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
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
Борисов С.А.кандидат экономических наук, доцент кафедры менеджмента и государственного управления, Национальный исследовательский Нижегородский государственный университет имени Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация ser211188@yandex.ru https://orcid.org/0000-0002-6829-0230 SPIN-код: 9422-4591
Предмет. Моделирование оптимального перекрестного финансирования затрат на научно-исследовательские работы (НИР) в пределах регионов страны, имеющих научный потенциал. Цели. Разработка модели оптимизации и планирования перекрестного финансирования затрат на НИР в федеральном округе, учитывающей конкретные технологические и экономические результаты НИР регионов округа. Методология. Используются генетический алгоритм, имитационный отжиг и поиск по шаблону. Результаты. Разработана модель с определенными положительными характеристиками. Область применения. Представленный подход может способствовать принятию более качественных решений государственными структурами и их экспертами в отношении планирования инновационного развития промышленных регионов страны. Выводы. В условиях экономии федеральных бюджетных средств федеральный округ может частично сам профинансировать все затраты на НИР в тех регионах, которые в этом нуждаются. Чтобы более обоснованно определить такие регионы, необходимо анализировать эту ситуацию подробнее, то есть в разрезе различных затрат на НИР по видам работ.
Ключевые слова: инновационное развитие регионов, инвестиционное планирование, производственное планирование, финансовое планирование, научно-исследовательские работы
Список литературы:
Kruschwitz L., Lorenz D. Investitionsrechnung. De Gruyter Oldenbourg, 2019, 427 s. URL: Link
Dehmer S.P., Pardey P.G., Beddow J.M., Chai Y. Reshuffling the Global R&D Deck, 1980–2050. PLoS ONE, 2019, vol. 14, iss. 3. URL: Link
Kiselakova D., Sofrankova B., Cabinova V. et al. The Impact of R&D Expenditure on the Development of Global Competitiveness within the CEE EU Countries. Journal of Competitiveness, 2018, vol. 10, no. 3, pp. 34–50. URL: Link
Феоктистова О.А. Планирование затрат на научные исследования: проектный подход // Финансовый журнал. 2014. № 1. С. 69—80. URL: Link
Гапоненко В.Ф. Вопросы планирования затрат на выполнение научно-исследовательских работ // Труды Академии управления МВД России. 2018. № 1. С. 58—62. URL: Link
Yashin S., Koshelev E., Yashina N. et al. Foresight of Volga Federal District Innovation System Development using a Multi-Objective Genetic Algorithm. International Journal of Technology, 2020, vol. 11, iss. 6, pp. 1171–1180. URL: Link
Salimi N., Rezaei J. Evaluating Firms’ R&D Performance Using Best Worst Method. Evaluation and Program Planning, 2018, vol. 66, pp. 147–155. URL: Link
Bin A., Azevedo A., Duarte L. et al. R&D and Innovation Project Selection: Can Optimization Methods be Adequate? Procedia Computer Science, 2015, vol. 55, pp. 613–621. URL: Link
Huang M.C., Liou M.-H., Iwaki Y. The Impact of R&D and Innovation on Global Supply Chain Transition: GTAP Analysis on Japan’s Public R&D Investment. Journal of Social and Economic Development, 2021, vol. 23, pp. 447–467. URL: Link
Sadollah A., Nasir M., Geem Z.W. Sustainability and Optimization: From Conceptual Fundamentals to Applications. Sustainability, 2020, vol. 12, iss. 5, pp. 2–34. URL: Link
Kalyanmoy D. Multiobjective Optimization Using Evolutionary Algorithms. New York, John Wiley & Sons, Inc., 2001, 518 p.
Лопатин А.С. Метод отжига // Стохастическая оптимизация в информатике. 2005. T. 1. С. 133—149. URL: Link
Ingber L., Rosen B. Genetic Algorithms and Very Fast Simulated Reannealing: A Comparison. Mathematical and Computer Modelling, 1992, vol. 16, iss. 11, pp. 87–100. URL: Link90108-W
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, iss. 2, pp. 545–572. URL: Link
Conn A.R., Gould N.I.M., Toint Ph.L. A Globally Convergent Augmented Lagrangian Barrier Algorithm for Optimization with General Inequality Constraints and Simple Bounds. Mathematics of Computation, 1997, vol. 66, pp. 261–288. URL: Link
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
