Экономика и математические методыНомер 3Агент-ориентированная модель «Интеллектуальная Россия»: конструкция модели и анализ начальной популяции
Всего подписок: 0, всего просмотров: 227
Оценка читателей: голосов 0
1. Акиншин А.А., Хачатрян Н.К., Кузнецова О.И. (2021). Имитационная модель российского общества: хранение данных модели, обработка и представление результатов // Вестник ЦЭМИ. Т. 4. № 1. DOI: 10.33276/S265838870015583-4. Режим доступа: https://cemi.jes.su/s265838870015583-4-1/
2. Бахтизин А.Р., Макаров В.Л., Сушко Е.Д., Максаков А.А. (2021). Демографическая агент-ориентированная модель России и оценка ее применимости для решения практических управленческих задач // Искусственные общества. Т. 16. № 2. DOI: 10.18254/S207751800015357-1. Режим доступа: https://artsoc.jes.su/s207751800015357-1-1/
3. Дорошенко Т.А. (2019). Разработка агент-ориентированной модели образовательной мигра-ции населения региона // Вестник Евразийской науки. Т. 11. № 5. Режим доступа: https://esj.today/PDF/17ECVN519.pdf
4. Кузнецова О.И. (2021). Агент-ориентированная модель «Интеллектуальная Россия»: иссле-дование уровня трудового потенциала и уровня удовлетворенности в региональном и отраслевом разрезах // Искусственные общества. T. 16. № 4. DOI: 10.18254/S207751800017946-9. Режим доступа: https://artsoc.jes.su/s207751800017946-9-1/
5. Макаров В. Л., Бахтизин А.Р., Сушко Е.Д., Агеева А.Ф. (2018а). Агент-ориентированная модель Евразии и имитация реализации крупных инфраструктурных проектов // Эко-номика региона. Т. 14. № 4. С. 1102–1116.
6. Макаров В. Л., Бахтизин А.Р., Сушко Е.Д., Васенин В.А., Борисов В.А., Роганов В.А. (2016). Суперкомпьютерные технологии в общественных науках: агент-ориентированные демографические модели // Вестник Российской академии наук. Т. 86. № 5. С. 412–421.
7. Макаров В.Л., Бахтизин А. Р., Бекларян Г.Л., Акопов А.С. (2019а). Имитационное моде-лирование системы умный город: концепция, методы и примеры // Национальные ин-тересы: приоритеты и безопасность. Т. 15. № 2. С. 200–224.
8. Макаров В.Л., Бахтизин А. Р., Бекларян Г.Л., Акопов А.С. (2019б). Разработка программ-ной платформы для крупномасштабного агент-ориентированного моделирования сложных социальных систем // Программная инженерия. Т. 10. № 4. С. 167–177.
9. Макаров В.Л., Бахтизин А. Р., Бекларян Г.Л., Акопов А.С., Ровенская Е.А., Стрелков-ский Н.В. (2019в). Укрупненная агент-ориентированная имитационная модель мигра-ционных потоков стран Европейского Союза // Экономика и математические методы. Т. 55. № 1. С. 3–15.
10. Макаров В.Л., Бахтизин А.Р., Сушко Е.Д., Сушко Г.Б. (2018б). Разработка агент-ориентированной демографической модели России и ее суперкомпьютерная реализация // Вычислительные методы и программирование. Т. 19. № 4. С. 368–378.
11. Наумов И.В. (2019). Исследование межрегиональных взаимосвязей в процессах формирова-ния инвестиционного потенциала территорий методами пространственного моделиро-вания // Экономика региона. Т. 15. № 3. С. 720–735.
12. Низамутдинов М.М., Атнабаева А.Р., Ахметзянова М.И. (2020). Исследование процессов межрегиональной миграции на основе имитационного моделирования // Известия Уфимского научного центра РАН. № 3. С. 93–99.
13. Хачатрян Н.К., Акиншин А.А., Кузнецова О.И. (2020а). Имитационная модель российско-го общества. Создание и анализ виртуальной популяции // Искусственные общества. T. 15. № 4. DOI: 10.18254/S207751800012620-1. Режим доступа: https://arxiv.gaugn.ru/s207751800012620-1-1/
14. Хачатрян Н.К., Кузнецова О.И. (2018). Компьютерное моделирование вариантов распреде-ления инновационной активности по регионам России // Вестник ЦЭМИ. Т. 1. № 1. DOI: 10.33276/S0000105-8-1. Режим доступа: https://cemi.jes.su/s111111110000105-8-1/
15. Хачатрян Н.К., Кузнецова О.И. (2020б). Компьютерное моделирование вариантов про-странственного развития научно-технологической сферы в Российской // Экономика и математические методы. Т. 56. № 3. С. 45–55.
16. Clements A.J., Fadai N.T. (2022). Agent-based modelling of sports riots. Physica A: Statistical Mechanics and its Applications, 597. DOI: 10.1136/bjsports-2017-098871. Available at: https://doi.org/10.1016/j.physa.2022.127279
17. Hulme A., Thompson J., Nielsen R.O., Read G.J.M., Salmon P.M. (2019). Towards a complex systems approach in sports injury research: Simulating running-related injury development with agent-based modelling. British Journal of Sports Medicine, 53 (9). DOI: 10.1177/1046878120914336. Available at: https://bjsm.bmj.com/content/53/9/560
18. Platas-López A., Guerra-Hernández A., Grimaldo F. (2021). On the macroeconomic effect of extortion: An agent-based approach. Journal of Artificial Societies and Social Simulation, 24 (1), 3. DOI: 10.18564/jasss.4496. Available at: http://jasss.soc.surrey.ac.uk/24/1/3.html
19. Rosenbusch H., Röttger J., Rosenbusch D. (2020). Would Chuck Norris certainly win the hunger games? Simulating the result reliability of battle Royale games through agent-based models. Simulation & Gaming, 51 (4). DOI: 10.1177/1046878120914336. Available at: https://journals.sagepub.com/doi/10.1177/1046878120914336
20. Takacsa K., Squazzoni F. (2015). High standards enhance inequality in idealized labor markets. Journal of Artificial Societies and Social Simulation, 18 (4), 2. DOI: 10.18564/jasss.2940. Available at: https://www.jasss.org/18/4/2.html
21. Wang Y., Zhang Qi, Sannigrahi S., Qirui Li, Tao S., Bilsborrow R., Li J., Song C. (2021). Un-derstanding the effects of China’s agro-environmental policies on Rural Households’ Labor and Land allocation with a spatially explicit agent-based model. Journal of Artificial Societies and Social Simulation, 24 (3), 7. DOI: 10.18564/jasss.4589. Available at: https://www.jasss.org/24/3/7.html
