В статье представлена структура управляемого взаимодействия моделей секторов домохозяйств и государственных учреждений в составе макроэкономической системы. Проведены экспериментальные исследования процессов управляемого взаимодействия секторов домохозяйств и государственных учреждений в условиях возмущений и принятия решений при управлении государственными расходами. Показано, что рост социальных трансфертов и выделение дотаций на бюджетное выравнивание позволяют увеличить потребительский спрос и обеспечить последующий рост экономики.
Предпросмотр статьи
Идентификаторы и классификаторы
- SCI
- Социология
Одним из направлений исследований в решении проблем планирования и поддержки принятия решений при регулировании экономических и социальных процессов на макроуровне является разработка программных комплексов, основанных на динамическом моделировании поведения секторов экономики как в отдельности, так и во взаимосвязи в составе макроэкономической системы [1, 2].
Известны исследования, в рамках которых ведется разработка динамических межотраслевых моделей, региональных макроэкономических моделей, динамических вычислимых моделей общего экономического равновесия, а также моделей крупномасштабных систем, которые используются для формирования траекторий развития экономических систем [3–7].
Список литературы
1. Крюков В.А., Баранов А.О., Павлов В.Н., Суслов В.И., Суслов Н.И. Проблемы развития единого комплекса средств макроэкономического межрегионального межотраслевого анализа и прогнозирования // Экономика региона. 2020. Т. 16. Вып. 4. С. 1072-1086. DOI: 10.17059/ekon.reg.2020-4-5 EDN: LFWWSS Kryukov V. A., Baranov A. O., Pavlov V. N., Suslov V. I.,Suslov N. I. “Problems of development of a unified complex of macroeconomic interregional intersectoral analysis and forecasting tools” // Economics of the Region. 2020. Vol. 16, issue. 4, pp. 1072-1086. (In Ruussian). EDN: LFWWSS
2. Белоусов Д. Р., Громов А. Д. и др. О построении количественной модели российской экосистемы ИКТ // Проблемы прогнозирования. 2018. № 4(169). С. 129-141. Belousov D. R., Gromov A. D., et al. “On the construction of a quantitative modelof the Russian ICT ecosystem” // Forecasting Problems. 2018. No. 4(169), pp. 129-141. (In Ruussian). EDN: YNJSPR
3. Пильник Н. П., Поспелов И. Г., Радионов С. А. Система макроэкономических балансов России // Вестник АКСОР. 2017. Т. 43. № 3-4. С. 71-78. Pilnik N. P., Pospelov I. G., Radionov S. A. “System of macroeconomic balances of Russia” // Bulletinof AKSOR. 2017. Vol. 43, No. 3-4, pp. 71-78. (In Ruussian).
4. Иващенко С. Модель динамического стохастического общего экономического равновесия с несколькими трендами и структурными разрывами // Деньги и кредит. 2022. Т. 81. № 1. С. 46-72. EDN: UXTYTY Ivashchenko S. “Model of dynamic stochasticgeneral economic equilibrium with several trends and structural breaks” // Money and Credit. 2022. Vol. 81, No. 1, pp. 46-72.(In Ruussian). EDN: UXTYTY
5. Полбин А. В., Фокин Н. Д. DSGE-модели с гетерогенными агентами: новый взгляд на особенности функционирования экономики // Вопросы экономики. 2022. № 9. С. 53-72. EDN: AQKSNZ Polbin A. V., Fokin N. D. “DSGE models with heterogeneous agents:a new look at the features of the functioning of the economy” // Questions of Economics. 2022. No. 9, pp. 53-72.(In Ruussian). EDN: AQKSNZ
6. Пильник Н. П., Радионов С. А., Станкевич И. П. Обобщенная многопродуктовая декомпозиция элементов использования ВВП России // Экономический журнал ВШЭ. 2018. Т. 22. № 2. С. 251-274. EDN: XUXATZ Pilnik N. P., Radionov S. A., Stankevich I. P.Generalized multi-product decomposition of elements of Russian GDP use // HSE Economic Journal. 2018. Vol. 22, no. 2, pp. 251-274. (In Ruussian). EDN: XUXATZ
7. Будзко В. И., Огнивцев С. Б. и др. Моделирование экономических механизмов АПК // Управление развитием крупномасштабных систем (MLSD’2021): Тр. Четырнадцатой международной конференции. М., 2021. С. 1790-1817. EDN: YFSCRJ
Budzko V.I., Ognivtsev S. B., et al. “Modeling of economic mechanisms of the agro-industrial complex” // Management of the Development of Large-Scale Systems (MLSD’2021). Proceedings of the Fourteenth International Conference. Moscow, 2021. pp. 1790-1817. (In Ruussian).
8. Макаров В. Л., Бахтизин А. Р., Сушко Е. Д., Агеева А. Ф. Агент-ориентированная модель Евразии и имитация реализациикрупных инфраструктурных проектов // Экономика региона. 2018. № 4. С. 1102-1116. DOI: 10.17059/2018-4-4 EDN: YRPZXN Makarov V. L., Bakhtizin A. R., Sushko E. D., Ageeva A. F. “Agent-based model of Eurasia and imitation of the implementationof large infrastructure projects” // Regional Economics. 2018. No. 4, pp. 1102-1116. (In Russian). EDN: YRPZXN
9. Макаров В. Л., Бахтизин А. Р., Сушко Е. Д. и др. Агент-ориентированные модели: мировой опыт и технические возможности реализации на суперкомпьютерах // Вестник Российской академии наук. 2016. Т. 86. С. 252-262. EDN: TNPHBF Makarov V. L., Bakhtizin A. R., Sushko E. D. et al. “Agent-based models: world experience and technical capabilities of implementation on supercomputers” // Bulletin of the Russian Academy of Sciences. 2016. Vol. 86, pp. 252-262. (In Russian). EDN: TNPHBF
10. Малахов В. А., Несытых К. В. Агентно-ориентированный подход к межотраслевому моделированию развития экономикиРоссии в среднесрочной перспективе // Управление развитием крупномасштабных систем (MLSD’2016): Тр. Девятой междунар. конф., 03-05 окт. 2016 г. Т. 1. М.: ИПУ РАН, 2016. С. 49-61. EDN: XXLAQV Malakhov V. A., Nesytykh K. V. “Agent-based approach to intersectoral modeling of the development of the Russian economy in the medium term” // Management of theDevelopment of Large-Scale Systems (MLSD’2016): Proceedings of the Ninth International. Conf., 03-05 Oct. 2016. Vol. 1. Mos-cow: IPU RAS, 2016, pp. 49-61. (In Ruussian).
11. Несытых К. В., Малахов В. А., Дубынина Т. Г. Многоагентные межотраслевые модельные исследования зависимости экономики России от мировых цен на нефть // Управление развитием крупномасштабных систем (MLSD’2017): МатлыДесятой междунар. конфер., 2-4 окт. 2017 г. Т. 1. М.: ИПУ РАН, 2017. С. 70-73. EDN: YSAOII Nesytykh K. V., Malakhov V. A., DubyninaT. G. “Multiagent interindustry model studies of the dependence of the Russian economy on world oil prices” // Managementof the Development of Large-Scale Systems (MLSD’2017): Proc. of the Tenth International. Conf., Oct. 2-4. 2017. Vol. 1. Moscow: IPU RAS, 2017. P. 70-73. (In Ruussian).
12. Hallegatte S. An adaptive regional input-output model and its application to the assessment of the economic cost of Katrina // Risk Analysis 28(3):779-99, 2008. DOI: 10.1111/j.1539-6924.2008.01046.x
13. Tesfatsion L. Agentbased computational economics: Modelling economies as complex adaptive systems // Information Sciences 149 (4, 2003):262-268. DOI: 10.1016/S0020-0255(02)00280-3
14. Широв А. А., Узяков М. Н., Узякова Е. С. Перераспределение первичных доходов населения как фактор снижения неравенства и ускорения экономического роста на региональном уровне // Экономика региона. 2022. Т. 18. Вып. 2. С. 423-436. DOI: 10.17059/ekon.reg.2022-2-9 EDN: LEPZUW Shirov A. A., Uzyakov M. N., Uzyakova E. S. “Redistribution of primary income of the population as a factor in reducing inequality and accelerating economic growth at the regional level” //Regional Economics. 2022. Vol. 18, issue 2, pp. 423-436. (In Ruussian). EDN: LEPZUW
15. Ильясов Б. Г., Дегтярева И. В., Макарова Е. А., Валитов Р. Р. Система интеллектуальной поддержки принятия решений при управлении макроэкономическим воспроизводственным процессом на основе имитационного моделирования // Вестник УГАТУ. 2012. № 3. С. 217-229. EDN: PXEQKB Ilyasov B. G., Degtyareva I. V., Makarova E. A., Valitov R. R. “System of intellectualsupport for decisionmaking in managing the macroeconomic reproductive process based on simulation modeling” // VestnikUGATU. 2012. No. 3, pp. 217-229. (In Ruussian).
16. Ильясов Б. Г., Макарова Е. А., Валитов Р. Р. Имитационная модель регулирования расходов и доходов населения в системе макроэкономического кругооборота // Программные продукты и системы. 2011. № 1. С. 123-126. EDN: OWJKWR Ilyasov B. G., Makarova E. A., Valitov R. R. “Simulation model for regulating expenses and income of the population in the system of macroeconomic circulation” // Software Products and Systems. 2011. No. 1, pp. 123-126. (In Ruussian). EDN: OWJKWR
17. Димов Э. М., Ильясов Б. Г., Макарова Е. А., Закиева Е. Ш., Ефтонова Т. А., Гиздатуллина Э. С. Методология системного динамического моделирования и управления функционированием многоотраслевого производственного комплекса в рамках воспроизводственного процесса макроуровня // Инфокоммуникационные технологии. 2018. Т. 16. № 1.С. 81-96. DOI: 10.18469/ikt.2018.16.1.09 EDN: XTHBKH Dimov E. M., Ilyasov B. G., Makarova E. A., Zakieva E. Sh., Ef-tonova T. A., Gizdatullina E. S. “Methodology of system dynamic modeling and management of the functioning of a diversifiedproduction complex within the framework of the macrolevel reproduction process” // Infocommunication Technologies. 2018.Vol. 16, No. 1, pp. 81-96. (In Russian). EDN: XTHBKH
18. Закиева Е. Ш. Методология поддержки принятия решений при управлении социетальной системой на основе динамического моделирования и интеллектуальных технологий // Системная инженерия и информационные технологии. 2023. Т. 5. № 3 (12). С. 69-92. EDN: UWIPDO Zakieva E. Sh. “Methodology for decision support in managing a societal systembased on dynamic modeling and intelligent technologies” // System Engineering and Information Technologies. 2023. Vol. 5, No. 3 (12), pp. 69-92. (In Russian). EDN: UWIPDO
19. Макарова Е. А. Динамические модели функционирования экономических агентов и их взаимодействия в рамках воспроизводственного процесса с учетом запасов капитала // Инфокоммуникационные технологии. 2015. Т. 13. № 2. С. 164-176. EDN: UMNGDZ Makarova E. A. “Dynamic models of the functioning of economic agents and their interactionwithin the framework of the reproduction process taking into account capital reserves” // Infocommunication Technologies.2015. Vol. 13, No. 2, pp. 164-176. (In Russian). EDN: UMNGDZ
20. Ilyasov B., Makarova E., Zakieva E., Gabdullina E. Intelligent Assistance of Decision-Making in the Management of Multifactor Systems Based on Fuzzy Cognitive Models // Proceedings of the 7th Scientific Conference on Information Technologies for Intelligent Decision Making Support (ITIDS 2019) Published by Atlantis Press Advances in Intelligent Systems Research. Vol. 166.Pp. 1-7.
21. Ильясов Б. Г., Макарова Е. А., Закиева Е. Ш., Гиздатуллина Э. С. Оценка данных о доходах населения в региональном разрезе методом главных компонент // Экономика региона. 2019. Т. 15. Вып. 2. С. 601-617. EDN: FELIMW Ilyasov B. G., Makarova E. A., Zakieva E. Sh., Gizdatullina E. S. “Assessment of data on population income in a regional context using theprincipal component method” // Economics of the Region. 2019. Vol. 15, issue 2, pp. 601-617. (In Ruussian). EDN: FELIMW
22. Юсупов М. М., Макарова Е. А., Камаева Р. Р. Анализ дифференциации потребительских расходов домохозяйств на основе агент-ориентированного моделирования // Системная инженерия и информационные технологии. 2023. Т. 5.№ 6(15). С. 57-66. EDN: PVCZYZ Yusupov M. M., Makarova E. A., Kamaeva R. R. “Analysis of differentiation of householdconsumer expenditures based on agent-based modeling” // System Engineering and Information Technologies. 2023. Vol. 5,No. 6(15), pp. 57-66. (In Ruussian). EDN: PVCZYZ
23. Шурыгин А. С., Макарова Е. А. Система агент-ориентированного моделирования функционирования кластеров предприятий с учётом налогообложения // Системная инженерия и информационные технологии. 2023. Т. 5. № 6(15). С. 24-31. EDN: TNDUPQ Shurygin A. S., Makarova E. A. “System of agentbased modeling of the functioning of clusters of enterprises taking into account taxation” // System Engineering and Information Technologies. 2023. Vol. 5, No. 6(15), pp. 24 31. (In Ruussian). EDN: TNDUPQ
Выпуск
Другие статьи выпуска
В статье предложен алгоритм интеллектуального анализа региональных данных об инвестиционном риске, который предполагает проведение компонентного, кластерного и нейросетевого анализа для первичного формирования кластеров, а также построение трех вариантов деревьев решений для окончательного формирования кластеров регионов. Выявлены малочисленные кластеры регионов, характеризующиеся высоким уровнем экономического, социального и экологического риска. Анализ выявленных кластеров регионов позволяет сформулировать их характерные особенности, а также сформировать правила оценки инвестиционного риска.
В статье рассматриваются виды деструктивного манипулятивного воздействия социальных сетей на общество. В частности, рассматриваются технологии поиска потенциального электората на выборах в США 2020 г., где с помощью таргетинга и ретаргетинга формировалось мнение о том или ином кандидате. Также рассматривались деструктивные влияния суицидальных групп в социальных сетях. Приводится статистика оценки ВЦИОМ использования по времени социальных сетей - большинство россиян ежедневно проводят время в социальных сетях и сервисах связи, особенно активно ими пользуется молодежь. Работа в социальных сетях может повлиять на центр удовольствия мозга, что приводит к зависимости от них из-за предоставления контента небольшими порциями в нужном тоне. В статье описывается, что социальные сети часто используются манипуляторами для провоцирования общественных протестов, вооруженных конфликтов, силового захвата власти. При этом информационная безопасность личности определяется защитой ее психики и сознания от опасных информационных воздействий, таких как манипуляция, дезинформация, доведение до самоубийства, участия в противоправных действиях. Указывается негативное влияние в виде распространения дезинформации, такой, как в частности была в отношении антипрививочного движения во время эпидемии COVID-19. Делается вывод, что необходимо провести юридическое регулирование по отношению к технологиям Deepfake по примеру опыта других государств. Затрагивается вопрос о юридическом регулировании информационных новостных групп в социальных сетях как средства массовой информации, так и в целом правового регулирования социальных сетей. Делается вывод, что необходимо провести юридическое регулирование по отношению к технологиям deepfake по примеру опыта других государств.
Перемещение предметов перебросом — это перспективный способ робототехнической транспортировки деталей в гибких производственных системах. В данном обзоре рассматриваются задачи, связанные с реализацией этого подхода. В кратком введении в современные системы транспортировки обсуждаются недостатки традиционного конвейерного подхода. Дается обзор исследований по транспортировке путем броска и захвата (Transport-by-Throwing, TbT). Обсуждается важный аспект перемещения перебросом, связанный с прогнозированием траектории летящего тела. Рассматриваются соответствующие задачи и подходы к их решению.
Качество информационных систем во многом определяется компоновкой (подбором компонентов с заданными характеристиками) их вычислительной инфраструктуры, которая, с одной стороны, улучшает производственные и управленческие процессы, а, с другой – изменяет уязвимость предприятия за счет появления новых угроз. Эти угрозы определяются включением в структуру организации новых более сложных компонентов (технических и организационных), нарушение нормального функционирования которых может привести к нарушению или неправильному функционированию предприятия. Вследствие этого представляется возможной и актуальной задача подбора компонентов вычислительной инфраструктуры предприятия на основе интеллектуального анализа возможных характеристик этих компонентов, представленных в запросах потребителей и базах данных поставщиков. В данной работе предложен метод формирования и использования базы общих данных (БОД) для выбора компонентов с желаемыми характеристиками, который за счет введенных взаимно однозначных соответствий между значениями желаемых характеристик компонентов, указанных в запросе потребителя, и фактическими значениями характеристик компонентов, имеющихся у поставщиков и информация о которых находится в БОД, позволяет осуществить поиск и последующий выбор требуемых компонентов, а также наиболее подходящих поставщиков этих компонентов. В дальнейшем совокупность предложенных критериев и методов позволит автоматизировать и тем самым ускорить процесс поиска информации о необходимых для компоновки вычислительной инфраструктуры компонентах. Предложенный метод формирования базы общих данных основан на построении взаимно однозначных соответствий между значениями желаемых характеристик компонентов, указанных в запросе потребителя, и фактическими значениями характеристик компонентов, имеющихся у поставщиков, и информация о которых находится в БОД. Использование этих соответствий в виде специальных отношений позволяет осуществить поиск и последующий выбор требуемых компонентов, а также наиболее подходящих поставщиков компонентов.
В статье рассмотрено воздействие пролонгированного использования электронного дисплея на цветоощущение пользователя, при этом в качестве метрики, сигнализирующей изменения в центральных механизмах зрения, использовалась латентность волн N75, P100 и N145 с различных электродов после зрительной стимуляции. Выполнена предобработка исходных данных с целью приведения структур, содержащих интересующие метрики и факторы к форме, позволяющей применять к ним выбранные математические инструменты анализа в используемой программной среде – R-Studio. По результатам проведенных тестов, построенным дисперсионной и DiD-моделям сделаны выводы о статистически значимых сдвигах в показателях латентности зрительных потенциалов, даны рекомендации по работе с электронными устройствами.
Рассматривается нестационарная задача об электрохимической обработке вращающимся пластинчатым электрод-инструментом конечной толщины. Построена математическая модель, позволяющая модифицировать процесс формообразования за счет исполнения маневра поворота электрод-инструмента. Проведен вычислительный эксперимент. Оценка погрешности и уточнение численных результатов осуществлены методом численной фильтрации. С помощью полученных численных значений объяснено явление образования волнообразной формы боковой части обрабатываемой поверхности и сделан ряд других выводов. Найдены ограничения на значения параметров, в рамках которых данный маневр будет являться безопасным, т. е. не будет инициировать короткое замыкание.
Представлены результаты исследования процесса управления строем автономных беспилотных летательных аппаратов (БПЛА) самолетного типа с целью повышения эффективности управления формированием и поддержанием строя за счет разработки методов и алгоритмов децентрализованного управления, учитывающих нелинейный характер структуры систем «автопилот – аппарат». Для достижения данной цели поставлены и решены следующие задачи: 1. Анализ возможных подходов к решению задачи группового управления и выбор среди них тех, на основе которых возможна разработка децентрализованного группового управления БПЛА. 2. Синтез автопилота одиночного автономного БПЛА, отвечающего требованиям алгоритма группового управления. 3. Разработка методов и алгоритмов группового управления БПЛА с учетом особенностей динамики реальных систем «автопилот – БПЛА». 4. Модификация полученных методов и алгоритмов с целью обеспечения адаптивного управления в случае неопределенной или меняющейся динамики системы «автопилот - БПЛА». 5. Разработка математической модели в среде MATLAB/Simulink, позволяющей провести моделирование управления группами БПЛА и выполнение вычислительных экспериментов с целью оценки эффективности разработанных алгоритмов. Методологическую основу работы составили методы линейной алгебры, теории группового управления, метод функций Ляпунова, методы теории нечеткой логики, теории нелинейного управления, теории адаптивного управления, компьютерного моделирования.
Издательство
- Издательство
- ФГБОУ ВО УФИМСКИЙ УНИВЕРСИТЕТ НАУКИ И ТЕХНОЛОГИЙ УФИМСКИЙ УНИВЕРСИТЕТ УФИМСКИЙ УНИВЕРСИТЕТ НАУКИ И ТЕХНОЛОГИЙ УУНИТ
- Регион
- Россия, Уфа
- Почтовый адрес
- 450076, Приволжский федеральный округ, Республика Башкортостан, г. Уфа, ул. Заки Валиди, дом 32
- Юр. адрес
- 450076, Респ Башкортостан, г Уфа, Кировский р-н, ул Заки Валиди, д 32
- ФИО
- Захаров Вадим Петрович (РЕКТОР)
- E-mail адрес
- rector@uust.ru
- Контактный телефон
- +7 (347) 2299677
- Сайт
- https://uust.ru/