ИНФОРМАЦИОННО-АДАПТИВНЫЙ ПОДХОД К МНОГОКРИТЕРИАЛЬНОМУ ВЫБОРУ ОБЪЕКТОВ ЛОГИСТИЧЕСКОЙ ИНФРАСТРУКТУРЫ

Розенберг И.Н. Дубчак И.А

Об авторах

Розенберг И.Н. Дубчак И.А

Розенберг Игорь Наумович – научный руководитель Федерального государственного автономного образовательного учреждения высшего образования "Российский университет транспорта" РУТ (МИИТ), 127994, ГСП -4, г. Москва, ул. Образцова, д. 9, стр.9, член - корреспондент РАН, доктор техническ их наук, профессор,Область научных интересов: теория принятия решений, искусственный интеллект, нечеткие графы, геоинформационные систе мы. Число научных публикаций – более 500. ORCID – orcid.org/0000-0001-9589-6783.

Дубчак Ирина Александровна – начальник управления, Федеральное государственное автономное образовательное учреждение высшего образования "Российский университет транспорта" РУТ (МИИТ), 127994, ГСП-4, г. Москва, ул. Образцова, д. 9, стр.9, Область научных интересов: геоинформационные системы, теория графов, теория принятия решений. Число научных публикаций – 39. ORCID – orcid.org/0009- 0002-2920-7286. Rozenberg I gor Naumovich – Academic Supervisor of the Federal State Autonomous Educational Institution of Higher Education "Russian University of Transport" RUT (MIIT), 127994, GSP-4, Moscow, Obraztsova str. 9, building 9, Corresponding Member of the RAS, Doctor of Technical Sciences, Professor, Research interests: decision theory, artificial intelligence, fuzzy graphs, geographic information systems. Number of scientific publications: over 500. ORCID – orcid.org/0000-0001-9589-6783.

Скачать PDF

УДК: 519.722:658.7
DOI: 10.24412/2413-7383-2026-2-41-211-220
Язык: Русский

Аннотация: В условиях цифровой трансформации транспортно-логистических систем принципиально меняется структура задач многокритериального выбора. Существующие методы многокритериального принятия решений рассматривают входные данные как равно достоверные, что в современных условиях приводит к систематическим ошибкам. В статье сформулирована новая постановка задачи с учетом неравно достоверности информации и предложен подход, основанный на введении понятия «информационная зрелость» и адаптивных весов критериев.

Ключевые слова: многокритериальный выбор, качество данных, информационная зрелость, TOPSIS, логистическая инфраструктура, принятие решений, цифровая трансформация.

Список литературы

1. Bozhenyuk A. Kosenko O. Method of solving multi-index distribution tasks with fuzzy parameters. Advances in Computer Science Research (ACSR), № 72. 2017. Рp. 68-72.
2. Марусин А.В. Особенности цифровой трансформации транспортно-логистической сферы / А.В. Марусин, Т.Х. Аблязов // Экономика: вчера, сегодня, завтра. 2019. № 9(3А). С. 71 -78. DOI: 10.34670/AR.2019.89.3.007
3. Зубрицкая И. Экономическое киберфизическое пространство: теоретико-методологический генезис и современные тенденции формирования и развития / И. Зубрицкая // Наука и инновации. 2024. № 9. С. 48-51. DOI: 10.29235/1818-9857-2024-09-48-51
4. Bozhenyuk A. Dubchak I. Kosenko O. Assessing the Sustainability of Transport Systems Under Uncertainty and Fuzziness // Lecture Notes in Networks and Systems (LNNS), № 1531. 2025. Рp. 580–
5. DOI: 10.1007/978-3-031-98304-7_64
6. Боровиков А. И. Математическое моделирование и формализация потоков для анализа оптимизации и выявления аномалий в логистике, финансах и закупках / А.И. Боровиков, О. А. Криводубский // Проблемы искусственного интеллекта. 2025. № 2 (37). С. 31-43. DOI: 10.24412/2413-7383-2025-2-37-31-
7. EDN: SFFFRV.
8. Kosenko O. Bozhenyuk A. Knyazeva M. The task of optimizing production planning with fuzzy parameters. Lecture Notes in Networks and Systems (LNNS). № 307. 2022. pp. 546-553. https://doi.org/10.1007/978-3-030-85626-7_64
9. Боровиков А. И. Взаимодействие основных потоков предприятия / А. И. Боровиков, О. А. Криводубский // Проблемы искусственного интеллекта. 2024. № 4 (35). С. 76-87.
10. Shaykhislamov N. Traditional and newer approaches to measuring linguistic expertise introduction // Academic research in educational sciences. 2023. № 6. URL: https://cyberleninka.ru/article/n/traditional- and-newer-approaches-to-measuring-linguistic-expertiseintroduction (дата обращения: 20.02.2026).
11. Боженюк А.В. Гибридная модель комплексной оценки параметров транспортно-логистических систем в условиях неопределенности / А. В. Боженюк, О.В. Косенко, И.А. Дубчак // Приборы и системы. Управление, контроль, диагностика. 2025. № 9. С. 32-41.
12. Разработка миварной экспертной системы для выбора алгоритма консенсуса распределённых реестров / Подопригорова Н. С. Козырев С.А. Подопригорова С. С. Балдин А. В. Коценко А. А. Гун Шэншо // Проблемы искусственного интеллекта. 2024. № 4 (35). С. 126-138.
13. Chakraborty, S. TOPSIS and Modified TOPSIS: A comparative analysis. Decision Analytics Journal, 2 (2021). 100021. DOI: 10.1016/j.dajour.2021.100021.
14. Pandey, V. Komal, Dincer, H. A review on TOPSIS method and its extensions for different applications with recent development. Soft Computing, 27 (2023). Рp. 18011–18039. DOI: 10.1007/s00500-023-09011-0
15. Yilmaz I. Polat L. Celiac disease multi-purpose diet plan through integrated goal programming and Interval Type 2 Fuzzy TOPSIS method. Expert Systems with Applications, 218(C). 2023. 119618. DOI: 10.1016/j.eswa.2023.119618
16. Almotiri S. H. Improving Network Resilience Against DDoS Attacks: A Fuzzy TOPSIS-based Quantitative Assessment Approach. Heliyon, № 10(22). 2024. e40413. DOI: 10.1016/j.heliyon.2024.e40413
17. Briki I. Ellaia R. Chentoufi M.A. Fuzzy-topsis decision-support framework for traffic signal control. Innovative Infrastructure Solutions, 10(7) (2025). DOI: 10.1007/s41062-025-02085-9
18. Joshi D. Bisht K. Kumar S. Interval-valued intuitionistic uncertain linguistic information based TOPSIS method for multi-criteria group decision making problems. Advances in Intelligent Systems and Computing, 696. 2018. pp. 305–315. DOI: 10.1007/978-981-10-7386-1_27
19. Zhang, Y. TOPSIS Method Based on Entropy Weight for Supplier Evaluation of Power Grid Enterprise. Proceedings of the 2015 International Conference on Education Reform and Modern Management. Advances in Social Science, Education and Humanities Research. Paris: Atlantis Press, 2015. pp.390-
20. DOI: 10.2991/ermm-15.2015.88
21. Tong M. Zhu A. Research on Network Quality Evaluation System Based on the Entropy Weight Method. Proceedings of the 2024 3rd International Conference on Algorithms, Data Mining, and Information Technology (ADMIT '24). New York: Association for Computing Machinery, 2025. pp. 51–59. DOI: 10.1145/3701100.3701111.
22. Elshoubaky S. Elbeltagi E. Elrahman M.A. Elmasoudi I. System Dynamics and TOPSIS Models for Sustainable Building Materials Selection Considering Life Cycle Assessment. Mansoura Engineering Journal, 48(1), Article 1, 2023. DOI: 10.58491/2735-4202.3026
23. Устенко В. Ю. Оптимизация предварительной оценки компетенций кандидатов в сфере IT- технологий с использованием Microsoft ML Builder / В. Ю. Устенко // Проблемы искусственного интеллекта. 2024. № 3 (34). С. 64-69.
24. Šlibar B. Oreski D. Redjep N. Importance of the Open Data Assessment: An Insight Into the (Meta) Data Quality Dimensions. SAGE Open, 11. 2021. DOI: 10.1177/21582440211023178
25. Aljumaili M. Metadata-Based Data Quality Assessment. VINE Journal of Information and Knowledge

Выпуск: 2(41)'2026
Раздел: ИНФОРМАТИКА И ИНФОРМАЦИОННЫЕ ПРОЦЕССЫ
Как цитировать: Розенберг И.Н. Дубчак И.А. ИНФОРМАЦИОННО-АДАПТИВНЫЙ ПОДХОД К МНОГОКРИТЕРИАЛЬНОМУ ВЫБОРУ ОБЪЕКТОВ ЛОГИСТИЧЕСКОЙ ИНФРАСТРУКТУРЫ // Проблемы искусственного интеллекта. - 2026. - № 2 (41). - С. 211-220. - https://paijournal.guiaidn.ru/ru/2026/2(41)-18.html

Назад к выпуску 2(41)'2026