Impact Factor = 0.307 based on International Citation Report (ICR) SECTION 31. Economic research, finance, innovation, risk management. Anatoly Aleksandrovich Naumov Docent, Candidate of Technical Sciences, Center of Applied Mathematical Research, Novosibirsk, Russia, E-mail:
[email protected] FUZZY PROJECTS: MODELS AND ALGORITHMS Abstract: The paper discusses the modern models and algorithms for solving fuzzy projects analysis problems. Keywords: Investment projects, fuzzy sets, fuzzy projects, risks, models, algorithms. УДК 330.322.5 РАЗМЫТЫЕ ПРОЕКТЫ: МОДЕЛИ И АЛГОРИТМЫ Аннотация: В работе рассмотрены современные модели и алгоритмы решения задач анализа размытых проектов. Ключевые слова: Инвестиционные проекты, размытые множества, размытые проекты, риски, модели, алгоритмы. Работа представляет собой обзор современных методов анализа размытых проектов и является продолжением работы [1]. Неопределенности инвестиционных проектов (ИП) могут быть описаны многими способами. Известно, что при этом преобладают вероятностные модели, они же чаще всего используются и при оценивании рисков. Вероятностные модели являются фундаментальной основой для решения задач анализа ИП на эффективность. Однако вероятностные модели не всегда могут хорошо описать некоторые виды неопределенностей, возникающих на практике. Другие модели описания неопределенностей, такие, например, как нечеткие множества [2; 3], позволяют явно рассмотреть основные причинно-следственные связи и адекватно представить неопределенность сложных объектов, к каким относятся и ИП. Если функции распределения параметров ИП заданы неточно (т.е. присутствует неопределенность в их задании), то обычно применяют аналогичные функции, построенные на теории размытых множеств. В данной работе предполагается, что и размытая функция плотности вероятностей параметров проекта задана неточно. В работах [4; 6-8] рассмотрены вопросы использования размытых множеств при анализе кредитных лизинговых проектов и проектов банков, когда неопределенности относятся к временам активностей проектов. При этом анализируется изменение длительности критического пути проекта. В работах [13; 14] использованы размытые множества при анализе проектов, когда неопределенности относятся как к временам активностей, так и к структуре проектов. Задачи планирования проектов при размытых ограничениях на ресурсы (FRCPSP) и выравнивания размытых ресурсов (FRLP) рассмотрены в работе [15]. В ней для решения FRCPSP и FRLP задач использованы Greedy-алгоритм и генетический алгоритм. Приведен пример использования алгоритмов при анализе проектов по обслуживанию гражданских вертолетов в рамках французского промышленного проекта под названием Helimaintenance. Barcelona, Venezuela 97 ISJ Theoretical & Applied Science, -№ 5 (13), 2014 www.T-Science.org В работе [16; с. 277-320] рассмотрены вопросы применения пакета программ MatLab для решения задач использования размытых множеств с использованием экспертов при проектировании сетей. Риски инвестиционных проектов (ИП), представимых в виде потоковых моделей BP s t [17], обусловлены неопределенностями в знании значений их параметров . Очевидно, такая неопределенность в знании характеристик ИП приводит к тому, что вместо вектора плановых показателей эффективности Q реально будем иметь дело с . В