Все
 
 
 


Возможности имитационного моделирования для создания информационных обществ в контексте решения государственных задач
 
Код статьиS207751800031695-3-1
DOI10.18254/S207751800031695-3
Тип публикации Обзор
Статус публикации Одобрена к публикации
Авторы
Евдокимов Дмитрий Сергеевич 
Должность: Научный сотрудник
Аффилиация: Центральный экономико-математический институт РАН, ГАУГН
Адрес: Российская Федерация, Москва
Иншаков Андрей Алексеевич
Должность: старший лаборант
Аффилиация: Центральный экономико-математический институт РАН, ГАУГН
Адрес: Российская Федерация, Москва
Шеремет Алёна Алексеевна
Должность: старший лаборант
Аффилиация: Центральный экономико-математический институт РАН, ГАУГН
Адрес: Российская Федерация, Москва
Аннотация

Активное применение имитационных и агент-ориентированных моделей выходит на принципиально новый уровень. Исследование развития этого направления в России с позиции публикационной активности было опубликовано в предыдущей работе. Подход с применением передового инструментария дает преимущества для разработчиков управленческих механизмов. На данный момент приобретают популярность языковые модели, которые способны генерировать ответы и решать задачи на высоком уровне сложности. Подобные разработки уже применяют вместе с агент-ориентированным подходом, что вызывает особый интерес с точки зрения перспектив прикладной значимости. Масштабирование исследований с помощью такого инструмента может быть скорректировано в нужный вектор, и настроено на разный уровень детализации - от отдельных модельных объектов в виде сущностей до параметрических особенностей каждого отдельного государства вместе с глобальными изменениями мировой экономики.

Основой статьи является обзор различных моделей, где проанализированы российские и зарубежные разработки, сконструированные с помощью методологии компьютерных имитационных моделей. Данный метод позволяет специалистам внедрять новые подходы в структуру государственного управления за счет анализа и прогнозирования вызовов в различных сферах общественной жизни. Помимо этого, рассмотрены популярные программные обеспечения для работы с моделями подобного класса. В другом блоке приведена подборка прикладных моделей с индивидуальной настройкой под каждую из задач, и демонстрацией результатов, которые передают специфику разных сфер общественной жизни, начиная с демографической оценки населения стран, планирования в системе здравоохранения до военных столкновений и заканчивая программными продуктами для анализа космической обстановки. Примерами стали модели, где изучена демографическая ситуация в России, распространение пандемии. В результатах экспериментов некоторых моделей можно выделить социальную направленность, которая хорошо помогает разобраться в специфике демографических и социальных проблем – сокращение населения, уровень поддержки политической элиты, поведение людей в стрессовой ситуации, меры государственной поддержки, дающие положительный эффект для населения.

Ключевые словакомпьютерное моделирование, имитационное моделирование, агент-ориентированное моделирование, информационное общество, анализ политики государства, цифровой двойник, прикладное применение моделей
Источник финансированияСтатья подготовлена в Государственном академическом университете гуманитарных наук в рамках государственного задания Министерства науки и высшего образования Российской Федерации (тема № FZNF-2023-0004 «Цифровизация и формирование современного информационного общества: когнитивные, экономические, политические и правовые аспекты»)
Получено28.07.2024
Кол-во символов25830
Скачать pdf Для скачивания PDF необходимо авторизоваться
100 руб.
При оформлении подписки на статью или выпуск пользователь получает возможность скачать PDF, оценить публикацию и связаться с автором. Для оформления подписки требуется авторизация.

Оператором распространения коммерческих препринтов является ООО «Интеграция: ОН»

Оглавление

Введение
Разновидности популярных программных обеспечений для создания имитационных моделей
Основные сферы применения и прикладные разработки в области имитационного моделирования
Практическое применение имитационного моделирования
Заключение
1

Введение

Множество специалистов успешно применяют имитационное моделирование для решения сложных задач. На новый уровень этот инструмент выводит агент-ориентированный подход, который дает некоторые преимущества перед классическими типами имитационных моделей. За счет таких моделей можно спрогнозировать различные сценарии развития экономики, социальное развитие общества, проводить анализ транспортной инфраструктуры и здравоохранения, а интерпретация результатов по итогам эксперимента дает возможность квалифицированным специалистам принимать решения и выстраивать стратегию работы в условиях динамических процессов и неопределенностей.
2 Данный метод прогнозирования применяется как на уровне отдельной компании, разрабатывающей стратегию привлечения клиентов, так и на государственном уровне, например, для прогнозирования депопуляции населения и экономических кризисов. Выстраивание слаженной работы всех компонентов на уровне государственных проектов стратегически важно, поскольку именно такие проекты являются передовыми и служат индикатором для оценки эффективности принимаемых решений. Государственные органы обладают всеми необходимыми ресурсами для реализации масштабных проектов.
3 Далее будут рассмотрены наиболее популярные виды программного обеспечения, используемые для построения имитационных моделей, а также проанализированы сферы возможного применения этого метода на государственном уровне. Важно отметить, что имитационное моделирование не существует обособленно, а используется совместно с другими технологиями для решения широкого спектра вопросов, например, языковые модели, нейронные сети. Яркими примерами программного обеспечения, которые успешно применены на государственном уровне являются: Arena, Aimsun, Visual Studio, Powersim, AnyLogiс, GPSS World и Simulink [3, 5]. Кроме того, представлены прикладные модели, применяемые в разных областях для анализа общественной жизни: EURACE (моделирование европейской экономики), городской цифровой двойник на агентной основе для изучения динамики пандемии COVID-19, имитационная модель функционирования орбитальной группировки разведывательных космических аппаратов и другие.
4 Потенциально любая модель или ее усложненная версия может быть использована для решения государственных задач. Трудности при анализе использования имитационного моделирования государством возникают из-за отсутствия интуитивно понятного представления об этих многофункциональных разработках, небольшого интереса со стороны СМИ, а также ввиду отсутствия в открытом доступе подробных описаний моделей и прикладного применения на базовых примерах, также некоторые из них охраняются и являются коммерческой тайной, а другие скрыты в целях безопасности.
5 Большинство представленных разработок используют агент-ориентированный подход. Отличительными особенностями таких моделей является возможность создания информационных искусственных обществ, цифровых двойников с оценкой воздействия внешней среды на их состояние. Одним из примеров, может быть, представление общества в виде агентов с индивидуальными параметрами, отладкой стартовых установок эксперимента с целью моделирования результатов выборов на основании оперативных данных в независимости от опросов и голосований, выявления связи политических взглядов граждан и их отношения к вопросу поляризации общества. 
1. Бахтизин А.Р., Макаров В.Л., Максаков А.А., Сушко Е.Д. Демографическая агент-ориентированная модель России и оценка её применимости для решения практических управленческих задач // Искусственные общества. 2021, Т. 16, № 2.
2. Богомолов  А.П., Гулиев М.Д., Синяткин Д.А. Имитационная модель функционирования орбитальной группировки разведывательных космических аппаратов // Имитационное моделирование систем военного назначения, действий войск и процессов их обеспечения (ИМСВН-2022) : Труды Второй всероссийской научно-практической конференции по имитационному моделированию и его применению в военной сфере, Санкт-Петербург, 20 октября 2022 года. 2022.  С. 31-37.
3. Бочкарев А.А. Моделирование в среде AnyLogic: Учеб. пособие. – СПб.: СПбГИЭУ, 2012.
4. Елубаев С.А., Джамалов Н.К., Алипбаев К.А.  и др.  Имитационное моделирование основных компонентов системы управления движением космического аппарата // Вестник СибГАУ. 2013, №2(48).
5. Зайцева Н.О. Имитационное моделирование средствами системно-объектного подхода // Научные ведомости Белгородского государственного университета. Серия: Экономика. Информатика. 2012, № 7(126).  С. 155-159.
6. Карпенко А.А. Имитационное моделирование эксплуатации морских транспортных средств с учетом ветро-волнового режима // Морские интеллектуальные технологии. – 2021, № 2-1(52).  С. 191-199. DOI 10.37220/MIT.2021.52.2.027.
7. Мартынова  Л.А., Пронин А.О., Подшивалов Г.А., Прокопович В.В., Горбачев Н.И. Имитационная модель работы автономного необитаемого подводного аппарата при реализации мультиагентной технологии в его системе управления // Пятая международная научно-практическая конференция «Имитационное и комплексное моделирование морской техники и морских транспортных систем» (ИКМ МТМТС-2019). Труды конференции. (ISBN 978-5-00150-311-8) - М. Издательство Перо, 2019, с.109-113.
8. Плотников А.М., Рыжиков Ю.И., Соколов Б.В., Юсупов Р.М. Анализ современного состояния и тенденции развития имитационного моделирования в Российской Федерации (по материалам конференций «Имитационное моделирование. Теория и практика» (ИММОД)). Труды СПИИРАН. 2013,  2(25)
9. Системно-динамическое моделирование в среде POWERSIM: Справочник по интерфейсу и функциям. – М.: МАКС-ПРЕСС, 2001. 159 с.
10. Шевченко Д.Н., Кравченя И.Н. Имитационное моделирование на GPSS : учеб.-метод. пособие для студентов технических специальностей; М-во образования Респ. Беларусь, Белорус. гос. ун-т трансп. – Гомель : БелГУТ, 2007.  97 с.
11. Якимов И.М., Кирпичников А.П., Мокшин В.В., Костюхина Г.В., Шигаева Т.А. Комплексный подход к моделированию сложных систем в системе BPwin-Arena // Вестник Казанского технологического университета. 2014, Т. 17, № 6. С. 287-292.
12. Имитационное моделирование в обучении сестринскому и акушерскому делу. Копенгаген: Европейское региональное бюро ВОЗ; 2022 г. URL: https://apps.who.int/iris/bitstream/handle/10665/354181/WHO-EURO-2022-3296-43055-64465-rus.pdf?sequence=1&isAllowed=y 
13. Имитационное моделирование с Arena // КомпьютерПресс URL: https://compress.ru/article.aspx?id=11212 
14. Официальный сайт Aimsun // URL: https://www.aimsun.com/about-aimsun/ 
15. Официальный сайт AnyLogic. // URL: https://www.anylogic.ru/ 
16. Официальный сайт MathWorks // URL: https://ch.mathworks.com/products/simulink.html 
17. Официальный сайт Powersim // URL: https://www.syssoft.ru/Powersim/ 
18. Официальный сайт Rockwell Automation //  URL: https://www.rockwellautomation.com/en-us/products/software/arena-simulation.html 
19. Официальный сайт Visual Studio // URL: https://visualstudio.microsoft.com/ru/downloads/ 
20. Официальный сайт представителя в России: Элина Компьютер // URL: http://elina-computer.ru/ 
21. Balibek Emre, Memis Hamdi Alper, Turkish Treasury Simulation Model for Debt Strategy Analysis (June 1, 2012). World Bank Policy Research Working Paper No. 6091, Available at SSRN: https://ssrn.com/abstract=2084602 
22. Dawid Herbert, Gemkow Simon, Harting Philipp, van der Hoog Sander, Neugart Michael, The Eurace@Unibi Model: An Agent-Based Macroeconomic Model for Economic Policy Analysis (October 1, 2012). Bielefeld Working Papers in Economics and Management No. 05-2012, Available at SSRN: https://ssrn.com/abstract=2408969  or http://dx.doi.org/10.2139/ssrn.2408969 
23. Deissenberg Christophe, van der Hoog Sander, Dawid Herbert. (2008). EURACE: A massively parallel agent-based model of the European economy. Applied Mathematics and Computation. 204. 541-552. 10.1016/j.amc.2008.05.116.
24. Gao Ming, Wang Zhongyuan, Wang Kai, Liu Chenhui, Tang Shiping. (2022). Forecasting elections with agent-based modeling: Two live experiments. PloS one. 17. e0270194. 10.1371/journal.pone.0270194.
25. Hospital Digital Twin to Improve Operations ana Enchance Patient Expirience // URL: https://www.anylogic.ru/resources/case-studies/hospital-digital-twin-to-improve-operations-and-enhance-patient-experience/ 
26. John M. Betts, Ana-Maria Bliuc. 2023. The Effect of Influencers on Societal Polarization. In Proceedings of the Winter Simulation Conference (WSC '22). IEEE Press, 370–381.
27. Lin Tong, Lin Zhulu, Lim Siew Hoon, Jia Xinhua, Chu Xuefeng. A spatial agent-based model for hydraulic fracturing water distribution // Frontiers in Environmental Science / V. 10 – 2022. URL: https://www.frontiersin.org/articles/10.3389/fenvs.2022.1025559  DOI=10.3389/fenvs.2022.1025559
28. Ma Yan, Shen Zhenjiang, Nguyen Dinh Thanh. Agent-Based Simulation to Inform Planning Strategies for Welfare Facilities for the Elderly: Day Care Center Development in a Japanese City // Journal of Artificial Societies and Social Simulation. 2016, 19 (4) 5 doi: 10.18564/jasss.3090
29. Rodrique Kafando, Ho Tuong, Nguyen Manh Hung. An Agent-based Simulation for Studying Air Pollution from Traffic in Urban Areas: The Case of Hanoi City. // International Journal of Advanced Computer Science and Applications. 2019, 10. 596-604. 10.14569/IJACSA.2019.0100376.
30. Souvik Barat, Vinay Kulkarni, Aditya Paranjape, Ritu Parchure, Shrinivas Darak, and Vinay Kulkarni. Agent Based Simulatable City Digital Twin to Explore Dynamics of Covid-19 Pandemic. In Proceedings of the Winter Simulation Conference (WSC '22). IEEE Press, 2023.  557–568.
31. Tutun Salih, Wang Haifeng, Liu Zhao, Yildirim Mehmet, Khanmohammadi Sina. (2016). An Agent Based Approach for Understanding Complex Terrorism Behaviors.
32. Wright Mason, Sengupta Pratim Modeling Oligarchs' Campaign Donations and Ideological Preferences with Simulated Agent-Based Spatial Elections // Journal of Artificial Societies and Social Simulation. 2015, 18 (2) 3 doi: 10.18564/jasss.2736
33. Zhao Bingyu, Kumar Krishna, Casey Gerard, Soga Kenichi. Agent-Based Model (ABM) for City-Scale Traffic Simulation: A Case Study on San Francisco. 2019.  203-212. 10.1680/icsic.64669.203.

Система Orphus

Загрузка...
Вверх