Власть и публичное управление

ФОРМИРОВАНИЕ МЕТОДИК ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ

Дата поступления: 15.04.2020 Дата публикации: 15.04.2020

EDN: VFBKYX DOI: 10.22394/2304-3369-2020-4-102-114

Полный текст:

Аннотация

В статье проведен анализ экономико-математических моделей и методов поддержки принятия решений в условиях неопределенности. Изучен отечественный и зарубежный опыт экономических ситуаций, связанных с распространением знаний, определены основные аспекты экономики знаний. Рассмотрены методы представления знаний, в частности определены правила построения продукционной модели знаний. Проведен анализ интеллектуальных систем, основанных на обучении и самообучении (с «учителем», без «учителя») и сделан вывод о том, что для оценки экономических процессов необходимо рассматривать комплекс методик, связанных с плохо формализуемыми задачами, к которым относятся экономические задачи.Методологическая база исследования включает методику нечеткого управления, методику Саати и методику байесовских сетей, которые лежат в основе разработанной экономико-математической модели. Теоретическая и практическая значимость исследования заключается в обосновании необходимости разработки комплексной оценки эффективности мобильного приложения.В качестве объекта исследования выбран ПАО «СКБ-банк», предмет исследования - разработка дополнительного модуля «Проведение финансовых операций по карте ПАО „СКБ-банк“» мобильного приложения.Проведена оценка эффективности разработки, в частности при разработке модуля «Проведение финансовых операций по карте ПАО „СКБ-банк“» мобильного приложения. Для этого определены метрики, которые послужили критериями для определения эффективности проекта, а также определены риски проекта, оценка которых получена на основе теории нечетких множеств. Сформированные методики поддержки принятия решений в условиях неопределенности позволили сделать вывод об эффективности проекта в целом. Разработанная модель может быть применена для оценки эффективности мобильных приложений для любых компаний.

Ключевые слова

Как цитировать

Для цитирования:

Молодецкая С.Ф. ФОРМИРОВАНИЕ МЕТОДИК ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ // Вопросы управления. 2020. Т. 65, № 4. С. 102–114. https://doi.org/10.22394/2304-3369-2020-4-102-114

For citation:

Molodetskaya S.F. Development of decision support methods under uncertainty // Management Issues. 2020. Vol. 65, no. 4. P. 102–114. https://doi.org/10.22394/2304-3369-2020-4-102-114

Как цитировать

Молодецкая С.Ф. ФОРМИРОВАНИЕ МЕТОДИК ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ // Вопросы управления. 2020. Т. 65, № 4. С. 102–114. https://doi.org/10.22394/2304-3369-2020-4-102-114

Список литературы

  1. Волкова Е.С., Гисин В.Б. (2019). Нечеткие множества и мягкие вычисления в экономике и финансах. М.: Литрес.
  2. Volkova E.S., Gisin V.B. (2019). Fuzzy sets and soft computing in economics and finance. Moscow: Litres.
  3. Конышева Л.К., Назаров Д.М. (2011). Основы теории нечетких множеств. М.: Питер.
  4. Konysheva L.K., Nazarov D.M. (2011). Foundations of the theory of fuzzy sets. Moscow: Piter.
  5. Молодецкая С.Ф. (2012). Теория нечетких множеств как инструмент стратегического планирования ресурсов // Управленец. № 1. С. 58-69.
  6. Molodetskaya S.F. (2012). The theory of fuzzy sets as a tool for strategic resource planning, The Manager, no. 1, pp. 58-69.
  7. Назаров Д.М., Конышева Л.К. (2019). Интеллектуальные системы: Основы теории нечетких множеств. М.: Юрайт.
  8. Nazarov D.M., Konysheva L.K. (2019). Intelligent systems: Foundations of the theory of fuzzy sets. Moscow: Yurayt.
  9. Пегат А. (2013). Нечеткое моделирование и управление. М.: Бином. Лаборатория знаний.
  10. Pegat A. (2013). Fuzzy modeling and control. Moscow: Binom. Laboratoriya Znaniy.
  11. Райли Д. (2006). Экспертные системы: принципы разработки и программирование. М.: Вильямс.
  12. Riley D. (2006). Expert systems: design principles and programming. Moscow: Williams.
  13. Рассел С., Норвиг П. (2015). Искусственный интеллект. Современный подход. М.: Вильямс.
  14. Russell S., Norvig P. (2015). Artificial Intelligence. Modern approach. Moscow: Williams.
  15. Станкевич Л.А. (2016). Интеллектуальные системы и технологии. М.: Юрайт.
  16. Stankevich L.A. (2016). Intelligent systems and technologies. Moscow: Yurayt.
  17. Ухоботов В.И. (2011). Избранные главы теории нечетких множеств. Челябинск: Издательство Челябинского государственного университета.
  18. Ukhobotov V.I. (2011). Selected chapters of the theory of fuzzy sets. Chelyabinsk: Publishing House of the Chelyabinsk State University.
  19. Хайкин С. (2015). Нейронные сети. М.: Вильямс.
  20. Khaikin S. (2015). Neural networks. Moscow: Williams.
  21. Ясницкий Л.Н. (2016). Интеллектуальные системы. М.: Бином. Лаборатория знаний.
  22. Yasnitsky L.N. (2016). Intelligent systems. Moscow: Binom. Laboratoriya Znaniy.