сотрудник
студент
Россия
Цель исследования – проанализировать интеллектуальные подходы к формированию оптимальных управленческих решений в системах поддержки принятия решений (СППР) и оценить их практическую значимость в условиях неопределённости и ограниченности ресурсов. Задачи работы включают обзор современных интеллектуальных методов, применяемых в СППР, изучение их роли в повышении обоснованности управленческих решений, а также исследование условий успешной реализации таких систем. Методологическую основу составили системный и сравнительный анализ, обобщение научной литературы и анализ практических кейсов внедрения интеллектуальных подходов в управленческие процессы. Результаты исследования показали, что интеллектуализация СППР позволяет повысить качество управленческих решений за счёт многокритериальной оценки, динамического моделирования и интеграции методов искусственного интеллекта, однако её эффективность зависит от прозрачности рекомендаций и адаптивности системы к изменяющимся условиям. Практическая значимость работы заключается в выявлении ключевых компонентов успешной реализации интеллектуальных СППР, включая формирование входного контура данных, разработку вычислительного ядра, обеспечение интерпретируемости результатов и внедрение механизмов итеративного обновления решений.
системы поддержки принятия решений, интеллектуальные методы, оптимальные управленческие решения, многокритериальный выбор, управленческий анализ
1. Попова Маргарита Игоревна, Кумратова Альфира Менлигуловна, Мороз Виктор Александрович СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ НА БАЗЕ ПРЯМЫХ МЕТОДОВ МНОГОКРИТЕРИАЛЬНОЙ ОПТИМИЗАЦИИ // Научный журнал КубГАУ. 2024. №201. URL: https://cyberleninka.ru/article/n/sistema-podderzhki-prinyatiya-resheniy-na-baze-pryamyh-metodov-mnogokriterialnoy-optimizatsii (дата обращения: 28.12.2025).
2. Фасха Али ИНТЕЛЛЕКТУАЛЬНЫЕ МЕТОДЫ ПОДДЕРЖКИ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ // Организатор производства. 2024. №2. URL: https://cyberleninka.ru/article/n/intellektualnye-metody-podderzhki-prinyatiya-upravlencheskih-resheniy (дата обращения: 28.12.2025).
3. Attila Kovari AI FOR DECISION SUPPORT: BALANCING ACCURACY, TRANSPARENCY, AND TRUST ACROSS SECTORS // Information. 2024. №15. URL: https://www.mdpi.com/2078-2489/15/11/725 (дата обращения: 28.12.2025).
4. Kiarash Sadeghi R., Divesh Ojha, Puneet Kaur, Raj V. Mahto, Amandeep Dhir METAVERSE TECHNOLOGY IN SUSTAINABLE SUPPLY CHAIN MANAGEMENT: EXPERIMENTAL FINDINGS // Elsevier. 2025. URL: https://www.sciencedirect.com/science/article/pii/S0167923625000247 (дата обращения: 28.12.2025).
5. Thomas Reiten Bovim, Anders N. Gullhav, Henrik Andersson, Atle Riise A FRAMEWORK FOR INTEGRATED RESOURCE PLANNING IN SURGICAL CLINICS // Elsevier. 2025. №2. URL: https://www.sciencedirect.com/science/article/pii/S0377221724006441 (дата обращения: 28.12.2025).
6. Weimar Ardila-Rueda , Alex Savachkin , Daniel Romero-Rodriguez, Jose Navarro BALANCING THE COSTS AND BENEFITS OF RESILIENCE-BASED DECISION MAKING // Elsevier. 2025. URL: https://www.sciencedirect.com/science/article/pii/S0167923625000260 (дата обращения: 28.12.2025).
