Приведем классификацию моделей и методов принятия решений. Мо- [c.50]
Управленческие решения могут быть классифицированы по различным принципам. Классификация УР позволяет найти наиболее адекватные в данной ситуации модели и методы для принятия конкретного управленческого решения. [c.15]
Термин нейронные системы относится к группе методов, разработанных для имитации процесса создания нового знания человеком. В основе этих методов лежит тот же подход, что и в статистике существует множество возможных исходов (результативных признаков) и множество факторных признаков, наблюдаемых в момент принятия решения о предоставлении кредита, тогда можно построить модель, которая позволяет объяснить получаемые результаты. Отличие нейронных сетей от статистического подхода заключается в способе построения модели. Нейронные сети получают в качестве исходных данные, используемые в принятии решения о предоставлении кредита, и задание на получение результата в виде классификации дебиторов на имеющийся допустимый или недопустимый уровень риска. Посредством анализа возможных путей нейронные сети изучают к каким результатам приводят исходные данные. Таким образом, сеть отражает нелинейное представление связей данных на входе и выходе. [c.355]
Специалист по системному анализу должен понимать, что любая классификация условна. Она лишь средство, помогающее ориентироваться в огромном числе разнообразных методов и моделей. Поэтому разрабатывать классификацию нужно обязательно, но делать это следует с учетом конкретных условий, особенностей моделируемых систем (процессов принятия решений) и предпочтений, которым можно предложить выбрать классификацию. [c.63]
В процессе реализации рационального подхода к принятию решений решаются задачи поиска, распознавания, классификации, упорядочения и выбора. Для этого могут применяться различные математические методы и модели с целью рационализации (оптимизации) выходных результатов. В целях оказания помощи при подготовке решений могут привлекаться эксперты. В процессе принятия рационального решения необходимо учитывать влияние таких факторов, как личностные оценки ЛПР, среду принятия решений, информационные ограничения, поведенческие ограничения, социально-психологические аспекты и ряд других. В зависимости от сложности проблемной ситуации в процессе принятия решений указанным методом варьируются затраты необходимых ресурсов трудовых, материальных, финансовых, а также затраты времени на разработку и принятие решения. [c.118]
В процессе реализации рационального подхода к принятию решений решаются задачи поиска, распознавания, классификации, упорядочения и выбора. Для этого могут применяться различные математические методы и модели с целью рационализации (оптимизации) выходных результатов. В целях оказания помощи при подготовке решений могут привлекаться эксперты. [c.136]
Формализация математических моделей связана с рядом технических трудностей, успешное преодоление которых и определяет в конечном счете как адекватность описания моделирующего объекта, так и оптимальность принятых решений. К их числу относятся 1) выделение из значительного числа особенностей варьируемых параметров технологических процессов исследуемого объекта основных, причем в приемлемом для намеченного к применению метода оптимизации количестве 2) условная классификация выделенного множества параметров на определяющие и определяемые. Например, в аппроксимационной модели комплекса НПП (2.48) —(2.52) определяемыми параметрами являются переменные xkr, остальные параметры — определяющие. Нетрудно понять, что в зависимости от способа осуществления этого процесса модель оптимизации примет тот или иной вид. [c.46]
Логистическая регрессия является методом бинарной классификации, широко применяемом при принятии решений в финансовой сфере. Она позволяет оценивать вероятность реализации (или нереализации) некоторого события в зависимости от значений некоторых независимых переменных - предикторов xb...,xN. В модели логистической регресии такая вероятность имеет аналитическую форму Pr(x) =(l+exp(-z ))", где z = ao+ aiXi+...+ aNxN. Нейросетевым аналогом ее очевидно является однослойный персептрон с нелинейным выходным нейроном. В финансовых приложениях логистическую регрессию по ряду причин предпочитают многопараметрической линейной регрессии и дискриминантному анализу. В частности, она автоматически обеспечивает принадлежность вероятности интервалу [0,1], накладывает меньше ограничений на распределение значений предикторов. Последнее очень существенно, поскольку распределение значений финансовых показателей, имеющих форму отношений, обычно не [c.202]
Система организации производства и материально-технического обеспечения "толкающего" типа (см. [С 94]). Система МРП (известная также под названиями МРП-1 и малая МРП) была разработана в 60-е годы. Создание системы МРП совпало с массовым распространением вычислительной техники. Благодаря разработке усовершенствованных вычислительных комплексов (системы ИБМ-360, ИБМ-370 и др.) впервые появилась возможность согласовывать и оперативно корректировать планы и действия снабженческих, производственных и сбытовых звеньев в масштабе фирмы с учетом постоянных изменений в реальном масштабе времени. Планы снабжения, производства и сбыта в системе МРП могут согласовываться в среднесрочной и долгосрочной перспективе, обеспечивается также текущее регулирование и контроль использования производственных запасов. Информационное обеспечение системы МРП включает данные плана производства (в специфицированной номенклатуре на определенную дату), файл материалов (данные на основе плана производства и включающие специфицированные наименования необходимых материалов с указанием их количества в расчете на единицу готовой продукции с классификацией по ряду признаков, в том числе сырье, детали, сборочные узлы), файл запасов (данные по необходимым для выполнения плана производства материальным ресурсам, как по имеющимся на складе, так и заказанным, но еще не поставленным, по срокам выполнения заказов, страховым запасам и др.). Формализация принятия решений в системе МРП производится с помощью различных методов исследования операций (см. [И 67]). На основе математических моделей, информационного и программного обеспечения имеется возможность решать ряд задач, в том числе расчет потребности в сырье и материалах, формирование графика производства и др. Система МРП широко распространена в промышленно развитых странах. В конце 80-х годов в США ее использовали или предполагали использовать большинство фирм с объемом продаж свыше 15 млн. долл. в год, в Великобритании - каждое третье производственное предприятие. Однако система МРП требует значительных затрат на подготовку первичных данных и предъявляет повышенные требования к их точности. Система МРП, ориентированная в первую очередь на решение задач материального учета и расчета потребности в сырье и материалах, не обеспечивает достаточно полного набора данных о других компонентах производственного процесса. Эти и другие недостатки системы обусловили необходимость ее совершенствования, разработку новой системы, известной под названием МРП-2 (см. [М 127]). Система МРП в настоящее время широко используется в комбинации с элементами системы Капбап (см. [К 13]). [c.185]
Проблемно-ориентированные модели и модели решения выделяются М. Битцом [95, с. 60—65], и данная классификация отражает, на применение каких методов — методов составления моделей или методов экспериментирования с ними — ориентируется исследователь в своей работе. На основе внедрения новых (впервые разработанных или заимствованных из других областей науки и практики) методов моделирования строятся новые модели управленческой проблемы, т. е. проблемно-ориентированные модели. В дальнейшем изучаются возможности применения данных моделей и их специфических свойств для решения управленческих задач, т. е. в принятии управленческих решений. Подобное положение характерно для применения математико-статистических методов в моделировании хозяйственных процессов. [c.54]
Место имитационного моделирования в составе экономико-математических методов. 2.Мысленные и машинные модели социально экономических систем. 3.Социально-экономические процессы как объекты моделирования. 4. Структура и классификация имитационных моделей. 5.Основные этапы процесса имитации. 6.Определение системы, постановка задачи, формулирование модели и оценка ее адекватности. 7.Экспериментирование с использованием ИМ, механизм регламентации, интерпретация и реализация результатов. 8.Организационные аспекты имитационного моделирования. 9.Основные компоненты динамической мировой модели Форрестера. 10.Концепция петля обратной связи . И.Структура модели мировой системы. 12. Каноническая модель предприятия. 13.Моделирование затрат предприятия. 14.Моделирование налогообложения. 15.Использование имитационного моделирования для планирования. 16.Содержание процессов стратегического и тактического планирования. 17.Основные модули системы поддержки принятия решений. 18.Сущность статистического ИМ. 19.Метод Монте-Карло. 20.Идентификация закона распределения. 21.Классификация систем МО. 22.Сущность метода экспериментальной оптимизации. 23.Формирование концептуальной модели. 24.Принципы выбора критерия оптимальности, разработка алгоритма оптимизации. 25.Эвристические алгоритмы поиска решений. 26.Управленческие имитационные игры, их природа и сущность. 27. Структура и порядок разработки управленческих имитационных игр. [c.121]
Конечно, вышеупомянутая классификация не является всесторонней. В частности, уравнение Блэка и Шольца с момента его появления многократно корректировалось различными способами с целью учесть дополнительные особенности типа делимости и изменчивости основных активов или изменяющихся процентных ставок. Однако даже переусложнив модель, невозможно учесть все факторы. Например, в теории оценивания опционов на акции предполагается, что конкуренция исключает возможности арбитража. В основном это верно, но маленькие различия в трансакци-онных издержках, торговой практике и информационных потоках могут, тем не менее, вызывать очевидные возможности арбитража, при сравнении фактических цен с расчетными стоимостями. Поэтому нужно помнить, что любой метод стоимостной оценки — просто отправная точка к принятию более обоснованного решения. [c.190]