Агентное моделирование и оптимизация характеристик научно-производственных кластеров
Аннотация
В работе представлена разработанная агент-ориентированная имитационная модель развития научно-производственных кластеров России, реализованная на примере высокотехнологичных предприятий, расположенных в четырех наукоградах (г. Троицка, г. Обнинска, г. Пущино и г. Протвино). Предложен новый поход к моделированию и оптимизации валового городского продукта (GMP), учитывающий влияние «гравитационного эффекта» на перераспределение трудовых ресурсов между развивающимися наукоградами и соответствующими предприятиями, объединенными в единые научно-производственные кластеры. Важным элементом такого подхода является формирование различных сценариев стратегического развития оцениваемых научно-производственных кластеров и поддержка возможности выбора наиболее предпочтительного сценария с использованием эволюционного оптимизационного алгоритма. Разработана и реализована в AnyLogic двухуровневая имитационная модель, описывающая возможные траектории развития научно-производственных кластеров с соответствующим изменением значений важнейших характеристик: численности экономически активного населения, количества научно-производственных предприятий, объема продукции выпускаемой в высокотехнологичных отраслях экономики, GMP и др. Спроектированный программный комплекс предназначен, в первую очередь, для управления научно-производственными кластерами, реализующими стратегию инновационного развития. Такой комплекс использует методы системной динамики и агентного имитационного моделирования, поддерживаемые в системе AnyLogic, генетические оптимизационные алгоритмы и ГИС-карты наукоградов и др. для реализации требуемой функциональности. Апробация программного комплекса выполнена с использованием реальных данных, опубликованных в утвержденных стратегиях развития соответствующих наукоградов. В результате проведенных численных экспериментов предложены некоторые рекомендации по развитию изучаемых научно-производственных кластеров с учетом их взаимовлияния и имеющейся ресурсной базы.
Скачивания
Литература
Forrester J.W. (1969) Urban dynamics. M.I.T. Press, Cambridge.
Li G., Kou C., Wang Y., Yang H. (2020) System dynamics modelling for improving urban resilience in Beijing, China. Resources, Conservation and Recycling, vol. 161, 104954. https://doi.org/10.1016/j.resconrec.2020.104954
Diemer A., Nedelciu C.E. (2020) System dynamics for sustainable urban planning. Sustainable Cities and Communities. Encyclopedia of the UN Sustainable Development Goals (eds. W. Leal Filho, A. Marisa Azul, L. Brandli, P. Gökçin Özuyar, T. Wall). Springer, Cham, pp. 760–773. https://doi.org/10.1007/978-3-319-95717-3_115
Armenia S., Barnabè F., Pompei A., Scolozzi R. (2021) System dynamics modelling for urban sustainability. Urban Sustainability. Springer Texts in Business and Economics (eds. J. Papathanasiou, G. Tsaples, A. Blouchoutzi). Springer, Cham, pp. 131–173. https://doi.org/10.1007/978-3-030-67016-0_4
Makarov V., Bakhtizin A., Epstein J. (2022) Agent-based modeling for a complex world. Part 1. Economics and the Mathematical Methods, vol. 58, no. 1, pp. 5–26 (in Russian). https://doi.org/10.31857/S042473880018970-6
Makarov V., Bakhtizin A., Epstein J., (2022) Agent-based modeling for a complex world. Part 2. Economics and the Mathematical Methods, vol. 58, no. 2, pp. 7–21 (in Russian). https://doi.org/10.31857/S042473880020009-8
Makarov V., Bakhtizin A., Beklaryan G., Akopov A., Rovenskaya E., Strelkovskiy N. (2019) Aggregated agent-based simulation model of migration flows of the European Union countries. Economics and the Mathematical Methods, vol. 55, no. 1, pp. 3–15 (in Russian). https://doi.org/10.31857/S042473880004044-7
Makarov V., Bakhtizin A., Beklaryan G., Akopov A. (2020) Agent-based modelling of population dynamics of two interacting social communities: migrants and natives. Economics and the Mathematical Methods, vol. 56, no. 2, pp. 5–19 (in Russian). https://doi.org/10.31857/S042473880009217-7
Makarov V.L., Bakhtizin A.R., Beklaryan G.L., Akopov A.S. (2021) Digital plant: methods of discrete-event modeling and optimization of production characteristics. Business Informatics, vol. 15, no. 2, pp. 7–20. https://doi.org/10.17323/2587-814X.2021.2.7.20
Makarov V.L., Bakhtizin A.R., Beklaryan G.L., Akopov A.S. (2019) Development of software framework for large-scale agent-based modeling of complex social systems. Programmnaya Ingeneria (Software Engineering), vol. 10, no. 4, pp. 167–177 (in Russian). https://doi.org/10.17587/prin.10.167-177
Akopov A.S. (2012) Designing of integrated system-dynamics models for an oil company. International Journal of Computer Applications in Technology, vol. 45, no. 4, pp. 220–230. https://doi.org/10.1504/IJCAT.2012.051122
Akopov A.S. (2014) Parallel genetic algorithm with fading selection. International Journal of Computer Applications in Technology, vol. 49, no. 3–4, pp. 325–331. https://doi.org/10.1504/IJCAT.2014.062368
Akopov A.S., Beklaryan L.A., Saghatelyan A.K. (2019) Agent-based modelling of interactions between air pollutants and greenery using a case study of Yerevan, Armenia. Environmental Modelling & Software, vol. 116, pp. 7–25. https://doi.org/10.1016/j.envsoft.2019.02.003
Akopov A.S., Beklaryan L.A., Saghatelyan A.K. (2017) Agent-based modelling for ecological economics: A case study of the republic of Armenia. Ecological Modelling, vol. 346, pp. 99–118. https://doi.org/10.1016/j.ecolmodel.2016.11.012
Kislitsyn E.V., Gogulin V.V. (2021) Simulation of the environmental situation in a megalopolis. Modeli, sistemy, seti v ekonomike, tekhnike, prirode i obshchestve (Models, systems, networks in economics, technology, nature and society), vol. 1, no. 37, pp. 92–106 (in Russian). https://doi.org/10.21685/2227-8486-2021-1-8
Akopov A.S., Beklaryan L.A. (2015) An agent model of crowd behavior in emergencies. Automation and Remote Control, vol. 76, no. 10, pp. 1817–1827. https://doi.org/10.1134/S0005117915100094
Crooks A., Heppenstall A., Malleson N., Manley E. (2021) Agent-based modeling and the city: A gallery of applications. Urban Informatics. The Urban Book Series (eds. W. Shi, M.F. Goodchild, M. Batty, M.P. Kwan, A. Zhang). Springer, Singapore, pp. 885–910. https://doi.org/10.1007/978-981-15-8983-6_46
Chen L. (2012) Agent-based modeling in urban and architectural research: A brief literature review. Frontiers of Architectural Research, vol. 1, no. 2, pp. 166–177. https://doi.org/10.1016/j.foar.2012.03.003
Tian G., Qiao Z. (2014) Modeling urban expansion policy scenarios using an agent-based approach for Guangzhou Metropolitan Region of China. Ecology and Society, vol. 19, no. 3, art. 52. https://doi.org/10.5751/ES-06909-190352
Yun T.-S., Kim D., Moon I.-C., Bae J.W. (2022) Agent-based model for urban administration: A case study of bridge construction and its traffic dispersion effect. Journal of Artificial Societies and Social Simulation, vol. 25, no. 4, art. 5. https://doi.org/10.18564/jasss.4923
Ghandar A., Theodoropoulos G., Zhong M., Zhen B., Chen S., Gong Y., Ahmed A. (2019) An agent-based modelling framework for urban agriculture. 2019 Winter Simulation Conference (WSC), National Harbor, MD, USA, pp. 1767–1778. https://doi.org/10.1109/WSC40007.2019.9004854
Akopov A.S. (2012) System dynamics modeling of banking group strategy. Business Informatics, vol. 2, no. 20, pp. 10–19 (in Russian).
Stewart Q.J. (1950) The development of social physics. American Journal of Physics, vol. 18, pp. 239–253. https://doi.org/10.1119/1.1932559
Yap Y.L. (1977) The attraction of cities: A review of the migration literature. Journal of Development Economics, vol. 4, no. 3, pp. 239–264. https://doi.org/10.1016/0304-3878(77)90030-x
Kleiner G.B. (1986) Production functions. Theory, methods, application. Moscow: Finance and Statistics (in Russian).
Suvorov N.V., Akhunov R.R., Gubarev R.V., Dzyuba E.I., Fayzullin F.S. (2020) Applying the Cobb–Douglas production function for analysing the region’s industry. Economy of Regions, vol. 16, no. 1. pp. 187–200 (in Russian). https://doi.org/10.17059/2020-1-14
Hellerstein J.K., Neumark D. (2007) Production function and wage equation estimation with heterogeneous labor: Evidence from a new matched employer-employee data set. Hard-to-Measure Goods and Services: Essays in Honor of Zvi Griliches, (eds. Ernst R. Berndt and Charles R. Hulten). Chicago: University of Chicago Press, pp. 31–72. https://www.nber.org/system/files/chapters/c0873/c0873.pdf
Beklaryan G.L., Akopov A.S., Khachatryan N.K. (2019) Optimisation of system dynamics models using a real-coded genetic algorithm with fuzzy control. Cybernetics and Information Technologies, vol. 19, no. 2, pp. 87–103. https://doi.org/10.2478/cait-2019-0017
Guide on the results of the analysis of the compliance of the indicators of scientific and industrial complexes of science cities of the Russian Federation with the requirements established by paragraph 8 of Article 2.1 of Federal Law No. 70-FZ “On the status of the science city of the Russian Federation”, and the achievement of the results provided for by the action plans for the implementation of the strategies of socio-economic development of science cities of the Russian Federation in 2022 (in Russian). Available at: https://minobrnauki.gov.ru/upload/iblock/77c/cemgzf9g61hhktvme7dfmm9feddbfzvv.pdf (accessed 21 February 2023).
