Оценка альтернатив: новые подходы принятия решений в условиях определенности

Бесплатный доступ

Процесс принятия решений играет важную роль в развитии общества в целом и эффективном управлении организациями в частности. В современном мире, где сложность задач и конкурентная среда постоянно растут, принятие правильных и обоснованных решений становится ключевым элементом успеха. Любой человек, группа людей или организации постоянно сталкиваются с необходимостью выбора между несколькими возможными вариантами действий, называемых альтернативами, будь то в личной сфере или в работе организаций. Для эффективного принятия сложных решений в рамках деятельности организаций разработаны модели принятия оптимальных решений. Наиболее популярной из них является модель принятия решений в условиях определенности, когда на результат решения не оказывают воздействие случайные факторы. Все это подтверждает актуальность научных исследований в области принятия решений. Цель исследования заключается в разработке методики оценки степени привлекательности альтернатив на основе объективных количественных либо субъективных качественных критериев, что позволит повысить качество принимаемых решений. В основе методики лежат математические модели обработки информации, содержащей характеристики альтернатив по критериям оценивания.

Еще

Принятие решений, оценки альтернатив, математическое моделирование, критерии оценивания, нечеткие множества, латентные переменные

Короткий адрес: https://sciup.org/147244603

IDR: 147244603   |   DOI: 10.14529/ctcr240308

Список литературы Оценка альтернатив: новые подходы принятия решений в условиях определенности

  • Ларичев О.И. Объективные модели и субъективные решения. М.: Наука, 2007. 143 с.
  • Назаров Д.М. Интеллектуальные системы: основы теории нечетких множеств: учеб. пособие для академического бакалавриата. М.: Юрайт, 2017. 618 c.
  • Gottwald S. Universes of Fuzzy Sets and Axiomatizations of Fuzzy Set Theory. Part I: Model-Based and Axiomatic Approaches // Studia Logica. 2006. Vol. 82 (2). P. 211–244. DOI: 10.1007/s11225-006-7197-8
  • Кофман А.С. Введение в теорию нечетких множеств. М.: Огни, 2013. 432 c.
  • Rasch G. Probabilistic Models for Some Intelligence and Attainment Tests. Copenhagen, Denmark: Danish Institute for Educational Research, 1960. 160 p.
  • Rasch Models. Foundations, Resent Developments, and Applications / Editors G.H. Fischer, I.W. Molenaar. Springer, 1997.
  • Маслак А.А., Моисеев С.И. Модель Раша оценки латентных переменных и ее свойства: моногр. Воронеж: НПЦ «Научная книга», 2016. 177 с.
  • Моисеев С.И., Киреев Ю.В., Гончаров С.В. Модель оценки латентных переменных с непрерывными множествами исходных данных и ее приложения // Системы управления и информационные технологии. 2014. Т. 57, № 3.1 (57). С. 161–167.
  • Mathematical Models of Expert Information Processing for Evaluation of Projects / S.A. Barkalov, S.I. Moiseev, O.S. Perevalova, L.V. Shevchenko // Smart Innovation, Systems and Technologies. 2021. Vol. 227. P. 737–744. DOI: 10.1007/978-981-16-0953-4_72
  • Бешелев С.Д., Гурвич Ф.Г. Экспертные оценки. М.: Наука, 2003. 79 с.
  • Панкова Л.А., Петровский А.М., Шнейдерман М.В. Организация экспертиз и анализ экспертной информации. М.: Наука, 2004. 120 с.
  • Саати Т., Кернс К. Аналитическое планирование. Организация систем: пер. с англ. М.: Радио и связь, 1991. 224 с.
  • Lootsma F.A. Scale sensitivity in the multiplicative AHP and SMART // Journal of Multi-Criteria Decision Analysis. 1993. Vol. 2. P. 87–110.
  • Пономарева А.Н. Использование метода анализа иерархий в отборе приоритетных критериев анализа инновационной деятельности предприятий // Актуальные вопросы экономических наук. 2010. № 11-1. С. 235–240.
  • Баркалов С.А., Карпович М.А., Моисеев С.И. Метод анализа иерархий: подход, основанный на теории латентных переменных // Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, радиоэлектроника». 2022. Т. 22, № 2. С. 58–66. DOI: 10.14529/ctcr220205
  • Алгоритм и методы принятия управленческих решений на основе теории латентных переменных в условиях временных ограничений / С.А. Баркалов, А.В. Ананьев, К.С. Иванников, С.И. Моисеев // Вестник ЮУрГУ. Серия «Компьютерные технологии, управление, радиоэлектроника». 2022. Т. 22, № 3. С. 106–116. DOI: 10.14529/ctcr220310
  • Китаев Н.Н. Групповые экспертные оценки. М.: Знание, 2005. 64 с.
  • Кузьмин В.Б., Орлов А.И. Статистические методы анализа экспертных оценок. М.: Наука, 2007. С. 220–227.
  • Баркалов С.А., Моисеев С.И., Порядина В.Л. Математические методы и модели в управлении и их реализация в MS Excel. Воронеж: Воронежский ГАСУ, 2015. 265 с.
  • Мельников А.В., Моисеев С.И. Альтернативный метод проверки степени согласованности матрицы парных сравнений // Системы управления и информационные технологии. 2023. № 2 (92). С. 49–52.
Еще
Статья научная