авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 |   ...   | 15 | 16 ||

«Министерство образования и науки Российской Федерации Филиал федерального государственного бюджетного образовательного учреждения ...»

-- [ Страница 17 ] --

В настоящее время для принятия какого-либо решения руководитель использует свой собственный опыт или прибегает к мнению экспертов, способных быстро и качественно описать существующую проблему и методы ее решения. В своей деятельности эксперты используют различные методы, включая и метод анализа иерархий (МАИ).

В рамках диссертационного исследования рассматриваются два подхода к выбору инвестиционного проекта, который необходимо в будущем выполнить коллективом вуза без каких-либо рисков. Первый метод представляет собой вероятностный подход, связанный с оценкой рисков реализации инновационных проектов, а второй – метод анализа иерархий, направленный на выбор проекта, который принесет стабильную прибыль и будет выполнен без каких-либо осложнений.

Метод анализа иерархий представляет собой математический инструмент системного подхода к проблемам принятия управленческих решений, направленный на обоснованный выбор альтернатив с использованием многокритериального рейтингования [2]. Метод разработан американским ученым Т. Саати, и основное применение получил в поддержке принятия решений посредством иерархической композиции задачи и анализа альтернативных решений.

Метод анализа иерархий предполагает декомпозицию существующей проблемы на более простые составляющие части, которые ложатся в основу критериев, и обработку суждений лица, принимающего решение. Затем экспертом определяется значимость рассматриваемых альтернатив для всех критериев, находящихся в исследуемой иерархии. Согласно теории Т. Саати относительная значимость выражается численно в виде так называемых векторов приоритетов. Полученные таким образом значения векторов являются оценками экспертов по шкале отношений и соответствуют так называемым жестким оценкам [2].

В теории МАИ выделяются различные модификации, которые определяются характером связей между критериями и альтернативами, представленными на самом нижнем уровне исследуемой иерархии, а также методом сравнения существующих альтернатив.

Характер связей между критериями и альтернативами лежит в основе двух существующих типов иерархий. К первому типу относятся такие, у которых каждый критерий связан со всеми рассматриваемыми альтернативами (тип иерархий с одинаковым числом и функциональным составом альтернатив). Ко второму типу иерархий принадлежат такие, у которых каждый критерий связан лишь с частью рассматриваемых альтернатив (тип иерархий с различными числом и функциональным составом альтернатив) [2].

Этапы применения МАИ в исследовании таковы [1]:

1. Определение приоритетов всех элементов иерархии с использованием метода парных сравнений.

2. Синтез приоритетов альтернатив путем линейной свертки приоритетов элементов на иерархии.

3. Проверка суждений на согласованность.

4. Принятие решения на основе полученных результатов.

Этап построения иерархии начинается с подробного описания проблемы исследования. Далее строится сама иерархия, которая начинается с цели, занимающей верхний уровень структуры, затем оформляются промежуточные уровни (например, критерии) и альтернативы, расположенные на самом нижнем иерархическом уровне.

Для установления важности элементов иерархии используется шкала отношений (табл.1). Данная шкала позволяет лицу, принимающему решение (ЛПР), ставить некоторые числа, соответствующие степеням предпочтения одного исследуемого объекта перед другим [2].

Таблица 1.

Шкала относительной важности Интенсивность Определение относительной важности 1 равная важность 3 умеренное превосходство одного над другим 5 существенное превосходство 7 значительное превосходство 9 очень сильное превосходство 2,4,6,8 промежуточные решения между двумя соседними решениями При использовании указанной шкалы лицо, принимающее решение, сравнивая два критерия на предмет достижения цели, расположенной на нулевом уровне иерархии, должно поставить в соответствие этому сравнению число в интервале от 1 до 9 или обратное значение чисел.

Необходимо помнить, что при сравнении рассматриваются критерии в определенной последовательности, например, первый критерий (альтернатива) сравнивается со вторым и результатом данного анализа является величина, представленная в таблице. В результате сравнения второго критерия (альтернативы) с первым (в парном сравнении величины меняются местами и располагаются, например, под диагональю матрицы сравнений) получается обратная величина.

В тех случаях, когда трудно определить количество промежуточных градаций от абсолютного до слабого предпочтения, можно использовать шкалу с меньшим числом градаций. Самый простой и предельный вариант – это наличие в шкале двух оценок: 1 - объекты равнозначны;

2 - предпочтение одного объекта над другим [1].

После построения иерархии устанавливается метод сравнения ее элементов, результатом которого является множество матриц парных сравнений. Для этого в иерархии выделяются элементы двух типов:

элементы-"родители" и элементы-"потомки". Последние воздействуют на соответствующие элементы вышестоящего уровня иерархии (элементы "родителями"). Матрицы парных сравнений строятся для всех элементов "потомков", связанных с соответствующим элементом-"родителем".

Элементами-"родителями" могут являться элементы, принадлежащие любому иерархическому уровню, кроме последнего, на котором расположены, как правило, альтернативы [1].

Для получения каждой матрицы ЛПР или эксперт представляет n(n-1)/ умозаключений (здесь n - порядок матрицы парных сравнений). При сравнении критериев или альтернатив обычно спрашивают, какой из представленных критериев более важен или какая из альтернатив более предпочтительна или более вероятна.

Следующим этапом принятий решений является иерархический синтез, используемый для взвешивания собственных векторов матриц парных сравнений альтернатив весами критериев (элементов), которые присутствуют в иерархии, а также для вычисления суммы по всем соответствующим взвешенным компонентам собственных векторов нижележащего уровня иерархии. Далее рассматривается алгоритм иерархического синтеза:

1. Определяются векторы приоритетов альтернатив относительно элементов предпоследнего уровня иерархии.

2. Аналогичным образом обрабатываются матрицы попарных сравнений собственно элементов.

3. Осуществляется собственно иерархический синтез, заключающийся в последовательном определении векторов приоритетов альтернатив относительно элементов, находящихся на всех иерархических уровнях, кроме последнего, содержащего элементы [2].

После решения задачи иерархического синтеза оценивается однородность всей иерархии. Для этого используется суммирование показателей однородности всех уровней, приведенных путем "взвешивания" к первому иерархическому уровню, где находится корневая вершина.

Метод анализа иерархий, как метод принятия решений, основанный на нечеткой математике, позволяет удобно и достаточно объективно производить оценку альтернатив по отдельным критериям. В отличие от других методов, добавление новых альтернатив не изменяет порядок ранее ранжированных наборов, что позволяет с успехом использовать данный метод в выборе инвестиционных проектов.

Литература 1. Андрейчиков, А.В. Анализ, синтез, планирование решений в экономике / А.В. Андрейчиков, О.Н. Андрейчикова. - М.: Финансы и статистика, 2000.

2. Саати Т.Л. Принятие решений. Метод анализа иерархий. - М.: Радио и связь, 1993.

А.А. Ремнева, С.В. Лаптева ТЕХНОЛОГИЯ ПРИНЯТИЯ РЕШЕНИЙ ПРИ АНАЛИЗЕ ИНВЕСТИЦИОННЫХ ПРОЕКТОВ ФГБОУ ВПО «Тольяттинский государственный университет»

Уже несколько лет перед народным хозяйством стоит задача активизации инвестиционной деятельности, включая и сферу образования как одну из важнейших отраслей социально-экономического сектора. Для реализации этой задачи необходимо использовать все доступные финансовые, материальные и иные ресурсы, направленные на решение наиболее значимых для того или иного вуза проблем.

В наиболее общем смысле под инвестиционным проектом понимают некое вложение капитала на определенный срок с целью извлечения дохода.

В специальной литературе инвестиционный проект рассматривается как «комплекс взаимосвязанных мероприятий, направленных на достижение определенных целей в течение ограниченного периода времени» [1].

Одним из разновидностей инвестиционного проекта является инновационный проект, который представляет собой частную форму организации и управления процессом, направленным на получение конкретного инновационного продукта. Исполнителем данного проекта считается научно-исследовательский коллектив, который представляет собой некое малое предприятие.

Однако в современное время существует множество факторов, которые препятствуют разработке и внедрению инновационных идей. Они связаны с отсутствием необходимых знаний и навыков, а также с недостатком различных ресурсов, включая кадровые, финансовые и материально технические. Необходимо заметить, что со стороны государства предприниматели не получают должную поддержку в развитии и стимулировании инноваций, поэтому они вынуждены изыскивать возможность развития инноваций в малом бизнесе.

Одной из таких возможностей рассматривается сотрудничество с вузами по вопросу разработки и внедрения инновационных проектов. Оно позволяет решить такую проблему, как нехватка квалифицированных специалистов или отсутствие у сотрудников предприятия соответствующих знаний и навыков, необходимых для разработки и внедрения нововведений.

Такое сотрудничество заключается в финансировании разработки инновационного проекта в вузе. При этом партнером со стороны вуза рассматривается творческий коллектив, выступающий в качестве малого предприятия.

При подобном сотрудничестве необходимо всегда помнить, что нововведения зачастую связаны с большим риском. Если учитывать, что инновационный проект предполагает в своем содержании много оригинального, то путь к получению прибыли будет подвержен различным рискам, связанным с исполнителями и условиями разработки. Главными факторами, которые необходимо учитывать при разработке инновационных проектов, будут выступать объем, надежность и полнота информации об источниках риска. Однако необходимо учитывать и тот факт, что выполнение проекта нужно контролировать на всех этапах и иметь представление о том, каковы перспективы развития проекта и полученных результатов. Одним из таких инструментов контроля является методика расчета вероятностей успешной реализации инновационных проектов в вузах.

Под инновационным проектом в вузе понимают «проект, который опирается на ранее проведенные научно-технические разработки, приведшие к перспективным для коммерческого использования результатам» [2].

Предполагается, что инновационный проект является коммерческим, поэтому его реализация осуществляется внешним партнером. При этом вуз, отвечающий за разработку, получает доход от реализации проекта в виде процента от прибыли партнера или в виде единовременной выплаты.

Таким образом, в инновационном проекте участвуют как минимум две организации: вуз (как малое предприятие) и внешний партнер. Работа внутри вуза часто разбивается на два этапа:

1) научно-исследовательская работа прикладного характера, направленная на разработку новой продукции;

2) разработка технологии выпуска продукции.

В деятельности внешнего партнера можно выделить следующие этапы:

1) освоение выпуска продукции;

2) переход к массовому выпуску продукции;

3) продажа первых партий продукции и получение оплаты от покупателей;

4) первое поступление средств на расчетный счет и т.д.

Таким образом, успешное завершение инновационного проекта будет зависеть как от внешнего партнера, так и от научно-исследовательского коллектива вуза, с которым будут связаны собственные группы рисков. Вуз, как малое предприятие, может взять на себя такие процедуры как маркетинг и рекламные компании, возможно и продажу на определенных условиях.

Если инновационный проект связан с внутривузовской сетью, то частичное покрытие расходов может происходить за счет источников финансирования тех подразделений вуза, которые пользуются этой сетью.

В рамках магистерской диссертации было проведено исследование, связанное с деятельностью социального университета (филиал РГСУ в г.Тольятти) для определения видов деятельности, связанных с принятием управленческих решений. Данное направление связано с темой исследования, которое направлено на разработку системы поддержки принятия решений в образовательной сфере. В связи с этим были представлены этапы научного исследования:

1. Анализ существующих методов принятия решений с целью классификации видов задач, решаемых с помощью общепринятых алгоритмов.

2. Анализ видов деятельности ВУЗа с целью выявления круга задач согласно указанной специфике.

3. Разработка технологии принятия решений при рассмотрении определенного круга задач, связанных с риском.

На первом этапе были проанализированы определенные классы методов принятия решений для выявления и описания проблем, которые можно решить с помощью тех или иных математических методов. В результате анализа был определен круг задач, к которым можно применить методы принятия управленческих решений.

На втором этапе среди существующих видов деятельности ВУЗа акцент был сделан на научно-исследовательскую деятельность научно педагогических работников с привлечением различных инвестиций. В связи с этим были предложены инновационные проекты следующих направлений:

социальная сфера (включая образовательные услуги, социальное обеспечение, социальная работа);

ИТ-технологии (разработка программ);

юридические услуги.

Третий этап исследования предполагает выявление возможных рисков реализации инновационных проектов и разработку технологии вероятно статистической оценки рисков предлагаемых инвестором проектов.

Вероятность того, что научно-исследовательский коллектив полностью выполнит свою работу, зависит от двух групп факторов, определяемых ситуациями соответственно внутри коллектива исполнителей и внутри вуза.

Третий фактор риска связан с партнером, который также может выполнить свою часть договора или нет (полностью или частично). Четвертый фактор риска — макроэкономический, т.е. ситуация в народном хозяйстве (степень выраженности неплатежей, инфляции, нерациональной налоговой политики и т.д.).

Анализ рисков инновационного проекта позволяет выделить следующие группы рисков [2]:

1. Риск невыполнения работы в соответствие с техническим заданием.

2. Риск невозврата средств.

3. Риск недооценки сложности поставленной задачи.

4. Риск смены научного руководителя проекта.

5. Риск, связанный с нехваткой времени.

6. Риск, связанный с ненадежностью деловых партнеров или заказчиков.

С учетом возможных рисков, описанных выше, можно построить некую модель инновационного проекта, описав этапы расчета вероятности реализации инновационного проекта в вузе:

1. Выделение основных факторов, определяющих риски реализации инновационных проектов в вузе.

2. Определение основной формулы математической модели расчета рисков реализации инновационных проектов с учетом указанных факторов.

3. Оценивание перечисленных вероятностей (входящих в основную формулу), каждая из которых будет вычисляться с помощью линейных функций.

4. Оценивание вероятности успешного выполнения инновационного проекта в вузе.

Полученные выводы необходимо учесть при организации тех или иных инновационных проектов. Если руководство вуза настаивает на организации какого-либо проекта, то необходимо предложить руководству проанализировать возможные риски и при необходимости предусмотреть определенные моменты, связанные с факторами риска.

Таким образом, в рамках диссертационного исследования предлагается технология выбора инновационных проектов, финансирование которых целесообразно проводить с учетом описанной выше вероятностно статистической оценки их рисков реализации с участием экспертов.

Литература 1. Виленский, П.Л. Оценка эффективности инвестиционных проектов.

Теория и практика: учебное пособие / П.Л. Виленкин, В.Н. Лившиц, С.А. Смоляк. – М.: Издательство «Дело», 2002. – 888 с.

2. Орлов, А.И. Принятие решений. Теория и методы разработки управленческих решений / А.И. Орлов. – М.: ИКЦ «МарТ»;

Ростов н/Д:

Издательский центр «МарТ», 2005. – 496 с.

А.Е. Сверчков, А.С. Подобаев ОБЗОР И АНАЛИЗ СОВРЕМЕННЫХ СПЕЦИФИКАЦИЙ МОДЕЛИРОВАНИЯ Научный руководитель: к.т.н. доцент А.В. Очеповский Филиал РГГУ в г. Тольятти sverch63@gmail.com В настоящее время в различных областях человеческой деятельности широкое распространение получили разнообразные автоматизированные системы управления и обработки информации. Ввиду этого многообразия, а так же необычайной сложности современных автоматизированных систем их функциональные возможности далеко не всегда реализуются в полной мере, а эффективность и качество функционирования остаются ниже потенциально возможных. В связи с этим задача теоретических исследований представляет важную часть множества мер и технических решений, направленных на их совершенствование.

Консорциум OMG, образованный в 1989 году, является открытой для членства международной, некоммерческой организацией, занимающийся разработкой и продвижением объектно-ориентированных технологий и стандартов. Девиз OMG «Одна организация – один голос» обеспечивает эффективность голоса любой организации-члена консорциума и большой и маленькой.

Стандарты моделирования OMG охватывают огромный спектр технологий, включая системы реального времени, встраиваемые и специализированные системы, технологии анализа и проектирования, изменение, основанное на архитектуре и многое другое.

Unified Modeling Language (Унифицированный язык моделирования, UML) – язык графического описания для объектного моделирования в области разработки программного обеспечения. UML является языком широкого профиля, это открытый стандарт, использующий графические обозначения для создания абстрактной модели системы, называемой UML моделью. UML не является языком программирования, но в средствах выполнения UML-моделей как интерпретируемого кода возможно автоматическое формирование кода. При этом UML и поддерживающие его инструменты – это не самоцель;

UML предполагает, но не обязывает использование определенных методологий при объектно-ориентированном анализе и процессов при объектно-ориентированном проектировании. UML является основой для других языков моделирования в соответствии со стандартом MOF.

В 1997 году в OMG принят стандарт UML версии 1.1 (8 диаграмм). По данным сайта OMG, в ноябре 2007 принят стандарт 2.1.2 (13 диаграмм), в августе 2011 г. опубликовано описание версии 2.4.1, она является актуальной на данный момент.

Спецификация Common Warehouse Metamodel (Общая метамодель хранилищ данных, CWM) - это стандарт, который описывает обмен метаданными при использовании технологий хранилищ данных, бизнес– аналитики, управления знаниями. Опираясь на базовую метамодель, стандарт добавляет метамодели для реляционных и многомерных данных, а также для функции аналитической обработки в реальном времени.

CWM используется как основа для обмена экземплярами метаданных между гетерогенным программным обеспечением, поставляемым различными производителями. Системы, которые "понимают" метамодель CWM, обмениваются данными в форматах, согласуемыми с этой спецификацией.

CWM выражен на языке UML. Но, хотя UML является нотационным основанием для определения CWM, CWM расширяет базовую метамодель UML с помощью концепций технологий Хранилищ данных и бизнес-анализа.

Можно сказать, что CWM расширяет язык UML в том смысле, что каждый метакласс CWM наследуется напрямую либо ненапрямую из метаклассов UML. Например, метакласс "Реляционная Таблица CWM" является непосредственным наследником Класса UML, а "Реляционный Столбец" - прямой потомок атрибута UML. Таким образом, CWM можно характеризовать как язык определенной области применения, предназначенный для определения моделей Хранилищ данных.

Другой стандарт OMG - Meta Object Facility (Средство метаобъекта, MOF) - определяет общие интерфейсы и семантику для взаимодействующих метамоделей. MOF - это пример мета-метамодели, или модели метамодели (подмножество UML). Он также определяет набор IDL-преобразований (Interface Definition Language - язык описания интерфейса, который устанавливает спецификацию интерфейса для обнаружения и управления моделей с помощью программных библиотек).

Помимо определения общей семантики для метамоделей MOF также служит в качестве модели для UML (то есть в конечном итоге MOF определяет язык, на котором выражается метамодель UML). Поскольку CWM наследуется из UML, MOF также является моделью и для CWM. Все модели CWM выражаются на UML и реализуют семантику MOF.

Стандарт, который непосредственно задействован в обмене метамоделями – это XMI – XML Metadata Interchange (Обмен метаданными XML)/ XMI является стандартом OMG, который устанавливает правила преобразования метамоделей MOF в XML. XMI определяет, как использовать XML-теги для представления сериализованных моделей, совместимых с MOF. Метамодели MOF транслируются в XML Document Type Definition (определение типа документа, DTD), а модели - в XML документы, которые согласуются со своими DTD.

Каждая метамодель CWM представляется как XML DTD (в соответствие с правилами XMI), так и определение IDL. В первом случае модели CWM преобразуются в поток, после чего ими обмениваются, как документами XMI. При экспорте метаданные посредством XMI-документа, необходимо выполнить XMI-преобразование в форме, которая легальна по отношению к DTD. При импорте данных с помощью XMI-документа, следует проверять модель на допустимость по этим DTD.

Во втором случае моделей объектов CWM создаются в памяти или хранятся в репозитории - в этой ситуации IDL предпочтительней, поскольку он определяет необходимые интерфейсы, подписи методов и структуру совокупности, которые эта модель должна поддерживать.

Этот набор метамоделей, предоставляемых CWM, достаточен для моделирования всего Хранилища данных. Используя инструмент, поддерживающий CWM, можно было бы сгенерировать экземпляр Хранилища данных прямо из модели Хранилища данных. Каждый из этих различных инструментов использует те части модели, которыми можно воспользоваться. Например, сервер реляционной базы данных задействует реляционный блок этой модели и будет использовать его для построения его каталога. Аналогично OLAP-сервер будет отыскивать в модели метаданные OLAP и использовать их для определения многомерной схемы. А инструмент извлечения, преобразования и загрузки данных, скорее всего, обработал бы срез модели Хранилища данных, которая охватывает несколько метамоделей CWM, в том числе метамодели OLAP, преобразования, типа данных, преобразования типов, выражений и реляционную метамодель.

Мы рассмотрели основные спецификации моделирования, у OMG есть еще спецификаций (список неполный):

Business Process Modeling and Notation – BPMN (Нотация и моделирование бизнес процессов);

Semantics of Business Vocabulary and Business Rules – SBVR (Семантика бизнес–словаря и бизнес–правила);

CORBA and Middleware (CORBA и Связующее программное обеспечение);

CORBA services (CORBA услуги);

CORBA security (безопасность CORBA);

Data Distribution Service (Служба распространения данных) Language Mappings (Язык отображения);

Modeling and Metadata (Моделирование и метаданные).

Литература 1. OMG Specification [Электрон. ресурс – Электрон. дан. - Режим доступа:

http://www.omg.org/spec/index.htm 74. Intersoft Lab [Электрон. ресурс] – Электрон. дан. - Режим доступа: http:// http://www.iso.ru/ А.С. Свирский РАЗРАБОТКА СИСТЕМЫ ОПРЕДЕЛЕНИЯ И ОТОБРАЖЕНИЯ ОПТИМАЛЬНОГО МАРШРУТА АВТОТРАНСПОРТА Научный руководитель: А.Д. Козлов, к.т.н., доцент Факультет информатики РГГУ AlexSvirskiy113@gmail.com Люди сталкиваются с задачей поиска оптимального пути постоянно:

начиная от банальной задачи дойти от метро до института и заканчивая заданиями высочайшей сложности и точности, такими как проектирование автопилотов. И если для решения элементарных задач никаких специальных средств не требуется, то с повышением сложности появляются проблемы, которые «вручную» решить невозможно.

Первая и основная проблема – объём выборки для анализа. Зачастую простому человеку сложно сделать выбор даже между двумя или тремя дорогами, ведущему к месту его назначения. А что делать, если нам нужно добраться из одной части города в другую? Вариантов слишком много.

Кроме этого существует проблема «знаний». Та же задача – добраться на машине из одной части города в другую. Пускай водитель знает, какой дорогой нужно ехать. Но вдруг на середине пути обнаруживается, что дальнейшее продвижение по нему невозможно, из-за ремонтных работ.

Приходится искать новый, неизвестный путь, а затраченного времени не вернуть.

Наиболее распространённый способ моделирования таких задач – графы. Место отправления, место назначения и все места поворотов становятся вершинами, а дороги, связывающие эти места, рёбрами. Граф может как ориентированным, так и не ориентированным, в зависимости от условий поставленной задачи. Каждому ребру присваивается значение: либо просто длина данной дороги (в обычных задачах), либо время, затрачиваемое на преодоление данного отрезка пути (в задачах с динамическими составляющими, такими как пробки).

Почему такая задача актуальная для нас в применении к автотранспорту? Ситуация в столице сегодня такова, что транспортные пробки на улицах города в пиковые часы достигают сотен километров (см рис.1), наземный общественный транспорт значительно снижает свою провозную возможность и становится малопривлекательным для пассажиров, затрудняется передвижение экстренного и служебного транспорта. Также возрастает количество мелких аварий, нарушений ПДД, от стоящих и работающих на самом «вредном» холостом ходу автомобилей запредельно увеличивается загазованность воздуха и подобное. Коллапс наземного транспорта переводит пассажиропоток под землю, где уже «задыхается»

метро, действующее на пределе своей пропускной способности.

Рис.1 – Пример пробок в Москве (2012 год) Анализ рынка навигационных программ показывает явный недостаток программных продуктов в данной области (см Таблица 1).

Таблица Анализ самых популярных навигационных программ Полнота Наименование Платформо- Аппаратное Цена Интерфейс набора продукта зависимость удобство функций + + + - 2GIS - + - + iGO - - + + + Garmin (+ означает положительную оценку характеристики, - отрицательную).

В связи с этим была поставлена цель: разработать программный продукт для реализации следующих функций навигации:

* Загрузки и обработки информации о выбранном участке карты * Нахождения оптимального пути с задаваемыми начальным и конечным пунктами * Поддержки динамического контроля изменений дорожных условий (дорожные заторы различной степени, запрещённые маршруты) * Отображения на экране карты с отмеченным на ней предлагаемым маршрутом Для достижения поставленной челибыли сформулированы следующие задачи:

1) Анализ предметной области;

2) Исследование методов и алгоритмов транспортного моделирования;

3) Проектирование оптимизированного алгоритма для создаваемого продукта;

4) Проектирование структуру программы;

5) Разработка программного продукта;

6) Проведение тестирования продукта.

Для достижения поставленной цели необходимо проанализировать существующие алгоритмы поиска оптимального пути, чтобы выбрать наиболее подходящую основу для разрабатываемого продукта.

Проанализируем существующие алгоритмы в приложении к нашей задаче поиска оптимального маршрута автотранспорта. Поиск в ширину не подходит, так как не используются веса рёбер графа, поиск в глубину же даёт не оптимальный путь, что приводит к повторяющимся маршрутам. Алгоритм IDDFS требует наличия пути по прямой от старта к цели для оценки, а группа алгоритмов задачи коммивояжёра ставит условие возвращения в начальную вершину, что также не позволяет использовать эти алгоритмы. Алгоритм «лучший-первый» подходит для поиска оптимального пути, но то, что он не принимает во внимание накопленную стоимость пути, направляясь по прямой через зону с высокой стоимостью, не позволяет нам применить наши оптимизационные методы с его использованием. Метод Дейкстры же даёт нам возможность и найти оптимальный путь, и оптимизировать алгоритм нашими конкретными условиями. Также, по предварительной оценке его практической реализации, алгоритм наиболее оптимально подходит к методам, применяемым в нашем программном продукте.

Главным оптимизационным заданием являлся учёт в алгоритме динамического контроля изменений дорожных условий как до начала процесса поиска пути, так и уже после него (внесение корректив в первоначальное решение).

После завершения проектирования, задуманная система определения и отображения оптимального пути автотранспорта была реализована средствами Microsoft Visual C++ Studio 6.0 и на основе успешных предварительных тестов в данный момент проходит опытное тестирование в условиях практики.

Литература 1. Сергеев А.В., Сергеева Н.А. «О совершенствовании моделирования транспортных маршрутов» // Современные наукоёмкие технологии – 2010, номер 4, с. 95-96;

2. Федеральная служба государственной статистики РФ [Электронный ресурс] - Электрон. дан. - Режим доступа: http://www.gks.ru/ 3. Система 2GIS [Электронный ресурс] - Электрон. дан. - Режим доступа:

http://msk.2gis.ru/ 4. Система iGO [Электронный ресурс] - Электрон. дан. - Режим доступа:

http://www.igomyway.com 5. Система Garmin [Электронный ресурс] - Электрон. дан. - Режим доступа:

http://www.garmin.com И.А. Сиротина НОВАЯ ТЕОРИЯ КОДИРОВАНИЯ, ОСНОВАННАЯ НА МАТРИЦАХ ФИБОНАЧЧИ Научный руководитель: О.А. Кузнецов Балашовский институт Саратовского государственного университета имени Н.Г. Чернышевского sirotina.ira1991@yandex.ru Под кодированием понимается процесс преобразования сигнала из формы, удобной для непосредственного использования информации, в форму, удобную для передачи, хранения или автоматической обработки.

Необходимость кодирования возникает прежде всего из потребности приспособить форму сообщения к данному "каналу связи" или какому-либо устройству, предназначенному для преобразования или хранения информации [1].

Теория кодирования информации является одним из важных разделов теоретической информатики. В нем рассматриваются такие вопросы как принципы кодирования информации и приемы, обеспечивающие надежность передачи информации по каналам связи. Современная теория кодирования это совокупность, по крайней мере, четырех различных направлений:

Теория систем счисления;

Теория криптографии;

Теория эффективных кодов;

Теория избыточных кодов.

Для решения задач кодирования широко используется различный математический аппарат. Например, в теории алгебраических кодов широко используется аппарат теории групп, в современной криптографии основным математическим аппаратом является теория чисел. Но в последнее время для кодирования начали использовать матрицы. И большую популярность начало набирать "Фибоначчиевое" кодирование, основанное на фибоначчиевых матрицах [2].

Фибоначчиева Q-матрица представляет собой матрицу размером 2х2 и имеет следующий вид:

Q= (1) Для того, чтобы понять как эта матрица связана с числами Фибоначчи, возведем ее в степень n. Получим:

Qn = (2) Fn+1, Fn, Fn-1 Числа Фибоначчи.

Рассмотрим более простой способ получения Qn-матриц, а так же Q-n матриц. Он вытекает непосредственно из выражения (2). Для этого нужно записать две последовательности Фибоначчи, сдвинутые на один столбец одна относительно другой (см. табл. 1) Таблица n 6 5 4 3 2 1 0 -1 -2 -3 -4 -5 - Fn+1 13 8 5 3 2 1 1 0 1 -1 2 -3 Fn 8 5 3 2 1 1 0 1 -1 2 -3 5 - Если выбрать число n=1 из табл. 1 и затем четыре числа Фибоначчи в двух следующих строках под числами 1 и 0 первой строки, то мы можем увидеть, что множество из четырех чисел Фибоначчи образует Q-матрицу (1). Перемещаясь влево и вправо от Q-матрицы по табл. 1, мы получим матрицы Q2, Q3,..., Qn, а так же обратные им матрицы Q-2, Q-3,..., Q-n [3].

Введя понятие Qn -матрицы и обратной ей Q-n, а так же не углубляясь в свойства обобщенных p-чисел Фибоначчи, можно рассмотреть пример кодирования и декодирования с помощью этих матриц [4].

Представим исходное сообщение в виде матрицы размером 2х2:

M= (3) Предположим, что сообщение представляет собой последовательность десятичных чисел: 358 091 466 725.

Представим это сообщение в виде:

M= (4) Для кодирования используем матрицу пятой степени:

Q5 = (5) Тогда, "фибоначчиевое" кодирование сообщения M, задаваемого в матричной форме, состоит в умножении исходной матрицы (3) на кодирующую матрицу (4), то есть:

(5) где = = (6) = = Применим (5) к примеру (4). В итоге получаем следующую матрицу E.

После этого кодовое сообщение E=3319 2063 7353 4505 направляется в коммуникационный канал. Для декодирования сообщения необходимо сообщение Е представить в матричной форме, а затем умножить ее на обратную Qn-матрицу. В нашем случае это Q-5-матрица. Получаем следующее:

(7) Вычислим элементы полученной матрицы, принимая во внимание (6):

= = = = Таким образом получаем:

= M (8) Тем самым доказали возможность кодирования и однозначного декодирования исходной числовой информации, используя "фибоначчиеву" Q-матрицу любой степени [5].

Таким образом, "фибоначчиево кодирование" является очень необычным, но эффективным методом. С помощью полученной матрицы E и свойств детерминантов можно обнаруживать, а так же исправлять ошибки в сообщении. Здесь корректируются не отдельные биты или их комбинации в двоичных кодах, как это принято в классической теории кодирования, а числа, являющиеся элементами матриц. Принципиальным отличием от классического кодирования является возможность корректирования элементов матриц, которые могут быть числами огромной величины. Так же доказано, что использование "фибоначчиева" метода шифрации дешифрации, можно проектировать супер-надежные криптосистемы, позволяющие защитить информацию не только от "хакеров", но и от "шумов". Вот почему рассмотренный выше метод имеет большую важность для теории кодирования, а так же корректирования кодов.

Список литературы 1. Википедия. Свободная энциклопедия [Электронный ресурс]: Кодирование информации. – Режим доступа: http://ru.wikipedia.org/ 2. Студенческий портал[Электронный ресурс]: Теория кодирования.

Элементы теории и практики кодирования. – Режим доступа:

http://gouspo.ru/ 3. Музей гармонии и золотого сечения [Электронный ресурс]: Классическая "фибоначчиева" матрица. – Режим доступа:

http://www.goldenmuseum.com/ 4. А.П. Стахов, Три «ключевые» проблемы математики на этапе ее зарождения и «Математика Гармонии» как альтернативное направление в развитии математической науки [Электронный ресурс]// «Академия Тринитаризма». – 2009. – Режим доступа: http://www.trinitas.ru/ 5. Музей гармонии и золотого сечения [Электронный ресурс]:

"Фибоначчиевое" кодирование. – Режим доступа:

http://www.goldenmuseum.com/ А.С. Соболева, В.А. Лекае ПРОЕКТИРОВАНИЕ ИНФОРМАЦИОННОЙ ПОДСИСТЕМЫ УПРАВЛЕНИЯ СОХРАННОСТЬЮ ПАМЯТНИКОВ ИСТОРИИ И КУЛЬТУРЫ МУНИЦИПАЛЬНОГО УРОВНЯ В ОДИНЦОВСКОМ РАЙОНЕ Научный руководитель: В.А. Лекае, к.х.н.

РГГУ г. Москва valek41@yandex.ru Любое высокоразвитое государство, придаёт накопленным культурным ценностям и их сохранению большое значение, и законодательным образом определяет процессы управления в этой области. Следовательно, любые разработки информационных систем должны опираться именно на соответствующие действующие нормативно – правовые документы. Поэтому в данной работе анализ предметной области предусматривал исследования нормативно правовой базы, определяющей работу в этой области на уровне муниципалитета. Были изучены Законы РФ, Московской области, Приказы и распоряжения Правительства Московской области, Постановления городского поселения Одинцово.

Основополагающими документами являются:

1. Конституция Российской Федерации;

2. Закон РФ от 9 октября 1992 г. N 3612-I "Основы законодательства Российской Федерации о культуре";

3. Федеральный закон от 25 июня 2002 г. N 73-ФЗ «Об объектах культурного наследия (памятниках истории и культуры) народов Российской Федерации»;

4. Федеральный закон от 21 декабря 2001 г. N 178-ФЗ «О приватизации государственного и муниципального имущества».

Объектом исследования являлся процесс управления культурным наследием на уровне муниципалитета, а предметом исследования – информационное обеспечение этого процесса.

В этих целях на основании упомянутых нормативных документов, используя для этих целей статьи, определяющие область применения этих законов и полномочия органов власти был проведён системный макро и микроанализ деятельности муниципалитета. На основании полученных данных было построено дерево основных функций муниципалитета, и проведена их агрегация в подсистемы.

Было установлено, что эти функции можно представить в виде трёх подсистем:

Подсистема обеспечения сохранности памятников истории и культуры Подсистема обеспечения выполнения функций государства в области памятников истории и культуры, включающая выполнение следующих функций:

Подсистема обеспечения ознакомления населения с памятниками истории и культуры.

Вопросы исследования и разработки подсистем «Подсистема обеспечения выполнения функций государства в области памятников истории и культуры» и «Подсистема обеспечения ознакомления населения с памятниками истории и культуры» носят самостоятельный характер и здесь не рассматриваются. Проведено рассмотрение лишь одного процесса, в котором очевидно участие муниципалитета в соответствии с его компетенцией по предмету исследования. В частности – по исполнению функции «Участие в создании и ведении Единого государственного реестра объектов культурного наследия».

В результате проделанной работы были определены основные процессы муниципалитета в этой области:

Оформление права собственности муниципальных образований на объекты культурного наследия федерального значения.

Управление в области памятников истории и культуры местного уровня.

Сохранение объектов культурного наследия, находящихся в собственности поселений или городских округов (включая государственную охрану объектов культурного наследия местного (муниципального) значения) Формирование отчётов и справок по выполнению указанных функций для вышестоящих организаций на основе сформированных в процессе работы информационных массивов.

Участие в создании и ведении Единого государственного реестра объектов культурного наследия.

В качестве средства для проектирования указанных выше процессов и их информационного обеспечения был выбран программный продукт ARIS, т.к. он обладает лучшими функциональными характеристиками, как в случае моделирования процессов, разработке БД и документирования.

С помощью этого средства было проведено моделирование упомянутых выше процессов и модели сохранены в депозитарии с целью дальнейшего использования в разработке и корректировки при необходимости.

Пример фрагмента поэтапного моделирования процесса «Управление в области памятников истории и культуры местного уровня» приведён на Рис.


1 – 3. Этот фрагмент процесса включает три этапа:

Формирование заявки на постановку памятника учёт;

Принятие памятника на баланс;

Создание паспорта объекта и внесение в базу данных сведений нём.

Данные мониторинга, запрос граждан Выполнить поиск сведений о памятнике в БД Положение об объектах культурного наследия Вновь выявленный Информирование инициатора о результатах Администра Отправить в ция поселе Правительство Мос.обл.

Решение ния запрос о вкл. в единый государственный реестр Совет Депутатов Статус Статус не присвоен присвоен Рисунок 1. Схема формирования запроса о включении памятника в Единый государственный реестр.

В случае присвоения статуса объекта его необходимо принять на учет бухгалтерией поселения. Принятие на баланс происходит по распоряжению главы поселения. После успешного принятия на учет создается проект паспорта объекта в соответствии с порядком и правилами, утверждёнными Приказом Минкультуры РФ от 11.11.2011 N 1055 "Об утверждении формы паспорта объекта культурного наследия".

Распоряжение Главы поселения Администра Принять на ция поселе баланс ния поселения Информирование инициатора о результатах На баланс Бухгалтерия Акт о принятии на баланс принят поселения Создать Проект паспорта объекта проект паспорта Администра ция посе ле ния Проект создан Утвердить проект паспорта Рисунок 2. Схема принятия памятника на баланс.

После одобрения проекта паспорта Администрацией поселения формируется паспорт объекта и сведения о нём вносятся в базу данных.

Инициатор проверки статуса объекта информируется о проведенной работе, присвоенном статусе объекту, регистрационном номере в базе данных и реестре.

Однако в ряде случаев статус не может быть утверждён, поскольку, по мнению участников рассмотрения, требуется внесение каких либо изменений в проект. Внесение уточнений и ввод паспорта в БД рассмотрены на рисунке3.

Утвердить проект паспорта Не Утвержден утвержден проект проект Внести Администрация Создать паспорт изменения в поселения объекта Паспорт объекта проект Изменения Паспорт внесены создан Внести Администрация паспорт в поселения БД Информирование инициатора о результатах Паспорт объекта в БД Паспорт внесен в БД Рисунок 3. Схема создания и внесения в базу данных паспорта объекта.

Полученные данные позволили далее провести исследование информационного обеспечения разрабатываемой подсистемы и разработать макет фрагмента подсистемы, включая её базу данных, разработать документацию, провести тестовые испытания. В настоящее время этот фрагмент подсистемы передаётся для использования в Одинцовском муниципальном округе.

Литература 1. Конституция Российской Федерации;

2. Закон РФ от 9 октября 1992 г. N 3612-I «Основы законодательства Российской Федерации о культуре»;

3. Федеральный закон от 25 июня 2002 г. N 73-ФЗ «Об объектах культурного наследия (памятниках истории и культуры) народов Российской Федерации»;

4. Федеральный закон от 21 декабря 2001 г. N 178-ФЗ «О приватизации государственного и муниципального имущества».

5. Доклад Министра культуры Правительства Московской области на Областной думе (февраль 2010 года) «О состоянии информатизации сферы культуры Московской области и направлениях ее модернизации.»

http://mk.mosreg.ru/ministry_inforesources/609.html.

6. Моделирование бизнеса. – Методология ARIS. Практическое руководство/ Каменнова М. [и др.] - М.: Весть-Метатехнология, 2001. 327с.

А.А. Солтус МОДЕЛИРОВАНИЕ ЭКСПЕРТНОЙ АКТИВНОСТИ СИСТЕМ НА ОСНОВЕ ТЕОРИИ НЕЧЁТКИХ МНОЖЕСТВ Научный руководитель: О.С. Тамер, д.п.н., профессор кафедры информатики, рекламы и связей с общественностью Филиал ФГБОУ ВПО «Российский государственный социальный университет» в г. Тольятти Самарской области Финансовая система корпорации или фондового рынка представляет собой кибернетическую систему, состояния которой интерпретируется как результаты финансовой деятельности, полученные в ходе суперпозиции финансовых решений (внутренние воздействия) и сигналов, поступающих извне системы (внешние воздействия, в том числе неблагоприятные условия). Внешние факторы, не управляемые со стороны финансовой системы, создают неустранимую неопределённость информационной ситуации, в отношении которой принимаются управленческие решения.

Дополнительную неопределённость порождают ограниченные познавательные возможности принимающих решения лиц. Это прежде всего ограниченная возможность прогнозирования будущих состояний финансовой системы и распознавания её текущих состояний.

Финансовые риски подразделяются на риски связанные с покупательской способностью денег (инфляционные валютные риски и риски ликвидности) и на инвестиционные риски (риски упущенной выгоды, риски снижения доходности и риски прямых финансовых потерь). В свою очередь, на низовом уровне иерархии инвестиционных рисков находятся процентные риски, биржевые риски, селективные риски и риски банкротства.

Каждый из выделенных видов риска имеет свою специфическую процедуру управления. Например, чистые риски подлежат страхованию, а инвестиционные риски часто анализируются на основе дерева вероятностей.

Но во всех случаях базовым подходом в оценке рисков в нынешнем финансовом менеджменте является использование точечных вероятностей и вероятностных распределений сценариев возможных событий, влияющих на финансовый результат.

Адекватная модель финансовой системы должна обладать признаками кибернетической модели, т.е. содержать внутри себя модель принятия финансовых решений в условиях существенной информационной неопределённости. При этом уровень модельных представлений должен строго соответствовать уровню неопределённости. Если состояния финансовой системы и внешние воздействия не обладают статистической природой в классическом понимании статистики, то моделирование на основе классических вероятностей и вероятностных процессов невозможно.

Всё идёт к тому, что на смену сценарно-вероятностным методам приходят нечётко-множественные подходы, которые, с одной стороны, свободны от вероятностей аксиоматики и от проблем с обоснованием выбора вероятностных весов, а, с другой стороны, включают в себя все возможные сценарии развития событий. Так, треугольно-нечёткое число включает в себя все числа в определённом интервале, однако каждое значение из интервала характеризуется определённой степенью принадлежности к подмножеству треугольного числа. Такой подход позволяет генерировать непрерывный спектр сценариев реализации по каждому из прогнозируемых параметров финансовой модели (таблица 1.) Нечётко-множественный подход позволяет учитывать в финансовой модели хозяйствующего субъекта качественные аспекты, не имеющие точной числовой оценки. Оказывается возможным совмещать в оценке учёт количественных и качественных признаков, что резко повышает уровень адекватности применяемых методик. Огромное количество информации содержится в трудноформализованных интуитивных предпочтений лица принимающего решение (ЛПР). Если эти предпочтения и допущения ЛПР обретают вербальную форму, они сразу же могут получить количественную оценку на базе формализмов теории нечётких множеств.

Таблица Нечётко множественные описания в финансовом менеджменте № Название формализма Области применения 1 Функция принадлежности Базовый формализм теории нечётких множеств.

Применение повсеместно 2 Лингвистическая Базовый формализм теории нечётких множеств.

переменная Применение повсеместно 3 Треугольные нечеткие Задание количественных параметров любой числа финансовой модели, в том числе при бизнес – планировании 4 Трапециевидные нечёткие Классификация уровней факторов, в том числе при числа анализе риска банкротства, при оценке инвестиционной привлекательности ценных бумаг, в стратегическом планировании 5 Нечёткие Моделирование экономических процессов, последовательности и макроэкономическое моделирование, матрицы прогнозирование 6 Нечёткие функции Моделирование экономических процессов, макроэкономическое моделирование, прогнозирование, портфельная оптимизация 7 Вероятностные Портфельная оптимизация, актуарное моделирование распределения с нечёткими параметрами 8 Нечёткие знания Используются при разработке экспертных моделей в составе модели финансовой системы.


9 Нечёткие классификаторы Классификация уровней факторов, в том числе при анализе риска банкротства, при оценке инвестиционной привлекательности ценных бумаг, в стратегическом планировании Информация экспертной модели образует информационную ситуацию относительного уровня входной неопределённости финансовой модели. Она выступает как фильтр для исходных оценок параметров, преобразуя их из ряда наблюдений квазистатистики в функции принадлежности соответствующего носителя параметра тем или иным нечётко описанным кластерам (состояниям уровня параметра). Таким образом, от нечёткой оценки входных параметров после ряда преобразований можно перейти к нечётким оценкам финансовых результатов и оценить риск их не достижения в рамках принимаемых в плановом порядке решений. Нечётко множественные описания представляют собой, с одной стороны, набор адекватных формализмов для моделирования финансовых систем в условиях существенной неопределённости, а, с другой стороны, поле для новой интерпретации классических вероятностных и экспертных оценок. Так, можно перейти от классического вероятностного распределения к вероятностному распределению с нечёткими параметрами, управляя уровнем правдоподобия оценок распределения. Также можно перейти от совокупности экспертных оценок к набору функций принадлежности, образующих нечёткий классификатор. Все это позволяет решить основную задачу моделирования экспертной активности, заключающуюся в том, чтобы адекватно перевести качественные высказывания эксперта в количественные представления.

Ю.А. Харисова, М.Н. Харисов ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ НА ОСНОВЕ ПРОГНОЗИРОВАНИЯ И АНАЛИЗА ФИНАНСОВОГО СОСТОЯНИЯ КЛИЕНТОВ – ЮРИДИЧЕСКИХ ЛИЦ Научный руководитель: Розанова Лариса Федоровна ФГБОУ ВПО «Уфимский государственный авиационный технический университет»

Julia-Kharisova@yandex.ru В условиях высокой конкуренции, компании индустрии интернет торговли сталкиваться с множеством проблем. Организации становятся не в состоянии привлекать клиентов, предлагая стандартные продукты и услуги.

Знания компании о своих клиентах становятся одними из наиболее ценных активов организации. В подобных условиях, ориентированные на клиента подходы ведения бизнеса являются основой эффективной бизнес-модели компании индустрии интернет торговли [1]. Для оптимизации финансово хозяйственной деятельности компании в соответствии со структурой целевых сегментов потребителей на основе поощрения поведения, нацеленного на максимальное удовлетворение потребностей клиентов, применяется стратегия управления взаимоотношениями с клиентами (CRM – Customer Relationship Management). Одной из наиболее важных структурных единиц CRM систем в индустрии интернет торговли является блок автоматизации управления взаимоотношениями с клиентами – юридическими лицами [4]. Следовательно, разработка математического обеспечения данного блока является актуальной задачей.

Для прогнозирования финансово-хозяйственных показателей клиентов – юридических лиц на основе данных финансовой отчетности организаций и экспертных данных по кумулятивным экономическим коэффициентам с помощью математического аппарата имитационного моделирования производится расчет прогнозных значений статей бухгалтерского баланса и отчета о прибылях и убытках компании.

Расчет прогнозных значений статей бухгалтерского баланса компании вычисляются по формулам, представленным в таблице 1 [2].

Таблица 1.

Расчет прогнозных значений статей бухгалтерского баланса Показатель Значение в Значение в прогнозном периоде отчетном периоде АКТИВ Внеоборотные активы Запасы и затраты Денежные средства, расчеты и прочие активы БАЛАНС ПАССИВ Источники собственных средств Прибыль отчетного периода Долгосрочные заемные средства Срочная кредиторская задолженность БАЛАНС Расчет прогнозных значений статей отчета о прибылях и убытках компании вычисляются по формулам, представленным в таблице 2 [2].

Таблица 2.

Расчет прогнозных значений статей отчета о прибылях и убытках Показатель Значение в отчетном Значение в прогнозном периоде периоде Выручка от продаж ВРотч Затраты Зотч Сырье и материалы Прочие Налогооблагаемая прибыль Налоги и прочие НПотч обязательные отчисления из прибыли Чистая прибыль Дивиденды к выплате Реинвестированная прибыль На основе вычисленных значений статей отчетности компаний производится расчет прогнозных коэффициентов финансово-хозяйственной деятельности анализируемых организаций (коэффициентов ликвидности, платежеспособности, деловой активности) по формулам, представленным в таблице 3 [2].

Таблица 3.

Расчет прогнозных значений коэффициентов ФХД Показатель Значение в прогнозном периоде Коэффициент текущей ликвидности Коэффициент обеспеченности собственными оборотными средствами Коэффициент восстановления платежеспособности На основе прогнозных значений коэффициентов ФХД организации с помощью математического аппарата многокритериальной оптимизации осуществляется принятие управленческого решения о подписании договоров на поставку товаров и оказание услуг.

Векторным критерием оптимальности при выборе целевых кандидатов среди клиентов компании – юридических лиц является их платежеспособность в перспективном периоде. Частными критериями оптимальности являются рассчитанные показатели платежеспособности компании (КЛПРОГ, КОСПРОГ, КУВПРОГ). Решение поставленной задачи осуществляется методом справедливого компромисса, при котором относительный уровень снижения качества по одному или нескольким частным критериям не превосходит относительного уровня повышения качества по остальным частным критериям [3]. Решением Хi будем называть i анализируемого клиента – компанию. k частный критерий оптимальности для i компании обозначается как фk(Xi).

Абсолютное изменение значений частных критериев оптимальности при переходе от решения Х1 к решению Х2 вычисляется по формуле:

(1) Относительное изменение качества решения по каждому из этих критериев определяется по формуле:

(2) Минимальное снижение качества решения при переходе от решения Х к решению Х2 вычисляется по формуле:

(3) Максимальное снижение качества решения при переходе от решения Х1 к решению Х2 вычисляется по формуле:

(4) Будем говорить, что решение Х2 превосходит решение Х1, если:

(5) Результатом решения задачи оптимизации является список клиентов – юридических лиц, сортированный с учетом их оптимальности по заданному векторному критерию.

Список литературы 1. Sommer S. Relationship management and customer states: Towards a model of multichannel integration for the electronic commerce [Текст]/ S. Sommer, А.Hilbert Andreas, Juhrisch Martin// Online Proceedings of Modelling Business Information Systems.- 2010.- S. 164-174.

2. Шеремет А.Д. Методика финансового анализа деятельности коммерческих организаций [Текст]/А.Д.Шеремет, Негашев Е.В.-М:

Экономика.- 2008.-371 с.

3. Штойер Р. Многокритериальная оптимизация. Теория, вычисления и приложения/ Штойер Р. – М.: Радио и связь, 1992. – 504 с.

4. Результаты исследований [Электронный ресурс] // интернет портал index crm.- http://www.index-crm.ru/ Д. Хритов ИНТЕРАКТИВНЫЕ СИСТЕМЫ МУЛЬТИМЕДИА Научный руководитель: С.С. Моисеева, старший преподаватель кафедры информатики, рекламы и связи с общественностью Филиал ФГБОУ ВПО «Российский государственный социальный университет» в г. Тольятти Самарской области Мультимедиа окружает нас повсюду – через различные экраны современный человек соприкасается с виртуальными мирами, влияние которых становится все более существенным.

Практически все сферы деятельности – наука, культура, образование, бизнес, сегодня немыслимы без продуктов мультимедиа. Презентация доклада, обучающая программа, анимационный рекламный ролик, виртуальное путешествие внутри или вокруг здания – вот небольшой перечень мультимедийных средств передачи информации. Диапазон применяемых при этом аудиовизуальных средств достаточно широк – компьютерная 2D и 3D графика, фотография, анимация, видео, музыка, голос, звуковые спецэффекты и т.д. Все чаще появляются презентации, адаптированные для сети Интернет, что находит свое отражение в корпоративных сайтах ведущих компаний в различных отраслях.[1] Новые технические средства, например, интерактивные доски, становятся мощным инструментом для эффективной организации обучения.

Мультимедиа продукты создаются на базе программно-аппаратного комплекса, состоящего из компьютера с возможностью подключения к нему аудио и видеотехники. Технические вопросы, касающиеся мультимедиа, определяются совместной обработкой разнородных данных: цифровых и аналоговых, видео и графических изображений и т.п. В компьютере все данные хранятся в цифровой форме, в то время как теле-, видео- и большинство аудиоаппаратуры имеет дело с аналоговым сигналом. Первые системы мультимедиа создавались в результате стыковки разнородной аппаратуры с компьютером и предоставлении компьютеру возможностей управления этими устройствами. Дальнейшее развитие мультимедиа происходило в направлении объединения разнородных типов данных в цифровой форме в единой среде на одном носителе.[2] Рисунок 1. Структура системы На рис. 1 показаны компоненты системы. Исходные данные находятся в наборе папок, содержащих заготовки для визуализации. При запуске интерактивной программы-конструктора пользователь имеет возможность указать логотип, название презентации, шаблон оформления – фоновую картинку с заданной схемой по цветам и шрифтам. Для ввода текстов и размещения графики активизируется простой редактор. Можно указать фотогалерею, а также установить ссылки на файлы для скачивания – это большие тексты, которые в презентацию в явном виде не вставлены, но могут быть вызваны про ссылке. В результате формируется файл в текстовом формате XML, который при необходимости может быть скорректирован в соответствии с предпочтениями пользователя. XML-файл воспроизводится в качестве презентации исполнимой программой-интерпретатором.

Управляющий файл имеет иерархическую структуру и состоит из меню с разделенным функционалом по различным направлениям презентации. XML – это стандарт, язык разметки, рекомендованный консорциумом всемирной паутины, представляющий собой свод общих синтаксических правил. XML – текстовый формат, предназначенный для хранения структурированных данных для обмена информацией между программами. Целью создания XML было обеспечение совместимости при передаче структурированных данных между разными системами обработки информации. XML – это иерархическая структура, предназначенная для хранения любых данных, визуально структура может быть представлена как дерево.[3] Интерактивность постепенно превращается в повседневную реальность. Вероятно, именно в этом направлении – интерактивные мультимедиа-услуги – пролегает магистральный путь дальнейшего совершенствования традиционных телевидения и радио, и в ближайшие годы на нем следует ожидать еще более впечатляющих успехов.[4] Применение интерактивных мультимедийных сенсорных систем и технологий в работе, учебе или развлечениях, использование интерактивности, как превосходного инструмента для интерактивного управления презентацией, уроком, лекцией, способствует максимальному вовлечению аудитории в познавательный процесс.[5] Microsoft Media View - это одно из популярных авторских средств разработки мультимедийных приложений, данное средство является мощным инструментом для создания систем и приложений, способных быстро обрабатывать большое количество мультимедиа-информации.

Macromedia Authorware - система позволяет создавать интерактивные обучающие программы с элементами мультимедиа. Расширенная поддержка новейших форматов мультимедийного содержания позволяет включать в приложения звуковое сопровождение и видеоролики с самым высоким качеством, сохраняя приемлемый размер дистрибутива.

IconAuthor - система фирмы AimTech. Позволяет создавать продукты для интерактивного обучения. За основу разрабатываемого приложения берется схема из пиктограмм, каждая из которых обозначает определенное действие или функцию, выполняющуюся в заданной последовательности. В систему встроен редактор объектов SmartObject Editor, объединяющий графику, видео, кнопки, текст и другое в работоспособные наборы пиктограмм.

ToolBook - система фирмы Asymetrix. Позволяет разрабатывать мультимедиа-приложения обучающего характера. ToolBook поддерживает огромное количество разнообразных медиа-форматов.

Macromedia Director - мощная программа для разработки практически всех видов мультимедиа. Macromedia Director позволяет работать практически со всеми медиа-форматами. Для управления графикой, звуком, видео и иной информацией имеет встроенный объектно-ориентированный язык программирования Lingo.

Formula Graphics - программная оболочка является одной из наиболее удачных сред для создания презентационной продукции. Она имеет легкий в использовании графический интерфейс и не несет ограничений на изображения, звуки и анимации, которые могут быть объединены с ее помощью.[6] Литература 1. Государственный образовательный стандарт высшего профессионального образования. Специальность 351400 - прикладная информатика (по областям)". Квалификация – информатик-(квалификация в области). - М.:

Министерство образования Российской Федерации. 2010.

2. Comрuting Curricula 2009: Comрuter Science // Association for Comрuting Machinery and Comрuter Society IEEE.

3. Рекомендации по преподаванию информатики в университетах: Пер. с англ. – Спб., 2009. – 372 с.

4. http://www.telemultimedia.ru/art.php?id= 5. http://www.visioplan.ru/interactive.html 6. Александр Пушков. Обзор ПО для разработки мультимедийных программных продуктов.// Мир ПК, №12/1997.

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Российский государственный гуманитарный университет»

объявляет набор на дистанционное обучение по направлениям бакалавриата:

Гостиничное дело Государственное и муниципальное управление Журналистика Культурология Музеология Психолого-педагогическое образование Психология Религиоведение Реклама и связи с общественностью Туризм Управление персоналом Юриспруденция Сроки обучения:

со средним (полным) общим образованием – 4 года;

с базовым средним профессиональным (профильным) образованием – 3 года;

с базовым высшим профессиональным образованием (для получения второго высшего образования) – 3 года.

После успешной итоговой государственной аттестации выдается диплом государственного образца.

Подробную информацию можно получить в филиале РГГУ в г. Тольятти по адресу:

г.Тольятти, б-р Баумана 3 (1 кв-л, сш.№28, корп. 2) тел. (8482)50-94-54, 37-28-95 с 9.00 до 17.00 или на сайте www.urrdo.rggu.ru НАУКА ГЛАЗАМИ МОЛОДЕЖИ Сборник научных статей студентов вузов, ссузов и учащихся общеобразовательных учреждений Компьютерная верстка – Очеповский А.В., Кириллова А.В.

Дизайн обложки – Капелина И.

Формат 60x84 1/16. Бумага офсетная.

Гарнитура Arial, Romic. Печать оперативная.

Подписано в печать 16.05.2012.

Усл. п.л. 32,61. Тираж 500 экз. Заказ № 136.

Отпечатано с готового оригинал-макета в ООО «Издательство Ас Гард»

член Ассоциации книгоиздателей России 443023, г. Самара, ул. Промышленности, Тел./факс (846) 246-97-01, e-mail: as_gard@mail.ru

Pages:     | 1 |   ...   | 15 | 16 ||
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.