2008. №4

Обзор рассматривает существующее отношение бизнеса к оценке инвестиционной привлекательности IT-проектов. Приведены основные положения комплексного метода для такой оценки. Показано, что в данной методике не учитываются архитектурные особенности информационных систем. Отмечено, что в данный момент большое распространение получила архитектура на основе сервисов, и учет ее в существующем методе оценки экономической эффективности является актуальной задачей.

Измерение технологического прогресса – одна из классических задач эконометрического анализа и стратегических исследований в широком смысле этого понятия. Фактор технологии рассматривается в рамках широкого класса эконометрических моделей, определяемых как производственные функции. Целью статьи является апробация нового подхода – измерения вклада фактора технического прогресса в интегральный экономический результат путем введения в логику эконометрических моделей нового параметра – ценового (капитального) класса выпуска. Анализируется связь эконометрических моделей с методами и моделями системной динамики, различными стратегиями имитационного и математического моделирования экономики и отраслей промышленности в РФ и других странах мира. Ставится задачи сблизить логику теоретических методов с практикой создания систем поддержки принятия решений. Функция Кобба-Дугласа рассматривается как важный инструмент стратегического анализа.

В статье рассмотрена система поиска (почти) дубликатов в текстах проектной документации. Описаны ее архитектура, математические модели и алгоритмы поиска документов-дубликатов, а также их реализация. Предложены методики подбора оптимальных параметров методов и тестирования системы. Обозначены актуальные для подобных систем исследовательские задачи.

В статье предлагается методика выбора рационального подхода к решению задачи прогнозирования временных рядов с помощью нейронных сетей между существующим подходом аппроксимации и предлагаемым подходом кластеризации, который только косвенно упоминается в области прогнозирования. Предлагаемая методика позволяет повысить эффективность проектирования и применения нейронных сетей для решения задач прогнозирования временных рядов путем определения на начальном этапе проектирования наиболее подходящей для решения поставленной задачи структуры сети и алгоритма обучения. Для выполнения этой задачи в основу методики положен анализ исходных обучающих данных, известных из условия поставленной задачи. В статье предлагается алгоритм для реализации методики

Предлагаются направления развития метода группового учёта аргументов, разрабатываются новые алгоритмы, отличающиеся применением процедуры оптимизации частных полиномов в последовательных рядах приближений. Разработанные алгоритмы могут применяться для моделирования и прогнозирования показателей производственно-экономической деятельности предприятий. Приводятся примеры описаний, полученных в процессе разработки прогноза социально-экономического статуса тепловой электростанции.

Рассматривается применение дискретных нечетких множеств второго типа для разработки однофакторных нечетких моделей прогнозирования. Предлагается генетический алгоритм, обеспечивающий выбор оптимальных параметров модели прогнозирования – действительных чисел для корректировки границ универсума, числа интервалов разбиения универсума и степеней принадлежности элементов дискретных нечетких множеств второго типа.

Исследованы свойства одного из дробных операторов, встречающихся в задачах гетерогенной динамики в средах со стохастическим поведением. Рассмотрено существование соответствующего фундаментального решения.

Целью данной статьи является описание подхода связанного с использованием формализма Абстрактных Машин Состояний (ASM) и среды SpecExplorer, разработанной в Microsoft Research.

Рассматривается практическое применение имитационного моделирования у нас в стране, в частности: динамика спроса на ИМ со стороны бизнеса и государства за последние годы, спектр областей, где ИМ сейчас наиболее востребовано, факторы, сдерживающие рост. Кроме того, даётся обзор типичных сценариев (форм) внедрения имитационных моделей, а также технологий, использующихся при их построении. Статья имеет обзорный характер и основана на данных компании XJ Technologies – разработчика продукта AnyLogic и лидера российского рынка ИМ.