Технологии многоагентного экономического моделирования со сложной системой связей

Автор: Юсуп-ахунов Б. Б., Жукова А. А., Каменев И. Г., Васильев С. Б.

Журнал: Труды Московского физико-технического института @trudy-mipt

Рубрика: Информатика и управление

Статья в выпуске: 4 (60) т.15, 2023 года.

Бесплатный доступ

Данная работа является продолжением и развитием системы поддержки моделирования сложных экономических систем ЭКОМОД на основе платформы с открытым исходным кодом. В данной статье рассматриваются проблемы автоматизации агентного моделирования в случае системы, включающей как группы схожих агентов, так и качественно различающихся. Предложена новая система поддержки моделирования системы взаимодействующих экономических агентов сложной структуры, включающей как ансамбли однородных агентов, так и агентов в одной роли, но различающихся внутренними параметрами (домашние хозяйства, имеющие разный доход, могут быть сберегателями или заемщиками), а также агентов совершенно другой природы (например, домашние хозяйства и банки). Эта возможность не была реализована в предыдущих версиях системы поддержки, но является востребованным продолжением, дающим возможность описывать как стохастические процессы, так и многопродуктовое описание экономики. Применение предлагаемого подхода продемонстрировано на одной экономической модели. Обсуждаются результаты работы и важные дальнейшие шаги ее развития.

Еще

Математическое моделирование, комплекс программ, система агентов, оптимальное управление, сложная система

Короткий адрес: https://sciup.org/142240004

IDR: 142240004

Список литературы Технологии многоагентного экономического моделирования со сложной системой связей

  • Юсуп-Ахунов Б.Б., Каменев И.Г., Жукова А.А. Система поддержки моделирования социально-экономических прцоессов на основе платформы с открытым исходным кодом // Труды МФТИ. 2022. Т. 14, № 4. С. 69–83.
  • Бекларян Л.А., Флёрова А.Ю., Жукова А.А. Методы Оптимального Управления. Учебное пособие. Долгопрудный: МФТИ, 2018.
  • Жукова А.А., Катруца А.М., Флёрова А.Ю. Оптимизация и оптимальное управление в задачах: учебное пособие. Долгопрудный: МФТИ, 2021.
  • Meurer A., et al., SymPy: symbolic computing in Python // PeerJ Computer Science. 2017. V. 3. P. e103.
  • Beal L.D.R., Hill D., Martin R.A., Hedengren J.D. GEKKO Optimization Suite // Processes. 2018. V. 6, N 8.
  • Juillard M., et al., Dynare: A program for the simulation of rational expectation models // Society for Computational Economics. 2001. N 213.
  • Adjemian S., et al., Dynare: Reference manual, version 4. 2011.
  • Петров А.А., Поспелов И.Г. Модельная «летопись» российских экономических реформ. http://isir.ras.ru/win/db/show_ref.asp?P=.id-23268.ln-ru.
  • Поспелов И.Г., Жукова А.А. Стохастическая модель торговли неликвидным товаром // Труды МФТИ. 2012. Т. 4, № 2. С. 131–147.
  • Жукова А.А., Поспелов И.Г. Исследование стохастической модели сбережений с инерционностью потребления // Труды МФТИ. 2014. Т. 6, № 4. С. 41–48.
  • Zhukova A., Pospelov I.G. Modelling the system of agents in the presence of random moments of transactions // 2020 7th International Conference on Control, Decision and Information Technologies (CoDIT). IEEE, 2020. V. 1. P. 1111–1116.
  • Петров А.А., Поспелов И.Г., Поспелова Л.Я., Хохлов М.А. ЭКОМОД - Интеллектуальный инструмент разработки и исследования динамических моделей экономики // Материалы II Всероссийской конференции (ИММОД-2005). С.-Петербург. 2005. С. 19–21.
  • Поспелов И.Г., Хохлов М.А. Метод проверки размерности для исследования моделей экономической динамики // Математическое моделирование. 2006. Т. 18. N 10. С. 113–122.
  • Khokhlov M.A., Pospelov I.G., Pospelova L.Y. Technology of development and implementation of realistic (country–specific) models of intertemporal equilibrium // International Journal of Computational Economics and Econometrics. 2014. V. 4. N 1–2. P. 234–253.
  • Radionov S., Pilnik N., Pospelov I. The Relaxation of Complementary Slackness Conditions as a Regularization Method for Optimal Control Problems // Advances in Systems Science and Applications. 2019. V. 19, N 2. P. 44–62.
  • Pilnik N., Ujegov A. The Use of Relaxation of Complementary Slackness Conditions for Jointing in General Equilibrium Models // 2021 14th International Conference Management of large-scale system development (MLSD). IEEE. 2021. P. 1–5.
  • Pospelova L.Y., Pospelov L., Petrov A.A. A Modeling Support System for Mathematical Models of Economy // Proceedings of Internatiaonal Conference Computing in economy and finance. 1996.
  • Babkin E., Abdulrab H., Kozyrev O. Application of ontology-based tools for design of multi-agent simulation environments in economics // Proceedings of the IASTED Asian Conference on Modelling and Simulation. 2007. P. 55–60.
  • Maliar L., Maliar S., Winant P. Deep learning for solving dynamic economic models // Journal of Monetary Economics. 2021. V. 122. P. 76–101.
  • Maliar L., Maliar S. Deep learning classification: Modeling discrete labor choice // Journal of Economic Dynamics and Control. 2022. V. 135. P. 104295.
  • Klima G., et al., Package ‘gEcon’. 2015.
  • Christoffel K.P., Coenen G., Warne A. The new area-wide model of the euro area: a microfounded open-economy model for forecasting and policy analysis // ECB Working Paper Series. 2008. N 944.
  • Christoffel K.P., Coenen G., Warne A. Forecasting with DSGE models // ECB Working Paper Series. 2010. N 1185.
Еще
Статья научная