Оптимизация принятия решений с использованием параметрического моделирования в сложной системе с альтернативными связями объектов

Статья посвящена исследованию процесса принятия управленческого решения в организационной системе с альтернативными поставками на основе параметрического оптимизационного моделирования. Показано, что данная система характеризуется связанностью объектов основной деятельностной среды и объектов-поставщиков, и различие в показателях эффективности последних приводит к разнообразию взаимодействия двух групп объектов. Выбор наилучшего варианта взаимодействия определяет необходимость оптимизационного подхода. Поскольку получение управленческого решения на основе многоальтернативной оптимизации требует многовариантного выбора с привлечением экспертной информации, результат носит субъективный характер. Для организации процесса принятия решения более эффективным методом оптимизационного моделирования является параметрическая оптимизация, которая в свою очередь требует предварительной параметрической идентификации зависимостей экстремального и граничных требований от оптимизируемых переменных на основе ретроспективных данных цифрового мониторинга. С целью перехода к алгоритмизации процесса поиска решения задачи оптимизации с ограничениями осуществлен переход к эквивалентной оптимизируемой функции с дополнительными переменными, регулирующими выполнение граничных условий. Предложен комбинированный алгоритм, использующий аналог движения в направлении градиента эквивалентной функции путем случайного поиска на заданном интервале оптимизируемых переменных и объектный градиентный поиск в пространстве дополнительных переменных при условии их неотрицательности. Результатом поиска является оптимальный вариант характеристик поставщика. Сравнение показателей претендентов поставщиков и оптимального решения осуществляется на основе визуально-экспертного оценивания. С этой целью осуществляется визуализация многомерного пространства характеристик на плоскость с сохранением расположения точек, соответствующих анализируемым объектам, что позволяет определить поставщика, ближайшего по расположению к точке, отражающей координаты оптимального решения.

1. Новиков Д.А. Теория управления организационными системами. Москва: Физматлит; 2007. 583 с.

2. Гранин С.С., Мандель А.С. Оптимизация процесса управления запасами в цепи поставок при наличии альтернативных поставщиков. Проблемы управления. 2018;(6):24–28. https://doi.org/10.25728/pu.2018.6.3

3. Вайл П., Ворнер С. Цифровая трансформация бизнеса: Изменение бизнес-модели для организации нового поколения. Москва: Альпина Паблишер; 2019. 257 с.

4. Львович Я.Е., Львович И.Я., Чопоров О.Н. и др. Оптимизация цифрового управления в организационных системах. Воронеж: Научная книга; 2021. 191 с.

5. Шевырева Е.А. Структурное моделирование процесса управления в организационной системе с альтернативными поставками. Моделирование, оптимизация и информационные технологии. 2026;14(1). https://doi.org/10.26102/2310-6018/2026.52.1.011

6. Львович И.Я. Принятие решений на основе оптимизационных моделей и экспертной информации. Воронеж: Научная книга; 2023. 231 с.

7. Порошин И.Е., Титов М.А. Использование искусственных нейронных сетей для параметрической идентификации объектов. Молодой ученый. 2020;(26):39–42.

8. Хнаев О.А., Пчелинцев И.А. Параметрическая оптимизация систем. Методы решения экстремальных задач. Модели, системы, сети в экономике, технике, природе и обществе. 2012;(2):146–152.

9. Корчагин С.Г., Рындин А.А., Рындин Н.А. Управление в организационных системах на основе цифровых технологий. Воронеж: Научная книга; 2025. 248 с.

10. Донской В.И. Интеллектуальная оптимизация на основе машинного обучения: современное состояние и перспективы (обзор). Таврический вестник информатики и математики. 2020;(1):32–63.