Помощь в написании студенческих работ
Антистрессовый сервис

Методы формирования маркетинговых решений с использованием аппарата нечеткой математики

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Основные положения теории нечетких множеств, методов принятия решений, экономического моделирования и маркетингового анализа изложены в работах отечественных и зарубежных ученых: К. А. Багриновского, Л. С. Бернштейна, А. Н. Борисова, О. В. Голосова, Л. Заде, Р. А. Кини, Ф. Котлера, О. А. Крумберга, С. А. Орловского, Х. Райфа, А. Н. Романова, Т. Саати, Х. Танаки, Е. Ю. Хрусталева и других… Читать ещё >

Методы формирования маркетинговых решений с использованием аппарата нечеткой математики (реферат, курсовая, диплом, контрольная)

Содержание

  • ГЛАВА 1. ИСПОЛЬЗОВАНИЕ НЕЧЕТКОЙ ИНФОРМАЦИИ В КОРПОРАТИВНЫХ ИНФОРМАЦИОННЫХ СИСТЕМАХ
    • 1. 1. Автоматизация управления предприятиями
    • 1. 2. Маркетинг
    • 1. 3. Методология нечеткой математики
    • 1. 4. Выводы
  • ГЛАВА 2. ИСПОЛЬЗОВАНИЕ НЕЧЕТКИХ ДАННЫХ ПРИ АНАЛИЗЕ РЫНКОВ
    • 2. 1. Классификация методов построения функций принадлежности нечетких чисел
    • 2. 2. Параметрическое построение функций принадлежности нечетких чисел
    • 2. 3. Метод парных сравнений и его реализация в ИИСУП «Корпорация». 36 ^ 2.4. Расчет маркетинговых показателей в нечетком виде
    • 2. 5. Модель «ситуация-действие»
    • 2. 6. Сравнение нечетких ситуаций с использованием весов
    • 2. 7. Определение базовых стратегий конкурирующих предприятий
    • 2. 8. Выводы
  • ГЛАВА 3. МЕТОДИКА ПРОГНОЗИРОВАНИЯ СПРОСА И ОПТИМИЗАЦИЯ АССОРТИМЕНТА
    • 3. 1. Методика нечеткого сезонного прогнозирования
    • 3. 2. Нечеткая математическая регрессия
    • 3. 3. Расчет набора индексов нечеткой сезонности
    • 3. 4. Прогнозирование
    • 3. 5. Сезонная нечеткость и тренды
    • 3. 6. Корректировка прогноза на основании экспертного опроса
    • 3. 7. Оптимизация ассортимента
    • 3. 8. Выводы
  • ГЛАВА 4. СИСТЕМА УПРАВЛЕНИЯ ПРЕДПРИЯТИЕМ «ЛИМ-КОРПОРАЦИЯ»
    • 4. 1. Базовые вопросы функционирования системы
    • 4. 2. Подсистемы и модули
    • 4. 3. Рабочие места
    • 4. 4. Документы
    • 4. 5. Семантика
    • 4. 6. Модуль «Маркетинг»
    • 4. 6. Выводы

Актуальность исследования. Современное состояние экономики России характеризуется ликвидацией тотального дефицита, и потребители получили возможность выбора из ряда товаров, представленных разными ¦h производителями. Однако уровень доходов населения достаточно низок, конкуренция усиливается, и руководителям предприятий необходимо прилагать большие усилия, чтобы убедить покупателей приобретать именно их товар. Именно поэтому проблемы маркетинга являются в настоящее время столь актуальными. Принимаемые управленческие решения должны напрямую зависеть от результатов проведенных маркетинговых исследований.

Целью маркетинговых исследований является оценка текущей ситуации в разрезе множества показателей и прогнозирование различных параметров рынка. Для проведения этой работы необходимо наличие ^ адекватных данных как по собственному предприятию, так и по предприятиям-конкурентам, а также математические модели и методы, позволяющие проводить наиболее полный анализ имеющейся информации. Исследования рынка должны являться составной частью постоянного, тесно интегрированного в деятельность фирмы информационного процесса, функциями которого являются, в частности, постоянное наблюдение, сбор данных, их анализ и хранение.

В этой сфере деятельности предприятия большую помощь могут оказать современные информационные системы. Автоматизация управления предприятием должна быть комплексной, охватывать все виды деятельности — от снабжения до производства и сбыта продукции. Основной целью в этом i направлении является создание единого информационного пространства всех служб, данные в котором обновлялись бы оперативно. Для того чтобы эффективно управлять экономическим положением предприятия, необходима разработка программных средств, способных на основе современных математических методов оказывать содействие лицам, принимающим решения.

Важнейшую роль играют информационные системы маркетинговых исследований и анализа маркетинговых данных. В их состав входят банк статистических методов (в него включаются различные виды анализа: регрессионный, корреляционный, факторный и т. д.) и банк моделей (он состоит из разнообразных моделей, позволяющих принимать решения, оптимальные по тому или иному критерию, и отвечать на вопросы типа «а что будет, если.»). В этой области исследований рынка в диссертационной работе предлагается использовать различные приложения аппарата нечеткой математики.

Проблемы маркетинга и автоматизации управленческой деятельности в той или иной мере решаются на российских предприятиях. В настоящее время математический аппарат теории нечеткой логики в нашей стране находит всё большее применение. Теория нечетких множеств, основы которой были заложены в конце 60-х годов XX столетия, пережила свое второе рождение в начале 80-х, когда в развитых капиталистических странах началось ее реальное использование. В настоящее время в США, Японии и других государствах нечеткая логика активно применяется во многих сферах человеческой деятельности, в том числе при анализе товарных рынков, выборе оптимальной ценовой стратегии и при решении других вопросов, возникающих в процессе управления экономическими системами.

Основные положения теории нечетких множеств, методов принятия решений, экономического моделирования и маркетингового анализа изложены в работах отечественных и зарубежных ученых: К. А. Багриновского, Л. С. Бернштейна, А. Н. Борисова, О. В. Голосова, Л. Заде, Р. А. Кини, Ф. Котлера, О. А. Крумберга, С. А. Орловского, Х. Райфа, А. Н. Романова, Т. Саати, Х. Танаки, Е. Ю. Хрусталева и других. Усилиями этих ученых была сформирована база для дальнейшего обобщения результатов и теоретических разработок на одном из самых актуальных направлений исследования — математическом моделировании экономических процессов.

В свете всего вышеизложенного представляется актуальной проблема использования в комплексе возможностей, которые предоставляют современные информационные системы управления предприятием и методология нечетких множеств, с целью наиболее полного и эффективного решения задачи улучшения экономического положения предприятия.

Цель и задачи исследования

Целью настоящего диссертационного исследования является разработка математических и инструментальных методов маркетингового анализа, базирующихся на аппарате нечеткой математики и позволяющих учитывать нечеткость среды функционирования субъектов экономической деятельности.

Для достижения указанной цели были поставлены и решены следующие задачи:

1. Систематизированы этапы и сформулированы задачи маркетинговых исследований. Выявлены параметры, являющиеся нечеткими ввиду нечеткости внешней среды функционирования предприятий. Сформированы требования к информационному обеспечению аналитических функций маркетинговой службы субъектов экономической деятельности.

2. Проведен анализ методов построения функций принадлежности нечетких множеств с точки зрения удобства их использования в рамках информационных систем, связанных с обработкой экономической информации.

3. Разработана методика построения советующих систем с нечеткой логикой класса «ситуация-действие», использующая математические модели маркетингового анализавыявлены недостатки, присущие моделям «ситуация-действие» при использовании в этой предметной области.

4. Исследованы математические методы прогнозирования объема продаж на основании данных за предыдущие периоды, классифицированы варианты постановки задачи нечеткого регрессионного анализа и способы корректировки нечеткого прогноза.

5. Исследованы методы оптимизации ассортимента выпускаемой продукции при нечетких ограничениях.

6. Проведено исследование использования существующих программных средств управления российскими предприятиямисформулированы проблемы, возникающие в ходе внедрения и сопровождения комплексных информационных систем.

7. В рамках функционирующей на АО «Кристалл» (г. Калуга) программной системы разработана библиотека функций и классов для работы с нечеткими значениями, что позволяет производить расчет экономических показателей в нечетком виде.

Объектом исследования является рыночная среда, в которой функционирует предприятие.

Предметом исследования являются рыночные процессы, влияющие на динамику спроса и конкурентные позиции предприятий при наличии нечетких и полностью не определенных факторов.

Методология исследования. Теоретическую и методологическую основу исследования составляет системный подход к моделированию экономических систем, основу которого составили ключевые положения кибернетики и общей теории систем.

В ходе проведения исследования использовались труды отечественных и зарубежных ученых в области нечеткой математики. При решении конкретных задач были использованы элементы маркетингового и системного анализа, математической статистики, математического программирования, а также материалы научной периодики, конференций и семинаров.

Решение поставленных в диссертации задач потребовало применения методов теории нечетких множеств, методов оптимизации, системного и регрессионного анализа.

Большую помощь в изучении вопросов нечеткой логики оказали материалы журнала «Fuzzy Sets and Systems». Разнообразные проблемы проектирования, разработки и сопровождения информационных систем управления предприятием были рассмотрены на примере различных программных продуктов как отечественного производства («ЛИМ-Корпорация», «Галактика», «Парус», «БОСС-Корпорация» и др.), так и западных (в частности, SAP R/3). В ходе изучения данного вопроса активно использовались материалы, расположенные в интернете на сайтах, посвященных корпоративным информационным системам.

Диссертационная работа по своему содержанию соответствует пункту 2.3 паспорта специальности 08.00.13 — Математические и инструментальные методы экономики (Разработка систем поддержки принятия решений для рационализации организационной структуры и оптимизации управления экономикой на всех уровнях).

Научная новизна заключается в решении научной проблемы: разработке на основе аппарата нечеткой математики методов принятия маркетинговых решений, позволяющих использовать в качестве исходной информации качественные или недостоверно известные данные.

Научную новизну содержат следующие положения:

1. Разработана методика сравнения нечетких ситуаций с учетом влияния отдельных составляющих (признаков), которая позволяет определять значимость параметров эталонных ситуаций, имеющих место в экономических системах.

2. Разработан алгоритм прогнозирования сезонного спроса на продукцию с использованием данных за предыдущие периоды с помощью нечеткого регрессионного анализаучитываются качественные факторы, которые влияют на объемы сбыта в определенном периоде, что дает более развернутую информацию лицам, принимающим управленческие решения.

3. Предложены более совершенные модели нечеткой математической регрессии, позволяющие расширить их применение в маркетинговом анализе.

4. Предложена методика перевода качественно описанных значений маркетинговых показателей в нечеткий вид, которая позволяет наиболее полно учесть имеющиеся данные.

5. Формализована задача нечеткого математического программирования оптимизации ассортимента выпускаемой продукции с учетом нечетко определенного спросапредложены эффективные алгоритмы ее решения.

6. Разработан программный модуль информационной системы управления предприятием, позволяющий существенно расширить возможности учета качественных и недостоверно известных данных с помощью методов нечеткой математики.

Практическая значимость работы заключается в том, что основные положения, выводы и рекомендации диссертации ориентированы на широкое применение математических и инструментальных средств для систем поддержки принятия маркетинговых решений.

Проведенные исследования и полученные результаты составляют теоретическую основу построения систем поддержки принятия решений при определении конкурентных стратегий предприятий, оптимизации ассортимента выпускаемой продукции, расчете различных экономических показателей. Разработанные модели, алгоритмы и методы направлены на решение важной народнохозяйственной задачи: повышения эффективности управления в экономических системах производственного типа. Результаты исследований доведены до конкретных методик, алгоритмов и программной реализации.

Основные результаты исследования, имеющие практическое значение:

— методика определения конкурентных стратегий предприятий с использованием нечеткой модели «ситуация-действие», позволяющая указывать значимость факторов при определении стратегии из набора эталонных;

— методика прогнозирования сезонного спроса на продукцию на основе модели нечеткой математической регрессии с возможностью корректировки полученных результатов на основании качественных оценок экспертов;

— алгоритм выбора оптимального ассортимента выпускаемой продукции на основе спрогнозированного в нечетком виде спроса.

Апробация и внедрение результатов исследования. Основные положения и результаты диссертационной работы докладывались в Туле на конференциях «Прикладная математика-99» в 1999 году- «Техника XXI века глазами молодых ученых и специалистов» и «Интеллектуальные и информационные системы» в 2000 году- «Современные проблемы математики, механики, информатики» в 2000, 2001 и 2002 годах. Разработанные методы и алгоритмы включены в модуль «Маркетинг» автоматизированной системы управления производством «ЛИМ-Корпорация», внедренной на ликероводочном заводе АО «Кристалл» (г.Калуга).

Публикации. По теме диссертационной работы опубликовано 11 научных статей общим объемом 2,15 п.л.

Объем и структура работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы и приложений. Общий объем диссертационной работы 136 страниц, содержащих машинописный текст, 8 таблиц и 31 рисунок.

4.6. Выводы.

1. Практическая реализация в рамках информационной системы управления предприятием предложенных в диссертационной работе нечетких методов маркетингового анализа позволяет существенно расширить объем информации, предоставляемый системой для принятия специалистами маркетинговых решений.

2. Наиболее эффективным является использование методов анализа в рамках информационной системы, которая формирует единое информационное пространство предприятия, что позволяет в оперативном режиме использовать данные с различных участков работы.

ЗАКЛЮЧЕНИЕ

.

В результате исследований, проведенных автором в диссертационной работе, были разработаны модели и алгоритмы, использующие методологию нечеткой математики, которые предоставляют новые возможности для проведения маркетингового анализа. Был сделан ряд теоретических и практических выводов, позволяющих использовать в ходе маркетинговых исследований качественную и недостоверно известную информацию.

1. Обоснована целесообразность использования нечетких данных и методов нечеткой математики при принятии решений в маркетинговых подразделениях. В частности, такие алгоритмы эффективно применены для расчета различных маркетинговых показателей и для определения конкурентных стратегий в маркетинговом модуле системы «ЛИМ-Корпорация» .

2. Систематизированы этапы и сформулированы задачи маркетинговых исследований. Выявлены параметры, являющиеся нечеткими ввиду нечеткости внешней среды функционирования предприятий. Сформированы требования к информационному обеспечению аналитических функций маркетинговой службы субъектов экономической деятельности.

3. Разработана методика сравнения нечетких ситуаций с учетом влияния отдельных составляющих (признаков), которая позволяет определять значимость параметров эталонных ситуаций, имеющих место в экономических системах.

4. Разработан алгоритм прогнозирования сезонного спроса на продукцию с использованием данных за предыдущие периоды с помощью нечеткого регрессионного анализаучитываются качественные факторы, которые влияют на объемы сбыта в определенном периоде, что дает более развернутую информацию лицам, принимающим управленческие решения.

5. Предложены более совершенные модели нечеткой математической регрессии, позволяющие расширить их применение в маркетинговом анализе.

6. Предложена методика перевода качественно описанных значений маркетинговых показателей в нечеткий вид, которая позволяет наиболее полно учесть имеющиеся данные.

7. Формализована задача нечеткого математического программирования оптимизации ассортимента выпускаемой продукции с учетом нечетко определенного спросапредложены эффективные алгоритмы ее решения.

8. Разработан программный модуль информационной системы управления предприятием, позволяющий существенно расширить возможности учета качественных и недостоверно известных данных с помощью методов нечеткой математики.

9. Показано, что наилучшего результата позволяет достичь комплексное использование возможностей, предоставляемых методологией нечеткой математики и современных информационных систем управления предприятием. Разработанные методы включены в функционирующую информационную систему.

Показать весь текст

Список литературы

  1. Chang Р.-Т. Fuzzy seasonality forecasting. Fuzzy Sets and Systems 90 (1997) 1−10.
  2. Chen Т., Wang M.-J. J. Forecasting methods using fuzzy concepts. Fuzzy Sets and Systems 105 (1999) 339−352.
  3. ChenY. H., Wang W.-J., ChiuC.-H. New estimation method for membership values in fuzzy sets. Fuzzy Sets and Systems 112 (2000) 521−525.
  4. Chen Y.-S. Outliers detection and confidence interval modification in fuzzy regression. Fuzzy Sets and Systems 119 (2001) 259−272.
  5. FuzzyCLIPS Version 6.04A User’s Guide. Integrating Reasoning Institute for Information Technology National Research Council Canada. R.A.Orchard. October 1998.
  6. Giachetti R. E., Young R. E. A parametric representation of fuzzy numbers and their arithmetic operators. Fuzzy Sets and Systems 91 (1997) 185 202.
  7. Kim В., Bishu R. R. Evaluation of fuzzy linear regression models by comparing membership functions. Fuzzy Sets and Systems 100 (1998) 343−352.
  8. Savic D. A., Pedrycz W. Evaluation of fuzzy linear regression models. Fuzzy Sets and Systems 39 (1991) 51−63.
  9. Tanaka H., Uejima S., Asai K. Fuzzy linear regression models. IEEE Trans. Systems Man Cybernet. 12 (1982) 903−907.
  10. Wang H.-F., Tsaur R.-C. Insight of a fuzzy regression model. Fuzzy Sets and Systems 112 (2000) 355−369.
  11. YaJ.-R., TzengG.-H., Li H.-L. A general piecewise necessity regression analysis based on linear programming. Fuzzy Sets and Systems 105 (1999) 429−436.
  12. YenK. K., Ghoshray S., RoigG. A linear regression model using triangular fuzzy number coefficients. Fuzzy Sets and Systems 106 (1999) 167−177.
  13. С. К разработке маркетинговой стратегии. // Маркетинг, 1999, № 6. с.47−49.
  14. Азоев Г. JL, Челенков А. П. Конкурентные преимущества фирмы. М: Государственный институт управления, 1998. — 295 с.
  15. Р.А. и др. Управление производством при нечеткой исходной информации М.: Энергоатомиздат, 1991. — 240с.
  16. А.В., Андрейчикова О. Н. Анализ, синтез, планирование решений в экономике. -М.: Финансы и статистика, 2000. 368 е.: ил.
  17. К. А. О методах количественной оценки конкурентоспособности новых производственных технологий. // «Экономическая наука современной России», 2001.
  18. К.А., Логвинец В. В. Интеллектная система в отраслевом планировании / Отв. ред. В.Н.Бурков- АН СССР, Центр экон.-мат. ин-т. М.: Наука, 1989. — 136с.
  19. К.А., Хрусталев Е. Ю. Методологические основы построения модельной информационно-аналитической системы планирования и реализации крупных социально-экономических проектов и программ // Экономика и мат. методы. 1996. Т.32. Вып.4.
  20. К.А., Хрусталев Е. Ю. Новые информационные технологии. // ЭКО, 1996. № 7.
  21. Ю.Г., Дойников А. Н., Королева М. Ф. Экспериментальные временные ряды: Интерактивный статистический анализ. М.: Диалог, 1991. 316с.
  22. Р., Заде Л. Принятие решений в расплывчатых условиях. Вопросы анализа и процедуры принятия решений: Сб. переводов/ Под ред. И. Ф. Шахнова.-М.: Мир, 1976, сЛ 72−215.
  23. Дж., Пирсол А. Прикладной анализ случайных данных: Пер с англ. М.: Мир, 1989. — 540 е., ил.
  24. Бернштейн J1.C., Коровин С .Я. Методические указания к курсовой работе «Построение расплывчатых моделей принятия решений» по курсу «Искусственный интеллект и управление роботами».- Таганрог: ТРТИ, 1986.-41с.
  25. С.Д., Гурвич Ф. Г. Экспертные оценки в принятии плановых решений. М.: Экономика, 1976.
  26. А.Н. и др. Модели принятия решений на основе лингвистической переменной Рига: Зинатне, 1982. — 256с.
  27. А.Н., Крумберг О. А., Федоров И. П. Принятие решений на основе нечетких моделей: Примеры использования Рига: Зинатне, 1990. — 184с.
  28. В.П., Ивченко Г. И. Прогнозирование в системе STATISTIC, А в среде WINDOWS. М.: Финансы и статистика. 1999. 384 с.
  29. Введение в системный анализ. Ф. И. Перегудов, Ф. П. Тарасенко.-М.: ВШ, 1989.
  30. Все о маркетинге: Сборник материалов для руководителей предприятий, экономических и коммерческих служб. М.: Азимут-Центр. 1992. с. 10−13.
  31. ., Обухов И. Современные системы управления предприятием // Компьютер Пресс. 2001. № 9.
  32. А.И. Методы и модели отраслевого экономического прогнозирования. -М.: Экономика, 1977. — 143 с.
  33. О. В. и др. Введение в информационный бизнес: Учебное пособие / Голосов О. В., Охрименко С. А., Хорошилов А. В. и др. Под ред. Тихоморова В. П., Хорошилова А. В. М: Финансы и статистика, 1996 -240 с.
  34. О.В. Экономическое стимулирование системной обработки информации. М.: Финансы и статистика, 1982. — 200 с.
  35. А.А., Стакун В. А., Стакун А. А. Математические методы построения прогнозов. М.: Радио и связь, 1997. 112с.
  36. Дж.Гласс, Дж.Стенли. Статистические методы в прогнозировании. М.: Прогресс, 1976.
  37. Информационные системы для руководителей/ Ф. И. Перегудов,
  38. B.П.Тарасенко, Ю. П. Ехлаков и др.- Под ред. Ф. И. Перегудова. М.: Финансы и статистика, 1989. -176 с.:ил.
  39. Кини P. JL, Райфа X. Принятие решений при многих критериях: предпочтения и замещения: Пер. с англ. / Под ред. И. Ф. Шахнова. М.: Радио и связь, 1981. — 560 е., ил.
  40. В. С., Житников И. В. Анализ временных рядов и прогнозирование. Ростов н/Д: Рост. гос. экон. акад., 1998. 161с.
  41. В.А. Математическая экономика: Учебник для вузов. -М.: ЮНИТИ, 1998. 240 с.
  42. Конкурентные позиции промышленных и банковских структур /
  43. C.А. Васин, Б. Н. Горюхин, JI.E. Романова и др.- Тул. Гос. ун-т. Тула, 1998. -265 с.
  44. Ю.М. Математические основы кибернетики. Учебное пособие для втузов. М., «Энергия», 1972. 376 е., с ил.
  45. Г. В., Романова JI.E. Учет особенностей развития экономических систем при формировании стратегии предприятия //Организация управления экономической деятельностью предприятия: Сб. научн. трудов / Тул. гос. ун-т. Тула, 1999. — с. 146−150.
  46. Ф. Основы маркетинга: Пер с англ. / Общ. ред. и вступ. ст. Е. М. Пеньковой. М.: Прогресс, 1993. — 736 с.
  47. Ю.В. Метод наименьших квадратов и основы машинно-статистической теории обработки наблюдений. — М.: Физматгиз, 1962.
  48. В.А., Голынкер Е. И. Принятие решений на основе прогнозирования в условиях АСУ. М.: Финансы и статистика, 1981.-50 е., ил.
  49. К. Д. Методы прогнозирования экономических показателей / Пер. с англ. и предисл. Е. З. Демиденко. М.: Финансы и статистика, 1986. — 133 е., ил.
  50. Н.Г., Бернштейн Л. С., Боженюк А. В. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991. — 136с.
  51. И.Д. Кластерный анализ. М. Финансы и статистика 1988.-176 е.: ил.
  52. Математика и кибернетика в экономике. Словарь-справочник. Изд. 2-е, перераб. и доп. М., «Экономика», 1975. 700 с.
  53. Математические методы анализа и оптимизации сложных систем, функционирующих в условиях неопределенности: сб.науч.тр. / АН УССР. Ин-т кибернетики им А.М.Глушкова- Редкол.: Ермольев (отв.ред.) и др.-Киев, 1989.-96с.
  54. А.Н., Бернштейн Л. С., Коровин С. Я. Ситуационные советующие системы с нечёткой логикой. М.: Наука, 1990. — 272с.
  55. Модели и методы прогнозирования и долгосрочного планирования: Учеб. пособие / К. А. Багриновский, В. Н. Рубцов. М.: Рос. ун-т дружбы народов, 1992. — 78с.
  56. В.В., Портянский П. Э. Вариаты постановки задачи нечеткой математической регрессии. // Современные проблемы математики, механики, информатики: Тезисы докладов Всероссийской научной конференции. Тула: ТулГУ, 2002. с.226−229.
  57. В.В., Портянский П. Э. Использование нечетких множеств при решении задач экономической оптимизации. // Известия Тульского государственного университета. Сер. Информатика. Тула: ТулГУ, 1998. Т.4. Вып.4. — с.78−81.
  58. В.В., Портянский П. Э. О выборе параметра h в задачах нечеткой математической регрессии. // Современные проблемы математики, механики, информатики: Тезисы докладов Всероссийской научной конференции. Тула: ТулГУ, 2001. с. 171−174.
  59. В.В., Портянский П. Э. Прогнозирование объемов сбыта с помощью методов нечеткой математики. Известия Тульского государственного университета. Сер. Информатика. Тула: ТулГУ, 1999. Т.5. Вып.З. — с.131−134.
  60. Э., Мюллер П. Методы принятия технических решений. М.: Мир, 1990.-206с.
  61. Научные основы экономического прогноза. М.: Мысль, 1971.424 с.
  62. К. Как построить свою экспертную систему: Пер. с англ-М.: Энергоатомиздат, 1991. 286с.
  63. Нечеткие множества в моделях управления и искусственного интеллекта/ Под ред. Д. А. Поспелова.- М.: Наука, 1986. 312с.
  64. Обработка нечеткой информации в системах принятия решений/ А. Н. Борисов, А. В. Алексеев, Г. В. Меркурьева и др.- М.: Радио и связь, 1989 — 304с.
  65. С.А. Проблемы принятия решений при нечеткой исходной информации.-М., Наука, 1981.-208 с.
  66. Р., Эноксон JI. Прикладной анализ временных рядов. Основные методы: М.: Мир, 1982. — 482 с.
  67. В.Н. Метод наименьших квадратов и его применение в исследованиях. М.: Статистика, 1965.
  68. М. Конкуренция: Пер. с англ.: Уч. пос. М.: Издательский дом «Вильяме», 2001. — 495 е.: ил.
  69. М. Международная конкуренция: Пер. с англ. / Под ред. и с предисловием В. Д. Щетинина. -М.: Междунар. отношения, 1993. 896 с.
  70. П.Э. Использование методов объектно-ориентированного программирования для описания нечетких моделей. // Известия Тульского государственного университета. Сер. Математика. Механика. Информатика. Тула: ТулГУ, 1995. Т.1. Вып.З. — с.118−126.
  71. П.Э. Системы поддержки принятия решений как часть комплекса автоматизации предприятия. // Интеллектуальные и информационные системы: Тезисы докладов региональной научно-технической конференции. Тула, 2000. с. 17−18.
  72. П.Э., Романова JI.E. Оптимизация товарного ассортимента. // Экономика. Управление. Финансы: Сборник научных трудов. Тула: ТулГУ, 2000. с.222−226.
  73. Д.А. Логико-лингвистические модели в системах управления.- М.: Энергоатомиздат, 1981. 232с.
  74. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике / Р. Левин, Д. Дранг, Б. Эделсон: Пер с англ.- Предисловие М. Л. Сальникова, Ю. В. Сальниковой. М. Финансы и статистика, 1990. — 239 е.: ил.
  75. Представление и использование знаний: Пер. с японского/ Под ред. Х. Уэно, М. Исудзука М.: Мир, 1989. -220с.
  76. А. Н и др. Советующие информационные системы в экономике: Учеб. пособие / А. Н. Романов, Б. Е. Одинцов. М.:ЮНИТИ-ДAHA, 2000. — 487 с.
  77. А.Н. и др. Экономическая теория: Учеб. для экон. вузов / А. Н. Романов, И. П. Николаева, В. В. Клочков и др.- Под ред. И. П.
  78. Николаевой- Всерос. заоч. фин.-экон. ин-т. М.: Финстатинформ, 1997 — 398 е.: ил.
  79. Романова J1.E. Конкурентное взаимодействие субъектов товарного рынка / Тул. гос. ун-т. Тула, 2000. — 222 с.
  80. JI.E., Портянский П. Э., Моторин В. В. Использование весов при сравнении нечетких ситуаций. // Современные проблемы математики, механики, информатики: Тезисы докладов Всероссийской научной конференции. Тула: ТулГУ, 2000. с. 176−177.
  81. Рыночная экономика: Учебник. В 3 т. Т. 1. Теория рыночной экономики. Часть 2. Максимова В. Ф., Шишов A.JI. Макроэкономика. М.: СОМИНТЭК. 1992. — с. 256.
  82. Т., Керне К. Аналитическое планирование. Организация систем М.: Радио и связь, 1991 — 224с.
  83. Справочник по оптимизационным задачам в АСУ/ В. А. Бункин, Д. Колев, Б. Я. Курицкий, А. Н. Максименко, Ю. А. Сокуренко, А.Стоев. JL: Машиностроение, 1984. — 212 е., ил.
  84. Статистика рынка товаров и услуг: Учебник / И. К. Беляевский, Г. Д. Кулагина, А. В. Коротков и др. Под ред. И. К. Беляевского. М.: Финансы и статистика, 1995.
  85. Стратегические позиции предприятий / С. А. Васин, Г. В. Коршунова, Л.Е. Романова- Тул. гос. ун-т. Тула, 2002. 170 с.
  86. К., Фохт Д. Проектирование и программная реализация экспертных систем на ПЭВМ: Пер. с англ.- М.: Финансы и статистика, 1990. 320с.
  87. Г. Прикладное экономическое прогнозирование. М.: Прогресс, 1970.
  88. Г. Экономические прогнозы и принятие решений. М.: Статистика, 1971.
  89. Р. Обработка данных в управлении, том 2, — М: Мир, 1976.-536с.
  90. Д. Руководство по экспертным системам: Пер с англ.-М.: Мир, 1989.-388с.
  91. Е.А., Портянский П. Э., Моторин В. В. Анализ и принятие управленческих решений в условиях неопределенности. // Прикладная математика-99: Тезисы докладов юбилейной научно-практической конференции. Тула: ТулГУ, 1999. -с. 159−160.
  92. Е.М. Статистические методы прогнозирования. 2-е изд., перераб. и доп. М.: Статистика, 1997. — 200 с.
  93. Экономика: Учебник / Под ред. доц. А. С. Булатова. М. Издательство БЕК, 1995. — 632 с.
  94. Экономико-математические методы и модели (микроэкономика): Учеб. пособие по экон. специальностям. / К. А. Багриновский, В. М. Матюшок. М.: Изд-во Рос. ун-та дружбы народов, 1999. — 183 с.
  95. А.Ю. Конкуренция: теория и практика. Учебно-практическое пособие. 2-е изд., испр. и доп. — М.: Ассоциация авторов и издателей «Тандем" — издательство «ГНОМ-ПРЕСС», 1998. — 384 с.
Заполнить форму текущей работой