕНИЕ И ВЫБОР ЭФФЕКТИВНОГО ГЕНЕТИЧЕСКОГО АЛГОРИТМА ДЛЯ РЕШЕНИЯ ЗАДАЧИ ФОРМИРОВАНИЯ ПОРТФЕЛЯ ИННОВАЦИОННЫХ ПРОЕКТОВ.

3.1 Общие сведения о генетических алгоритмах.

3.2 Анализ генетических операторов и модификаций генетического алгоритма.

3.3 Исследование влияния различных модификаций генетического алгоритма на эффективность решения задачи формирования портфеля инновационных проектов.

4 ПРОЕКТИРОВАНИЕ И РАЗРАБОТКА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ УПРАВЛЕНИЯ ПРОЦЕССОМ

ФОРМИРОВАНИЯ ПОРТФЕЛЯ ИННОВАЦИОННЫХ ПРОЕКТОВ (АСУ

ПФПИП).

4.1 Постановка задачи создания АСУ ПФПИП.

4.2 Анализ имеющихся методологий проектирования и разработки программного обеспечения.

4.3 Применение унифицированного процесса разработки для создания АСУ ПФПИП.

Рекомендованный список диссертаций по специальности «Автоматизация и управление технологическими процессами и производствами (по отраслям)», 05.13.06 шифр ВАК

Введение диссертации (часть автореферата) на тему «Разработка методов и алгоритмов автоматизированной системы экспертного оценивания слабо формализуемых объектов транспорта»

Актуальность темы исследования. ОАО «РЖД» решает комплекс сложных задач обеспечения народного хозяйства страны транспортными услугами в условиях изменяющейся рыночной экономики. Конкурентоспособность и эффективность российских железных дорог напрямую зависит от внедрения новых технологий на всех уровнях функционирования отрасли.

В основу Стратегической программы развития ОАО «РЖД» положена идеология инновационного менеджмента, т.е. управления процессом от возникновения идеи до ее успешного воплощения в создании нового продукта или услуги. Во главу угла поставлены экономические критерии деятельности корпорации с необходимыми, сравнимыми с мировым уровнем, ограничениями по безопасности и качеству предоставления транспортных услуг. Движущей силой реструктуризации железных дорог России должны стать новые идеи, как в управлении, так и в совершенствуемых транспортных технологиях.

В целях создания единого информационного поля решено развивать автоматизацию и информатизацию отрасли на основе единой автоматизированной системы управления транспортным комплексом Российской Федерации (АСУ ТК). Данная система должна объединить в себе управление различными аспектами функционирования Российских железных дорог, начиная от перевозочного процесса и заканчивая формированием стратегических планов развития ОАО «РЖД».

Для успешного и эффективного функционирования АСУ ТК необходимо наличие функциональных подсистем, обеспечивающих возможность формировать управленческие решения в рамках инновационного процесса и учитывающих его специфику, которая заключается в наличии большого числа неопределенностей всех уровней. Влияние этих неопределенностей приводит к необходимости ограничить использование оптимизационных методов управления и перейти к адаптивным подходам, способным оперативно подстраиваться под изменения во внешней среде. Привлечение экспертов для анализа, оценки и управления слабо формализуемыми объектами, обладающими высокой степенью неопределенности, является одним из наиболее распространенных методов. В частности, на основе экспертных заключений формируются списки приоритетных для отрасли направлений развития технологий и техники, формируются планы научно-технического развития (НТР), отбираются договора для финансирования в области НИОКР, формируется прогноз состояния и развития отрасли и ее частей на среднесрочную и долгосрочную перспективу. Однако в данной области отсутствуют четкие и универсальные механизмы проведения экспертиз, учитывающие выше перечисленные особенности. Важность качественного анализа и отбора научно-технических приоритетов для отрасли определяет необходимость разработки принципов, методов и алгоритмов систем управления экспертным оцениванием слабо, формализуемых объектов,-функционирующих в условиях изменчивой среды. .

Степень разработанности проблемы. Методам управления объектами на основе принципов самоорганизации и адаптации посвящены работы таких отечественных и зарубежных ученых как Р. Беллман, С. Бир, К. Гловер, А.Н. Гуда, А.Г. Ивахненко, М.Б. Игнатьев, Р. Калман, A.A. Колесников, H.H. Лябах, Дж. Саридис, Г. Хакен, В.В. Цыганов, У.Р. Эшби и многих других.

Вопросами разработки принципов и методов организации управления сложными социально-экономическими системами, которой является и ОАО «РЖД», занимались такие отечественные ученые, как В.П. Авдеев, A.A. Ашимов, Г.И. Белявский, В.Н. Бурков, Г.М. Гришанов, В.Г. Засканов и другие авторы.

Проблемы использования экспертных оценок в задачах управления рассматривались в работах таких авторов, как Г.Г. Азгальдов, С.Д. Бешелев, Ф.Г. Гурвич, Л.Г. Евланов, В.А. Кутузов, Э.П. Райхман, A.A. Френкель, Д.С. Шмерлинг.

Вопросы разработки математического, информационного, алгоритмического обеспечения автоматизированных систем управления освещены в работах М.А. Бутаковой, A.A. Воронова, В.Н. Иванченко, JI.B. Канторовича, М.А. Королева, Т.Н. Соколова.

Различные фундаментальные и прикладные аспекты интеллектуальных систем управления нашли отражение в работах таких ученых как Н. Винер, В.М. Глушков, Д.И. Дубровский, С.М. Ковалев, A.A. Ляпунов, М. Минский, Д.А. Поспелов, Ф. Розенблатт, В.Б. Тарасов, А.Н. Шабельников и др.

Цели и задачи исследования. Цель исследования заключается в разработке принципов, методов и алгоритмов эффективного отбора слабо формализуемых однородных объектов (научно-технических программ, технологий, договоров на НИОКР, планов НТР и т.п.) в условиях неопределенности (конъюнктура рынка, технологические особенности производства новых (инновационных) товаров, состояние дел в научно-технической сфере). На основе этих принципов, методов и алгоритмов должна быть построена автоматизированная система управления, способная подстраиваться под изменения во внешней среде, а также нивелировать возможные внутренние негативные факторы. Для достижения поставленной цели необходимо решить ряд задач:

1. Провести анализ методов решения задачи отбора слабо формализованных объектов по заданным критериям. Выделить возможные источники неопределенности и проанализировать способы их устранения.

2. Разработать структуру и алгоритм работы системы отбора объектов, построить ее математическую модель.

3. Проанализировать методы формирования набора исследуемых объектов. Выбрать наиболее эффективный из них. Разработать параметрическое обеспечение системы.

4. Выполнить проектирование и разработку автоматизированной системы управления на основе сформированного математического, алгоритмического, параметрического и информационного обеспечения.

5. Внедрить разработанные предложения и методики в решение задач формирования плана НТР и планирования НИОКР железнодорожной отрасли.

Объект и предмет исследования. Объектом исследования является процесс определения наиболее эффективных по тем или иным критериям альтернатив в условиях неопределенности. Предметом исследования являются принципы, методы и алгоритмы осуществления отбора слабо формализованных объектов. Исследование выполнялось в рамках следующих пунктов паспорта специальности: п. 8. Формализованные методы анализа, синтеза, исследованияI и оптимизация модульных структур систем сбора и обработки данных в АСУТП, АСУП, АСТПП и др. п. 10. Методы синтеза специального математического обеспечения, пакетов прикладных программ и типовых модулей функциональных и обеспечивающих подсистему АСУТП, АСУП, АСТПП и др. п. 16. Теоретические основы, методы и алгоритмы построения экспертных и диалоговых подсистем, включенных в АСУТП, АСУП, АСТПП и др.

Теоретико-методологической основой исследования послужили работы отечественных и зарубежных авторов в области адаптивных и самоорганизующихся систем, современные концепции управления активными системами, способы получения и обработки экспертных оценок, работы в области теории нечетких множеств, генетических алгоритмов, теории расписаний. При разработке автоматизированной системы управления применялись современные методологии проектирования и средства разработки программного обеспечения.

Концепция диссертационного исследования исходит из того, что в современных условиях при переходе отрасли в целом на инновационные рельсы на всех уровнях управления компанией придется столкнуться с необходимостью эффективного выбора среди имеющихся альтернатив (планы НТР, договора на НИОКР и т.п.) в условиях неопределенности. В связи с этим необходим теоретико-прикладной аппарат, способный формализовать процедуры отбора и адаптироваться к изменяющимся условиям внешней среды, а также требованиям управленческого персонала. Суть предлагаемого подхода состоит в привлечении для анализа имеющихся альтернатив экспертов, продуктивность работы которых определяется апостериорной оценкой, базирующейся на эффективности выбранных решений, а также на применении аппарата нечеткой логики и эволюционных вычислений для сбора и обработки суждений экспертов. !

Положения диссертации, выносимые на защиту.

1. В условиях инновационной экономики функционирование ОАО «РЖД» будет сопряжено с наличием большого числа неопределенностей. Автоматизированные системы управления всех уровней должны учитывать данный факт и иметь необходимый аппарат для адаптации к изменяющимся условиям, выбора наиболее эффективного варианта работы при наличии слабой формализованное™ имеющихся альтернатив. Для обеспечения эффективного научно-технического развития отрасли таким аппаратом следует обеспечить базовую АСУ в этой области, а именно Автоматизированную систему управления научно-техническим развитием (АСУ НТР) ОАО «РЖД».

2. Для осуществления эффективного выбора альтернатив в условиях неопределенности должны быть использованы методы экспертных оценок. Однако, возможная ангажированность экспертов, недостаточная их квалификация или явления конформизма могут негативно сказаться на объективности их оценок. Похожие проблемы возникают и с агентами (сотрудники, подразделения, организации), формирующими список оцениваемых объектов. Для противодействия влиянию данных факторов необходимо ввести оценку квалификации или репутации экспертов и агентов в виде рекурсивной функции от предсказанной и реальной эффективности отобранных альтернатив.

3. Система экспертного оценивания слабо формализованных объектов должна состоять из следующих подсистем: подсистема экспертных оценок, подсистема формирования результатов экспертизы, подсистема формирования оценок экспертов и агентов. Подсистема экспертных оценок решает следующие задачи: формирование и ранжирование критериев оценки, выполнение экспертной оценки объектов. Подсистема формирования результатов экспертизы, в процессе своей работы использует экспертные оценки, параметры, описывающие предпочтения и возможности организаторов экспертизы, а также данные о самих объектах. Подсистема формирования оценок экспертов и агентов предназначена для анализа результата работы экспертов, а также учета добросовестности агентов при подготовке списка параметров оцениваемых объектов.

4. Для формирования набора эффективных объектов необходимо использовать генетические алгоритмы, так как их применение в большинстве случаев позволит минимизировать затраты времени и аппаратных ресурсов по сравнению с другими методами оптимизации. В зависимости от параметров задачи может быть определен наиболее эффективный метод ее решения, а также наиболее эффективные генетические операторы и параметры генетического алгоритма.

5. На основе проведенных исследований построена эффективно функционирующая «Автоматизированная система управления процессом формирования портфеля инновационных проектов». Наиболее оптимальной и универсальной архитектурой такой АСУ является трехзвенная, в основе которой лежит \^еЬ-портал.

Научная новизна. Научную новизну диссертационного исследования составляют следующие результаты:

1. Разработано программно-математическое обеспечение подсистемы АСУ НТР ОАО «РЖД» по формированию списка планов НТР и портфеля проектов НИОКР.

2. Разработан апостериорный метод оценки работы экспертов (агентов), основанный на разнице между реальным эффектом, полученным от выбора или внедрения на транспорте того или иного объекта, и оцененным (предсказанным) экспертом (агентом). Данный метод ориентирован на применение в задачах принятия решений административно-управленческим персоналом АСУ НТР в условиях неопределенности при отсутствии априорной оценки эффективности объектов управления.

3. Разработан алгоритм функционирования и математическая модель системы отбора однородных слабо формализуемых объектов (критических технологий на железнодорожном транспорте, НИОКР вуза, железной дороги, отрасли и т.д.) в условиях неопределенности. Данная система обладает следующими преимуществами: предусмотрен механизм защиты от внутренних и внешних негативных возмущений (ангажированность экспертов, их низкая квалификация, эффекты конформизма, недобросовестность агентов, изменение требований к результирующему набору объектов и т.п.), ориентирована на особенности работы человека (метод парного сравнения, вербальные шкалы оценки), все исследуемые объекты, несмотря на оценки экспертов, доходят до финальной стадии отбора и сохраняют шанс на попадание в результирующий список.

4. Для решения задачи формирования набора слабо формализованных объектов предложено использовать генетический алгоритм. В результате проведенного исследования были определены наиболее эффективные генетические операторы и параметры. Проведен сравнительный анализ с такими методами оптимизации, как метод Балаша и метод ветвей и границ, в результате которого было выявлено превосходство предложенного генетического алгоритма по скорости нахождения решения задачи. Разработаны рекомендации по применению того или иного метода оптимизации в зависимости от параметров задачи, решаемой в АСУ НТР.

5. На основе принципов, методов и алгоритмов, изложенных в I диссертационном исследовании, разработана «Автоматизированная система управления процессом формирования портфеля 1 инновационных проектов». Данная АСУ обладает устойчивостью к внутренним и внешним возмущениям, поддерживает распределенную работу пользователей, обладает свойством кроссплатформенности, следовательно, может широко применяться в самых разнообразных областях управления на железнодорожном транспорте. Теоретическая ценность диссертационного исследования определяется направленностью ее теоретических результатов на развитие и , совершенствование принципов, методов и алгоритмов экспертного оценивания слабо формализуемых объектов, что является одной из предпосылок успешного развития железнодорожной отрасли в условиях инновационной экономики.

Основные положения работы могут быть использованы при экспертном оценивании всего множества объектов, характеризующихся высокой степенью неопределенности. *

Практическая значимость. Практическую значимость диссертационного исследования составляют следующие результаты:

1. Разработан и программно реализован алгоритм построения оценки работы экспертов, а также репутации агентов, формирующих список оцениваемых объектов. Данное программное обеспечение может быть широко использовано на транспорте в процессе проведения различных опросов, формирования рейтингов, определения пути дальнейшего развития в целях противодействия ангажированности экспертов и агентов, снижения влияния слабой компетентности экспертов, а также для противодействия явлениям конформизма.

2. Определены наиболее эффективные генетические операторы и параметры генетического алгоритма для решения задачи формирования списка слабо формализуемых объектов. Разработано« соответствующее программное обеспечение, способное в зависимостиот особенностей задачи выбирать наиболее эффективный метод1 решения (с помощью генетического алгоритма или методом Балаша).

3. Выполнены проектирование и разработка «Автоматизированной системы управления процессом формирования портфеля инновационных проектов» на основе унифицированного процесса разработки с привлечением языка моделирования ЦМЬ. Элементы этой системы используются в работе Ростовского филиала НИИАС при формировании списка исполняемых проектов.

Реализация результатов работы. Научные результаты диссертационной работы были использованы в решении проблемы создания «Методологии формирования, корректировки и реализации Приоритетных направлений развития науки, технологий и техники в Российской Федерации и Перечня критических технологий Российской Федерации», способствующих инновационному развитию ОАО «РЖД», о чем имеется акт о внедрении результатов научных исследований. Основные результаты диссертационного исследования были внедрены при реализации Автоматизированной системы управления научно-исследовательскими и опытно-конструкторскими разработками (АСУ НИОКР) ОАО «РЖД», что подтверждено актом о внедрении результатов диссертационного исследования. Результаты диссертационного исследования также используются при работе Научно-исследовательской части РГУПС. Использование результатов подтверждено соответствующим актом. Работа выполнена при поддержке РФФИ, проекты №07-01-00075 и №07-07-00010.

Апробация результатов исследования. Основные положения и результаты диссертационной работы докладывались на VII Всероссийской научно-технической конференции «Молодые ученые — транспорту» (2007 г., Екатеринбург), XV Всероссийской школе-коллоквиуму по стохастическим методам и IX Всероссийском симпозиуме по прикладной и промышленной математике (2008 г., Волжский), Всероссийской научно-практической конференции «Транспорт-2008» (2008 г., Ростов-на-Дону), V Международной научно-практической конференции «Интегрированные модели и мягкие вычисления в искусственном интеллекте» (2009 г., Коломна), Всероссийской научно-практической конференции «Транспорт-2009» (2009 г., Ростов-на-Дону), Межвузовской научной конференции по проблемам информатики СПИСОК-2009 (2009 г., Екатеринбург). Основные положения диссертации опубликованы в 12 работах, общим объемом 3,92 п.л., в том числе 2,89 п.л. лично автором.

Объем и структура работы. Диссертация состоит из введения, четырех глав, заключения, приложения, списка литературных источников, а также актов реализации результатов, диссертационной работы. Общий объем диссертации составляет 149 стр., включая 23 рисунка, 5 таблиц, список использованных источников из 132 наименований, приложения и актов реализации.

Похожие диссертационные работы по специальности «Автоматизация и управление технологическими процессами и производствами (по отраслям)», 05.13.06 шифр ВАК

Заключение диссертации по теме «Автоматизация и управление технологическими процессами и производствами (по отраслям)», Денисов, Андрей Витальевич

Выводы по главе 4

1.В настоящее время имеется несколько основных методологий разработки программного обеспечения. Их развитие происходило в соответствии с эволюцией средств программирования, а также в связи с усложнением самих программных продуктов. В основе методологии лежит модель жизненного цикла программного обеспечения. К основным моделям можно отнести каскадную, поэтапную и спиральную.

2. Основными принципами построения АСУ ПФПИП должны стать: трехзвенная архитектура; централизованное хранение информационной базы данных системы; модульный принцип построения системы, в соответствии с детализацией функций каждой из составляющих его подсистем; организационно-методическое единство; техническая и программная совместимость структурных компонент системы; открытость для присоединения новых информационных ресурсов.

3. Проектирование и разработка АСУ ПФПИП должна осуществляться в соответствии с унифицированным процессом разработки программного обеспечения (RUP) с привлечением языка моделирования UML. Данная методология основывается на спиральной модели жизненного цикла программного обеспечения. Унифицированный процесс позволяет создавать сложные программные системы, основываясь на индустриальных методах разработки. Поддержка методологии со стороны такой крупной компании, как Rational Software, обеспечивает необходимое программное обеспечение для всех стадий создания конечного продукта, что позволяет формализовать этот процесс, снизить трудозатраты, сделать все процедуры более прозрачными и понятными.

133

ЗАКЛЮЧЕНИЕ

В результате анализа систем управления объектами, имеющими инновационную составляющую, было выявлено, что особенностью такого управления является наличие большого числа неопределенностей, а сами объекты слабо формализуемы. Данный факт накладывает ряд ограничений на возможности выработки управляющих воздействий. В частности, необходимо проектировать и разрабатывать такие системы на основе принципов адаптации и самоорганизации.

Одной из подсистем управления слабо формализуемыми объектами является подсистема эффективного выбора среди имеющихся альтернатив (планы НТР, договора на НИОКР, выбор перспективных технологий и т.п.) в условиях неопределенности (конъюнктура рынка, технологические особенности производства новых (инновационных) товаров, состояние дел в научно-технической сфере). Такую систему в силу особенностей объекта управления целесообразно строить на основе использования знаний экспертов в рассматриваемой области. Однако, следует учитывать наличие неизбежных внутренних возмущающих воздействий в виде возможной низкой квалификации экспертов, их ангажированности, эффектам конформизма и т.п. Кроме того, на результаты экспертизы могут оказать влияние внешние агенты, формирующие списки оцениваемых объектов.

Разработанная система управления экспертным оцениванием слабо формализуемых объектов способна противостоять внутренним и внешним возмущающим воздействиям за счет применения апостериорного метода оценки квалификации экспертов и репутации агентов. Система экспертного оценивания слабо формализованных объектов состоит из следующих подсистем: подсистема экспертных оценок, подсистема формирования набора наиболее эффективных объектов, подсистема формирования оценок экспертов и агентов. Подсистема экспертных оценок решает следующие задачи: формирование и ранжирование критериев оценки, выполнение экспертной оценки объектов. Подсистема формирования набора наиболее эффективных объектов при своей работе использует экспертные оценки, параметры, описывающие предпочтения и возможности организаторов экспертизы, а также данные о самих объектах. Подсистема формирования оценок экспертов и агентов предназначена для анализа результата работы экспертов, а также учета добросовестности агентов при подготовке списка параметров оцениваемых объектов. Таюке к преимуществам разработанной системы можно отнести: ориентированность на особенности работы человека (метод парного сравнения, вербальные шкалы оценки), все исследуемые объекты, несмотря на оценки экспертов, доходят до финальной стадии отбора и сохраняют шанс на попадание в результирующий список.

Для осуществления обработки результатов экспертизы и отбора эффективных объектов был использован генетический алгоритм, так как проведенные в работе исследования показали его преимущество над другими методами оптимизации (метод Балаша, метод ветвей и границ). Была определена оптимальная модификация и параметры алгоритма для решения поставленной задачи. Также даны рекомендации по применению генетического алгоритма в зависимости от параметров решаемой задачи.

На основе результатов проведенных исследований была разработана автоматизированная система управления процессом формирования портфеля инновационных проектов. После анализа принципов построения и требований к АСУ был сделан вывод об использовании трехзвенной архитектуры разрабатываемого приложения и реализации его на основе web-портала. После проведенного анализа современных методологий разработки программного обеспечения был сделан вывод об использовании унифицированного процесса разработки и языка UML для проектирования системы.

Список литературы диссертационного исследования кандидат технических наук Денисов, Андрей Витальевич, 2009 год

1. Адаптивные системы. Выпуск 1 / Под ред. J1.A. Растригина. Рига: Изд-во "Зинатне", 1972. - 156 с.

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

3. Ашимов A.A., Аяганов Е.Т., Соколова С.П. Системы автоматического управления с изменяющейся конфигурацией для объектов с запаздыванием, Алматы, издательство Гылым, 1995 г., с. 167

4. Ашимов A.A., Бурков В.Н., Джапаров Б.А., Кондратьев В.В. Согласованное управление активными производственными системами, Москва, издательство Наука, 1986 г., с. 247

5. Ашимов A.A., Соколова С.П. Введение в теорию систем автоматического управления с изменяющейся конфигурацией, Алматы, издательство Гылым, 1993 г., с. 176

6. Балаш, Э. Аддитивный алгоритм для решения задач линейного программирования с переменными, принимающими значения 0 или 1 / Э. Балаш // Кибернетический сборник. Новая серия. Вып. 6. М.: Мир, 1969. -С.218-252.

7. Батищев Д.И., Шапошников Д.Е. Решение многокритериальных задач методом идеальной точки // Модели и алгоритмы оптимизации в автоматизированных системах. Воронеж, ВПИ, 1989. - С.48-53.

8. Бек. Е. Экстремальное программирование. Спб.: Питер, 2002. - 224 с.

9. Ю.Беллман Р., Заде Л. Принятие решений в расплывчатых условиях. В кн.:

10. Вопросы анализа и процедуры принятия решений. М.: Мир 1976.

11. П.Березовский Б.А., Гнедин A.B. Задача наилучшего выбора. М.: Наука, 1984.- 196 с.

12. Большаков A.A. Интеллектуальные системы управления организационно-техническими системами / А.Н. Антамошин, О.В. Близнова, A.B. Бобов, A.A. Большаков, В.В. Лобанов, И.Н. Кузнецова // М.: Горячая линия-Телеком, 2006.

13. 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. - 195 с.

14. И.Борисов А.Н., Левченков A.C. Методы интерактивной оценки решений. -Рига: Зинатне, 1982. 139 с.

15. Бурков В.Н. Основы математической теории активных систем. М.: Наука, 1977.

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

17. Бурков В.Н., Кондратьев В.В. Механизмы функционирования организационных систем. М.: Наука, 1981.

18. Бурков В.Н., Новиков Д.А. Теория активных систем: состояние и перспективы. М.: Синтег, 1999.

19. Валеева А.Ф. Применение метаэвристики муравьиной колонии к задачам двухмерной упаковки //Информационные технологии, 2005, № 10.

20. Вечканов Г.С., Вечканова Г.Р., Пуляев В.Т. Краткая экономическая энциклопедия. СПб.: ТОО ТК " Петрополис", 1998. - 509 с.

21. Вилкас Э.Й., Майминас Е.З. Решения: теория, информация, моделирование. М.: Радио и связь, 1981. - 328 с.

22. Гермейер В.Б. Введение в теорию исследования операций. М.: Наука, 1971.-383 с.

23. Гольдштейн Г.Я. Адаптивное управление инвестициями в сфере НИОКР // Труды АГУ. 1991. - Вып. 6.

24. Гунин В.Н. и др. Управление инновациями: 17-модульная программа для менеджеров "Управление развитием организации". Модуль 7. М.: ИНФРА-М, 1999.

25. Денисов A.B. Автоматизированная система управления портфелем проектов организации // СПИССЖ-2009: материалы межвуз. науч. конференции по проблемам информатики, 20-23 апр. 2009 г., Екатеринбург. С.223-226.

26. Денисов A.B. Исследование влияния структуры генетического алгоритма на качество решения задачи формирования портфеля инновационных проектов // Труды РГУПС, 2009. №1.

27. Денисов A.B. Исследование генетического алгоритма в контексте решения задачи формирования портфеля инновационных проектов // Труды всерос. науч.-практ. конф. "Транспорт-2009", часть 1. Ростов н/Д: РГУПС, 2009. - С. 55-57.

28. Денисов A.B. Оценка компетентности эксперта в экспертной системе // Журнал ОПиПМ, 2009. т.16, в.1. - С.142-143.

29. Денисов A.B. Теоретико-прикладные аспекты реализации системы формирования портфеля инновационных проектов // Вестник РГУПС, 2009 г. №2 - С.30-34.

30. Денисов A.B. Управление инновационной деятельностью отрасли // Труды всерос. науч.-практ. конф. "Транспорт-2008", часть 1. Ростов н/Д: РГУПС, 2008. - С. 45-47.

31. Денисов A.B. Эффективность генетического алгоритма для решения задачи формирования портфеля инновационных проектов // СПИСОК-2009: материалы межвуз. науч. конференции по проблемам информатики, 20-23 апр. 2009 г., Екатеринбург. С.57-60.

32. Денисов A.B., Лябах H.H. Автоматизированная система управления научно-техническим развитием ОАО "РЖД" // Автоматика, связь, информатика, 2007. №11. - С. 42-43.

33. Денисов A.B., Лябах H.H. Алгоритмическое, математическое, информационное обеспечение формирования портфеля инновационных проектов // Известия вузов. Сев.-Кавк. регион. Техн. науки. №1, 2009. -С. 36-42.

34. Денисов A.B., Лябах H.H. Система генерации инновационных проектов // Молодые ученые транспорту-2007: Сб. научн. тр., поев. 170-летию российских железных дорог. - Екатеринбург: УрГУПС. - 2007. - С. 22-25

35. Денисов A.B., Шабельников В.А., Сарьян A.C. Система мониторинга и анализа состояния искусственных сооружений на железнодорожном транспорте // Молодой ученый, 2009 г. №8 - С.34-38.

36. Джоффрион А., Дайер Дж., Файнберг Л. Решение задач оптимизации при многих критериях на основе человеко-машинных процедур // Вопросы анализа и процедуры принятия решений. М.: Мир, 1976. - С. 126-145.

37. Дойль П. Менеджмент: стратегия и тактика. СПб.: Изд-во "Питер", 1999.

38. Евтушенко Ю.Г. Методы решения экстремальных задач и их применение в системах оптимизации. М: Наука, 1982.

39. Емельянов C.B., Наппельбаум Э.Л. Логика рационального выбора // Техническая кибернетика. М.: ВИНИТИ, 1977. - Т. 8. С. 5-101.

40. Жуковин B.C. Модели и процедуры принятия решений. Тбилиси: Мецниереба, 1981. - 118 с.42.3авлин П.Н. Сколько потратить на науку? // Инновации. 2001. - №3.

41. Интрилигатор М. Математические методы оптимизации и экономическая теория. Перевод с английского. М.: "Прогресс", 1975.

42. Исследование операций / Под ред. Дж. Моудера, С.М. Элмаграби. М.: Мир, 1981. Т.1.

43. Исследование операций / Под ред. Дж. Моудера, С.М. Элмаграби. М.: Мир, 1981. Т.2.

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

45. Кини P.JL, Райфа X. Принятие решения при многих критериях: замещения и предпочтения / Пер. с англ. М: Радио и связь, 1981. - 560 с.

46. Коберн А. Быстрая разработка программного обеспечения // А. Коберн. -М.: Лори, 2002.

47. Ковалев С.М., Родзин С.И. Информационные технологии: интеллектуализация обучения, моделирование эволюции, распознавание речи // Изд-во СКНЦ ВШ. Ростов-на-Дону, 2002.

48. Концепция инновационной политики Российской Федерации на 19982000 годы утверждена Постановлением Правительства Российской Федерации от 24 июля!998 года №832.

49. Краснощекое П. С. Математические модели в исследовании операций. -М.: Наука, 1984.

50. Крачтен.Ф. Введение в Rational Unified Process. Изд. 2-е.- М.: Издательский дом "Вильяме", 2002. 240 с.

51. Курейчик В.М. Генетические алгоритмы. Обзор и состояние // Новости искусственного интеллекта. 1998. №3.

52. Литвак Б.Г. Экспертная информация: Методы получения и анализа. М.: Радио и связь, 1982. - 184 с.

53. Литвак Б.Г. Экспертные оценки и принятие решений. М.: Патент 1996.

54. Лябах Н. Н., Шабельников А.Н. Техническая кибернетика на железнодорожном транспорте: Учебник. Ростов-на-Дону, 2002. — 283 с.

55. Мацяшек, Лешек, А. Анализ требований и проектирование систем. Разработка информационных систем с использованием UML.: Пер. с англ. М.: Издательский дом «Вильяме», 2002.

56. Менеджмент организации / Под ред. З.П. Румянцевой, H.A. Соломатина. М.: ИНФРА-М., 1995.

57. Методические рекомендации по оценке эффективности инвестиционных проектов (2-я редакция). Официальное издание. М.: Экономика, 2000.

58. Методы управления инновационной деятельностью: учебное пособие / Л.Н. Васильева, Е.А. Муравьева. М.: КНОРУС, 2005.

59. Новиков Д.А. Стимулирование в организационных системах. М.: Синтег, 1999.

60. Новиков Д.А. Теория управления организационными системами. М.: Физматлит, 2007.

61. Новиков Д.А., Петраков С.Н. Курс теории активных систем. М.: СИНТЕГ, 1999. 104 с.

62. Новиков Д.А., Чхартишвили А.Г. Рефлексивные игры. М.: Синтег, 2003.

63. Норенков И.П. Эвристики и их комбинации в генетических методах дискретной оптимизации // Информационные технологии, 1999, № 1.

64. Норенков И.П., Арутюнян Н.М. Эволюционные методы в задачах выбора проектных решений // МГТУ им. Н.Э. Баумана, М.: 2007 г.

65. Норенков И.П., Арутюнян Н.М., Эволюционные методы в задачах выбора проектных решений // Журнал "Инженерное образование", №9, 2007 г.

66. Норенков И.П., Кузьмик П.К. Информационная поддержка наукоемких изделий. CALS-технологии. М.: Изд-во МГТУ им. Н.Э. Баумана, 2002.

67. Одинцов C.B. Место и роль интеллектуального капитала предприятия в современном мире // Наука и промышленность России. 2002. - №10. С. 87-94.

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

69. Орлов А.И. Оптимальные методы в экономике и управлении. Учебное пособие по курсу "Организационно-экономическое моделирование". М.: Изд-во МГТУ им. Н. Э. Баумана, 2007. - 44 с.

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

71. Орлов А.И. Экспертные оценки. Учебное пособие. // Москва: 2002.74,Орлов С. Технологии разработки программного обеспечения: Учебник // С. Орлов. СПб.: Питер, 2002.

72. Павлов А.Н., Соколов Б.В. Методы обработки экспертной информации: учебно-метод. пособие / А.Н. Павлов, Б.В. Соколов; ГУАП. СПб., 2005. -42 с.

73. Панченко Т.В. Генетические алгоритмы: учебно-методическое пособие / под ред. Ю.Ю. Тарасевича. Астрахань: Издательский дом "Астраханский университет", 2007.

74. Подиновский В. В. Аксиоматическое решение проблемы оценки важности критериев в многокритериальных задачах // Современное состояние теории исследования операций / Под ред. Н. Н. Моисеева. М.: Наука, 1979.-С. 117-145.

75. Портер М.Е. Конкуренция. СПб., М., Киев: Изд. дом "Вильяме", 2000.

76. Ротштейн А.П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети. Винница: УНИВЕРСУМ - Винница, 1999.

77. Ротштейн А.П., Штовба С.Д. Нечеткий многокритериальный анализ вариантов с применением парных сравнений // Известия РАН. Теория и системы управления.- 2001.- №3.

78. Саати T.JL Взаимодействие в иерархических системах // Техническая кибернетика. 1979. №1. С. 68-84.

79. Саркисян С.А. Теория прогнозирования и принятия решений / под ред. С.А.Саркисян. М.: Высшая школа, 1977. - 355 с.

80. Словарь современных экономических и правовых терминов/ Под ред. В.Н. Шимова и B.C. Каменкова. Мн.: Амалфея, 2002. - 816 с.

81. Стивен Р. Палмер, Джон М. Фелсинг. Практическое руководство по функционально-ориентированной разработке ПО // Стивен Р. Палмер, Джон М. Фелсинг. СПб.: Вильяме, 2002 г.

82. Танаев B.C., Шкурба B.B. Введение в теорию расписаний. М.:Наука,1975.

83. Тарасов В.Б. Интеллектуальные системы в проектировании// Новости искусственного интеллекта. — 1993. — №4. С.24-68.

84. Таха, Хемди А. Введение в исследование операций (пер. с 7-го англ. изд.) / Хемди A. Taxa // Москва и др. : Вильяме, 2005.

85. Теория выбора и принятия решений / И. М. Макаров, Т. М. Виноградская, А. А. Рубчинский, В. Б. Соколов. М.: Наука, 1982. - 328 с.

86. Теория расписаний и вычислительные машины / Под редакцией Э.Г. Коффмана. М.: Наука, 1984.

87. Теория систем и системный анализ в управлении организациями: Справочник: Учеб. пособие / Под ред. В.Н. Волковой и A.A. Емельянова. М.: Финансы и статистика, 2006.

88. Трифилова A.A. Оценка эффективности инновационного развития предприятия // A.A. Трифилова. М.: Финансы и статистика, 2005.

89. Трофимов С. CASE-технологии: Практическая работа в Rational Rose. Изд. 2-е.- M.: Бином-Пресс, 2002 г. 288 с.

90. Тычинский A.B. Управление инновационной деятельностью крупных (глобальных) зарубежных компаний: современные подходы, алгоритмы, опыт / Таганрог, 2006.

91. Фаулер М., Скотт К. UML в кратком изложении: Пер. с англ. М.: Мир, 1999.- 191 с.

92. Фишберн П. С. Теория полезности для принятия решений / Пер. с англ. -М.: Наука, 1977.-352 с.

93. Хаф JL Методологии разработки программного обеспечения. Часть 1. // Компьютер пресс. — 2003. — № 7

94. Чефранов С.Г., Пшиканокова Н.И., Орлов В.Н. Синтез системы управления инновационно-инвестиционным климатом региона// Альманах экономических и инструментальных исследований. Ростов-на-Дону: изд-во РГУ, 2002.

95. Штойер Р. Многокритериальная оптимизация. Теория, вычисления и приложения / Пер. с англ. М.: Радио и связь, 1992.

96. Шумпетер И. Теория экономического развития. М.: Экономика, 1995

97. Щепкин А.В. Механизмы внутрифирменного управления. М.: ИПУ РАН, 2001.

98. Энциклопедия кибернетики в 2-х тт. Киев: Главная редакция украинской советской энциклопедии, 1975.

99. Якобсон А., Буч Г., Рамбо Дж. Унифицированный процесс разработки программного обеспечения Спб.: Питер, 2002. - 496 с.

100. Beck, К. Extreme Programming Explained. Embrace Change. Addison-Wesley, 1999.

101. Boehm, B. W. A spiral model of software development and enhancement. IEEE Computer, 21 (5), 1988.

102. Booch, G., Rumbaugh, J., Jacobcon, I. The Unified Modeling Language User Guide. Addison-Wesley, 1999.

103. Cohon J. L. Multiobjective Programming and Planning. New York: Academic Press, 1978.

104. Darrel Whitley: A Genetic Algorithm Tutorial; November 10, 1993; Technical Report CS-93-103 (Revised); Department of Computer Science, Colorado State University, Fort Collins, US

105. Dorigo M. Optimization, Learning and Natural Algorithms. PhD thesis, Dipartimento di Electrónica. Politécnico di Milano, 1992.

106. Dorigo M., Caro G., Gambardella L. Ant Algorithms for Discrete Optimization. // Artificial Life, v.5, 1999, # 3.11 l.Dorigo M., Gambardella L. Ant Coloony for Traveling Salesman Problem. -Bruxelles: TR/TRIDIA/1996-3

107. Eberhart, R.C., and Kennedy, J. A New Optimizer Using Particles Swarm Theory, Proc. Sixth International Symposium on Micro Machine and Human Science. // IEEE Service Center, Piscataway, 1995.

108. Eberhart, R.C., Dobbins, R.W., and Simpson, P. Computational Intelligence PC Tools. Boston: Academic Press, 1996.

109. Goldberg, D. E. Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Welsey, 1989.

110. Graham, R. (1966). "Bounds for certain multiprocessing anomalies". Bell System Technical Journal, №45.

111. Holland J. Adaptation in Natural and Artificial Systems. Univ. of Michigan Press, 1975.

112. Сайт Горьковской железной дороги — филиала ОАО «РЖД». http.V/gzd.rzd.m/wps/portal/gzd?STRUCTUREID=4254&layerJd=3854&id= 104721118.1ngber L., Very fast simulated re-annealing // Mathematical Computer Modelling, 12, 1989.

113. Joines, J. On the use of non-stationary penalty functions to solve non-linear constrained optimization problems with GAs / J. Joines, C. Houck // Труды первой международной конференции по эволюционным вычислениям, IEEE Press, 1994.

114. Karwan М.Н., Zionts S. On finding starting feasible solutions for some specially structured linear programming problems // Working Paper No. 445, School of Management, State University of New York at Buffalo, 1980.

115. Kuri Morales, A. A Universal eclectic genetic algorithm for constrained optimization / A. Kuri Morales, C.C. Quezada // Труды шестого европейского конгресса по искусственному интеллекту и мягким вычислениям, EUFIT'98. -1998.

116. Paulk, М. С. Extreme Programming from a CMM Perspective. XP Universe, Raleigh, NC, 2001.

117. Paulk, M. С., B. Curtis, M. B. Chrissis, and С. V. Weber. Capability Maturity Model, Version 1.1. IEEE Software, 1993.

118. Philippe Kruchten, The Rational Unified Process: An Introduction, Third Edition, Addison-Wesley Professional 2003

119. Royce, Walker W. Managing the development of large software systems: concepts and techniques. Proc. IEEE WESTCON, Los Angeles, 1970.

120. Rumbaugh, J., Jacobcon, I., Booch, G., The Unified Modeling Language Reference Manual. Addison-Wesley, 1999.

121. Szu H., Hartley R., Fast simulated annealing // Phys. Lett., том 122, 1987.

122. Villareal В., Karwan M.H., Zionts S. A branch and bound approach to interactive multicriteria integer linear programming // Paper presented at Joint National Meeting TIMS/ORSA, Washington, D. C, 1980.

123. Yao X. Simulated annealing with extended neighborhood // International Journal of Computer Mathematics, 1991.

124. Zionts S. Multiple Criteria Decision Making for Discrete Alternatives with Ordinal Criteria / Working Paper N299, School of Management. New York: State University of New York at Buffalo, 1977.146

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.