Приложение на основе гибридной имитационной модели локальной предпринимательской сети

В этой статье представлено автономное Java-приложение, разработанное на основе гибридной имитационной модели предпринимательской сети локального сообщества. Гибридная модель сочетает в себе системную динамику и агентно-ориентированные методы. Это позволяет рассматривать систему под разными углами. Уровень системной динамики показывает денежные потоки внутри каждого предприятия, участвующего в сети. На агентном уровне представлена система в целом, что позволяет сформулировать и оценить стратегию ее развития, а также учесть синергетический эффект. Приложение на основе модели создано с помощью Anylogic. Оно содержит три экрана: настройка управляющих параметров, агентный уровень и системно- динамический уровень. В качестве входных данных используется матрица платежей локального сообщества. Управляющие параметры позволяют выбирать методы расширения сети, использования излишков и включение дополнительных средств расчета. Различные комбинации управляющих параметров дают возможность определить лучшую стратегию, используя имитационные эксперименты. Оценка основана на сравнении итоговых показателей и визуализации. Описанное приложение можно использовать для поддержки принятия решений при муниципальном управлении.

Ключевые слова: гибридная модель, системная динамика, агентное моделирование, java-приложение, предпринимательские сети, локальное сообщество, дополнительные средства расчетов.

Список использованных источников

  1. Г. Л. Багиев, Е. Г. Серова. К вопросу применения гибридного моделирования в системных исследованиях маркетингового пространства//ПСЭ. 2015. № 2 (54). C. 183-186. https://cyberleninka.ru/article/n/k-voprosu-primeneniya-gibridnogo-modelirovaniya-v-sistemnyh-issledovaniyah-marketingovogo-prostranstva.
  2. S. C. Brailsford, L. Churilov, S.-K. Liew. Treating ailing emergency departments with simulation: An integrated perspective//Health Sciences Simulation 2003. San Diego, USA, 2003. Society for Modeling and Computer Simulation. P. 25-30. https://www.researchgate.net/publication/313092809_Treating_ailing_emergency_departments_with_simulation_An_integrated_perspective.
  3. M. Jahangirian, T. Eldabi, A. Naseer et al. Simulation in manufacturing and business: A review//European Journal of Operational Research. 2010. № 203 (1). P. 1-13. https://doi.org/10.1016/j.ejor.2009.06.004.
  4. N. Mustafee, J. H. Powell. Towards a unifying conceptual representation of hybrid simulation and hybrid systems modelling//Proceedings of the UK Operational Research Society Simulation Workshop (SW18). UKORS. 2018. P. 19-21.
  5. S. C. Brailsford, T. Eldabi, M. Kunc et al. Osorio Hybrid simulation modelling in operational research: A state-of-the-art review//European Journal of Operational Research, 2019. № 278. P. 721-337. https://doi.org/10.1016/j.ejor.2018.10.025.
  6. H. Jo, H. Lee, Y. Suh et al. A dynamic feasibility analysis of public investment projects: An integrated approach using system dynamics and agent-based modeling//International Journal of Project Management. 2015. Vol. 33. № 8. P. 1863-1876. https://doi.org/10.1016/j.ijproman.2015.07.002.
  7. K. Kieckhafer, T. Volling, T. S. Spengler. A Hybrid Simulation Approach for Estimating the Market Share Evolution of Electric Vehicles//Transportation Science. 2014. № 48 (4). P. 651-670. https://doi.org/10.1287/trsc.2014.0526.
  8. G. Wallentin, C. Neuwirth. Dynamic hybrid modelling: Switching between AB and SD designs of a predator-prey model//Ecological Modelling. 2017. Vol. 345. P. 165-175. https://doi.org/10.1016/j.ecolmodel.2016.11.007.
  9. Д. Ю. Каталевский. Системная динамика и агентное моделирование: необходимость комбинированного подхода. Сайт anylogic.ru. https://www.anylogic.ru/resources/articles/sistemnaya-dinamika-i-agentnoe-modelirovanie-neobkhodimost-kombinirovannogo-podkhoda.
  10. А. С. Акопов. Компьютерное моделирование. М.: Издательство Юрайт, 2019. 389 с.
  11. A. Borshchev. Multi-method modelling: AnyLogic. In book: Discrete-event simulation and system dynamics for management decision making. 2014. P. 248-279. https://doi.org/10.1002/9781118762745.ch12.
  12. D. B. Berg, K. A. Beklemishev MA. N. edvedev et al. Modeling of the competition life cycle using the software complex of cellular automata PyCAlab//AIP Conference Proceedings. 2015. Vol. 1690. P. 030003. https://doi.org/10.1063/1.4936702.
  13. G. K. Shevchuk, O. M. Zvereva, M. A. Medvedev. Imbalance Detection in a Manufacturing System: An Agent-Based Model Usage//AIP Conference Proceedings. 2017. Vol. 1906. P. 070013. https://doi.org/10.1063/1.5012339.
  14. A. Kolomytseva, H. Kazakova, M. Medvedeva. Interaction Risk Assessment in Partner Entrepreneurial Networks//AIP Conference Proceedings. 2018. Vol. 1978. P. 440013. https://doi.org/10.1063/1.5044042.
  15. А. В. Апанасенко, А. А. Паначев, Д. Б. Бергю Модельное управление ростом предпринимательской сети локального сообщества с автономизированными финансами// Современная наука: актуальные проблемы теории и практики. Серия: «Естественные и технические науки». 2021. № 2. С. 20-26. http://www.nauteh-journal.ru/files/d4714b5d-9fee-491e-8fab-e3e24cf14b5b.
  16. D. Berg, R. Davletbaev, O. Zvereva. The model of localized business community economic development under limited financial resources: computer model and experiment// E3S Web of Conferences. 2016. Vol. 6. P. 601001. https://doi.org/10.1051/e3sconf/20160601001.

Авторы