Математическое и имитационное моделирование процесса экспертного оценивания объектов тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат наук Пушкарев, Александр Николаевич

• Пушкарев, Александр Николаевич
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Пушкарев, Александр Николаевич

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. МАТЕМАТИЧЕСКИЕ МОДЕЛИ И МЕТОДЫ ОЦЕНИВАНИЯ ОБЪЕКТА

1.1. Основные понятия

1.2. Метод Голубковых-Секерина

1.3. Модель Розенберга

1.4. Модель с идеальной точкой

1.5. Модель Фишбейна

1.6. Метод SERVQUAL

1.7. Метод комплексной оценки товарной системы

1.8. Оценивание объекта с позиций теории принятия решений

1.9. Интегрированные экспертные системы

1.10. Особенности подходов к оцениванию объекта

ГЛАВА 2. МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ПРОЦЕССА ЭКСПЕРТНОГО ОЦЕНИВАНИЯ ОБЪЕКТОВ

2.1. Моделирование процесса оценивания объекта экспертом

2.2. Моделирование процесса сравнения объектов экспертом

2.3. Моделирование процесса выбора объекта экспертом

2.4. Моделирование процесса выбора экспертом произвольного числа объектов

2.5. Сопоставление разработанных моделей

ГЛАВА 3. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ МОДЕЛЕЙ

ОЦЕНИВАНИЯ/СРАВНЕНИЯ/ВБ1БОРА ОБЪЕКТОВ

3.1. Основные особенности системы

3.2. Функциональная структура системы

3.3. Структура базы знаний

3.4. Интерфейс системы

3.5. Ограничения программной реализации моделей

3.6. Апробация системы

3.7. Перспективы развития программного комплекса

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ 1

Введение диссертации (часть автореферата) на тему «Математическое и имитационное моделирование процесса экспертного оценивания объектов»

ВВЕДЕНИЕ

Актуальность работы. Проблема выбора является одной из основных, с которыми человеку приходится сталкиваться на протяжении всей своей жизни. Ее влияние сказывается на всех сферах общественной жизни. В общем виде она сводится к задаче определения вероятности выбора некоторого объекта оценивающим его экспертом. В частности, вопрос выбора является ключевым в таком разделе экономической науки, как маркетинг, где он разработан достаточно глубоко [40, 41]. Наиболее известными математическими моделями и методами экспертного оценивания объекта, применяемыми в маркетинге, являются модель Розенберга [106, 107], модель Фишбейна [94, 95], модель с идеальной точкой [39], метод 8Е11УС)иАЬ [103, 104, 105], метод комплексной оценки товарной системы [6]. Они основаны на подходе к оцениванию объекта через аддитивную функцию полезности, представляющую собой взвешенную сумму оценок по его отдельным параметрам [37]. Главным достоинством данного подхода является учет того факта, что характеристики исследуемого объекта обладают различной значимостью для эксперта. Кроме того, слабая выраженность одних характеристик объекта может быть компенсирована сильной выраженностью других его характеристик, что также отражает один из принципов оценивания объекта экспертом. В то же время существующие математические модели и методы обладают рядом недостатков. Первый из них заключается в отсутствии возможности определения, какие именно характеристики объекта будут рассмотрены экспертом. Кроме того, в математических моделях и методах, применяемых в маркетинговых исследованиях, отсутствуют требования к шкалам, в которых должны быть выражены оценки объектов. Еще одной слабой стороной указанных моделей и методов является то, что они отражают лишь принципы, но не сам процесс формирования экспертом оценки объекта.

Достижения в сфере информационных технологий создали условия для разработки программных комплексов, реализующих в себе математические

модели и методы оценивания объекта. Идея использования опыта экспертов привела к появлению отдельного класса систем, называемых экспертными. Применение систем данного класса в таких областях человеческой деятельности, как сельское хозяйство, промышленность, медицина, управление рисками, экономика, социология и др., показало их эффективность при решении слабоформализуемых задач. Новым этапом в развитии систем обработки экспертных знаний явилась их интеграция с подходами к математической обработке данных, применяемыми для решения формализуемых 'задач. Результатом этого стало появление подкласса интегрированных экспертных систем, совмещающих в себе наряду "с экспертной компонентой системы приобретения знаний, имитационного моделирования, управления базами данных, поддержки принятия решений и др. Исследованию интегрированных экспертных систем посвящены работы Рыбиной Г.В., Рыбина В.М., Демидова Д.В., Татарникова A.B., R. O'Keefe, K.J. Murray, S.V. Sheppard и др. Однако указанные системы ориентированы в первую очередь на объективную оценку объекта и не позволяют спрогнозировать его восприятие экспертом.

Таким образом, актуальность разработки подхода к моделированию процесса формирования экспертом оценки объекта и реализации созданных в его рамках математических моделей и методов в маркетинговой экспертной системе определяется значимостью проблемы выбора, недостатками существующих математических моделей и методов, применяемых для оценивания объекта, а также необходимостью проведения вычислительного эксперимента с использованием слабоформализуемых экспертных знаний.

Целью диссертационной работы является математическое моделирование и построение методов оценивания объектов экспертом и разработка на их основе маркетинговой экспертной системы.

Для достижения поставленной цели в работе решаются следующие задачи: - изучение существующих подходов к математическому моделированию процесса оценивания объекта экспертом;

- разработка математических моделей и методов процесса оценивания объекта экспертом;

- разработка имитационной модели процесса построения экспертной оценки объекта в маркетинговых экспертных системах;

- проектирование и разработка программного комплекса, обеспечивающего хранение, обработку и выдачу результатов вычислительного эксперимента, проведенного на основе предложенных математических моделей и методов.

Объектом исследования диссертационной работы являются информационные системы имитационного моделирования процесса экспертного оценивания объектов.

Предмет исследования - математическое моделирование, численные методы решения задачи оценивания объекта и их программная реализация на примере маркетинговой экспертной системы.

Методы исследования. При проведении исследования использовались методы математического и имитационного моделирования, линейной алгебры, стохастического и комбинаторного анализа. Для разработки и проектирования программного комплекса применялись методы системного анализа и объектно-ориентированного программирования.

На защиту выносятся следующие результаты, соответствующие трем пунктам паспорта специальности 05.13.18 - Математическое моделирование, численные методы и комплексы программ по техническим наукам:

Пункт 1: Разработка новых математических методов моделирования объектов и явлений, перечисленных в формуле специальности.

1. Новый математический метод моделирования процессов оценивания, сравнения и выбора объекта экспертом, позволяющий на основе атрибутивной модели объекта и стохастической модели эксперта получить оценку вероятности вынесения экспертом положительного заключения касательно исследуемого объекта.

Пункт 4: Реализация эффективных численных методов и алгоритмов в виде комплексов проблемно-ориентирован} шх программ для проведения вычислительного эксперимента.

2. Программный комплекс «Маркетинговая экспертная система» состоит из двух программных элементов: подсистемы поддержки принятия решений и программы экспертного анализа результатов вычислительного эксперимента. Разработанный программный комплекс внесен в Реестр программ для ЭВМ с регистрационным № 2013618322.

Пункт 8: Разработка систем компьютерного и имитационного моделирования.

3. Подсистема имитационного моделирования процессов оценивания, сравнения и выбора объекта экспертом. Разработанная подсистема внесена в Реестр программ для ЭВМ с регистрационным № 2013614467.

Научная новизна работы по трем областям специальности 05.13.18 отражена в следующих результатах:

Математическое моделирование

- Предложены новые подходы к математическому моделированию процессов оценивания/сравнения/выбора объекта экспертом. В рамках каждого подхода созданы математические модели оценивания/сравнения/выбора, отражающие различные принципы формирования экспертной оценки.

Численные методы

- Разработан новый численный метод оценивания вероятности вынесения экспертом положительного заключения касательно исследуемого объекта на основе атрибутивной модели объекта и стохастической модели эксперта.

Комплексы программ

- Спроектирована и программно реализована маркетинговая экспертная система, позволяющая получать прогнозы на основе многократной прогонки имитационной модели исследуемых процессов с варьированием значений параметров, характеристик объектов и предпочтений экспертов.

Теоретическая значимость. Впервые предложены подходы, позволяющие формализовать этапы формирования экспертной оценки объекта, учесть взаимное влияние сравниваемых объектов на вероятность их предпочтения экспертом, а также учесть вероятность отказа эксперта от выбора из множества сопоставляемых объектов.

Практическая значимость работы состоит в проектировании и разработке на основе предложенных подходов к математическому моделированию процессов оценивания/сравнения/выбора объекта экспертом программного комплекса, представляющего собой маркетинговую экспертную систему. Система предоставляет возможность строить прогнозы на основе результатов вычислительного эксперимента для объектов с заданными наборами параметров и экспертов с определенными предпочтениями.

Также практическая значимость работы обусловлена тем, что описываемые в ней математические модели и методы могут применяться для оценивания объектов различной природы, например, товаров и услуг, предприятий, кандидатов на выборные должности, политических партий и программ и т.д.

Реализация и внедрение результатов работы. На базе разработанного программного комплекса был проведен анализ качества системы услуг дополнительного образования детей и молодежи по научно-техническому профилю Тюменской области, результаты которого были включены в научно-исследовательский отчет «Разработка Концепции модернизации и развития дополнительного образования детей и молодежи по научно-техническому профилю в Тюменской области (на 2013-2015 годы и на перспективу до 2020 года)».

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих научных конференциях и семинарах: Третья региональная научно-практическая конференция «Современные проблемы математического и информационного моделирования. Перспективы разработки и внедрения инновационных ГГ-решений» (Тюмень, 2010), Седьмая всероссийская научно-техническая конференция

«Информационные системы и модели в научных исследованиях, промышленности, образовании и экологии» (Тула, 2010), Международная научно-практическая конференция «Актуальные проблемы развития современного общества» (Тюмень, 2011), Четвертая региональная научно-практическая конференция «Современные проблемы математического и информационного моделирования. Перспективы разработки и внедрения инновационных 1Т-решений» (Тюмень, 2011), Всероссийская научно-практическая конференция «Новые технологии - нефтегазовому региону» (Тюмень, 2012), Пятая межрегиональная научно-практическая конференция «Современные проблемы математического и информационного моделирования. Перспективы разработки и внедрения инновационных ГГ-решений» (Тюмень, 2012), V Всероссийская научно-техническая конференция с международным участием «Новые информационные технологии в нефтегазовой отрасли и образовании» (Тюмень, 2012), международная научно-практическая конференция «Информатизация образования: история, состояние, перспективы» (Омск, 2012), Конференция молодых инноваторов и ученых «Инновационный путь развития отечественной экономики» (Тюмень, 2012), Региональная научно-практическая конференция молодых инноваторов «Новые векторы развития науки и техники в Тюменской области» (Тюмень, 2013), XIII Международная научно-практическая конференция «Методы и алгоритмы прикладной математики в технике, медицине и экономике» (Новочеркасск, 2013), Шестая научно-практическая межрегиональная конференция «Современные проблемы математического и информационного моделирования. Перспективы разработки и внедрения инновационных 1Т-решений» (Тюмень, 2013).

В рамках заказа Департамента по спорту и молодежной политики Тюменской области разработанный программный комплекс был использован для оценивания качества системы услуг дополнительного образования детей и молодежи по научно-техническому профилю в Тюменской области. Результаты исследования были учтены при разработке стратегии совершенствования системы

дополнительного образования детей и молодежи по научно-техническому профилю в Тюменской области.

Публикации. По теме диссертационной работы автором опубликовано 15 печатных работ, в том числе 3 в рецензируемых журналах из перечня ВАК, а также получены 2 свидетельства о государственной регистрации программ для ЭВМ.

Структура и объем работы. Диссертация состоит из введения, трех глав, заключения, списка литературы, включающего 107 наименований, и приложения. Общий объем работы составляет 121 страницу, в том числе 8 рисунков и 12 таблиц.

ГЛАВА 1. МАТЕМАТИЧЕСКИЕ МОДЕЛИ И МЕТОДЫ ОЦЕНИВАНИЯ ОБЪЕКТА

1.1. Основные понятия

Анализ существующих математических моделей и методов, используемых в маркетинговых исследованиях для решения задачи оценивания объекта, требует предварительного определения основных понятий исследуемой предметной области. Это обеспечит единое терминологическое пространство для формализованного описания моделей и методов, разработанных разными исследователями в различные временные периоды.

Целью проведения маркетингового исследования является получение информации об определенном объекте исследования. Под объектом исследования, или просто объектом, подразумевается результат человеческой деятельности, который может представлять интерес для людей. Примерами объекта могут служить товары и услуги, организации, должности, кандидаты на выборную должность. Как правило, при проведении исследования объект описывают совокупностью присущих ему характеристик.

Одной из наиболее распространенных задач маркетингового исследования является построение прогноза о том, насколько изучаемый объект будет привлекателен для представителей целевого сегмента экспертов. Экспертом является лицо, осуществляющее оценивание объекта и принимающее определенное решение в соответствии с результатами процесса оценивания. Каждый эксперт характеризуется определенными предпочтениями, которые отличают его от других экспертов и определяют его отношение к объекту. Примерами эксперта являются покупатели товаров и услуг, работодатели, соискатели на должность, избиратели.

В данной главе математическое моделирование оценивания объекта экспертом будет рассмотрено на примере моделей, относящихся к классу компенсационных. Компенсационными, или компенсаторными, называются

модели, в которых слабая выраженность некоторой характеристики объекта может быть компенсирована сильной выраженностью других его характеристик [15]. Следует отметить, что математические модели указанного класса наиболее широко распространены в практике маркетинговых исследований. Популярность компенсационных моделей связана с тем, что они отражают такое важное свойство поведения эксперта как гибкость в оценивании объекта, отсутствие строгой привязанности к своему образу идеального объекта.

Обзор существующих математических моделей оценивания объекта экспертом позволит определить пути дальнейшего совершенствования математического аппарата маркетинговых исследований.

1.2. Метод Голубковых-Секерина

Наиболее наглядно один из ключевых принципов оценивания объекта экспертом отражает метод, предложенный Голубковым Е.П., Голубковой E.H. и Секериным В.Д. [22]. Данный метод базируется на результатах экспертного оценивания объекта по заранее заданным характеристикам. Эксперт оценивает значимость для него каждой из выделенных характеристик объекта по трехуровневой шкале оценок:

- 1 - характеристика важна для эксперта;

- 0,5 - характеристика желательна для эксперта;

- 0 - характеристика безразлична эксперту.

В результате оценка значимости /'-й характеристики объекта определяется по формуле:

0,5-w0i5l, (1.2.1)

где пи - количество экспертов, отметивших важность наличия z'-й характеристики

в исследуемом объекте;

«o,5i - количество экспертов, отметивших желательность наличия z'-й

характеристики в исследуемом объекте.

Итоговая оценка объекта определяется как:

N

К = (1.2.2)

1=1

где N- количество характеристик, выделенных в исследуемом объекте.

Недостаток метода Голубковых-Секерина заключается в зависимости величины получаемой оценки объекта от числа выделенных в нем характеристик, а также количества экспертов, участвовавших в оценивании. Как следствие, отсутствие требований к представлению промежуточных и итоговых результатов оценивания объекта может привести к неоднозначности в их интерпретации.

Кроме того, о наличии у объекта некоторых из выделенных характеристик в силу их неявности эксперты могут даже не подозревать. Однако при опросе, узнав

о существовании указанных характеристик, респонденты способны оценить их как желательные или значимые, что приведет к смещению итоговой оценки объекта относительно истинного значения показателя его восприятия экспертами.

Также следует отметить, что некоторые из свойств объекта могут оказаться нежелательными и даже неприемлемыми для экспертов, что требует ввода для характеристик дополнительной шкалы отрицательных оценок их значимости.

Несмотря на все недостатки, явным достоинством метода Голубковых-Секерина является положение, что характеристики объекта обладают различной значимостью для экспертов, оценивающих его. Указанный принцип в своей более совершенной форме отражен в модели Розенберга, являющейся классическим примером модели компенсационного типа.

1.3. Модель Розенберга

Одним из важнейших принципов, заложенных в большинство математических моделей и методов, применяемых в маркетинговых исследованиях, является положение, что эксперт при оценивании объекта принимает во внимание значимость характеристик изучаемого объекта и степень их выраженности в нем. Данный принцип нашел свое отражение в модели, разработанной в конце 50-х годов XX века психологом Милтоном Розенбергом (Milton Rosenberg) [106, 107], которая в дальнейшем породила большое количество разнообразных своих модификаций.

Розенберг предположил, что эксперт при оценивании ориентируется на то, в какой степени исследуемый объект соответствует его потребностям. Согласно данной модели оценка привлекательности объекта для эксперта может быть рассчитана по формуле:

¿ = i>W.. (1.3.1)

1=1

где N- количество учитываемых мотивов эксперта;

Vi - оценка значимости для эксперта его /-го мотива;

- оценка соответствия исследуемого объекта г-му мотиву эксперта.

Несмотря на важность положений теории Розенберга, при использовании формулы (1.3.1) возникают определенные проблемы, связанные с трудностью выявления потребностей эксперта и оценивания того, в какой степени исследуемый объект соответствует им.

В связи со сложностями применения на практике математической модели Розенберга в нее был внесен ряд изменений. Вместо мотивов эксперта было предложено исследовать объект в разрезе его характеристик, значимость которых для эксперта зависит от имеющихся у него потребностей. В свою очередь оценки соответствия исследуемого объекта мотивам эксперта были заменены на оценки удовлетворенности эксперта реализацией рассматриваемых им характеристик.

В результате математическая модель (1.3.1) приняла вид:

б = (1.3.2)

к=1

где 2 - оценка воспринимаемого экспертом качества объекта;

п - количество рассматриваемых характеристик исследуемого объекта;

Хк - оценка значимости для эксперта к-й характеристики исследуемого объекта;

Ук - оценка удовлетворенности эксперта реализацией к-й характеристики

исследуемого объекта.

Несмотря на то, что математическая модель (1.3.2) отличается от модели (1.3.1), в литературе, посвященной маркетинговым исследованиям, ее часто также называют моделью Розенберга.

Концепция учета при исследовании объекта экспертных оценок значимости и степени реализованное™ его характеристик оказалась настолько удачной и удобной для использования на практике, что за полувековую историю своего существования модель (1.3.2) послужила отправной точкой для разработки и совершенствования множества математических моделей и методов оценивания качества объекта.

Следует отметить, что недостаток модели (1.3.2) состоит в отсутствии требований к шкалам и единицам измерений, используемых при определении оценок значимости и степени реализованное™ характеристик объекта. В результате итоговая оценка объекта может принимать любое значение, что затрудняет интерпретацию результатов исследования. В связи с этим при использовании модели (1.3.2) рассчитывают предельное значение, которое может иметь оценка исследуемого объекта. Полученную величину в дальнейшем применяют как эталон качества объекта.

1.4. Модель с идеальной точкой

На практике имеют место ситуации, когда особенности исследуемого объекта не позволяют привести его к уровню качества, при котором оценка, рассчитываемая по модели (1.3.2), примет свое предельное значение. В подобных случаях решением проблемы оценивания объекта может стать задание некоторого достижимого эталона, с оценкой качества которого будет сопоставляться оценка, рассчитанная для исследуемого объекта. Данный принцип реализован в так называемой модели с идеальной точкой [39]. Модель с идеальной точкой рассматривает качество объекта как меру близости его свойств к свойствам установленного эталона:

Q = ílwk■\Ik-вk\\ (1.4.1)

к=1

где 1к - оценка степени реализованное™ к-й характеристики эталона;

Вк - оценка степени реализованное™ к-й характеристики исследуемого объекта;

г - параметр, определяющий вид метрики, используемой в модели.

Из формулы (1.4.1) следует, что чем больше исследуемый объект похож на эталон, тем ближе оценка Q к нулю. При использовании модели с идеальной точкой в качестве эталона часто выбирают реально существующий объект. Это позволяет избежать ошибки при выборе значений параметров характеристик эталона.

Модель с идеальной точкой особенно удобно применять в тех случаях, когда слишком сильная выраженность характеристик исследуемого объекта так же нежелательна, как и их недостаточная реализованность.

1.5. Модель Фишбейна

Данная модель основана на теории ожидаемой полезности (expectancy-value theory), разработанной Мартином Фишбейном (Martin Fishbein) и описанной им в работах [97] и [98]. Фишбейн считал, что отношение эксперта к объекту может быть оценено как:

где N - количество характеристик, которые эксперт способен рассмотреть в исследуемом объекте;

bt — оценка силы убеждения эксперта, что исследуемый объект обладает /-й характеристикой;

е, - оценка отношения эксперта к г'-й характеристике исследуемого объекта.

При проведении исследования удобнее всего, чтобы значения оценок лежали в диапазоне [0,1]. Допустимыми значениями оценок et обычно считают целые числа от -3 до 3. Таким образом, в модели Фишбейна учтено, что отношение эксперта к характеристике исследуемого объекта может быть как положительным, так и отрицательным.

Модель Фишбейна ориентирована на получение представления о субъективном восприятии экспертом объекта. Впоследствии Фишбейн совместно с Айзеком Эйзеном (leek Ajzen) разработали теорию мотивированных действий (theory of reasoned action) [90]. Согласно ей отношение эксперта к объекту и воздействие установленных норм является причиной возникновения у эксперта намерений касательно исследуемого объекта. Отсюда математическая модель (1.5.1), записанная в расширенной форме, имеет вид:

где м>х - вес отношения эксперта к исследуемому объекту;

А - оценка отношения эксперта к исследуемому объекту, рассчитываемая по формуле (1.5.1);

N

(1.5.1)

В = wx-A + W2-SN ,

(1.5.2)

"и>2 - вес субъективных норм, учитываемых экспертом; ЯМ - оценка силы субъективных норм, воздействующих на эксперта. Величина ¿ТУ" определяется выражением:

т

SN = YJNBJ^MCJ, (1-5.3)

]=1

где т - количество субъективных норм, влияющих на поведение эксперта; - оценка силыу'-го нормативного убеждения эксперта;

МС] - оценка того, в какой мере эксперт готов подчиниться своему у'-му

нормативному убеждению.

Субъективные нормы могут как способствовать одобрению исследуемого объекта экспертом, так и препятствовать этому. Направление воздействия субъективной нормы определяется знаком соответствующей ей оценки МС;,

Сумма взвешенных оценок внутреннего отношения к объекту и внешнего давления устоявшихся социальных норм позволяет оценить намерения эксперта. При условии отсутствия сторонних сдерживающих факторов эти намерения будут выражены экспертом в определенных действиях.

Преимуществом модели Фишбейна является то, что она позволила в определенной степени формализовать принципы принятия решения экспертом. Однако она не позволяет обеспечить математическое моделирование самого процесса принятия решения экспертом. Несмотря на указанный недостаток, созданные Фишбейном и Эйзеном теории обрели большую известность и репутацию эффективного инструмента для решения задачи прогнозирования поведения эксперта по отношению к исследуемому объекту.

1.6. Метод 8ЕЯУдиАЬ

Метод 8ЕЮ/С>иАЬ был разработан в 1985 году Паразурманом, Берри и Зейтхалм и описан в их работах [103], [104] и [105]. Первоначальным его назначением являлось оценивание уровня услуг, оказываемых потребителям. Однако идеи, заложенные в данном методе, могут быть также применены к задаче математического моделирования оценивания экспертом объекта любой природы. Идея концепции «восприятие минус ожидание», на которой основывается метод 8Е11УС)иАЬ, состоит в том, что на отношение эксперта влияет разрыв между воспринимаемым и ожидаемым уровнями качества оцениваемого объекта [3, 5]. Восприятие реализованности характеристик как недостаточной по сравнению с ожиданиями эксперта приведет к негативной оценке качества исследуемого объекта. Если же степень реализованности характеристик превысила ожидаемую, то объект будет воспринят экспертом положительно.

Как и модель Розенберга (1.3.1), метод 8ЕЯУС)иАЬ базируется на концепции оценивания объекта через определение степени его соответствия мотивам эксперта. Согласно методу 8ЕИУС)иАЬ оценка степени воздействия объекта на /-й стимул эксперта рассчитывается по формуле:

Список литературы диссертационного исследования кандидат наук Пушкарев, Александр Николаевич, 2013 год

СПИСОК ЛИТЕРАТУРЫ

1. Абдулов, П.В. Введение в теорию принятия решений / П.В.Абдулов. - М.: Изд-во Института управления народным хозяйством, 1974. - 187 с.

2. Алексеев, A.A. Маркетинговые исследования рынка услуг / А.А.Алексеев. -СПб.: СПбГУЭФ, 1998. - 87 с.

3. Алексеев, A.A., Багиев, Г.Л. Маркетинговые основы товарного позиционирования в инновационном периоде / А.А.Алексеев, Г.Л.Багиев. - СПб.: СПбГУЭФ, 1997.-93 с.

4. Афифи, А., Эйзен, С. Статистический анализ: Подход с использованием ЭВМ / А.Афифи, С.Эйзен. - М.: Мир, 1982. - 488 с.

5. Багиев, Г.Л., Алексеев, A.A. Модели «SERVQUAL» и «SERVPERF» [Электронный ресурс] / Г.Л.Багиев, А.А.Алексеев. - 2009. - Режим доступа:

http://www.your-people.ru/pbl.php/65

6. Багиев, Г.Л., Алексеев, A.A. Основы проведения маркетинговых исследований / Г.Л.Багиев, А.А.Алексеев. - М.: Финпресс, 2001. - 180 с.

7. Барсегян, A.A., Куприянов, М.С., Степаненко, В.В., Холод, И.И. Методы и модели анализа данных: OLAP и Data Mining / А.А.Барсегян, М.С.Куприянов, В.В.Степаненко, И.И.Холод. - СПб.: БХВ-Петербург, 2004. - 336 с.

8. Беллман, Р., Заде, Л. Принятие решений в расплывчатых условиях. В сб.: Вопросы анализа и процедуры принятия решений / Р.Беллман, Л.Заде. - М.: Мир, 1976. - С.172-215.

9. Березовский, Б.А., Барышников, Ю.М., Борзенко, В.И., Кемпнер, Л.М. Многокритериальная оптимизация: Математические аспекты / Б.А.Березовский, Ю.М.Барышников, В.И.Борзенко, Л.М.Кемпнер. - М.: Наука, 1989. - 128 с.

10. Бешелев, С.Д., Гурвич, Ф.Г. Математико-статистические методы экспертных оценок / С.Д.Бешелев, Ф.Г.Гурвич. - М.: Статистика, 1980. - 263 с.

11. Бешелев, С.Д., Гурвич, Ф.Г. Экспертные оценки / С.Д.Бешелев, Ф.Г.Гурвич. -М.: Наука, 1973.-161 с.

12. Блюмин, С.JI., Шуйкова, И.А. Модели и методы принятия решения в условиях неопределенности / С.Л.Блюмин, И.А.Шуйкова. - Липецк: ЛЭГИ, 2001. - 138 с.

13. Бодров, В.И., Лазарева, Т.Я., Мартемьянов Ю.Ф. Математические методы принятия решений / В.И.Бодров, Т.Я.Лазарева, Ю.Ф.Мартемьянов. - Тамбов: Изд-во Тамбовского государственного технического университета, 2004. - 124 с.

14. Борисов, А.Н., Крумберг, O.A., Федоров И.П. Принятие решений на основе нечетких моделей. Примеры использования / А.Н.Борисов, О.А.Крумберг, И.П.Федоров. - Рига.: Зинатне, 1990. - 184 с.

15. Бронникова, Т.С., Чернявский, А.Г. Маркетинг: учебное пособие / Т.С.Бронникова, А.Г.Чернявский. - М.: ПРИОР, 2002. - 128 с.

16. Вентцель, Е.С., Овчаров, Л.А. Теория случайных процессов и ее инженерные приложения / Е.С.Вентцель, Л.А.Овчаров. - М.: Высшая школа, 2000.-383 с.

17. Вилкас, Э.Й., Майминас, Е.З. Решения: теория, информация, моделирование / Э.Й.Вилкас, Е.З.Майминас. -М.: Радио и связь, 1981. - 328 с.

18. Волков, И.К., Зуев, С.М., Цветкова, Г.М. Случайные процессы / И.К.Волков, С.М.Зуев, Г.М.Цветкова. - М.: Изд-во МГТУ им. Н.Э.Баумана, 1999. - 448 с.

19. Гаврилова, Т.А., Хорошевский, В.Ф. Базы знаний интеллектуальных систем: учебник для вузов / Т.А.Гаврилова, В.Ф.Хорошевский. - СПб: Питер, 2000. - 384 с.

20. Гайдышев, И.П. Анализ и обработка данных: специальный справочник / И.П.Гайдышев. - СПб: Питер, 2001. - 752 с.

21. Гмурман, В.Е. Теория вероятностей и математическая статистика: учебное пособие для вузов / В.Е.Гмурман. - 12-е изд., перераб. - М.: Высшее образование, 2006.-479 с.

22. Голубков, Е.П., Голубкова, E.H., Секерин, В.Д. Маркетинг: выбор лучшего решения / Е.П.Голубков, Е.Н.Голубкова, В.Д.Секерин. - М.: Экономика, 1993. -222 с.

23. Горюнов, Ю.Ю., Горюнова, Т.Ю., Дружинин, Д.В. Теория и методы принятия решений / Ю.Ю.Горюнов, Т.Ю.Горюнова, Д.В.Дружинин. - Пенза: Изд-во РГУИТП, 2010.-50 с.

24. Давние, В.В., Тинякова, В.И. Прогнозные модели экспертных предпочтений / В.В. Давние, В.И.Тинякова // Вестник Воронежского государственного университета. - Воронеж: Изд-во Воронежского государственного университета. -2005.-№ 1. - С.159-167.

25. Давние, В.В., Тинякова, В.И. Прогнозные модели экспертных предпочтений: монография / В.В.Давнис, В.И.Тинякова. - Воронеж: Изд-во Воронежского государственного университета, 2005. - 248 с.

26. Даниэльс, H.H., Хабибулина, Н.Ю. Использование гибридных экспертных систем в имитационном моделировании / Н.Н.Даниэльс, Н.Ю.Хабибулина // Материалы докладов Всероссийской научно-технической конференции студентов, аспирантов и молодых ученых «Научная сессия ТУСУР-2007» (3-7 мая 2007 г.). - 2007. - С.81-84.

27. Демидов, Д.В. Модель вычислений средств вывода интегрированных экспертных систем / Д.В.Демидов // Интеллектуальные системы и технологии. Научная сессия МИФИ-2007. - 2007. - Т. 3. - С. 176-177.

28. Джексон, П. Введение в экспертные системы / П.Джексон. - 3-е изд. - М.: Вильяме, 2001.-624 с.

29. Дынкин, Е.Б. Марковские процессы / Е.Б.Дынкин. - М.: Физматлит, 1963. -860 с.

30. Дынкин, Е.Б., Юшкевич, A.A. Управляемые марковские процессы и их приложения / Е.Б.Дынкин, А.А.Юшкевич. - М.: Наука, 1975. - 344 с.

31. Евланов, Л.Г. Теория и практика принятия решений / Л.Г.Евланов. - М.: Экономика, 1984. - 176 с.

32. Елтаренко, Е.А., Крупинова, Е.К. Обработка экспертных оценок / Е.А.Елтаренко, Е.К.Крупинова. - М.: Изд-во МИФИ, 1982. - 96 с.

33. Емельянов, C.B., Ларичев, О.И. Многокритериальные методы принятия решений / С.В.Емельянов, О.И.Ларичев. - М.: Знание, 1985. - 32 с.

34. Ефимов А.Н. Предсказание случайных процессов / А.Н.Ефимов. - М.: Знание, 1976. - 64 с.

35. Жуковин, В.Е. Нечеткие многокритериальные модели принятия решений / В.Е.Жуковин. - Тбилиси: Мецниереба, 1988. - 71 с.

36. Кемени, Дж., Снелл, Дж. Конечные цепи Маркова / Дж.Кемени, Дж.Снелл. -М: Наука, 1970.-272 с.

37. Кини, Р.Л., Райфа, X. Принятие решений при многих критериях: предпочтения и замещения / Р.Л.Кини, Х.Райфа. - М.: Радио и связь, 1981. - 560 с.

38. Козелецкий, Ю. Психологическая теория решений / Ю.Козелецкий. - М.: Прогресс, 1979.-504 с.

39. Коротков, А.В. Маркетинговые исследования: учебное пособие для вузов / А.В.Короткое. - М.: ЮНИТИ-ДАНА, 2005. - 304 с.

40. Котлер, Ф. Маркетинг менеджмент / Ф.Котлер. - 11-е изд. - СПб.: Питер, 2005.-800 с.

41. Котлер, Ф. Основы маркетинга. Краткий курс / Ф.Котлер. - М.: Вильяме, 2007.-656 с.

42. Кулик, С.Д. Теория принятия решений (элементы теории проверки вероятных гипотез) / С.Д.Кулик. - М.: МИФИ, 2007. - 152 с.

43. Ларичев, О.И. Наука и искусство принятия решений / О.И.Ларичев. - М.: Наука, 1979.-200 с.

44. Ларичев, О.И. Объективные модели и субъективные решения / О.И.Ларичев. - М.: Наука, 1987. - 143 с.

45. Ларичев, О.И. Теория и методы принятия решений, а также Хроника событий в Волшебных Странах / О.И.Ларичев. - М.: Логос, 2002. - 392 с.

46. Литвак, Б.Г. Экспертная информация: Методы получения и анализа / Б.Г.Литвак. -М.: Радио и связь, 1982. - 184 с.

47. Литвак, Б.Г. Экспертные оценки и принятие решений / Б.Г.Литвак. - М.: Патент, 1996.-271 с.

48. Майн, X., Осаки, С. Марковские процессы принятия решений / Х.Майн, С.Осаки. - М.: Наука, 1977. - 176 с.

49. Теория выбора и принятия решений / И.М.Макаров, Т.М.Виноградская, А.А.Рубчинский, В.Б.Соколов. - М.: Наука, 1982. - 328 с.

50. Малышев, Н.Г., Берштейн, J1.C., Боженюк A.B. Нечеткие модели для экспертных систем в САПР. -М.: Энергоатомиздат, 1991. - 136 с.

51. Мамиконов, А.Г. Принятие решений и информация / А.Г.Мамиконов. - М.: Наука, 1983.- 184 с.

52. Новиков, Ф.А. Дискретная математика для программистов: учебник для вузов / Ф.А.Новиков. - 3-е изд. - СПб: Питер, 2009. - 384 с.

53. Ногин, В.Д. Принятие решений в многокритериальной среде: количественный подход / В.Д.Ногин. - М.: Физматлит, 2004. - 176 с.

54. Обработка нечеткой информации в системах принятия решений / А.Н.Борисов, А.В.Алексеев, Г.В.Меркурьева и др. - М.: Радио и связь, 1989. - 304 с.

55. Орлов, А.И. Основы теории принятия решений: учебное пособие / А.И.Орлов. - М.: Изд-во МГТУ им. Н.Э.Баумана, 2002. - 46 с.

56. Орлов, А.И. Теория принятия решений: учебное пособие / А.И.Орлов. - М.: Экзамен, 2005. - 656 с.

57. Орлов, А.И. Экспертные оценки: учебное пособие / А.И.Орлов. - М.: Изд-во МГТУ им. Н.Э.Баумана, 2002. - 31 с.

58. Петровский, А.Б. Теория принятия решений: учебник для студ. высш. учеб. заведений / А.Б.Петровский. - М.: Издательский центр «Академия», 2009. - 400 с.

59. Плаус, С. Психология оценки и принятия решений / С.Плаус. - М.: Информационно-издательский дом «Филинъ», 1998. - 368 с.

60. Подиновский, В.В. Введение в теорию важности критериев в многокритериальных задачах принятия решений / В.В.Подиновский. - М.: Физматлит, 2007. - 64 с.

61. Пономарев, A.C. Нечеткие множества в задачах автоматизированного управления и принятия решений / А.С.Пономарев. - Харьков: НТУ «ХПИ», 2005. -232 с.

62. Розен, В.В. Математические модели принятия решений в экономике / В.В.Розен. - М.: Книжный дом «Университет», Высшая школа, 2002. - 288 с.

63. Романовский, И.В. Дискретный анализ / И.В.Романовский. - СПб.: Невский Диалект, БХВ-Петербург, 2008. - 336 с.

64. Рыбина, Г.В. Инструментальная среда для построения динамических интегрированных экспертных систем / Г.В.Рыбина // Интеллектуальные системы и технологии. Научная сессия МИФИ-2009. - 2009. - Т. 5. - С. 1-4.

65. Рыбина, Г.В. Интегрированные экспертные системы: подходы и принципы глубинной интеграции компонентов / Г.В.Рыбина // Искусственный интеллект. -2000. - № 3. - С.89-96.

66. Рыбина, Г.В. Интегрированные экспертные системы: современное состояние, проблемы и тенденции / Г.В.Рыбина // Известия Академии наук. Теория и системы управления. - 2002. - № 5. - С. 111-126.

67. Рыбина, Г.В., Демидов, Д.В. Методы построения средств вывода для интегрированных экспертных систем / Г.В.Рыбина, Д.В.Демидов // Интеллектуальные системы и технологии. Научная сессия МИФИ-2006. - 2006. -Т. 3.-С.1-5.

68. Рыбина, Г.В., Рыбин, В.М. Динамические интегрированные экспертные системы реального времени: анализ опыта исследований и разработок / Г.В.Рыбина, В.М.Рыбин // Приборы и системы управления. - 1999. -№ 8. - С.4-8.

69. Рыбина, Г.В., Татарников, A.B. Инструментальные средства для построения подсистем общения интегрированных экспертных систем / Г.В.Рыбина, A.B.Татарников // Труды международной конференции ДИАЛОГ-2003. - М.: Наука, 2003. - С.569-579.

70. Рыбина, Г.В., Шанцер, Д.И., Липатов, A.A. Имитационное моделирование внешнего мира при построении динамических интегрированных экспертных систем / Г.В.Рыбина, Д.И.Шанцер, А.А.Липатов // Труды Тринадцатой

национальной конференции по искусственному интеллекту с международным участием КИИ-2012 (16-20 октября 2012 г., г.Белгород, Россия). - Белгород: Изд-во БГТУ, 2012. - Т. 3. — С. 179-185.

71. Саати, Т. Принятие решений при зависимостях и обратных связях. Аналитические сети / Т.Саати. - М.: Изд-во ЛКИ, 2008. - 360 с.

72. Саати, Т. Принятие решений. Метод анализа иерархий / Т.Саати. - М.: Радио и связь, 1993. - 278 с.

73. Сеславин, А.И., Сеславина, Е.А. Оптимизация и математические методы принятия решений / А.И.Сеславин, Е.А.Сеславина. - М.: Изд-во Московского государственного университета путей сообщения, 2011. - 152 с.

74. Силов, В.Б. Принятие стратегических решений в нечеткой обстановке / В.Б.Силов. - М.: ИНПРО-РЕС, 1995. - 228 с.

75. Скороход, A.B. Вероятность: основные понятия, структура, методы. Марковские процессы и вероятностные приложения в анализе. Вероятность: прикладные аспекты / A.B.Скороход. - М.: ВИНИТИ, 1989. - 279 с.

76. Статистические методы анализа экспертных оценок / Под ред. Т.В.Рябушкина. -М.: Наука, 1977.-384 с.

77. Taxa, Х.А. Введение в исследование операций / Taxa Х.А. - М.: Вильяме, 2005.-903 с.

78. Тернер, Д. Вероятность, статистика и исследование операций / Д.Тернер. -М: Статистика, 1976.-431 с.

79. Тоценко, В.Г. Методы и системы поддержки принятия решений: Алгоритмический аспект / В.Г.Тоценко. - Киев: Наукова думка, 2002. - 381 с.

80. Трухаев, Р.И. Модели принятия решений в условиях неопределенности / Р.И.Трухаев. - М.: Наука, 1981.-258 с.

81. Тутубалин, В.Н. Теория вероятностей и случайных процессов. Основы математического аппарата и прикладные аспекты / В.Н.Тутубалин. - М.: Изд-во МГУ, 1992.-400 с.

82. Филиппович, А.Ю. Интеграция систем ситуационного, имитационного и экспертного моделирования: автореф. дис. ... канд. техн. наук: 05.13.06 / Филиппович Андрей Юрьевич. - М., 2004. - 166 с.

83. Филиппович, А.Ю. Интеграция систем ситуационного, имитационного и экспертного моделирования / А.Ю.Филиппович. - М.: Изд-во «ООО Эликс+», 2003.-300 с.

84. Филиппович, А.Ю. Интегрированное SIE-моделирование /

A.Ю.Филиппович // Труды XVII Всероссийской научно-методической конференции «Телематика'2010» (Санкт-Петербург, 21-24 июня 2010 г.). — 2010. — С.324-327.

85. Харин, Ю.С., Малюгин, В.И., Кирлица, В.П. и др. Основы имитационного и статистического моделирования / Ю.С.Харин, В.И.Малюгин, В.П.Кирлица,

B.И.Лобач, Г.А.Хацкевич. - Мн.: Дизайн ПРО, 1997. - 288 с.

86. Черноморов, Г.А. Теория принятия решений / Г.А.Черноморов. -Новочеркасск: Электромеханика, 2002. - 276 с.

87. Черноруцкий, И.Г. Методы принятия решений / И.Г.Черноруцкий. - СПб.: БХВ-Петербург, 2005. - 416 с.

88. Эддоус, М., Стэнсфилд, Р. Методы принятия решений / М.Эддоус, Р.Стэнсфилд. - М.: Аудит, ЮНИТИ, 1997. - 590 с.

89. Юдин, Д.Б. Вычислительные методы теории принятия решений / Д.Б.Юдин. -М.: Наука, 1989.-320 с.

90. Ajzen, I., Fishbein, М.А. Understanding Attitudes and Predicting Social Behavior. -Englewood Cliffs, New Jersey: Prentice-Hall, 1980. - 518 p.

91. Asubonteng, P., McCleary, K.J., Swan, J.E. SERVQUAL revisited: a critical review of service quality / P.Asubonteng, K.J.McCleary, J.E.Swan // Journal of Services Marketing. - 1996. -№ 6. - P.62-81.

92. Bellman, R.E., Zadeh, L.A. Decision-Making in Fuzzy Environment / R.E.Bellman, L.A.Zadeh // Management Science. - 1970. - № 4. - P.141-160.

93. Buttle, F. SERVQUAL: review, critique, research agenda / F.Buttle // European Journal of Marketing. - 1996. - № l.-P. 8-32.

94. Fishbein, M.A., Ajzen, I. Belief, Attitude, Intention and Behavior: An Introduction to Theory and Research. - Reading, Massachusetts: Addison-Wesley, 1975.-578 p.

95. Fishbein, M.A. Attitude and the Prediction of Behavior / M.A.Fishbein // Readings in Attitude Theory and Measurement. - 1967. - P.477-492.

96. Fishburn, P.C. Decision and Value Theory. - New York: John Wiley and Sons, 1964.-451 p.

97. Fishburn, P.C. Markovian Dependence in Utility Theory with Whole Product Sets / P.C.Fishburn // Operations Research. - 1965. - № 13. - P.238-257.

98. Fishburn, P.C. Utility Theory for Decision Making. - New York: John Wiley and Sons, 1970.-236 p.

99. Hill, T.R., Roberts, S.D. A Prototype Knowledge-Based Simulation Support System / T.R.Hill, S.D.Roberts // Simulation. - 1987. -№ 4. -P.152-161.

100. Miller, G.A. The Magical Number Seven, Plus or Minus Two: Some Limits on Our Capacity for Processing Information / G.A.Miller // Psychological Review. - 1956. -№ 2. - P.81-97.

101. Murray, K.J., Sheppard, S.V. Knowledge-Based Simulation Model Specification / K.J.Murray, S.V.Sheppard // Simulation. - 1988. - № 3. - P. 112-119.

102. O'Keefe, R. Simulation and Expert Systems - A Taxonomy and Some Examples / R.O'Keefe//Simulation. - 1986.-№ 1.-P. 10-16.

103. Parasuraman, A., Zeithaml, V.A., Berry, L.L. A Conceptual Model of Service Quality and Its Implication / A.Parasuraman, V.A.Zeithaml, L.L.Berry // Journal of Marketing. - 1985.-№4.-P.41-50.

104. Parasuraman, A., Zeithaml, V.A., Berry, L.L. Refinement and Reassessment of the SERVQUAL Scale / A.Parasuraman, V.A.Zeithaml, L.L.Berry // Journal of Retailing. - 1991. - № 4. - P.420-450.

105. Parasuraman, A., Zeithaml, V.A., Berry, L.L. SERVQUAL: A Multiple-Item Scale for Measuring Consumer Perceptions of the Service Quality / A.Parasuraman, V.A.Zeithaml, L.L.Berry//Journal of Retailing. - 1988. - № 1.-P.12-40.

106. Rosenberg, M.J. A Structural Theory of Attitude Dynamics / M.J.Rosenberg // Public Opinion Quarterly. - 1960. - № 2. - P.319-340.

107. Rosenberg, M.J. Cognitive Structure and Attitudinal Effect / M.J.Rosenberg // Journal of Abnormal and Social Psychology. - 1956. - № 3. - P.367-372.

116