ЖУРНАЛ БІЗНЕС ІНФОРМ.

УКР

ENG

Пошук:

СВІДОЦТВО ПРО РЕЄСТРАЦІЮ

КВ №19905-9705 ПР від 02.04.2013 р.

ЗАСНОВНИКИ

НАУКОВО-ДОСЛІДНИЙ ЦЕНТР ІНДУСТРІАЛЬНИХ ПРОБЛЕМ РОЗВИТКУ НАН УКРАЇНИ
(ХАРКІВ, УКРАЇНА)

Згідно з рішенням № 802 Національної ради України з питань телебачення і радіомовлення від 14.03.2024 р. зареєстрований суб’єктом у сфері друкованих медіа. Ідентифікатор R30-03156

ВИДАВЕЦЬ

ФОП Лібуркіна Л. М.

РОЗДІЛИ САЙТУ

Ефективність генетичних алгоритмів для оцінки стратегій електронного бізнесу
Мшвідобадзе Т. Я., Осадзе Л. Т., Сосанідзе М. О.

Mshvidobadze, Tinatin Ia., Osadze, Lali T., and Sosanidze, Maka O. (2025) “The Effectiveness of Genetic Algorithms For Evaluating E-Business Strategies.” Business Inform 10:213–220.
https://doi.org/10.32983/2222-4459-2025-10-213-220

Розділ: Інформаційні технології в економіці

Стаття написана англійською мовою
Завантажень/переглядів: 0

Завантажити статтю (pdf) -

УДК 004.9

Анотація:
Сьогодні своєчасна трансформація інформації є важливою для життєздатності організації. Рішення на основі великих даних безпосередньо впливають на те, як організація повинна працювати за допомогою компонентів штучного інтелекту. У статті показано алгоритмічний підхід до стратегічного планування та оцінки ефективності електронного бізнесу. Показано різні методології штучного інтелекту та їх використання в різних застосуваннях великих організацій. Представлено концепцію генетичних алгоритмів, яка пов’язана зі стратегією електронного бізнесу в різних застосуваннях. Генетичні алгоритми можуть бути використані для вирішення проблем електронного бізнесу, особливо для стратегічного планування та оцінки ефективності, що приводить до покращення загальної ефективності великих організацій. Нова схема планування стратегії електронного бізнесу та оцінки ефективності, заснована на адаптивних методах алгоритмічного моделювання, використовується для покращення продуктивності генетичних алгоритмів. Запропонований алгоритмічний підхід може бути ефективно використаний для вирішення широкого класу проблем електронного бізнесу та стратегічного управління. У контексті «Оптимізація генетичних алгоритмів, оптимізація генетичних алгоритмів бізнес-стратегій» ми можемо заглибитися в майбутні тенденції оптимізації генетичних алгоритмів для бізнес-стратегій: 1) очікується, що розробка та вдосконалення генетичних алгоритмів приведе до покращення ефективності оптимізації бізнес-стратегій. Цього можна досягти за допомогою ефективніших механізмів відбору, методів кросовера та операторів мутації; 2) інтеграція генетичних алгоритмів з методами машинного навчання має великий потенціал для оптимізації бізнес-стратегії. Поєднуючи потужність генетичних алгоритмів зі здатністю навчатися на основі даних, підприємства можуть виявляти приховані закономірності та приймати більш обґрунтовані рішення; 3) генетичні алгоритми добре підходять для вирішення задач багатоцільової оптимізації, де необхідно одночасно розглядати кілька суперечливих цілей. Майбутні тенденції можуть зосередитися на розробці передових методів для ефективної обробки таких складних сценаріїв; 4) з розвитком технологій генетичні алгоритми можна використовувати в сценаріях реального часу, що дозволяє підприємствам оптимізувати свої стратегії «на льоту». Це може бути особливо корисним у динамічних середовищах, де швидка адаптація має вирішальне значення; 5) генетичні алгоритми можна поєднувати з іншими методами оптимізації, такими як імітація відпалу або оптимізація рою частинок, для створення гібридних підходів. Ці гібридні методи можуть використовувати сильні сторони різних алгоритмів та забезпечувати більш надійні рішення для оптимізації.

Ключові слова: електронний бізнес, стратегічне планування, штучний інтелект, генетичний алгоритм, оцінка ефективності.

Рис.: 1. Бібл.: 16.

Мшвідобадзе Тінатін Ясонівна – доктор технічних наук, професор, Горійський державний педагогічний університет (просп. Іллі Чавчавадзе, 53, Горі, 1400, Грузія)
Email: [email protected]
Осадзе Лалі Тарешівна – доктор економічних наук, професор, Горійський державний педагогічний університет (просп. Іллі Чавчавадзе, 53, Горі, 1400, Грузія)
Email: [email protected]
Сосанідзе Мака Отаріївна – професор, Горійський державний педагогічний університет (просп. Іллі Чавчавадзе, 53, Горі, 1400, Грузія)
Email: [email protected]

Список використаних у статті джерел

Liew A. Understanding Data, Information, Knowledge and Their Inter-Relationships. Journal of Knowledge Management Practice. 2007. Vol. 7. No. 2. URL: https://www.researchgate.net/publication/224937037_Understanding_Data_Information_Knowledge_And_Their_Inter-Relationships
Rattan P., Penrice D. D., Simonetto D. A. Artificial Intelligence and Machine Learning: What You Always Wanted to Know but Were Afraid to Ask. Gastro Hep Advances. 2022. Vol. 1. P. 70–78. DOI: https://doi.org/10.1016/j.gastha.2021.11.001
Huang M.-H., Rust R. T. A strategic framework for artificial intelligence in marketing. Journal of the Academy of Marketing Science. 2021. Vol. 49. P. 30–50. DOI: https://doi.org/10.1007/s11747-020-00749-9
Dove G., Halskov K., Forlizzi J., Zimmerman J. UX Design Innovation: Challenges for Working with Machine Learning as a Design Material. Proceedings of the 2017 CHI Conference on Human Factors in Computing Systems (May 6–11, 2017). Denver, CO, USA, 2017. P. 278–288. DOI: https://doi.org/10.1145/3025453.3025739
Hu K. ChatGPT sets record for fastest-growing user base – analyst note. Reuters. February 2, 2023. URL: https://www.reuters.com/technology/chatgpt-sets-record-fastest-growing-user-base-analyst-note-2023-02-01/
Zohuri B., Moghaddam M. Neural Network Driven Artificial Intelligence: Decision Making Based on Fuzzy Logic (Series: Computer Science, Technology and Applications: Mathematics Research Developments). Nova Science Publishers, 2017. 379 p.
Pinheiro L., Dras M. Stock Market Prediction with Deep Learning: A Character-based Neural Language Model for Event-based Trading. 2017. P. 6–15. URL: https://aclanthology.org/U17-1001.pdf
Ritue J. Vice President of IDC Technology Spotlighting. Acceleration and Operationalize AI Deployments Using AI-Optimized Infrastructure. 2010,
McCall J. Genetic algorithms for modelling and optimization. Journal of Computational and Applied Mathematics. 2015. Vol. 184. Iss. 1. P. 205–222. DOI: https://doi.org/10.1016/j.cam.2004.07.034
Zhang J., Zhan Z. H., Lin Y. et al. Evolutionary Computation Meets Machine Learning: A Survey. Computational Intelligence Magazine, IEEE. 2011. Vol. 6. Iss. 4. P. 68–75. DOI: https://doi.org/10.1109/MCI.2011.942584
Lipitakis A., Phillips P. On e-business strategy planning and performance: a comparative study of the UK and Greece. Technology Analysis & Strategic Management. 2016. Vol. 28. Iss. 9. P. 266–289. DOI: https://doi.org/10.1080/09537325.2015.1094568
Advances on Computer Mathematics and Its Applications / ed. by E. A. Lipitakis. World Scientific Publishing Company, 1993. 384 p.
Coltman T., Devinney M., Midgley F., Venaik S. Formative versus reflective measurement models: Two applications of formative measurement. Journal of Business Research. 2018. Vol. 61. Iss. 12. P. 1250–1262. DOI: https://doi.org/10.1016/j.jbusres.2008.01.013
Lipitakis A., Lipitakis E. A. E. C. E-business Performance and Strategy Planning E-Valuation Based on Adaptive Algorithmic Modelling Methods: Critical Factors Affecting E-Valuation and Strategic Management Methodologies. Universal Journal of Management. 2014. Vol. 2. Iss. 2. P. 81–91. DOI: https://doi.org/10.13189/ujm.2014.020204
Gawlick R. Methodological Aspects of Qualitative-Quantitative Analysis of Decision-Making Processes. Management and Production Engineering Review. 2016. Vol. 7. No. 2. P. 3–11. DOI: https://doi.org/10.1515/mper-2016-0011
Paschek D., Luminosu C. T., Draghici A. Automated business process management – in times of digital transformation using machine learning or artificial intelligence. 8th International Conference on Manufacturing Science and Education – MSE 2017 “Trends in New Industrial Revolution”. 2017. Vol. 121. Art. 04007. DOI: https://doi.org/10.1051/matecconf/201712104007

ДЛЯ АВТОРІВ

Ліцензійний договір

Умови публікації

Вимоги до статей

Положення про рецензування

Договір публікації

Номер в роботі

Питання, які задаються найчастіше

ІНФОРМАЦІЯ

План наукових конференцій

НАШІ ПАРТНЕРИ

Журнал «Проблеми економіки»

Матеріали на сайті розміщені на умовах ліцензії Creative Commons Attribution 4.0 International CC BY-SA.

Написати вебмастеру