Разработка многоагентной системы для поддержки принятия решений в экономике и управлении тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Таранников, Никита Александрович

• Таранников, Никита Александрович
• кандидат экономических наук
• 2007

Оглавление диссертации кандидат экономических наук Таранников, Никита Александрович

Введение

Глава 1. Анализ работ в области теории и методов многоагентных систем и многокритериального принятия решений

1.1. Основы теории агентов

1.2. История развития агентно - ориентированного подхода

1.3. Общая классификация агентов

1.4. Интерпретация искусственных агентов

1.5. Архитектуры агентов

1.6. Многоагентные системы

1.7. Анализ методов принятия решений в экономике 35 Выводы по главе

Глава 2 Разработка многоагентной системы для поддержки процессов принятия решений в экономике и управлении

2.1. Структура и алгоритмы функционирования многоагентной системы

2.2. Математический аппарат для обработки экспертных знаний многоагентной системы поддержки процессов принятия решений

Выводы по главе

Глава 3. Разработка иерархической и сетевой моделей для анализа проблемы вступления России во Всемирную торговую организацию (ВТО) средствами многоагентной системы

3.1. Иерархическая модель для анализа проблемы о целесообразности вступления России в ВТО

3.2. Сетевая модель для анализа проблемы о наиболее благоприятных для России сроков вступления в

Выводы по главе

Введение диссертации (часть автореферата) на тему «Разработка многоагентной системы для поддержки принятия решений в экономике и управлении»

Актуальность работы. Современные рыночные отношения требуют постоянного улучшения качества продукции и снижения ее стоимости в быстроменяющихся условиях. В связи с этим, компаниям приходится изменять свой привычный образ и вводить новые стратегические цели и средства. Для разработки новых направлений деятельности привлекаются сторонние специалисты: маркетологи, специалисты по реинженирингу бизнес-процессов и др. Каждый из таких специалистов пользуется собственным инструментарием при разработке проектов. В результате остро встает проблема оценки качества проектов. Для их оценки привлекаются эксперты, специализирующиеся в различных проблемных областях. Управление этими процессами осуществляется с помощью компьютерных систем поддержки принятия решений (CI 111JP). Широкое использование СППР в экономике и менеджменте сдерживается в настоящее время по следующим причинам: во-первых, предприятиям слишком дорого иметь в штате несколько квалифицированных программистов; во-вторых, сторонним программистам требуется много времени для понимания проблемной области, и они, как правило, недостаточно быстро реагируют на изменения в бизнес-процессах; в-третьих, дополнительные трудности создает привлечение к процессу принятия решений специалистов, территориально удаленных от предприятия или от аналитического центра, где принимается окончательное решение.

Вследствие этого возникает актуальная проблема предоставления предприятиям и аналитическим центрам инструментария для проведения качественной оценки сложных решений и проектов, основанного на много-агентной технологии и обеспечивающего интеллектуальную поддержку системы управления.

Степень разработанности проблемы. В числе пионерских достижений в области моделирования агентов и коллективов агентов можно назвать результаты Н.А. Амосова, М.М. Бонгарда, В.А. Лефевра, Э.В. Попова, Д.А.

Поспелова, B.JI. Стефанюка, В.Б. Тарасовой, B.JI. Цетлина и других видных советских и российских ученых.

Многие идеи синергетического толка, представления об агентах, мно-гоагентных системах, механизмов их взаимодействия, поведения и эволюции тесно связаны с работами знаменитых отечественных философов А.А. Богданова, И.О. Лоского, П.С. Флоренского, физиолога П.К. Анахина, психологов В.М. Бехтерева, Л.С. Выготского, А.Н. Леонтьева, лингвиста Ю.М. Лотмана.

Предшественниками исследований по искусственной жизни были выдающиеся ученые в области математики и кибернетики А.Н. Колмогоров и АА. Ляпунов.

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, Т.П. Барановская, Л.С. Беляев, А.Н. Борисов, Е.П. Бочаров, А.А. Емельянов, О.А. Крумберг, О.И. Ларичев, Е.М. Мошкович, А.О. Недосекин, ДА. Поспелов, А.В. Смирнов, Н.Г. Ярушкина и другие.

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

Цель и задачи исследования. Целью диссертационного исследования является разработка многоагентной системы для поддержки процессов принятия решений в экономике и управлении.

Для достижения поставленной цели необходимо решить следующие задачи:

- проанализировать существующие подходы, методы и программные средства, используемые в настоящее время для построения многоагентных систем;

- проанализировать и обосновать целесообразность использования в качестве математического ядра разрабатываемой многоагентной системы методов анализа иерархий и аналитических сетей;

- определить для системы поддержки принятия решений типы агентов и их основные функции;

- разработать интеллектуальную многоагентную систему для поддержки процессов принятия решений в экономике и управлении;

- разработать иерархическую и сетевую модели для принятия сложных экономических решений, предполагающие сбор информации от многих разнопрофильных экспертов;

- провести апробацию разработанной многоагентной системы на примере анализа ситуации о вступлении России во Всемирную торговую организацию (ВТО).

Объектом исследования являются предприятия и аналитические центры, исследующие сложные экономические и организационные системы с целью выработки обоснованных рациональных решений.

Предметом исследования являются сложные плохо формализуемые экономические процессы, связанные с многофакторным принятием решений, которые требуют привлечения большого числа экспертов из различных предметных областей.

Методологической и теоретической основой диссертации послужили труды российских и зарубежных ученых - специалистов по проблемам интеллектуальных многоагентных систем и многокритериального принятия решений. Для решения поставленных задач использовались методы проектирования интеллектуальных многоагентных систем, многокритериальные методы теории принятия решений.

Основные положения диссертации, выносимые на защиту:

1) Структура агентов, входящих в состав многоагентной системы подразумевает наличие руководителя, группы экспертов и аналитика (функции которого может исполнять руководитель). Они выполняют следующие функции: руководитель формирует набор показателей (критериев), которые будут использоваться для оценки проектов (решений); подбирает состав группы экспертов; составляет персональный календарь, в соответствии с которым эксперты выполняют свои задания; каждый эксперт работает по индивидуальному сценарию, предложенному руководителем; аналитик высказывает свое мнение о результатах проведенной экспертами работы.

2) Алгоритм разработанной многоагентной системы поддержки процессов принятия экономических решений имеет следующий вид. Для координации работы коллектива экспертов используется двухуровневый механизм согласования. Каждый из экспертов представлен агентом, в задачу которого входит оценка предлагаемых руководителем альтернатив по заданному набору показателей качества. С помощью редактора знаний руководитель формирует задания экспертам и проводит анализ полученной от них информации. Задача координации поведения агентов возложена на агента-координатора. Результатом работы системы являются согласованные экспертные оценки, на основании которых производится многокритериальное ранжирование альтернатив.

3) Алгоритм взаимодействия агентов в многокритериальной системе для ранжирования факторов и альтернатив, характеризующих исследуемую экономическую систему, представленную иерархией или аналитической сетью, имеет следующий вид. Руководитель, оперируя справочниками, содержащими показатели, их значения, знаниями об экспертах, заданиями и решениями, которые необходимо рассмотреть, формирует задания. Агент-координатор получает входящее сообщение о готовности, определяет, какие изменения необходимо сделать в базах на локальном уровне, и при помощи встроенного набора функций готовит информацию для агента-эксперта. Эксперт входит в систему и его агент проверяет, какие задания ему назначены на выполнение, ассоциируя их с экранными формами. Когда эксперт отобрал задания в данной экранной форме и сигнализировал, что готов представить результаты, состояние его задания на локальном уровне увеличивается на единицу. Посылается соответствующее сообщение координатору, который анализирует, пришли ли подобные сообщения о готовности от всех остальных членов группы. Если нет - ожидается готовность остальных. Когда имеется подтверждение состояния готовности от всех участников рабочей группы, состояние всего задания изменяется на единицу.

После этапа вынесения мнений каждым экспертом следует этап согласования, началом которого является передача сообщения от агента-координатора, агенту руководителя. На этом этапе в зависимости от типа контроля согласования задание либо останавливается, чтобы руководитель мог проанализировать, стоит ли продвинуть задание дальше или отодвинуть его на шаг назад, либо происходит автоматическая проверка согласованности. Соответствующее решение посылается агенту-координатору, который, отслеживая данное решение руководителя, либо отодвигает задание на единицу дальше, либо возвращает экспертов на предыдущий этап.

4) Метод анализа иерархий позволяет выявить локальные приоритеты альтернатив для различных акторов, влияющих на принятие решения и глобальный вектор приоритетов, определяющий наиболее перспективную альтернативу. При этом имеется возможность получить и проанализировать положительные и отрицательные аспекты возможных альтернативных решений, получаемые с использованием различных мультипликативных и аддитивных способов обобщения приоритетов.

5) Метод аналитических сетей позволяет работать с плохо формализуемыми, многокритериальными проблемами с взаимным влиянием критериев и альтернатив. Элементы задачи в данном подходе объединяются в кластеры, между которыми возможны произвольные связи. Формирование кластеров и связей между ними является неформальной процедурой и осуществляется на основе конкретных знаний о специфике решаемой задачи. Объединение элементов в кластеры позволяет снизить размерность задачи и улучшить согласованность суждений. Важным моментом в методе анализа сетей является формулирование главной цели задачи и вопросов, которые следует задать экспертам при заполнении матриц парных сравнений.

6) Прогнозные оценки наиболее благоприятных сроков вступления России в ВТО: на основании проведенного математического моделирования получены результаты, показывающие о целесообразности вступления России во Всемирную торговую организацию в период с 2008 по 2013 годы.

Научная новизна работы:

- Разработана многоагентная система компьютерной поддержки процессов принятия экономических решений и предложен авторский вариант ее программной реализации, математическое ядро которой составляют многокритериальные методы анализа иерархий и аналитических сетей. В отличие от существующих методик построения многоагентных систем, алгоритм, предложенный диссертантом, позволяет использовать современные математические методы и компьютерные технологии для автоматизации процессов принятия решений;

- Разработана структура агентов, обеспечивающих обработку информации в процессе принятия экономических решений, представляющая собой взаимосвязь агента-руководителя с агентами-экспертами через агента-координатора. Такая схема позволяет использовать множество квалифицированных специалистов для решения конкретных сегментов задачи. Каждый из агентов имеет свой набор функций, определенный его ролью в системе;

- Разработан алгоритм взаимодействия территориально удаленных искусственных агентов, выполняющий ранжирование факторов и альтернатив исследуемой экономической системы, описанной в виде иерархической или сетевой модели. Алгоритм основан на взаимодействии агентов системы друг с другом посредством Интернет-технологий, согласовании их мнений и позволяет разбивать все задание на подзадачи, которые следует решить в данный момент данной группе экспертов. Проверка готовности всего задания определяется через готовность предлагаемых экспертных оценок, после чего проверяется их согласованность и осуществляется переход к следующему шагу задачи;

- Разработаны иерархическая и сетевая модели, описания задачи обоснования целесообразности и более благоприятных моментов времени для вступления России в ВТО. Модели позволяют описать решаемую проблему с различных сторон, учесть интересы всех акторов, влияющих на принятие решения о данном вступлении, всесторонне рассмотреть критерии и альтернативы данного решения. Использование современных математических методов позволяет говорить о достоверности полученных результатов.

Теоретическая и практическая значимость работы.

Теоретическая значимость работы состоит в разработке новых подходов по созданию интеллектуальных многоагентных систем для поддержки процессов многокритериального принятия решений в экономике и управлении.

Практическая значимость работы состоит в создании конкретного варианта инструментального средства, выполненного в виде многоагентной системы поддержки принятия решений, математическое ядро которой создано на основе методов анализа иерархий и аналитических сетей.

Апробация результатов исследования. Основные положения и результаты работы докладывались и обсуждались на научных конференциях Волгоградского государственного технического университета в 2005, 2006 и 2007 г.г. По теме диссертации опубликовано 5 работ, общим объемом 8,0 печатных листов, (в том числе 6,4 п.л. авторских). Исследование проводилось в рамках проектов РФФИ № 04-07-96502 «Разработка системы, основанной на знаниях, для принятия стратегических социально-экономических, технологических и политических решений в условиях неопределенности» и РГНФ № 05-02-20201.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Таранников, Никита Александрович

ОБЩИЕ ВЫВОДЫ ПО ДИССЕРТАЦИИ

1. Развитие сетевых технологий сделало актуальной проблему моделирования поведения виртуального ЛПР в коллективе других виртуальных агентов. Эта проблема разрабатывается в направлении получившем название «многоагентные интеллектуальные системы». Решение задачи координации коллективного поведения основано на следующих принципах: 1) отказ от поиска оптимального решения в пользу хорошего; 2) использование самоорганизации в качестве механизма формирования коллективного поведения; 3) рандомизация; 4) рефлексивное управление.

2. Применение многоагентных технологий перспективно в задачах распределенного управления, планирования, проектирования сложных экономических систем, а также в задачах распределения ресурсов между агентами. Актуальные задачи данного направления следующие: а) разработку моделей противоборствующих агентов; б) переход от знаний к генерации активных процедур; в) разрешение этических проблем и создание моделей этических систем; г) исследование личностных характеристик; д) моделирование механизмов влияния.

3. Разработан вариант многоагентной системы поддержки процессов принятия экономических и управленческих решений, позволяющей обрабатывать информацию, поступающую от многих территориально удаленных экспертов.

4. Предложены механизмы поддержки распределенной многопользовательской среды, обеспечивающие функции информационного обмена, своевременного информирования руководителя об изменениях в индивидуальных предпочтениях экспертов, передачи удаленным экспертам обновленной информации.

5. Предложена структура и функции агентов, входящих в состав многоагентной системы поддержки принятия решений,включающие агента -руководителя, агента - координатора и агента - эксперта.

6. Разработан и программно реализован алгоритм взаимодействия агентов в системе для ранжирования факторов и альтернатив, характеризующих исследуемую экономическую систему, представленную иерархией или аналитической сетью.

7. Разработаны варианты иерархической и сетевой многофакторных моделей для анализа проблемы целесообразности и наиболее благоприятных для России сроков вступления во Всемирную торговую организацию.

8. На основании проведенного математического моделирования получены результаты, показывающие о целесообразности вступления России во Всемирную торговую организацию в период с 2008 по 2013 годы.

Список литературы диссертационного исследования кандидат экономических наук Таранников, Никита Александрович, 2007 год

1. Айзерман, М. А. Выбор вариантов. Основы теории/М. А. Айзер-ман, Ф. Т. Алескеров. М.: Наука, 1990. - 240 с.

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

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

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

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

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

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

8. Беллман, 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.

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

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

11. Блишун, А. Ф. Нечеткие индуктивные модели обучения в экспертных системах/ Изв. АН СССР. Техн. кибернетика, 1989, № 5. С. 94104.

12. Борисов, А. Я. Диалоговые системы принятия решений на базе МИНИ-ЭВМ: Информационное, математическое и программное обеспечение/ А. Н. Борисов, Э. Р. Вилюмс, JI. Я. Сукур. Рига: Зинатне, 1986. - 95 с.

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

14. Браверманн, А. Интегральная оценка результатов работы предприятий// Вопросы экономики/ А. Браверман, А. Саулин. 1998, № 6. С. 108— 122.

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

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

17. Газе-Рапопорт, М.Г., Поспелов, Д.А. От амебы до робота: модели поведения М.:Наука, 1987.

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

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

20. Гладков, JI. А Методы решения оптимизационных задач с использованием интеллектуальных технологий/ Труды конференции КИИ'2000/ JI. А. Гладков, В. М. Курейчик. М.: Изд-во физ-мат. лит., 2000. Т 2. - С. 532540.

21. 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.

22. Гмошшский, В. Г. Инженерное прогнозирование. М.: Энегроатомиз-дат, 1982.-208 с.

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

24. 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.

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

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

27. 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.

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

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

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

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

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

33. Замков, О. О. Математические методы в экономике/ О. О. Замков, А. В. Толстопятенко, Ю. Н. Черемных. М.: ДИС, 1977. - С. 245-267.

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

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

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

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

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

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

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

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

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

43. 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.

44. Колмогоров, А. Н. Автоматы и жизнь// Возможное и невозможное в кибернетике. М.: АН СССР, 1964.

45. Колмогоров, А. Н.Три подхода к определению понятия «количество информации»// Проблемы передачи информации. -1965. № 1.

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

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

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

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

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

51. 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. 97107.

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

53. 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.

54. Лефевр, В. ^Конфликтующие структуры. М.: Сов. Радио, 1973.

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

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

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

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

59. 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.

60. Мак-Каллок, У., Питтс, В. Логическое исчисление идей, относящихся к нервной активности// Нейрокомпьютер. -1992.-№3/4.-Р.40-53.

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

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

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

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

65. Миркин, Б. Г. Проблема группового выбора. -М.: Наука, 1974.256 с.

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

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

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

69. Нейлор, К. Как построить свою экспертную систему. М.: Энерго-атомиздат, 1991.

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

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

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

73. Нейман, Дж. Фон. Теория самовоспроизводящихся автоматов: Пер. с англ. М.: Мир, 1971.

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

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

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

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

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

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

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

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

82. Плинкетт, JI. Выработка и принятие управленческих решений/ JI. Плинкетт, Г. Хейл. -М.: Экономика, 1984. 187 с.

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

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

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

86. Пригожим, И. Конец определенности. Время, хаос и новые законы природы. Ижевск: ИРТ, 1999.

87. Пригожим, И. От существующего к возникающему: Время и сложность в физических науках. 2-е изд. Пер. с англ. М.: Едиториал УРСС, 2002.

88. Пригожим, И., Стенгерс, И. Порядок из хаоса. Новый диалог человека с природой (2 изд.): Пер. с англ. М.: Эдиториал УРСС, 2000.

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

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

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

92. 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.

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

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

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

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

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

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

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

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

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

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

103. 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.

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

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

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

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

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

109. Фишер, Р. Путь к согласию или переговоры без поражения. М.: Наука, 1992.-7 155 с.

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

111. 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.

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

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

114. Хъюит, К. Открытые системы// Реальность и прогнозы искусственного интеллекта. М.: Мир, 1987. - С. 85-102.

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

116. Цетлин, МЛ. О поведении конечных автоматов в случайных средах//Автоматика и телемеханика. 1961.-Т.22, № 10.-С. 1345-13 54.

117. Цетлин, МЛ. Исследования по теории автоматов и моделированию биологических систем. М.: Наука, 1969.

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

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

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

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

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

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

124. ЭлтиДж. Экспертные системы: концепции и примеры/ Дж. Эл-ти, М. Кумбс М.: Финансы и статистика, 1987. - 191 с.

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

126. Ярушкина, Н. Г. Мягкие вычисления в автоматизации проектирования/ Труды конференции КИИ'2000. М.: Изд-во физ.-мат. лит., 2000. Т. 2. -С. 541-549.

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

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

129. 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.

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

131. Groves T. Incentives in tenms. / Econometrica, 1973, № 41, p. 617663.

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

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

134. 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.

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

136. Brooks, R. A Robust Layered Control System for a Mobil Robot// IEEE Journal of Robotics and Automation. 1986. - Vol.2. - №1. - P. 14-23. '

137. Brooks, R. Intelligence Without Representation // Artificial Intelligence. 1991. - Vol.47. -P.139-159.

138. Shoham, Y. Agent Oriented Programming// Artificial Intelligence. -1993. -Vol.60, №l.-P.51-92.

139. Shoham, Y., Tannenholtz, M. On social laws for artificial agent societies: off-line design// Artificial Intelligence. 1995. - Vol.73, №1/2. - P.231-252.