6. Математические методы анализа в экономике

Проблемы создания мультиагентной системы поддержки принятия решений на субфедеральном уровне

Суслов Виктор Иванович
1. Институт экономики и организации промышленного производства СО РАН
suslov@ieie.nsc.ru
Ибрагимов Наимджон Муллабоевич
1. Институт экономики и организации промышленного производства СО РАН
2. Новосибирский национальный исследовательский государственный университет
naimdjon.ibragimov@gmail.com
Костин Виталий Сергеевич
1. Институт экономики и организации промышленного производства СО РАН
Материал поступил в редколлегию 25/03/2020

Аннотация 

В статье обсуждаются проблемы разработки мультиагентной информационной системы моделирования экономики региона (МАСМЭР), в которой реализуются геоинформационные и агентно-ориентированных подходы к моделированию экономического пространства, а также к исследованию и прогнозированию свойств возникающих пространственных систем и путей их возникновения.  МАСМЭР предлагает организационную систему и общедоступный инструментарий, позволяющие внедрить современные цифровые технологии и агент-ориентированный подход в моделирование экономики реального региона, задает инновационный импульс научному и научно-техническому взаимодействию, проведению совместных исследований в удаленном доступе за счет предоставления общедоступных сервисов, модулей и алгоритмов, а также позволяет органам власти и коммерческим и некоммерческим организациям планировать и отслеживать различные проекты, реализуемые для рассматриваемой территории. 
Ключевые слова 
мультиагентная система, государственное управление, экономика региона, агент-ориентированное моделирование, информатизация, геоинформационная система. 
Источник финансирования 
Статья представляет результаты проекта «Агент-ориентированные пространственные системы поддержки принятия решений на региональном уровне», осуществленного при финансовой поддержке РФФИ по гранту 19-410-540002

Проблемы создания мультиагентной системы поддержки принятия решений на субфедеральном уровне
Открыть


Список литературы
  1. Luck M. et al. Agent Technology: Computing as Interaction (A Roadmap for Agent Based Computing). AgentLink, 2005.URL:  (дата обращения 1.10.2020). 
  2. Городецкий В. И., Скобелев П. О. Многоагентные технологии для индустриальных применений: Реальность и перспектива // Труды СПИИРАН. 2017. № 6. С. 11-45.  
  3. Wooldridge M. Intelligent Agents. In: Weiss G. (ed.) Multi-Agent Systems (second edition). MIT Press, 2013, p. 3-50.  
  4. Тарасов В. Б. От многоагентных систем к интеллектуальным организациям: философия,  психология,  информатика. М.: Эдиториал  УРСС. 2002.  
  5. Lu J., Yu X., Chen G., Yu W. (eds.) Complex Systems and Networks: Dynamics, Controls and Applications. Springer, 2016.  
  6. Caragea D., Silvescu A., Honavar V. Towards a Theoretical Framework for Analysis and Synthesis of Agents that Learn from Distributed Dynamic Data Sources. In: Emerging Neural  Architectures Based on Neuroscience. Springer-Verlag New York Inc, 2001, p. 547-559. 
  7. Steen M., Popescu B., Tanenbaum A. A Security Architecture for Object-Based Distributed Systems. ACSAC, 2002, p. 161-171.  
  8. White R., Engelen G., Uljee I. The use of constrained cellular automata for high-resolution modeling of urban land use dynamics. Environment and Planning, 1997, vol. 24, p .323–343. 
  9. Honavar V., Slutzki G. (Eds) Grammatical Inference.  Berlin: Springer-Verlag, 1998. 
  10. Tirea M., Tandau I., Negru V. Stock Market Multi-Agent Recommendation System Based on the Elliott Wave Principle. In: Quirchmayr G., Basl J., You I., Xu L., Weippl E. (eds)  Multidisciplinary Research and Practice for Information Systems. CD-ARES 2012. Lecture Notes in Computer Science, vol. 7465. Springer, Berlin, Heidelberg, 2012. 
  11. Liu X., and Cao, H. Price lim it and the stability of stock market: an application based on multiagent system. In: Proceedings of the 2nd International conference on artificial intelligence, management science and electronic commerce, Deng Leng, 2011, p.  484-487. 
  12. Yoshikazu I., Shozo T. Multi-Fractality Analysis of Time Series in Artificial Stock Market Generated by Multi-Agent Systems Based on the Genetic Programming and Its Applications.  IEICE Trans. Fundam. Electron. Commun. Comput. Sci. E90-A, 10 (October 2007), 2007, p. 2212–2222. 
  13. Marwala T., Patel P.B. Neural Networks, Fuzzy Inference Systems and Adaptive-Neuro Fuzzy Inference Systems for Financial Decision Making. In: Neural Information Processing, ICONIP 2006, 2006, p. 430-439 
  14. Montoya A. de J., Ovalle D. A. Energy Consumption by Deploying a Reactive Multi-Agent System In-side Wireless Sensor Networks. Lecture Notes in Electrical Engineering, 152, 2013, p. 925-934. 
  15. Liu C., Tesfatsion L., Yu N. Financial Bilateral Contract Negotiation in Wholesale Electricity Markets Using Nash Bargaining Theory. IEEE Transactions on Power Systems, 27(1), 2012, p. 251 – 267. 
  16. Khalilian M. Towards Smart Advisor’s Framework Based on Multi Agent Systems and Data Mining Methods. Lecture Notes in Electrical Engineering 156, 2013, p. 73-78. 
  17. Wang S. A. CyberGIS Framework for the Synthesis of Cyberinfrastructure, GIS, and Spatial Analysis. Annals of the Association of American Geographers, 100, 2010, p. 535-557. 

Выходные данные: Суслов В. И., Костин В. С. Иванов Е. Ю., Ибрагимов Н. М., Новикова Т. С., Цыплаков А.А. Проблемы создания мультиагентной системы поддержки принятия решений на субфедеральном уровне. Мир экономики и управления. 2020, Т.20, № 3. C. 5–26. DOI: 10.25205/2542-0429-2020-20-3-5-26