К вопросу о разработке агент-ориентированных моделей для перехода к цифровой экономике

Акопов Андраник С.; Бекларян Гаянэ Л.

doi:10.33276/S265838870011661-0

Русский

Войти Регистрация

Главная>Выпуск 2>К вопросу о разработке агент-ориентированных моделей для перехода к цифровой экономике

К вопросу о разработке агент-ориентированных моделей для перехода к цифровой экономике

Оглавление

Аннотация Оценить Содержание публикации

Библиография Комментарии

К вопросу о разработке агент-ориентированных моделей для перехода к цифровой экономике

Аннотация

Код статьи

S265838870011661-0-1

DOI

10.33276/S265838870011661-0

Тип публикации

Статья

Статус публикации

Опубликовано

Авторы

Акопов Андраник Сумбатович Связаться с автором

Должность: Главный научный сотрудник
Аффилиация: Центральный экономико-математический институт РАН
Адрес: Москва, Нахимовский проспект 47

Бекларян Гаянэ Левоновна

Должность: Старший научный сотрудник
Аффилиация: Центральный экономико-математический институт РАН
Адрес: Москва, Нахимовский проспект 47

Выпуск

Том 3 Выпуск 2

Аннотация

В данной статье представлен новый подход к разработке агент-ориентированных моделей для перехода к цифровой экономике, основанный на создании, так называемых, «цифровых двойников» для регионов, отраслей, предприятий и искусственных сообществ с целью формирования эффективных управленческих решений, направленных на эволюционное развитие соответствующих систем. Предлагается концепция проектирования систем поддержки принятия решений, основанных на интеграции имитационных моделей, алгоритмов кластеризации агентов и оптимизации характеристик среды. Реализация подобной концепции возможна с использованием имитационного моделирования, суперкомпьютерных технологий, многомерных баз данных и хранилищ данных, методов искусственного интеллекта и машинного обучения и др. Приводится пример разработанной агент-ориентированной модели, предназначенной, в частности, для моделирования внутренней динамики «цифрового» региона.

Ключевые слова

агентное моделирование, «цифровые двойники», кластерно-ориентированный подход, искусственные общества

Источник финансирования

Исследование выполнено при финансовой поддержке Российского фонда фундаментальных исследований (РФФИ) в рамках научного проекта №19-010-00958

Классификатор

Получено

18.09.2020

Дата публикации

08.10.2020

Всего подписок

Всего просмотров

1777

Оценка читателей

0.0 (0 голосов)

Цитировать Скачать pdf

ГОСТ	Акопов А. С. , Бекларян Г. Л. К вопросу о разработке агент-ориентированных моделей для перехода к цифровой экономике // Вестник ЦЭМИ РАН. – 2020. – T. 3. – Выпуск 2. URL: https://cemi.jes.su/s265838870011661-0-1/. DOI: 10.33276/S265838870011661-0
MLA	Akopov, Andranik, Beklaryan, Gayane "On the development of agent-based models for the transition to the digital economy." Herald of CEMI. 3.2 (2020). DOI: 10.33276/S265838870011661-0
APA	Akopov A., Beklaryan G. (2020). On the development of agent-based models for the transition to the digital economy. Herald of CEMI. vol. 3, no. 2 DOI: 10.33276/S265838870011661-0

Доступ к дополнительным сервисам

Дополнительные сервисы только на эту статью

Преимущества сервисов

100 руб. / 1.0 SU

Дополнительные сервисы на все выпуски за 2020 год

Преимущества сервисов

1200 руб. / 24.0 SU


1	1. Введение	<strong>1. </strong><strong>Введение</strong> <strong>1. </strong><strong>Введение</strong>

2	В настоящее время актуализируется задача перехода к цифровой экономике, в которой принятие решений и взаимодействие экономических агентов будет реализовываться с использованием современных информационно-коммуникационных технологий на основе анализа больших данных в режиме реального времени. Типичным примером подобной трансформации, является внедрение беспилотных транспортных средств, взаимодействующих с использованием 5G сетей [1], разработка систем класса «умный город» [2], развитие интеллектуальных транспортных систем [3, 4], проектирование систем поддержки принятия решений социально-экономического и экологического планирования [5] и др.	В настоящее время актуализируется задача перехода к цифровой экономике, в которой принятие решений и взаимодействие экономических агентов будет реализовываться с использованием современных информационно-коммуникационных технологий на основе анализа больших данных в режиме реального времени. Типичным примером подобной трансформации, является внедрение беспилотных транспортных средств, взаимодействующих с использованием 5G сетей [1], разработка систем класса «умный город» [2], развитие интеллектуальных транспортных систем [3, 4], проектирование систем поддержки принятия решений социально-экономического и экологического планирования [5] и др. В настоящее время актуализируется задача перехода к цифровой экономике, в которой принятие решений и взаимодействие экономических агентов будет реализовываться с использованием современных информационно-коммуникационных технологий на основе анализа больших данных в режиме реального времени. Типичным примером подобной трансформации, является внедрение беспилотных транспортных средств, взаимодействующих с использованием 5G сетей [1], разработка систем класса «умный город» [2], развитие интеллектуальных транспортных систем [3, 4], проектирование систем поддержки принятия решений социально-экономического и экологического планирования [5] и др.

3	Вместе с тем, поведение реальных социально-экономических систем и связанных с ними агентов характеризуется сложными правилами, в том числе, учитывающими взаимную стратегию принятия решений (т.е., когда действия одного агента существенно зависят от действий других агентов [6, 7]). Таким образом, динамика подобных децентрализованных систем в существенной степени зависит как от индивидуального поведения каждого агента, так и от характеристик среды. У государства, выполняющего важнейшие регулирующие функции по управлению такой средой (посредством миграционной, фискальной, денежно-кредитной и др. политики) возникает потребность в апробации планируемых управленческих решений на виртуальных (компьютерных) моделях, именуемых, в частности, «цифровыми двойниками» реальных социально-экономических систем (предприятий, отраслей, регионов и др.).	Вместе с тем, поведение реальных социально-экономических систем и связанных с ними агентов характеризуется сложными правилами, в том числе, учитывающими взаимную стратегию принятия решений (т.е., когда действия одного агента существенно зависят от действий других агентов [6, 7]). Таким образом, динамика подобных децентрализованных систем в существенной степени зависит как от индивидуального поведения каждого агента, так и от характеристик среды. У государства, выполняющего важнейшие регулирующие функции по управлению такой средой (посредством миграционной, фискальной, денежно-кредитной и др. политики) возникает потребность в апробации планируемых управленческих решений на виртуальных (компьютерных) моделях, именуемых, в частности, «цифровыми двойниками» реальных социально-экономических систем (предприятий, отраслей, регионов и др.). Вместе с тем, поведение реальных социально-экономических систем и связанных с ними агентов характеризуется сложными правилами, в том числе, учитывающими взаимную стратегию принятия решений (т.е., когда действия одного агента существенно зависят от действий других агентов [6, 7]). Таким образом, динамика подобных децентрализованных систем в существенной степени зависит как от индивидуального поведения каждого агента, так и от характеристик среды. У государства, выполняющего важнейшие регулирующие функции по управлению такой средой (посредством миграционной, фискальной, денежно-кредитной и др. политики) возникает потребность в апробации планируемых управленческих решений на виртуальных (компьютерных) моделях, именуемых, в частности, «цифровыми двойниками» реальных социально-экономических систем (предприятий, отраслей, регионов и др.).

4	Впервые, понятие «цифрового двойника» введено в работе [8] и в настоящее время активно используется, в основном, применительно к разработке компьютерных моделей промышленных предприятий [9], финансовых корпораций [10], сложных производственных объектов, например, месторождений [11], систем железнодорожного транспорта [12], искусственных сообществ [13] и др. Разработка подобных цифровых двойников осуществляется с использованием методов системной динамики, агентного и эволюционного моделирования, эвристической оптимизации и машинного обучения [7].	Впервые, понятие «цифрового двойника» введено в работе [8] и в настоящее время активно используется, в основном, применительно к разработке компьютерных моделей промышленных предприятий [9], финансовых корпораций [10], сложных производственных объектов, например, месторождений [11], систем железнодорожного транспорта [12], искусственных сообществ [13] и др. Разработка подобных цифровых двойников осуществляется с использованием методов системной динамики, агентного и эволюционного моделирования, эвристической оптимизации и машинного обучения [7]. Впервые, понятие «цифрового двойника» введено в работе [8] и в настоящее время активно используется, в основном, применительно к разработке компьютерных моделей промышленных предприятий [9], финансовых корпораций [10], сложных производственных объектов, например, месторождений [11], систем железнодорожного транспорта [12], искусственных сообществ [13] и др. Разработка подобных цифровых двойников осуществляется с использованием методов системной динамики, агентного и эволюционного моделирования, эвристической оптимизации и машинного обучения [7].

5	Данная статья посвящена разработке системного подхода при создании «цифровых двойников» с использованием методов агентного моделирования на отраслевом, региональном, производственном и социальном уровнях. Особенностью предлагаемой концепции является интегрируемость всех звеньев единой системы принятия управленческих решений: агент-ориентированных моделей различных субъектов экономики, алгоритмов кластеризации агентов и оптимизации характеристик среды, многомерных баз данных и хранилищ данных, методов искусственного интеллекта и машинного обучения и др. В результате обеспечивается возможность поддержки принятия согласованных решений, учитывающих интересы ключевых агентов рассматриваемой социально-экономической системы.	Данная статья посвящена разработке системного подхода при создании «цифровых двойников» с использованием методов агентного моделирования на отраслевом, региональном, производственном и социальном уровнях. Особенностью предлагаемой концепции является интегрируемость всех звеньев единой системы принятия управленческих решений: агент-ориентированных моделей различных субъектов экономики, алгоритмов кластеризации агентов и оптимизации характеристик среды, многомерных баз данных и хранилищ данных, методов искусственного интеллекта и машинного обучения и др.<em> </em><em> </em>В результате обеспечивается возможность поддержки принятия согласованных решений, учитывающих интересы ключевых агентов рассматриваемой социально-экономической системы. Данная статья посвящена разработке системного подхода при создании «цифровых двойников» с использованием методов агентного моделирования на отраслевом, региональном, производственном и социальном уровнях. Особенностью предлагаемой концепции является интегрируемость всех звеньев единой системы принятия управленческих решений: агент-ориентированных моделей различных субъектов экономики, алгоритмов кластеризации агентов и оптимизации характеристик среды, многомерных баз данных и хранилищ данных, методов искусственного интеллекта и машинного обучения и др.<em> </em><em> </em>В результате обеспечивается возможность поддержки принятия согласованных решений, учитывающих интересы ключевых агентов рассматриваемой социально-экономической системы.

6	2. Метод	<strong>2. </strong><strong>Метод</strong> <strong>2. </strong><strong>Метод</strong>

7	Предлагаемый подход основан на построении интегрированной системы поддержки принятия решений, агрегирующей имитационные модели различных экономических субъектов (например, предприятий, отраслей, регионов), оптимизационных и аналитических модулей и др. (рис.1).	Предлагаемый подход основан на построении интегрированной системы поддержки принятия решений, агрегирующей имитационные модели различных экономических субъектов (например, предприятий, отраслей, регионов), оптимизационных и аналитических модулей и др. (рис.1). Предлагаемый подход основан на построении интегрированной системы поддержки принятия решений, агрегирующей имитационные модели различных экономических субъектов (например, предприятий, отраслей, регионов), оптимизационных и аналитических модулей и др. (рис.1).

8	Подпись к рисунку/медиа Рис. 1. Интегрированная системы поддержки принятия решений Рис. 1. Интегрированная системы поддержки принятия решений
9	Предлагаемая система поддержки принятия решений состоит из следующих важных компонент: Многомерная база данных (Хранилище данных), предназначенная для хранения исходных данных и результатов имитационного моделирования. Алгоритмы кластеризации агентов, генетические оптимизационные алгоритмы, как правило, реализованные на C++ и MPI и агрегированные по множественных характеристикам, в частности, целевым функционалам с имитационными моделями экономических субъектов (рис.1). Подобные алгоритмы позволяют исследовать эффекты пространственной сегрегации и оптимизировать характеристики среды [14]. Аналитические модули, предназначенные, в частности, для визуализации динамики агентов и сценариев типа «что будет, если?». Имитационные модели экономических субъектов («цифровые двойники»), предназначенные для моделирования динамики сложных социально-экономических систем, состоящих из множества взаимодействующих агентов. Примером подобной модели является разработанная агентная модель «цифрового двойника» региона (рис. 2).	Предлагаемая система поддержки принятия решений состоит из следующих важных компонент:<ul class="docx-publication-list"> <li><em>Многомерная база данных (Хранилище данных)</em>, предназначенная для хранения исходных данных и результатов имитационного моделирования.</li> <li><em>Алгоритмы кластеризации агентов, генетические оптимизационные алгоритмы, </em>как правило, реализованные на C++ и MPI и агрегированные по множественных характеристикам, в частности, целевым функционалам с имитационными моделями экономических субъектов (рис.1). Подобные алгоритмы позволяют исследовать эффекты пространственной сегрегации и оптимизировать характеристики среды [14]. <em> </em></li> <li><em>Аналитические модули, </em>предназначенные, в частности, для визуализации динамики агентов и сценариев типа «что будет, если?». </li> <li><em>Имитационные модели экономических субъектов</em> («цифровые двойники»), предназначенные для моделирования динамики сложных социально-экономических систем, состоящих из множества взаимодействующих агентов. Примером подобной модели является разработанная агентная модель «цифрового двойника» региона (рис. 2). </li></ul> Предлагаемая система поддержки принятия решений состоит из следующих важных компонент:<ul class="docx-publication-list"> <li><em>Многомерная база данных (Хранилище данных)</em>, предназначенная для хранения исходных данных и результатов имитационного моделирования.</li> <li><em>Алгоритмы кластеризации агентов, генетические оптимизационные алгоритмы, </em>как правило, реализованные на C++ и MPI и агрегированные по множественных характеристикам, в частности, целевым функционалам с имитационными моделями экономических субъектов (рис.1). Подобные алгоритмы позволяют исследовать эффекты пространственной сегрегации и оптимизировать характеристики среды [14]. <em> </em></li> <li><em>Аналитические модули, </em>предназначенные, в частности, для визуализации динамики агентов и сценариев типа «что будет, если?». </li> <li><em>Имитационные модели экономических субъектов</em> («цифровые двойники»), предназначенные для моделирования динамики сложных социально-экономических систем, состоящих из множества взаимодействующих агентов. Примером подобной модели является разработанная агентная модель «цифрового двойника» региона (рис. 2). </li></ul>

10	Подпись к рисунку/медиа Рис.2. Пример «цифрового двойника» региона в AnyLogic Рис.2. Пример «цифрового двойника» региона в AnyLogic
11	В модели, представленной на рис. 2, реализуется предложенный кластерно-ориентированный подход (см. рис. 1), в соответствии с которым агенты (люди) осуществляют поиск рабочего места в промышленном кластере условного региона (как правило, расположенного в центре), либо ищут работу в сельскохозяйственных кластерах (как правило, расположенных на периферии). Модель «цифрового двойника» региона позволяет исследовать динамику важнейших макроэкономических характеристик, например, темпов роста ВВП, численности населения и др. в зависимости от государственной регулирующей политики по отношению к пространственному развитию региона, нацеленному либо на его урбанизацию (развитие центра и концентрация трудовых ресурсов), либо на более равномерное создание рабочих мест в сельскохозяйственных отраслях экономики. Данная модель подробно описана в работе [15].	В модели, представленной на рис. 2, реализуется предложенный кластерно-ориентированный подход (см. рис. 1), в соответствии с которым агенты (люди) осуществляют поиск рабочего места в промышленном кластере условного региона (как правило, расположенного в центре), либо ищут работу в сельскохозяйственных кластерах (как правило, расположенных на периферии). Модель «цифрового двойника» региона позволяет исследовать динамику важнейших макроэкономических характеристик, например, темпов роста ВВП, численности населения и др. в зависимости от государственной регулирующей политики по отношению к пространственному развитию региона, нацеленному либо на его урбанизацию (развитие центра и концентрация трудовых ресурсов), либо на более равномерное создание рабочих мест в сельскохозяйственных отраслях экономики. Данная модель подробно описана в работе [15]. В модели, представленной на рис. 2, реализуется предложенный кластерно-ориентированный подход (см. рис. 1), в соответствии с которым агенты (люди) осуществляют поиск рабочего места в промышленном кластере условного региона (как правило, расположенного в центре), либо ищут работу в сельскохозяйственных кластерах (как правило, расположенных на периферии). Модель «цифрового двойника» региона позволяет исследовать динамику важнейших макроэкономических характеристик, например, темпов роста ВВП, численности населения и др. в зависимости от государственной регулирующей политики по отношению к пространственному развитию региона, нацеленному либо на его урбанизацию (развитие центра и концентрация трудовых ресурсов), либо на более равномерное создание рабочих мест в сельскохозяйственных отраслях экономики. Данная модель подробно описана в работе [15].

12	3. Заключение	<strong>3. </strong><strong>Заключение</strong> <strong>3. </strong><strong>Заключение</strong>

13	В данной статье, представлен новый подход к разработке агент-ориентированных моделей для перехода к цифровой экономике, основанный на создании, так называемых, «цифровых двойников» для регионов, отраслей, предприятий и искусственных сообществ с целью формирования эффективных управленческих решений, направленных на эволюционное развитие соответствующих систем. Предложена концептуальная модель интегрированной системы поддержки принятия решений (рис. 1), в которой имитационные модели экономических субъектов («цифровые двойники») интегрированы с алгоритмами кластеризации агентов и генетическими оптимизационными алгоритмами. Рассмотрен пример практической реализации подобного «цифрового двойника» в системе AnyLogic (рис. 2).	В данной статье, представлен новый подход к разработке агент-ориентированных моделей для перехода к цифровой экономике, основанный на создании, так называемых, «цифровых двойников» для регионов, отраслей, предприятий и искусственных сообществ с целью формирования эффективных управленческих решений, направленных на эволюционное развитие соответствующих систем. Предложена концептуальная модель интегрированной системы поддержки принятия решений (рис. 1), в которой имитационные модели экономических субъектов («цифровые двойники») интегрированы с алгоритмами кластеризации агентов и генетическими оптимизационными алгоритмами. Рассмотрен пример практической реализации подобного «цифрового двойника» в системе AnyLogic (рис. 2). В данной статье, представлен новый подход к разработке агент-ориентированных моделей для перехода к цифровой экономике, основанный на создании, так называемых, «цифровых двойников» для регионов, отраслей, предприятий и искусственных сообществ с целью формирования эффективных управленческих решений, направленных на эволюционное развитие соответствующих систем. Предложена концептуальная модель интегрированной системы поддержки принятия решений (рис. 1), в которой имитационные модели экономических субъектов («цифровые двойники») интегрированы с алгоритмами кластеризации агентов и генетическими оптимизационными алгоритмами. Рассмотрен пример практической реализации подобного «цифрового двойника» в системе AnyLogic (рис. 2).

14	Дальнейшие исследования будут направлены на создание комплекса «цифровых двойников» сложных социально-экономических систем: отраслей экономики, предприятий, регионов и др., с учетом внутренней иерархии взаимодействующих агентов. Реализация подобных крупномасштабных агент-ориентированных моделей потребует применения суперкомпьютерных технологий класса FLAME GPU [16].	Дальнейшие исследования будут направлены на создание комплекса «цифровых двойников» сложных социально-экономических систем: отраслей экономики, предприятий, регионов и др., с учетом внутренней иерархии взаимодействующих агентов. Реализация подобных крупномасштабных агент-ориентированных моделей потребует применения суперкомпьютерных технологий класса FLAME GPU [16]. Дальнейшие исследования будут направлены на создание комплекса «цифровых двойников» сложных социально-экономических систем: отраслей экономики, предприятий, регионов и др., с учетом внутренней иерархии взаимодействующих агентов. Реализация подобных крупномасштабных агент-ориентированных моделей потребует применения суперкомпьютерных технологий класса FLAME GPU [16].

Библиография

1. Акопов А.С., Бекларян Л.А., Хачатрян Н. К., Бекларян А. Л., Кузнецова Е. В. Многовалентная система управления наземными беспилотными транспортными средствами // Информационные технологии. 2020. Т. 26. № 6. С. 342-353.

2. Макаров В.Л., Бахтизин А.Р., Бекларян Г.Л., Акопов А.С. Имитационное моделирование системы «умный город»: концепция, методы и примеры // Национальные интересы: приоритеты и безопасность. 2019. Т. 15. № 2 (371). С. 200-224.

3. Хачатрян Н. К., Белоусов Ф.А., Бекларян Г.Л., Борисова С.В. Исследование динамики емкостей перегонов в модели организации грузоперевозок между двумя узловыми станциями // Бизнес-информатика. 2019. Т. 13. № 1. С. 59-70.

4. Akopov A., Khachatryan N., Belousov F. Influence Assessment of Intelligent Unmanned Ground Vehicles on the Transport Network State // Advances in Systems Science and Applications. 2020. Vol. 20. No. 2. pp. 44-55.

5. Акопов А.С., Бекларян А.Л., Thakur M., Verma D.B. Разработка параллельных генетических алгоритмов вещественного кодирования для систем поддержки принятия решений социально-экономического и экологического планирования // Бизнес-информатика. 2019. Т. 13. № 1. С. 33-44.

6. Акопов А. С., Хачатрян Н. К. Агентное моделирование: учебно-методическое пособие. ЦЭМИ РАН, 2016.

7. Акопов А.С. Имитационное моделирование. Учебник и практикум для академического бакалавриата. М.: Юрайт, 2014.

8. Saddik, A. El.. Digital Twins: The Convergence of Multimedia Technologies // IEEE MultiMedia. 2018. 25 (2): 87–92.

9. Макаров В.Л., Бахтизин А.Р., Бекларян Г.Л. Разработка цифровых двойников для производственных предприятий // Бизнес-информатика. 2019. Т. 13. № 4. С. 7-16.

10. Макаров В.Л., Бахтизин А.Р., Бекларян Г.Л., Акопов А.С. Разработка цифровых двойников для финансовых организаций // Аудит и финансовый анализ. 2019. № 5. С. 38-45.

11. Черняев Д.С., Намиот Д.Е. Роль цифровых технологий в разведке, добыче и транспортировке нефтегазовых продуктов. International Journal of Open Information Technologies. 2019. Т. 7. № 11. с. 79-85.

12. Куприяновский В.П., Аленьков В.В., Климов А.А., Соколов И.А., Зажигалкин А.В. Цифровая железная дорога - ERTMS, BIM, GIS, PLM и цифровые двойники // Современные информационные технологии и ИТ-образование. 2017. Т. 13. № 3. С. 129-166.

13. Макаров В.Л., Бахтизин А.Р., Бекларян Г.Л., Акопов А.С., Ровенская Е.А., Стрелковский Н. Агентное моделирование популяционной динамики двух взаимодействующих сообществ: мигрантов и коренных жителей // Экономика и математические методы. 2020. Т. 56. № 2. С. 5-19.

14. Акопов А.С., Бекларян А.Л. Кластеризация агентов в модели ограниченного соседства // Искусственные общества. 2020. T. 15. Выпуск 3 [Электронный ресурс]. Доступ для зарегистрированных пользователей. URL: https://artsoc.jes.su/s207751800011151-5-1/ (дата обращения: 08.09.2020).

15. Бекларян Г.Л., Акопов А.С. Агентная модель цифрового двойника региона: кластерно-ориентированный подход // Аудит и финансовый анализ. 2020. № 3.

16. Richmond P. FLAME GPU Technical Report and User Guide, University of Sheffield, Department of Computer Science Technical Report CS-11-03. 2011. https://readthedocs.org/projects/flamegpu/downloads/pdf/latest/ (дата обращения: 08.09.2020).

Библиография

Комментарии

Войти через