ОПТИМИЗАЦИЯ ПЛАНИРОВАНИЯ ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЯ С ИСПОЛЬЗОВАНИЕМ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ И НЕЙРОСЕТЕВОГО ПРОГНОЗИРОВАНИЯ КОНКУРЕНТНОЙ СРЕДЫ
DOI:
https://doi.org/10.25806/uu-5567Статья поступила в редакцию: 16.10.2025
Статья принята к публикации: 17.11.2025
Статья опубликована: 18.11.2025
Ключевые слова:
планирование инновационной деятельности, оптимизация, генетический алгоритм, нейросетевое прогнозирование, конкурентная среда, искусственный интеллект, управление портфелем проектов, цифровизация.Аннотация
В статье рассмотрены проблемы эффективного распределения ресурсов и формирования портфеля инновационных проектов предприятия в условиях высокой неопределенности и динамичной конкурентной среды. Разработана и апробирована гибридная оптимизационная модель, интегрирующая метод нейросетевого прогнозирования действий ключевых конкурентов и генетический алгоритм для поиска Pareto-оптимального плана инвестиций в инновации. Проведена оценка эффективности предложенного подхода на основе имитационного моделирования для предприятия реального сектора экономики.
Авторами затронута проблема принятия стратегических управленческих решений в области НИОКР, которая ранее не решалась комплексно с применением комбинации указанных методов искусственного интеллекта для анализа цифрового следа конкурентной среды. Данная статья будет актуальной для промышленных и высокотехнологичных предприятий, испытывающих сложности в выборе приоритетных направлений инновационного развития и оценке рисков в условиях цифровой трансформации. Для этого разработаны практические предложения и алгоритмические решения, позволяющие автоматизировать процесс формирования и оценки сбалансированного инновационного портфеля.
В статье исследуются современные подходы к оптимизации планирования инновационной деятельности предприятий в условиях высокой неопределенности и динамичной конкурентной среды. Разработана гибридная модель, интегрирующая методы нейросетевого прогнозирования поведения конкурентов с генетическими алгоритмами многокритериальной оптимизации портфеля инновационных проектов.
С другой стороны, данная статья будет полезна топ-менеджменту и руководителям R&D-подразделений современных предприятий, занимающихся стратегическим планированием и стремящихся повысить конкурентоспособность своей инновационной деятельности за счет использования технологий, основанных на данных.
Информация о публикации
Финансирование: Исследование выполнено без привлечения внешнего финансирования, если иное не указано авторами.
Вклад авторов: Все авторы внесли существенный вклад в подготовку статьи, ознакомились с окончательной версией рукописи и одобрили ее к публикации.
Конфликт интересов: Авторы заявляют об отсутствии конфликта интересов, если иное не указано в публикации.
Правообладатель: Издательский дом «Академический».
Лицензия: Статья распространяется на условиях лицензии Creative Commons Attribution 4.0 International (CC BY 4.0).
Машиночитаемый файл метаданных: JATS XML
Список литературы
Белослудцев Е.В., Николова Л.В. Оценка конкурентоспособности экономических систем с использованием самоорганизующихся нейронных сетей // π-Economy. 2011. № 2 (119). С. 230-232.
Бурнашев Р.Ф., Анварова Л.А. Применение нейронных сетей в автоматическом переводе и обработке естественного языка // Universum: технические науки. 2024. № 4 (121). С. 39-43.
Вакуленко С.А., Жихарева А.А. Практический курс по нейронным сетям: учебное пособие. Университет ИТМО, 2018. 71 с.
Воронков А.М. Нейронные сети в прогнозной аналитике: повышение эффективности принятия инвестиционных решений // Вестник науки. 2024. № 4 (73). С. 51-58.
Гафаров Ф.М., Галимянов А.Ф. Искусственные нейронные сети и их приложения: учебное пособие. Издательство Казанского университета, 2018. 121с.
Гайфулина Д.А., Котенко И.В. Анализ моделей глубокого обучения для задач обнаружения сетевых аномалий интернета вещей // Информационно-управляющие системы. 2021. № 1 (110). С. 28-37.
Гуляев П.А., Елистратова, Е.А., Коновалов, В.П., Куратов, Ю.М., Пугачев Л.П., Бурцев М.С. Отслеживание состояния целеориентированного диалога на основе БЕРТ // Труды МФТИ. 2021. № 3 (51). С. 48-61.
Данилов В.В. Нейронные сети: учебное пособие. ГОУ ВПО «Донецкий национальный университет», 2020. 158 с.
Дауб И.С. Обзор методов прогнозирования временных рядов с помощью искусственных нейронных сетей // StudNet. 2020. № 10.
Жусип М.Н., Жаксыбаев Д.О. Сравнение чат-ботов с использованием трансформеров и нейросетей: исследование применения архитектур GPT И BERT // Вестник науки. 2024. № 9 (78). С. 287-290.
Жусип М.Н., Жаксыбаев Д.О. Разработка мультимодальных чат-ботов: текст, голос и визуальные данные // Вестник науки. 2024. № 9 (78). С. 283-286.
Кабанова В.В., Логунова О.С. Применение искусственного интеллекта при работе с мультимедийной информацией // Вестник Череповецкого государственного университета. 2022. № 6 (111). С. 23-41.
Калик М.А., Дайнеко А.С., Драгун К.В. Обзор некоторых разновидностей нейронных сетей // Столыпинский вестник. 2023. № 11. С. 5516-5521.
Константинова Л.В., Ворожихин В.В., Петров А.М., Титова Е.С., Штыхно Д.А. Генеративный искусственный интеллект в образовании: дискуссии и прогнозы // Открытое образование. 2023. № 2. С. 36-48.
Куратов Ю.М., Юсупов И.Ф., Баймурзина Д.Р., Кузнецов Д.П., Чернявский Д.В., Дмитриевский А., Ермакова Е.С., Игнатов Ф.С., Карпов Д.А., Корнев Д.А., Ле Т.А., Пугин П.Ю., Бурцев М.С. Диалоговая система DREAM в конкурсе ALEXA PRIZE CHALLENGE 2019 // Труды МФТИ. 2021. № 3 (51). С. 62-89.
Салып Б.Ю., Смирнов А.А. Анализ модели bert как инструмента определения меры смысловой близости предложений естественного языка // StudNet. 2022. № 5. С. 3509-3518.
Савина С.А., Рюмшин А.В., Фомин А.В. Методика расчета эффективности внедрения реверсивных нейронных сетей в деятельность организации с целью анализа данных // Управленческий учет. 2025. № 6. С. 79-85.
Терехова Е.С., Пучкова Н.Н., Новикова Л.В. Анализ востребованности использования нейросетей для решения учебных задач // Концепт. 2024. № 8. С. 1-17.
Шуршев Т.В., Хоменко Т.В. Разработка системы интеллектуальной поддержки принятия решений на основе сверточной нейронной сети // XXI век: итоги прошлого и проблемы настоящего плюс. 2024. № 1 (65). Т. 13.
