Intelligent multi-level decision-making system at the regional level: a conceptual approach

This article presents a new conceptual approach to the development of an intelligent multi-level decision-making system (DMS) at the regional level. Examples of the developed simulation models are given and the possibilities of their practical application for the search for rational management decisions at the regional and sectoral levels are considered. An approach to the design of DMS is based on simulation modelling for economic planning at the level of the whole country, industries and sub-sectors of the economy, federal districts, separate regions of the Russian Federation, households and individuals involved in socio-economic processes considering the complex mechanism of their interaction is proposed.

Keywords

simulation modeling, regional economy, decision-making, system dynamics, agent-based modeling

Received

30.06.2022

Publication date

05.07.2022

Number of characters

16895

Cite Download pdf To download PDF you should sign in

GOST	Beklaryan G. Intelligent multi-level decision-making system at the regional level: a conceptual approach // Vestnik CEMI – 2022. – V. 5. – Issue 2 [Electronic resource]. URL: https://cemi.jes.su/S265838870020946-3-1 (circulation date: 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 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 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.

Readers community rating: votes 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.