Розглянуто задачу обгрунтування вибору функції належності в процесі формування критеріїв оцінки альтернативних проектів, що вибираються для фінансування за умов обмеженого бюджету.

Наведено задачі, які розв'язуються за допомогою систем підтримки прийняття рішень на виробничих підприємствах за сучасних умов. Розглянуто типи невизначеностей, які зустрічаються в процесі прийняття рішень, та деякі підходи до їх врахування в математичних моделях. Наведено приклад використання нечіткого методу групового врахування аргументів для прийняття рішень.

Наведено прикладні методи прогнозування лінійних і нелінійних процесів, поданих часовими рядами. Проаналізовано особливості формування системного підходу до аналізу нелінійних часових рядів з використанням сучасних методів моделювання та прогнозування. Описано методи формування функцій прогнозування на підставі моделей авторегресії, авторегресії з інтегрованим ковзним середнім, а також метод прогнозування з використанням методів гібридних імунних систем. Розкрито суть поняття бейєсових мереж як потенційно потужного методу моделювання та прогнозування процесів з суттєвими невизначеностями різної природи.

Приведены прикладные методы прогнозирования линейных и нелинейных процессов, представленных временными рядами. Проанализированы особенности формирования системного подхода к анализу нелинейных временных рядов с учетом современных методов моделирования и прогнозирования. Описаны методы формирования функций прогнозирования на основе моделей авторегрессии, авторегрессии с интегрированным скользящим средним, а также метод прогнозирования с учетом методов гибридных имунных систем. Раскрыта сущность понятия бейсовых сетей как потенциально мощного метода моделирования и прогнозирования процессов с существенными неопределенностями различной природы.

Розглянуто задачу вибору проектів для фінансування та розподілу обмежених бюджетних ресурсів між вибраними проектами за допомогою результатів теорії нечітких множин. Запропоновано підхід на основі нечіткого логічного виводу, який дозволяє враховувати чіткі та нечіткі експертні оцінки альтернативних проектів. В основу алгоритму вибору покладено множину правил, яка може змінюватись в залежності від специфіки проектів, що розглядаються. Наведено приклад використання запропонованого підходу.

Отмечено, что байесовские сети (БС) являются серьезным востребованным инструментом для выполнения интеллектуального анализа данных различной природы. Однако существующие методы построения БС и вероятностного вывода (ВВ) имеют вычислительную сложность. Для построения БС предложено использовать эвристический метод построения БС, а для выполнения ВВ - алгоритм ВВ в БС на основании обучающих данных. Приведены результаты экспериментов и примеры использования БС.

Індекс рубрикатора НБУВ: З810.413

Рубрики:

Групові моделі прийняття рішень

Шифр НБУВ: Ж24036 Пошук видання у каталогах НБУВ 

Розглянуто питання агрегації та узагальнення значень у практичних задачах прийняття рішень. Запропоновано метод агрегації значень, який грунтується на теорії нечітких множин. Визначення агрегованого значення полягає у дефазифікації нечіткої множини, що побудована за значеннями оцінок, що агрегуються, та за їх ваговими коефіцієнтами як ступенями належності.

Індекс рубрикатора НБУВ: З813

Рубрики:

Системний аналіз

Шифр НБУВ: Ж16492 Пошук видання у каталогах НБУВ 

Предложен новый, более простой и точный алгоритм вероятностного вывода в байесовских сетях на основе обучающих данных.

This article examines the use of expert judgments methods and fuzzy logic for decision-making and complex economical and social systems modeling problem solving. An approach was suggested to using a validity weighted fuzzy logic output system to ensure that individual weighting coefficients of assessment criterions for every expert are taken into consideration when utilized by the commission of experts of integrated rules base of fuzzy logic deduction system.

  Скачати повний текст

Наведено методику моделювання стаціонарних і нестаціонарних процесів, методи знаходження повних розв'язків рівнянь авторегресії з ковзним середнім (АРКС). Показано застосування розв'язків рівнянь до асимптотичного аналізу поведінки процесів і коротко- та середньострокового прогнозування динаміки їх розвитку. Акцентовано увагу на методах урахування невизначеностей різних типів у математичних моделях, досліджено їх вплив на управлінські рішення. Проведено аналіз методів керування фінансово-економічними процесами з використанням експертного підходу, оптимального керування та ймовірнісних методів. Запропоновано уніфіковану сфему побудови прогнозуючих моделей і формування рішень на їх основі.

Приведены методика моделирования стационарных и нестационарных процессов, методы нахождения полных решений уравнений авторегрессии со скользящим средним (АРКС). Показано применение решений уравнений в асимптотического анализа поведения процессов и кратко-и среднесрочного прогнозирования динамики их развития. Акцентировано внимание на методах учета неопределенностей различных типов в математических моделях, исследовано их влияние на управленческие решения. Проведен анализ методов управления финансово-экономическими процессами с использованием экспертного подхода, оптимального управления и вероятностных методов. Разработана сфема построения прогнозирующих моделей и формирования решений на их основе.

Запропоновано узагальнену інформаційну технологію побудови штучних імунних систем для розв'язання задач технічного діагностування, яка вирізняється універсальністю застосування і дозволяє створювати математичний опис дрейфу параметрів та виявляти аномалії в роботі складної технічної системи. Розроблено нові метод і алгоритм виявлення місця й типу відмови складної технічної системи за допомогою байєсівської мережі та критеріїв інформативності. Створено інформаційну технологію синтезу нейронних мереж за допомогою теорії імунних систем для розв'язання задач прогнозування дрейфу параметрів технічного об'єкта. Розроблено комбінований метод і алгоритм для виявлення аномалій у контрольованих параметрах об'єктів діагностування на основі клональної селекції. Виконано модельні обчислювальні експерименти для розроблених методів, алгоритмів і створених інформаційних технологій.

Виконано аналіз розвитку регіону України з використанням статистичних даних. Розглянуто особливості побудови математичних моделей для аналізу та коротко- і середньострокового прогнозування регіональних макроекономічних процесів. Запропоновано підходи для побудови моделей на коротких часових вибірках із використанням сучасних методів інтелектуального аналізу даних і методу головних компонент, байєсівських мереж, регресії на лагових змінних, розширеної авторегресії та трендових поліномів. Наведено приклади побудови прогнозуючих моделей для прогнозування валового регіонального продукту та рівня інвестицій Черкащини на коротко- та середньострокові періоди. З використанням створених моделей побудовано три сценарії зростання ВРП Черкащини - оптимістичний, помірний і песимістичний. Показано, що навіть за помірним сценарієм на період до 2015 р. в область спрямовуватиметься обсяг інвестицій в основний капітал, достатній для забезпечення простого відтворення, а в 2020 р. можливе досягнення рівня розширеного відтворення. Наведено описи використаних методів.

Подано методику проектування інформаційних систем підтримки прийняття рішень (СППР), яка грунтується на сучасних принципах системного аналізу. Розглянуто функціональну структуру та альтернативні підходи до реалізації СППР з використанням моделей проектування різних типів, а також на основі створення прототипу. Наведено всю процедуру проектування інформаційної системи, яка охоплює написання технічного завдання, створення повного проекту системи, програмування та тестування модулів, а також супроводження системи на етапі її експлуатації замовником. Розглянуто основні типи архітектур СППР залежно від обмежень, які накладаються методами обробки даних, типом інформації, необхідної для прийняття рішень, альтернативними процедурами оцінювання варіантів. Описано типи інтерфейсів інформаційних систем і процедуру їх проектування, яка грунтується на принципах науки про людський фактор. Увагу приділено практичним прикладам побудови СППР, зокрема СППР для прогнозування часових рядів, системі на основі мереж Бейєса і системі, яка грунтується на використанні експертних оцінок, а також системі на основі багатоцільових методів прийняття рішень.

Розглянуто проблему формального опису загальної постановки задачі комплексного керування ризиками в цілому для досліджуваної системи. Необхідність звернення до таких постановок зумовлена тим, що існуючі підходи мають локальний несистемний характер дослідження ризиків, непридатні для врахування різної та міждисциплінарної природи ризиків, не здатні подолати проблеми каскадних ризиків. Розглянута постановка задачі на основі моделі Мертона є узагальненою, універсальною та ідеалізованою, у якій ризик не представлено в явному вигляді, а тому немає необхідності у виконанні докладного аналізу можливих ризиків. Запропоновано підхід до формалізації задачі керування ризиками на основі докладного дослідження факторів і ситуацій ризиків. Оптимальна стратегія керування визначається на основі функціоналу якості, що забезпечує мінімізацію негативних проявів ризиків у цілому для системи, мінімізацію витрат на керування ризиками та запобігання руйнуванню (загибелі) системи.

Досліджено проблему формалізації класифікації ризиків в складних системах різної природи, зокрема, в технічних. Актуальність проблеми обумовлена неможливістю сучасних підходів комплексно враховувати ризики, порівнювати їх між собою, аналізувати взаємозалежність та каскадні прояви. Запропоновано концепцію класифікації ризиків на основі їх формалізованого опису. Розглянуто аналітичну класифікацію ризиків на основі кластеризації ресурсів системи, що перебувають під ризиком втрат. Формалізація класифікації дозволяє класифікувати ризики автоматизовано на основі нових даних, прогнозувати і управляти не окремими ризиками, а цілими групами (кластерами). Це мінімізує витрати на управління ризиками та їх негативні прояви для системи в цілому. Подальші дослідження доцільно спрямувати на розробці підходів для класифікації ризиків за декількома показниками одночасно.

Исследована проблема определения приоритетов ситуаций риска при управлении динамическими системами. Основной недостаток современного инструментария заключается в локальном анализе рисков и частей системы, подвергающихся угрозам потерь. Формализовано множество существенных признаков ситуаций риска для определения приоритетов: достоверность данных; степень критичности ресурса; стремительность наступления риска; степень риска; уровень риска; расходы на предотвращение и восстановление системы после риска. Предложен подход определения приоритетов на основе взвешенной суммы оценок признаков риска в единых относительных единицах измерения. Подход отличается простотой, возможностью режима реального времени и своей универсальностью. Дальнейшие исследования следует направить на разработку адаптивности значений весовых коэффициентов признаков при функционировании систем.