Проблемы создания мультиагентной системы поддержки принятия решений на субфедеральном уровне
https://doi.org/10.25205/2542-0429-2020-20-3-5-26
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
Об авторах
В. И. СусловРоссия
член-корреспондент РАН, заведующий лабораторией
В. С. Костин
Россия
старший научный сотрудник
Е. Ю. Иванов
Россия
кандидат экономических наук, доцент
Н. М. Ибрагимов
Россия
кандидат экономических наук, доцент,
старший научный сотрудник, зам. декана экономического факультета
Т. С. Новикова
Россия
доктор экономических наук, профессор, ведущий научный сотрудник
А. А. Цыплаков
Россия
кандидат экономических наук, старший научный сотрудник, доцент экономического факультета
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.
Рецензия
Для цитирования:
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;20(3):5-26. https://doi.org/10.25205/2542-0429-2020-20-3-5-26
For citation:
Suslov V., Kostin V., Ivanov E., Ibragimov N., Novikova T., Tsyplakov A. Current issues in the development of multi-agent decision support systems at the sub-federal level. World of Economics and Management. 2020;20(3):5-26. (In Russ.) https://doi.org/10.25205/2542-0429-2020-20-3-5-26