Россия
Рассматривается приоритезация задач в информационных системах, где данные могут быть неполными, а условия – изменчивыми. Проанализированы существующие методы (Analytic Hierarchy Process, Technique for Order of Preference by Similarity to Ideal Solution, эвристики, машинное обучение) и показано, что ни один из них не обеспечивает одновременно устойчивость, адаптивность и понятность результатов. Предлагается модель приоритезации, которая автоматически учитывает важность признаков, работает с неполными данными и может объяснить свои решения. Также вводится корректировка приоритета с учётом связей между задачами. Проведён эксперимент, подтверждающий, что модель сохраняет стабильность при потере части данных. Решение можно применять в help desk-системах, управлении проектами, цифровых платформах и потоковых информационных системах.
приоритезация задач, неполные данные, адаптивный алгоритм, информационные системы, интерпретируемость, многокритериальный анализ
1. Сапунков А.А., Афанасьева Т.В. Методика поддержки принятия решения в задаче приоритезации запросов пользователей в развивающихся программных продуктах // Автоматизация процессов управления. 2020. № 1 (59). С. 55–64. DOI:https://doi.org/10.35752/1991-2927-2020-1-5-55-64.
2. Kirana A.T., Putri E.P. Supplier Selection Analysis of Metallic Box Using Fuzzy Analytic Hierarchy Process (AHP) // Physics and Mechanics of New Materials and Their Applications: 2023: International Conference, Surabaya. Rostov-on-Don, Taganrog: Southern Federal University, 2023. P. 50–51.
3. Febrio A., Rachmatullah Sh. Aplikasi pemberian kredit menggunakan metode technique for order preference by similarity to ideal solution (TOPSIS) // Insand Comtech : Information Science and Computer Technology Journal. 2022. Vol. 6. №. 1. DOI:https://doi.org/10.53712/jic.v6i1.1668. EDN QYEEHN.
4. Грудинина В.П. Анализ конкурентоспособности вакансий с использованием методов поддержки принятия решений ELECTRE I и ELECTRE II // Наука. Технологии. Инновации: сб. трудов. Новосибирск, 2015 г. Т. 1. С. 58–60. EDN VLVWQN.
5. Kobrinskii B.A., Yankovskaya A.E. The problem of convergence of intelligent systems and their submergence in information systems with a cognitive decision-making component // Открытые семантические технологии проектирования интеллектуальных систем. 2020. № 4. P. 117–122. EDN ROFNLJ.
6. Смоленцева Т.Е., Калач А.В., Трушин С.М. Совершенствование алгоритма управления сортировкой входной документации в системе электронного документооборота // Вестник Воронежского института ФСИН России. 2022. № 4. С. 167–176. EDN DIKAOV.
7. Farakhutdinov R.A. Heuristic optimization methods for linear ordering of automata // Izvestiya of Saratov University. Mathematics. Mechanics. Informatics. 2025. Vol. 25. № 2. P. 295–302. DOI:https://doi.org/10.18500/1816-9791-2025-25-2-295-302. EDN ZTYLML.
8. Иванова А.Г., Павлов Л.А. Интеграция данных «1С: предприятия» с web-приложениями с использованием REST-интерфейса // Информатика и вычислительная техника: сб. трудов. Чебоксары, 2016. С. 81–84. EDN WQRQBH.
9. Ростовцев П.С. Перестановочный критерий для анализа взвешенной выборки // Социология: методология, методы, математические модели. 2002. № 15. С. 135–157. EDN PEYIPX.
10. Пудова Н.В., Никитин В.В. Анализ значений коэффициента ранговой корреляции Спирмена // Экономический анализ: теория и практика. 2004. № 3 (18). С. 52–56. EDN HYSOKB.
