The current problem of developing new kinds of decision support systems for different categories of management personnel is addressed in this study. A critical feature of such systems is their distributed and decentralized nature, which enables the construction of next-generation information systems in the form of Multi-Agent Systems, Internet of Things, or Fog Computing Architectures. Parallel models of the dynamics of artificial neural networks are produced under such realistic circumstances, demonstrating their potential for addressing a variety of issues. The purpose of this study is to conduct a critical analysis of the problem of integrating Artificial Neural Networks with decision support systems using a corpus of relevant scholarly literature. To tackle this question, the Design Science Research methodology was considered. According to this methodology, a literary search strategy was established, scientific literature was collected and analyzed, and key comparisons between different solutions were emphasized. The study resulted in the presentation of the most important findings, outstanding issues, and potential areas of fundamental and applied solutions. A consistent trend toward the development of decision support systems based on integrated neural-network methods has been observed, which is efficient and cost-effective since it enables the creation of distributed and trainable decision support systems.

В данной работе предлагается новый подход к многокритериальному принятию решений на основе лингвистической информации, полученной от группы автономных экспертов. Данный подход позволяет лучше анализировать и быстрее находить решения для слабоструктурированных проблем, характеризующихся большим количеством факторов и неопределенностью контекста. Одним из ключевых элементов предлагаемой методологии является иерархия абстракций, предложенная Дж. ван Гигом и используемая для определения различных уровней, на которых находятся альтернативные решения и критерии для их оценивания. Интеграция этой иерархии позволяет всецело проанализировать проблемную ситуацию. Поэтому данный подход был назван многоуровневым многоатрибутным лингвистическим методом принятия решений (multi-level multi-attribute linguistic decision making, ML–MA–LDM). Предлагаемый подход включает методологию, представляющую собой набор шагов, и математическую модель. Кроме того, представлен метод автоматического распределения весов экспертов в зависимости от уровня их уверенности в данной оценке. Данный оригинальный подход поддерживает работу как с качественными, так и с количественными оценками на протяжении всего процесса принятия решения по различным уровням абстракции. Наконец, демонстрируется прототип мультиагентной экспертной системы для решения слабоструктурированных проблем с учетом большого числа различных аспектов и неопределенности контекста. Данный прототип играет роль инструмента для конкурентного анализа и для целей верификации предложенной методологии. Основные свойства подхода и прототипа продемонстрированы на примере решения конфликтной ситуации в области стратегического управления. Также были выделены преимущества, недостатки и направления развития предложенной методологии.