Формирование методик поддержки принятия решений в условиях неопределенности

Молодецкая С.Ф.

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:  нейронные сети, байесовские сети доверия, методика Саати, вероятностный метод, интеллектуальные системы, экспертные системы, экономико-математические модели, DataMining, система Netica, оптимальный выбор

Литература:
  1. Волкова Е.С., Гисин В.Б. (2019). Нечеткие множества и мягкие вычисления в экономике и финансах. М.: Литрес.
  2. Конышева Л.К., Назаров Д.М. (2011). Основы теории нечетких множеств. М.: Питер.
  3. Молодецкая С.Ф. (2012). Теория нечетких множеств как инструмент стратегического планирования ресурсов // Управленец. № 1. С. 58–69.
  4. Назаров Д.М., Конышева Л.К. (2019). Интеллектуальные системы: Основы теории нечетких множеств. М.: Юрайт.
  5. Пегат А. (2013). Нечеткое моделирование и управление. М.: Бином. Лаборатория знаний.
  6. Райли Д. (2006). Экспертные системы: принципы разработки и программирование. М.: Вильямс.
  7. Рассел С., Норвиг П. (2015). Искусственный интеллект. Современный подход. М.: Вильямс.
  8. Станкевич Л.А. (2016). Интеллектуальные системы и технологии. М.: Юрайт.
  9. Ухоботов В.И. (2011). Избранные главы теории нечетких множеств. Челябинск: Издательство Челябинского государственного университета.
  10. Хайкин С. (2015). Нейронные сети. М.: Вильямс.
  11. Ясницкий Л.Н. (2016). Интеллектуальные системы. М.: Бином. Лаборатория знаний.
Вы можете отправить статью для публикации в журнале
Новый выпуск