МЯГКОЕ УПРАВЛЕНИЕ НЕЛИНЕЙНОЙ ЭКОНОМИЧЕСКОЙ СИСТЕМОЙ
- Авторы: Трундаев И.В.1
-
Учреждения:
- Финансовый университет при Правительстве Российской Федерации
- Выпуск: № 1 (2025)
- Страницы: 84-100
- Раздел: МОДЕЛИ, СИСТЕМЫ, СЕТИ В ТЕХНИКЕ
- URL: https://bakhtiniada.ru/2227-8486/article/view/291972
- DOI: https://doi.org/10.21685/2227-8486-2025-1-7
- ID: 291972
Цитировать
Полный текст
Аннотация
Актуальность и цели. Рассматривается проблема управления экономи- ческой системой, представленной нелинейной моделью, в условиях неопределенности. Материалы и методы. Экономическая система описывается нелинейной моделью, включающей случайный фактор и управляющее воздействие со стороны государства. В рамках этой модели построены алгоритмы управления на основе экспертных знаний, направленные на обеспечение сбалансированного и устойчивого развития. Результаты. Проведены исследование предложенной динамической модели, описывающей циклы в экономике, и сравнительный анализ алгоритма управления с использованием четкого и нечеткого алгоритмов управления. Выводы. Выделены определенные преимущества предложенного нечеткого алгоритма управления нелинейной модели на основе экспертных знаний, что может быть полезно при разработке управления системами большей размерности, где использование классических методов может быть недостаточно обоснованно или целесообразно.
Об авторах
Иван Вячеславович Трундаев
Финансовый университет при Правительстве Российской Федерации
Автор, ответственный за переписку.
Email: ivan_t98@mail.ru
аспирант кафедры математики и анализа данных
(Россия, г. Москва, Ленинградский пр-т, 49/2)Список литературы
- Cafferata A., Dávila-Fernández M. J., Sordi S. (Ir) rational explorers in the financial jungle: Modelling Minsky with heterogeneous agents // Journal of Evolutionary Economics. 2021. Vol. 31, № 4. P. 1157–1188.
- Berger T., Hienzsch S. Which Global Cycle? A Stochastic Factor Selection Approach for Global Macro-Financial Cycles // Studies in Nonlinear Dynamics & Econometrics. 2024. doi: 10.1515/snde-2023-0093
- Kang D. N., Marmer V. Modeling long cycles // Journal of Econometrics. 2024. Vol. 242, № 1. P. 105751.
- Neck R., Blueschke D., Blueschke-Nikolaeva V. Optimal fiscal policy in times of uncertainty: a stochastic control approach // Empirica. 2024. P. 1–22.
- Yakovenko I. Fuzzy stochastic automation model for decision support in the process inter-budgetary regulation // Mathematics. 2020. Vol. 9, № 1. P. 67.
- Xie X., Chen Y. H. Robust control design for an uncertain macroeconomic dynamical system with unknown characteristics and inequality control constraint // Complexity. 2021. Vol. 2021, № 1. P. 8826480.
- Goodwin R. M. A Growth Cycle: Socialism, Capitalism and Economic Growth // Essays in economic dynamics. London : Palgrave Macmillan UK, 1967. P. 165–170.
- Jin Z., Liu G., Yang H. Optimal consumption and investment strategies with liquidity risk and lifetime uncertainty for Markov regime-switching jump diffusion models // European Journal of Operational Research. 2020. Vol. 280, № 3. P. 1130–1143.
- Avramov D. [et al.]. Sustainable investing with ESG rating uncertainty // Journal of financial economics. 2022. Vol. 145, № 2. P. 642–664.
- Alfaro I., Bloom N., Lin X. The finance uncertainty multiplier // Journal of Political Economy. 2024. Vol. 132, № 2. P. 577–615.
- Drautzburg T., Fernández-Villaverde J., Guerron-Quintana P. Politics and Income Distribution // Economic Insights. 2022. Vol. 7, № 2. P. 11–18.
- Paraje G. [et al.]. The effects of the Chilean food policy package on aggregate employment and real wages // Food Policy. 2021. Vol. 100. P. 102016.
- Keynes J. M. The general theory of employment // The quarterly journal of economics. 1937. Vol. 51, № 2. P. 209–223.
- Арнольд В. И. «Жесткие» и «мягкие» математические модели. М. : МЦНМО, 2004. 32 с.
- Пегат А. Нечеткое моделирование и управление. М. : БИНОМ. Лаборатория знаний, 2013. 798 с.
- Материалы для лекций по курсу AIML. URL: https://github.com/air-labs/AIML (дата обращения: 01.10.2024).
Дополнительные файлы
