Яшин С.Н.доктор экономических наук, профессор, заведующий кафедрой менеджмента и государственного управления, Национальный исследовательский Нижегородский государственный университет имени Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация jashinsn@yandex.ru https://orcid.org/0000-0002-7182-2808 SPIN-код: 4191-7293
Трифонов Ю.В.доктор экономических наук, профессор, заведующий кафедрой информационных технологий и инструментальных методов в экономике, Национальный исследовательский Нижегородский государственный университет имени Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация kei@ef.unn.ru https://orcid.org/0000-0002-4745-0004 SPIN-код: 4394-4681
Кошелев Е.В.кандидат экономических наук, доцент кафедры менеджмента и государственного управления, Национальный исследовательский Нижегородский государственный университет имени Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация ekoshelev@yandex.ru https://orcid.org/0000-0001-5290-7913 SPIN-код: 8429-5702
Предмет. Технологии имитационного моделирования, основанные на принципах стохастической оптимизации, планирование инвестиционного развития как отдельных инновационно-индустриальных кластеров, так и федеральных округов страны. Цели. Исследование механизмов межкластерного взаимодействия: экономико-финансового, информационного и логистического. Создание и отладка цифрового двойника подобного взаимодействия. Методология. Применены выбор и корректировка параметров цифрового двойника, построение и отладка его статистической модели, отладка алгоритма стохастической оптимизации двойника, метод поиска по шаблону. Результаты. Исследованы механизмы межкластерного взаимодействия, создан цифровой двойник. Выводы. Использование цифрового двойника механизма межкластерного взаимодействия позволит избежать преждевременных необоснованных управленческих решений государственного масштаба в отношении дальнейшего развития инновационно-индустриальных кластеров и смоделировать механизм межкластерного взаимодействия.
Яшин С.Н., Кошелев Е.В., Костригин Р.В. Составление линейного функционала ценности инновационно-индустриального кластера для региона // Управление экономическими системами: электронный научный журнал. 2019. № 12. URL: Link
Измакова О.А. Рандомизированные алгоритмы самообучения для настройки ассоциативных нейронных сетей // Стохастическая оптимизация в информатике. 2005. Т. 1. № 1. С. 81–102. URL: Link
Сакалаускас Л. Нелинейная стохастическая оптимизация методом Монте-Карло // Стохастическая оптимизация в информатике. 2005. Т. 1. № 1. С. 190–205. URL: Link
Сысоев С.С. Рандомизированные алгоритмы стохастической оптимизации, квантовые компьютеры, искусственный интеллект // Стохастическая оптимизация в информатике. 2005. Т. 1. № 1. С. 206–221. URL: Link
Гасников А.В., Двуреченский П.Е., Нестеров Ю.Е. Стохастические градиентные методы с неточным оракулом // Труды Московского физико-технического института. 2016. Т. 8. № 1. С. 41–91. URL: Link
Conn A.R., Gould N.I.M., Toint Ph.L. A Globally Convergent Augmented Lagrangian Algorithm for Optimization with General Constraints and Simple Bounds. SIAM Journal on Numerical Analysis, 1991, vol. 28, no. 2, pp. 545–572. URL: Link
Conn A.R., Gould N.I.M., Toint Ph.L. A Globally Convergent Lagrangian Barrier Algorithm for Optimization with General Inequality Constraints and Simple Bounds. Mathematics of Computation, 1997, vol. 66, no. 217, pp. 261–288. URL: Link
Kolda T.G., Lewis R.M., Torczon V. A Generating Set Direct Search Augmented Lagrangian Algorithm for Optimization with a Combination of General and Linear Constraints. Technical Report SAND2006-5315. Oak Ridge, Sandia National Laboratories, August 2006, 44 p. URL: Link
Hooke R., Jeeves T.A. “Direct Search” Solution of Numerical and Statistical Problems. Journal of the ACM, 1961, vol. 8, no. 2, pp. 212–229. URL: Link
Powell M.J.D. On Search Directions for Minimization Algorithms. Mathematical Programming, 1973, vol. 4, pp. 193–201. URL: Link
Davidon W.C. Variable Metric Method for Minimization. SIAM Journal on Optimization, 1991, vol. 1, iss. 1, pp. 1–17. URL: Link
McKinnon K.I.M. Convergence of the Nelder–Mead Simplex Method to a Nonstationary Point. SIAM Journal on Optimization, 1998, vol. 9, iss. 1, pp. 148–158. URL: Link
Torczon V. On the Convergence of Pattern Search Algorithms. SIAM Journal on Optimization, 1997, vol. 7, iss. 1, pp. 1–25. URL: Link
Dolan E.D., Lewis R.M., Torczon V. On the Local Convergence of Pattern Search. SIAM Journal on Optimization, 2003, vol. 14, iss. 2, pp. 567–583. URL: Link
Audet C., Dennis J.E. Jr. Analysis of Generalized Pattern Searches. SIAMJournal on Optimization, 2003, vol. 13, iss. 3, pp. 889–903. URL: Link
Kolda T.G., Lewis R.M., Torczon V. Optimization by Direct Search: New Perspectives on Some Classical and Modern Methods. SIAM Review, 2003, vol. 45, iss. 3, pp. 385–482. URL: Link
Lewis R.M., Shepherd A., Torczon V. Implementing Generating Set Search Methods for Linearly Constrained Minimization. SIAM Journal on Scientific Computing, 2007, vol. 29, iss. 6, pp. 2507–2530. URL: Link
Audet C., Dennis J.E. Jr. Mesh Adaptive Direct Search Algorithms for Constrained Optimization. SIAM Journal on Optimization, 2006, vol. 17, iss. 1, pp. 188–217. URL: Link
Abramson M.A., Audet Ch., Dennis J.E. Jr., Digabel S.L. OrthoMADS: A Deterministic MADS Instance with Orthogonal Directions. SIAM Journal on Optimization, 2009, vol. 20, iss. 2, pp. 948–966. URL: Link
Hendra A., Adinugroho S. Matlab Solvers Benchmark for ABB's Model Predictive Control Optimization. Speed vs Result. Project in Computational Science: Report. Uppsala, Uppsala Universitet, January 2015, 49 p. URL: Link
Damodaran A. Investment Valuation: Tools and Techniques for Determining the Value of Any Asset. New York, John Wiley & Sons, Inc., 2002, 992 p.
Бабынин М.С., Жадан В.Г. Прямой метод внутренней точки для линейной задачи полуопределенного программирования // Журнал вычислительной математики и математической физики. 2008. Т. 48. № 10. С. 1780–1801. URL: Link
