Фаттахов Р.В.доктор экономических наук, профессор, директор Института региональных исследований и проблем пространственного развития Финансового университета при Правительстве Российской Федерации fattakhov@mail.ru
Предмет/тема. Статья рассматривает агентно ориентированный подход, позволяющий моделировать сложные системы, состояние которых меняется при возникновении взаимодействия между агентами. Цели/задачи. Цели работы - подробный анализ, описание агентно ориентированного подхода, поддерживающего принцип моделирования "снизу вверх", а также рассмотрение таких понятий, как агент, среда и этапы проектирования модели. Данный подход нашел широкое применение в областях, охватывающих социальные, физические и биологические аспекты жизнедеятельности человека (авиация, медицина, военная промышленность, экология, анализ рынков, цепочки поставок, прогнозирование распространения эпидемий, решение транспортных задач и вопросов социальной сегрегации, развития городов, регионов и стран). Методология. В результате исследования дано системное описание агентно ориентированного подхода, проведен анализ прикладных аспектов программной реализации, рассмотрены принципы горизонтальной и иерархической организации моделей, показаны возможности использования суперкомпьютеров и сервисов облачных вычислений при масштабировании агентно ориентированных моделей, обозначены ограничения в использовании данного подхода и даны рекомендации по его применению. Дано описание сущности агента, его основных и дополнительных свойств и атрибутов, правил поведения и взаимодействия с другими агентами и со средой агентно ориентированной модели, а также среды модели и возможностей использования геоинформационных систем для ее создания. Рассмотрены возможности использования таких баз данных и систем, как CRM, ERP, HR, в качестве основы (исходных данных) для построения агентно ориентированных моделей. Выводы/значимость. Сделан вывод о том, что данный подход является удобным инструментарием моделирования таких сложных объектов, как городские системы. Он позволит дополнить классические методы моделирования и прогнозирования и получить новые знания.
Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. М.: Юнити-Дана, 2001. Т. 2. 656 с.
Бахтизин А.Р. Агентно ориентированные модели экономики. М.: Экономика, 2008. 279 с.
Макаров В.Л., Бахтизин А.Р. и Бахтизина Н.В. CGE-модель социально-экономической системы России со встроенными нейронными сетями. М.: ЦЭМИ РАН, 2005. 152 с.
Орешников В.В., Низамутдинов М.М. Разработка стратегий развития муниципальных образований на основе имитационного моделирования // Экономические и социальные перемены: факты, тенденции, прогноз. 2011. № 5. C. 138–146.
Писарева О.М. Методы прогнозирования развития социально-экономических систем. М.: Высшая школа, 2007. 591 с.
Фатхутдинова Л.Р. Прогнозирование развития экономической системы с использованием адаптивных моделей // Человек. Сообщество. Управление. 2012. № 5. C. 49–55.
Юсупова Н.И., Шахмаметова Г.Р., Еникеева К.Р. Интеллектуальная информационная поддержка процесса анализа риска опасных производственных объектов нефтяной отрасли // Проблемы сбора, подготовки и транспорта нефти и нефтепродуктов. 2011. № 1. С. 173–179.
Юсупова Н.И., Митакович С.А., Еникеева К.Р. Системное моделирование процесса информационной поддержки разработки паспортов безопасности опасных производственных объектов // Вестник Уфимского государственного авиационного технического университета. 2008. Т. 10. № 2. С. 80–87.
Юсупова Н.И., Шахмаметова Г.Р., Еникеева К.Р. Модели представления знаний для идентификации опасностей промышленного объекта // Вестник Уфимского государственного авиационного технического университета. 2008. Т. 11. № 1. С. 91–100.
Axelrod R., Tesfatsion L. A guide for new comers to agent-based modeling in the social sciences: Agent-Based Computational Economics: Handbook of Computational Economics. Amsterdam, Netherlands: North-Holland, 2005. 904 p.
Batty M. Cities and Complexity: Understanding Cities with Cellular Automata, Agent-Based Models, and Fractals. Cambridge, MA: MIT Press, 2007. 592 p.
Casti J.L. Would‐Be Worlds: How Simulation Is Changing the Frontiers of Science. New York: Wiley, 1997. 264 p.
Ferber J. Multi‐Agent Systems: An Introduction to Distributed Artificial Intelligence. Harlow: Addison‐Wesley, 1999. 528 p.
Gilbert G.N., Conte R. Artificial societies: the computer simulation of social life. London: UCL Press, 1995. 257 p.
Gilbert N.S., Troitzsch K.G. Simulation for the Social Scientist. Buckingham: Open University Press, 1999. 312 p.
Ising E. Beitrag zur Theorie des Ferromagnetismus. Zeitschrift für Physik, 1925. Т. 31. P. 253–258.
Macal C.M., North M.J. Agent-based modeling and simulation. Piscataway, New Jersey: Institute of Electrical and Electronic Engineers, 2009. Proceedings of the 2009 Winter Simulation Conference. P. 86–98.
Portugali J. Self‐Organization and the City. Springer New York, 2000. P. 7953–7991. Doi 10.1007 / 978-0-387-30440-3_471.
Schelling T.C. Dynamic Models of Segregation // Journal of Mathematical Sociology. 1971. Vol. 1. P. 143–186.
Turok I., Mykhnenko V. The Trajectories of European Cities, 1960–2005. Cities, 2007. Doi: 10.1016/j.cities.2007.01.007.
White R., Engelen G. Cellular Automata and Fractal Urban Form: A Cellular Modelling Approach to the Evolution of Urban Land Use Patterns. Environment and Planning A, 1993. Vol. 25. P. 1175–1199.
