All
 
|
 
 


Optimization of the Employment Structure Using the Multi-sector Bounded-Neighbourhood Model
 
PIIS265838870019919-3-1
DOI10.33276/S265838870019919-3
Publication type Article
Status Published
Authors
Andranik Akopov 
Occupation: Chief Researcher
Affiliation: CEMI RAS
Address: Moscow, Nakhimovsky prospect, 47
Gayane Beklaryan
Occupation: Senior Research
Affiliation: CEMI RAS
Address: Moscow, Nakhimovsky prospect, 47
Journal nameVestnik CEMI
Edition
Abstract

This article presents an approach to optimizing the employment structure using an extended multi-sector bounded-neighbourhood model. The main problem associated with the optimization of the employment structure is the impossibility of implementing a strategy for the rapid redistribution of labour resources from less efficient low-tech sectors of the economy to high-tech ones. The reasons for the difficulties are due to the complex system of decision-making by agent-individuals on the choice of the most preferable jobs, based on a comprehensive assessment of a number of factors, such as the amount of wages, distance to the workplace, the influence of the parents’ opinions and their immediate environment, the presence or absence of previous work experience in the relevant industry, etc. The problem of dynamic optimization of the employment structure is formulated and solved using the genetic algorithm that has need proposed previously, within one generation (30 years), the transformation of the employment structure to the target (suboptimal) state is ensured to maximize the average GDP rates and minimize the share of non-assimilated migrants.

Keywordsemployment structure optimization, labour market modelling, bounded-neighbourhood models, genetic algorithms, clustering, AnyLogic
AcknowledgmentThe reported study was funded by RFBR according to the research project № 20-01-00002
Received04.05.2022
Publication date04.05.2022
Number of characters18706
Cite   Download pdf To download PDF you should sign in
100 rub.
When subscribing to an article or issue, the user can download PDF, evaluate the publication or contact the author. Need to register.
1

Введение
2 В настоящее время актуализируются задачи моделирования рынка труда при государственном регулировании занятости [2, 10-11], нацеленные на поиск наилучших стратегий формирования новых рабочих мест, обеспечивающих структурную трансформацию социально-экономической системы к более устойчивому состоянию. В условиях дефицита трудовых ресурсов, существуют два существенно различающихся подхода. Первый – предполагает увеличение темпов экономического роста за счёт притока мигрантов, преимущественно ориентированных на работу в низкотехнологичных отраслях экономики (например, добыче, сельском хозяйстве, торговле). Поведение агентов-мигрантов характеризуется ранним вступлением в брак, более высокой рождаемостью и др., что в перспективе одного поколения может привести к существенному увеличению их доли в популяции, росту социальной напряженности и др. [1, 2, 7, 12]. Второй подход, связанный со стратегией так называемой контролируемой миграции, состоит в умеренном увеличении миграционных потоков с одновременным ростом инвестиций в интеграцию мигрантов, в частности, с помощью искусственной десегрегации (пространственного распределения) населения (мигрантов и коренных жителей), увеличения затрат на образование и др., что позволит ускорить ассимиляцию и увеличить численность трудовых ресурсов в высокотехнологичных отраслях экономики [8]. Основные трудности при этом связаны с сохраняющимся дефицитом трудовых ресурсов в условиях низкой рождаемости коренного населения. Кроме того, поскольку ассимилированные мигранты стремятся перейти с низкотехнологичных рабочих мест на высокотехнологичные, может возникнуть дефицит трудовых ресурсов в ресурсных отраслях экономики с последующим отрицательным влиянием (вследствие межотраслевых взаимодействий) на экономику в целом.
3 В связи с вышеизложенным, возникает потребность в оптимизации структуры занятости с целью обеспечения как высоких темпов роста ВВП, так и низкой доли мигрантов. При этом, быстрое перераспределение трудовых ресурсов из менее эффективных низкотехнологичных отраслей экономики в высокотехнологичные невозможно из-за наличия множественных ограничений, обусловленных сложной системой принятия агентами-индивидуумами решений по выбору наиболее предпочтительных рабочих мест, основанной на комплексной оценке ряда факторов, таких как величина заработной платы, расстояние до рабочего места, влияние мнения родителей и родственников, наличие/отсутствие предыдущего опыта работы в соответствующей отрасли и др. В данной работе сформулирована и решена задача динамической оптимизации структуры занятости, в рамках которой в течение одного поколения (30 лет) реализуется трансформация структуры занятости к целевому (субоптимальному) состоянию, обеспечивающему максимизацию средних темпов роста ВВП и доли коренного (местного) населения. Вычисление оптимальной структуры занятости осуществляется с использованием расширенной мультисекторной модели ограниченного соседства, агрегированная (четырёхсекторная) версия которой была представлена в работе [7]. Разработка такой модели была выполнена в системе AnyLogic c использованием методов системной динамики [6, 9, 17] и агентного моделирования (АОМ) [3, 5]. Ранее методы АОМ применялись авторами для моделирования поведения толпы в чрезвычайных ситуациях [4, 19], управления пассажиропотоком в аэропорту [13], проектирования «цифрового двойника» производственного предприятия [14], эколого-экономического моделирования [15, 16] и др. Агент-ориентированный подход также применим для исследования динамики рынка труда [20] и миграционных потоков [1, 2, 10, 11].

views: 347

Readers community rating: votes 0 

1. Агентное моделирование популяционной динамики двух взаимодействующих сообществ: мигрантов и коренных жителей / В. Л. Макаров, А. Р. Бахтизин, Г. Л. Бекларян [и др.] // Экономика и математические методы. – 2020. – Том 56, № 2. – с. 5-19.
2. Агентное моделирование социально-экономических последствий миграции при государственном регулировании занятости / В. Л. Макаров, А. Р. Бахтизин, Г. Л. Бекларян [и др.] // Экономика и математические методы. – 2022. – том 58, № 1. – с. 113-130.
3. Акопов, А. С. Агентное моделирование: учебно-методическое пособие / А. С. Акопов, Н. К. Хачатрян – Москва : ЦЭМИ РАН, 2016. – 76 с.
4. Акопов, А. С. Агентная модель поведения толпы при чрезвычайных ситуациях / А. С. Акопов, Л. А. Бекларян // Автоматика и телемеханика. – 2015, № 10 – с. 131–143.
5. Акопов, А. С. Имитационное моделирование: учебник и практикум для академического бакалавриата / А. С. Акопов ; Серия: Бакалавр. Академический курс. — Москав : Издательство Юрайт, 2017. — 389 с.
6. Акопов, А.С. К вопросу проектирования интеллектуальных систем управления сложными организационными структурами. Ч1. Математическое обеспечение системы управления инвестиционной деятельностью вертикально-интегрированной нефтяной компании / А. С. Акопов // Проблемы управления. – 2010. – № 6. – с. 12-18.
7. Акопов, А. С. Мультисекторная модель ограниченного соседства: сегрегация агентов и оптимизация характеристик среды / А. С. Акопов, Л. А. Бекларян, А. Л. Бекларян // Математическое моделирование. – 2021. – Т. 33, № 11. – c. 95-114.
8. Акопов, А. С. Сегрегация агентов в секторальной модели ограниченного соседства / А. С. Акопов, Л. А. Бекларян. – DOI: 10.33276/S265838870016760-9 // Вестник ЦЭМИ РАН. – 2021. – T. 4, Выпуск 2. URL: https://cemi.jes.su/s265838870016760-9-1/  (Дата обращения 25.04.2022).
9. Бекларян, Г. Л. Имитационная модель региона в применении к анализу экономики красноярского края / Г. Л. Бекларян // Экономика и математические методы. – 2019. – Т. 55, № 3. – с. 47-61.
10. Гайнанов, Д. А. Агент-ориентированный подход к сбалансированному взаимодействию региональных рынков труда и образовательных услуг / Д. А. Гайнанов, Л. И. Мигранова // Фундаментальные исследования.  – 2013. – № 8-2. – с. 394-398.
11. Ёлкина, О. С. Математическое моделирование стратегий экономического поведения людей на рынке труда / О. С. Ёлкина, Е. В. Гуревич, А. К. Гуц // Математические структуры и моделирование. – 2005. – № 15. – с. 107-111.
12. Огородников, П. И. Моделирование миграционных потоков в регионе / П. И. Огородников, Н. А. Макарова // Экономика региона. – 2013. – № 2 (34). – с. 168-176.
13. Разработка программной платформы для крупномасштабного агент-ориентированного моделирования сложных социальных систем / В. Л. Макаров, А. Р. Бахтизин, Г. Л. Бекларян, А. С. Акопов // Программная инженерия. – 2019. – Т. 10, № 4. – с. 167-177.
14. Цифровой завод: методы дискретно-событийного моделирования и оптимизации производственных характеристик / В. Л. Макаров, А. Р. Бахтизин, Г. Л. Бекларян, А. С. Акопов // Бизнес-информатика. – 2021. – Т. 15, № 2. – с. 7-20.
15. Akopov, A. S. Agent-based modelling for ecological economics: A case study of the Republic of Armenia / A. S. Akopov, L. A. Beklaryan, A. K. Saghatelyan // Ecological Modelling. – 2017. – Vol. 346. – p. 99-118
16. Akopov, A. S. Agent-based modelling of interactions between air pollutants and greenery using a case study of Yerevan, Armenia / A. S. Akopov, L. A. Beklaryan, A. K. Saghatelyan  // Environmental Modelling and Software. – 2019. – Vol. 116. – p. 7-25.
17. Akopov, A. S. Designing of integrated system-dynamics models for an oil company / A. S. Akopov // International Journal of Computer Applications in Technology. – 2012. – Vol. 45, No. 4. – p. 220-230.
18. Akopov, A. S. Parallel genetic algorithm with fading selection / A. S. Akopov // International Journal of Computer Applications in Technology. – 2014. – Vol. 49, No. 3/4. – p. 325-331.
19. Beklaryan, A. L. Simulation of Agent-rescuer Behaviour in Emergency Based on Modified Fuzzy Clustering / A. L. Beklaryan, A. S. Akopov // AAMAS'16: Proceedings of the 2016 International Conference on Autonomous Agents & Multiagent Systems. – Richland: International Foundation for Autonomous Agents and Multiagent Systems, 2016. – p. 1275-1276.
20. Neugart, M. Agent-based Models of the Labor Market / M. Neugart, M. Richiardi // The Oxford Handbook of Computational Economics and Finance ;  Chen S-H, Kaboudan M, Du Y-R (eds.). – Oxford : Oxford University Press, 2018.

Система Orphus

Loading...
Up