Разработка и исследование моделей принятия решений и систем искусственного интеллекта для предприятий тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Липко, Юлия Юрьевна

• Липко, Юлия Юрьевна
• кандидат технических наук
• 2003

Оглавление диссертации кандидат технических наук Липко, Юлия Юрьевна

1. РАЗРАБОТКА КОНЦЕПЦИИ АНАЛИТИЧЕСКОГО ИССЛЕДОВАНИЕ СИСТЕМ УПРАВЛЕНИЯ КРЕДИТНОЙ ДЕЯТЕЛЬНОСТЬЮ

1.1. Содержательное описание задач кредитования

1.2. Системное определение кредитной деятельности и принципы моделирования

1.2.1. Системное определение

1.2.2. Концепция моделирования

1.2.3. Формализация параметров

1.2.4. Теоретико-множественная модель

1.3. Формализация процесса кредитования и информационно управляющие аспекты в системах принятия решения для задач управления кредитной деятельностью

1.3.1. Назначение целеобразования

1.3.2. Закономерности цели

1.3.3. Методики системного анализа

1.3.3.1. Методика ПАТТЕРН

1.3.3.2. Методика Ю.И.Черняка

1.3.3.3. Методика С.А.Валуева

1.3.3.4. Методики структуризации целей

1.3.3.5. Методика учета концепции деятельности

1.3.3.6. Условия применения методик структуризации целей

1.4. Процесс кредитования

1.5. Концепция моделирования систем принятия решения для задач управления кредитной деятельностью

1.6. Выводы

2. РАЗРАБОТКА МЕТОДА МОДЕЛИРОВАНИЯ СИСТЕМЫ УПРАВЛЕНИЯ КРЕДИТНОЙ ДЕЯТЕЛЬНОСТЬЮ

2.1. Общие требования к методам моделирования и структуре системы принятия решений

2.2. Определение метода нечеткого выбора

2.3. Модели методов нечеткого выбора

2.4. Критерии нечеткого выбора

2.5. Агрегатная модель нечеткого выбора

2.6. Модели механизмов нечеткого выбора

2.7. Полнома моделей нечеткого выбора

2.8. Выводы

3. РАЗРАБОТКА МОДЕЛЕЙ ПРИНЯТИЯ РЕШЕНИЙ

3.1. Условия построения моделей принятия решений

3.2. Модель субъективного решения в виде многомерной матрицы инциденций

3.3. Модель классификации

3.4. Модель вычисления степени истинности нечетких правил вывода

3.5. Ситуационная модель принятия решений

3.6. Модель нечеткого выбора вариантов принятия решений

3.7. Формализация параметров при управлении кредитной деятельностью

3.8. Выводы

4. ЗАДАЧИ АПРОБАЦИИ ИНФОРМАЦИОННО-УПРАВЛЯЮЩЕЙ СИСТЕМЫ КРЕДИТНОЙ ДЕЯТЕЛЬНОСТЬЮ

4.1. Общие характеристика системы

4.2. Особенности формирования лингвистических переменных 4.3.Задание функций принадлежности

4.4. Условия разработки правил нечеткого вывода

4.5. Выводы

Введение диссертации (часть автореферата) на тему «Разработка и исследование моделей принятия решений и систем искусственного интеллекта для предприятий»

Среди существующих производственных и экономических объектов (систем) следует выделить такие объекты, в функции которых входит кредитование, т.е. предоставление в кредит другим объектов денежных сумм. Примерами являются все виды ипотеки, кредитование банками физических лиц и предприятий, предоставление займа денежных средств предприятием своим сотрудникам или другим предприятиям и прочее. Общим для подобных систем является функция кредитования, которое может иметь разную форму.

Для подобных систем перед осуществлением кредитования необходимо решить важную задачу - оценить объект, которых запрашивает кредит, а затем принять решение о целесообразности (возможности) кредитования и величине суммы, которая может быть предоставлена в кредит.

Для систем, связанных с кредитованием, это важная задача, т.к. вступление России в рынок в значительной мере связано с реализацией потенциала кредитных отношений. Обязательным условием формирования рынка является коренная перестройка денежного обращения кредита. Создание финансового рынка означает принципиальное изменение роли кредитных институтов в управлении народным хозяйством и повышением роли кредита в системе экономических отношений [1,2,3]. Для производственных систем кредит стимулирует развитие производительных сил, ускоряет формирование источников капитала для расширения воспроизводства на основе достижений научно - технического прогресса. Без кредитной поддержки невозможно обеспечить быстрое и эффективное развитие производственных и других систем.

Для систем, связанных с кредитованием, необходимы новые и эффективные методы моделирования отношений с объектами кредитования и методы принятия решений в условиях неопределенности. Неопределенность существует относительно объекта кредитования, т.к. получить необходимые сведения об объекте возможно далеко не всегда. Решение подобных сложных, трудноформализуемых задач требует применения методов системного анализа, разработки системного подхода к решению задачи кредитования в целом.

В настоящее время, как в России, так и в других странах ведутся научно-исследовательские и прикладные работы, связанные с моделированием систем принятия решений. Эти исследования входят в число первостепенно важных работ, над которыми работает много ученых, среди которых Р.Абельсон, М.А.Айзерман, И.В.Блауберг, В.Вайдлих, О.С. Власюк, В.Н.Волкова, Э. Воутилайнен, Х.Гецковом, В.В.Данилов, А.В.Доброногов, Г.А.Дробот, М.З.Згуровский, Р.Кляйн, Н.Д.Кондратьев, С.П.Левков, В.П.Лукин, Ф.И.Перегудов, Т.Н.Померанцева, Т.Санталайнен, А.И.Уемов, П.Чекленд, Ю.М.Черняк и многие другие.

Достоинством системного анализа является его постоянное развитие, разработка новых методов для формализованного описания сложных объектов, получение адекватных моделей и практическое решение сложных задач анализа поведения исследуемых объектов и выработки оптимальных управляющих воздействий (см., например работы [4 - 13]). В аппарат системного анализа входят различные теории, что позволит создать эффективные и практически полезные математические методы для решения задач кредитования.

В экономических задачах также многие известные ученые работают над решением и совершенствованием задач кредитования. Это Бухвальд Б., Моримото М., Масленченков Ю.С. и многие другие. Известны работы [14 -18], которые посвящены проблемам кредитования. Однако направленность данных работ в основном связаны с применением методов теории вероятностей и математической статистики.

Вероятностный подход к задаче кредитования эффективен, но в настоящее время существует достаточно развитая теория нечетких множеств [19 - 23] и теория нечеткой логики [24 - 28], которые вызвали развитие теории искусственного интеллекта [29 - 34] и позволяют в настоящее время решать задачи кредитования с других, более эффективных позиций.

Трудности формализации объектов кредитования определяются неопределенностью параметров объекта и неопределенностью адекватного анализа сложившихся ситуаций для принятия решений о кредитовании.

Действительно, параметры объекта кредитования и среды выражены, как правило, в виде совокупности качественных показателей, формализация которых возможна методами теории нечетких множеств. Среда, в которой функционируют системы, не является стационарной, т.к. изменение внешних и внутренних условий функционирования систем приводит к необходимости пересмотра условий кредитования и параметров объектов кредитования.

Наиболее эффективным подходом для разработки систем принятия решений для управления кредитной деятельностью являются эвристические подходы, которые включают неформальные, экспертные методы системного анализа, основывающиеся на теории нечетких множеств, нечеткой логике, теории искусственного интеллекта.

Анализ имеющегося теоретического материала в области моделирования и построения систем принятия решений, анализ возможностей методов системного анализа, методов принятия решений для управления кредитной деятельностью, возможностей теорий нечеткой логики, ситуационных систем позволяет выявить аспекты теоретических изысканий для задач формализации систем принятия решений для управления кредитной деятельностью и построения информационно советующих систем.

Исследование кредитной деятельности производственных и экономических систем, разработка систем принятия решений относится к классу трудноформализуемых, многофакторных задач, при решении которых приходится оперировать со статистическими данными, аналитическими моделями, а также факторами, описываемыми на качественном уровне.

Диссертационная работа посвящена разработке моделей объектов кредитования и моделей принятия решений, разработке методов синтеза советующих систем для осуществления кредитной деятельности. Это определяет и подтверждает актуальность диссертационной работы.

Объектно-ориентированный подход системного анализа позволяет разрабатывать прикладной программный продукт для решения задач кредитной деятельности.

Диссертационные исследования в практическом приложении направлены на создание проблемно - ориентированного прикладного программного продукта для применения в человеко-машинных системах, выполняющих функции экспертных систем и систем поддержки решений.

Цель диссертационной работы состоит в развитии методов системного анализа, в частности, нечеткого ситуационного управления, относительно моделирования и разработки систем принятия решений для решения задач кредитования.

В соответствии с поставленной целью в диссертационной работе решаются следующие задачи:

- аналитическое исследование математических методов моделирования объектов кредитования;

- разработка моделей принятия решений в задачах кредитования;

- разработка структуры автоматизированной системы решений для управления кредитной деятельностью.

Объектом исследования в диссертационной работе являются математические модели объектов кредитования, нечеткого ситуационного управления кредитной деятельностью, а также методика разработки советующей системы принятия решений для управления кредитной деятельностью.

Математическими методами исследования в диссертационной работе являются теория построения нечетких ситуационных моделей, принципы системного анализа, методы, функционального анализа, теория нечетких множеств и теория нечеткой логики.

В экспериментальных исследованиях применялось моделирование на

ЭВМ.

Методологическую основу работы составляет концепция системности, суть которой - представление и исследование моделей объектов кредитной деятельности и систем принятия решений для управления кредитной деятельностью в условиях частичной априорной неопределенности и нечеткого задания параметров объектов.

Поставленная цель диссертационной работы и сформулированные в соответствии с целью задачи создали предпосылки для получения новых научных результатов в области математического моделирования объектов кредитования и проектирования систем принятия решений для управления кредитной деятельностью.

Новыми научными результатами диссертационной работы, выносимыми на защиту, являются:

- метод моделирования объектов кредитования, отличающийся от ранее известных ;

- формальная модель принятия решений, отличающаяся тем, что она наиболее адекватна реальным процессам принятия решений на основе анализа множества нечетких вариантов выбора; методика определения достоверности нечеткого выбора, направленной на получение вероятностных оценок достоверности нечеткого выбора.

Практическая ценность результатов исследований определена их применением для решения задач кредитования производственных и экономических объектов и представлена в диссертационной работе в виде разработанных формальных моделей объектов кредитования, условий кредитования, разработанной структуры и программного приложения советующей системы принятия решений для управления кредитной деятельностью.

Диссертационная работа состоит из четырех разделов, заключения и приложения.

В первом разделе разработана концепция аналитического исследования производственных и экономических объектов, решающих задачи

Ф кредитования, объектов кредитования и систем управления кредитной деятельностью.

Основной результат первого раздела состоит в разработки концепции аналитического исследования

Данный подход исключает необходимость решения задач, связанных с построением достаточно сложных моделей элементов, подсистем и связей, детального исследования их поведения и поведения всей системы в целом, что и определяет отличие данного подхода от ранее известных.

Во втором разделе диссертационной работы выполнена формализация В данном разделе разработаны общие требования к методам моделирования и структуре системы принятия решений для систем управления кредитованием. Модель принятия решения для системы управления кредитной деятельностью с нечетким описанием параметров строится на основе формализации субъективных знаний специалистов - экспертов.

Формально определен метод нечеткого выбора на основе теоретикоГ множественного подхода, с применением возможностей анализа нечетких исходных параметров и нечетким заданием правил принятия решений. Метод нечеткого выбора во многом определяется нечетким правилом выбора, логический смысл, качественные и количественные характеристики (составляющие) которого определяются экспертами.

Формально определены модели метода нечеткого выбора при модификации выбора по Парето, метода нечеткого лексикографического выбора, нечеткого выбора по взвешенному критерию, метода нечеткого мажоритарного выбора. Определена модель метода нечеткого совокупно-экстремального выбора. Рассмотрен метод нечеткого выбора по агрегированному нечеткому отношению.

Формально определены правила нечеткого выбора при нечетком задании критериев выбора для перечисленных выше методов.

Разработана агрегатная модель нечеткого выбора, позволяющая рассматривать результат нечеткого выбора, как вложение нечеткого отношения в критериальное пространство - совокупность нечетких одномерных критериев, характеризующих состояние системы управление кредитованием и заемщика.

Разработаны модели механизмов нечеткого выбора, при которых функция выбора формируется из функций выбора по отдельным нечетким отношениям, а выбор может происходить в несколько этапов. Формально определен механизм последовательного нечеткого выбора, механизм параллельного нечеткого выбора.

Рассмотрены требования к полноте моделей нечеткого выбора. Разработана методика определения достоверности результатов нечеткого выбора.

В третьем разделе рассмотрены условия построения моделей принятия решений в задачах кредитования. Нечеткий выбор определяется нечеткими правилами выбора, в структуру которых входят нечеткие отношения, участвующие в выборе.

Определены варианты моделей нечеткого логического вывода, которые могут быть применены в информационно-управляющей системе кредитной деятельностью.

Разработана модель субъективного решения в виде многомерной матрицы инциденций. Определены правила принятия решений о параметрах кредитования.

Разработаны модель классификации, модель вычисления степени истинности нечетких правил вывода, ситуационная модель принятия решений, модель нечеткого выбора вариантов принятия решений. Выполнено сравнение моделей. Показан прием формализации параметров при управлении кредитной деятельностью.

Сделан вывод, что наиболее достаточными моделями для применения в информационно-управляющих системах для решения задач кредитования являются модель классификации и модель вычисления степени истинности нечетких правил вывода.

В четвертом разделе разработана технология проектирования советующих систем для управления кредитной деятельностью

Предложен подход к построению и применению информационно-управляющих системах для решения задач кредитования.

Заключение содержит выводы о работе.

В приложении приведены документы, подтверждающие практическую значимость и достоверность результатов, полученных в диссертационной работе.

Научные и практические результаты, полученные в диссертации, изложены в статьях, монографии.

Экономический эффект от внедрения

Диссертация содержит . страниц машинописного текста, включая введение, четыре раздела, заключение, список литературы из наименований, рисунков.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Липко, Юлия Юрьевна

4.5. Выводы

Определены общие проблемы, которые существуют при проектировании и внедрении информационно-управляющей системы кредитованием. Разработка подобных систем необходима в связи с трудностями получения аналитических решений и возможностью получения достаточно адекватных выводов о кредитовании на основе обработки знаний экспертов.

Определен процесс настройки и последующей эксплуатации информационно-управляющей системы кредитной деятельностью, состоящий из трех этапов.

Рассмотрены особенности формирования лингвистических переменных исходя из деятельности кредитных организаций. Определены требования к полноте и достоверности информации о заемщике при формировании лингвистических переменных. Приведен комплексный подход к принятию управленческих решений по условиям кредитования заемщика. Основная задача кредитования сведена к подзадачам: оценки кредитоспособности заемщика; оценки риска оппуртунического поведения; оценки риска экономической конъектуры. Из требований решения этих задач определен перечень лингвистических переменных.

Рассмотрены условия задания функций принадлежности и возможный их вид терм-множеств лингвистических переменных. Определены условия задания базовых множеств. Приведено содержание терм-множеств введенных лингвистических переменных. Приведен алгоритм формирования функций принадлежности.

Определены условия разработки продукционных правил нечеткого вывода для моделей классификации и модели вычисления степени истинности нечеткого правила вывода.

Разработана информационно-управляющая система кредитованием, описание работы с которой приведено в приложении 2.

Список литературы диссертационного исследования кандидат технических наук Липко, Юлия Юрьевна, 2003 год

1. Абрамова М. А., Александрова J1. С. Финансы, денежное обращение и кредит. Москва, 1995.

2. Куликов А. А., Голосов В. В., Пеньков Е. Е. Кредиты. Инвестиции. -Москва, 1995.

3. Дробозина JI. А., Окунева J1. П., Андрисова JI. Д. и др. Финансы. Денежное обращение. Кредит. Москва: Финансы, ЮНИТИ, 1997.

4. Акофф. О природе систем // Изв. АН СССР. Техн. кибернетика. -С.65-72.

5. Блауберг И.В., Юдин Э.Т. Становление и сущность системного подхода М.: Наука, 1973. - 240 с.

6. Волкова В.Н., Денисов А.А. Основы теории систем и системного анализа. Спб.: Издательство СПБГТУ, 1997. -510 с.

7. Згуровский М.З. Доброногов А.В., Померанцева Т.Н. Исследование социальных процессов на основе методологии системного анализа. Киев: Наукова думка, 1997. - 221 с.

8. Моисеев Н.Н. Математические задачи системного анализа М.: Наука, 1981.-488 с.

9. Перегудов Ф.И., Тарасенко В.П. Введение в системный анализ М.: Высшая школа, 1989. - 367 с.

10. Перегудов Ф.И. Основы системного подхода Томск: Изд-во Томского университета, 1976. - 159 с.

11. Уемов А.И. Системный подход и общая теория систем. М.: Мысль, 1978. - 204 с.

12. Флейшман Б.С. Основы системологии. М.: Радио и связь, 1982.272 с.

13. Черняк Ю.И. Системный анализ и управление экономикой. М.: Экономика, 1975. - 191 с.

14. Банковский портфель 3: Книга менеджера по кредитам. Книга менеджера по расчетам. Книга менеджера по фондовым и трастовым операциям. Книга банковского бухгалтера и аудитора. - Москва, 1995.

15. Барр Р. Политическая экономия: в 2-х т. Т.2. Москва,1995.

16. Гамидов Г. Н. Банковское и кредитное дело. Москва: ЮНИТИ, Банки и биржи, 1994.

17. Лаврушин О. И. Кредит/Российская банковская энциклопедия/ Под ред. Лаврушин О.И. Москва, 1996.

18. Курс экономической теории. Под ред. Чепурина М. Н., Киселевой Е, А.,-Киров, 1996.

19. Saaty T.L. Measuring the fuzziness of sets // Journal of Cybernetics. -1974. v.4. - P. 149-194.

20. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982. 432 с.

21. Нечеткие множества и теория возможностей. Последние достижения / Под ред. Р.Ягера.-М.: Радио и связь, 1986. 408 с.

22. Нечеткие множества в моделях управления и искусственного интеллекта/А.Н.Аверкин, И.З.Батыршин, А.ф.Блиншун, Б.В.Силаев, Б.Н.Тарасов. М.: Наука, 1986. 312 с.

23. Turksen I. Interval valued fuzzy sets besad on normal forms // Fuzzy Sets a. Systems. 1986. Vol.20, №3. P. 191-210.

24. Дюбуа Д., Прад А. Теория возможностей. Приложения к представлению знаний в информатике: Пер. с фр. М.: Радио и связь. 1990. 288 с.

25. Заде Л. Понятие лингвистических переменных и его применение к принятию к принятию приближенных решений. М.: Мир, 1976. 165 с.

26. Zadeh L.A. Fuzzy logic and approximate reasoning // Synthese, 1975. -V. 80. -P.407 428.

27. Берштейн JT.С., Мелихов А.Н. Процедура принятия решений интегрального робота в условиях априорной неопределенности // Автоматики и телемеханика. 1989, 5. С. 171-197.

28. Заде Л.А. Размытые множества и их применение в распознавании образов и кластер-анализе. В кн.: Классификация и кластер. М.: Мир, 1980. С.208-247.

29. Поспелов Д.А. Ситуационное управление: теория и практика, М.: Наука. Гл. ред. физ.-мат. лит., 1988. - 288 с.

30. Искусственный интеллект. В 3-х кн. Кн.2. Модели и методы: Справочник / Под ред. Д.А.Поспелова. М.: Радио и связь, 1990. - 304 с.

31. Мелихов А.Н., Берштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой М.: Наука, 1990. - 272 с.

32. Берштейн Л.С., Финаев В.И. Адаптивное управление с нечеткими стратегиями. Ростов н/Д.: Изд-во Рост, ун-та, 1993. 134 с.

33. Малышев Н.Г., Берштейн Л.С., Боженюк А.В. Нечеткие модели для экспертных систем в САР. М.: Энегроатом издат, 1991 - 136 с.

34. Прикладные нечеткие системы/Под ред. ТюТэрано, К Асан, М. Оугэно/Пер. с япон. -М.: Мир, 1993.

35. Банковское дело. Справочное пособие под редакцией Ю. А. Бабичевой, 1994 г.;

36. Современный коммерческий банк. В.М.Усоскин, Москва, ИПЦ "Вазар-Ферро" 1998 г.;

37. Вентцель Е.С. Теория вероятностей. М.: Наука, 1969.

38. Смирнов Н.В., Дунин-Барковский И.В. Курс теории вероятности и математической статистики для техничнских приложений. 2-е изд., испр. и доп. М.: Наука, 1965. 511 с.

39. Липко Ю.Ю., Фииаев В.И. Применение мер доверия в банковских рисках. Материалы первой Всероссийской НТК «Компьютерные технологии в науке, проектировании и производстве». Нижний Новгород.: Изд-во Нижегородского ГТУ, 1999 г

40. Садовский В.Н. Основания общей теории систем: Логико-методологический анализ. -М: Наука, 1974. -279 с.

41. Теория систем и методы системного анализа в управлении и связи / В.Н. Волкова, В.А. Воронков, А.А.Денисов и др. -М.: Радио и связь, 1983. -248 с.

42. Берталанфи Л. История и статус общей теории систем// Системные исследования: Ежегодник, 1972. -М.: Наука, 1973. с.20-37.

43. Bertalanfy L. von. General System Theory a Critical Review// General System, vol. YII, 1962, p. 1-20.

44. Месарович M., Такахара И. Общая теория систем: математические основы. М.: Мир, 1978. -311 с.

45. Бусленко Н.П. Моделирование систем. М.: Наука, 1978.

46. Советов Б.Я. Моделирование систем. М.: Высшая школа, 1985.

47. Финаев В.И. Моделирование при проектировании информационно-управляющих систем. Таганрог: Изд-во ТРТУ, 2002.

48. Финаев В.И., Липко Ю.Ю., Байрамукова А.Н., Обобщенная модель эффективности экономических затрат. Сборник тезисов докладов Всероссийской научной студенческой конференции "V Королевские чтения", Самара, РГГА, сентябрь, 1999

49. Бурбаки Н. Теория множеств. М.: Мир, 1965. - 455 с.

50. Финаев В.И. Введение в теорию множеств. Таганрог: Изд-во ТРТУ, 2000.-38 с.

51. Воронков В.А. Системный анализ экономики связи. М.: Радио и связь, 1993.- 127 с.

52. Лопухин М.М. ПАТТЕРН метод планирования и прогнозирования научных работ. - М.: Сов радио, 1971. - 160 с.

53. Ногин В.Д., Пртодьяконов И.О., Евлампиев И.И. Основы теории оптимизации: Учебное пособие. М.: Высшая школа, 1986. -384 с.

54. Черняк Ю.И. Информация и управление. М.: Наука, 1974. . 184 с.

55. Системный анализ в экономике и организации производства: Учебник для студентов вузов/Под ред. С.А.валуева, В.Н. Волковой. Л.: Политехника, 1991. -398 с.

56. Кошарский Б.Д., Уемов А.И. Принцип дополнительности системного описания и модульность структуры АСУП//Системный метод и современная наука. Вып. 2. Новосибирск: НГУ, 1974.

57. Опыт создания и развития отраслевой системы управления Минвуза РСФСР: Обзор. Инфор./В.З. Ямпольский, Н.И Гвоздев, Л.В.Кочнев и др. М.: НИИВШ, 1980. - 43 с.

58. Рогозов Ю.И., Финаев В.И. Проектирование информационно-управляющих систем. Таганрог: Изд-во ТРТУ, 2002. - 40 с.

59. Гихман И.И., Скороход А.В. Введение в теорию случайных процессов. М.: Наука, 1977. 568 с.

60. Георгиев В.О. Модели представления знаний предметных областей диалоговых систем // Техн. кибернетика. 1993, N 5 - с.24-44

61. Клещев А.С. Представление знаний. Методология, формализм, организация вычислений и программная поддержка // Прикл. информатика. -1983.-Вып. 1 с. 49-93

62. Финаев В.И., Бесшапошников В.В. Формализация нечетких критериев нечеткого Bbi6opa//6th European Congress on Intelligent Techniques and Soft Computing. Aachen, Germany, September 7-10, 1998

63. Финаев В.И., Бесшапошников В.В. Механизмы нечеткого Bbi6opa//7th European Congress on Intelligent Techniques and Soft Computing. Aachen, Germany, September 13-16, 1999.

64. Финаев В.И., Липко Ю.Ю. Информационная система оценки банковских рисков. Материалы первой Всероссийской конференции молодых ученых и аспирантов "Новые информационные технологии. Разработка и аспекты применения". Таганрог: ТРТУ. 12-13 ноября 1998 г

65. Финаев В.И., Липко Ю.Ю., Байрамукова А.Н. Модели управления на основе гибридного интеллекта. Радиоэлектроника, электротехника и энергетика" Шестая Международная НТК студентов и аспирантов: Тез.докл. ВЗ-х т. М.: Издательство МЭИ, 2000, Т. 1. - 348 с

66. Шоломов Л.П. Логические методы исследования дискретных моделей выбора. М.: Наука, 1989 - 288 с.

67. Abelson R.P. The structure of belief system // In book Computer Models of thought and language. San Francisco, 1973. - p.297-339.

68. Hajek P., Valdes J. Algebraic foudation of uncertainty processing in rule-based expert systems (group-theoretik approac) // Computers a. Artificial Intelligence. 1990. Val.9, №4. P.328-344.

69. Финаев В.И., Липко Ю.Ю. Модели параллельно-последовательных механизмов нечеткого вывода//Вестник Ростовского государственного университета путей сообщений. Ростов-на-Дону. Изд-во РГУПС, 2003, №1

70. Coombs С.Н. A theory of date. New York: Wiley, 1964.

71. Simon H.A. A bihavioral model of rational choice // Quarterly Journ. of Economics. 1955. - V.69, 1 1. - P. 99-114.

72. Saaty T.L. Measuring the fuzziness of sets // Journal of Cybernetics. -1974. V.4. - P.149-194.

73. Ежкова И.В., Поспелов Д.А. Принятие решений при нечетких основаниях. I. Универсальная шкала. Изв. АН СССР. Техн.кибернетика. -1977. №6.-С.3-11.

74. Hwang C.L., Masud A.S.M. Multiple Objective Decision-Making: Methods and Applications. A State-of-the-Art Survey // Lecture Notes in Economics and Mathematical System. V. 164 Berlin: Springer - Verlag, 1979.

75. Hwang C.L., Yoon K. Multiple Attribute Decision Making: Methods and Applications. A State-of-the-Art Survey // Lecture Notes in Economics and Mathematical System. V. 186 Berlin: Springer - Verlag, 1981.

76. Бесшапошников В.В. Разработка методов проектирования систем принятия социальных решений на основе обработки экспертных знаний. Диссертация на соискание ученой степени канд.техн.наук. Таганрог, ТРТУ, 1999.

77. Подиновский В.В., Ногин В.Д. Парето-оптимальные решения многокритериальных задач. М.: Наука, Гл. ред. физ.-мат. литературы, 1982. - 256 с.

78. Левченков B.C. Теория группового выбора: алгебраический подход. Препринт/ВНИИ системных исследований. М.: 1985. - 61 с.

79. Левченков B.C. Теория группового выбора: общий вид функций агрегирования. Препринт/ВНИИ системных исследований. М.: 1985. - 52с.

80. Финаев В.И., Ланкин А.В., Бесшапошников В.В. Формализация нечетких критериев нечеткого Bbi6opa//6th European Congress on Intelligent Techniques and Soft Computing. Aachen, Germany, September 7-10, 1998

81. Ляпунов A.A., Яблонский С.В. Теоретические проблемы кибернетики // Проблемы кибернетики. Вып. 9. М.: Физматгиз, 1963. - С. 522.

82. Липко Ю.Ю., Финаев В.И. Разработка и исследование методов принятия решений гибридного интеллекта при управлении деятельностью кредитной организации (монография). Деп.ВИНИТИ №1415 В2003 от 17.07.03

83. Ахо А., Хопкрофт Дж., Ульман Дж. Построение и анализ вычислительных алгоритмов. М.: Мир, 1979.

84. Гэри М., Ждонсон Д. Вычислительные машины и труднорешаемые задачи. М.: Мир, 1982.

85. Ларичев О.И. Анализ процессов принятия решений человеком при альтернативах, имеющих оценки по многим критериям (обзор). Автоамтика и телемеханика, 1981. '8. - С. 131-141.

86. Гэри М., Ждонсон Д. Вычислительные машины и труднорешаемые задачи. М.: Мир, 1982.

87. Шоломов Л.А. Обзор оценочных результатов в задачах выбора // Изв. АН СССР. Техническая кибернетика. 1983. - №1. - С.60-87.

88. Темников Ф.Е., Афонин В.А., Дмитриев В.И. Теоретические основы информационной техники. М.: Энергия, 1971.

89. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов: статистические проблемы обучения. М.: Наука, 1974.

90. Шоломов Л.А., Юдин Д.Б. Синтез многошаговых схем выбора // Автоматики и телемеханика, 1986. - №10. - С. 115-126.

91. Финаев В.И., Бесшапошников В.В. Формализация нечеткого вывода. Деп. ВИНИТИ N 1501-В98 от 19.05.98 г. 46 с.

92. Hoeffding W. Probablity inegualities for sums of bounded random variables // American Statistical Assoc. Jorn. March 1963. - Р/ 13-30.

93. Кини P.Jl., Райфа X. Принятие решений на многих критериях: предпочтения и замещения. М.: Радио и связь, 1981.

94. Мелихов А.Н., Баронец В.Д. Проектирование микропроцессорных устройств обработки нечеткой информации. Ростов-на-Дону.: Изд-во Ростовского университета. 1990. 128 с.

95. Берштейн Л.С., Боженюк А.В. Нечеткий логический вывод на основе определения истинности нечеткого правила modus ponens // Методы и системы принятия решений. Системы, основанные на знаниях. Рига: РГТИ, 1989. С. 74-80.

96. Берштейн Л.С., Карелин В.П., Целых А.Н. Модели и методы принятия решений в интегрированных интеллектуальных системах. — Таганрог: ТРТУ. 1999. 278 с.

97. Мишук Э., Мюллер П. Методы принятия технических решений: Пер. с нем. М.: Мир, 1990. 208 с.

98. Зайченко Ю.П. Исследование операций. Киев: Изд-во «Вища школа», 1975. 320 с.

99. Айзерман М.А. Некоторые задачи общей теории выбора: обзор одного направления исследований // Автоматики и телемеханика. 1984. №9. -С. 5-43.

100. Березовский Б.А., Борзенко В.И., Кемпнер Л.М. Бинарные отношения в многокритериальной оптимизации. М.: Наука, 1981.

101. Экспертные системы: принципы работы и примеры / Под ред. Р.Форсайта. М.: Радио и связь, 1987. - 223 с.

102. Клини С. Математическая логика. М. Мир, 1973.