Інтелектуальні системи ухвалення рішень

Тип: На вибір студента

Кафедра: економічної кібернетики

Навчальний план

СеместрКредитиЗвітність
43.5Залік

Лекції

СеместрК-сть годинЛекторГрупа(и)
416доцент Дацко М. В.ЕККМ-51с

Лабораторні

СеместрК-сть годинГрупаВикладач(і)
416ЕККМ-51сдоцент Дацко М. В.

Опис курсу

Завданням навчальної дисципліни «Інтелектуальні системи ухвалення рішень» є ознайомлення студентів із сучасним станом застосування інтелектуальних систем для прийняття рішень та сформувати у них необхідні знання, вміння, навички необхідні для прийняття раціональних рішень із використанням сучасного прикладного програмного забезпечення. Сформувати у студента цілісну, систематизовану картину типових підходів для подальшого використання у практичній діяльності.
Студент повинен знати:

  • систему та інструментарій інтелектуальних систем прийняття рішень;
  • інструментарій генетичних алгоритмів;
  • інструментарій алгоритмів нейронних мереж;
  • застосування експертних методів;
  • інструментарій мурашиних та роєвих алгоритмів;
  • підходи до багатокритеріальної оптимізації;
  • основні засади машинного навчання.

Студент повинен вміти:

  • застосовувати адекватні методи для прийняття рішень щодо функціонування та розвитку економічних систем;
  • використовувати сучасні інформаційні технології в процесі прийняття рішень;
  • здійснювати аналіз та обґрунтування пропонованих рішень та вибір найкращого варіанту з множини допустимих;
  • поєднувати методи інтелектуальних систем прийняття рішень.

 

Рекомендована література

  1. Данчук В.Д. Оптимізації пошуку шляхів по графу в динамічній задачі комівояжера методом модифікованого мурашиного алгоритму / В.Д. Данчук, В.В. Сватко // Системні дослідження та інформаційні технології НТУУ «КПІ». – 2012. – №2. – С. 78-86.
  2. Данчук В.Д. Модифікований мурашиний метод оптимізації маршруту в динамічній задачі комівояжера / В. Д. Данчук, В. В. Сватко // Вісник [Національного транспортного університету]. – 2012. – № 25. – С. 378-382.
  3. Дранишников Л.В. Інтелектуальні методи в управлінні : навчальний посібник / Л.В. Дранишников; Міністерство освіти і науки України, Дніпровський державний технічний університет (ДДТУ). Кам’янське : ДДТУ, 2018. – 415 с.
  4. Інтелектуальний аналіз даних : навчальний посібник /А.О. Олійник, С.О. Субботін, О.О. Олійник.- Запоріжжя: ЗНТУ, 2012. – 277 с.
  5. Колесніков К. В. Генетичні алгоритми для задач багатокритеріальної оптимізації в мережах адаптивної маршрутизації даних/ Колесніков К. В., Карапетян А. Р., Царенко Т. А. // Вісник НТУ «ХПІ». Серія: Нові рішення в сучасних технологіях. – Х: НТУ «ХПІ», – 2013. – № 56 (1029). – С.44-50.
  6. Литвин В.В., Пасічник В.В., Яцишин Ю.В. Інтелектуальні системи: Підручник – Львів «Новий світ – 2000», 2008. – 406 с.
  7. Петренко А. І. Grid та інтелектуальна обробка даних Data Mining /А. І. Петренко // Системні дослідження та інформаційні технології. – 2008. – № 4. – С. 97-110.
  8. Рутковская Д., Пилинский М., Рутковская Л. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польск. И.Д. Рудинского. – М.: Горячая линия-Телеком, 2006. – 452 с.
  9. Субботін С.О. Інтелектуальні системи : навчальний посібник / С.О. Субботін, А.О. Олійник; під загальною редакцією С.О. Субботіна ; Міністерство освіти і науки України, Запорізький національний технічний університет. – 2014.
  10. Черняк О.І., Захарченко П.В. Інтелектуальний аналіз даних: Підручник – Київ, 2010 . – 837 с.
  11. Dorigo M. The Ant System: Optimization by a Colony of Cooperating Agents / Dorigo M., Maniezzo V., Colorni A. // IEEE Trans. on Systems, Man and Cybernetics. Part B. – 1996. — № 1. — Vol. 26. — P. 29-41

Силабус:

Завантажити силабус