Медведева А. Я., Соколов Б. В., Ле Куанг Минь

ПРОАКТИВНОЕ УПРАВЛЕНИЕ СЛОЖНЫМИ ОБЪЕКТАМИ: СОСТОЯНИЕ ИССЛЕДОВАНИЯ И ПЕРСПЕКТИВЫ РАЗВИТИЯ

Резюме: Статья представляет обзор современных подходов к проактивному управлению сложными объектами и организационно-техническими системами. Рассматривается эволюция стратегий — от превентивных методов к предиктивным моделям, основанным на прогнозировании и предотвращении неблагоприятных событий. Описаны ключевые направления интеллектуализации управления, включая использование машинного обучения, обучения с подкреплением, гибридных интеллектуальных систем и когнитивного моделирования. Проанализированы инструменты прогнозирования и ситуационного моделирования, такие как адаптивные регрессионные модели, цифровые двойники и нечеткие методы. Выделены актуальные методологические проблемы и обозначены перспективные направления развития проактивных систем.

Ключевые слова: проактивное управление, интеллектуальные системы, когнитивное моделирование, обучение с подкреплением, цифровые двойники, ситуационное моделирование.

A.Y. Medvedeva, B.V. Sokolov, Le Quang Minh

PROACTIVE MANAGEMENT OF COMPLEX F ACILITIES: RESEARCH STATUS AND DEVELOPMENT PROSPECTS

Summary: The article provides an overview of modern approaches to the proactive management of complex objects and organizational-technical systems. It examines the evolution of strategies—from preventive methods to predictive models based on forecasting and preventing adverse events. Key directions in the intellectualization of management are described, including the use of machine learning, reinforcement learning, hybrid intelligent systems, and cognitive modeling. Tools for forecasting and situational modeling, such as adaptive regression models, digital twins, and fuzzy methods, are analyzed. Relevant methodological challenges are highlighted, and promising directions for the development of proactive systems are outlined.

Keywords: proactive management, intelligent systems, cognitive modeling, reinforcement learning, digital twins, situational modeling.

DOI: 10.34219/2078-8320-2025-16-4-83-89