|
155 Теория и методы нечеткой логики относится к достаточно мощному инструменту поддержки управленческих решений и получили широкое практическое применение в самых различных сферах деятельности [123]. В отличие от формальной логики, оперирующей точными и четкими понятиями типа истина и ложь, да и нет, ноль и единица, нечеткая логика имеет дело со значениями, лежащими в некотором непрерывном или дискретном диапазоне. Функция принадлежности элементов к заданному множеству также представляет собой не жесткий порог “принадлежит-не принадлежит”, а плавную зависимость, проходящую все значения от нуля до единицы. Понятно, что оперировать такими вещественными величинами сложнее, чем двоичными битами. Многие понятия повседневной жизни не укладываются в рамки традиционной бинарной логики. То же касается и бизнеса на предприятии. Например, нельзя в традиционных подходах количественно выразить отличие таких понятий как “хороший” или “средний” результат маркетинга. Попытки загнать приведенные понятия в конкретные числовые рамки недопустимо огрубят предметную область, либо чрезмерно усложнят решение задачи. Нечеткая логика предлагает более элегантное и действенное решение ситуаций с неопределенной входной информацией. Вначале описывается какое-либо качественное понятие (“отлично” “хорошо” “средне” “удовлетворительно” “плохо”) некоторой функцией распределения подобной вероятностным функциям и далее используется как количественное выражение, забывая его “нечеткую” природу. Теория нечеткой логики позволяет выполнять над такими величинами весь спектр логических операций объединение, пересечение и др. Более того, как это доказано в работе [65], любая математическая система может быть аппроксимирована системой, основанной на нечеткой логике. Аппарат теории нечетких множеств продемонстрировал ряд многообещающих возможностей применения в технических и социально-экономических системах. Известны примеры практического применения теории нечетких множеств при анализе новых рынков, выборе оптимальной ценовой стратегии и т.п. Появились коммерче |
мощью нейротехнологий, приводится в статье Ф .В .Ш и р о к о в а^ . Среди них особое внимание заслуж ивает задача прогнозирования экономической эф ф ективности ф инансирования инновационны х проектов. И сследованные свойства и преим ущ ества нейронных сетей позволяю т рассм атривать их в качестве перспективного м атематического инструментария поддержки реш ений при управлении инновационны ми процессами. Теория и методы нечеткой логики относится к достаточно м ощ ному инструменту поддерж ки управленческих реш ений и получили широкое практическое применение в самых различных сферах деятельности [18,83,128 ]. Вопросы применения нечетких множеств в и н н овационной деятельности исследованы в работе [106]. В отличие от ф ормальной логики, оперирую щ ей точными и ч еткими понятиями типа истина и ложь, да и нет, ноль и единица, н ечеткая логика им еет дело со значениями, лежащ ими в некотором непрерывном или дискретном диапазоне. Ф ункция принадлеж ности элем ентов к заданному м нож еству также представляет собой не жесткий п о рог «принадлеж ит-не принадлежит», а плавную зависимость, проходящую все значения от нуля до единицы. Понятно, что оперировать т а кими вещ ественны ми величинами сложнее, чем двоичными битами. М ногие понятия повседневной жизни не уклады ваю тся в рамки традиционной бинарной логики. То же касается и бизнеса на предприятии. Например, нельзя в традиционны х подходах количественно вы разить отличие таких понятий как «хорош ий» или «средний» результат внедрения инновации. Попытки загнать приведенные понятия в конкретные числовые рамки недопустимо огрубят предметную область, либо чрезмерно услож нят решение задачи. Н ечеткая логика предлагает более элегантное и действенное реш ение ситуаций с неопределенной * 'Ш ироков Ф.В. Н ейрон и доллар. Нейротехнология в сфере ф и нансовых услуг// Д еловой партнер. П илотный номер, 1995. С.31-44. 170 входной информацией. Вначале описы вается какое-либо качественное понятие («отлично» «хорош о» «средне» «удовлетворительно» «плохо») некоторой функцией распределения подобной вероятностным функциям и далее используется как количественное выражение, забы вая его «нечеткую » природу. Теория нечеткой логики позволяет выполнять над такими величинами весь спектр логических операций объединение, пересечение и др. Более того, как это доказано в работе [35]. любая математическая система может быть аппроксим ирована системой, основанной на нечеткой логике. А ппарат теории нечетких множеств продем онстрировал ряд многообещ аю щ их возможностей применения в технических и социальноэкономических системах. И звестны примеры практического прим енения теории нечетких множеств при анализе новых рынков, выборе оптим альной ценовой стратегии и т.п. П оявились коммерческие системы массового применения, среди которых наиболее известен пакет C ubiC alc [46]. По сути, этот пакет представляет своего рода эксп ер тную систему, в которой пользователь задает набор правил типа «еслито», а система пытается на основе этих правил реагировать на п ар аметры текущей ситуации. О тличие состоит в том, что вводимые п рави ла содерж ат нечеткие величины, но аппарат нечеткой логики дает возможность оперировать этими понятиями как точными и строит на их основе целые логические системы, не учиты вая зыбкую природу и сходных определений. Эта особенность, по наш ему мнению, очень важ на для принятия реш ений при управлении инновационными процессами, отличаю щ имися использованием нечетких параметров. Рассмотренны е нейросетевы е и нечеткие алгоритмы представляют несомненную перспективу практического использования для ш и рокого круга управленческих задач. Особую актуальность приобретает использование данного инструментария при управлении разовы ми процессами с низким уровнем структурированности, неколичественны ми 171 |