автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Совершенствование управления и принятия решений по инновационной деятельности предприятий ВПК

На правах рукописи

Сумароков Александр Дмитриевич

СОВЕРШЕНСТВОВАНИЕ УПРАВЛЕНИЯ И ПРИНЯТИЯ РЕШЕНИЙ ПО ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЙ ВПК

05.13.01 - Системный анализ, управление и обработка информации

Автореферат

диссертации на соискание ученой степени кандидата технических наук

Научный руководитель: кандидат технических наук,

доцент Дегтерев А. С.

Красноярск - 2004

Работа выполнена в Научно-исследовательский институт систем управления, волновых процессов и технологий Министерства образования Российской Федерации, г. Красноярск

Научный руководитель: кандидат технических наук, доцент

Дегтерев Александр Степанович

Официальные оппоненты: доктор технических наук, профессор

Семенкин Евгений Станиславович

кандидат технических наук, доцент Царев Роман Юрьевич

Ведущая организация: Российский государственный университет инновационных технологий и предпринимательства, г.Москва

Защита состоится " " декабря 2004 года в 14 часов на заседании диссертационного совета Д 212.249.02 при Сибирском государственном аэрокосмическом университете имени академика М.Ф. Решетнёва» по адресу: 660014, г. Красноярск, просп. им. газ. Красноярский рабочий, 31.

С диссертацией можно ознакомиться в библиотеке Сибирского государственного аэрокосмического университета

Автореферат разослан 2004 г

Ученый секретарь диссертационного совета

Ковалев И.В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Подъем и развитие машиностроительных предприятий военно-промышленного комплекса (ВПК), повышение конкурентоспособности их продукции в современных экономических условиях невозможны без реализации инновационных процессов, совершенствования управления инновационной деятельностью. Реализация инновационных процессов является важнейшей составляющей программы конверсии, обеспечивающей гибкое реагирование на изменения рыночных потребностей. Основой совершенствования управления инновационной деятельностью предприятий является эффективное планирование финансирования инновационных процессов, что определяет успешность реализации инновационной программы и устойчивое финансово-экономическое положение предприятия.

В период существования в нашей стране административной системы управления экономикой основная часть ресурсов для реализации инновационных программ предприятий поступала из государственных фондов. Управление инновационной деятельностью сводилось к соблюдению директивно установленных нормативов и достижению запланированных показателей проектов. В рыночных условиях управление инновационной деятельностью в значительной степени зависит от эффективности использования предприятием возможностей рыночной среды и четкой системы планирования ресурсов предприятия, прежде всего — финансовых, при реализации инновационных проектов, что, в свою очередь, требует анализа возможностей получения финансирования, условий и способов его реализации в условиях конверсии.

Учет специфики финансирования инновационной деятельности машиностроительных предприятий ВПК в условиях конверсии приводит к необходимости адаптации и совершенствования существующих способов финансирования.

В частности, кроме традиционно рассматриваемых при планировании инновационной деятельности критериев доходности и риска становится особенно значимым критерий сохранения требуемого уровня ликвидности. Учет нового критерия при автоматизации процессов принятия решений по финансированию инновационной деятельности требует построения новой системы формальных моделей и определения методов их решения, что и определяет актуальность проводимого исследования.

Цель работы - повышение эффективности и обоснованности управленческих решений по инновационной деятельностью предприятий ВПК.

Для достижения указанной цели в работе решались следующие задачи.

1. Определение особенностей, источников и форм финансирования инновационной деятельности предприятий ВПК, основных требований к стратегиям финансирования.

2. Анализ моделей принятия решений при планировании и управлении инновационной деятельностью.

' СОС НАЦИОНАЛЬНА* . БИБЛИОТЕКА {

3. Формирование стратегий финансирования инновационной деятельности по критериям доходности, риска не возврата и уровня ликвидности, построение системы формальных моделей реализации стратегий.

4. Анализ полученных оптимизационных моделей и определение методов их решения. Реализация системы моделей и методов их решения, оценка сравнительной эффективности методов, апробация формального аппарата поддержки принятия решений на реальных данных ФГУП ЦКБ «Геофизика».

Методы исследования. При выполнении работы использовались методы системного анализа, оптимизации, формального моделирования, методология структурного анализа, методы теории вероятностей.

Научная новизна. Научная новизна результатов, полученных в диссертации, состоит в следующем.

1. Предложен, обоснован и формализован новый интегральный критерий оценки эффективности управления инновационной деятельностью, учитывающий показатель ликвидности.

2. Предложены и обоснованы стратегии финансирования инновационной деятельности, отражающие различные методики оценки риска, проведена формализация указанных стратегий в виде системы моделей условной псевдобулевой оптимизации с алгоритмически задаваемыми ограничениями и вспомогательных алгоритмов формирования моделей.

3. Предложена модификация алгоритма случайного поиска с адаптацией для случая условной псевдобулевой оптимизации, позволяющая в процессе поиска использовать апостериорную информацию, получаемую как по точкам допустимой области, так и по точкам, не принадлежащим допустимой области.

4. Для задачи условной псевдобулевой оптимизации построен алгоритм схемы МИВЕР эмулирующий работу генетического алгоритма с ранговой селекцией.

5. Построен новый алгоритм схемы МИВЕР с условными вероятностями, в котором адаптация осуществляется как по каждой компоненте, так и по группам компонент.

6. Проведено исследование сравнительной эффективности алгоритмов схемы МИВЕР и генетических алгоритмов на построенной системе моделей, определены области их эффективного применения.

Практическая ценность.

Разработанное в диссертации модельное и алгоритмическое обеспечение по решению задач управления инновационной деятельностью представляет собой инструмент синтеза эффективных управленческих решений для ЛПР при решении задач финансирования инновационной деятельности машиностроительных предприятий ВПК.

Данные модели и алгоритмы могут быть использованы в общей системе управления предприятием в контексте синтеза эффективного управленческого воздействия как элемент системы поддержки принятия решений.

Реализация результатов работы. Разработанное автором диссертации модельное и алгоритмическое обеспечение по решению задач управления инновационной деятельностью было реализовано в виде программного приложе-

ния, которое прошло апробацию на ФГУП ЦКБ "Геофизика" при решении задач оптимизации графика финансирования инновационной программы предприятия.

Данное программное приложение внедрено в качестве инструмента в планово-экономическом отделе ФГУП ЦКБ "Геофизика" при разработке тактических и стратегических календарных планов финансирования инновационной деятельности.

Результаты диссертационного исследования используются на кафедре "Системного анализа и исследования операций" СибГАУ в курсах "Управление сложными системами", "Автоматизированные системы управления", "Прикладной системный анализ".

Основные тезисы, выносимые на защиту.

1. Предложенные стратегии согласования временной структуры активов-пассивов предприятия обеспечивают поддержание требуемого уровня ликвидности для различных методик минимизации риска.

2. Реализация предложенных стратегий при критериях максимизации доходности и минимизации риска инновационной программы может быть формализована в виде задач условной псевдобулевой оптимизации с алгоритмически задаваемыми ограничениями.

3. На рассматриваемой системе моделей алгоритм СПА с адаптивным учетом ограничений превосходит по эффективности базовый алгоритм СПА и, как правило, позволяет получать лучшее решение по значению целевого функционала, чем алгоритм СПВ, но при размерности выше 40 уступает последнему по числу вычислений.

4. Сравнительный анализ схем и этапов работы генетических алгоритмов и алгоритмов МИВЕРа позволяет построить алгоритм СПА, с помощью вектора вероятностей эмулирующего работу генетического алгоритма, а на его основе алгоритм СПА с условными вероятностями, превосходящий по эффективности классические генетические алгоритмы.

Структура и объем работы. Диссертация состоит из введения, трех глав, заключения, списка используемой литературы (_наименования) и приложения. Содержание работы изложено на_страницах основного текста,

проиллюстрировано_рисунками и_таблицей. В приложении представлены

материалы, свидетельствующие о практической реализации результатов исследований и разработок автора.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность работы, сформулирована цель и поставлены задачи исследования, показана научная новизна и практическая ценность выполненных исследований, представлены основные положения, выносимые на защиту.

В первой главе проведен общий анализ проблем управления инновационной деятельностью машиностроительных предприятий ВПК. Основными особенностями машиностроительных предприятий ВПК в условиях конверсии,

оказывающими влияние на инновационный процесс являются высокий уровень инновационного потенциала, отсутствие стадий фундаментальных, поисковых и прикладных исследований, частичное или полное отсутствие стадий проект -но-конструкторских работ, преобладание технологического типа инновационных процессов, длительность технологического инновационного процесса 2-3 года, конструктивная сложность, материало- и наукоемкость выпускаемой продукции, преобладание специального оборудования и инструмента, серийный тип производства, инертность производства, высокий удельный вес инженерно-технических специальностей и высоко квалифицированных рабочих, высокий уровень концентрации, специализации, кооперирования и комбинирования производства. Технологическое перевооружение предприятий недоступно, в настоящее время, в силу отсутствия собственных оборотных средств и условий для притока инвестиций именно в производственную сферу. В связи с этим развитие предприятия ВПК опирается на реально достижимый, на конкретном этапе технологический уровень, с опорой на базовые виды продукции.

Основным источником финансирования являются средства бюджета: Государственный оборонный заказ и целевые инвестиции Росавиакосмоса. Форма финансирования - коммерческий кредит. Ежегодно заключаются контракты с поквартальным финансированием и авансом в 40% от стоимости работ. Менее значимыми формами финансирования из бюджетных средств являются налоговое стимулирование и предоставление гарантий. В форме субвенций идет финансирование по федеральным и отраслевым научно-техническим и инновационным программам и грантам. Конверсионная продукция производится по договорам с коммерческими организациями в большинстве случаев со 100% предоплатой. Банковский кредит из-за высокой процентной ставки и трудности получения на инновационную деятельность особой популярностью не пользуется - как правило, это небольшие краткосрочные кредиты. Собственные средства - это, в основном, прибыль от выполнения госзаказа (закладывается 25 %) и от реализации конверсионных проектов.

Источники и формы определяют возможности финансирования инновационной деятельности. Далее рассматриваются факторы, определяющие условия финансирования инновационной деятельности и требования к способам ее реализации. В соответствии с выделенными отраслевыми особенностями и на основании данных экспертного опроса специалистов, деятельность которых связана с предприятиями Росавиакосмоса, определена система факторов, оказывающих наиболее существенное влияние на управление инновационной деятельностью. Объединение факторов в две группы, внешние и внутренние, позволяет определить источники и форму их влияния на процесс принятия решений с учетом характера получаемой информации. Оценка степени влияния факторов на реализацию этапов управления позволило определить значимость каждого фактора.

При определении требований к способам финансирования инновационной деятельности наиболее существенными будут релевантные и неопределенные факторы. Из внутренних таким фактором является «Характер исполнения условий контрактов» - нарушение условий контрактов, например, установлен-

ного срока сдачи работ по этапам влечет штраф в 50 % от стоимости работ. Из внешних — «Бюрократизм государственного органов управления». Этот фактор во многом определяет возможность получения финансирования из всех источников финансирования, кроме собственных средств. В меньшей степени на выбор способа финансирования влияет фактор «Характер исполнения обязательств по оплате заказов», поскольку поступления из средств бюджета в последнее время достаточно стабильны. Косвенное влияние оказывают факторы «Уровень инфляции» и «Условия приобретения продукции и услуг естественных монополий».

Анализ наиболее существенных факторов, оказывающих влияние на принятие решений по финансированию инновационной деятельности, позволяет сформулировать основное требование к способу финансирования — это обеспечение требуемого уровня ликвидности на всех временных интервалах реализации инновационной программы.

Вторая глава посвящена построению системы моделей управления процессами финансирования инновационной деятельности с учетом критерия ликвидности. В первом параграфе проведен анализ традиционных подходов к моделированию процессов принятия решений при планировании и управлении инновационной деятельностью. Из этого анализа следуют, что при оценке инвестиционной деятельности обычно используются только два критерия - доходность и риск инновационной программы, в свою очередь, учет риска может реализовываться по различным методикам.

В диссертации предложены следующие стратегии управления финансовыми рисками, обеспечивающие поддержание требуемого уровня ликвидности

1. Финансирование инновационной программы в г-м временном интервале производится автономно без учета ликвидности предыдущих интервалов.

2. Финансирование инновационной программы в ¡-м временном интервале производится с учетом ликвидности предыдущих интервалов. При данной стратегии инвестирование производится на сумму разницы между накопленной ликвидностью на предыдущих интервалах и дефицитом ликвидности в рассматриваемом временном интервале.

3. Предприятие добивается ликвидности в «коротких» временных интервалах, удовлетворяя финансовые потребности принимаемых проектов последовательно в каждом из них. При этом объем инвестиционного портфеля в каждом интервале ограничивается только общей суммой свободных ресурсов. На последующих временных интервалах сумма свободных ресурсов уменьшается на объем уже размещенных средств.

4. Четвертая стратегия является комбинацией первой и второй. Она учитывает накопленную на предыдущем временном интервале ликвидность, не исключая возможности привести структуру г-го интервала к равенству, разместив свободные инвестиционные ресурсы в сумме, равной дефициту ликвидности в нем.

5. Комбинация первой и третьей стратегий приведения временной структуры активов-пассивов к согласованному виду определяет пятую - объем инвестирования в самом «коротком» временном интервале не должен превышать

все свободные ресурсы общей структуры баланса и быть не менее чем величина дефицита ликвидности без учета накопленной на предыдущих временных интервалах. На последующих временных интервалах сумма свободных ресурсов уменьшается на объем уже размещенных средств.

6. В отличие от пятой, при шестой стратегии нижний предел размещаемых в временном интервале инвестиционных средств не должен быть меньше дефицита ликвидности в нем с учетом накопленной ликвидности на предыдущих временных интервалах.

Предложенные способы размещения инвестиционных средств выбираются специалистами с учетом реализуемой на предприятии методики минимизации риска.

В предлагаемой постановке задачи формирование инновационного портфеля производится путем формирования инновационных портфелей в каждом из временных интервалов, на которые поделена временная структура баланса предприятия. Ограничение на объем инвестиций в каждом 1-м временном интервале, в котором сумма приращения пассивов больше суммы приращения активов (разрыв ликвидности) может быть записано в виде:

где:

— число рассматриваемых проектов в г-м интервале,

объем требуемых средств на реализацию проекта в временном интервале,

булевая переменная, принимающая значение 1, если проект реализуется в г —М временном интервале, и 0 - в противном случае,

1А{ — величина приращения активов г —го временного интервала, величина приращения пассивов временного интервала.

Ограничение, накладываемое на объем инвестирования в временном интервале, т.е. в интервале с равными (близкими) значениями активов и пассивов, будет иметь вид:

где Р,- — сумма свободных пассивов, которыми располагает предприятие в ¡'-м временном интервале.

Таким образом, при решении задачи формирования инвестиционного портфеля предприятия через формирование портфелей в каждом временном интервале выбор вида ограничения объема инвестирования в каждом из этих интервалов будет зависеть от значения (/7,- - А():

1) в случае превышения пассивов над активами ограничение на объем выдаваемых активов в этом временном интервале имеет вид (1);

2) в случае равенства активов и пассивов (А/ -П/ = 0) это ограничение имеет вид (2);

3) в случае превышения активов над пассивами инвестирование в этом временном интервале не производится.

Прежде чем начать распределение инвестиций по критериям доходности и риска необходимо распределить не размещенные свободные ресурсы, с целью формирования инновационной программы исходя из ликвидности уже существующей временной структуры активов-пассивов.

Для этого предложен алгоритм перераспределения свободных ресурсов исходя из согласованности каждого временного интервала, описанный в диссертации.

Следующим этапом является формализованная запись критерия получения максимальной доходности от инвестируемых проектов при соблюдении требования минимизации риска инвестирования.

Пусть, с1у — рентабельность к„ -го инвестирования, Ру — вероятность потери инвестированных средств -

Тогда ожидаемые поступления Е(Ху) от комбинации инвестируемых проектов будут определяться по формуле:

Для обеспечения ликвидности и прибыльности по окончанию периода, необходимо, чтобы выполнялось условие: —Рв -¿^Ру!¡, >0.

Обозначим м/у = йц Ц-р! - с1уРу Ц, тогда \\>у будет определять весовой коэффициент, характеризующий доходность и рискованность рассматриваемого проекта. В конечном итоге задача максимизации дохода и минимизации риска инвестирования при реализации первой стратегии соблюдения ликвидности баланса предприятия, представится следующим образом:

£ £ ™укиХЦ

при одном из ограничений (1)-(2), в зависимости от согласованности

структуры активов-пассивов предприятия и стратегии ее построения. Предприятие на основе нормативов ликвидности может определть для себя величину - требуемое соотношение активы/пассивы в временном интервале, тогда соответственно изменяться и ограничения (1)-(20..

Таким образом, задача нахождения набора инвестируемых проектов оптимального по трем критериям (доходность, риск невозврата и ликвидность) приведена к задаче оптимизации с булевыми переменными и алгоритмически заданными ограничениями.

Аналогично в работе построены модели, реализующие стратегии финансирования 2-6. Отметим, что ограничения в моделях для 2-4 стратегий имеют более сложный вид, а для стратегий 5, 6 ограничения в процессе решения задачи задаются специальными алгоритмами, приведенными в диссертации.

Третья глава посвящена построению, исследованию и апробации оптимизационных методов решения построенной системы моделей. Поскольку полученная в системе моделей задача условной псевдобулевой оптимизации имеет алгоритмически заданные ограничения, в качестве методов ее решения были выбраны эвристические алгоритмы схемы МИВЕР и генетические алгоритмы.

На основе базового алгоритма схемы МИВЕР - СПА применительно к рассматриваемым задачам был построен алгоритм СПА с адаптивным учетом ограничений, в котором вместо одного вектора вероятностей, поощрающего только точки допустимой области, рассматривается два - один для поощрения допустимых дочек, а другой - для поощрения точек не принадлежащих допустимой области, но по расстоянию наиболее близких к лучшим полученным точкам допустимой области. Тем самым обеспечивается двойная сходимость к лучшим точкам. При апробации эффективность предложенного алгоритма сравнивалась с эффективностью базового СПА и другого алгоритма схемы МИВЕР - СПВ, как правило, используемого при больших размерностях задач. Результаты показали, что при всех размерностях модифицированный алгоритм превосходит базовый алгоритм СПА как по качеству получаемого решения (значению целевой функции), так по числу используемых точек (количеству вычислений). Что касается сравнения с СПВ, то, как правило, СПА с адаптивным учетом ограничений дает лучшее решений по значению целевой функции, но при размерности больше 40 уступает по количеству вычислений.

Далее в работе подробно разбираются этапы реализации генетических алгоритмов. При ближайшем рассмотрении оказывается, что между алгоритмами схемы МИВЕР и генетическими алгоритмами много общего. И те, и другие работают с булевым вектором, который в генетическом алгоритме называется хромосомой, и может кодировать набор дискретных и вещественных величин. В работе обоих типов алгоритмов можно обобщённо выделить одни и те же этапы: генерация набора решений для изучения оптимизируемой функции, генерация нового набора решений с учётом информации, полученной от вычисления функции в точках (решениях) предыдущего набора. С целью сбора и обобщения информации об оптимизируемой функции генетические алгоритмы осуществляют набор генетических операций (селекция, рекомбинация, мутация), а алгоритмы схемы МИВЕР - пересчёт вектора апостериорных вероятностей. Был построен алгоритм схемы МИВЕР, который с помощью вектора вероятностей «эмулирует» работу генетического алгоритма с ранговой селекцией и числом родителей каждого потомка, равным числу выживших индивидов.

1. Задаются начальные значения компонент вектора вероятностей

Р ~ >•••> Р„) > где Р] — Р{х] = 1) - вероятность присвоения единичного зна-чения/-й (/ = 1,и) компоненте вектора X в £)- допустимая область, задаваемая

системой ограничений.

2. Случайным образом в соответствии с распределением вероятностей

3. Вычисляются соответствующие значения целевой функции

4. Выбираются 8 «лучших» векторов X' (доставляющих наименьшее значение функции /(X1)). Им назначаются пригодности т ' =

s(s + 1) •

5. По результатам п. 4 вычисляются компоненты вектора вероятно-

- Т>1+1 пМ - V ГМ

стеи .И по правилу: Р1 — л / " .

6. В соответствие с заданной вероятностью мутации вычисляются ве-

,'+1

J+1

M

роятности по правилу:

7. Пункты 2-5 выполняются Я раз до выполнения условия остановки.

8. За решение задачи принимается вектор X*, определяемый из условия (при к-м повторении п. 4)

Бьш построен новый алгоритм, использующий условные вероятности р= —-1} - вероятности того, что г-й бит окажется установленным в 1, при условии, что 7-й бит уже единица. Этот алгоритм позволяет, с одной стороны, в большей степени учесть получаемую апостериорную информацию, а с другой - взаимозависимости между компонентами вектора управляемых параметров.

1. Задаются начальные значения компонент вектора вероятностей

Ли л» л" . ,

р = (л »•"»/'.), где Pj =P{Xj =1}

вероятность присвоения единичного зна-

__л»

чения у-й (У = п) компоненте вектора X £ Б и вероятно стей где

р= Р— 1 л х] =1}- вероятность присвоения единичного значения ;-й и ]-й компонентам вектора

2. Случайным образом в соответствии с вероятностями Р/ц) , р, и рт, по вышеприведённой схеме независимо выбираются Г векторов X' е D,

3. Вычисляются соответствующие значения целевой функции /(X'),

4. Выбираются 8 «лучших» векторов X' (доставляющих наибольшее значение функции /(X')). Им назначаются пригодности г' =

+ 1) '

5. По результатам п. 4 вычисляются вероятности в соот-

ветствии с правилом:

6. Пункты 2-5 выполняются Я раз до выполнения условия остановки.

За решение задачи принимается вектор А'*, определяемый из условия /(-У) = где: = ша/(Х') (при к-м повторении п. 4)

Для тестирования системы моделей и алгоритмов рассматривались инновационные проекты ФГУП ЦКБ «Геофизика» по развертыванию производства продукции гражданского назначения (конкретные данные приведены в приложении к диссертации).

Сравнивалась работа генетических и обобщенных алгоритмов МИВЕРа: алгоритм с условными вероятностями; алгоритм СПА, эмулирующий работу генетического алгоритма; генетический алгоритм с одноточечным скрещиванием и генетический алгоритм с равномерным скрещиванием. В таблицах 1 и 2 приведены результаты численных экспериментов.

Таблица 1-Размерность задачи 30 (г— 1,3;у=1,10)

Алгоритмы' сусловными с вектором генетический генетический

вероятностями вероятностей с одноточечный скрещиванием с равномерным скрещиванием

Модель 1 804 800 1012 1.- чти*' <-Чиспо вьниспений функции

100%! 100% 100% <-Над6х»«сть

Модаль 2 нтимДИ 880 1124 320 «-Число вычислений функции

КддШЩ 88% 100% 100% «-Надежность

Модель 3 I 8561 836 ."«* 1 ь» »ь- " .1 940 «■Число вычислений функции

! 100%| 96% А. 100%| «-Над&яюсть

Модель 4 916 1428 1112 <-Чиспо вьниспений функции

86% 98% 100% «-Надежность

Мсщепь5 1005 542 808 <-Число вычислений функции

74% 42% 66% «-Надёжность

Модель 6 1620 1106 2230 «-Число вьниспений функции

80% 30% 78% ВИИ «-Надёжность

Таблица 1

Таблица 2-Размерность задачи 40 (г'=1,4;у'=1,10)

Алгоритмы. с условными свекгором генетический генетический

вероятностями вероятностей с одноточечным скрещиванием с равномерным скрещиванием

Модель 1 ИШИИНВИ 1141 1097 1036 «-Число вьниспений функции

сВрнёмнй 96% 98% 100% «-Надёжность

Модель 2 ¡МИииИИ 1113 1154 1208 «-Число вьниспений функции

92% 96% 98% «-Надаююсть

Модель 3 1131 1075 1163 «-Число вьниспений функции

94% 96% 98% «-Наде*«осгь

Модель4 1360 1502 1308 «-Число вычислений функции

92% 90% 96% «-Надёжность

Мсщель5 1492 766 1434 «-Число вьниспений функции

52% 24% 46% «-Надежность

Модель 6 1810 1326 1622 «-Число вычислений функции

40% 38% 54% «-Надежность

Таблица 2

Затенённая ячейка означает, что задача соответствующей строки решается лучшим образом алгоритмом данного столбца.

Число вычислений функции - это произведение объёма популяции на номер такта алгоритма (поколения) во время которого был найден оптимум. Число поколений было ограничено тридцатью. Все алгоритмы запускались на всех задачах 50 раз. Надёжность определялась как процент прогонов алгоритма, приведших к успеху (нахождению оптимума с требуемой точностью за 30 поколений). Число вычислений функции усреднялось по успешным прогонам алгоритма (безуспешный запуск алгоритма не вносил вклад в итоговое среднее число вычислений функции, но уменьшал оценку надёжности). На выбранной задаче один алгоритм считался лучше другого, если обеспечивал большую надёжность нахождения оптимума, если надёжности были равны, то во внимание принималось число вычислений функции.

Из анализа данных, приведённых в таблицах, можно сделать следующие выводы.

Генетический алгоритм с равномерным скрещиванием, как правило, лучше алгоритма с одноточечным скрещиванием (на данных моделях). Алгоритм с вектором вероятностей (эмулирующий генетический алгоритм с большим числом полов) работает лучше других алгоритмов на простых моделях.

На самых сложных моделях хорошо работает генетический алгоритм с равномерным скрещиванием.

Алгоритм с условными вероятностями хорошо работает на моделях средней и высокой сложности.

Реальная апробация на данных ФГУП ЦКБ «Геофизика» была проведена для 12 временных интервалов (12 месяцев). Данные расчетов были использованы при формировании инновационной программы ФГУП ЦКБ «Геофизика» на 2004г.

В заключение диссертации сформулированы основные результаты и выводы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ И ВЫВОДЫ

В результате диссертационного исследования построен формальный аппарат поддержки принятия решений по управлению инновационной деятельностью, позволяющий повысить качество и эффективность принимаемых управленческих решений.

Основные результаты и выводы по работе.

1. Определены особенности, источники и формы финансирования инновационной деятельности предприятий ВПК. В качестве основного требования к стратегиям финансирования инновационной деятельности выделено требование поддержания заданного уровня ликвидности на всех временных интервалах реализации инновационной программы.

2. Показано, что в существующих моделях поддержки принятия решений по управлению и планированию инновационной деятельности рассматриваются

только два критерия - доходность и риск, и не учитывается уровень ликвидности.

3. Для различных методов учета риска инновационной программы предложены стратегии управления финансированием программы, обеспечивающие поддержание требуемого уровня ликвидности на всех временных интервалах реализации программы. Стратегии реализованы в виде системы формальных моделей условной псевдобулевой оптимизации с алгоритмически задаваемыми ограничениями.

4. Предложены: модификация СПА - алгоритм СПА с адаптивным учетом ограничений, позволяющая учитывать в процессе поиска информацию, получаемую в точках не принадлежащих допустимой области; алгоритм СПА, эмулирующий через вектор вероятностей работу генетического алгоритма с ранговой селекцией; новый алгоритм схемы МИВЕР с условными вероятностями, учитывающий информацию попарных совместных вероятностей. Численно проведен сравнительный анализ эффективности предложенных и базовых поисковых процедур, определены области их эффективного применения.

5. Предложенный формальный аппарат успешно апробирован в ФГУП ЦКБ «Геофизика».

Основные положения и результаты диссертационной работы представлены в следующих публикациях.

1. Сумароков А.Д. Адаптивный учет ограничений в алгоритме СПА / А.Д. Сумароков // Информатика и информационные технологии: Материалы межвуз. научн. конф. / Под ред. Ю.А. Шитова. Красноярск: ИПЦ КГТУ, 2002, с. 100104.

2. Сумароков А.Д. Исследование сравнительной эффективности алгоритмов схемы МИВЕР на задачах с алгоритмически задаваемыми ограничениями / А.Д. Сумароков // Материалы докладов межрегиональной научно-технической конференции 14-16 мая 2002г. / Томский государственный университет систем управления и радиоэлектроники. Научная сессия ТУСУР, посвященная 40-летию ТУСУР, Томск, Россия, 2002, с. 216-219.

3. Сумароков А.Д. Эмуляция работы генетических алгоритмов с ранговой селекцией через вектор вероятностей / А.Д. Сумароков // Материалы III Региональной научно-практической конференции студентов и аспирантов (21 апреля 2003г.) / НФИ КемГУ, г. Новокузнецк, 2003, с.69.

4. Сумароков А.Д. Алгоритмы схемы МИВЕР с условными вероятностями / А.Д. Сумароков // Объединенный научный журнал, №12 (70), 2003. - с. 17.

5. Канашкин Ф.В. Эффективный алгоритм выбора вариантов в системах поддержки принятия решений / Ф.В. Канашкин, А.Д. Сумароков // Труды конф. «Информационные недра Кузбасса» / КемГУ, Кемерово, 2003, с. 21,22

6. Дегтерев А.С. Обеспечение ликвидности при финансировании инновационной деятельности / А.С. Дегтерев, А.Д. Сумароков // Труды межд. конф. «Управление проектами - основа современного организационного менеджмента» / УГТУ-УПИ, Екатеринбург, 2004, с. 55-60.

7. Дегтерев А.С. Формализация процесса формирования инвестиционного портфеля предприятия / А. С. Дегтерев, А.Д. Сумароков // Труды VIII межд. конф. «Системный анализ в проектировании и управлении» / СПБГПУ, СПб, 2004, с. 89, 90.

8. Канашкин Ф. В. Сравнительный анализ генетических алгоритмов и алгоритмов схемы МИВЕР / Ф.В. Канашкин, А.Д. Сумароков // Вестник НИИ СУВПТ: Сб. научных трудов / Под общей ред. профессора Н.В. Василенко-Красноярск: НИИ СУВПТ, 2004-(Вып. 15), с. 196-208.

9. Сумароков А.Д. Анализ источников, форм и отраслевых особенностей финансирования инновационной деятельности предприятий ВПК в условиях конверсии / А.Д. Сумароков // Мат-лы Межрегиональной НТК «Молодежь Сибири-науке России» / КРО НС «Интеграция», Красноярск, 2004, с. 120-121.

10. Дегтерев А.С. Обобщение генетических алгоритмов и алгоритмов схемы МИВЕР / А.С. Дегтерев, Ф.В. Канашкин, А.Д. Сумароков // Электронный журнал "Исследовано в России", 130, стр. 1391-1396, 2004 г. http://zhumal.ape.relarn.ru/aiticles/2004/130.pdf

Сумароков Александр Дмитриевич

Совершенствование управления и принятия решений по инновационной деятельности предприятий ВПК

Автореферат

Подписано к печати 25.10.2004 Формат 60x84/16. Бумага писчая. Печ. л. 1.0 Тираж 100 экз. Заказ

Отпечатано в отделе копировальной и множительной техники СибГАУ 660014 г. Красноярск, просп. им. газеты "Красноярский рабочий", 31

Щ2ЪЪ7 6

Введение.4 стр.

1 Общин анализ проблем управления инновационной деятельностью машиностроительных предприятий ВПК.9 стр.

1.1 Роль, значение и проблемы осуществления инновационной деятельности предприятиями ВПК.9 стр.

1.2 Источники и формы финансирования инновационной деятельности предприятий.18 стр.

1.3 Особенности финансирования инновационной деятельности на машиностроительных предприятиях ВПК.27 стр.

2 Система формальных моделей управления финансированием инновационной деятельности.34 стр.

2.1 Анализ традиционных подходов к моделированию процессов принятия решений при планировании и управлении инновационной деятельностью.34 стр.

2.2 Стратегии финансирования инновационных программ, обеспечивающие сохранение требуемого уровня ликвидности.50 стр.

2.3 Построение системы моделей реализации стратегий финансирования инновационных программ.53 стр.

3 Построение, исследование и апробация оптимизационных алгоритмов решения системы моделей.63 стр.

3.1 Выбор методов оптимизации.63 стр.

3.2 Алгоритмы метода изменяющихся вероятностей.65 стр.

3.3 Генетические алгоритмы.70 стр.

3.4 Обобщение генетических алгоритмов и алгоритмов схемы МИВЕР

77 стр.

3.4.1 Связь генетических алгоритмов и алгоритмов схемы МИВЕР

77 стр.

3.4.2 Алгоритм с условными вероятностями.80 стр.

3.5 Реализация и апробация алгоритмов.84 стр.

Актуальность работы. Подъем и развитие машиностроительных предприятий военно-промышленного комплекса (ВПК), повышение конкурентоспособности их продукции в современных экономических условиях невозможны без реализации инновационных процессов, совершенствования управления инновационной деятельностью. Реализация инновационных процессов является важнейшей составляющей программы конверсии, обеспечивающей гибкое реагирование на изменения рыночных потребностей. Основой совершенствования управления инновационной деятельностью предприятий является эффективное планирование финансирования инновационных процессов, что определяет успешность реализации инновационной программы и устойчивое финансово-экономическое положение предприятия.

В период существования в нашей стране административной системы управления экономикой основная часть ресурсов для реализации инновационных программ предприятий поступала из государственных фондов. Управление инновационной деятельностью сводилось к соблюдению директивно установленных нормативов и достижению запланированных показателей проектов. В рыночных условиях управление инновационной деятельностью в значительной степени зависит от эффективности использования предприятием возможностей рыночной среды и четкой системы планирования ресурсов предприятия, прежде всего — финансовых, при реализации инновационных проектов, что, в свою очередь, требует анализа возможностей получения финансирования, условий и способов его реализации в условиях конверсии.

Учет специфики финансирования инновационной деятельности машиностроительных предприятий ВПК в условиях конверсии приводит к необходимости адаптации и совершенствования существующих способов финансирования.

В частности, кроме традиционно рассматриваемых при планировании инновационной деятельности критериев доходности и риска становится особенно значимым критерий сохранения требуемого уровня ликвидности. Учет нового критерия при автоматизации процессов принятия решений по финансированию инновационной деятельности требует построения новой системы формальных моделей и определения методов их решения, что и определяет актуальность проводимого исследования.

Цель работы - повышение эффективности и обоснованности управленческих решений по инновационной деятельностью предприятий ВПК.

Для достижения указанной цели в работе решались следующие задачи.

1. Определение особенностей, источников и форм финансирования инновационной деятельности предприятий ВПК, основных требований к стратегиям финансирования.

2. Анализ моделей принятия решений при планировании и управлении инновационной деятельностью.

3. Формирование стратегий финансирования инновационной деятельности по критериям доходности, риска не возврата и уровня ликвидности, построение системы формальных моделей реализации стратегий.

4. Анализ полученных оптимизационных моделей и определение методов их решения. Реализация системы моделей и методов их решения, оценка сравнительной эффективности методов, апробация формального аппарата поддержки принятия решений на реальных данных ФГУП ЦКБ «Геофизика».

Методы исследования. При выполнении работы использовались методы системного анализа, оптимизации, формального моделирования, методология структурного анализа, методы теории вероятностей.

Научная новизна. Научная новизна результатов, полученных в диссертации, состоит в следующем.

1. Предложен, обоснован и формализован новый интегральный критерий оценки эффективности управления инновационной деятельностью, учитывающий показатель ликвидности.

2. Предложены и обоснованы стратегии финансирования инновационной деятельности, отражающие различные методики оценки риска, проведена формализация указанных стратегий в виде системы моделей условной псевдобулевой оптимизации с алгоритмически задаваемыми ограничениями и вспомогательных алгоритмов формирования моделей.

3. Предложена модификация алгоритма случайного поиска с адаптацией для случая условной псевдобулевой оптимизации, позволяющая в процессе поиска использовать апостериорную информацию, получаемую как по точкам допустимой области, так и по точкам, не принадлежащим допустимой области.

4. Для задачи условной псевдобулевой оптимизации построен алгоритм схемы МИВЕР эмулирующий работу генетического алгоритма с ранговой селекцией.

5. Построен новый алгоритм схемы МИВЕР с условными вероятностями, в котором адаптация осуществляется как по каждой компоненте, так и по группам компонент.

6. Проведено исследование сравнительной эффективности алгоритмов схемы МИВЕР и генетических алгоритмов на построенной системе моделей, определены области их эффективного применения.

Практическая ценность.

Разработанное в диссертации модельное и алгоритмическое обеспечение по решению задач управления инновационной деятельностью представляет собой инструмент синтеза эффективных управленческих решений для ЛПР при решении задач финансирования инновационной деятельности машиностроительных предприятий ВПК.

Данные модели и алгоритмы могут быть использованы в общей системе управления предприятием в контексте синтеза эффективного управленческого воздействия как элемент системы поддержки принятия решений.

Реализация результатов работы. Разработанное автором диссертации модельное и алгоритмическое обеспечение по решению задач управления инновационной деятельностью было реализовано в виде программного приложения, которое прошло апробацию на ФГУП ЦКБ "Геофизика" при решении задач оптимизации графика финансирования инновационной программы предприятия.

Данное программное приложение внедрено в качестве инструмента в планово-экономическом отделе ФГУП ЦКБ "Геофизика" при разработке тактических и стратегических календарных планов финансирования инновационной деятельности.

Результаты диссертационного исследования используются на кафедре "Системного анализа и исследования операций" СибГАУ в курсах "Управление сложными системами", "Автоматизированные системы управления", "Прикладной системный анализ".

Основные тезисы, выносимые на защиту.

1. Предложенные стратегии согласования временной структуры активов-пассивов предприятия обеспечивают поддержание требуемого уровня ликвидности для различных методик минимизации риска.

2. Реализация предложенных стратегий при критериях максимизации доходности и минимизации риска инновационной программы может быть формализована в виде задач условной псевдобулевой оптимизации с алгоритмически задаваемыми ограничениями.

3. На рассматриваемой системе моделей алгоритм СПА с адаптивным учетом ограничений превосходит по эффективности базовый алгоритм СПА и, как правило, позволяет получать лучшее решение по значению целевого функционала, чем алгоритм СПВ, но при размерности выше 40 уступает последнему по числу вычислений.

4. Сравнительный анализ схем и этапов работы генетических алгоритмов и алгоритмов МИВЕРа позволяет построить алгоритм СПА, с помощью вектора вероятностей эмулирующего работу генетического алгоритма, а на его основе алгоритм СПА с условными вероятностями, превосходящий по эффективности классические генетические алгоритмы

Структура и объем работы. Диссертация состоит из введения, трех глав, заключения, списка используемой литературы (95 наименований) и приложение. Содержание работы изложено на 107 страницах основного текста, проиллюстрировано 8 рисунками и 6 таблицами. В приложении представлены материалы, свидетельствующие о практической реализации результатов исследований и разработок автора.

Основные результаты и выводы по работе.

1. Определены особенности, источники и формы финансирования инновационной деятельности предприятий ВПК. В качестве основного требования к стратегиям финансирования инновационной деятельности выделено требование поддержания заданного уровня ликвидности на всех временных интервалах реализации инновационной программы.

2. Показано, что в существующих моделях поддержки принятия решений по управлению и планированию инновационной деятельности рассматриваются только два критерия - доходность и риск, и не учитывается уровень ликвидности.

3. Для различных методов учета риска инновационной программы предложены стратегии управления финансированием программы, обеспечивающие поддержание требуемого уровня ликвидности на всех временных интервалах реализации программы. Стратегии реализованы в виде системы формальных моделей условной псевдобулевой оптимизации с алгоритмически задаваемыми ограничениями.

4. Предложены: модификация СПА - алгоритм СПА с адаптивным учетом ограничений, позволяющая учитывать в процессе поиска информацию, получаемую в точках не принадлежащих допустимой области; алгоритм СПА, эмулирующий через вектор вероятностей работу генетического алгоритма с ранговой селекцией; новый алгоритм схемы МИВЕР с условными вероятностями, учитывающий информацию попарных совместных вероятностей. Численно проведен сравнительный анализ эффективности предложенных и базовых поисковых процедур, определены области их эффективного применения.

5. Предложенный формальный аппарат успешно апробирован на реальных данных ФГУП ЦКБ «Геофизика».

1. Антамошкин А.Н. Оптимизация функционалов с булевыми переменными. — Томск: Изд-во Том. ун-та, 1987,— 104с.

2. Антамошкин А.Н. Регулярная оптимизация псевдобулевых функций. Красноярск: Изд-во Краснояр. Ун-та, 1989. 160 с.

3. Дегтерев А.С. Основные направления совершенствования управления предприятиями ВПК в условиях конверсии. / А.С. Дегтерев // Вестник Ассоциации выпускников КГТУ. Вып. 9 / ИПЦ КГТУ, Красноярск, 2003, с. 60-62.

4. Экономика предприятия и отрасли промышленности. Серия «Учебники, учебные пособия». 3-е изд., перераб. и доп. — Ростов н/Д: «Феникс», 1999. -608 с.

5. Лебедев Ю.А. Коммерциализация технологий // Инновации. 1999. №9-10.

6. Макарова И.В. Совершенствование регулирования процесса технологического трансфера из оборонной комплекса в гражданский // 1998. №6.

7. Лобков К.Ю. совершенствования процесса портфельного планирования инновационной деятельности машиностроительного предприятия ВПК в условиях конверсии. Диссертация на соиск. уч. степ. канд. эк. наук.//-Красноярск, 2002г.-180 с.

8. Морозов Ю.П. Инновационный менеджмент: Учеб. пособие для вузов. -М.: ЮНИТИ-ДАНА, 2000. 446с.

9. Дегтерев А.С. Инструменты стратегического планирования инноваций на машиностроительных предприятиях военно-промышленного комплекса в условиях конверсии / А.С. Дегтерев, Ю.В. Ерыгин // Конверсия в машиностроении, № 3, 2004, с. 78-82.

10. Бригхом Юджин Ф. Энциклопедия финансового менеджмента: сокр. Пер. с англ.// Под. ред. A.M. Емельянова РАГС; ОАО «Изд-во «Экономика», 1998.-823с.

11. Дегтерев А.С. Оптимизация портфеля инновационных проектов на машиностроительном предприятии ВПК в условиях конверсии / А.С. Дегтерев, Ю.В. Ерыгин // Конверсия в машиностроении, № 3, 2004, с. 83-84.

12. Дегтерев А.С. Обеспечение ликвидности при финансировании инновационной деятельности / А.С. Дегтерев, А.Д. Сумароков // Труды межд. конф. «Управление проектами — основа современного организационного менеджмента» / УГТУ-УПИ, Екатеринбург, 2004, с. 55-60.

13. Пуртиков В.А. Оптимизация управления формированием кредитного портфеля банка: Дисс. канд. техн. наук. Красноярск, 2001. - 148.

14. Семенкин Е.С., Семенкина О.Э., Коробейников С.П. «Оптимизация технических систем». Учебное пособие. — Красноярск: СИБУП, 1996. 284с.

15. Дегтерев А.С. Формализация процесса формирования инвестиционного портфеля предприятия / А.С. Дегтерев, А.Д. Сумароков // Труды VIII межд. конф. «Системный анализ в проектировании и управлении» / СПБГПУ, СПб, 2004, с. 89, 90.

16. Дегтерев А.С. Обобщение генетических алгоритмов и алгоритмов схемы МИВЕР / А.С. Дегтерев, Ф.В. Канашкин, А.Д. Сумароков // Электронный журнал "Исследовано в России", 130, стр. 1391-1396, 2004 г. http://zhumal.ape.relarn.ru/articles/2004/130.pdf

17. Сумароков А.Д. Алгоритмы схемы МИВЕР с условными вероятностями / А.Д. Сумароков // Объединенный научный журнал, №12 (70), 2003. с. 17.

18. Канашкин Ф.В. Эффективный алгоритм выбора вариантов в системах поддержки принятия решений / Ф.В. Канашкин, А.Д. Сумароков // Труды конф. «Информационные недра Кузбасса» / КемГУ, Кемерово, 2003, с. 21,22

19. Т. Кормен, Ч. Лейзерсон, Р. Ривест Алгоритмы: построение и анализ. М.: МЦНМО, 2000 г., 960 стр.

20. Липсиц И.В., Коссов В.В. Инвестиционный проект: методы подготовки и анализа. Учебно-справочное пособие // М.: Издательство БЕК, 1996. - 304 с.

21. Мелкумов Я.С. Экономическая оценка эффективности инвестиций и финансирование инвестиционных проектов // М.: ИКЦ «ДИС», 1997. - 160 с.

22. Инновационный менеджмент: Учебное пособие/ Под ред. д.э.н., проф. Л.Н. Оголевой М.: ИНФРА-М, 2001. - 238с.

23. Бочаров В.В. Финансовое моделирование. СПб.: Издательство «Питер», 2000.-208 с.

24. Гугелев А.В., Герасимов А.Е. Определение эффективности инновационной деятельности //'Вестник машиностроения. 2000, - № 3, с. 53-57.

25. Основы инновационного менеджмента: Теория и практика: Учеб. пособие. / Под ред. П.Н. Завлина и др. М.: ОАО "НПО «Издательство "Экономика», 2000. - 475 с.

26. Финансовое планирование и контроль: Пер. с англ.// Под ред. М.А.Поукока и А.Х.Телора. М.: ИНФРА-М, 1996. - 480с.

27. Управление инвестициями: В 2-х т. Т 1 // Под общ. ред. В.В. Шеремета. -М.: Высшая школа, 1998. 416 с.

28. Grossi G. Promoting Innovation in a Big Business // Long Ranger Planning, 1990.

29. Wilson A. Innovations in the market place // Management today. London, 1984.

30. Управление инвестициями: В 2-х т. T 2 // Под общ. ред. В.В. Шеремета. -М.: Высшая школа, 1998. 512 с.

31. Шеремет А.Д., Сайфулин Р.С., Финансы предприятий.// М.: ИНФРА-М, 1998.-343с.

32. Фалько С.Г. Измерение и оценка эффективности инноваций // Вестник машиностроения. 1998, - № 6.

33. Андреев В.В. Генетические и нейронные алгоритмы: Конспект лекций. Чебоксары: Изд- во Чуваш, ун-та, 2001. 38 с.

34. Cordon О., Herrera.F., and Lozano М. (March 1996) On the bidirectional integration of genetic algorithms and fuzzy logic. In Proc. Second Online Workshop on Evolutionary Computation (WEC2), pages 13-16. Nagoya.

35. Мотовилов O.B. Банковское и коммерческое кредитование и финансирование инноваций // СПб. 1994 г.

36. Пузыня К.Ф., Казанцев А.К., Барютин JI.C. Организация и планирование научных исследований и опытно-конструкторских разработок: Учеб. Пособие. М.: Высшая школа, 1989.

37. Koza, John R., "Genetic Programming: On the Programming of Computers by Means of Natural Selection", MIT Press, 1992, 819 pages.

38. Банковское дело: Учебник 2-е изд., перераб. и доп./ Под ред. О.И. Лаврушина. - М.: Финансы и статистика, 2001. - 672с.

39. De Long, К.А. (1975). An analysis of the behavior of a class of genetic adaptive systems, Doctoral dissertation, University of Michigan, Dissertation Abstracts International 36(10)5140B.

40. D.E. Goldberg and K. Deb. A compara-tive analysis of selection schemes used in genetic algorithms. In G.J.E. Rawlins, editor, Foundations of Genetic Algorithms, pages 69-93. Morgan Kaufmann, 1991.

41. W.M. Spears (1992). Adapting crosso-ver in a genetic algorithm. Laboratory Re-port, #AIC-92-025, Navy Center for Applied Research in Artificial Intelligence, (USA).

42. Стоянова E.C. Финансовый менеджмент. Российская практика. М.: Перспектива, 1994.

43. Козлова М.Г. Системы поддержки принятия решений в современной информатике // Программы, системы, модели. Симферополь, 1996. - N 2. -С.40-45.

44. Перегудов Ф.И., Тарасенко Ф.П. Основы системного анализа: Учеб. 2-е изд., доп. Томск: Изд-во HTJI, 1997. - 396 с.

45. Козлова М.Г. Синтез дискретных моделей выбора решений на основе знаний // Международной науч. конф. "Интеллектуализация обработки информации". Алушта, 3-7 июня 1996 г.: Тез. докл. /КрАН. Симферополь, 1996.- С.13-14.

46. Крушвиц JI. Инвестиционные расчеты / Пер. с нем. Под общей редакцией В.В. Ковалева и З.А. Сабова. СПб: Питер, 2001. - 432 е.: ил. - (Серия «Базовый курс»),

47. Дегтерев Д. А. Модельное и алгоритмическое обеспечение объемно-календарного планирования на предприятиях ВПК в условиях конверсии. Дисс. канд. техн. наук. Красноярск, 2003. - 152 с.

48. Медведев А.Г. Новая продукция и новая технология в стратегии технического развития машиностроения // Л.: Машиностроение, 1988. - 201 с.

49. Моделирование научно-технического прогресса в машиностроении / Г.А. Краюхин и др. А.: Машиностроение, Ленинградское отделение, 1987. - 272 с.

50. Сумароков А.Д. Адаптивный учет ограничений в алгоритме СПА / А.Д. Сумароков // Информатика и информационные технологии: Материалы межвуз. научн. конф. / Под ред. Ю.А. Шитова. Красноярск: ИПЦ КГТУ, 2002, с. 100-104.

51. Оценка эффективности инноваций: Завлин П.Н., Васильев А.В. СПб., Изд-й дом «Бизнес-Пресса», 1998. 216 с.

52. Виленский П.Л., Лившиц В.Н., Смоляк С.А. Оценка эффективности инвестиционных проектов: Теория и практика: Учеб.-практ. пособие. М.: 2001.-832 с.

53. Касимов Ю.Ф. Основы теории оптимального портфеля ценных бумаг. -М.: Филинъ, 1998.-141 с.

54. Шарп У., Александер Г., Бэйли Дж. Инвестиции: Пер. с англ. М.: ИНФРА-М, 1999. - 1028 с.

55. Маршалл Джон Ф., Бансал Випул К. Финансовая инженерия: Полное руководство по финансовым нововведениям: Пер. с англ. М.: Инфра-М, 1998.-784 с.

56. Beasley D., Bull D., Martin R. An Ovierview of Genetic Algorithms. University Computing, 1993. Part I 15(2), p.58-69. Part II 15(4), p. 170-181.

57. Осовский С. Нейронные сети для обработки информации, 2002, М., Финансы и статистика;

58. Назаров А., Лоскутов А. Нейросетевые алгоритмы прогнозирования и оптимизации систем, 2003, С-П., Наука и Техника;

59. Антамошкин А.Н. Гриди алгоритмы и локальный поиск для условной псевдобулевой оптимизации загрузки оборудования / А.Н.Антамошкин, И.С. Масич // Электронный журнал «Исследовано в России», 177, стр.2143-2149, 2003 г.

60. Антамошкин А.Н. Не улучшаемый алгоритм условной оптимизации монотонных псевдобулевых функций / А.Н.Антамошкин, И.С. Масич // Электронный журнал «Исследовано в России», 64, стр.703-708, 2004 г.

61. Антамошкин А.Н. Регулярные алгоритмы для задач условной псевдобулевой оптимизации / А.Н.Антамошкин, И.С. Масич // САКС-2001 : Материалы Международной научно-практической конференции./ САА-ч.2ч-Красноярск, 2001, с.328-330.

62. Антамошкин А.Н. Эффективные алгоритмы условной оптимизации монотонных псевдобулевых функций /А.Н. Антомошкин, И.С. Масич// Вестник СибГАУ: Сб. науч.тр./ Под ред.проф.Г.П.Белякова; .- СибГАУ-Вып.4- Красноярск. 2003, 60-67.

63. Сопов Е.А. Вероятностный генетический алгоритм решения сложных задач оптимизации и его исследование.- Интеллект-2004, Красноярск, СиБУП, 2004.

64. Сопов Е.А. Вероятностный генетический алгоритм с прогнозированием сходимости. Вестник университетского комплекса: Сб.науч.трудов/Под общей ред. Профессора Н.В. Василенко; Красноярск: ВСФ РГУИТП, НИИ СУВПТ. - 2004.-Вып. 1(15).-292с., 219-227с.

65. Сопов Е.А. Разработка негенетического генетического алгоритма.- Сб. материалов Всероссийской научно-технической конференции студентов, аспирантов и молодых ученых, КрасГАЦиЗ.- Красноярск, 2003.

66. Сопов Е.А. Разработка и исследование вероятностного генетического алгоритма.- Информатика и информационные технологии. Межвуз.Сб. науч. Тр./Под ред. В.А. Вейсова, Ю.А. Шитова. Красноярск: ИПЦ КГТУ, 2003. 306с. 225-227с.