МНОГОКРИТЕРИАЛЬНАЯ ЗАДАЧА ФОРМИРОВАНИЯ ПОКОЛЕНИЙ НОВОЙ ТЕХНИКИ

Аннотация

Цель исследования. Отмечается, что приоритетным направлением развития экономики является инновационное направление, а это предполагает организацию работ по формированию поколений новой техники. Данное обстоятельство вызвано рядом факторов. Показано, что в ходе решения этих задач наиболее перспективными являются способы многокритериального описания проблемы. Отсюда возникает необходимость осуществления редукции методов многокритериальной оптимизации применительно к задачам формирования новых поколений техники. Отмечается сложность процесса разработки инновационных решений, обеспечивающих учет технологических, экономических и экологических факторов. Приведена формальная постановка задачи выбора технологий, обеспечивающей максимизацию выручки в рамках выделенного бюджета при минимальном количестве отбираемых решений. Материалы и методы. Рассмотрены методы решения многокритериальных задач, включая классические метод ветвей и границ, динамическое программирование, жадные и эвристические алгоритмы, анализ иерархий, метод уступок, эволюционные алгоритмы и метод Парето. Особое внимание уделено формированию Парето-оптимального множества, позволяющего сократить число альтернатив за счет исключения неэффективных решений. Демонстрируется, как дискретизация интервала затрат и решение серии задач целочисленного программирования генерируют точки на кривой Парето. Результаты. Практическая значимость исследования объясняется потребностями в ходе управления строительными проектами, где оптимизация сокращает издержки, и антимонопольного регулирования через анализ графов рыночных взаимодействий. В последнее время отмечается широкое распространение PLM-систем, искусственного интеллекта в повышении эффективности подобных разработок. Не должна при этом оставаться в стороне и проблема создания экологически чистых технологий. Заключение. Подчеркивается необходимость интеграции математических моделей с современными инструментами управления для минимизации субъективности в принятии решений. Перспективным направлением названо применение многокритериальных моделей, методов машинного обучения и адаптация подходов к немарковским процессам. Показано, каким образом возможен переход от многокритериальной задачи к последовательности задач традиционной оптимизации. Подчеркивается, что в этом случае строится Парето-оптимальное множество решений рассматриваемой задачи.