CC BY
27
УДК 332.1, 913, 502.3
БО!: 10.24411/1728-323X-2019-15070
ПОСЛЕДОВАТЕЛЬНОСТЬ ПРИНЯТИЯ СТРАТЕГИЧЕСКИХ РЕШЕНИЙ В ЗАДАЧАХ ПРОЕКТИРОВАНИЯ ТРАНСПОРТНОЙ ИНФРАСТРУКТУРЫ В АРКТИКЕ
В. Б. Коробов, доктор географических наук, директор Северо-Западного отделения Института океанологии им. П. П. Ширшова РАН; главный научный сотрудник лаборатории моделирования социально-экономических систем, Федеральный исследовательский центр комплексного изучения Арктики имени академика Н. П. Лаверова РАН; [email protected]; Архангельск, Россия, А. Г. Тутыгин, кандидат физико-математических наук, доцент, заведующий лабораторией моделирования социально-экономических систем, Федеральный исследовательский центр комплексного изучения Арктики имени академика Н. П. Лаверова РАН; [email protected]; Архангельск, Россия, Л. А. Чижова, кандидат экономических наук, доцент, старший научный сотрудник лаборатории моделирования социально-экономических систем, Федеральный исследовательский центр комплексного изучения Арктики имени академика Н. П. Лаверова РАН; [email protected]; Архангельск, Россия
«Наиболее ценные открытия делаются позднее всего: наиболее же ценные открытия — это методы»
Фридрих Ницше
Для минимизации ошибки выбора наиболее экономически эффективной и экологически безопасной альтернативы при принятии стратегических решений проектирования транспортной инфраструктуры в Арктике авторами разработан подход, основанный на последовательном принятии решений. Оценку альтернатив предлагается проводить в семь этапов, предполагающих: наращение как числа факторов, так и сложности системы по мере роста информационного обеспечения и стадии прединвестиционного и инвестиционного процессов; введение весовых коэффициентов влияния факторов и перераспределение их с использованием процедур аналитических сетей.
На виртуальном примере выбора места расположения порта на побережье арктических морей показано, что предложенная технология позволяет учесть максимальное число вариантов и определить наиболее важные из них. Авторы обращают внимание на возникающие при применении поэтапного подхода проблемы. Основными из которых являются: сложность выработки критерия бесспорного превосходства альтернативы-лидера над конкурентами; вопрос усложнения модели, если лидирующая альтернатива определена согласно принятому критерию; ограниченность применения метода аналитических сетей для задач многокритериального оценивания случаями возможности формализации большей части связей между факторами.
Введение. Транспортная инфраструктура является основой освоения минерально-сырьевых ресурсов и обеспечения национальной безопасности в Арктике. Крупные проекты, требующие для своей реализации многие миллиарды рублей, рассматриваются последовательно на альтернативной основе. Такая практика сложилась, чтобы свести к минимуму — насколько это возможно, ошибки и выбрать наиболее экономически эффективный и экологически безопасный вариант [1].
Транспортная инфраструктура как раз относится к таким проектам без всяких оговорок. Большая вариативность размещения объектов инфраструктуры и прокладки трасс, длительные сроки отдачи от вложения инвестиций, а в Арктике еще и сложные природные условия, оказывающие серьезное влияние на многие аспекты выбора [2], делают этот процесс многоэтапным.
Этапность в принятии решений необходима еще и потому, что на принятие решений влияют множество факторов, информация о некоторых на стадии прединвестиционного процесса и ранних стадиях проектирования может быть не полной, а для части факторов и недоступной. Поэтому в процессе принятия решений широко используются экспертные оценки, сочетание которых с числовыми характеристиками позво-
In order to minimize the error of choosing the most cost-effective and environmentally safe alternative when making strategic decisions on the design of transport infrastructure in the Arctic, the authors developed an approach based on consistent decision-making. Evaluation of alternatives is proposed to be carried out in seven stages, involving: the increase in both the number of factors and the complexity of the system with the growth of information support and the stage of pre-investment and investment processes; the introduction of the weighting coefficients of influence of factors and their redistribution, applying the procedures in analytical networks.
In the virtual case study of choosing the location of the port along the coastline of the Arctic seas it is shown that the proposed technology allows to take into account the maximum number of options, and to determine the most important of them. The authors draw attention to the problems arising in the application of a phased approach. The main ones are: the complexity of the development of the criterion of indisputable superiority of the alternative-leader over competitors; the issue of complication of the model, if the leading alternative is determined according to the accepted criterion; limited application of the method of analytical networks for multi-criteria evaluation of the possibility of formalization of most of the links between the factors.
Ключевые слова: транспортная инфраструктура, Арктика, стратегические решения, ранги, весовые коэффициенты.
Keywords: transport infrastructure, the Arctic, strategic decisions, ranks, weight coefficients.
ляет создавать эффективные модели выбора для принятия стратегических решений [3].
Весь вопрос заключается в том, какими должны быть эти модели на разных стадиях процесса принятия решений. Представляется целесообразным последовательное наращивание сложности модели по мере роста информационного обеспечения и стадии прединвестиционного и инвестиционного процессов [4].
Анализ возникающих проблем. Однозначные рекомендации относительно моделей дать сложно из-за отсутствия четких критериев к информации, объем и качество которой будут достаточными для уверенного принятия решения в пользу той или иной альтернативы. Это зависит от нескольких обстоятельств объективного и субъективного характера.
Проблема 1: насколько численная оценка альтернативы должна превосходить конкурентов, чтобы быть безоговорочной?
Все модели позволяют, так или иначе, оценить альтернативы численно. Самое простое решение состоит в выборе наибольшей или, если оценивание производится на принципах минимизации, наименьшей оценок. Минимальные значения при обычном оценивании также могут использоваться для исключения явных аутсайдеров, что позволяет экономить ресурсы на последующих стадиях рассмотрения альтернатив. Но это не столь актуально, как проблема выбора лидера. Кроме того, при изменении модели некоторые альтернативы могут статус аутсайдера потерять.
Решить, весьма приближенно, эту проблему можно двумя способами: формальным и экспертным. Формальный подход основывается на использовании шкалы, например, хорошо известной шкалы Харрингтона [5], оцифрованной соответствующим образом. Тогда если лидер попадает в первую градацию, а остальные в другие, то его можно принять за безусловного. Правда, при применении шкал может оказаться, что различие между интегральными показателями невелико, а они оказываются в разных градациях, что снижает эффективность применения шкал для классификации объектов.
Другой путь состоит в определении минимальной разницы между первой и последующей альтернативами, выраженной в процентах, экспертным путем. Усредненная экспертная оценка и станет таким критерием. Нам этот подход представляется более эффективным, в том числе и потому, что он свободен от недостатка, органически присущему предыдущему подходу.
Проблема 2: какая должна быть область неопределенности между численно и экспертно оцениваемыми факторами, чтобы лица, принимающие решения, могли делать это уверенно? На первых этапах оценивания, когда используются относительно простые модели, не все показатели влияющих факторов могут быть получены в численном виде, а оцениваются только экспертно. Этот процесс носит объективный характер и делает неравноценным сравнение факторов. Соотношение между этими двумя группами факторов может быть весьма значительным и по предварительным оценкам авторов достигать 30—60 %. Это приводит к неуверенности у лиц, принимающих решения, к выбору альтернативы, так как на пос-
ледующих этапах более строгие и обусловленные оценки факторов могут кардинально изменить ситуацию.
Какой должна быть величина этой неопределенности, должны решать сами менеджеры, усредненные мнения которых могут быть приняты в качестве минимально необходимого порога. В случае превышения установленного такой процедурой порога, формализация объекта должна быть пересмотрена.
Проблема 3: какой сложности должны быть модели, чтобы соответствовать уровню принятия решения? С точки зрения системного подхода к моделированию ответ на этот вопрос в определенной мере дает фундаментальная теорема У. Р. Эшби, известная еще как закон необходимого разнообразия [6]. Суть его заключается в том, что для создания системы, способной справиться с решением проблемы, обладающей определенным разнообразием (сложностью), необходимо, чтобы сама система имела еще большее разнообразие, чем решаемая проблема, или была способна создать в себе это разнообразие [7].
Этапы содержат в себе модели, позволяющие последовательно наращивать их сложность и обладающие свойством производить оценку по некоторому ясно интерпретируемому интегральному показателю. В соответствии с этими требованиями оценка альтернатив может проводиться в такой последовательности.
Этап 1. Простое ранжирование альтернатив. Эксперты — для простоты всех лиц, принимающих участие в оценивании, будем называть экспертами, располагают альтернативы по мере их значимости. Если эксперт полагает, что две или более альтернатив равны, что допускается, то их рангом будет средняя величина [8]. Например, если вторая и третья альтернативы принимаются равнозначными, то их рейтинг у данного эксперта будет равным (2 + 3)/2 = 2,5, а если вторая, третья и четвертая, то (2 + 3 + 4)/3 = 3. Все оценки экспертов усредняются, и по ним проводится окончательное ранжирование.
Этап 2. Ранжирование факторов и ранжирование альтернатив. Факторы принимаются неравными, и также ранжируются по их значимости. Расчеты суммарного показателя проводятся по формуле
N
лу = X Ьъ
и = 1
(1)
Этап 3. Присвоение влияющим факторам весовых коэффициентов и ранжирование альтернатив. Весовые коэффициенты более точные оценки значимости факторов [3]. Их можно получить различными способами путем экспертных опросов. Отметим только, что перерасчет рангов в весовые коэффициенты — а это вполне возможно, если каждый ранг разделить на их сумму, ничего в данном случае не дает, поскольку будет являться простым линейным преобразованием. Линейные же преобразования шкал для сравнительных оценок равноценны умножению интегральных оценок на некую константу, вследствие чего иерархия альтернатив остается прежней.
Тогда расчеты проводятся по формуле
N
л = X кг
и = 1
У
(2)
где Л — суммарная оценка ранга альтернативы, а Гу — ранг г-го фактора у-ой альтернативы, /г- — ранги факторов.
где Л — суммарная оценка ранга альтернативы, а Гу — ранг г-го фактора у-ой альтернативы, кг- — весовые коэффициенты факторов.
Этап 4. Расчет показателей влияющих факторов и приведение показателей к единому масштабу. При ранжировании альтернатив каждый показатель сравнивается экспертами по его значимости. При этом нет необходимости, чтобы абсолютно все показатели были сопоставимы. Так, показатель «длина трубопровода» легко поддается сравнению, а вот «экологическая ситуация» — только экспертным путем исходя из принципа: чем хуже ситуация, тем больше затрат потребуется на природоохранные мероприятия. Как видно из этого примера, эти два показателя в натуральном выражении несопоставимы. Это приводит к неопределенности при принятии решения, поскольку при сравнимых оценках стоимость тех же природоохранных мероприятий для некоторой альтернативы может существенно повысить стоимость всего проекта по данному варианту и тем самым кардинально повлиять на интегральный показатель. Поэтому требуется привести их к сопоставимым величинам — натуральным или безразмерным, например, балльным оценкам [3]. Расчет интегрального показателя можно производить по формуле (2), заменив в ней ранги на балльные оценки.
Этап 5. Увеличение количества влияющих факторов. Один и тот же объект можно описать различным количеством характеристик. На первых этапах исследования число учитываемых факторов и, соответственно, показателей, стремятся свести к минимуму, выбирая наиболее важные из них. При этом часто, хотя и не всегда, производят агрегирование показателей.
Но на заключительных этапах проблему необходимо исследовать всесторонне, что требует рас-
смотрения большего числа влияющих факторов. При большом их количестве, факторы целесообразно разбивать на группы: экономические, экологические, технические и т. д.
Тогда расчетная формула для интегрального показателя примет вид:
N
^ = X^ X к^, (3)
и = 1
где k| — весовые коэффициенты групп; / — число групп.
Если число факторов становится слишком большим — порядка сотни и более, группы также можно объединять, рассчитывая для них свои весовые коэффициенты. Тогда в расчетной формуле появится еще одна — и более, сумма. Однако этого следует избегать, поскольку каждый новый уровень сопровождается метапереходами в состоянии системы, что накладывает необходимость в исследовании дополнительных связей между уровнями [9].
Этап 6. Применение сетей для уточнения весовых коэффициентов влияющих факторов. В последние годы быстрыми темпами развиваются сетевые технологии, позволяющие более точно учесть все виды связей между компонентами сложных систем. Наиболее известные из сетей нейронные и аналитические, которые дают возможность сделать перерасчет весовых коэффициентов. Это приводит, как показано в работе [10], к принципиальному изменению значений интегрального показателя при балльных классификациях, используемых нами в решении данной задачи.
Этап 7. Использование более сложных показателей. Использование большего числа данных и информации вызывает необходимость пересмотра показателей влияющих факторов с целью сделать их более адекватными исследуемому объекту. Достигается это как уточнением уже принятых показателей, так и введением новых.
Под уточнением понимается: а) использование новых выборок; б) удлинение рядов; в) добавление большего количества характеристик (например, при расчете представляющих собой сумму некоторых величин индексов).
Новые показатели имеют другую природу по отношению к старым. Так, натуральные показатели заменяются показателями в денежном выражении, которые далеко не всегда коррелированны. Абсолютные показатели могут заменяться удельными, которые в большинстве случаев более эффективны, особенно в задачах, где социальный блок имеет большую важность.
Показатель — формально, может оказаться прежним, но его расчет меняется кардинальным
образом. Для расчета многих показателей используются модели различной сложности. На начальных стадиях нет смысла чрезмерно усложнять задачу, и стараются выбрать модели попроще. (Простые модели совсем не означает, что они хуже сложных. Просто сложные модели обладают большими возможностями, и их использование может иметь место и в других случаях, например, непосредственно при проектировании объектов, таких как гидротехнические сооружения, где используются климатические и океанологические характеристики, являющиеся показателями природных факторов в задаче выбора альтернативы.)
Расчетные формулы — (2) и (3), при замене показателей не меняются, но балльные оценки новых показателей могут измениться заметно.
Виртуальный пример. Выбор места расположения порта на побережье арктических морей является одной из таких задач, имеющую приоритетную актуальность для развития транспортной инфраструктуры Арктики [11]. Сложность выбора, как отмечено выше, заключается как во влиянии природных условий, так и в необходимости обеспечения рентабельности транспортировки грузов, что также в немалой степени зависит от выбора точки выгрузки [12].
Учитывая сильную изрезанность береговой черты, наличие большого количества отмелей и островов, значительную пространственно-временную изменчивость характеристик гидрометеорологических факторов и существенные экологические ограничения, место расположения порта (портопункта) может заметно варьировать даже на относительно небольших участках побережья, относящихся к одному гидрографическому району.
Рассмотрим три альтернативы возможного размещения порта (рис. 1). Пусть каждая имеет свою особенность: у варианта А — жилой поселок и крупный остров, влияющий на гидрометеоро-
логические характеристики акватории; у варианта В — объект Министерства обороны; восточнее варианта С — национальный парк федерального значения.
Для начального оценивания выберем следующие факторы: гидрометеорологические условия, экологическая ситуация, инфраструктура, близость населенных пунктов, инвестиционная привлекательность [13] и проведем их ранжирование. Расчеты суммарных рангов выполнены по формулам (1)—(2) и представлены в табл. 1—7.
На первом этапе ранжирование проведено по принципу: «чем лучше условия, тем выше ранг». По результатам простого ранжирования бесспорный лидер — первый вариант (табл. 1).
Таблица 1 Этап 1. Ранжирование альтернатив
Факторы Альтернативы
А В С
1 гидрометеорологические условия 1 2 3
2 экологическая ситуация 2,5 2,5 1
3 инфраструктура 3 2 1
4 близость населенных пунктов 3 1,5 1,5
5 инвестиционная привлекательность 3 1 2
Сумма рангов 12,5 9,5 8,5
Место 1 2 3
Ранжирование факторов проведено по принципу: «чем большая значимость, тем выше ранг». Итоговый результат не изменился, но отрыв лидера — альтернатива А, от конкурентов стал более значимым: с 24 и 32 % до 39 и 53 % соответственно.
Таблица 2
Этап 2. Ранжирование факторов и альтернатив
Факторы Ранги Альтернативы
факторов А В С
1 гидрометеорологические условия 1 1 2 3
2 экологическая ситуация 2 2,5 2,5 1
3 инфраструктура 5 3 2 1
4 близость населенных пунктов 3 3 1,5 1,5
5 инвестиционная привлекательность 4 3 1 2
Сумма 42 25,5 22,5
Место 1 2 3
Использование весовых коэффициентов, найденных авторами прямой расстановкой, привело к изменению порядка суммарных рангов альтернатив: второй и третий вариант поменялись местами. Бесспорным лидером осталась первая альтернатива (табл. 3).
Таблица 3
Этап 3. Присвоение влияющим факторам весовых коэффициентов и ранжирование альтернатив
Факторы Весовые коэффициенты Альтернативы
А В С
1 гидрометеорологические 0,05 1 2 3
условия
2 экологическая ситуация 0,10 2,5 2,5 1
3 инфраструктура 0,15 3 2 1
4 близость населенных 0,31 3 1,5 1,5
пунктов
5 инвестиционная 0,39 3 1 2
привлекательность
Сумма 2,85 1,50 1,64
Место 1 3 2
Замена рангов показателей на их балльные оценки, рассчитанные по 10-балльным линейным шкалам, вернуло ранжирование альтернатив к исходному порядку (табл. 4). При этом преимущество первой альтернативы над конкурентными увеличилось примерно в два раза.
Таблица 4 Этап 4. Балльные оценки показателей и весовые коэффициенты альтернатив
Факторы Весовые коэффициенты Альтернативы
А В С
1 гидрометеорологиче- 0,05 5 6 9
ские условия
2 экологическая ситуация 0,10 5 7 3
3 инфраструктура 0,15 9 5 3
4 близость населенных 0,31 9 6 4
пунктов
5 инвестиционная привле- 0,39 10 2 3
кательность
Сумма 8,79 4,39 3,61
Место 1 2 3
Увеличение числа влияющих факторов с последующим пересчетом весовых коэффициентов оставило порядок альтернатив прежним, но разница между ними, особенно между первой и второй, заметно сократилась (табл. 5).
Таблица 7 Этап 7. Применение более сложных показателей влияющих факторов
Таблица 5
Этап 5. Увеличение количества влияющих факторов и пересчет весовых коэффициентов
Факторы Весовые коэффициенты Альтернативы
А В С
1 климат 0,04 5 6 9
2 океанологические условия 0,05 5 8 6
3 экологическая ситуация 0,08 5 7 3
4 инфраструктура 0,13 9 6 3
5 близость населенных пунктов 0,17 9 6 4
6 инвестиционная привлекательность 0,21 10 4 3
7 интересы национальной безопасности 0,20 6 10 5
8 коренные малочисленные народы Севера 0,12 6 8 3
Сумма 7,57 6,80 3,98
Место 1 2 3
Факторы Весовые коэффициенты Альтернативы
А В С
1 климат 0,08 4 7 9
2 океанологические условия 0,08 4 8 6
3 экологическая ситуация 0,11 4 8 3
4 инфраструктура 0,12 9 7 3
5 близость населенных пунктов 0,16 9 6 4
6 инвестиционная привлекательность 0,18 9 5 3
7 интересы национальной безопасности 0,18 7 10 6
8 коренные малочисленные народы Севера 0,09 5 8 4
Сумма 6,93 7,06 4,51
Место 2 1 3
Перерасчет весовых коэффициентов путем аналитической сети — сами построения из-за дефицита объема статьи мы приводить не будем, еще более сблизили первую и вторую альтернативы, но порядок мест остался прежним (табл. 6).
Таблица 6
Этап 6. Применение сетей для уточнения весовых коэффициентов влияющих факторов
Факторы Весовые коэффициенты Альтернативы
А В С
1 климат 0,08 5 6 9
2 океанологические 0,08 5 8 6
условия
3 экологическая ситуация 0,11 5 7 3
4 инфраструктура 0,12 9 6 3
5 близость населенных 0,16 9 6 4
пунктов
6 инвестиционная привле- 0,18 10 4 3
кательность
7 интересы национальной 0,18 6 10 5
безопасности
8 коренные малочислен- 0,09 6 8 3
ные народы Севера
Сумма 7,29 6,57 4,24
Место 1 2 3
Уточнение показателей влияющих факторов за счет привлечения дополнительной информации привело к тому, что первая и вторая альтернативы поменялись местами (табл. 7). Различие между ними невелико, но выбор между ними сделать непросто.
Рассмотрим, как изменялись места альтернатив от этапа к этапу (табл. 8). Мы видим, что изменение ранжирования происходило не на всех этапах — все же географически варианты размещения объекта транспортной инфраструктуры достаточно близки, но сближение и расхождение интегрального показателя имело место постоянно. На последних этапах это привело к тому, что основные альтернативы поменялись местами.
Таблица 8 Ранжирование альтернатив по этапам
Этапы Альтернативы
А В С
1 1 2 3
2 1 2 3
3 1 3 2
4 1 2 3
5 1 2 3
6 1 2 3
7 2 1 3
Обсуждение и дискуссия
Подход, основанный на поэтапном анализе объекта, прочно вошел в практику. Для сложных нечетко формализуемых объектов последовательный анализ может достигать 14 шагов [14]. На основании полученных результатов, пусть и на виртуальном, но достаточно приближенном к реальной действительности примере, рассмотрим, какие возникают при этом проблемы.
Критерий выделения бесспорного лидера. Учитывая неопределенность, возникающую в отсутствии четкого и однозначного критерия бесспорного превосходства альтернативы-лидера над конкурентами, однозначно выработать такой критерий будет чрезвычайно сложно. Эта проблема, которую можно определить как установление границ между классами, носит общеметодологический характер и не имеет четкого решения. Как мы могли убедиться, даже почти двойное превосходство еще не является гарантией окончательного лидерства одной альтернативы.
Сколько требуется этапов?Один из ключевых вопросов состоит в том, стоит ли продолжать усложнение модели, если лидирующая альтернатива определена согласно принятому критерию — его можно установить формально, что часто и делается на практике?
Если численные оценки двух и более альтернатив будут находиться в пределах одного оцениваемого интервала, то окончательное решение может быть принято с использованием процедур голосования.
Обратим внимание, что некоторые сетевые методы, в частности аналитических сетей, не являются универсальным решением для всех задач
многокритериального оценивания [15]. Он хорошо подходит только в тех случаях, когда большую часть связей между факторами можно формализовать и получить в результате сильносвязанную сеть [16]. Также и расчеты весовых коэффициентов в настоящее время превратились в набор процедур, что привело, как показано авторами на примере популярного метода анализа иерархий [17], к ряду не совсем корректных и достоверных оценок роли факторов.
Заключение. Таким образом, предложенный подход к последовательному принятию стратегических решений в задачах проектирования транспортной инфраструктуры в Арктике позволяет свести к минимуму возможные ошибки и выбрать наиболее экономически эффективный и экологически безопасный вариант реализации соответствующего проекта.
Данная работа выполнена в рамках темы НИР (государственное задание) «Разработка модели организации управления трансконтинентальными перевозками по высокоширотной трассе Северного морского пути», регистрационный номер: АААА-А17-117033010116-2.
Библиографический список
1. Кочуров Б. И. Экологически безопасное и сбалансированное развитие региона // Известия Российской академии наук. Серия географическая. 2001, № 4, с. 87—92.
2. Антипов Е. О., Тутыгин А. Г., Коробов В. Б. Проблемы осуществления транспортировки грузов в Арктической зоне Российской Федерации морским путем // Управленческое консультирование, 2017, № 11, с. 72—79.
3. Коробов В. Б., Тутыгин А. Г. Классификационные методы решения эколого-экономических задач. — Архангельск, Поморский университет, 2010, 310 с.
4. Коробов В. Б. Эколого-географическое обоснование экспертной оценки создания нефтяной транспортной инфраструктуры севера Тимано-Печорской провинции // Диссертация на соискание ученой степени доктора географических наук. — М.: ИГ РАН, 2004, 422 с.
5. Harrington E. C. The desirable function. — Industrial Quality Control, 1965, V. 21, № 10, p. 124—131.
6. Ashby W. R. An Introduction to Cybernetics. — London: Chapman & Hall Ltd, 1957, 295 p.
7. Острейковский В. А. Теория систем. — М.: Высшая школа, 1997, 240 с.
8. Химмельблау Д. Анализ процессов статистическими методами. — М.: Мир, 1973, 957 с.
9. Турчин В. Ф. Феномен науки: Кибернетический подход к эволюции. — М.: ЭТС, 2000, 368 с.
10. Коробов В. Б., Середкин К. А. Применение экспертных сетей для экологического районирования Белого моря // Известия Российской академии наук. Серия географическая. — 2016. — № 3. — C. 81—87.
11. Тутыгин А. Г. Концепция создания комплекса моделей развития транспортной инфраструктуры Арктической зоны Российской Федерации // Научное обозрение, 2016, № 24, стр. 182—185.
12. Есеев М. К., Коробов В. Б., Макаров Д. Н., Матвеев В. И., Тутыгин А. Г. Моделирование погрузочно-разгрузочных операций судна в процессе перевозок по Северному морскому пути // Arctic Environmental Research, 2017, № 4, C. 273—282.
13. Матвиенко И. И., Тутыгин А. Г., Чижова Л. А. Инвестиционная привлекательность муниципальных образований региона. Монография. — Архангельск: Изд-во «КИРА», 2012, 248 с.
14. Колоденкова А. Е. Топологический анализ структуры нечеткой когнитивной модели оценки реализуемости проекта по созданию информационно-управляющих систем для сложных технических объектов // Вестник УГАТУ, 2016, № 3 (73), стр. 129—136.
15. Середкин К. А. О границах применимости метода аналитических сетей в задачах принятия решений в естественных науках // Искусственный интеллект и принятие решений, 2018, № 2, с. 95—102.
16. Саати Т. Л. Принятие решений при зависимостях и обратных связях: аналитические сети: пер с англ. М., 2009. — 360 с.
17. Коробов В. Б., Тутыгин А. Г. Проблемы использования метода анализа иерархий и пути их решения // Экономика и управление, 2016, № 8, с. 60—65.
THE SEQUENCE OF STRATEGIC DECISIONS IN THE DESIGN OF TRANSPORT INFRASTRUCTURE IN THE ARCTIC
V. B. Korobov, Ph. D. (Geography), Dr. Habil, Director, North-Western branch of P. P. Shirshov Institute of Oceanology,
Russian Academy of Sciences; Giief Researcher, Laboratory of Socio-economic systems modeling, Academician N. P. Laverov Federal
Centre for Integrated Arctic Research, Russian Academy of Sciences; [email protected]; Arkhangelsk, Russia;
A. G. Tutygin, Ph. D. (Physics and Mathematics), Head of the Laboratory of Socio-economic systems modeling, Academician
N. P. Laverov Federal Centre for Integrated Arctic Research, Russian Academy of Sciences; [email protected]; Arkhangelsk, Russia;
L. A. Chizhova, Ph. D. (Economy), Senior Researcher, Laboratory of Socio-economic systems modeling, Academician N. P. Laverov
Federal Centre for Integrated Arctic Research, Russian Academy of Sciences; [email protected]; Arkhangelsk, Russia
References
1. Kochurov B. I. Ekologicheski bezopasnoe i sbalansirovannoe razvitie regiona. Izvestiya Rossijskoj akademii nauk [Environmentally safe and balanced development of the region. News of the Russian Academy of Sciences. Series geographical] 2001. No. 4. P. 87. [in Russian]
2. Antipov E. O., Tutygin A. G., Korobov V. B. Problemy osushestvleniya transportirovki gruzov v Arkticheskoj zone Rossijskoj Federacii morskim putyom. — Upravlencheskoe konsultirovanie [Problems of transport cargo in the Arctic zone of the Russian Federation by sea. Management consulting]. 2017. No. 11. P. 72—79. [in Russian]
3. Korobov V. B., Tutygin, A. G. Klassifikacionnye metody resheniya ekologo-ekonomicheskih zadach. — Arhangelsk, Pomorskij universitet [Classification methods of solving economic problems]. Arkhangelsk, Pomor University. 2010, 310 p. [in Russian]
4. Korobov V. B. Ekologo-geograficheskoe obosnovanie ekspertnoj ocenki sozdaniya neftyanoj transportnoj infrastruktury severa Timano-Pechorskoj provincii. Dissertaciya na soiskanie uchenoj stepeni doktora geograficheskih nauk. [The geographical justification of the expert assessment of the creation of the oil transport infrastructure of the North of the Timan-Pechora Province. Dissertation for the degree of Doctor of Geographical Sciences]. Moscow, IG RAS, 2004, 422 p. [in Russian]
5. Harrington E. C. The desirable function. Industrial Quality Control. 1965, Vol. 21, No. 10. P. 124—131.
6. Ashby W. R. An Introduction to Cybernetics. London: Chapman & Hall Ltd, 1957. 295 p.
7. Ostreikovski V. A. Teoriya sistem [Systems Theory]. Moscow, Vysshaya shkola. 1997. 240 p. [in Russian]
8. Himmelblau D. Analiz processov statisticheskimi metodami [Process Analysis by statistical methods]. Moscow, Mir. 1973. 957 p. [in Russian]
9. Turchin V. F. Fenomen nauki: Kiberneticheskij podhod k evolyucii [The Phenomenon of science: Cybernetic approach to evolution]. Moscow, ETS, 2000, 368 p. [in Russian]
10. Korobov V. B., Seredkin K. A. Primenenie ekspertnyh setej dlya ekologicheskogo rajonirovaniya Belogo moray. Izvestiya Rossijskoj akademii nauk. Seriya geograficheskaya [Application of expert networks for ecological zoning of the White Sea. Izvestiya of the Russian Academy of Sciences, Series geographical]. 2016. No. 3. P. 87. [in Russian]
11. Tutygin A. G. Koncepciya sozdaniya kompleksa modelej razvitiya transportnoj infrastruktury Arkticheskoj zony Rossijskoj Federacii. Nauchnoe obozrenie [The Concept of creation of a complex of models of development of transport infrastructure of the Arctic zone of the Russian Federation. Scientific review], 2016. No. 24. P. 182—185. [in Russian]
12. Eseev M. K., Korobov V. B., Makarov D. N., Matveev V. I., Tutygin A. G. Modelirovanie pogruzochno-razgruzochnyh op-eracij sudna v processe perevozok po Severnomu morskomu puti. [Modeling of loading and unloading operations of the ship in the process of transportation along the Northern sea route]. Arctic Environmental Research. 2017. No. 4. P. 273—282. [in Russian]
13. Matvienko I., Tutygin A., Chizhova L. Investicionnaya privlekatelnost municipalnyh obrazovanij regiona. Monografiya. [Investment attractiveness of municipalities in the region. Monograph] Arhangelsk, Izd-vo "KIRA". 2012. 248 p. [in Russian]
14. Molodenkov A. E. Topologicheskij analiz struktury nechyotkoj kognitivnoj modeli ocenki realizuemosti proekta po sozdaniyu informacionno-upravlyayushih sistem dlya slozhnyh tehnicheskih obektov. [Topological analysis of the structure of a fuzzy cognitive model of evaluation of the feasibility of a project for the establishment of information management systems for complex technical objects] Vestnik UGATU. 2016. No. 3 (73). P. 129—136. [in Russian]
15. Seredkin K. A. O granicah primenimosti metoda analiticheskih setej v zadachah prinyatiya reshenij v estestvennyh naukah. — Iskusstvennyj intellekt i prinyatie reshenij. [On the limits of applicability of the method of analytical networks in the problems of decision-making in the natural Sciences. Artificial intelligence and decision-making]. 2018. No. 2. P. 95—102. [in Russian]
16. Saati T. L. Prinyatie reshenij pri zavisimostyah i obratnyh svyazyah: analiticheskie seti [Decision-making with dependencies and feedbacks: analytical networks: per with English]. Moscow. 2009. 360 p. [in Russian]
17. Korobov V. B., Tutygin A. G. Problemy ispolzovaniya metoda analiza ierarhij i puti ih resheniya. Ekonomika i upravlenie [The problems of the use of the method of analysis of the hierarchies and the ways of their solutions. Economics and management]. 2016. No. 8. P. 60—65. [in Russian]
