Помощь в написании студенческих работ
Антистрессовый сервис

Методология построения гибридных информационных интеллектуальных систем поддержки принятия решений на основе параметрических логик в слабо структурированных предметных областях

Диссертация: Методология построения гибридных информационных интеллектуальных систем поддержки принятия решений на основе параметрических логик в слабо структурированных предметных областях
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Первые исследования в искусственном интеллекте были направлены на попытки моделирования и представления ситуации некоторым одним методом искусственного интеллекта, т. е. осуществлялось выделение из понятия «интеллект» какого-либо свойства и развития соответствующих формальных моделей. «Грандиозные притязания ИИ 80-х годов, основанного на базах правил, кажется, потерпели неудачу, в том числе… Читать ещё >

Методология построения гибридных информационных интеллектуальных систем поддержки принятия решений на основе параметрических логик в слабо структурированных предметных областях (реферат, курсовая, диплом, контрольная)

Содержание

  • ГЛАВА 1. Методология создания систем поддержки принятия решений для слабоктурированных ситуаций и основные концепции создания гибридных информационных интеллектуальных систем
    • 1. 1. Методологические проблемы создания систем поддержки принятия решений для слабо структурированных ситуаций
    • 1. 2. Использование нечетких множеств в СППР для слабо формализованных ситуаций
      • 1. 2. 1. Формализация качественных знаний
      • 1. 2. 2. Алгебраические свойства операций с нечеткими подмножествами на базе Т-норм
    • 1. 3. Обзор средств и методов построения систем искусственного интеллекта
      • 1. 3. 1. Формальные модели представления знаний в интеллектуальных системах
    • 1. 4. Обзор существующих моделей гибридных информационных интеллектуальных систем (ГИИС)
      • 1. 4. 1. Классификация ГИИС

      ГЛАВА 2: Методы и алгоритмы построения и анализа нечеткой когнитивной модели слабо структурированной ситуации- методы и алгоритмы построения и анализа нечеткой иерархической модели слабо структурированной ситуации.

      2.1 Методология нечеткого когнитивного моделирования слабо структурированной ситуации.

      2.1.1. Понятие нечеткой когнитивной карты.

      2.1.2. Прямая задача когнитивного процесса.

      2.1.3. Обратная задача когнитивного процесса.

      1.2 Нечеткая иерархическая модель слабо структурированной предметной области

      2.2.1. Основные этапы определения коэффициентов важности объектов в иерархических системах.

      2.2.2. Методы определения коэффициентов важности альтернатив.

      2.2.3. Упорядочение объектов в иерархических системах на основе нечетких отношений с интенсивностью предпочтений.

      ГЛАВА 3: Методология построения гибридной модели слабо структурированной ситуации на основе интеграции нечеткой когнитивной модели и нечеткой иерархической модели представления слабо структурированной ситуации.

      3.1 Согласование шкал факторов когнитивной модели и модели иерархии.

      3.2 Описание процесса построения интегрированной модели.

      ГЛАВА 4: Описание программного комплекса интегрированной системы поддержки принятия решений в слабо структурированной ситуации.

      4.1. Основные задачи, решаемые программным комплексом.

      4.2 Работа с программным комплексом.

Первые исследования в искусственном интеллекте были направлены на попытки моделирования и представления ситуации некоторым одним методом искусственного интеллекта, т. е. осуществлялось выделение из понятия «интеллект» какого-либо свойства и развития соответствующих формальных моделей. «Грандиозные притязания ИИ 80-х годов, основанного на базах правил, кажется, потерпели неудачу, в том числе и потому, что практики отказываются понимать или признавать ограничения их автономного метода. нет единственного, окончательного метода, который объяснит или решит сложные задачи. вместо этого имеется некоторое количество инструментальных средств и моделей, используемых при различных обстоятельствах» [15]. Поэтому была сформулирована новая парадигма ИИ: «Исследования по ИИ должны переместиться из их традиционного фокуса на индивидуальных схемах. Многосторонность, в которой мы нуждаемся, может быть найдена только в универсальных архитектурах, использующих и управляющих преимуществами различных представлений одновременно. Тогда каждый может быть использован, чтобы преодолеть несовершенства других» [26]. Это позволяет считать интеграцию и децентрализацию знаний наиболее важными тенденциями ИИ в ближайшем будущем в целях решения задач СППР. Различные аспекты проблемы обоснования решений в системах рассматриваются как с помощью количественной оценки факторов в рамках моделей исследования операций, так и с помощью качественного анализа взаимовлияния системообразующих факторов исследуемой предметной области в рамках теории принятия решений. Важным инструментом обоснования рекомендаций является моделирование, однако его использование предполагает не только наличие хорошо развитой методологии исследований, но и весьма сложного комплекса моделей развития ситуации в исследуемой предметной области, анализа конфликтов, принятия решений и т. д. С другой стороны, основой решения подобных проблем является анализ ряда трудно формализуемых задач с использованием экспертной информации. По этой причине для решения указанных проблем предлагается использовать подход, базирующийся на объединении различных моделей представления знаний в теории принятия решений. Использование нечеткой логики на базе параметрических Т-норм позволяет адаптировать систему на логику эксперта и оптимизировать процесс обработки экспертной информации. Для решения указанных задач, предлагается использовать подход, базирующийся на объединении различных моделей представления знаний на основе параметрических Т-норм. Работа направлена на интеграцию различных атрибутов интеллекта в целях компенсации недостатков и объединения преимуществ разнородных моделей для разработки объектов с синергетическим эффектом, используемых для решения неоднородных задач в СППР, генерирующих и оценивающих альтернативы, прогнозирующих последствия предполагаемых решений, выбирающих лучший вариант, и согласовывающих групповые решения. Огромный вклад в теорию и практику СППР внесли Г. С. Поспелов, О. И. Ларичев, Н. Н. Моисеев, А. А. Самарский, В. Н. Бурков, Э. А. Трахтенгерц, Д. А. Поспелов и другие. Необходимо отметить также, что огромный вклад в разработку методов анализа экспертной информации внесли Г. С. Поспелов, С. П. Макеев, И. Ф. Шахнов, Т. Саати, С. А. Орловский, J1. Негойце, Д. Ралеску, А. Н. Аверкин и др.

На множестве моделей может быть построена синергетическая структура, использующая различные модели, для решения сложной задачи, т. е. интегрированная или гибридная информационная интеллектуальная система (ГИИС). В ГИИС осуществляется интеграция фундаментальных аналитических знаний со знаниями и технологиями искусственного интеллекта, такими как экспертные системы, генетические алгоритмы, искусственные нейронные сети, аппарат нечеткой логики, многоагентные системы и др. Тем самым обеспечивается многоаспектность исследования и принятия решений. Однако, на данный момент, отсутствуют концептуальные модели и формализм интегрированных систем, также существует нехватка методов разработки гибридных систем. В представленной работе разрабатываются принципы и методология разработки подобных систем в слабо формализуемых предметных областях, а также исследуется возможность объединения моделей представления знаний в теории принятия решений.

Целью диссертационной работы является разработка методологии и принципов построения концепции интегрированной модели представления знаний в системах поддержки принятия решений, а также разработка алгоритмов анализа и выбора наилучшего решения для трудно формализуемых задач с использованием экспертной информации. Для достижения поставленной цели были проанализированы и разработаны:

• Математические методы построения интегрированной модели представления знаний в слабо структурированных предметных областях на основе нечеткого когнитивного и иерархического моделирования;

• методы и алгоритмы анализа нечеткой иерархической модели ситуации и математическая постановка задачи определения коэффициентов важности объектов методом решающих матриц при нечетких исходных данных;

• методы и алгоритмы анализа нечеткой когнитивной модели ситуации, определение коэффициентов взаимовлияния и оценка достоверности полученных коэффициентов;

• методы упорядочения объектов в иерархических системах на основе нечетких отношений с интесивностью предпочтений;

• программная реализация разработанных методов и алгоритмов.

Основным научными результатами диссертации являются:

• Исследование и разработка структуры интегрированной модели представления знаний о ситуации и обоснование ее корректности;

• разработка методов настройки интегрированной модели на конкретного эксперта с помощью параметрических Т-норм;

• исследование и разработка методов анализа экспертных оценок в условиях нечеткой информации и обоснование их корректности;

• разработка алгоритмов выбора оптимального решения и обоснование их корректности;

• разработка программного комплекса, реализующего представленные методы и алгоритмы.

Практическая ценность работы состоит в том, что на основе проведенного исследования нечетких иерархических систем и нечеткой когнитивной модели ситуации удалось получить новую нечеткую интегрированную модель описания ситуации. Разработанная модель позволяет представлять знания о ситуации с точки зрения нечеткого когнитивного и иерархического подходов одновременно, что повышает эффективность автоматизированной обработки нечеткой информации, анализа ситуации и принятия решений. Предложенные математические методы доведены до уровня алгоритмического и программного обеспечения.

Реализация результатов работы Разработанные методы и алгоритмы использованы при создании программного комплекса, предназначенного для автоматизации процесса решения задач обоснования концепции развития сложной ситуации, выбора оптимального подмножества возможных альтернатив путем упорядочения (ранжирования) объектов в системе с учетом сформированного в программе множества целей. Программа используется в качестве блока в автоматизированной системе, реализующей сквозную информационную технологию для мониторинга и анализа состояния рассматриваемой слабо структурированной ситуации, прогнозирования, оценки и выработки решений.

Апробация работы. Основные результаты диссертации были доложены на конференции Innovative Internet Computer Systems 2003, Келенсборн, ФРГна конференции Soft Computing and Measurements 2004, Санкт-Петербургна конференции Soft Computing and Measurements 2005, Санкт-Петербургна III Международном научно-практическом семинаре «Интегрированные модели и мягкие вычисления», Коломна, 2005; на конференции IEEE SOFA' 2005, Румынияна Научной Сессии МИФИ 2005, Москвана V Международной конференции «Когнитивный анализ и управление развитием ситуаций» (CASC'2005), Москва, 2005; на научном семинаре отдела Интеллектуальных прикладных систем ВЦ РАН, Москвана научном семинаре лаборатории № 11 ИПУ РАН, Москва.

Публикации. По теме диссертации опубликовано 7 печатных работ. Структура и объем работы. Диссертационная работа состоит из введения, четырех глав и заключения, а также списка цитируемой литературы общим объемом 133 страницы. Список цитируемой литературы насчитывает 101 наименование.

Основные результаты.

1. На основании принципов построения и алгоритмического обеспечения систем поддержки принятия решений в слабо структурированных предметных областях на основе экспертного оценивания проведены исследования существующих методов формализации ситуации, которые показали эффективность применения взаимодополняющих математических моделей представления ситуации. Показано, что применение для анализа слабо структурированной ситуации нечеткой когнитивной модели в качестве динамической модели рассматриваемой ситуации вместе с моделью многоуровневой иерархии с нечеткими экспертными оценками коэффициентов важности факторов, поддерживает все этапы процесса поддержки принятия решений: анализ ситуации, генерация решений, выбор лучшего решения.

2. Разработана ассоциативная интегрированная система, позволяющая генерировать новые альтернативы в процессе принятия решений и позволяющая проводить их упорядочение в иерархической модели в условиях нечеткой информации.

3. Разработан метод решения задачи генерации и упорядочения полученных объектов, основанный на взаимодействии алгоритмов получения прогноза развития ситуации в нечеткой когнитивной модели и алгоритмов оценивания полученных прогнозов в нечеткой иерархической модели.

4. Решена задача упорядочения объектов по нечетким оценкам парных сравнений с интенсивностью предпочтений для определения коэффициентов важности в иерархической системе, таких, что они в максимальной степени согласованы с экспертными оценками.

5. Доказана возможность построения оценочной функции взаимовлияния факторов, аргументами которой являются изменение значения фактора и степень достоверности данного изменения.

6. Разработаны алгоритмы, реализующие предложенные методы обработки экспертной информации. Эти алгоритмы реализованы в виде диалоговой системы, позволяющей определять коэффициенты важности в иерархической системе, проводить интеграцию нечеткой иерархической модели ситуации и нечеткой когнитивной модели, получать оценку достижимости заданной в иерархической модели цели для каждой из полученных альтернатив.

ЗАКЛЮЧЕНИЕ

.

Показать весь текст

Список литературы

  1. «Современное состояние теории исследования операций» под ред. Н. Н. Моисеева, М.: Наука. 1979.
  2. R. «The Structure of Decision: Cognitive Maps of Political Elites», Princeton: University Press, 1976.
  3. Arbel A., Saaty T.L., and Vargas L.G. «Nuclear balance and the parity index: the role of intengebles in decisions», IEEE Transactions on SMC. Vol. SMC 17, No. 5, 1987.
  4. Backhouse, R.C., and Carre, B.A. «Reqular algebra applied to path-finding problems», J. Inst. Maths Applies, vol. 15, 1975.
  5. J., Cook W.D., Golany B. " Consistent weights for the relative imroptance of alternatives", Operational reseach letters v.6, N.3, 1987.
  6. E. " Approaches to consistency adjustment «, Journal of Optimization Theory and Applications, v.54, N.3, 1987.
  7. Brams S.J. and Kilgour D.M. «Game Theory and National Security», N.Y.-.Basil Blackwell Inc. 1988.
  8. Branicky M. S, Bonkar V.S., Mitter S.K. «А Unified Framework for Hybrid Control: Background, Model and Theory», Proceeding of 33rd IEEE Conference on Decision and Control, Lake Buena Vista, 1994.
  9. , B.A. «An algebra for network routing problems», Journal Institute Maths Applies, vol. 7, 1971.
  10. Chu A.T.W., Kaalba R.E., Spingarn К. «А comparison of two methods for determing the weigths of belonging to fussy set», Journal of Optimization Theory and Applications, v.27, 1988.
  11. W.D., Kress M. «Deriving weights from pairwise comparison ratio matrices: An axiomatic approach», European Journal of Operational Research, v.37, N.3, 1988.
  12. D., Prade H. «Fuzzy real algebra: some results», FSS, 1979.
  13. C. «Cognitive mapping», European Journal of Operational Research, № 36,1988.
  14. E.H. «Decision support for the evaluation of the strategic defence initiative (starvars)», Impacts of Microcomputers on Operations Research, N. Y.: Elsevier Science Publishing Co, 1986.
  15. S., Khebbal S. «Intelligent Hybrid Systems», Wiley & Sons, 1995.
  16. J., «Ranking alternatives by the method of relative significances», Economicko-Matematicky Obzor, v. 19, 1987.
  17. R.E. «Comparison of eigenvector, least squares and logarithmic least squares methods», EJOR, 1984.
  18. A. «Computer Aided Design of Hybrid Models for Automation Ship Systems», KonferencjaNaukowo -Techniczna AUTOMATION 99, 1999.
  19. A., Sedov R. «The Theory and Technology of Conceptual Modelling of Professional Activity Languages», Abstract of the 4th International Conference «Mathematical Modelling and Analysis», 1999.
  20. A., Yashin A. «Hybrid Simulation of Stratified Systems», Abstract of the 4th International Conference «Mathematical Modelling and Analysis MM A 99», 1999.
  21. B. «Fuzzy cognitive maps», International Journal man-machine Studies, 1986.
  22. B. «Fuzzy thinking», Hyperion, 1993.
  23. J. «Ranking alternatives comparison of different methods based on binary comparisons», EJOR, v.32, 1987.
  24. J.M. «The extended analytic hierarchy decision method», Math. Computing Modeling, v. 15, 1991.
  25. L.R. «Hybrid Neural Network and Expert Systems», Kluwer Academic Publ., 1994.
  26. M. «Logical Versus Analogical or Symbolic Versus Connectionist or Neat Versus Scruffy», A1 Magazine, vol. 12, N2, 1991.
  27. H. «Axioms of cooperative decision making», Cambridge University Press, 1990.
  28. P., Zeigler B. «Automatic Abstraction of Event-Based Control Models from Continuous Base Models», IEEE Trans. Systems, Man and Cybernetics, 1995.
  29. A., Varaija P. «Decidable of Hybrid Systems with Rectangular Differential Inclusions», Computer-Aided Verification, LN CS 818, Springer Verlag, 1994.
  30. Roy B. «Vers une metodologie generale d’aide a la decision», Revue Metra, v. 14, N.3, 1975.
  31. , T.L. «The analytic hierarchy process», New York: McGraw- Hill, 1980.
  32. Saaty, T.L., Vargas, L.G. «Comparison of eigenvalue logarithmic least squares, and least squares methods in estimating rations», Mathematical Modelling, vol. 5. 1984.
  33. Saaty, T.L., Vargas, L.G. «Inconsistency and rank preservation», Journal of Mathematical Psychology, vol. 28, 1984.
  34. Т., Iwai S., Katai O. «An integration of qualitative causal knowledge for user -oriented decision support», Control theory and advanced technology. Vol. 2, No. 3, 1986.
  35. G.O., Sphicas G.P. «Decision making under uncertainty: Star’s domain criterion», Theory and decisions, v. 15, N.4, 1986.
  36. W.S. «Theory and Methods of scaling», New York, 1958.
  37. G. «On Race Conditions for Networked Control Systems», Proceeding of 30th CISS, Princeton, NJ, 1996.
  38. Williams Brian С. «А theory of interactions: unifying qualitative and quantitative algebraic reasoning», Artificial intelligence, 1991.
  39. H.S. «А Class of Hybrid-State Continuous Time Dynamic Systems», IEEE Transactions on Automatic Control, 11(2), 1966.
  40. S.M., «Incorporation the uncertainty of decision judgement in the Analitic Hierarhy Process», EJOR, v.53, 1991.
  41. А., Батыршин И., Блишун А., Силов В., Тарасов В. «Нечеткие множества в моделях управления и искусственного интеллекта» под редакцией Д.А. Поспелова, М: Наука, 1986.
  42. А.Н., Нгуен Тан Ан «Комплексная стратегия нечеткого планирования проблем в интеллектуальных системах управления и оценка ее надежности», Труды международной научной конференции CONTROL-2000, 2000.
  43. А.Н., Телегин М. П. «Построение дискретных триангулярных норм в интеллектуальных системах», Труды научной сессии МИФИ, 2003.
  44. А.Н., Федосеева И. Н. «Параметрические логики в интеллектуальных системах управления», М.: Вычислительный центр РАН, 2000.
  45. А.Г., Васильев А. А., Леднев Г. К. «Сокращение ядерных вооружений и стратегическая стабильность. Опыт математического моделирования», М.: ИСКАН СССР, 1989.
  46. А.Р., Левин М. Ш. «Принятие решений: комбинаторные модели аппроксимации информации», М.: Наука. 1990.
  47. К. «Теория графов и ее приложения», М.: ИЛ, 1962.
  48. .Н., Бурков В. Н. «Методы экспертных оценок в задачах упорядочения объектов», Известия АН СССР, Техническая кибернетика, 1972.
  49. В.Н., Новиков Д. А. «Как управлять организациями», М. Синтег, 2003.
  50. Н.П. «Моделирование сложных систем», М.: Наука, 1978.
  51. Ю.Р. «Интеллектуальные технологии исследовательского проектирования: формальные системы и семиотические модели», Киев: Port-Royal, 1998.
  52. В.А., Алеев В. Р., Болоткин С. И., Пионтковский А. А., Скороходов А. П. «Исследование стратегической стабильности методами математического моделирования», М.: ВНИИСИ, 1988.
  53. Дж.М. «Теория максимина и ее приложение к задачам распределения вооружения», М.: Сов. Радио, 1970.
  54. Заде J1. «Понятие лингвистической переменной и его применение к принятию приближенных решений», Перевод с англ. под редакцией Н. Н. Моисеева и С. А. Орловского, М.: Мир. 1976.
  55. Н. «Теория графов (алгоритмический подход)», Перевод с англ., М.: Мир. 1978.
  56. А.А. «Когнитивное моделирование в системах поддержки принятия решений», Международная конференция по проблемам управления Т. 3., М.: ИПУ РАН, 1999.
  57. А.А. «Методология когнитивного моделирования сложных плохо определенных ситуаций», М.: ИПУ РАН, 2003.
  58. А.А. «Система моделирования плохо определенных нестандартных ситуаций», Труды 2-ой международной конференции «Когнитивный анализ и управление развитием ситуации», М: 2002.
  59. А.А. «Субъектно-ориентированная система концептуального моделирования Канва», Материалы 1-й Международной конференции «Когнитивный анализ и управление развитием ситуаций». М.: 2001.
  60. О.И. «Объективные модели и субъективные решения», М.: Наука, 1987.
  61. О.И., Мошкович Е. М. «Качественные методы принятия решений», М.: Наука, 1996.
  62. С.П., Шахнов И. Ф. «Упорядочение объектов в иерархических системах», Известия АН СССР, Техническая кибернетика, 1991.
  63. С.П. «Аппроксимация нечетких отношений нечеткими обратимыми квазисериями», Известия АН СССР, Техническая кибернетика, 1989.
  64. С.П. «Декомпозиция задачи вычисления функций от взаимодействующих нечетких переменных», Известия АН СССР, Техническая кибернетика, 1990.
  65. С.П. «Структура транзитивных нечетких отношений», Известия АН СССР, Техническая кибернетика, 1989.
  66. С.П., Остапенко С. Н., Серов Г. П., Шахнов И. Ф. «Аппроксимация нечетких отношений второго типа нечеткими обратимыми квазисериями», Сообщения по прикладной математике, М.: ВЦ АН СССР, 1988.
  67. С.П., Серов Г. П., Шахнов И. Ф. «Аппроксимация бинарных расплывчатых отношений и последовательная оптимизация на взвешенных графах», Сообщения по прикладной математике, М.: ВЦ АН СССР, 1988.
  68. С.П., Серов Г. П., Шахнов И. Ф., Чуйкин С. И. «Ранжирование распределенных величин на основе нечетких квазисерий», Сообщения по прикладной математике, М.: ВЦ АН СССР, 1986.
  69. С.П., Смирнов А. Н. «Некоторые свойства метода Т. Саати», 4-я Всесоюзная школа-семинар «Статистический и дискретный анализ данных и экспертные оценки», Одесса, 1991.
  70. С.П., Федько О.С, «Определение коэффициентов важности объектов по результатам расплывчатых экспертных оценок», Труды МФТИ, Долгопрудный: МФТИ. 1979.
  71. С.П., Шахнов И. Ф. «Упорядочение альтернатив на основе расплывчатых оценок», Сообщения по прикладной математике, М.: ВЦ АН СССР. 1989.
  72. С.П., Шахнов И. Ф. «Упорядочение объектов в иерархических системах», Известия АН СССР, Техническая кибернетика, 1991.
  73. .Г. «Проблема группового выбора», М.: Наука. 1974.
  74. Н.Н., Александров В. В., Тарко A.M. «Человек и биосфера. Опыт системного анализа и эксперименты с моделями», М.: Наука, 1985.
  75. С.А. «Проблемы принятия решений при нечеткой информации», М.: Наука, 1981.
  76. Г. С. «Динамика в системах, основанных на знаниях», Теория и системы управления, 1998.
  77. Э.В., Фоминых И. Б., Кисель Е. Б., Шапот М. Д. «Статические и динамические экспертные системы», М.: Финансы и статистика, 1996.
  78. Г. С. «Искусственный интеллект основа новой информационной технологии», М.: Наука 1988.
  79. Д.А. «Логико-лингвистические модели в системах управления», М.: Энергоиздат, 1981.
  80. Г. С., Ириков В. А. «Программно-целевое планирование и управление», М.: Сов. Радио, 1976.
  81. Дж. «Теория измерений», Перевод с англ., М.: Мир. 1976.
  82. Ф.С. «Дискретные математические модели с приложениями к социальным, биологическим и экономическим задачам», М.: Наука, 1986.
  83. И.В. «Алгоритмы решения экстремальных задач», М.: Наука. 1977.
  84. Г. В. «Автоматизация построения баз знаний для интегрированных экспертных систем», Теория и системы управления, N5, 1998.
  85. А.П. «Элементы теории нечетких множеств и измерения нечеткости», М.: Диалог-МГУ, 1998 г.
  86. Т. «Принятие решений. Метод анализа иерархий», пер. с англ., М.: Радио и связь, 1993.
  87. Т. «Математические модели конфликтных ситуаций», М.: Сов. радио, 1977.
  88. Т., Керне К. «Аналитическое планирование. Организация систем», пер. с англ., М: Радио и связь. 1991.
  89. Ю.В. «Заблуждения, трудности и недостатки в экспертном прогнозировании», сборник докладов «Современные технологии управления», М.: ИПУ РАН, 1998.
  90. Ю.В. «Теория и организация экспертного прогнозирования», М.: ИМЭМО АН СССР, 1990.
  91. В.Б. «Принятие стратегических решений в нечеткой обстановке», М.: ИНПРО-РЕС, 1995.
  92. В.Б. «Искусственная жизнь и нечеткие эволюционные многоагентные системы основные теоретические подходы к построению интеллектуальных организаций», М.: Теория и системы управления, N5, 1998.
  93. Э. А. «Генерация, оценка и выбор сценария в системах поддержки принятия решений», М.: Автоматика и Телемеханика, 1997.
  94. Э.А. «Компьютерная поддержка принятия решений», М.: СИНТЕГ, 1998.
  95. Л. «Теория когнитивного диссонанса», СПб.: Ювента, 1999.
  96. В., Голынтейн Б., Шапиро 3. «Субъективная ожидаемая полезность: модель принятия решений», М.: ВНИИСИ, 1984.
  97. Н. «Математические основы теории шкал измерения качества», Л.: Издательство ЛГУ, 1982.
  98. ШахновИ.Ф. «Модель для обработки результатов попарных сравнений объектов, задаваемых в виде интервальных оценок», М.: Электроника и системы управления, 1990.
Заполнить форму текущей работой

Сессия? Спокойно!