Интеллектуальная многоуровневая система поддержки принятия решений на уровне регионов: концептуальный подход

В данной статье представлен новый концептуальный подход к разработке интеллектуальной многоуровневой системы поддержки принятия решений (ССПР) на уровне регионов. Приведены примеры разработанных имитационных моделей и рассмотрены возможности их практического применения для поиска рациональных управленческих решений на региональном и отраслевом уровнях. Предложен подход к проектированию СППР основанный на имитационном моделировании для экономического планирования на уровне страны в целом, отраслей и суботраслей экономики, федеральных округов, отдельных регионов РФ, домохозяйств и индивидуумов, вовлеченных в социально-экономические процессы, с учетом сложного механизма их взаимодействия.

Ключевые слова

имитационное моделирование, региональная экономика, поддержка принятия решений, системная динамика, агентное моделирование

Получено

30.06.2022

Дата публикации

05.07.2022

Кол-во символов

16895

Цитировать Скачать pdf Для скачивания PDF необходимо авторизоваться

ГОСТ	Бекларян Г. Л. Интеллектуальная многоуровневая система поддержки принятия решений на уровне регионов: концептуальный подход // Вестник ЦЭМИ – 2022. – Tом 5. – Выпуск 2 [Электронный ресурс]. URL: https://cemi.jes.su/S265838870020946-3-1 (дата обращения: 20.07.2024). DOI: 10.33276/S265838870020946-3
MLA	Beklaryan, Gayane "Intelligent multi-level decision-making system at the regional level: a conceptual approach." Vestnik CEMI 5.2 (2022) DOI: 10.33276/S265838870020946-3
APA	Beklaryan G. (2022). Intelligent multi-level decision-making system at the regional level: a conceptual approach. Vestnik CEMI 5(2) DOI: 10.33276/S265838870020946-3

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»


1	Введение
2	В настоящее время активно развивается новое направление, относящееся к созданию интеллектуальных систем управления региональными социально-экономическими системами [20, 21] с использованием методов и инструментов имитационного моделирования [3-6]. Среди наиболее перспективных подходов к построению подобных систем следует выделить методы системной динамики [3, 5, 8, 11, 12, 31], методы агентного [3, 4, 7, 15, 18, 40] и дискретно-событийного [3, 24, 26, 28] имитационного моделирования, а также генетические оптимизационные алгоритмы [9, 10, 30, 32, 33, 37], обеспечивающие возможность поиска наиболее предпочтительных альтернатив при решении многокритериальных оптимизационных задач региональных социально-экономических систем.
3	Методы системной динамики преимущественно применяются для моделирования потоковых процессов, например, для симуляции перераспределения инвестиционных и материальных потоков вертикально-интегрированной нефтяной компании (ВИНК) [6, 9, 10, 11, 12, 31], для управления распределением электроэнергии предприятиями ТЭК на региональном уровне [6, 23], с целью реализации системы стратегического планирования финансово-кредитной организации [8, 11], для исследования поведения системы-регион [20, 22, 29] при моделировании непрерывных транспортных потоков с использованием систем дифференциальных уравнений [37-39] и др. Важным преимуществом методов системной динамики является использование усредненного подхода (т.е. имитационная модель представляет собой систему одновременных конечно-разностных уравнений), что позволяет моделировать влияние множественных усиливающих и балансирующих обратных связей и лаговых зависимостей. Подобное преимущество позволяет рационально моделировать прогнозную динамику внешней среды и ее интегральные характеристики (например, ВВП, численность населения, прибыль предприятий, основные фонды по отраслям экономики и т. д.) при устойчивом (управляемом и детерминируемом) влиянии экономических агентов на систему в целом.
4	Методы агентного моделирования преимущественно используются для моделирования поведения систем, состоящих из ансамблей (популяций) взаимодействующих агентов с индивидуальными правилами принятия решений. В частности, подобные методы применяются для исследования социально-экономических последствий миграции [1, 2, 26, 27]; для моделирования поведения толпы при чрезвычайных ситуациях [3, 7, 36]; для управления сложными эколого-экономическими системами [34, 35]; для исследования поведения агентов-индивидуумов, в том числе, эффектов сегрегации и десегрегации населения с использованием моделей ограниченного соседства [15-17]; для моделирования агент-ориентированных транспортных систем [21]; для формирования оптимальной структуры занятости в результате индивидуального принятия решений со стороны агентов о выборе наиболее предпочтительных рабочих мест [16] и др.

всего просмотров: 37

Оценка читателей: голосов 0

1. 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. – Т. 58, № 1. – с. 113-130.

2. 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.

3. Акопов, А. С. Имитационное моделирование: учебник и практикум для академического бакалавриата / А. С. Акопов ; Серия: Бакалавр. Академический курс.– Москва : Издательство Юрайт, 2018. – 389 с.

4. Акопов, А. С. Агентное моделирование: учебно-методическое пособие / А. С. Акопов, Н. К. Хачатрян. – Москва : ЦЭМИ РАН, 2016. – 76 с.

5. Акопов, А. С. Системная динамика: учебно-методическое пособие / А. С. Акопов, Н. К. Хачатрян. – Москва : ЦЭМИ РАН, 2014. – 70 с.

6. Акопов, А. С. Проблемы управления субъектом ТЭК в современных условиях / А. С. Акопов. – Москва : ЦЭМИ РАН, 2004. – 247 с.

7. Акопов, А. С. Агентная модель поведения толпы при чрезвычайных ситуациях / А. С. Акопов, Л. А. Бекларян // Автоматика и телемеханика. – 2015, № 10 – с. 131–143.

8. Акопов, А. С. Системно-динамическое моделирование стратегии банковской группы / А. С. Акопов // Бизнес-информатика. – 2012. – № 2 (20). – с. 10-19.

9. 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.

10. Акопов, А. С. К вопросу проектирования интеллектуальных систем управления сложными организационными структурами. Ч. 2. Программная реализация системы управления инвестиционной деятельностью вертикально-интегрированной нефтяной компании / А. С. Акопов // Проблемы управления. – 2011. – № 1. – с. 47-54.

11. Акопов, А. С. Интеллектуальные гибридные системы управления деятельностью вертикально-интегрированными организационными структурами / А. С. Акопов, Г. Л. Бекларян. – Сер. WP/2009/267 Препринт. – Москва : ЦЭМИ РАН, 2016. – 53 с.

12. Акопов, А. С. Системно-динамический подход в управлении инвестиционной деятельностью нефтяной компании / А. С. Акопов // Аудит и финансовый анализ. – 2006. – № 2. – с. 165-200.

13. Акопов, А. С. Сравнительный анализ производственных и инвестиционных характеристик нефтедобывающей и нефтеперерабатывающей отраслей экономики по регионам РФ, а также нефтяных компаний / А. С. Акопов, Г. Л. Бекларян, Л. А. Бекларян // Аудит и финансовый анализ. – 2005. – № 1. – c. 67-72.

14. Акопов, А. С. Сравнительный анализ производственных и инвестиционных характеристик отраслей ТЭК по регионам РФ / А. С. Акопов, Г. Л. Бекларян // Экономическая наука современной России. – 2004. – № 1. – c. 121-128.

15. 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.

16. Акопов, А. С. Оптимизация структуры занятости с использованием мультисекторной модели ограниченного соседства / А. С. Акопов, Г. Л. Бекларян // Вестник ЦЭМИ РАН. – 2022. – T. 5, Выпуск 1. –URL: https://cemi.jes.su/s265838870019919-3-1/ (дата обращения: 13.06.2022).

17. Акопов, А. С. Сегрегация агентов в секторальной модели ограниченного соседства / А. С. Акопов, Л. А. Бекларян // Вестник ЦЭМИ РАН. – 2021. – T. 4, Выпуск 2. – URL: https://cemi.jes.su/s265838870016760-9-1/ (дата обращения 25.04.2022).

18. Бахтизин, А. Р. Агент-ориентированные модели экономики / А. Р. Бахтизин. – Москва : Экономика, 2008. – 279 с.

19. Бекларян, A. Л. Имитационная модель оптимального распределения потока кредитных заявок для межрегионального центра андеррайтинга коммерческого банка / A. Л. Бекларян, А. С. Акопов // Вестник компьютерных и информационных технологий. – 2018. – Т. 11, № 173. – с. 46-56.

20. 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.

21. Бекларян, Г. Л. Агентное моделирование межрегиональных железнодорожных грузоперевозок / Г. Л. Бекларян, А. С. Акопов // Аудит и финансовый анализ. – 2019. – № 1. – c. 39-54.

22. Бекларян, Г. Л. Система поддержки принятия решений для устойчивого экономического развития дальневосточного федерального округа / Г. Л. Бекларян // Бизнес-информатика. – 2018. – Т. 4, № 46. – c. 66-75.

23. Бекларян, Г. Л. Анализ эффективности регулирующей политики государства с помощью региональной модели CGE поведения естественных монополий (на примере электроэнергетики) / А. С. Акопов, Г. Л. Бекларян // Экономическая наука современной России. – 2005. – Т. 4, № 31. – c. 130-139.

24. Имитационное моделирование системы "умный город": концепция, методы и примеры / В. Л. Макаров, А. Р. Бахтизин, Г. Л. Бекларян [и др.] // Национальные интересы: приоритеты и безопасность. – 2019. – Т. 15, № 2 – c. 200-224.

25. Моделирование миграционных и демографических процессов с использованием FLAME GPU / В. Л. Макаров, А. Р. Бахтизин, Г. Л. Бекларян [и др.] // Бизнес-информатика. – 2022. –Т. 16, № 1. – c. 7-21.

26. Разработка программной платформы для крупномасштабного агент-ориентированного моделирования сложных социальных систем / В. Л. Макаров, А. Р. Бахтизин, Г. Л. Бекларян [и др.] // Программная инженерия. – 2019. – Т. 10, № 4. – с. 167-177.

27. Укрупненная агент-ориентированная имитационная модель миграционных потоков стран Европейского Союза / В. Л. Макаров, А. Р. Бахтизин, Г. Л. Бекларян [и др.] // Экономика и математические методы. – 2019. – Т. 55, № 1. – с. 3-15.

28. Цифровой завод: методы дискретно-событийного моделирования и оптимизации производственных характеристик / В. Л. Макаров, А. Р. Бахтизин, Г. Л. Бекларян [и др.] // Бизнес-информатика. – 2021. – Т. 15, № 2. – c. 7-20.

29. Akopov, A. S. Modelling the dynamics of the “Smarter Region” / A. S. Akopov, G. L. Beklaryan // in: Proceedings of 2014 IEEE Conference on Computational Intelligence for Financial Engineering & Economics. L. : IEEE. – 2014. – pp. 203-209.

30. 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. –pp. 325-331.

31. 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. – pp. 220-230.

32. Akopov, A. S. Simulation-Based Optimisation for Autonomous Transportation Systems Using a Parallel Real-Coded Genetic Algorithm with Scalable Nonuniform Mutation / A. S. Akopov, L. A. Beklaryan, A. L. Beklaryan // Cybernetics and Information Technologies. – 2021. – Vol. 21, No. 3. – pp. 127-144.

33. Akopov, A. S. Parallel multi-agent real-coded genetic algorithm for large-scale black-box single-objective optimisation / A. S. Akopov, L. A. Beklaryan, M. Thakur, D. B. Verma // Knowledge-Based Systems. – 2019. – Vol. 174, – pp. 103-122.

34. 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. – pp. 7-25.

35. 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. – pp. 99-118.

36. Beklaryan, A. L. Simulation of Agent-rescuer Behaviour in Emergency Based on Modified Fuzzy Clustering // A. L. Beklaryan, A. S. Akopov // in: AAMAS'16: Proceedings of the 2016 International Conference on Autonomous Agents & Multiagent Systems. Richland: International Foundation for Autonomous Agents and Multiagent Systems. – 2016. – pp. 1275-1276.

37. Beklaryan, G. L. Optimisation of system dynamics models using a real-coded genetic algorithm with fuzzy control / G. L. Beklaryan, A. S. Akopov, N. K. Khachatryan // Cybernetics and Information Technologies. – 2019. – Т. 19. № 2. – pp. 87-103.

38. Khachatryan, N. K. About quasi-solutions of traveling wave type in models for organizing cargo transportation / N. K. Khachatryan, A. S. Akopov, F. A. Belousov // Business Informatics. – 2018. – Vol. 1, № 43. – pp. 61-70.

39. Khachatryan, N. K. Model for organizing cargo transportation with an initial station of departure and a final station of cargo distribution / N. K. Khachatryan, A. S. Akopov // Business Informatics. 2017. – Vol. 1, № 39. – pp. 25-35.

40. Makarov, V. L. Agent-based modeling for a complex world. M.: Scientific publications department / V. L. Makarov, A. R. Bakhtizin, J. M. Epstein. – 2nd edition, revised. – Moscow: Scientific publications department, GAUGN, 2022. – 74 p.