ДИНАМІЧНА МОДЕЛЬ ОЦІНЮВАННЯ СТРАТЕГІЇ РОЗВИТКУ ЕКОНОМІЧНОГО КЛАСТЕРА З УРАХУВАННЯМ ТРАНСПОРТНОЇ СКЛАДОВОЇ
Article Sidebar
Надіслано: 16-08-2021
Опубліковано: 10-01-2022
©, Авторські права належать авторам.
Ця стаття опублікована відповідно до стандартів відкритого доступу та розповсюджується за ліцензією Creative Commons Attribution 4.0 International (CC BY 4.0), яка дозволяє необмежене використання, розповсюдження та відтворення змісту на будь-якому носії, за умови зазначення оригінального автора та джерела.
Main Article Content
Анотація
Анотація. Представлено підхід до оцінювання стратегії економічного розвитку кластера, що включає динамічну економіко-математичну модель та інструментарій адаптивного моделювання, зокрема формування узагальнених коефіцієнтів моделі на базі нейронечіткої моделі. Цей механізм отримання оцінок узагальнених коефіцієнтів динамічної моделі, який впливає на вибір сценарію розвитку досліджуваних кластерів і спрогнозовані межі можливих змін економічних показників. Проведено комп’ютерні експерименти вибору стратегії економічного розвитку кластерів (на прикладі Київської області та м. Києва, Дніпропетровської та Одеської областей) і здійснений аналіз альтернативних сценаріїв їхнього розвитку. Дослідження ґрунтується на застосуванні методів системного аналізу, а також апарату математичної статистики й економіко-математичного, адаптивного, зокрема імітаційного та нейронечіткого моделювання тощо.
За результатами дослідження виявлено, що поєднання нелінійної динамічної моделі з нейронечіткою моделлю дає змогу знайти такі сценарії економічного розвитку кластера, що забезпечить постійне і збалансоване зростання показників досліджуваного кластера, забезпечить цілеспрямоване підвищення рішення економічного зростання на мікро- або макрорівні та своєчасне попередження економічного спаду.
Ключові слова: динамічна економічна система, кластер, теорія нечітких множин; комп’ютерне моделювання; альтернативні сценарії розвитку.
Формул: 2; рис.: 8; табл.: 2; бібл.: 17.
Article Details
Посилання
Dubois, D., & Prade, H. (1980). Fuzzy Sets and Systems: Theory and Applications. San Diego: Academic Press.
Fіsun, K. A. (2007). Metodolohiia prohramuvannia rozvytku rehioniv Ukrainy [Methodology of programming the development of the regions of Ukraine]. Kharkіv [in Ukrainian].
Matviichuk, A. V. (2007). Modeliuvannia ekonomichnykh protsesiv iz zastosuvanniam metodiv nechitkoi lohiky [Modeling of economic processes with the use of fuzzy logic methods]. Kyiv: KNEU [in Ukrainian].
Matviichuk, A. V. (2011). Shtuchnyi intelekt v ekonomitsi: neironni merezhi, nechitka lohika [Artificial intelligence in economics: neural networks, fuzzy logic]. Kyiv: KNEU [in Ukrainian].
Shapavolov, V. I., Kablov, V. I., Bashmakov, V. A., & Avvakumov, V. E. (2004). Sinergeticheskaya model’ ustojchivosti srednej firmy. Sinergetika i problemy teorii upravleniya [Synergetic model of sustainability of an average firm. Synergetics and problems of control theory]. Moscow: Fizmatlit [in Russian].
Varnalii, Z. S. (Ed.) (2005). Rehiony Ukrainy: problemy ta priorytety sotsialno-ekonomichnoho rozvytku [Regions of Ukraine: problems and priorities of socio-economic development]. Kyiv: Znannia Ukrainy [in Ukrainian].
Vasylieva, O. V., & Fіsun, K. A. (Eds.). (2010). Menedzhment Rehionalnoho Rozvytku [Management of regional development]. Kharkіv: KhNAMH [in Ukrainian].
Cagman, N., Enginoglu, S., & Citak, F. (2011). Fuzzy soft set theory and its applications. Iranian Journal of Fuzzy Systems, 8 (3), 137—147.
Cordon, O. (2011). A historical review of evolutionary learning methods for Mamdani-type fuzzy rule-based systems: Designing interpretable genetic fuzzy systems. International Journal of Approximate Reasoning, 52 (6), 894—913. doi:10.1016/j.ijar.2011.03.004.
Kim E.-H., Oh S.-K., & Pedrycz W. (2017). Reinforced rule-based fuzzy models: Design and analysis. Knowledge-Based Systems, 119, 44—58. doi:10.1016/j.knosys.2016.12.003.
Koliada, Yu., Kravchenko, V., & Kravchenko, Т. (2019). Evolution scenarios of nonlinear economy based on dynamic models. Prognostication and planning of economic development: microeconomic and macroeconomic levels. Riga: Publishing House «Baltija Publishing».
Kolyada, Yu. (2011). Modeliuvannia duopolno-duopsonisvoi konkurentsii z doluchenniam rezhymu nasychennia [Modeling of duopol-duopsonis competition with the addition of saturation mode]. Aktualni problemy ekonomiky — Actual Problems of Economics, 5 (119), 293—299 [in Ukrainian].
Kolyada, Yu., & Semashko, K. (2016). Analitychne modeliuvannia koevoliutsii ofitsiinoi y nelehalnoi ekonomik [Analytical modeling of coevolution of official and illegal economies]. Aktualni problemy ekonomiky — Actual Problems of Economics, 3 (177), 345—352 [in Ukrainian].
Kravchenko, T. V. (2013). Modelirovanie dinamiki ekonomicheskogo razvitiya regiona [Modeling the dynamics of economic development of the region. Aktual’nye problemy ekonomiki v XXI veke: prichiny i problemy : materialy VII Mezhdunarodnoj nauchno-prakticheskoj konferencii po ekonomike — Actual problems of the economy in the XXI century: causes and problems: materials of the VII International scientific-practical conference on economics. (pp. 96—101). Saint Petersburg: Centr ekonomicheskih issledovanij [in Russian].
Vitlinskyy, V., Tukalo V., & Kolyada, Yu. (2012). Research of Synergetic Models of Non-Linear Economy. The Fourth International Conference «Problems of Cybernetics and Informatics». (pp. 187—188). Baku, Azerbaijan.
Zadeh, L. A. (1965). Fuzzy Sets. Information and Control, 8 (3), 338—353. doi:10.1016/S0019-9958(65)90241-X.
Izquierdo, S. S., & Izquierdo, L. R. (2018). Mamdani fuzzy systems for modelling and simulation: A critical assessment. Journal of Artificial Societies and Social Simulation, 21 (3), 15. Retrieved August 2, 2021, from http://jasss.soc.surrey.ac.uk/21/3/2.html. doi:10.18564/jasss.344.