Комплекс алгоритмов предпочтения в выборе управленческих решений на сельхозпредприятии тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Гусакова, Татьяна Михайловна

• Гусакова, Татьяна Михайловна
• кандидат экономических наук
• 2000

Оглавление диссертации кандидат экономических наук Гусакова, Татьяна Михайловна

ВВЕДЕНИЕ.

ГЛАВА 1 ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ИСПОЛЬЗОВАНИЯ НЕЧЕТКОЙ ИНФОРМАЦИИ В ПРИНЯТИИ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ.

1.1. Предпосылки необходимости моделирования управленческих решений.

1.2 Анализ существующих методов принятия решений в условиях нечеткой информации.

1.3 Применение методов нечеткой логики для решения задач управления.

1.4 Актуальные задачи управления на сельхозпредприятии.

ГЛАВА 2 НЕЧЕТКАЯ ЛОГИКА КАК МЕТОД ДЛЯ ПОСТРОЕНИЯ АЛГОРИТМОВ ПРЕДПОЧТЕНИЯ ПРИ ПРИНЯТИИ РЕШЕНИЙ.

2.1 Основные понятия и операторы теории нечеткой логики.

2.2 Общая структура построения алгоритмов предпочтения и принципы его функционирования.

2.3 Разработка программного обеспечения комплекса алгоритмов предпочтения.

ГЛАВА 3.

РАЗРАБОТКА АЛГОРИТМОВ ПРЕДПОЧТЕНИЯ ПРИ ПРИНЯТИИ РЕШЕНИЙ НА СЕЛЬХОЗПРЕДПРИЯТИИ.

3.1 Описание хозяйства.

3.2 Определение районов эффективной коммерческой деятельности сельхозпредприятий.

3.3 Алгоритм расчета перспективного ассортимента выращиваемой сельхозпродукции.

Введение диссертации (часть автореферата) на тему «Комплекс алгоритмов предпочтения в выборе управленческих решений на сельхозпредприятии»

Актуальность исследования. Коренные изменения в экономике последних лет не обошли стороной ни одну сферу материального производства, в том числе и сельское хозяйство. При отсутствии централизованного планирования сельхозпредприятия вынуждены сами принимать решения по специализации, объемам производства и решать проблемы реализации произведенной продукции. Уровень доходов предприятия стал напрямую зависеть от уровня эффективности их деятельности и состояния рыночной инфраструктуры в регионе их расположения. Возросла ответственность руководителей хозяйств по принятию управленческих решений, появились новые звенья управления: служба маркетинга, рекламные и торговые органы. Эти изменения приблизили агропредприятия к структуре западных аграрных фирм.

Сравнение успешно работающих и отстающих хозяйств показывает возросшую зависимость эффективности деятельности сельхозпредприятия в целом от управления, изучения рынка, использования достижений научно-технического прогресса. Задача науки дать руководителям хозяйств инструмент, помогающий им при принятия управленческих решений, основанный на использовании современных методов количественного анализа.

Анализ имеющихся методов принятия управленческих решений показывает, что они в своем большинстве не позволяют учитывать неопределенность и нечеткость целого ряда параметров, которые необходимо учитывать прежде, чем принимать решение. Для повышения эффективности использования производственного потенциала в отдельном хозяйстве необходимо использовать методы управления, основанные на современных информационных технологиях, способных обеспечить повышение эффективности работы предприятия в конкурентной среде.

В связи с этим актуальными становятся задачи совершенствования методов, позволяющих смоделировать принятия решений на сельхозпредприя тии с учетом специфических условий развития рыночных отношений в России. Для решения задач управления, построения моделей и алгоритмов предпочтения одних управленческих решений другим, был выбран аппарат нечеткой математики, который позволяет формализовать, выразить и преоб-Ф разовать количественно нечеткие (качественные) понятия, которыми манипулирует эксперт при описании своих представлений о реальной системе, своих рекомендаций и целей.

Подтверждением актуальности теоретических и практических разработок, основанных на применении методов теории нечеткой логики, может служить интерес к проблемам их использования в различных областях знаний в таких странах как Япония, Китай, США; а также создание научноисследовательских институтов и центров, занимающихся исследованием применения нечеткой логики, например, лаборатория LIFE в Японии и европейская лаборатория ELITE в Германии. Однако, несмотря на значительное число исследований, задача разработки алгоритмов предпочтения при принятии управленческих решений с использованием нечеткой информации в управлении сельскохозяйственным предприятием ставится в России впервые.

Актуальность темы диссертации, ее практическая значимость определили цели и задачи предмета данного научного исследования.

Цель и задачи исследования. Целью диссертационного исследования является разработка системы поддержки выбора управленческого решения на основе создания комплекса алгоритмов предпочтения при выборе управленческих решений на сельскохозяйственном предприятии (включая математическое и программное обеспечение расчетов на ПЭВМ).

Реализация данной цели осуществляется путем решения следующих конкретных задач:

1. На основе анализа существующих методов и алгоритмов принятия управленческих решений в различных отраслях экономики определить возможность применения теории нечеткой логики при построении моделей принятия управленческих решений на сельхозпредприятии.

2. Определить методику построения моделей управления на основе нечеткой логики и систематизировать основные методы теории нечетких множеств, необходимые при разработке алгоритмов предпочтения при принятии управленческих решений.

3. Разработать комплекс алгоритмов и определить вопросы методики построения алгоритмов предпочтения при принятии управленческих решений на сельхозпредприятии.

4. Осуществить экспериментальную апробацию разработанных алгоритмов и программ на примере конкретного сельхозпредприятия.

Методы исследования. Теоретической и методологической основой исследования послужили работы ведущих российских и зарубежных ученых, посвященные вопросам принятия управленческих решений и применения методов теории нечеткой логики для построения моделей в различных областях знаний. Кроме того, использовались методы системного анализа, рас-четно-конструкторские и монографические методы.

Научная новизна исследования. В ходе исследования получены следующие результаты:

1. На основе проведения сравнительного анализа существующих методов и алгоритмов предпочтения при выборе управленческого решения в условиях нечеткой информации обоснована необходимость применения теории нечеткой логики для решения задач управления на сельхозпредприятии.;

2. Проанализированы основные достижения применения теории нечеткой логики в различных областях знаний и определены методы построения моделей принятия управленческих решений на предприятии с применением теории нечеткой логики;

3. Впервые для решения задач моделирования управленческих решений на сельхозпредприятии применены методы теории нечеткой логики, позволяющие учесть качественные факторы, в частности такие, как конкуренция на рынке и предпочтение потребителей. Для решения конкретных задач управления деятельностью сельхозпредприятия построены математические модели, и на их основе построены алгоритмы решения задач определения зон эффективной коммерческой деятельности сельхозпредприятия и определения ассортимента производимой продукции;

4. Разработано программное обеспечение для расчетов данных задач на ПЭВМ и определена методика функционирования и использования данного программного продукта, представляющего собой нечеткую систему принятия решений по определению стратегии предприятия. Проведена практическая апробация созданного комплекса алгоритмов на примере овощеводческих хозяйствах Республики Марий Эл.

Объектом исследования являются вопросы выбора предпочтения при принятии управленческих решений на сельхозпредприятии.

Предметом исследования являются модели и алгоритмы предпочтения при принятии управленческих решений на сельхозпредприятии.

Теоретическая и практическая значимость диссертации: В теоретическом плане значимость диссертации заключается в разработке научного и методического аппарата, позволяющего повысить эффективность принимаемых управленческих решений в условиях неопределенности, для этого впервые использованы методы теории нечеткой логики для решения задач предпочтения при выборе управленческих решений на сельхозпредприятии. Практическая значимость выполненной работы состоит в разработанном и апробированном комплексе алгоритмов решения конкретных задач управления сельхозпредприятием и на его основе разработан пакет прикладных программ, который может быть использован руководителями хозяйств различной специализации для обоснованного принятия управленческих решений.

Апробация работы. Основные положения диссертации докладывались и обсуждались на российских и международных конференциях: «Государственное регулирование и информационное обеспечение реформ в АПК.», Йошкар-Ола, 1996; The 1st Annual International Conference on Industrial Engineering and Practice, Houston, Texas USA, December 4-7, 1996; Conference on Management and Control of Production and Logistics (MCPL'97), Campinas -SP, Brazil (стендовый доклад), 1997; Европейская региональная конференция «Европейские исследования: проблемы и перспективы развития», Йошкар

Ола, 1998; «Государственное регулирование АПК: итого, методы, перспективы» Йошкар-Ола, 1999; Международная конференция «Стабилизация аграрного сектора России», Санкт-Петербург - Пушкин, 1999; II Российско-американская конференция «Университеты как двигатели развития региона», Йошкар-Ола, 1999.

По теме диссертации автором отдельно и совместно с др. авторами опубликовано 7 печатных работ.

Структура и объем работы: диссертация состоит из введения, трех глав, заключения, списка литературы из 105 наименований и приложений. Общий объем диссертации - 137 страниц, включая 5 рисунков и 14 таблиц.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Гусакова, Татьяна Михайловна

ЗАКЛЮЧЕНИЕ

Экономическая, социальная и технологическая обстановка на сельхозпредприятии в настоящее время является значительно менее предсказуемой и находится в значительно более нестабильной ситуации. Поэтому, как на уровне макро, так и микроэкономики ведутся поиски новых подходов для изучения ситуаций, которые переживают экономические системы и предприятия.

Конкурентоспособность сельхозпредприятия во многом определяется правильностью принимаемых руководством решений. Обоснованность принятия решений является наиболее сложной задачей управления в силу важности проблем стратегического развития сельхозпредприятия и невозможности быстрого изменения принятых решений. Высокая неопределенность, присущая прогнозированию будущего, многообразие альтернатив приводят к необходимости использования научно обоснованного инструментария для поддержки принятия частных решений, так и решения стратегических задач сельхозпредприятия. В этой связи актуальной является разработка алгоритмов предпочтения при принятии управленческих решений в условиях неопределенности. Не менее важным является выбор используемых методов для обоснования принимаемых решений, их простота и эффективность использования.

В работе построена модель для принятия управленческих решений и разработан комплекс алгоритмов и программ предпочтения при решении конкретных управленческих задач, встающих перед руководителями сельхозпредприятия. Построенные алгоритмы позволяют оперативно исследовать результаты принимаемых решений и получить возможные последствия для различных вариантов экономической ситуации.

К результатам диссертации следует отнести:

1. Проанализированы известные методы принятия решений и сделано обоснование необходимости и возможности применения методов теории нечеткой логики для решения задач управления сельхозпредприятием.

2. Определена методика разработки моделей принятия решений на основе методов теории нечеткой логики, проанализированы методы реализации каждого этапа процесса разработки модели, и выбраны методы, необходимые для построения алгоритмов задач управления на сельхозпредприятии.

3. Разработаны алгоритмы решения конкретных задач управления сельхозпредприятием, и показана возможность применения методов теории нечеткой логики для моделировании процессов производственной деятельности предприятий аграрного сектора.

4. Разработано программное обеспечение для построения в интерактивном режиме моделей принятия решений в овощеводческом хозяйстве. Проведена экспериментальная апробация разработанного комплекса на пригородном совхозе «Овощевод».

Результаты подтвердили эффективность разработанного математического и программного обеспечения и позволили моделировать процессы принятия решений на сельхозпредприятии. Анализ показал возможность снижения затрат на производство продукции, планирования посевных площадей хозяйства с учетом нечетко формализованного спроса на продукцию.

Список литературы диссертационного исследования кандидат экономических наук Гусакова, Татьяна Михайловна, 2000 год

1. Аверкин А.Н. и др. Нечеткие множества в модулях управления и искусственного интеллекта. / Под ред. Д.А. Поспелова. М.: Наука, 1986. -396с.

2. Аверкин А.Н., Нгуен X. Использование нечеткого отношения моделирования для экспертных систем. М.: ВЦ АН СССР, 1988. - 176с.

3. Афанасьев В.Г. Системность и общество. М.: Политиздат, 1980. - 368с.

4. Баас Р., Фервай М., Гюнтер X. Delphi4: полное руководство./ Пер. с нем. -Киев: Издательская группа BHV, 1998. -800с.

5. Багриновский К.А., Егорова Н.Е. Имитационные системы в планировании экономических объектов. М.: Наука, 1980.-434с.

6. Багриновский К.А., Прокопова B.C. Моделирование межотраслевого обмена и процессов ресурсосбережения в переходной экономике // Личное и коллективное в современной деревне. М.: РАСХН, ВИАПК, 1997.-С.206-209.

7. Батыршин И.З. Методы представления и обработки нечеткой информации в интеллектуальных системах. //Новости искусственного интеллекта, 1996, №2, С.9-65.

8. Батыршин И.З. Принятие решений на базе нечетких отношений предпочтения и функций выбора.// Системы поддержки принятия решений. Калинин: КГУ, 1989. -С.29-35.

9. Беллман Р. Процессы регулирования с адаптацией. М.: Наука, 1964.-364с.

10. Ю.Беллман Р., Заде Л. Принятие решений в расплывчатых условиях. /Вопросы анализа и процедуры принятия решений. -М.: Наука, 1984. -568с.11 .Борисов А.Н. и др. Модели принятия решений на основе лингвистической переменной. Рига: Зинатне, 1982. - 235с.

11. Борисов А.Н. и др. Обработка нечеткой информации в системах принятия решений. М.: Радио и связь, 1989. -304с.

12. З.Борисов А.Н. и др. Принятие решений на основе нечетких моделей: Примеры использования. Рига: Зинатне, 1990. - 374с.

13. Браславец М.Е., Кравченко Р.Т. Математическое моделирование экономических процессов в сельском хозяйстве. М.: Колос, 1970.-590с.

14. Бусленко В.Н. Автоматизация имитационного моделирования сложных систем. М.: Наука, 1977.- 240с.

15. Бусленко Н.П. Лекции по теории сложных систем. М.: Советское радио, 1973.-439с.

16. Вопросы анализа и процедуры принятия решений. / Под ред. И.Ф. Шах-нова. М.: Мир, 1976. - 3 90с.

17. Гатаулин A.M. Оценка народнохозяйственной эффективности отраслей в системе АПК.// Математические методы и системный анализ в управлении АПК. М., 1988.- С.7-24.

18. Гатаулин A.M. Принцип системности в методологии экономических исследований // Аграрная экономика и политика: история и современность -М.: РАСХН, Аграрный институт, 1996. С. 223-227.

19. Гатаулин A.M., Гаврилов Г.В., Харитонова JI.A. Экономико-математические методы в планировании сельскохозяйственного производства. М.: Агропромиздат, 1986.- 347с.

20. Гусакова Т.М., Царегородцев Е.И. Системы с нечеткой логикой в управлении АПК. // Европейские исследования: проблемы и перспективы развития. Йошкар-Ола, 1998. - С.57-58.

21. Гусакова Т.М. Применение нечеткой логики. // Государственное регулирование АПК: итого, методы, перспективы. Йошкар-Ола, 1999. - С. 7273.

22. Гусакова Т.М., Царегородцев Е.И., Альметьева Е.В. Нечеткая логика как метод адаптивного управления в аграрном производстве./ Студент и научно-технический прогресс. Новосибирск, 1999. - С. 115-116.

23. Гусакова Т.М. Применение нечеткой логики в моделировании принятия решений в управлении АПК.// Стабилизация аграрного сектора России. -Санкт-Петербург-Пушкин, 1999.

24. Заде Л. Понятие лингвистической переменной и его применения. М.: Мир, 1976.-167с.

25. Катков Н.С., Царегородцев Е.И. Адаптивные системы управления сельскохозяйственным производством. // Достижения науки и техники АПК.-1993. 149с.

26. Кирюшин В.И. Принципы формирования адаптивно ландшафтных систем земледелия.// М.: Аграрная наука. - 1993, №3, С.7-11.

27. Классификация и кластер. / Под ред. Дж. Вэн Райзина. М.: Мир, 1980. -402с.31 .Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982 -432с.

28. Кофман А., Хил, Хаймс Введение теории нечетких множеств в управлении предприятием. Минск, 1992. - 527с.

29. Крайзмер Л.П. Кибернетика. М.: Агропромиздат, 1985 - 255с.

30. Кудрица К.Н. Математическая модель высшего растения.// Физиология приспособления растений к почвенным условиям. Новосибирск, 1973. -С.25-37.

31. Кузьмин В.Б. Построение групповых решений в пространстве четких и нечетких бинарных отношений. М.: Наука, 1982.-168с. * Зб.Курцев И.Н., Задков А.А. Моделирование адаптивных систем ведениясельского хозяйства. Вестник с/х науки. №11, С.67-69.

32. Математическое моделирование экономических процессов в сельском хозяйстве./ Под ред. Гатаулина A.M. М.: Агропромиздат, 1990. -432с.

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

34. Мелихов А.Н., Бернштейн JI.C., Коровин С .Я. Ситуационные советующиеIсистемы с нечеткой логикой. М.: Наука, 1990. -272с.

35. Мелихов А.Н., Мелихова О.А. О логическом выводе в интеллектуальных системах на основе нечеткой аналогии. М.: Журнал РАН Известия АН Теория и системы управления, №5 1995, С. 112-123.

36. Мелихов А.Н., Мелихова О.А. Построение БЗ интеллектуальной системытназначения лекарственных средств народной медицины. М.: Журнал Ассоциации искусственного интеллекта. Новости Искусственного Интеллекта. №1, 1997. - С.57-71.

37. Милосердов В.В., Беспахотный Г.В. Региональное планирование развития сельского хозяйства. М.: Экономика, 1982.-274с.

38. Моделирование роста и продуктивности сельскохозяйственных культур. / Под ред. Пеннинга де Фриза Ф.В.Т. и Ван Лаара Х.Х. Л.: Гидрометеоиз-дат, 1986.- 320с.

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

40. Негойце К. Применение теории систем к проблемам управления. М.: Мир, 1981.-180с.

41. Нетрадиционные модели и системы с нечеткими знаниями. М.: Энерго-атомиздат, 1991. - С.65-69.

42. Нечеткие множества в информатике / Отв. ред. Кузьмин В.Б. М., 1986.

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

44. Нечеткие системы поддержки принятия решений.// Сборник научных трудов под ред. Язенина А.В. Калинин, 1989. - 95с.

45. Нечеткие системы: модели и программные средства. Тверь: Изд-во ТГУ, 1991.- С. 17-24.

46. Образцов А.С. Системный метод: применение в земледелии. М.: Агро-промиздат, 1990. -303с.52.0рловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981. -206с.

47. Пастернак П.П. Системное моделирование экономических процессов в АПК. -М.: Агропромиздат, 1985.-195с.

48. Пономарев Н.В. Исторический обзор правительственных мероприятий по развитию сельского хозяйства в России от начала государства до настоящего времени. СПб, 1888.

49. Поспелов Д.А. Логико-лингвистические модели в системах управления. -М.: Энергоатомиздат, 1981. -232с.

50. Поспелов Д.А. Прикладные системы искусственного интеллекта. Кишинев, 1991.- 124с.

51. Прикладные нечеткие системы /Под ред. Т.Тэрано, К.Асаи. М.Сугено. -М.: Мир. 1993.-368с.

52. Саати Т.М. Принятие решений. Метод анализа иерархий. М.: 1993, 315с.

53. Севрук М.А. Система маркетинга: Социально-экономический анализ, компьютеризация. -М.: Издательство Московского университета, 1992, 198с.60.«Семь инструментов качества» в японской экономике. -М.: Изд-во стандартов, 1990.- 80с.

54. Сиротенко О.Д., Бойко А.П., Абашина Е.В. Имитационные агрометеорологические системы.// Труды ВНИИ сельскохозяйственной метеорологии, 1986, Вып. 21,C.3-13.

55. Тарасов В.Б. Моделирование предпочтения в задачах принятия решений параметризованными нечеткими отношениями// Нечеткие системы: моделирование структуры и оптимизация. Калинин: Изд-во КГУ, 1987.-С. 17-30.

56. Царегородцев Е.И. Основы адаптивного управления в сельском хозяйстве. Йошкар-Ола: МарГУ, 1996. -114с.

57. Царегородцев Е.И., Гусакова Т.М. Системы управления с нечеткой логикой. // Государственное регулирование и информационное обеспечение реформ в АПК. Йошкар-Ола, 1996. - С.52.

58. Экспертные системы: состояние и перспективы/ Под ред. Д.А. Поспелова -М.:Наука. 1989.- 152с.

59. Язенин А.В. Нечеткие системы: модели и программные средства. Тверь, ТГУ, 1991.-78с.

60. Akari S. A Self-Generating Method of Fuzzy Inference Rules // Fuzzy Engineering toward Human Friendly Systems, Vol.2. International Fuzzy Systems Engineering, 1991.

61. Bezdek J.C. Pattern Recognition with Fuzzy Objective Function Algorithm. -New York: Plenum Press, 1981.

62. Deboeck Guido J. Trading on the Edge. New York: Prentice Hall, 1994.

63. Dubois D. and Prade H. Fuzzy Sets and Systems: Theory and Applications. -Academic Press, New York, 1980.

64. Edan Y., Maltz E., Morag I. Decision Suppot Systems for the Dairy Farm.// Advances in Industrial Engineering Applications and Practice 1, 1996. -pp. 185-190.

65. Fuzzy Logic for the Management of Uncertainty. / Zadeh L., Kocprzyk J(Editors), New York: Prentice Hall, 1992.

66. Fuzzy Logic in Knowledge-Based Systems, Decision and Control. / M.M. Gupta and T. Yamakawa (Editors). Elsevier Science Publishers B.V. (North-Holland), 1988.

67. Fuzzy Sets and Applications. / Yager R.R. (editor), NY: John Wiley and Sons, 1987

68. Gaines B. R. Fuzzy and Probability Uncertainty Logic. / Information and Control, N38, pp.154-169.

69. Goguen J.A. Concept representation in natural and artificial languages: Axioms, extensions and applications for fuzzy sets.// International Journal of Man-Machine Studies. N6, pp.513-561.

70. Goodman I. R. And Nguyen H.T. Uncertainty Models for Knowledge-Based Systems, North-Holland, Amsterdam, 1985.

71. Gusakova T.M., Tsaregorodtsev E.I. Fuzzy Logic as the Method of Adaptive Management in Agricultural Enterprises // Management and Control of Production and Logistics (MCPL'97), Campinas SP - Brazil, 1997.

72. Kandel A. Fuzzy Mathematical Techniques with Applications, -Addison-Wesley Publishing Company, Reading, Mass, 1986.

73. Kaufmann A. And Gupta M. M. Fuzzy Mathematical Models with Applications to Engineering and Management Science. North Holland, Amsterdam, 1988.

74. Klimasauskas C.C. Hybrid Fuzzy Encoding for Improved Backpropagation Performance./ Advanced Technology for Developers, 1992.

75. Klir G.J., Bo Yuan. Fuzzy Sets and Fuzzy Logic. Prentice Hall PTR, 1995.

76. Kosko B. Neural Networks and Fuzzy Systems. New York: Prentice Hall, 1992.

77. Leung Y. Locational choice, a fuzzy set approach. -Geography Bulletin. Vol.15, 1979 pp.28-34.

78. Mamdami E.H. Application of Fuzzy Algorithm for Control of Simple Dynamic Plant.// Proc. IEEE, V.121, 1974, #12.

79. Martin McNeill, Ellen Thro. Fuzzy Logic: A Practical Approach. -AP Professional, New York, 1994.

80. Negoita C.V. Expert Systems and Fuzzy Systems. -Benjamin/Cummings, Menlo Park, California, 1985.

81. Negoita C.V. Fuzzy Systems. -Tunbridge Wells, England, 1981.

82. Negoita C.V. Management Applications of System Theory. Birkhauser, Bale and Stuttgart, 1979.

83. Rothenberg S.I. Overview of Fuzzy Systems in Japan. //Spang Robinson Rept.1.tell. Syst., V.8,1992, #2. 91.Stamatios V. Kartalopoulos Understanding Neural Networks and Fuzzy Logic.- New York: Prentice Hall, 1995.

84. Terano Т., К. Asai and Sugeno M. Fuzzy Systems Theory and its Applications.- Academic Press, 1992,268p.

85. Weaver W. Science and Complexity.// American Scientist, V.36, 1948.

86. Yager R.R. and Zadeh L. Fuzzy Sets, Neural Networks, and Soft Computing. -Van Nostrand Reinhold, 1994.

87. Zadeh L.A. Fuzzy Sets// Information and Control, V.8,1965.- pp.338-353.

88. Zadeh L.A. Outline of a new approach to the analysis of complex systems and decision processes.// IEEE Transactions on Systems, Man, and Cybernetics, SMC-3, 1973.-pp.28-44.

89. Zadeh L.A.Fuzzy logic and approximate reasoning. Synthese, 1975. - 30p.

90. Zadeh L.A. The concept of linguistic variable and its application to approximate reasoning -1.// Information Sciences, V.8, 1975. pp. 199-249.

91. Zadeh L. A. The concept of linguistic variable and its application to approximate reasoning II.// Information Sciences, V.8, 1975. - pp.301-357.

92. Zemankova-Leech M. and Kandel A. Fuzzy Relational Data Bases A Key to Expert Systems. -Verlag TUV Rheinland, Koln, Germany, 1984.

93. Zimmermann H.J. Fuzzy Sets Theory and Its Applications. -Kluwer, Ni-jhoff, Publishing, Dordrecht, 1985.

94. Zimmermann H.J. Fuzzy Sets Theory. -Kluwer, Boston, 2nd edition, 1991.