УДК 004.021 УДК 519.816

АЛГОРИТМ И ПРОГРАММНЫЕ СРЕДСТВА МНОГОКРИТЕРИАЛЬНОЙ ОЦЕНКИ И ВЫБОРА В ОРГАНИЗАЦИОННЫХ СИСТЕМАХ

Опубликовано в Научно-аналитический журнал "Вестник Санкт-Петербургского университета ГПС МЧС России" · Том 2025, Номер 3 · Страницы 77–90 · Рубрика: ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ
DOI: https://doi.org/10.61260/2218-130X-2025-3-77-90
Получено: 05.06.2025 Одобрено: 08.09.2025 Опубликовано: 21.10.2025
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
Текст Список литературы
Текст (PDF)
Читать Скачать

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.

Войти или Создать
* Забыли пароль?