Авторы

Построение математической модели системы поддержки принятия решений в области ценообразования для электронной коммерции

Данная работа посвящена исследованию вопросов определения ценообразования для получения максимальной прибыли при продаже товаров, имеющих постоянную закупочную цену у производителей товаров или на складах хранения товаров, которые напрямую ведут отпуск товаров организациям и предприятиям, осуществляющим их продажу непосредственно потребителям. Варьированием цены продаж устанавливается зависимость интенсивности продаж за единицу времени от уровня наценки по отношению к закупочной цене для каждого вида покупаемых товаров. Конкретно рассмотрен случай линейной аппроксимации этой зависимости, который, как правило, реализуется при более эластичном либо при менее эластичном спросе на товары на интервалах спроса при их продаже через интернет-площадки и в розничных магазинах. Для более сложных аппроксимаций квадратичными и кубическими функциями функции спроса предлагаемый подход определения цен, основанный на поиске точек экстремума функций дохода и прибыли для каждого товара, не теряет своей общности. За единицу времени находятся: вид функции маржи; вид функции максимальной прибыли в зависимости от переменной величины – уровня наценки в цене продажи конкретного вида товара; вид функции максимального дохода (выручки) в зависимости от цены продажи конкретного вида товара. Определяются точки экстремума полученных функций. Доказаны теоремы о том, что определяемые точки экстремума являются точками максимума исследуемых функций, когда достигаются или максимальные доходы, или максимальная прибыль при продаже товаров их потребителям. Все общие величины данных функций находятся суммированием этих функций по всему множеству видов реализованных товаров за весь период продаж. Полученная информация используется для практической реализации стратегии эффективных продаж, обеспечивающей максимальные прибыли компаниям и фирмам, специализирующимся на продажах прямо потребителям покупаемых товаров. Предложен и теоретически обоснован прикладной методический подход к организации продаж товаров, обеспечивающий максимальную прибыль от продаж в области эластичного спроса, аппроксимируемого линейной функцией, при постоянной закупочной цене на товары. Читать дальше...

Применение нейронных сетей для восстановления непрерывного представления сигнала по дискретным отсчетам, взятым в случайные моменты времени

Цифровая обработка сигналов в составе киберфизических технологических систем основывается на алгоритмах, оперирующих информацией, представленной в дискретизированном виде как по уровню, так и по времени. В последнем случае предполагается постоянство интервала временного квантования как одного из постулируемых условий для применения алгоритмов. В то же время на практике такое постоянство обеспечивается далеко не всегда, что приводит к пропуску отдельных отсчетов или даже к случайному характеру дискретизации. Поэтому актуальной исследовательской задачей становится разработка методов и алгоритмов обработки сигналов в условиях случайной дискретизации, в частности для восстановления непрерывных сигналов по их дискретным отсчетам, взятым с нарушением требований теоремы Котельникова – Шеннона. Если интервал дискретизации непрерывного сигнала рассчитан с учетом ее требований (то есть, дискретизация проведена с частотой не ниже частоты Найквиста), то допускается его точное восстановление по дискретным отсчетам, в противном случае это невозможно. Однако и для этой ситуации существуют подходы к восстановлению непрерывных сигналов, которые учитывают дополнительную априорную информацию о природе сигнала. Часть таких подходов основана на сложном математическом аппарате, что делает их трудно применимыми и неуниверсальными, другая часть использует глубокие модели машинного обучения, затратные в плане вычислительных ресурсов и требовательные к объемам обучающих данных. В этих условиях предложен метод восстановления сигнала с ограниченным спектром по дискретным отсчетам, временной интервал между которыми случаен, а его математическое ожидание больше величины, определяемой теоремой Котельникова – Шеннона для регулярной дискретизации. Новизна результатов исследования заключается в предложенном методе и алгоритме восстановления непрерывного сигнала, а также в результатах анализа численного эксперимента, проведенного с программной моделью, выполненной в среде MatLab и реализующей разработанный алгоритм. Читать дальше...