2072-64142411-1406

10.17059/ekon.reg.2024-1-4

Parameter Identification of the Agent-Based Model for Managing a Regional Industrial Complex

Идентификация параметров агент-ориентированной модели управления промышленным комплексом региона

https://orcid.org/0000-0002-6463-4008

Akberdina

Victoria V.

Акбердина

Виктория Викторовна

akberdina.vv@uiec.ru

https://orcid.org/0000-0003-1255-0862

Shorikov

Andrey F.

Шориков

Андрей Федорович

shorikov.af@uiec.ru

https://orcid.org/0000-0003-1606-6963

Korovin

Grigoriy B.

Коровин

Григорий Борисович

korovin.gb@uiec.ru

https://orcid.org/0000-0002-3794-3956

Sirotin

Dmitry V.

Сиротин

Дмитрий Владимирович

sirotin.dv@uiec.ru

Institute of Economics of the Ural Branch of RASИнститут экономики УрО РАН

2014862

2024

Victoria V. Akberdina, Andrey F. Shorikov, Grigoriy B. Korovin, Dmitry V. Sirotin

Виктория Викторовна Акбердина, Андрей Федорович Шориков, Григорий Борисович Коровин, Дмитрий Владимирович Сиротин

CC BY 4.0

https://www.economyofregions.org/ojs/index.php/er/article/view/726

https://www.economyofregions.org/ojs/index.php/er/article/download/726/273

Current challenges facing the Russian economy require models to optimise industrial management processes at the regional level. Therefore, a three-level hierarchical agent-based model for minimax control of the regional industrial complex is considered in this research. The study aims to develop an approach to solving a parameter identification problem of the agent-based model for managing the industrial complex of Sverdlovsk oblast. To this end, the paper presents a theoretical justification for the implemented approach, a formalisation of the aforementioned problem, and an algorithm for constructing and selecting models to assess management system parameters. The method of linear regression analysis was applied to solve the identification problem. The proposed approach was tested using data on 28 types of industrial activity in Sverdlovsk oblast for 2005–2021. The phase vector of statistical identification models was defined by the following parameters: the average annual number of employees of enterprises; fixed assets; gross value added; volume of shipped goods, performed works and services; balanced financial results of enterprises; investment in fixed capital; costs of implementing and using digital technologies. The control vector was determined by the factors of attracting budgetary and other (external) funds. As a result, 125 high-quality models were built to solve parameter identification problems of the agent-based model used for managing the industrial complex of Sverdlovsk oblast. The obtained statistical models can be used to establish communication between agents, clarify their specificity, calculate and assess management performance. The proposed approach can be applied to predict the development of regional industrial complexes in accordance with planned control actions, as well as to calculate control actions necessary to achieve target parameters.

Новые вызовы, стоящие перед отечественной экономикой, требуют построения моделей, позволяющих адекватно оптимизировать процессы управления промышленностью на уровне региона. Данная работа посвящена разработке агент-ориентированной модели трехуровневого иерархического минимаксного управления региональным промышленным комплексом. Целью настоящего исследования является разработка методики решения задачи идентификации параметров агент-ориентированной модели управления промышленным комплексом региона на примере Свердловской области. Для выполнения поставленной цели предложено теоретическое обоснование реализуемого подхода, приведена формализация задачи идентификации параметров системы управления промышленным комплексом региона, описан алгоритм построения и отбора моделей для оценки параметров системы управления. В качестве метода решения задачи идентификации выбран подход на базе линейного регрессионного анализа. Подготовка информационной базы для апробации подхода проводилась в условиях Свердловской области по 28 видам экономической деятельности, относящихся к промышленному производству, по данным за 2005–2021 гг. При построении статистических моделей идентификации фазовый вектор задается следующими параметрами: среднегодовая численность работников предприятий, основные фонды, валовая добавленная стоимость, объем отгруженных товаров, выполненных работ и услуг, сальдированный финансовый результат организаций, инвестиции в основной капитал, затраты на внедрение и использование цифровых технологий. Вектор управления задан факторами привлечения бюджетных средств, а также привлечения средств кроме бюджетных (из внешних источников). В результате исследования построено 125 моделей достаточно высокого качества, которые могут быть использованы в решении задачи идентификации параметров для построения агент-ориентированной модели управления процессами развития промышленности Свердловской области. Полученные статистические модели позволяют установить связь между агентами, уточнить их специфику, рассчитать и дать оценку результатов применения механизмов управления. Предложенный подход применим для построения прогнозов развития регионального промышленного комплекса в соответствии с планируемыми управляющими воздействиями, а также для вычисления оптимального набора управляющих воздействий для достижения промышленностью целевых параметров.

industry, agent modelling, regression analysis, regional industrial complex, management system parameter identification, phase vector, forecast

промышленность, агентное моделирование, регрессионный анализ, региональный промышленный комплекс, идентификация параметров системы управления, фазовый вектор, прогноз развития

The article has been prepared in accordance with the state order to the Institute of Economics of the Ural Branch of RAS for 2024–2026.

Исследование выполнено в соответствии с госзаданием Института экономики УрО РАН на 2024–2026 гг.

Akberdina, V. V., & Shorikov, A. F. (2022). Managing industrial complexes: A hierarchical agent-oriented model. Upravlenets [The Manager], 13 (6), 2–14. https://doi.org/10.29141/2218–5003-2022-13-6-1 (In Russ.)

Bonabeau, E. (2002). Agent-Based Modeling: Methods and Techniques for Simulating Human Systems. Proceedings of the National Academy of Sciences of the United States of America, 99 (3), 7280–7287. https://doi.org/10.1073/pnas.082080899

Castelle, K., Bradley, J., & Chesterman, Ch. (2022). Systems Theory for Complex System Governance. In: C. B. Keating, P. F. Katina, C. W. Chesterman Jr., J. C. Pyne (Eds.), Topics in Safety, Risk, Reliability and Quality (pp. 97–118). Springer, Ch-am. https://doi.org/10.1007/978-3-030-93852-9_4

Chen, Z. (2023). Analysis of economic growth forecast based on regression model. Highlights in Science, Engineering and Technology, 42 , 91–98. https://doi.org/10.54097/hset.v42i.7068

Flud, N. A. (2006). How to measure “sustainability of development”? Voprosy statistiki, 10 , 19–29. (In Russ.)

Gichiev, N. S. (2021). Impact of fixed capital investment for economic growth: regional aspect. Regionalnye problemy preobrazovaniya ekonomiki [Regional problems of economic transformation], 7 , 121–128. https://doi.org/10.26726/1812–7096-2021-7-121-128. (In Russ.)

Golova, I. M. (2021). Ecosystem Approach to Innovation Management in Russian Regions. Ekonomika regiona [Economy of regions], 17 (4), 1346–1360. https://doi.org/10.17059/ekon.reg.2021-4-21 (In Russ.)

Harman, G. (2010). Diophantine approximation with multiplicative functions. Monatshefte für Mathematik, 160 , 51–57.

Haslwanter, Th. (2022). Linear Regression Models. An Introduction to Statistics with Python, 1651 , 229–263. https://doi.org/10.1007/978-3-030-97371-1_12

Ivanter, V. V. (2016). Strategy of transition to economic growth. Problemy prognozirovaniya [Studies on Russian economic development], 1 , 3–8. (In Russ.)

Karaca, Y. (2022). Theory of complexity, origin and complex systems. In: Multi-Chaos, Fractal and Multi-fractional Artificial Intelligence of Different Complex Systems (pp. 9–20). Academic Press. https://doi.org/10.1016/B978-0-323-90032-4.00003-1

Kislitsyn, E. V., & Gorodnichev, V. V. (2021). Simulation of development of individual heavy industry sectors. Biznes-informatika [Business Informatics], 15 (1), 59–77. https://doi.org/10.17323/2587-814X.2021.1.59.77 (In Russ.)

Kucheryavskiy, S., Rodionova, O., & Pomerantsev, A. (2023). Procrustes cross-validation of multivariate regression models. Analytica Chimica Acta, 1255 , 341096. https://doi.org/10.1016/j.aca.2023.341096

Li, X., & Zhuang, X. (2022). Eco-City Problems: Industry–City–Ecology, Urbanization Development Assessment in Resource-Exhausted Cities. Sustainability, 15 (1), 166. https://doi.org/10.3390/su15010166

Lu, Y. (2021). Empirical Analysis on the Relationship Between Tertiary Industry Structure and Economic Growth Based on Multiple Regression — A Case Study of Henan Province. E3S Web of Conferences, 235 , 02019. https://doi.org/10.1051/e3sconf/202123502019

Majumder, Sh. (2022). Economic and non-economic determinants of economic growth in Bangladesh: multivariate regression analysis. Independent Journal of Management & Production, 13 , 693–718. https://doi.org/10.14807/ijmp.v13i2.1545

Makarov, V. L., & Bakhtizin, A. R. (2009). New tools in social sciences — agent-oriented models: General description and specific examples. Ekonomika i upravlenie [Economics and Management], 12 , 13–25. (In Russ.)

Makarov, V. L., Bahtizin, A. R., & Sushko, E. D. (2020). Agent-based model as a tool for controlling environment of the region. Zhurnal Novoy ekonomicheskoy assotsiatsii [Journal of the New Economic Association], 1 (45), 151–171. https://doi.org/10.31737/2221–2264-2020-45-1-6 (In Russ.)

Pacala, F. A. (2023). A multiple regression analysis of economic outputs as a factor in TIMSS score in science among selected countries in Asia. International Journal of Humanities, Social Sciences and Business (INJOSS), 2 (2), 218–224. https://doi.org/10.54443/injoss.v2i2.51

Pareto, A. (2022). A robust method for regression and correlation analysis of socio-economic indicators. Quality & Quantity, 57 , 5035–5053. https://doi.org/10.1007/s11135-022-01599-z

Peskov, D. (2022). Conditions of technological sovereignty. Ekonomist [Economist], 6 , 30–32. (In Russ.)

Qian, F., Tang, Y., & Yu, X. (2023). The Future of Process Industry: A Cyber-Physical-Social System Perspective. IEEE transactions on cybernetics , 37607148. https://doi.org/10.1109/TCYB.2023.3298838

Rao, C., & Toutenburg, H. (1995). Exact and Stochastic Linear Restrictions. In: Linear Models (pp. 111–154). Springer, New York, NY. https://doi.org/10.1007/978-1-4899–0024-1_5

Romanova, O. A., & Ponomareva, A. O. (2020). Multi-vector Industrial Policy in Russia in an Emerging New Industrial Landscape. Zhurnal ekonomicheskoy teorii [Russian Journal of Economic Theory], 17 (2), 276–291. https://doi.org/10.31063/2073–6517/2020.17-2.3. (In Russ.)

Romanova, O. A., & Ponomareva, A. O. (2022). Industrial region under sanctions: risks and opportunities for development. In: Aktualnye problemy ekonomiki i upravleniya. V: sbornik statey Desyatoy vserossiyskoy nauchno-prakticheskoy konferentsii s mezhdunarodnym uchastiem, 20–21 oktyabrya 2022 g. [Current problems of economics and management: collection of articles of the Tenth All-Russian scientific and practical conference with international participation] (pp. 106–112). Ekaterinburg: Publishing house USGU. (In Russ.)

Shirov, A. A., Gusev, M. S., & Yantovskiy, A. A. (2012). Justification of possible scenarios for the long-term development of the Russian economy. EKO [ECO], 6 , 60–80. (In Russ.)

Shorikov, A. V., Korovin, G. B., & Sirotin, D. V. (2023). Methodology for regional industrial complex management: Architecture of an agent-based model. Upravlenets [The Manager], 6 , 63–76. https://doi.org/10.29141/2218–5003-2023-14-6-5 (In Russ.)

Smorodinskaya, N. V. (2017). Complication of the organization of economic systems in the conditions of nonlinear development. Vestnik Instituta ekonomiki RAN [The Bulletin of the Institute of Economics of the Russian Academy of Sciences], 5 , 104–115. (In Russ.)

Togoontumur, T., & Cooray, N. (2023). Does Collaboration Matter: The Effect of University-industry R&D Collaboration On Economic Growth. Journal of the Knowledge Economy , 1–15. https://doi.org/10.1007/s13132-023-01469-5

Tsvetkov, V. Ya. (2017). Emergentism. Mezhdunarodnyy zhurnal prikladnykh i fundamentalnykh issledovaniy [International Journal of Applied and Basic Research], 2–1 , 137–138. (In Russ.)

Uskova, A. Yu., & Salomatova, J. V. (2023). Assessment of factors of sustainability of manufacturing sector in industrial regions of Russia. Ekonomika promyshlennosti [Russian Journal of Industrial Economics], 16 (1), 77–85. https://doi.org/10.17073/2072–1633-2023-1-77-85 (In Russ.)

Working, H., & Hotelling, H. (1929). Applications of the Theory of Error to the Interpretation of Trends. Journal of the American Statistical Association, 24 (165A), 73–85. https://doi.org/10.1080/01621459.1929.10506274

Yan, B., Yao, B., & Zhang, Ch. (2023). Industrial structure, high-quality development of logistics industry and the economy. PloS ONE, 18 (5), e0285229. https://doi.org/10.1371/journal.pone.0285229

Zhang, W., Zhang, T., Li, H., & Zhang, H. (2022). Dynamic spillover capacity of R&D and digital investments in China’s manufacturing industry under long-term technological progress based on the industry chain perspective. Technology in Society, 71 , 102129. https://doi.org/10.1016/j.techsoc.2022.102129

Zolotarev, K., Belyaeva, N., Mikhailov, A. N., & Mikhailova, M. (2016). Dependence between LD50 for Rodents and LC50 for Adult Fish and Fish Embryos. Bulletin of Experimental Biology and Medicine, 162 , 439–444. https://doi.org/10.1007/s10517-017-3636-y

Акбердина, В. В., Шориков, А. Ф. (2022). Управление промышленными комплексами: иерархическая агент-ориентированная модель. Управленец, 13 (6), 2–14. https://doi.org/10.29141/2218–5003-2022-13-6-1

Гичиев, Н. С. (2021). Влияние инвестиций в основной капитал на экономический рост: региональный аспект. Региональные проблемы преобразования экономики, 7 , 121-128. https://doi.org/10.26726/1812–7096-2021-7-121-128

Голова, И. М. (2021). Экосистемный подход к управлению инновационными процессами в российских регионах. Экономика региона, 17 (4), 1346–1360. https://doi.org/10.17059/ekon.reg.2021-4-21

Ивантер, В. В. (2016). Стратегия перехода к экономическому росту. Проблемы прогнозирования, 1 , 3–8.

Кислицын, Е. В., Городничев, В. В. (2021). Имитационное моделирование развития отдельных отраслей тяжелой промышленности. Бизнес-информатика, 15 (1), 59–77. https://doi.org/10.17323/2587-814X.2021.1.59.77

Макаров, В. Л., Бахтизин, А. Р. (2009). Новый инструментарий в общественных науках — агент-ориентированные модели: общее описание и конкретные примеры. Экономика и управление, 12 , 13–25.

Макаров, В. Л., Бахтизин, А. Р., Сушко, Е. Д. (2020). Агент-ориентированная модель как инструмент регулирования экологии региона. Журнал Новой экономической ассоциации, 1 (45), 151–171. https://doi.org/10.31737/2221–2264-2020-45-1-6

Песков, Д. (2022). Условия технологического суверенитета. Экономист, 6 , 30–32.

Романова, О. А., Пономарева, А. О. (2020). Многовекторная промышленная политика России в условиях формирования нового индустриального ландшафта. Журнал экономической теории, 17 (2), 276–291. https://doi.org/10.31063/2073–6517/2020.17-2.3

Романова, О. А., Пономарева, А. О. (2022). Индустриальный регион в условиях санкций: риски и возможности развития. В: Актуальные проблемы экономики и управления: сборник статей Десятой всероссийской научно-практической конференции с международным участием, 20–21 октября 2022 г . (с. 106–112). Екатеринбург: Изд-во УГГУ, 194.

Смородинская, Н. В. (2017). Усложнение организации экономических систем в условиях нелинейного развития. Вестник Института экономики РАН, 5 , 104–115.

Ускова, А. Ю., Саломатова, Ю. В. (2023). Оценка факторов устойчивости обрабатывающих производств в индустриальных регионах России. Экономика промышленности, 16 (1), 77–85. https://doi.org/10.17073/2072–1633-2023-1-77-85

Флуд, Н. А. (2006). Как измерить «устойчивость развития»? Вопросы статистики, 10 , 19–29.

Цветков, В. Я. (2017). Эмерджентизм. Международный журнал прикладных и фундаментальных исследований, 2–1 , 137–138.

Широв, А. А., Гусев, М. С., Янтовский, А. А. (2012). Обоснование возможных сценариев долгосрочного развития российской экономики. ЭКО, 6 , 60–80.

Шориков, А. Ф., Коровин, Г. Б., Сиротин, Д. В. (2023). Управление промышленным комплексом региона: архитектура агент-ориентированной модели. Управленец, 14 (6), 63–76. https://doi.org/10.29141/2218–5003-2023-14-6-5