Нейронные сети в агент-ориентированных моделях: преимущества и недостатки гибридных методов исследования

Использование агент-ориентированного подхода в моделировании социально-экономических процессов в последнее время становится частым явлением. Максимально приближенная к реальности модель позволяет адекватно произвести оценку ситуации, проиграть различные сценарии модельных экспериментов, на основе результатов сформировать рекомендации для органов власти. В работе поднимается проблема описания в агент-ориентированных моделях поведения экономических агентов, обладающих ограниченной рациональностью, что породило необходимость использования дополнительных методов моделирования, а именно нейронных сетей. Целью статьи является анализ современного опыта и перспектив использования нейронных сетей в агент-ориентированном моделировании социально-экономических процессов. В ходе исследования были рассмотрены примеры российских и зарубежных гибридных агент-ориентированных моделей, разработанных в рамках публичных исследований в университетах, научных организациях и представленных в статьях и монографиях, доступных для ознакомления. На основании обобщения накопленного опыта отечественных и зарубежных ученых по использованию нейронных сетей в агент-ориентированных моделях были выявлены преимущества и недостатки гибридных методов исследования социально-экономических процессов, что отражает новизну исследования. В работе описаны наиболее популярные в настоящее время области применения нейронных сетей в агент-ориентированном моелировании социально-экономических процессов. Раскрыты основные способы интеграции нейросетевых и агент-ориентированных моделей, используемые на текущем этапе развития технологий. Рассмотрены локальный (микро-эмуляция) и глобальный (макро-эмуляция) подходы к использованию нейронных сетей в агент-ориентированных моделях, а также способы их внедрения на примере интеграции системы машинного обучения в агент-ориентированную модель. Выявлены преимущества и недостатки гибридных агент-ориентированных моделей социально-экономического развития территорий, которые отражены в краткой матрице SWOT-анализа. Приведены примеры специализированного программного обеспечения, позволяющего встраивать нейронные сети в агент-ориентированные модели. Описаны два варианта включения: online (использование одного инструмента более широкого профиля) и offline (использование нескольких программных продуктов). Перспективность использования нейросетевых технологий в агент-ориентированных моделях определяется существенным повышением качества моделирования и обеспечением большей реалистичности поведения агентов.