Агент-ориентированная модель трехуровневого иерархического минимаксного управления региональным промышленным комплексом

Обложка

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Опыт развитых стран свидетельствует об актуальности проблем управления территориальными промышленными комплексами. Необходимо создавать применимые на практике модели управления, опирающиеся на современные подходы и позволяющие его оптимизировать. Методологической базой исследования послужили теории экономики промышленности, экономико-математического моделирования, оптимального управления, оптимизации, игр. Методическую основу модели составляют агент-ориентированный подход, методы экономико-математического моделирования, методы построения систем управления социально-экономическими системами, минимаксный подход. В статье предложена трехуровневая модель управления региональным промышленным комплексом, определена ее иерархическая субъектно-объектная структура. Параметры промышленных объектов представлены в виде фазового вектора, а для каждого агента формализована структура управляющих и информационных связей и алгоритмы управляющих воздействий. Сформулированы решаемые в ходе использования модели задачи формирования множеств минимаксных управляющих воздействий для каждого агента; предложен общий алгоритм по выбору оптимальных управляющих воздействий. Модель позволяет реализовать ее в программной среде и создать инструмент моделирования процессов управления промышленным комплексом региона, а в дальнейшем — гибкий расширяемый программный инструментарий для управления промышленностью на региональном уровне.

Полный текст

Доступ закрыт

Об авторах

В. В. Акбердина

Институт экономики УрО РАН

Автор, ответственный за переписку.
Email: akberdina.vv@uiec.ru
Россия, Екатеринбург

А. Ф. Шориков

Институт экономики УрО РАН

Email: shorikov.af@uiec.ru
Россия, Екатеринбург

Г. Б. Коровин

Институт экономики УрО РАН

Email: korovin.gb@uiec.ru
Россия, Екатеринбург

Д. В. Сиротин

Институт экономики УрО РАН

Email: sirotin.dv@uiec.ru
Россия, Екатеринбург

Список литературы

  1. Акбердина В.В., Шориков А.Ф. (2022). Иерархическая агент-ориентированная модель управления промышленным комплексом // Управленец. Т. 13. № 6. С. 2–14. doi: 10.29141/2218-5003-2022-13-6-1 [Akberdina V.V., Shorikov A.F. (2022). Managing industrial complexes: A hierarchical agent-oriented model. Manager, 13. 6, 2–14 (in Russian). doi: 10.29141/2218-5003-2022-13-6-1 (in Russian).]
  2. Бахтизин А.Р. (2007). Опыт разработки агент-ориентированной модели // Экономическая наука современной России. № 3. С. 104–116. [Bakhtizin A.R. (2007). Experience in developing an agent-oriented model. Economics of Contemporary Russia, 3, 104–116 (in Russian).]
  3. Горчакова Д.А., Шабалов В.А. (2017). О применении имитационного моделирования для прогнозирования спроса на продукцию металлургической отрасли // Экономика и управление в XXI веке: наука и практика. № 4. С. 108–112. [Gorchakova D.A., Shabalov V.A. (2017). On the application of imitation modeling for the forecasting of the demand for the production of the metallurgical industry. Economics and Management in the XXI Century: Science and Practice, 4, 108–112 (in Russian).]
  4. Ивантер В.В. (2016). Стратегия перехода к экономическому росту // Проблемы прогнозирования. № 1. С. 3–8. [Ivanter V.V. (2016). Transition strategy to economic growth. Studies on Russian Economic Development, 1, 3–8 (in Russian).]
  5. Кислицын Е.В., Городничев В.В. (2021). Имитационное моделирование развития отдельных отраслей тяжелой промышленности // Бизнес-информатика. Т. 15. № 1. С. 59–77. doi: 10.17323/2587-814X.2021.1.59.77 [Kislitsyn E.V., Gorodnichev V.V. (2021). Simulation of development of individual heavy industry sectors. Business Informatics, 15, 1, 59–77. doi: 10.17323/2587-814X.2021.1.59.77 (in Russian).]
  6. Коровин Г.Б. (2022). Агент-ориентированная модель цифровизации промышленности региона // Вестник Забайкальского государственного университета. Т. 28. № 7. С.104–114. doi: 10.21209/2227-9245-2022-28-7-104-114 [Korovin G. (2022). Agent-oriented model of the region’s industry digitalization. Transbaikal State University Journal, 28, 7, 104–114. doi: 10.21209/2227-9245-2022-28-7-104-114 (in Russian).]
  7. Красовский Н.Н., Субботин А.И. (1974). Позиционные дифференциальные игры. М.: Наука. [Krasovskii N.N., Subbotin A.I. (1974). Positional differential games. Moscow: Nauka (in Russian).]
  8. Макаров В.Л., Бахтизин А.Р., Бахтизина Н.В. (2005). CGE модель социально-экономической системы России со встроенными нейронными сетями. М.: ЦЭМИ РАН. 152 с. [Makarov V.L., Bakhtizin A.R., Bakhtizina N.V. (2005). CGE model of the socio-economic system of Russia with embedded neural networks. Moscow: CEMI RAS. 152 p. (in Russian).]
  9. Макаров В.Л., Бахтизин А.Р., Сушко Е.Д. (2017). Регулирование промышленных выбросов на основе агент-ориентированного подхода // Экономические и социальные перемены: факты, тенденции, прогноз. Т. 10. № 6. С. 42–58. doi: 10.15838/esc/2017.6.54.3 [Makarov V.L., Bakhtizin A.R., Sushko E.D. (2017). Regulation of industrial emissions based on the agent-based approach. Economic and Social Changes: Facts, Trends, Forecast, 10, 6, 42–58. DOI: 10.15838/ esc.2017.6.54.3 (in Russian).]
  10. Макаров В.Л., Бахтизин А.Р., Сушко Е.Д. (2020). Агент-ориентированная модель как инструмент регулирования экологии региона // Журнал Новой экономической ассоциации. № 1 (45). С. 151–171. doi: 10.31737/2221-2264-2020-45-1-6 [Makarov V.L., Bakhtizin A.R., Sushko E.D. (2020). Agent-based model as a tool for controlling environment of the region. Journal of the New Economic Association, 1 (45), 151–171. doi: 10.31737/2221-2264-2020-45-1-6 (in Russian).]
  11. Маковеев В.Н. (2016). Применение агент-ориентированных моделей в анализе и прогнозировании социально-экономического развития территорий // Экономические и социальные перемены: факты, тенденции, прогноз. № 5 (47). С. 272–289. doi: 10.15838/esc/2016.5.47.15 [Makoveev V.N. (2016). Using agent-based models in the analysis and forecast of socio-economic development of territories. Economic and Social Changes: Facts, Trends, Forecast, 5, 272–289. doi: 10.15838/esc/2016.5.47.15 (in Russian).]
  12. Медведев С.Н., Аксенов К.А. (2012). Анализ применимости имитационного и мультиагентного моделирования в задачах планирования машиностроительного производства // Современные проблемы науки и образования. № 5. С. 101–106. [Medvedev S.N., Aksenov K.A. (2012). The analysis of the applicability of simulation and modeling in multi-agent planning problems of engineering production. Modern Problems of Science and Education, 5, 101–106 (in Russian).]
  13. Сиротин Д.В. (2019). Моделирование развития экономики региона в условиях Индустрии 4.0 // Наука Красноярья: Экономический журнал. Т. 8. № 3. С. 98–108. doi: 10.12731/2070-7568-2019-3-98-108 [Sirotin D.V. (2019). Development modeling of the regional economy in the industry 4.0 conditions. Krasnoyarsk Science: Economic Journal. 8. 3. 98–108. doi: 10.12731/2070-7568-2019-3-98-108 (in Russian).]
  14. Смородинская Н.В. (2017). Усложнение организации экономических систем в условиях нелинейного развития // Вестник Института экономики РАН. № 5. С. 104–115. [Smorodinskaya N.V. (2017). Complication of the organization of economic systems in the conditions of nonlinear development. Bulletin of the Institute of Economics of the Russian Academy of Sciences, 5, 104–115 (in Russian).]
  15. Сушко Е.Д. (2012). Мультиагентная модель региона: концепция, конструкция и реализация. Препринт WP/2012/292. М.: ЦЭМИ РАН. 54 с. [Sushko E.D. (2012). Multi-agent model of the region: Concept, structure and implementation. Preprint WP/2012/292. Moscow: CEMI RAS. 54 p. (in Russian).]
  16. Широв А.А., Гусев М.С., Янтовский А.А. (2012). Обоснование возможных сценариев долгосрочного развития российской экономики // ЭКО. № 6. С. 60–80. [Shirov A.A., Gusev M.S., Yantovsky A.A. (2012). Justification of possible scenarios for the long-term development of the Russian economy. ECO Journal, 6, 60–80 (in Russian).]
  17. Широв А.А., Янтовский А.А. (2017). Межотраслевая макроэкономическая модель RIM - развитие инструментария в современных экономических условиях // Проблемы прогнозирования. № 3. С.3–19. [Shirov A.A., Yantovsky A.A. (2017). Intersectoral macroeconomical model RIM — development of tools in modern economic conditions. Studies on Russian Economic Development, 3, 3–19 (in Russian).]
  18. Шориков А.Ф. (1997). Минимаксное оценивание и управление в дискретных динамических системах. Екатеринбург: Изд-во Уральского ун-та. [Shorikov A.F. (1997). Minimax estimation and control in discrete-time dynamical systems. Yekaterinburg: Ural Univ. Publishing House (in Russian).]
  19. Шориков А.Ф. (2006). Методология моделирования многоуровневых систем: иерархия и динамика // Прикладная информатика. Т. 1. № 1. С. 136–141. [Shorikov A.F. (2006). Methodology of modeling multilevel systems: Hierarchy and dynamics. Journal of Applied Informatics, 1, 1, 136–141 (in Russian).]
  20. Шориков А.Ф. (2022). Двухуровневая мультиагентная иерархическая интеллектуальная семантическая сеть для минимаксного управления функционированием объектов сетевого промышленного комплекса. Материалы IV Международной научно-практической конференции «Цифровая трансформация промышленности: тенденции, управление, стратегии – 2021». Екатеринбург: Институт экономики УрО РАН. С. 281– 297. [Shorikov A.F. (2022). A two-level multi-agent hierarchical intelligent semantic network for minimax control of the functioning of objects of the network industrial complex. Materials of the IV International Scientific and Practical Conference “Digital Transformation of Industry: Trends, management, strategies – 2021”. Ekaterinburg: Institute of Economics of the Ural Branch of the Russian Academy of Sciences, 281–297 (in Russian).]
  21. Bonabeau E. (2002). Agent-based modeling: Methods and techniques for simulating human systems. Proceedings of the National Academy of Sciences, 99, 3, 7280–7287. doi: 10.1073/pnas.082080899
  22. Chanias S., Myers M.D., Hess T. (2019). Digital transformation strategy making in predigital organizations: The case of a financial services provider. The Journal of Strategic Information Systems, 28 (1), 17–33. doi: 10.1016/j.jsis.2018.11.003
  23. Cimoli M., Dosi G., Nelson R., Stiglitz J.E. (2006). Institutions and policies shaping industrial development: An introductory note. Initiative for policy dialogue. LEM Working Paper Series, no. 2006/02. 24 p.
  24. Cincotti S., Raberto M., Teglio A. (2010). Credit money and macroeconomic instability in the agent-based model and simulator Eurace. Economics: The Open-Access, Open-Assessment E-Journal, 4, 20–26.
  25. Maaouane M., Zouggar S., Krajačić G., Zahboune H. (2021). Modelling industry energy demand using multiple linear regression analysis based on consumed quantity of goods. Energy, 225, 120270. doi: 10.1016/j.energy.2021.120270
  26. Stummer C., Kiesling E., Günther M., Vetschera R. (2015). Innovation diffusion of repeat purchase products in a competitive market: An agent-based simulation approach. European Journal of Operation-al Research, 245, 1, 157– 167. doi: 10.1016/j.ejor.2015.03.008
  27. Turgut Y., Bozdag C.E. (2022). A framework proposal for machine learning-driven agent-based models through a case study analysis. Simulation Modelling Practice and Theory, 123, 102707. doi: 10.1016/j.simpat.2022.102707

© Российская академия наук, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».