Россия
УДК 519.816 Теория принятия решений
Современные организационные системы функционируют в условиях высокой сложности и неопределённости, что делает задачу многокритериального выбора особенно актуальной. В статье предложен алгоритм и программные средства многокритериальной оценки и выбора решений в условиях неопределённости с использованием аппарата нечеткой логики первого и второго порядка. Рассмотрено применение разработанного алгоритма и программных средств на примере решения задачи отбора кадров, как одной из ключевых для организационного управления. Предлагаемый в статье подход позволяет учитывать как объективные, так и субъективные экспертные данные, выраженные в различных шкалах, включая лингвистические. Новизна исследования заключается в интеграции методов нечеткой логики второго порядка, позволяющей моделировать мета-неопределённость экспертных оценок, что обеспечивает более устойчивые и объективные результаты по сравнению с традиционными методами. Практическая значимость работы заключается в возможности применения разработанного инструментария при решении задач в различных областях организационного управления, где необходимо принимать решения при противоречивых и неполных данных.
многокритериальная оценка, принятие решений, организационные системы, нечеткая логика первого порядка, нечеткая логика второго порядка, алгоритм, кадровый отбор, неопределённость, лингвистическая шкала
1. А.В., Толмасов Р.С., Смоленцева Т.Е. Управление составом в организационных системах // Вестник Воронежского института МВД России. 2023. № 3. С. 59–69. EDN PGCFRA.
2. Метод многокритериальной оценки эффективности технических средств в организационно-технических системах / Д.Ф. Кожевин [и др.] // Науч.-аналит. журн. «Вестник С.-Петерб. ун-та ГПС МЧС России». 2023. № 4. С. 59–70. DOI:https://doi.org/10.61260/2218-130X-2024-2023-4-59-70. EDN NWHMEP.
3. Львович Я.Е., Шевырева Е.А. Оптимизация управления в организационной системе с альтернативными поставками на основе модели и алгоритма многовариантного выбора // Моделирование, оптимизация и информационные технологии. 2024. Т. 12. № 4 (47). DOI:https://doi.org/10.26102/2310-6018/2024.47.4.018. EDN LOHJUZ.
4. Aruldoss M., Lakshmi T.M., Venkatesan V.P. A survey on multi criteria decision making methods and its applications // American Journal of Information Systems. 2013. Vol. 1. № 1. P. 31–43. DOI:https://doi.org/10.12691/ajis-1-1-5.
5. Thakkar J.J. Multi-criteria decision making // Singapore: Springer. 2021. Vol. 336. P. 1–365. DOI:https://doi.org/10.1007/978-981-33-4745-8.
6. Munier N., Hontoria E. Uses and Limitations of the AHP Method, 2021. DOI:https://doi.org/10.1007/978-3-030-60392-2.
7. Нечеткая многокритериальная система поддержки принятия решений DecernsFMCDA / Б.И. Яцало [и др.] // Программные продукты и системы. 2022. № 2. С. 171–183. DOI:https://doi.org/10.15827/0236-235X.138.171-183. EDN VGDICX.
8. Methodology for integrated multicriteria decision-making with uncertainty: Extending the compromise ranking method for uncertain evaluation of alternatives / M. Juanpera [et al.] // Fuzzy Sets and Systems. 2022. Vol. 434. P. 135–158. DOI:https://doi.org/10.1016/j.fss.2021.08.008.
9. Techniques to model uncertain input data of multi‐criteria decision‐making problems: a literature review / R. Pelissari [et al.] // International Transactions in Operational Research. 2021. Vol. 28. № 2. P. 523–559. DOI:https://doi.org/10.1111/itor.12598.
10. Чечнев В.Б. Анализ и классификация многокритериальных методов принятия решений // Онтология проектирования. 2024. Т. 14. № 4 (54). С. 607–624. DOI:https://doi.org/10.18287/2223-9537-2024-14-4-607-624. EDN QMCAUL.
11. A comparative analysis of Multi-Criteria Decision-Making methods and normalization techniques in holistic sustainability assessment for engineering applications/ S. Malefaki [et al.] // Aerospace. 2025. Vol. 12. № 2. P. 100. DOI:https://doi.org/10.3390/aerospace12020100.
12. Подиновский В.В., Потапов М.А. Метод взвешенной суммы критериев в анализе многокритериальных решений: Pro et contra // Бизнес-информатика. 2013. № 3 (25). С. 41–48. EDN RBWNYH.
13. Подиновская О.В. Метод анализа иерархий как метод поддержки принятия многокритериальных решений // Информационные технологии моделирования и управления. 2010. № 1 (60). С. 71–80. EDN KZJDNT.
14. Середкин К.А. О границах применимости метода аналитических сетей в задачах принятия решений в естественных науках // Искусственный интеллект и принятие решений. 2018. № 2. С. 95–102. DOI:https://doi.org/10.14357/20718594180208. EDN USBLEW.
15. Accounting for uncertainty in value judgements when applying multi-attribute value theory / R.A. Estévez [et al.] // Environmental Modeling & Assessment. 2018. Vol. 23. №. 1. P. 87–97. DOI:https://doi.org/10.1007/s10666-017-9555-5.
16. Кравченко Т.К., Дружаев А.А. Адаптация методов семейства ELECTRE для включения в Экспертную систему поддержки принятия решений // Бизнес-информатика. 2015. № 2 (32). С. 69–78. EDN UBMTPR.
17. Кравченко Т.К., Авдеев Ю.В. Развитие систем поддержки принятия решений с использованием метода PROMETHEE // Актуальные проблемы гуманитарных и естественных наук. 2010. № 9. С. 67–70. EDN NDKCTR.
18. PROMETHEE: A comprehensive literature review on methodologies and applications / M. Behzadian [et al.] // European journal of Operational research. 2010. Vol. 200. № 1. P. 198–215. DOI:https://doi.org/10.1016/j.ejor.2009.01.021.
19. Халицкая К. Выбор технологий с помощью метода TOPSIS // Форсайт. 2020. Т. 14. № 1. С. 85–96. DOI:https://doi.org/10.17323/2500-2597.2020.1.85.96. EDN GYSKAB.
20. Kelemenis A., Askounis D. A new TOPSIS-based multi-criteria approach to personnel selection // Expert systems with applications. 2010. Vol. 37. № 7. P. 4999–5008. DOI:https://doi.org/10.1016/j.eswa.2009.12.013.
21. Greco S., Ehrgott M., Figueira J.R. Multiple criteria decision analysis. NY: Springer, 2016. P. 43–95. DOI:https://doi.org/10.1007/978-1-4939-3094-4_3.
22. Учет неопределенностей в рамках многокритериального анализа решений с использованием концепции приемлемости / Б.И. Яцало [и др.] // Управление большими системами: сб. трудов. 2011. № 32. С. 5–30. EDN NQVPAT.
23. Lahdelma R., Salminen P. Stochastic multicriteria acceptability analysis (SMAA) // Trends in multiple criteria decision analysis. 2010. P. 285–315. DOI:https://doi.org/10.1007/978-1-4419-5904-1_10.
24. A review and classification of approaches for dealing with uncertainty in multi-criteria decision analysis for healthcare decisions / H. Broekhuizen [et al.] // Pharmacoeconomics. 2015. Vol. 33. № 5. P. 445–455. DOI:https://doi.org/10.1007/s40273-014-0251-x.
25. Вилков В.Б., Черных А.К., Флегонтов А.В. Теория и практика оптимизации решений на основе нечетких множеств и нечёткой логики: монография. СПб: РГПУ им. А.И. Герцена, 2017. 159 с. ISBN 978-5-8064-2342-0. EDN YKYFLZ.
26. A comprehensive review on type 2 fuzzy logic applications: Past, present and future / K. Mittal [et al.] // Engineering Applications of Artificial Intelligence. 2020. Vol. 95. P. 103916. DOI:https://doi.org/10.1016/j.engappai.2020.103916.
27. Герасимова Л.В., Погожев И.Б. Комплексная оценка качества проектов и выбор оптимального варианта по методу академика А.Н. Крылова // Стандарты и качество. 1972. № 8. С. 37–39.
28. Magrez P., Smets P. Fuzzy modus ponens: A new model suitable for applications in knowledge-based systems // Readings in Fuzzy Sets for Intelligent Systems. Morgan Kaufmann. 1993. P. 565–574. DOI:https://doi.org/10.1016/B978-1-4832-1450-4.50060-2.
29. Ремезова Е.М. Нечеткие множества второго порядка: понятие, анализ и особенности применения // Современные проблемы науки и образования. 2013. № 5. С. 435. EDN RRJWEZ.
30. Уткин О.В. Использование нечеткой логики в комплексной модели оценки кандидатов, поступающих в образовательную организацию МЧС России // Вестник Воронежского института ФСИН России. 2021. № 3. С. 131–142. EDN ETYHKG.
31. Уткин О.В. Отбор кандидатов в магистратуру образовательных организаций МЧС России с использованием адаптивной методики оценки на основе аппарата нечеткой логики // Науч.-аналит. журн. «Вестник С.-Петерб. ун-та ГПС МЧС России». 2021. № 3. С. 194–203. EDN JCXIXX.
32. Автоматизированная система нечеткого вывода: свидетельство о государственной регистрации программы для ЭВМ RU № 2016661045, 28.09.2016. Заявка от 04.08.2016.
