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