Все
 
 
 


Опыт применения агент-ориентированного подхода к моделированию процессов в области миграционной политики
 
Код статьиS207751800005912-2-1
DOI10.18254/S207751800005912-2
Тип публикации Статья
Статус публикации Опубликовано
Авторы
Абрамов Владимир Иванович 
Аффилиация: Центральный экономико-математический институт РАН
Адрес: Российская Федерация, Москва
Название журналаИскусственные общества
Выпуск
Аннотация

Статья посвящена анализу существующего опыта применения агент-ориентированного подхода к моделированию миграционных процессов, проводимому с целью дальнейшей разработки комплекса агентных моделей, имитирующих процессы в области миграционной политики. Анализ показал, что, несмотря на демонстрируемые агентным подходом преимущества по сравнению с традиционными методами демографических исследований, в ходе моделирования выявляются различные трудности с точки зрения имитации миграционных процессов, которые, тем не менее, не преуменьшают достоинства агентных и других существующих подходов к моделированию. Гибридное популяционное агентное моделирования относится к новой развивающейся области исследования, но в настоящее время уже имеются преимущества реализации данного подхода.

Ключевые словамиграция, миграционная политика, агент-ориентированное моделирование, экономика Евросоюза
Источник финансированияРезультаты исследований, представленные во введении, получены в рамках государственного задания ЦЭМИ РАН. Результаты исследований, представленные в разделах «Сетевая модель миграционной адаптации», «Модель возвратной миграции», «Гибридная популяционная агент-ориентированная модель», получены за счет средств Российского Фонда фундаментальных исследований (проект № 18-51-14010).
Получено01.07.2019
Дата публикации08.07.2019
Кол-во символов12657
Цитировать   Скачать pdf Для скачивания PDF необходимо авторизоваться

Оглавление

Введение
Модель возвратной миграции
Сетевая модель миграционной адаптации
Гибридное популяционное агент-ориентированное моделирование
Выводы
1

Введение

Взрывной рост населения во всем мире в последние несколько десятилетий оказал огромное влияние на уровень запасов природных ресурсов, состояние окружающей среды и строение общества во многих странах. Изучение демографических и миграционных тенденций, а также динамики изменения структуры населения, играет ключевую роль для формирования внутренней, а также глобальной политики в области достижения устойчивого социального и экологического развития. Традиционно демография является эмпирической дисциплиной в области социальных наук, направленной на исследования долгосрочных изменений процессов на уровне населения [3]. Тем не менее, в последние годы в данной области наблюдается растущий уровень критики по отношению к неудовлетворительному уровню теоретического обоснования и объяснения различных демографических явлений [8].
2 Современные исследования в области демографии сталкиваются с тремя важными проблемами [15]. Во-первых, для правильного описания демографических явлений и надлежащего определения политических задач, анализ демографической ситуации должен проводиться на различных уровнях агрегации: от отдельных индивидов, домохозяйств и регионов до общества в целом [5]. Попытки решить эту проблему недавно были предприняты путем взаимоувязывания многоуровневого статистического анализа временных рядов с микромоделированием [9]. Тем не менее, использование агрегирования не гарантирует высокую точность прогноза, а увеличение размерности в моделях снижает качество прогнозирования ввиду повышения чувствительности к объему исходных данных, а также их дефициту. Вторая проблема состоит в увязке статистических данных с другой значимой информацией для выявления новых трендов в контексте демографических процессов. Наконец, третья задача состоит в определении уровня детализации разрабатываемых демографических моделей, а также в степени использования эмпирических данных.
3 С точки зрения потенциала в решении выше обозначенных проблем, агент-ориентированное моделирование (далее – АОМ) существенно отличается от статистических методов, поскольку данный подход позволяет учитывать явления, для которых нет явного аналитического представления [2]. В связи с этим, АОМ является эффективным инструментом для анализа и объяснения таких нелинейных или сложных взаимодействий, как социальный характер поведения, включающий различные трудно формализуемые элементы (например, социальный контекст, сети межличностных отношений, и др.).
4 Данная статья посвящена анализу существующего опыта применения агент-ориентированного подхода к моделированию миграционных процессов, проводимому с целью дальнейшей разработки комплекса агентных моделей, имитирующих процессы в области миграционной политики.

всего просмотров: 704

Оценка читателей: голосов 0 

1. Бахтизин А.Р. Агент-ориентированные модели экономики. // М.: Экономика, 2008.
2. Макаров В.Л., Бахтизин А.Р., Сушко Е.Д., Абрамов В.И. Компьютерное моделирование в управлении экономикой (методологическая основа для стратегического планирования) // Государственный аудит. Право. Экономика, № 3, 2017.
3. Burch T. K. Model-Based Demography. // Essays on Integrating Data, Technique and Theory, 2018, DOI:10.1007/978-3-319-65433-1.
4. Constant A., Massey D. S. Return Migration by German Guestworkers: Neoclassical versus New Economic Theories. // International Migration, 2002, 40(4), p. 5–38.
5. Courgeau D., Bijak J., Franck R., Silverman E. Model-based demography: Towards a research agenda. // Agent-Based Modelling in Population Studies: Concepts, Methods, and Applications, 2016, p. 29–51.
6. Ewald R., Uhrmacher A. M. SESSL: A domain-specific language for simulation experiments. // ACM Transactions on Modeling and Computer Simulation, 2014, 24(2).
7. Harris J. R., Todaro M. P. Migration, Unemployment and Development: a Two-Sector Analysis. // American Economic Review, 1970, 60(1), p. 126–142.
8. Hobcraft J. Towards a scientific understanding of demographic behaviour. // Population – English Edition, 2007, 62(1), p. 47–51.
9. Klabunde A., Zinn S., Willekens F., Leuchter M. Multistate modelling extended by behavioural rules: An application to migration. // Population Studies, 2017, 71, p. 51–67.
10. Moeckel R., Spiekermann K., Wegener M. Creating a synthetic population. // Proceedings of the 8th International Conference on Computers in Urban Planning and Urban Management (CUPUM), 2003.
11. Morand E., Toulemon L., Pennec S., Baggio R., Billari F. Demographic modelling: The state of the art. // SustainCity working paper, 2010.
12. Pei-jun Y., Xiao W., Cheng Chenc Y., Fei-yue W. Hybrid Agent Modeling in Population Simulation: Current Approaches and Future Directions // Journal of Artificial Societies and Social Simulation, 2016, 19(1)12 http://jasss.soc.surrey.ac.uk/19/1/12.html 
13. Portes A. Social Capital: Its Origins and Applications in Modern Sociology. // Annual Review of Sociology, 1998, 24(1), 1–24, DOI:10.1146/annurev.soc.24.1.1.
14. Reinhardt O., Hilton J., Warnke T., Bijak J., Uhrmacher A. Streamlining Simulation Experiments with Agent-Based Models in Demography // Journal of Artificial Societies and Social Simulation, 2018, 21(3)9 http://jasss.soc.surrey.ac.uk/21/3/9.html 
15. Silverman E., Bijak J., Hilton J., Cao V. D., Noble J. When demography met social simulation: A tale of two modeling approaches. // Journal of Artificial Societies and Social Simulation 2013, 16(4), 9.
16. Simon M. Path Dependency and Adaptation: The Effects of Policy on Migration Systems // Journal of Artificial Societies and Social Simulation 2019, 22(2)2 http://jasss.soc.surrey.ac.uk/22/2/2.html 
17. Warnke T., Steiniger A., Uhrmacher A. M., Klabunde A., Willekens F. ML3: A Language for Compact Modeling of Linked Lives in Computational Demography. // Proceedings of the 2015 Winter Simulation Conference, 2015, p. 2764–2775, DOI:10.1109/WSC.2015.7408382
18. Watts D. J., Strogatz S. H. Collective dynamics of small-world networks. // Nature, 1998, 393(6684), p. 440–442, DOI:10.1038/30918

Система Orphus

Загрузка...
Вверх