автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Оптимизация и стохастическое моделирование адаптивной системы управления предприятием

На правах рукописи

ПОКРОВСКАЯ Наталия Васильевич

1

0030623ЭВ

ОПТИМИЗАЦИЯ И СТОХАСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ АДАПТИВНОЙ СИСТЕМЫ УПРАВЛЕНИЯ ПРЕДПРИЯТИЕМ

Специальность 05 13 10 - Управление в социальных и экономических системах

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Воронеж - 2007

Работа выполнена в Воронежском институте высоких технологий

Научный руководитель доктор технических наук, профессор

Львович Игорь Яковлевич

Официальные оппоненты доктор технических наук, профессор

Разинкин Константин Александрович;

кандидат технических наук, доцент Пиголин Михаил Владимирович

Ведущая организация НОУ Российский новый университет

(г Москва)

Защита состоится 18 мая 2007 г в 16 часов в конференц-зале на, заседании диссертационного совета Д 212 037 03 Воронежского государственного технического университета по адресу 394026, г Воронеж, Московский просп , 14

С диссертацией можно ознакомиться в библиотеке Воронежского государственного технического университета

Автореферат разослан «/•?"» апреля 2007г

Ученый секретарь диссертационного совета

Родионов О В

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. На современном этапе развития социально-экономических субъектов Российской Федерации возникает проблема оптимального управления предприятием, адаптирующимся к изменениям факторов внешней среды Ранее для решения этой проблемы использовался аппарат детерминированной оптимизации Однако в нем не учитывается стохастический характер внешней среды фирмы (например, спрос на готовую продукцию, цена товара, объем производства и тд), и, следовательно, его использование не позволяет находить оптимальное решение в рыночных условиях В связи с этим для повышения эффективности управления и обеспечения адаптации фирмы к случайным параметрам необходимо использовать инструментарий стохастической оптимизации Широкое распространение при решении задач оптимизации получили стохастические двухэтапные задачи со стратегическими связями, позволяющие адаптивно корректировать принятое решение и определять режим функционирования объекта посредством взаимосвязи поэтапных управляющих решений в случайной ситуации Однако числовые постановки таких моделей при оптимизации процесса функционирования фирмы представляют собой задачи большой размерности, которые невозможно решать существующими методами стохастического программирования, что определило возникновение декомпозиционных методов Но в этих методах не рассматривался непрерывный случай решения, а также не учитывалась возможность организации параллельных вычислений, что определяет актуальность разработки новых вариантов декомпозиционных методов решения этого класса задач Кроме этого, рассмотренный стохастический инструментарий не применялся для управления предприятием С другой стороны, в связи с широким распространением компьютерных технологий в управлении и объективным преобразованием информации в знания произошел переход от автоматизированных систем управления производством к интеллектуальным системам управления (ИСУ) Следует отметить, что существующие ИСУ не используют категории стохастической оптимизации и, следовательно, не позволяют полноценно адаптировать деятельность предприятия к случайным колебаниям внешней среды

Актуальность проблемы можно сформулировать как необходимость разработки стохастических моделей и методов, осуществляющих адаптацию предприятия к влиянию стохастических параметров, обеспечивающих нахождение оптимального решения в реальных рыночных условиях, и являющихся элементами знании интеллектуальной системы управления предприятия

Основные исследования, получившие отражение в диссертации, выполнялись по планам научно-исследовательских работ

— федеральная комплексная программа «Исследование и разработки по приоритетным направлениям науки и техники гражданского назначения»,

- грант РФФИ «Гуманитарные науки», раздел «Разработка оптимизационных моделей управления распределением инвестиций на предприятии по видам деятельности» № Г00-3 3-306

Цель и задачи исследования Целью исследования является разработка методов, моделей и алгоритмов стохастического моделирования оптимального адаптивного управления современным рыночным предприятием

Для достижения поставленной цели необходимо решить следующие задачи

провести системный анализ существующих подходов к адаптивному управлению современным предприятием и определить возможности организации на этой основе системы поддержки принятия управленческих решений,

предложить структуру и алгоритм функционирования адаптивной стохастической оптимизационной модели управления,

описать имитационную модель реализаций случайной системной ситуации для стохастической модели управления предприятием,

разработать методы решения задач оптимального управления на основе стохастических моделей и предложить методики оценивания их эффективности,

предложить структуры базы знаний для функционирования интеллектуальной системы управления предприятием,

разработать алгоритмические средства поддержки принятия оптимальных управленческих решений на основе предложенных стохастических моделей

Методы исследования Для решения поставленных задач использовались основные положения системного анализа, стратегического менеджмента, методов имитационного моделирования, теории управления, исследования операций и оптимизации, методов представления знаний, объектно-ориентированного проектирования и программирования

Научная новизна В диссертации получены следующие основные результаты, характеризующиеся научной новизной

процедуры адаптивного управления, позволяющие адаптацию предприятия к стохастическим факторам внешней и внутренней среды,

структурные элементы и алгоритм функционирования базы знаний интеллектуальной системы управления, осуществляющие выработку и корректировку альтернативных управленческих решений,

стохастические имитационные модели, учитывающие случайные колебания рыночных факторов для различных вариантов управления предприятием,

методика решения стохастических задач управления, отличающаяся рассмотрением параллельных и итерационных процессов и повышающая скорость сходимости решения

Практическая значимость и результаты внедрения Предлагаемые в работе алгоритмы и модели позволяют повышать эффективность функционирования предприятия и снижать энтропию за счет обеспечения выбора активной стратегии при меняющихся факторах внешней и внутренней среды предприятия посредством функционирования стохастического инструментария, а также организации новых возможностей адаптации предприятия

Разработанное программное обеспечение вариантов декомпозиционного метода позволяет существенно снизить время решения за счет организации параллельных вычислений Предлагаемая в работе интеллектуальная система управления позволяет осуществлять активное управление предприятием и адаптироваться к непредвиденным изменениям

Созданный комплекс алгоритмических средств поддержки принятия управленческих решений апробирован во Всероссийском межотраслевом научно-учебном центре по вычислительной технике и информатике (г Москва) и Международном университете природы, общества и человека «Дубна»

Теоретические и практические результаты работы внедрены в учебный процесс по специальностям «Проектирование и технология РЭС» и «САПР» Московского государственного университета приборостроения и информатики Апробация работы Результаты диссертационной работы докладывались и обсуждались на следующих конференциях и семинарах Всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 20052006), Всероссийской конференции "Интеллектуализация управления в социальных и экономических системах (Воронеж, 2005-2007), межвузовской конференции «Моделирование систем и информационные технологии» (Воронеж, 2006-2007), семинарах кафедры систем автоматизированного проектирования и информационных систем Воронежского государственного технического университета и кафедры информатики и вычислительной техники Воронежского института высоких технологий (2005-2006)

Публикации Основные результаты диссертации опубликованы в 10 научных работах, в том числе 1 - в издании, рекомендованном ВАК РФ

В работах, опубликованных в соавторстве и приведенных в конце автореферата, лично соискателю принадлежат постановка двухэтапной задачи стохастического программирования [1] и описание агрегированных

показателей, характеризующих динамику развития и различные характеристики социально-экономической системы [3]

Структура и объем работы Диссертация состоит из введения, четырех глав, заключения, списка литературы из 241 наименования и приложения Работа изложена на 138 страницах и содержит 32 рисунка, 19 таблиц

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы исследования, определены цели и задачи работы, методы решения сформулированных задач, отмечены основные результаты исследования, выносимые на защиту, определена их научная новизна и практическая значимость, приведены сведения об апробации и внедрении результатов работы

Первая глава посвящена системному анализу существующих подходов и методов управления современным предприятием Рассмотрены стратегическое, тактическое и оперативное управление, проведена классификация детерминированных и стохастических оптимизационных производственных моделей

В результате проведенных исследований выявлена насущная необходимость использования основных категорий теорий искусственного интеллекта и стохастической оптимизации при управлении современной фирмой Представляется целесообразным разработка адекватной системы управления фирмой, сочетающей в себе несколько уровней ЭС с вспомогательными средствами стохастического экономико-математического моделирования, объектно-ориентированными базами данных, средствами связи и инструментальными средствами В работе предлагается проектирование интеллектуальной активной системы (далее ИАС), осуществляющей управление фирмой на разных уровнях решения задач (рис 1)

Рассмотрим вектор первичных показателей ~А = (а,,а2, ,а„а}

функционирования фирмы (отображений \/а„ г = 1, ия , предметной области в

некую шкалу измерений 5 —> С„ где С = {С,, 1 = 1 ,па } - шкала измерений первичных факторов) Представленный вектор А фиксируется для каждого кванта времени, тем самым позволяя производить мониторинг состояний

фирмы в виде отображаемой измеримой шкалы С = {С„ г = \,па} в оперативном режиме Фиксация представленного вектора происходит благодаря функционированию статичной базы данных о возможных состояниях

фирмы, имеющей информацию о всех элементах вектора \/а„ г = \,па Далее полученная информация переходит к лицу, принимающему решение (ЛПР), который на основании своих знаний и опыта производит анализ сложившейся

ситуации После этого ЛПР производит выделение вектора альтернативных решений ] =1,ия }

Рис 1 Взаимодействие операционной сферы фирмы с информационной и активной системами

Для осуществления эффективного управления фирмой и выявления вектора альтернативных решений после идентификации вектора первичных показателей необходимо осуществить процедуру анализа значений элементов первичного вектора, тем самым выявляя причинно-следственные связи и идентифицируя цепочку событий, вызывающих появление первичного вектора На основании выделенной цепочки необходимо определить компоненты вектора В для осуществления активного адаптивного управления фирмой

где 0 - уровень знаний разрабатываемой ИАС Из всего вышесказанного возникает необходимость конструирования в рамках ИАС нескольких уровней баз знаний, осуществляющих отслеживание и идентификацию первичного вектора, анализ сложившегося вектора и выявление необходимости изменения, выявления вектора возможных альтернатив и адаптации фирмы, а также осуществляющих запоминание реакции фирмы на введенное действие

Во второй главе работы рассмотрена разработка системы стохастических моделей оптимизации процессов функционирования предприятия в случайной среде

В общем виде двухэтапная задача стохастического программирования представляется так

шах /о(х) = шах

хвХ хеХ

<р(х) + М шах ср0 (х, у(а>)')

(2)

где X - выпуклое замкнутое ограниченное множество, задающее область априорного выбора программного решения х, Хсо) = СЫсо), ^(ю), со)) - к-мерный вектор апостериорного решения в ситуации со е П, Ую(х) - выпуклые ограниченные замкнутые множества, задающие области в Я* апостериорного выбора решений в ситуации со при условии выбора решения х, <р(х) - функция эффекта от априорного решения х, сро - функция показателя, определяющего качество решения х при условии, что реализовалась ситуация со и принято апостериорное решение .у(ю)

Вводится //ш - оператор, отображающий точки множества Уа в точки множества X в задаче (2)

НсоУ(со) = х, у(й))еУ(0(х), сое а, (з)

где оператор Я0) представляет собой матрицу специальной строчно-диагональной структуры, отображающую множество тактических решений во множество стратегий

В многоэтапной задаче тактические априорные решения зависят от ситуаций, реализованных в предыдущие моменты >'(гам), а тактические апостериорные - от ситуаций, включая реализуемую в текущий момент >(ш') В предложенной интерпретации задача (2) с линейными ограничениями запишется следующим образом

тах/оМ = гпах

хеХ х&Х

<р(х) + Мю шах <Ро О, у(сй))

у{т)еУс,(х) Ну(со)=х,теП

(4)

при условиях

1 )А°х <Ь°,

2) А(т)х + В(а)у(ю)< ¿(со),

3)Яу(со)=*,

4)дг>0,Яоо)>0, соеП,

где /о - функция цели, со е О - случайная системная ситуация в непрерывном пространстве состояний, С0 - вектор стратегических коэффициентов, С(со) случайный вектор тактических коэффициентов, А°,Ь° - матрица и вектор соответственно детерминированных ограничений первого этапа, А(со), В(со) -случайные матрицы нормативов затрат и оперативных технологических способов соответственно, ¿(со) - случайный вектор ограничения второго этапа, Я - матрица стратегических связей, условия 1) детерминированные ограничения стратегического вектора, 2) вероятностные ограничения тактических и стратегических векторов, 3) стратегические связи Задача (4)

называется задачей стохастического программирования со стратегическими связями

Случайная системная ситуация veQ на фиксированный момент времени складывается из следующих стохастических реализаций 1) случайный спрос Ь,к к-то потребителя на z-й товар, 2) случайная цена на i-й товар у к-то потребителя, 3) случайные транспортные потери а,к (-го товара при доставке его к-му потребителю, 4) случайные лимиты Av/ 1-го ресурса

Будем связывать четыре реализации случайной системной ситуации v со следующими случайными параметрами v',v2,v3,v4 соответственно Для идентификации рассматриваемых параметров необходимо построить имитационную модель реализации v-й системной ситуации Для этого необходимо обладать минимально необходимой статистической информацией о распределении рассматриваемых параметров Рассмотрим случайный параметр v1 Это центральный параметр, определяющий флуктуации спроса на товар Для его имитаций воспользуемся Пуассоновскими моделями Полученные закономерности позволяют моделировать случайный процесс потребительского спроса Обобщая вышесказанное, можно сделать вывод, что спрос распределен по Пуассоновскому закону распределения с параметром А,к, характеризующий среднестатистическое ожидаемое количество единиц &-ых товаров, которые пользуются спросом у г-го потребителя Таким образом, случайный спрос вычисляется по следующей формуле bj — v1 Для определения случайной цены воспользуемся несколькими формулами, характеризующими зависимость цены от объема продаж

к tk

о

Р"Л0) = е * + £

(5)

й<0

где Е, - равномерно распределенная случайная величина в интервале [£,, Е], характеризующая влияние случайного шума внешней среды на процесс формирования цены, к ¡к к ¡к - константы, характеризующие детерминированные зависимости цены от спроса, Q - аргумент функции, означающий количество единиц проданных товаров Если подставить в качестве аргумента реализацию случайного параметра, характеризующего случайный спрос на товар, то есть при = Ь,к, мы получим, что случайный параметр V2 коррелирует с параметром V1 и зависит от реализации Е, Таким образом, при генерации случайных цен на товары используется генерация первого параметра V1 и вспомогательного параметра характеризующего непосредственную

стохастичность цены и добавляющего «шум», характерный для реальных колебаний цены в рыночных условиях, который зависит от различных факторов внешней среды

Допустимое значение коэффициента транспортных потерь для каждого го товара в зависимости от поставки к-му потребителю будет рассматриваться в пределах от ал до ал в долях Тогда а"к = а^ + г^а^-а^), где V3- случайная

величина, равномерно распределенная в интервале [0,1] Аналогично определяются и вариации лимитов 1-го ресурса Допустимые значения вариации 1-го ресурса находятся в пределах от до А, Тогда

А" = А, +у4(Д -Л,), где у4- случайная величина, равномерно распределенная в интервале [0,1]

Таким образом, системная ситуация в очередном у-ом эксперименте определится набором реализовавшихся величин р,/, а,к, А Г)

Для иллюстрации работы имитационной модели представим на рис 2 схему ее функционирования

В работе построена интегрированная стохастическая модель оптимизации деятельности предприятия Выяснено, что для получения адекватного решения необходимо учитывать полное пространство состояний, что вызывает увеличение размерности данной модели Существующие методы решения стохастических задач могут быть использованы лишь для решения задач малой размерности, которые не позволяют адекватно описывать реальные процессы в моделируемой системе Поэтому представляется целесообразным развитие методов решения стохастических двухэтапных задач со стратегическими связями большой размерности, используя их специфическую структуру связи стратегических и тактических решений Непрямые методы основаны на сведении задач стохастического программирования к таком виду, когда удается эффективно применить методы решения детерминированных задач Так, многие задачи стохастического программирования можно с заданной точностью заменить некоторыми детерминированными задачами и формально воспользоваться методами их решения В работе предложено применение новых вариантов метода решения стохастических линейных двухэтапных задач со стратегическими связями, что позволит избежать основного недостатка получаемых моделей и будет являться альтернативным методом решения подобного класса задач

В третьей главе рассматривается разработка декомпозиционного метода решения стохастических двухэтапных задач со стратегическими связями

Декомпозиционные методы решения детерминированных задач применялись довольно широко и представляют собой разработанные и исследованные методы, которые используют идею декомпозиции, заключающуюся в расчленении большой задачи на ряд подзадач меньшей

размерности Представляется целесообразным обобщение декомпозиционного метода для возможности нахождения решения при непрерывном пространстве состояний, а также организации параллельных вычислений, что позволит значительно повысить эффективность решения

Рис 2 Схема имитационной модели генерации реализаций случайной системной ситуации

Перейдем к рассмотрению непрямого метода декомпозиции и его распараллеливания В целевую функцию задачи подставим ограничение 3) задачи (4) Получим цепочку преобразований (см (6))

тах (С^х) + Х/7утах(С¥о/у) =

У\

к

(6)

= max! ДС°,*)ру +2>vmax(Cv,yv) = * !_>-> v=i у-

' Л 1 N '

= maj< Щтахру(С°Я+ Cv ) = max^iQ,yv)p,

где С = С°Я + С„

Подставив ограничение 3) в ограничение 2) задачи (4), получим A^yv<bv,v = \,N, где Д, = А.Н + Д, Таким образом, можно записать следующий одноэтапный аналог исходной задачи (4) в виде (7)

1} А°хИЬ°-у

3 )Ну, =х ,\ = йКг, 4) х,у^ ;> О, V = Рассмотрим алгоритм декомпозиционного метода

1 Выделяем из задачи (7) N задач структуры (8) тах(Си/7ч,,уу);

У V

2°.уу£0

(7)

(8)

2 Решаем // задач (8) и получаем систему оптимальных векторов тактических решений {£*}, V = 1, N

3 Находим соответствующий вектор стратегического решения

(9)

4 Для нахождения значений тактических решений второго этапа выделяем N задач структуры (10), где в ограничениях присутствует численное значение найденного вектора х'

"«[(Рлл)].

2°

з° я > о

5 Решаем N задач (10) и получаем систему тактических векторов

6 При решении задач (8) и (10) может иметь место недопустимость при каком-то значении реализации случайной величины V, в связи с этим найденное значение стратегического вектора по формуле (9) является приближенным решением задачи (7)

Далее в главе описана разработка декомпозиционного метода для непрерывного пространства состояний

Рассмотрим исходную задачу в общем виде

,х)+М тах(гг(со), \0А0х$Ь0,

2° А(ч,]х+В(а,)у(а)<Ь(из}, (11)

3°Ну(е>)=х, 4°х20 ,у(®)>0;а><=П

Задача (11) перепишется в следующем виде

^[¿/(сИ.УИ)]

1° А*х<Ь\

(12)

2° 2(со)Ясо)<6(оо), пн, 3° Л^сз) = х, пн, 4° хг0,^(со)>0,о> еС1

при обозначениях с (со) = сН + с(а>),со е П,Л(а>) = А(а>)Н + В(со)

Полученная задача представляет собой некоторый одноэтапный аналог двухэтапной задачи (11) На основании предположения об эквивалентности этих задач применяем декомпозиционный метод решения задачи (12) для непрерывного пространства состояний О Разобьем задачу (12) на две подзадачи

тах[(е(ш),Я<о))]

1° А°х = Л<>Ну = А0у<Ь0,\ (")

2° у > 0, где х = Ну}

та:

.х[(ф),>>(<о))]=/(х,сй); Iе Л(®)у<Ь(ы), 2° Ну1х,у* 0.

Для решения задачи (12) предложим следующий алгоритм декомпозиции

1 Начало работы для шага л=0 принимается ^°=0, Р° еО

2 Осуществляется сдвиг по шагу 5 = 5+1

3 Генерируется о/ и при С (со') решается задача (13) Определяется оптимальный тактический вектор у С учетом стратегических связей вычисляется стратегический вектор в первом приближении по следующей формуле х5=Н у

4 При сгенерированном значении случайной величины о/ и при найденном конкретном числовом значении стратегического вектора х? из пункта 3 решается задача (14) Определяется оптимальный тактический вектор у' и запоминается оптимальное значение целевой функции /(х\аУ) Далее, опять с учетом стратегических связей вычисляется второе приближение стратегического вектора Ну' = х'

5 С учетом уточненного значения стратегического вектора вычисляется л'-е приближение уже искомого стратегического вектора х*

(15)

6 Вычисляется 5-е приближение оптимального значения функционала исходной задачи (12)

+!/£>■) (16) .5 5

7 Проверяется признак конца расчетов, начиная с л->Л; (И - задается достаточно большим//« 1000)

8 Если признак конца расчетов выполняется, то осуществляется переход к пункту 9 Если не выполняется, то происходит переход к пункту 2

Конец расчетов и интерфейсный вывод следующих значений

** -—1 (18)

р-Ь

На рис 3 представлена схема алгоритма прямого метода декомпозиции для непрерывного пространства состояний

На рис 4 представлен алгоритм параллельного декомпозиционного метода решения стохастических двухэтапных задач со стратегическими связями для

его реализации в ЛВС Предложенный параллельный алгоритм декомпозиционного метода позволяет использовать его в качестве универсального инструментария, который не зависит от характера пространства состояний Кроме этого, распараллеливание алгоритма позволяет существенно сократить время решения поставленной задачи, так как максимальное число итераций при предложенных вариантах разбиения рассматриваемого отрезка составляет 200 для задачи первого этапа и 200 для задачи второго этапа.

Начало

Генерация со' для 5=0

Решение задачи первого этапа тах[(с (о), ><«))]

1" А"х= А^у-^у^йЬ 2°у(и)> 0 гдеX" Ну

Получение решения £ Вычисление приближения

5 = 1,оо

Генерация со* ♦ -

Решение задачи второго этапа

та/[ (с (в) у (о))] - Дх, <з)"| X")

1°А(а)у(я)<Ь(а)

2аНу(а)й х,у>й -

Получение решения у* Вычисление приближения

Усреднение вектора

, ® -1 ,.] 1

X = -х --X

с к

Усреднение целевой функции

Получение решения задачи ♦

Конец

Рис 3 Алгоритм прямого метода декомпозиции

\Парсляеянное решение N/100 задам второго этапа

О

Рабочая сианцил М1

Решение (Ы/(100М)) задач \ [ц вычисление*' - Ну'

2а,Ну(<й)*х*>укО

Решение ШНЮМ)) годач

Усреднение вектора .

и целевой функции

г

_Л_,Т * 'Я

Сервер

НАЧАЛО

Генерация наборов реализаций случайной системной ситуации <&', гт = I, N

Сервер

Нет сходимости

СТОП

решение N/100 задач первого зтапа 1 -| ^ +') "'( "¡^ф)

Рабочая станция

Решение тЮОМ)) задач и вычисление л' = Ну'

Рабочая етат§ил

Решение (Ы/(100М)) задач и вычисление 1' * ну'

Нахождении X = И

Сгреер

Получение решения }адачи . ■

Ш

Г

Усреднение вектора 1'

-----1* +-дг

Рис. 4. Алгоритм параллельного метола декомпозиции

Четвертая глава посвящена разработке а! го ритм и чес ко го обеспечения комплекса поддержки принятия управленческих решений на основе использования знаний.

На основании проведенных исследований и разработанной концепции современного управления можно представить структуру интеллектуальной активной системы управления (рис. 5).

Рис. 5. Структурная схема интеллектуальной системы управления предприятием

Объектно-ориентированная база данных (00 БД). Описывает структурированную проблемную область менеджмента и содержит основную информацию и знания об объектах фирмы.

Ваза знаний 1-го типа (БЗ 1). База знаний перного типа предназначена для текущего анализа и распознавания ситуации. БЗ 1 представляет собой систему триггеров, с помощью которых происходит процесс поиска сложившейся ситуации.

База знаний 2-го типа (БЗ 2). Эта база знаний является основным управляющим механизмом в структуре активной системы управления. БЗ 2 содержит структурированные знания о всех состояниях системы. Она анализирует сложившуюся ситуацию. На основании имеющихся знаний производит процесс диагностики и вырабатывает необходимый действия.

база знаний 3-го типа (БЗ 3). Является механизмом накопления опыта и адаптации активной системы управления. БЗ 3 отслеживает реакцию производственной системы на принятое решение. После этого она фиксирует результат и тем самым накапливает "опыт" активной системы.

Менеджерское окно. Является каналом связи пользователя системы с знаниями системы. На рис. 5 пунктиром обозначена область воздействия менеджерского окна. Стрелки от элементов системы к пунктирной области отображают тот факт, что эти элементы представляют необходимые знания для ЛПР.

Таким образом, в соответствии с разработанным теоретическим инструментарием и основами проектирования интеллектуальной системы управления предлагается следующий агрегированный алгоритм функционирования системы (рис. 6)

Рис. 6. Схема агрегированного алгоритма функционирования интеллектуальной активной системы управления

Если сравнивать разработанную интеллектуальную систему управления с созданными экспертными системами, которые также основаны на знаниях, то можно сказать, что понятие интеллектуальной системы шире экспертных систем Основное отличие от существующих экспертных систем заключается в автоматизации процесса анализа результата и накопления знаний По сравнению с АСУ и экспертными системами интеллектуальная система управления позволяет повысить интегральную эффективность работы современного предприятия

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ РАБОТЫ

1 Проведен системный анализ существующих подходов к адаптивному управлению современным предприятием и определены возможности организации на этой основе системы поддержки принятия управленческих решений

2 Предложена структура и алгоритм функционирования адаптивной стохастической оптимизационной модели управления

3 Описана имитационная модель реализаций случайной системной ситуации для стохастической модели управления предприятием

4 Разработаны методы решения задач оптимального управления на основе стохастических моделей и предложены методики оценивания их эффективности

5 Разработана методика решения стохастических задач управления, отличающаяся рассмотрением параллельных и итерационных процессов и повышающая скорость сходимости решения

6 Предложены структуры базы знаний для функционирования интеллектуальной системы управления предприятием

7 Разработаны алгоритмические средства поддержки принятия оптимальных управленческих решений на основе предложенных стохастических моделей

8 Теоретические и практические результаты работы внедрены в учебный процесс кафедры систем автоматизированного проектирования и информационных систем Воронежского государственного технического университета и кафедры информатики и вычислительной техники Воронежского института высоких технологий

Основные результаты диссертации опубликованы в следующих работах:

Публикации в изданиях, рекомендованных ВАК РФ

1 Покровская Н В , Львович И Я Вероятностные модели оптимизации процессов функционирования "предприятия // Вестник Воронежского государственного технического университета 2006 Т 2 № 12 С 90-95

Статьи и материалы конференций

2 Покровская Н В Разработка плана внедрения инновационной системы управления предприятием // Прикладные задачи моделирования и оптимизации межвуз сб науч тр - Воронеж ВГТУ, 2006 - С 134-136

3 Покровская Н В , Львович И Я Разработка методики адаптивного управления социально-экономическими системами // Прикладные задачи моделирования и оптимизации межвуз сб науч тр - Воронеж ВГТУ, 2006 -С 137-139

4 Покровская Н В Использование стохастических моделей в процессе управления социально-экономическими системами // Моделирование систем и информационные технологии межвуз сб науч тр Воронеж Научная книга, 2006 Ч 1 С 200-201

5 Покровская Н В Проблемы адаптивного управления потенциалом социально-экономических систем // Моделирование систем и информационные технологии межвуз сб науч тр Воронеж Научная книга, 2006 Ч 1 С 205206

6 Покровская Н В Классификация типов адаптивного управления социально-экономической системой // Моделирование систем и информационные технологии межвуз сб науч тр Воронеж Научная книга, 2006 Ч 1 С 206208

7 Покровская Н В Разработка активной интеллектуальной системы управления фирмой // Теория конфликта и ее приложения материалы 1У-ой всерос науч -техн конф Воронеж Научная книга, 2006 Ч 1 С 246-250

8 Покровская Н В Метод декомпозиции для решения стохастических задач со стратегическими связями // Высокие технологии в технике, медицине, экономике и образовании межвуз сб науч тр Воронеж ВГТУ, 2006 С 126128

9 Покровская Н В Интегрированная стохастическая модель оптимизации деятельности предприятия // Интеллектуализация управления в социальных и экономических системах труды всерос конф Воронеж 2007 С 57-58

10 Покровская Н В Разработка интегрированной стохастической маркетинговой модели управления фирмой // Моделирование систем и информационные технологии межвуз сб науч тр Воронеж Научная книга, 2007 Ч 1 С 55-59

Подписано в печать 16 04 2007 Формат 60x84/16 Бумага для множительных аппаратов Уел печ л 1,0 Тираж 90 экз Зак№ №

ГОУВПО «Воронежский государственный технический университет» 394026 Воронеж, Московский просп , 14

ВВЕДЕНИЕ

1. АНАЛИЗ СУЩЕСТВУЮЩИХ ПОДХОДОВ И МЕТОДОВ 13 УПРАВЛЕНИЯ ФИРМОЙ

1.1. Постановка общей проблемы управления фирмой

1.2. Анализ внешней и внутренней среды предприятия

1.3. Стратегическое, тактическое и оперативное управление фирмой

1.4. Экономико-математические модели управления фирмой

1.4.1. Классификация детерминированных оптимизационных 27 производственных моделей

1.4.2. Классификация стохастических моделей и их роль в процессе 30 управления современной фирмой

1.4.3. Классификация моделей искусственного интеллекта

1.5. Активные интеллектуальные системы - альтернативный подход к 38 обеспечению адаптации фирмы

1.5.1. Обзор эволюции систем управления фирмой

1.5.2. Постановка проблемы разработки активной интеллектуальной 41 системы управления фирмой

1.6 Цели и задачи исследования

2. РАЗРАБОТКА СИСТЕМЫ СТОХАСТИЧЕСКИХ МОДЕЛЕЙ 51 ОПТИМИЗАЦИИ ПРОЦЕССОВ ФУНКЦИОНИРОВАНИЯ ФИРМЫ В СЛУЧАЙНОЙ СРЕДЕ

2.1. Декомпозиция предметной области менеджмента

2.2. Особенности двухэтапных задач со стратегическими связями при 53 разработке системы стохастических моделей управления фирмой

2.3. Разработка интегрированной стохастической маркетинговой модели 59 управления фирмой

2.3.1. Классификация информации при построении интегрированной 59 стохастической модели

2.3.2. Основные принципы построения модели и роль стратегических связей в маркетинге

2.3.3. Идентификация переменных и условные обозначения

2.3.4. Математическая постановка задачи

2.3.5. Разработка вспомогательных имитационных моделей генерации 66 случайной системной ситуации

2.3.6. Рекомендации по разработке метода решения стохастических 69 двухэтапных задач со стратегическими связями

2.4. Разработка стохастической модели анализа инвестиционных проектов

2.4.1. Принципы построения и идентификация переменных

2.4.2. Имитационное моделирование случайной системной ситуации

2.4.3. Коэффициенты оценки эффективности стохастических 72 инвестиционных проектов

Выводы второй главы

3. РАЗРАБОТКА ДЕКОМПОЗИЦИОННОГО МЕТОДА РЕШЕНИЯ 76 СТОХАСТИЧЕСКИХ ДВУХЭТАПНЫХ ЗАДАЧ

3.1. Декомпозиция задачи и алгоритм декомпозиционного метода для 76 конечного пространства состояний

3.2. Эквивалентность и нахождение приближенного решения

3.3. Разработка декомпозиционного метода для непрерывного 81 пространства состояний

3.4. Эффективность декомпозиционного метода

3.4.1. Оценка погрешности непрямого декомпозиционного метода для 84 конечного пространства состояний

3.4.2. Распараллеливание декомпозиционного метода для конечного 89 пространства состояний

3.5. Схема распараллеливания декомпозиционного метода 92 Выводы третьей главы

4. РАЗРАБОТКА АКТИВНОЙ СИСТЕМЫ УПРАВЛЕНИЯ 98 ФИРМОЙ НА ОСНОВЕ ИСПОЛЬЗОВАНИЯ ЗНАНИЙ

4.1. Структура активной интеллектуальной системы управления

4.2. Функции и алгоритм работы активной системы управления 100 4.3 Разработка методов представления знаний в объектно- 101 ориентированной базе данных

Выводы четвертой главы

Актуальность темы. На современном этапе развития социально-экономических субъектов Российской Федерации возникает проблема оптимального управления предприятием, адаптирующимся к изменениям факторов внешней среды. Ранее для решения этой проблемы использовался аппарат детерминированной оптимизации. Однако в нем не учитывается стохастический характер внешней среды фирмы (например, спрос на готовую продукцию, цена товара, объем производства и т.д.), и, следовательно, его использование не позволяет находить оптимальное решение в рыночных условиях. В связи с этим для повышения эффективности управления и обеспечения адаптации фирмы к случайным параметрам необходимо использовать инструментарий стохастической оптимизации. Широкое распространение при решении задач оптимизации получили стохастические двухэтапные задачи со стратегическими связями, позволяющие адаптивно корректировать принятое решение и определять режим функционирования объекта посредством взаимосвязи поэтапных управляющих решений в случайной ситуации. Однако числовые постановки таких моделей при оптимизации процесса функционирования фирмы представляют собой задачи большой размерности, которые невозможно решать существующими методами стохастического программирования, что определило возникновение декомпозиционных методов. Но в этих методах не рассматривался непрерывный случай решения, а также не учитывалась возможность организации параллельных вычислений, что определяет актуальность разработки новых вариантов декомпозиционных методов решения этого класса задач. Кроме этого, рассмотренный стохастический инструментарий не применялся для управления предприятием. С другой стороны, в связи с широким распространением компьютерных технологий в управлении и объективным преобразованием информации в знания произошел переход от автоматизированных систем управления производством к интеллектуальным системам управления (ИСУ). Следует отметить, что существующие ИСУ не используют категории стохастической оптимизации и, следовательно, не позволяют полноценно адаптировать деятельность предприятия к случайным колебаниям внешней среды.

Актуальность проблемы можно сформулировать как необходимость разработки стохастических моделей и методов, осуществляющих адаптацию предприятия к влиянию стохастических параметров, обеспечивающих нахождение оптимального решения в реальных рыночных условиях, и являющихся элементами знаний интеллектуальной системы управления предприятия.

Основные исследования, получившие отражение в диссертации, выполнялись по планам научно-исследовательских работ:

- федеральная комплексная программа «Исследование и разработки по приоритетным направлениям науки и техники гражданского назначения»;

- грант РФФИ «Гуманитарные науки», раздел «Разработка оптимизационных моделей управления распределением инвестиций на предприятии по видам деятельности» № Г00-3.3-306.

Цель и задачи исследования. Целью исследования является разработка методов, моделей и алгоритмов стохастического моделирования оптимального адаптивного управления современным рыночным предприятием.

Для достижения поставленной цели необходимо решить следующие задачи: провести системный анализ существующих подходов к адаптивному управлению современным предприятием и определить возможности организации на этой основе системы поддержки принятия управленческих решений; предложить структуру и алгоритм функционирования адаптивной стохастической оптимизационной модели управления; описать имитационную модель реализаций случайной системной ситуации для стохастической модели управления предприятием; разработать методы решения задач оптимального управления на основе стохастических моделей и предложить методики оценивания их эффективности; предложить структуры базы знаний для функционирования интеллектуальной системы управления предприятием; разработать алгоритмические средства поддержки принятия оптимальных управленческих решений на основе предложенных стохастических моделей.

Методы исследования. Для решения поставленных задач использовались основные положения системного анализа, стратегического менеджмента, методов имитационного моделирования, теории управления, исследования операций и оптимизации, методов представления знаний, объектно-ориентированного проектирования и программирования.

Научная новизна. В диссертации получены следующие основные результаты, характеризующиеся научной новизной: процедуры адаптивного управления, позволяющие адаптацию предприятия к стохастическим факторам внешней и внутренней среды; структурные элементы и алгоритм функционирования базы знаний интеллектуальной системы управления, осуществляющие выработку и корректировку альтернативных управленческих решений; стохастические имитационные модели, учитывающие случайные колебания рыночных факторов для различных вариантов управления предприятием; методика решения стохастических задач управления, отличающаяся рассмотрением параллельных и итерационных процессов и повышающая скорость сходимости решения.

Практическая значимость и результаты внедрения

Предлагаемые в работе алгоритмы и модели позволяют повышать эффективность функционирования предприятия и снижать энтропию за счет обеспечения выбора активной стратегии при меняющихся факторах внешней и внутренней среды предприятия посредством функционирования стохастического инструментария, а также организации новых возможностей адаптации предприятия.

Разработанное программное обеспечение вариантов декомпозиционного метода позволяет существенно снизить время решения за счет организации параллельных вычислений. Предлагаемая в работе интеллектуальная система управления позволяет осуществлять активное управление предприятием и адаптироваться к непредвиденным изменениям.

Созданный комплекс алгоритмических средств поддержки принятия управленческих решений апробирован во Всероссийском межотраслевом научно-учебном центре по вычислительной технике и информатике (г. Москва) и Международном университете природы, общества и человека «Дубна».

Теоретические и практические результаты работы внедрены в учебный процесс по специальностям «Проектирование и технология РЭС» и «САПР» Московского государственного университета приборостроения и информатики.

Апробация работы. Результаты диссертационной работы докладывались и обсуждались на следующих конференциях и семинарах: Всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 2005-2006), Всероссийской конференции "Интеллектуализация управления в социальных и экономических системах (Воронеж, 2005-2007), межвузовской конференции «Моделирование систем и информационные технологии» (Воронеж, 2006-2007), семинарах кафедры систем автоматизированного проектирования и информационных систем Воронежского государственного технического университета и кафедры информатики и вычислительной техники Воронежского института высоких технологий (2005-2006).

Публикации. Основные результаты диссертации опубликованы в 10 научных работах, в том числе 1 - в издании, рекомендованном ВАК РФ.

В работах, опубликованных в соавторстве и приведенных в конце автореферата, лично соискателю принадлежат: постановка двухэтапной задачи стохастического программирования [1] и описание агрегированных показателей, характеризующих динамику развития и различные характеристики социально-экономической системы [3].

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы из 241 наименования и приложения. Работа изложена на 138 страницах и содержит 32 рисунка, 19 таблиц.

ВЫВОДЫ ЧЕТВЕРТОЙ ГЛАВЫ

1. Предложена новая концепция адаптации фирмы к меняющимся факторам внешней и внутренней среды с помощью функционирования интеллектуальной активной системы управления на основе знаний.

2. Разработаны принципы построения, алгоритм и технология активной системы управления предприятием. Разработаны новые методы выделения и представления менеджерских знаний. Разработаны концептуальные основы проектирования каждого функционального блока ИАС.

ЗАКЛЮЧЕНИЕ

1. Проведен системный анализ существующих подходов к адаптивному управлению современным предприятием и определены возможности организации на этой основе системы поддержки принятия управленческих решений;

2. Предложена структура и алгоритм функционирования адаптивной стохастической оптимизационной модели управления;

3. Описана имитационную модель реализаций случайной системной ситуации для стохастической модели управления предприятием;

4. Разработаны методы решения задач оптимального управления на основе стохастических моделей и предложены методики оценивания их эффективности;

5. Разработана методика решения стохастических задач управления, отличающаяся рассмотрением параллельных и итерационных процессов и повышающая скорость сходимости решения.

6. Предложены структуры базы знаний для функционирования интеллектуальной системы управления предприятием;

7. Разработаны алгоритмические средства поддержки принятия оптимальных управленческих решений на основе предложенных стохастических моделей.

8. Созданный комплекс алгоритмических средств поддержки принятия управленческих решений используется в процессе управления Всероссийского межотраслевого научно-учебного центра по вычислительной технике и информатике (г.Москва) и Международного университета природы, общества и человека «Дубна». Теоретические и практические результаты работы внедрены в учебный процесс по специальностям «Проектирование и технология РЭС» и «САПР» Московского государственного университета приборостроения и информатики.

1. Мескон М.Х., Альберт М., Хедоури Ф. Основы менеджмента. М.: Дело, 1992.-702 с.

2. Kenneth Boulding, General Systems Theory The Skeleton of Science //Management Science. - 1975. - April. - pp. 197-208.

3. F.E. Kast, J.E. Rosenzwieg, General Systems Theory: Applications for Organization and Management // Academy of Management Journal. 1972. - vol. 15,no. 4., pp. 447-465.

4. Герасименко В.А. Основы информационной грамотности. М.: Энергоатомиздат, 1996. - 320с.

5. Бурков В.Н., Ириков В.А. Модели и методы управления организационными системами. М.: Наука, 1994. - 207 с.

6. Глушков В.М., Иванов В.В., Яненко В.М. Моделирование развивающихся систем. М.: Наука, 1983. - 351 с.

7. Петров А.А., Поспелов И.Г. Системный анализ развивающейся экономики. Изв. АН СССР. Техн.кибернетика. - 1980, №3, С. 10-20.

8. Глушков В.М. Кибернетика, вычислительная техника, информатика. Избранные труды. В 3 т. Киев: Наукова думка, 1990. - 225 с. // т.З Гносеологическая природа информационного моделирования с. 165-170

9. Глушков В.М., Иванов В.В., Яненко В.М. Методологические вопросы применения математических методов в биологии. Киев: АН УССР, 1979.65 с.

10. Ю.Одинцов Б.Е. Проектирование экономических экспертных систем. -М. компьютер, ЮНИТИ, 1996. 166 с.11 .Фатхутдинов Р.А. Система менеджмента. М.: ЗАО "Бизнес-школа "Интел-Синтез", 1997. - 352 с.

11. Глушков B.M. Введение в кибернетику. Киев: Изд. АН УССР, 1964. - 323 с.

12. Голдман С. Теория информации. М.:Наука, 1957.

13. Янг С. Системное управление организацией. М.: Советское радио. -1972,456 с.

14. Большие системы: моделирование организационных механизмов/В.Н. Бурков, Б. Данев, А.К. Еналеев и др. Институт проблем управления. М.: Наука, 1989. - 246 с.

15. Бурков В.Н., Кондратьев В.В. Механизмы функционирования организационных систем. М.: Наука, 1981.

16. Дюкалов А.Н. Некоторое задачи прикладной математической экономики. М.: Наука, 1983.

17. Интрилигатор М. Математические методы оптимизации и экономическая теория. М.: Прогресс, 1975.

18. Основы научного управления социально-экономическими процессами. -М.: Мысль, 1984. 26. Поспелов Г.А., Ириков В.А., Курилов А.Е. Процедуры и алгоритмы формирования комплексных программ. М.: Наука, 1985.

19. Горелик В.А., Кононенко А.Ф. Теоретико-игровые модели принятия решений в эколого-экономических системах. М.: Радио и связь, 1982. - 224с.

20. Пресняков В.Ф. Модель поведения предприятия. М.: Наука, 1991192 с.

21. Astley W. Toward an appreciation of collective strategy// Acad. Manag. Rev. 1984.-Vol. 9.-pp. 35-75.

22. Экономико-математические модели в системах управления предприятиями / Под ред. Н.П. Федоренко, И.П. Шубкиной. М.: Наука, 1983. с.31. Методические положения оптимального отраслевого планирования в промышленности. - Новосибирск: Наука, 1972.

23. DH1 W.R. Environment as an influence on managerial autonomy // Administr. Sci. Quart. 1958. - N2

24. Emery F.E., Trist E.H. The causal texture of organizational environments // Human Relations 1965 - Vol. 18.

25. Preffer J. Bringing the environmental back in the social context of business strategy // The competitive challenge: Strategies for industrial innovation and renewal. Ed. D.I. Tecce. Cambridge, 1985.

26. Cuert R.M., March J.G. A behavioral theory of the firm. Englewood Cliffs, -N.J., 1983.

27. Technology in the modern corporation: A strategic perspective / Ed. M. Horwitch, -N.Y., 1986.

28. Фостер P. Обновление производства: атакующие выигрывают. М.: Прогресс, 1987.

29. Hayes R.H., Wheelright S.C. Restoring our competitive edge: Competing through manufacturing. N.Y., 1984.

30. Caves R. American industry: Structure, conduct, performance. -Englewood Cliffs: N.J., 1978

31. Aldrich H.E. Organizations and environment. Englewood Cliffs N.J.,1979.

32. Моррисей Дж. Целевое управление организацией. М. :Советское радио, 1979, - 144 с.

33. Коллас Б. Управление финансовой деятельностью предприятия. -М.: Финансы, ЮНИТИ, 1997. 576 с.

34. Ансофф И. Стратегическое управление. М.: Экономика, 1989.519с.

35. Ansoff I. Strategic du developpement de l'entreprise. Editions Hommes et Techniques, 1968.

36. Tabatoni P. et Jarniou P. Les systemes de gestion. PUF (coll. "S-D"),1975.

37. Вилкас Э.Й., Майминас Е.З. Решения: теория, информация, моделирование. М.: Радио и связь, 1981.

38. Лопатников Л.И. Экономико-математический словарь. М.:Наука,1993.

39. Воробьев Н. Н. Развитие науки и теория игр.- В кн.: Материалы к симпоз. "Исследование операций и анализ развития науки". М.: Наука, 1967.

40. Поспелов Г. С, Ириков В. А. Программно-целевое планирование. -М.: Советское радио, 1976.42 .Герасимов Н. И. Планирование производственной программы машиностроительного предприятия. М: Машиностроение, 1972.

41. Данилин В. И. Экономико-математические модели годового планирования на предприятии. М.: Наука, 1975. - 152 с.

42. Экономико-математические методы и модели планирования и управления/Под ред. проф. В. Г. Шорина. М.: Знание, 1973.

43. Титов В. В. Оптимизация принятия решений в управлении производством. Новосибирск: Наука, 1981.

44. Данилин В. И. и др. Система матричных моделей технико-экономического управления на предприятии. М.: Наука, 1977.

45. Бромберг Г. Л., Бузова Н. И., Клейнер Г. Б. Перспективное планирование производства в объединении: Опыт моделирования. М.: Экономика, 1978.

46. Багриновский К. А., Егорова Н. Е. Имитационные системы в планировании экономических объектов. М: Наука, 1980.

47. Данилин В. И., Венгерова И. В. Модель выбора сроков начала реализации проектов реконструкции и строительства производственного объединения (предприятия).- В кн.: Моделирование процессов управления в звене отрасль-предприятие. М.: ЦЭМИ АН СССР, 1980.

48. Данилин В.И., Филипцева Е.Я. Модель срока смены старого изделия новым.- В кн.: Моделирование процессов управления в звене отрасль-предприятие. М.: ЦЭМИ АН СССР, 1980.

49. Уздемир А. П., Шмелев В. В. Целочисленные динамические задачи экономического планирования с сетевыми ограничениями.- АиТ. 1973. -№7.

50. Соколовский JI. Е. Модели оптимального функционирования предприятия. М.: Наука, 1980.

51. Гафт JI. III., Томашевский И. В., Хижняк В. И. Оптимальное планирование в условиях мелкосерийного производства. М.: Статистика, 1970.

52. Левицкий В. М. Математические модели оперативного объемно-календарного планирования производства машиностроительных предприятий. М.: Статистика, 1972.

53. Соколицын С. А. Опыт разработки и внедрения пусковых комплексов автоматизированных систем управления производства на машиностроительном предприятии. Л.: Дом науч.-техн. пропаганды, 1971.

54. Бахрах Е. П. Опыт построения рациональной производственной программы предприятий машиностроения и приборостроения. Л. 1970.57.0птимальные решения в управлении предприятием. Новосибирск: Наука, 1979.

55. Комплекс моделей оперативно-производственного планирования на предприятии. М.: ЦЭМИ АН СССР, 1972.

56. Хакс А. Агрегированное планирование производства.- В кн.: Исследование операций. М.: Мир, 1981. - т. 2.

57. Чернявский A. JI. Алгоритмы для решения комбинаторных задач, основанные на методе неявного перебора. АиТ. - 1972. - №3.

58. Кузин Б. И. Экономико-математическое обеспечение подсистемы ОПП на прямоточных линиях.- В кн.: Применение математики в экономике. -Л.: ЛГУ. 1974,-Вып. 9.

59. Ситцевой В. Определение нормативов производственных запасов //Материал.-техн. снабжение. 1970. - № 11.

60. Феклисов Г. И. Оптимальное управление запасами. М.: Статистика,1975.

61. Лавриков Ю. А., Панфилов М. П., Сидоров Н. X., Андреев В. Н. Производственные объединения: Организация, эффективность, перспективы развития. -М: Экономика, 1982.

62. Хруцкий Е. А. Проблемы оптимизации хозяйственных связей. М.: Наука, 1979.

63. Хэдли Дж., Уайтин Т. Анализ систем управления запасами. М.: Наука, 1969.

64. Gardner Е. Е., Dannenbring D. G. Using optimal Policy surfaces to analyze aggregate inventory tradeoffs // Management Science. 1979. - vol. 25, N8.

65. Пугачев М. И. Об одной задаче оптимизации сбыта готовой продукции при большой размерности матрицы заказов// Экономика и мат. методы. 1976. - т. 12, вып. 5.

66. Канторович Л.В., Горстко А.Б. Оптимальные решения в экономике. М.: Наука, 1972-230 с.

67. Канторович Л.В. и др. Экономика и оптимизация. М: Наука, 1990248 с.

68. Поспелов Г.С., Вен В.Л., Солодов В.М., Шафранский В.В. Проблемы программно-целевого планирования и управления. М.: Наука,1981.

69. Аркин В.И., Евстигнеев И.В. Вероятностные модели управления и экономической динамики. М.: Наука, 1979.

70. Мирзоахмедов Ф., Петренко В.Л. Задачи стохастического программирования, возникающие при расчете производства, обладающего адаптивными свойствами // Кибернетика. -1981. №1. - С. 97-104.

71. Первозванский А. А. Математические модели в управлении производством. М.: Наука, 1975.

72. Ермольев Ю.М. Методы стохастического программирования. М.: Наука, 1976.

73. Юдин Д.Б. Новые подходы к стохастическому программированию // Экономика и мат. методы. 1978. - Т.4. - С. 907-920.

74. Кардаш В.А. Введение в стохастическую оптимизацию. -Новочеркасск: НГТУ, 1995. Книга 1. -155 с.

75. Кардаш В.А. Введение в стохастическую оптимизацию. -Новочеркасск: НГТУ, 1996. Книга 2. -113 с.

76. Валтер Я. Стохастические модели в экономике. М.: Статистика, 1976 -231 с.

77. Ермольев Ю.М., Ястремский А.И. Стохастические модели и методы в экономическом планировании. М.: Наука, 1979. - 253 с.

78. Юдин Д.Б. Математические методы управления в условиях неполной информации (Задачи и методы стохастического программирования). М.: Советское радио, 1974. - 399 с.

79. Ястремський О.Т. Моделюваня економичного ризику. Киев: Либщь, 1992. - 175 с.

80. Гупал A.M. Стохастические методы решения негладких экстремальных задач. Киев: Наукова думка, 1979.

81. Максимов Ю.И. Стохастическое моделирование в планировании. -Новосибирск: Наука, 1981.

82. Кардаш В.А. Модели управления производственно-экономическими процессами в сельском хозяйстве. М: Экономика, 1981. - 183 с.

83. Кардаш В.А. Экономика оптимального погодного риска в АПК: Теория и методы. М.: ВО Агропромиздат, 1989. - 167 с.

84. Кардаш В.А. Об одном подходе к постановкам стохастических задач оптимизации производства // Экономика и математические методы. -1977. -Т.13,Вып.6.-С. 312-316.

85. Кардаш В.А. Экономическая оптимизация в орошении. В кн.: Вопросы анализа плановых решений в сельском хозяйстве, ч.П, Новосибирск, 1972, с. 197.

86. Кардаш В.А., Рапопорт Э.О. Моделирование экономических процессов в сельском хозяйстве. Новосибирск: Наука, 1979. - 149 с.

87. Мочалова JI.A. Проблемы экономического риска и устойчивости в управлении сельскохозяйственным производством: Автореф. дис. док. экон. наук. -М., 1996.-37с.

88. Мочалова JI.A. Проблема экономического риска и устойчивости в информационных технологиях управления сельскохозяйственным производством. Брянск: БГСХА, 1996.-117 с.

89. Ильченко А.Н. Моделирование внутрирегиональных экономических взаимоотношений в АПК. М.: Изд-во МСХА, 1993. - 135 с.

90. Мирзоахмедов Ф. Математические модели и методы управления производством с учетом случайных факторов. Киев: Наукова думка, 1991. -224 с.

91. Ермольев Ю.М., Мирзоахмедов Ф. Прямые методы стохастического программирования в задачах планирования запасов // Кибернетика. 1976. -№6. -С. 74-81.

92. ЮО.Мирзоахмедов Ф. Некоторые численные решения двухэтапных задач стохастического программирования//Кибернетика. 1984.-№ 6.-С. 7173.

93. Мирзоахмедов Ф. Задача оптимизации теории очередей и численный метод ее решения//Кибернетика.-1990.-№ З.-С. 73-75.

94. Лорьер Ж.Л. Системы искусственного интеллекта. М.: Мир, 1991.568 с.

95. Цыганков В.Д. Нейрокомпьютер и его применение. М.: СолСистем, 1993.- 117 с.

96. Юб.Маныкин Э.А., Сурина И.И. Нейронные сети и их оптические реализации. М.: ИАЭ, ЦНИИато-минформ, 1988.

97. Ю7.Уоссермен Ф. Нейрокомпьютерная техника. М.: Мир, 1992.

98. Бир С. Мозг фирмы. М.: Радио и связь, 1983. - 416 с.

99. Бир С. Кибернетика и управление производством. М.: Физматгиз, 1963.-276 с.

100. Ю.Слейгл Д. Искусственный интеллект. М.: Мир, 1973.

101. Шалютин С. Искусственный интеллект. М. Мир, 1981.

102. NilsonN.J. Principles of Artificial Intelligence. Tioga, Spring-Verlag,1980.

103. Winston P.H. Artificial Intelligence. Addison-Wesley, 1984.

104. Gaschnig J. Performance measurement and analysis of certain search algorithms. Carnegie-Mellon University. -1979

105. Bratko I. Prolog Programming for Artificial Intelligence. A.-W., 1989.

106. Atkinson R.C. Human memory and the learning process. A.-Wesley,1979.

107. П.Солсо Р.Л. Когнитивная психология. M.: Тривола, 1996. - 600 с.

108. Pylyshyn P. Computation and Cognition: Toward a Foundation for Cognitive Science. Addison-Wesley, 1983.

109. Howard Gardner. Mind's New Science. Addison-Wesley, 1985.

110. Charniak E., McDermott D. An Introduction to Artificial Intelligence. -Addison-Wesley, 1984.

111. Winograd T. Language as a cognitive process. Addison-Wesley, 1983.

112. Кандрашина Е.Ю., Литвинцева Л.В., Поспелов Д.А. Представление знаний о времени и пространстве в интеллектуальных системах. М.: Наука, 1989.-328 с.

113. Поспелов Г.С., Поспелов Д.А. Искусственный интеллект. Прикладные системы. М.: Знание, 1985. - 48 с.

114. Уинстон П. Искусственный интеллект. М: Мир, 1980. - 519 с.

115. Шенк Р. Обработка концептуальной информации. М.: Энергия,1980.-361С.149Jaikumar R. Postindustrial manufacturing. Harvard Business Review. -1986.-N 64 (6).-pp. 69-76

116. Sullivan W. A. Computer integrated manufacturing program justification. Michigan, 1985. - pp. 234 - 255.

117. Gershwin S. В., Hildebrant R. R., Suri R. and Mitter S. K. A control perspective on recent trends in manufacturing systems // IEEE Control Sytems Magazine. -1986.-N6(2).-pp. 3-14.

118. Gunn T. Q. Computer Applications in Manufacturing. New York,1981.

119. Kusiak A., Vannelli A.,Kumar K. R. Grouping problems in scheduling flexible manufacturing systems. Working Paper // Industrial Engineering, -Toronto, 1985.

120. Morgan С Robots: Planning and Implementation. Bedford, UK, 1984.

121. Elavia J. D. Where do I start with CIM? // Society of Manufacturing Engineers. -Dearborn, Michigan. -'1985. pp. 111-121.

122. Miller R. D. Simplification, management control and intelligence automation. // Society of Manufacturing Engineers. Dearborn, Michigan. - 1985. -pp. 1-15.

123. Nassr J. J. Considerations in establishing a CIM environment //Proc. COMPINT '85, 1985, pp. 68-72.

124. Kempf К. G. Manufacturing and artificial intelligence //Robotics. -1985.-Nl.-pp. 13-25.

125. Lenat D., Prakash M. and Shepherd M. CYC: Using common sense knowledge to overcome brittleness and knowledge acquisition bottlenecks. // AI Magazine. -1986. -N6.-pp. 65-85.

126. McDonald M. E. The smart foreman. Expert systems for manufacturing. // Society of Manufacturing Engineers. Dearborn, Michigan. - 1985. - pp. 145156.

127. Su Y. W. Modeling integrated manufacturing data with SAM. IEEE Computer, - 1986. - N19, pp.34-49.

128. Gevarter W. B. Expert systems: Limited but powerful. IEEE Spectrum. - 1983.N18,pp.39-45.

129. Michie D. Expert Systems in the Micro Electronic Age. Edinburgh University Press, Edinburgh, 1979.

130. Reitman W. Artificial Intelligence Applications for Business. Ablex, Norwood, New Jersey, 1984.165 .Представление и использование знаний./ Под ред. X. Уэно, М. Исидзука. М.: Мир, 1989. - 220 с.166.0суга С. Обработка знаний. М.: Мир, 1989. - 293 с.

131. Прикладные нечеткие системы / К. Асаи, Д. Ватада, С. Иваи и др. -М.: Мир, 1993.-368с.

132. Приобретение знаний / Под ред. С. Осуги, Ю. Саэки. М.: Мир, 1990-304 с.

133. Clasny W.J. The epistemology of a rule-based expert system a framework for explanation // Artif. Intell. -1983.- N20, - pp. 215 - 251

134. Newell A., Simon H.A. Human problem solving. Englewood Cliffs, N.J.: Prentice-Hall, 1972.-234 p.

135. Waterman D.A. An Introduction to production systems // AISP Eur. Newsletter. 1977. Issue 25. - pp.7-10.

136. Shubert L.K. Extending the Expressive Power of Semantic Networks I I Artif. Intell. 1976. - v.7. -pp. 162-198.

137. Mollenkamp R. Applying Process AI Expert Systems. Artif. Intell. -1989. -v.28.Nl.-pp. 1-8.

138. Представление знаний в человеко-машинных и робототехнических системах. М.: ВЦ АН СССР, ВИНИТИ, 1984 - Т.А.: Фундаментальные исследования в области представления знаний. - 264 с.

139. Hedrix G.G. Expanding the Utility of Semantic Networks Through Partitioning // Artif. Intell. 1986. - vol. 7. - pp. 21-49.

140. Reiter R.A. Logic for Default Reasoning // Artif. Intell. 1980. - vol. 13. -pp. 81-132.

141. ClosksinW.F., Mellish С Programming in PROLOG. Heidelberg: Springer-Verlag, 1981.-324 p.

142. Nakashima H. Knowledge representation in PROLOG/KR/Int. Symp. On Logic Programming, Feb. 6-9, 1984. Atlantic City. NJ.'Silver Spring. - pp. 126-130.

143. Kobsa A. Knowledge representation: a surway of its mechanism, a sketch of its semantics // Cybernetics and Systems. 1984. - №15. - p. 41 - 89.

144. Минский M. Фреймы для представления знаний. М.: Мир, 1979.152 с.

145. Цыганов В.В. Адаптивные механизмы в отраслевом планировании. -М: Наука, 1991.- 166 с.

146. Авдеев В.П., Бурков В.И., Енакеев А.К., Кисилев Т.В. Многоканальные организационные механизмы (опыт применения в АСУ). -М.:ИПУ, 1986

147. Бурков В.Н., Кондратьев В.В., Цыганов В.В. и др. Теория активных систем и совершенствование хозяйственного механизма. М.: Наука, 1984.

148. Бурков В.Н. Основы математической теории активных систем. -М.: Наука, 1977.

149. Бурков В.Н., Пак В.Д., Цыганов В.В. Проблемы оценки прогрессивности НИИ и КБ // Организация исследований и разработок в условиях совершенствования хозяйственного механизма: Материалы конф. -М.: МДНТП, 1981.

150. Бурков В.Н., Суходаев А. А., Цыганов В.В. Совершенствование планирования и финансирования работ по новой технике в отрасли // Совершенствование планирования, разработки и внедрения новых поколений техники. М.-.АНХСМ СССР, 1986.

151. Бурков В.Н. , Тисарж И., Цыганов В.В. и др. Проектирование систем комплексной оценки инноваций и принятия решений // Моделирование и идентификация производственных систем. М.: ИПУ, 1988.

152. Бурков В.Н., Цыганов В.В. Адаптивные механизмы функционирования активных систем // АиТ. 1985. - №9.

153. Бурков В.Н., Цыганов В.В. Проектирование адаптивных распределенных информационных систем // Вычислительный центр-88: Материалы конф. Прага: ЧСНТО, 1988. т. 1.

154. Бурков В.Н., Цыганов В.В. Тенденции и перспективы построения адаптивных механизмов функционирования активных систем // Измерения, контроль, автоматизация. 1985. - №5.

155. Гершензон М.А. Анализ упрощенных динамических моделей межотраслевого баланса. Новосибирск: Наука. 1985.

156. Алиев Р.А., Абдикеев Н.М., Шахназаров М.М. Производственные системы с искусственным интеллектом. М.: Радио и связь, 1990. - 264 с.

157. Fox М. Industrial Application of Artificial Intelligence// Artificial Intelligence in Manufacturing/Ed, by T. Bernold North-Holland. 1987.-pp. 1-18.

158. McDermott J. XSEL: A Computer Sales Person's Assistant/Machine Intelli gence/Ed, by J. E. Nayes, D. Michie, Y. H. Pao. Willey & Sons, 1982.-pp. 172-186.

159. McDermott J. Rl: A Rule-Based Configurer of Computer Systems //Artificial Intelligence. 1982. - Vol. 19, No l.-pp. 39-88.

160. Marcus S., Stout J., McDermott J. VT: An Expert Elevator Configurer// Technical Report, Computer Science. Pitsbure. Melton University, 1986.-pp. 1926.

161. The Development of ALADIN, and Expert System for Aluminium Alloy Design/M. L. Farinacci, M. S. Fox// AI North-Holland, 1987. - pp. 171185.

162. Terry S. Dec's AI VAX Station//DEC Profess., 1985.-Vol 10-N1 -pp. 108-112.

163. Lu M. D., Motard R. L. An Expert System for Computer-Aided Flow sheet Synthesis //Process Syst. Eng. Cambridge, 1985. - pp. 125-129.

164. Lenat D. B. Theory Formation by Heuristic Search. The Nature of Heuristics II: Background and Examples// Artificial Intelligence 1983 .-Vol. 21, N1.- pp. 31-60.

165. Kim J., McDermott J. TALIB: An 1С Layout Design Assistant// Proc. Nat. Conf. of AI.-1983.-Los Altos, С A: W. Kaufman Inc.- pp. 197-201.

166. Steele G. L. The Definition and Implementation of a Computer Programming Language Based on Constraints (PhD Thesis)//MIT Technical Report AI-TR-595. Cambridge, 1980.-p. 25.

167. CORA: An Expert System for Verification Relay Protection Systems// Personal Communication with Westinghouse Electric Corporation's Productivity and Quality Centre, 1985. 66 p.

168. Sathi A., Morton Т., Roth S. Callisto: An Intelligence Project Management System// AI Magazine, 1986,-Vol. 4, N1.- pp. 27-34.

169. Kosy D., Dhar V. S. Knowledge Based Support System for Long Range Planning// Technical Report, Robotics Inst. - Pittsburgh, PA: Carnegie -Melton University, 1983.-pp. 117-126.

170. Lindsay К J. Frame-Based Knowledge Representation for Processing Planning// Proc. First Annual Aerospace Application of AI. Dayton OH: Wright -Patterson Air Force Base Materials Lab., 1985.- pp. 231-239.

171. Yannick D., Latombe J. Claude An Expert System for Process Planning// Solid Model Comput. Theory Appl. Proc, New York: Academic Press, 1983.-P. 324-337.

172. Cami G. An Expert System for the Process Planning// Process Syst. Eng.; PSE 84: Use Comput. Chem. Eng. Conf. Cambridge, 1984.- pp. 11-23.

173. Fellenstein C, Green C, Palmer 0. IMS-A Prototype Manufacturing: Knowledge-based System in Syllog// Pitsburg. Melton University.- 1985. P. 58.

174. Duda R. 0., Gaschnig J. G. Knowledge-based Expert Systems Come of Edge//Byte, 1981. Vol. 6, No 9. - P. 238-278.

175. Husson J. PILOTEX: Expert System for Process Control and Maintenance// Proc. Tech. Assesments and Management Conf. of the Cottlieb Duttweiler Institute Riischilikon Zurich, 1985.-P. 128-134.

176. Expert System Gives Advice for the Real time Control. "Dig. Des. 1985, No 4. P. 28-30.

177. R. Moore, L. Hawkinson, С Knickerbockers et al. A Real-Time Expert System for Process Control/ZFirst Conf. on Artificial Intelligence Applications. -IEEE Computer Society, 1984.-P. 178-186.

178. Morris D. LISP Shows First Process-Control Expert System// Electronic Engineering Times. 1984, No 13. - P. 41-53.

179. An Expert System for Control and Signal Processing with Fortran Code Generation/C. Gomez, G. L., Blankenship//Proc. 23-rd IEEB Conf. Decis. and Contr., Las Vegas, 12-14 Dec, 1984. New York, 1984.- Vol. 24, N3. P. 716-723.

180. Expert Systems for Process Control Rooms, by RAE Sergeant //Measurement and Control-1986.-Vol. 19, No 2. P. 239-244.

181. Finn Т., McAdams J., Kleinosk A. FOREST- an Expert System for Automatic Test Equipment.// 1th Conf., Art. Int. Application, Denver, 5-7 Dec, 1984.-pp. 350-356.

182. Perrot A., Lebailly J. M. The UEFA Project at Eef AquitaneV/Pattern Recognit. Lett. 1984. - Vol. 6, No 3. - P. 433-437.

183. An Expert Control System for Tool Life Management in Flexible Manufacturing Cells/A. Villa, G. Quaglia, R. Chiara et al.//CIRP Ann., 1985.-Vol. 34, N1.-P. 87-190.

184. Kazuhiko K., Close J. ROTES: An Expert System for Robot Troubleshooting.//Proc. 16th South-eastern Symp. Syst. Theory, Mississippi, 25-27 March, 1984. SilverSpring, 1984.-P. 129-132.

185. Artificial Intelligent in Manufacturing North-Holland, 1987. - 325 p.

186. Kecc Ю.Ю. Анализ и синтез фреймовых моделей АСУ. М.: Энергоатомиздат, 1986. - 168 с.

187. Долятовский В.А. Анализ и технология управления. Ростов-на-Дону: изд. ИПК СХМ, 1972. 117 с.

188. Maimon О. FMS real time operational control // Society of Manufacturing Engineers, Dearborn, Michigan. 1985. - pp. 631-658.

189. Бакаев А.А., Гриценко В.И., Козлов Д.Н. Методы организации и обработки баз знаний. Киев: Нау-кова думка, 1993. - 150 с.

190. Компьютеризация информационных процессов на промышленных предприятиях / Сытник В.Ф., Срока X., Еремина Н.В. и др. К.: Тэхника; Катовица, 1991 .-215 с.

191. Глушков В.М. Основы безбумажной информатики. М.гНаука, 1987. - 552 с.

192. Кокорева J1.B., Перевозчикова О.Л., Ющенко Е.Л. Диалоговые системы и представление знаний . Киев, Наукова думка, 1993 . - 453 с.

193. Искусственный интеллект: Применение в интегрированных производственных системах / Под ред. Э. Кьюсиака. М.: Машиностроение, 1991.-544 с.

194. Управление организацией: учебник. М.: ИНФРА-М, 1998. - 669 с.

195. Дункан Дж. Основополагающие идеи в менеджменте. М.: Дело,1996.

196. Лебедев О.Т., Филиппова Т.Ю. Основы маркетинга СПб: ИД "МиМ", 1997.-224 с.

197. Красовский Ю.Д. Управление поведением в фирме. М.: ИНФРА-М, 1997.

198. Бауэр Р., Коллар Э., Тан В. Управление инвестиционным проектом: опыт IBM. М.: ИНФРА-М, 1995.

199. Данциг Д. Линейное программирование, его обобщения и применения. М: Прогресс, 1966. 600 с.

200. Юдин Д.Б. Задачи и методы стохастического программирования. М.: Советское радио, 1979. 392 с.

201. Цурков В. И. Декомпозиция в задачах большой размерности. М.: Наука, 1981.-352 с.

202. Буч Г. Объектно-ориентированное проектирование с примерами применения. М.: Конкорд, 1992. - 519 с.