Использование алгоритмов нечеткого вывода для предварительной оценки участников при кластерном подходе
В статье рассматривается кластерный подход, как инструмент, который играет одну из ключевых ролей в реализации потенциала регионов РФ. В процессе исследования определены основной вектор активности и ключевые направления по развитию кластерных инициатив. На основании приведенных результатов анализа действующих кластеров России, рассмотрен один из возможных вариантов использования кластерного подхода, суть которого заключается в предварительной оценке участников кластера. При разработке оценки была задействована теория нечетких множеств и нечеткой логики ориентированная на построение математической модели, которая учитывает неполноту и неточность данных. Статья может быть полезна для специалистов, проявляющих теоретический и практический интерес к теории нечетких множеств, нечеткой логики и математическому моделированию
Ключевые слова: кластерный подход, оценка участников кластера, теория нечетких множеств, нечеткая логика, математическое моделирование
Список использованных источников
1. M. E. Porter. Location, competition, and economic development: Local clusters in a global economy//Economic Development Quarterly, Feb2000, Vol. 14 Issue 1. P. 15-20.
2. Методические рекомендации по реализации кластерной политики в субъектах Российской Федерации. http://www.consultant.ru/document/cons_doc_LAW_113283.
3. Концепция долгосрочного социально-экономического развития Российской Федерации на период до 2020 г. http://base.garant.ru/194365.
4. Стратегия инновационного развития Российской Федерации на период до 2020 г. http://government.ru/docs/9282.
5. Министерство промышленности и торговли РФ (официальный сайт). http://minpromtorg.gov.ru/press-centre/news.
6. Ассоциация кластеров и технопарков (официальный сайт). http://akitrf.ru.
7. Государственная программа Российской Федерации «Экономическое развитие и инновационная экономика». http://government.ru/programs/225/events.
8. Государственная программа Российской Федерации «Развитие промышленности и повышение ее конкурентоспособности». http://government.ru/programs/203/events.
9. Методические материалы по разработке и реализации программы развития инновационно-территориального кластера. http://economy.gov.ru/minec/about/structure/depino/201405216.
10. Российская кластерная обсерватория. http://cluster.hse.ru.
11. Федеральный закон от 31 декабря 2014 г. № 488-ФЗ «О промышленной политике в Российской Федерации». https://rg.ru/2015/01/12/promyshlennost-dok.html.
12. Реестр промышленных кластеров. https://www.gisip.ru/reg_clusters.
13. Приказ Министерства экономического развития РФ от 25 марта 2015 г. № 167 «Об утверждении условий конкурсного отбора субъектов Российской Федерации, бюджетам которых предоставляются субсидии из федерального бюджета на государственную поддержку малого и среднего предпринимательства, включая крестьянские (фермерские) хозяйства, и требований к организациям, образующим инфраструктуру поддержки субъектов малого и среднего предпринимательства». http://base.garant.ru/70940868.
14. Постановление Правительства РФ от 30 декабря 2014 г. № 1605 «О предоставлении и распределении субсидий из федерального бюджета бюджетам субъектов Российской Федерации на государственную поддержку малого и среднего предпринимательства, включая крестьянские (фермерские) хозяйства в 2015 г.». http://base.garant.ru/70836848.
15. Геоинформационная система (индустриальные парки, технопарки, кластеры). https://www.gisip.ru
16. С. Д. Штовба. Проектирование нечетких систем средствами MATLAB. М.: Горячая линия – Теле-ком, 2007.
17. М. А. Горькавый, А. И. Горькавый. Интеллектуальные системы в задачах управления техническими и организационно-технологическими процессами: учеб. пособие. Комсомольск-на-Амуре: ФГБОУ ВО «КнАГТУ», 2016. 117 с.
18. А. В. Леоненков. Нечеткое моделирование в среде MATLAB и fuzzyTECH. СПб.: БХВ-Петербург, 2005.
19. Д. Б. Соловьев, А. И. Макеева. Использование инструментов государственной поддержки для интеграции науки и бизнеса, на примере Дальневосточного федерального университета//Современная экономика: проблемы и решения. № 5, 2016. С. 25-29. http://dx.doi.org/10.17308/meps.2016.5/1398.
20. L. A. Zadeh. Fuzzy sets//Information and Control. 1965. № 8. Р. 338-353.
21. L. A. Zadeh. Fuzzy logic//IEEE Transactions on Computers, vol. 21, no. 4. 1988. P. 83-93.
22. Д. Б. Соловьев, П. И. Захарьина. Перспективы инновационного развития Дальнего Востока: территории опережающего развития//Инновации. 2017. № 2. С. 74-80.
23. Н. А. Исмагилов, А. М. Мухамедьяров, Ю. Р. Хабибрахманова. Инновационная инфраструктура и ее элементы: опыт систематизации. http://www.bagsurb.ru/about/journal/Part%205_articles.pdf.
24. E. H. Mamdani. Advances in the linguistic synthesis of fuzzy controllers//International Journal of Man-Machine Studies, vol. 8, 1976. P. 669-678.
25. M. Sugeno. Fuzzy measures and fuzzy integrals: a survey/in M. M. Gupta, G. N. Saridis, and B. R. Gaines, eds. Fuzzy Automata and Decision Processes. North-Holland, New York, 1977. P. 89-102.
