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
Иванов А.А.кандидат экономических наук, доцент кафедры менеджмента и государственного управления, Национальный исследовательский Нижегородский государственный университет имени Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация alexey.iff@yandex.ru https://orcid.org/0000-0003-4299-4042 SPIN-код: 1055-4483
Предмет. Мотивация топ-менеджмента в государственных структурах и производственных компаниях в отрасли радиоэлектронной промышленности (РЭП). Цели. Моделирование с применением трехцелевого генетического алгоритма мотивации топ-менеджмента в государственных структурах и производственных компаниях в отрасли РЭП. Методология. Применен трехцелевой генетический алгоритм (MGA). Результаты. Отмечена успешность развития отрасли РЭП в регионах страны, поскольку максимизируются сразу три целевые функции в зависимости от нескольких входных параметров. Получается набор решений в виде трехмерного Парето-фронта, что упрощает подбор плановых входных параметров модели. Выбор в качестве целевых функций экспорта и импорта технологий обусловлен нацеленностью деятельности топ-менеджеров государственных структур и производственных компаний на процесс импортозамещения в отрасли РЭП. При этом данные цели логично дополняет ориентированность на результаты финансовой деятельности. Успешность развития инновационного потенциала для экспорта технологий и производственного потенциала для импорта технологий определяют нематериальную мотивацию топ-менеджмента. А успешность развития финансового потенциала для достижения высокого сальдированного финансового результата определяет материальную мотивацию. Выводы. Полученные результаты могут быть полезны государственным структурам и производственным компаниям для планирования инновационного развития отрасли радиоэлектронной промышленности.
Доброва К.Б., Сахненко С.С. Предприятия радиоэлектронной промышленности в структуре высокотехнологичного сектора экономики // Экономика: вчера, сегодня, завтра. 2022. Т. 12. № 10А. С. 240—246. URL: Link
Shi W.L. Industrial Electronics: Its Importance in the Manufacturing Industries. Journal of Industrial Electronics and Applications, 2023, vol. 7, iss. 1.
Selcuklu S.B. Multi-objective Genetic Algorithms. In: Kulkarni A.J., Gandomi A.H. (eds) Handbook of Formal Optimization. Singapore, Springer, 2023, pp. 1–37. URL: Link
Zolpakar N.A., Lodhi S.S., Pathak S., Sharma M.A. Application of Multi-objective Genetic Algorithm (MOGA) Optimization in Machining Processes. In: Gupta K., Gupta M. (eds) Optimization of Manufacturing Processes. Springer Series in Advanced Manufacturing. Springer, Cham, 2020, pp. 185–199. URL: Link
Guariso G., Sangiorgio M. Improving the Performance of Multiobjective Genetic Algorithms: An Elitism-Based Approach. Information, 2020, vol. 11, no. 12, 587. URL: Link
Mangai G.A., Leelavathy T. A Binary Coded Genetic Algorithm for Multi Objective Routing Problem. AIP Conference Proceedings, 2023, vol. 2852, iss. 1. URL: Link
Li J.-Y., Zhan Z.-H., Li Y., Zhang J. Multiple Tasks for Multiple Objectives: A New Multiobjective Optimization Method via Multitask Optimization. In: IEEE Transactions on Evolutionary Computation, 2023. URL: Link
Carvalho I.A., Ribeiro M.A. An Exact Approach for the Minimum-Cost Bounded-Error Calibration Tree Problem. Annals of Operations Research, 2020, vol. 287, pp. 109–126. URL: Link
Wang P., Ye K., Hao X., Wang J. Combining Multi-objective Genetic Algorithm and Neural Network Dynamically for the Complex Optimization Problems in Physics. Scientific Reports, 2023, vol. 13, article 880. URL: Link
Lahlouh I., Khouili D., Elakkary A., Sefiani N. Pareto Optimality Based Multi-objective Genetic Algorithm: Application for Livestock Building System Using an Independent PID Controller. Engineering and Applied Science Research, 2021, vol. 48, no. 1, pp. 83–91. URL: Link
Alioui Y., Acar R. An Evaluation of a Constrained Multi-objective Genetic Algorithm. Health Sciences Quarterly, 2020, vol. 4, no. 2, pp. 137–146. URL: Link
Ngo S.T., Jafreezal J., Nguyen G.H., Bui A.N. A Genetic Algorithm for Multi-Objective Optimization in Complex Course Timetabling. Proceedings of the 2021 10th International Conference on Software and Computer Applications (ICSCA '21), 2021, pp. 229–237. URL: Link
Satri M.Y., Lombardi A.M., Zimmermann F. Multiobjective Genetic Algorithm Approach to Optimize Beam Matching and Beam Transport in High-intensity Hadron Linacs. Physical Review Accelerators and Beams, 2019, vol. 22, iss. 5. URL: Link
Yulia F., Chairina I., Zulys A., Nasruddin. Multi-objective Genetic Algorithm Optimization with an Artificial Neural Network for CO2/CH4 Adsorption Prediction in Metal-organic Framework. Thermal Science and Engineering Progress, 2021, vol. 25, 100967. URL: Link
Xu Z., Xu Q., Lv J., Ma T., Chen T. An Adaptive Multiobjective Genetic Algorithm with Multi-Strategy Fusion for Resource Allocation in Elastic Multi-Core Fiber Networks. Applied Sciences, 2022, vol. 12, no. 14, 7128. URL: Link
Van Ho H., Nguyen T.H., Ho L.H. et al. Upgrading Urban Drainage Systems for Extreme Rainfall Events Using Multi-objective Optimization: Case Study of Tan Hoa-Lo Gom Drainage Catchment, HCMC, Vietnam. In: Kim J.H., Deep K., Geem Z.W. et al. (eds) Proceedings of the 7th International Conference on Harmony Search, Soft Computing and Applications. Lecture Notes on Data Engineering and Communications Technologies. Singapore, Springer, 2022, vol. 140, pp. 51–61. URL: Link
Zanin P.S. Jr., Garces Negrete L.P., Brigatto G.A.A., Lopez-Lezama J.M. A Multi-Objective Hybrid Genetic Algorithm for Sizing and Siting of Renewable Distributed Generation. Applied Sciences, 2021, vol. 11, iss. 16, 7442. URL: Link
Chen J., Zhong P., Liu W. et al. A Multi-objective Risk Management Model for Real-time Flood Control Optimal Operation of a Parallel Reservoir System. Journal of Hydrology, 2020, vol. 590. URL: Link
Gupta R.S., Hamilton A.L., Reed P.M., Characklis G.W. Can Modern Multi-objective Evolutionary Algorithms Discover High-dimensional Financial Risk Portfolio Tradeoffs for Snow-dominated Water-energy Systems? Advances in Water Resources, 2020, vol. 145. URL: Link
