Применение методики агрегирования критериев для выбора инновационных изделий

Особенность инновационных изделий требует учитывать большое количество критериев, которые следует агрегировать в обобщённые и строить дерево свертки с качественными, количественными и нечеткими правилами. В работе предложена методика оптимального разбиения шкал критериев на обобщенные градации для использования комбинированных методов многокритериального анализа альтернатив. Переход к меньшему количеству критериев приводит к значительному повышению размерности шкал обобщённых критериев. Шкалы приходится преобразовывать в новые шкалы с меньшим количеством градаций. Для решения задачи минимизации информационных потерь, возникающих при преобразовании шкал,определена функция Беллмана и применен метод динамического программирования. Вычислительные эксперименты показали эффективность предложенного подхода.

Инновация представляют собой производственную функцию, которая на базе изменений во всей совокупности действующих на продукт факторов предопределят его качественные изменения. Поскольку существует множество альтернативных путей создания инновационной продукции, с различными прототипами, которые не могут быть все реализованы в силу ограниченности ресурсов, приходится осуществлять выборпути используяметоды многокритериального анализа альтернатив.

1. Michaelides P.G. Joseph Schumpeter and the German Historical School. Cambridge Journal of Economics. 33(3).2009, pp. 495–516.
2. Corrente, S., Greco, S. and Slowinski R. Multiple Criteria Hierarchy Process in Robust Ordinal Regression. Decision Support Systems. 53(3). 2012, pp. 660–674.
3. Литвак Б.Г.Экспертные оценки и принятие решений. М.: Патент, 1996, 271 c.
4. Посадский А.И., Сивакова Т.В., Судаков В.А. Агрегирование нечетких суждений экспертов // Препринты ИПМ им. М.В.Келдыша. 2019. № 101. 12 с. doi:10.20948/prepr-2019–101 URL: http://library.keldysh.ru/ preprint.asp?id=2019–101.
5. Saaty T.L. and Vargas L.G.Models Methods, Concepts and Applications of the Analytic Hierarchy Process. Boston: Kluwer Academic Publishers. 2000.
6. Batkovskiy, A. M., Nesterov, V. A., Semenova, E. G., Sudakov, V. A. and Fomina A.V. Developing intelligent decision support systems in multi-criteria problems of administrative-territorial formations infrastructure projects assessment. Journal of Applied Economic Sciences. 5(51). 2017, pp. 1301– 1311.
7. Arndt C. Information Measures: Information and its Description in Science and Engineering. Berlin: Springer. 2004.
8. Eddy S.R. What is Dynamic Programming? Nature Biotechnology. 22(7). 2004, pp. 909–910.
9. Sudakov V.A., Nesterov V.A. and Kurennykh A.E. Integration of decision support systems ‘kosmos’ and WS-DSS with computer models. Proceedings of 2017 10th International Conference Management of Large-Scale System Development (MLSD). Moscow, Russia: IEEE.
10. Сивакова Т.В., Судаков В.А. Метод нечетких областей предпочтении для оценки эффективности инноваций // XXVIII Международная научно-техническая конференция «Современные технологии в задачах управления, автоматики и обработки информации». Алушта, 14–20 сентября 2019 г. Сборник трудов. М.: Изд.-во Национальный исследовательский ядерный университет «МИФИ», 2019. С. 81–82.

PlumX

Метрики публикации