«Экономический анализ: теория и практика»
 

Реферирование и индексирование

Russian Science Citation Index
Referativny Zhurnal VINITI RAS
Worldcat
Google Scholar

Электронные версии в PDF

EBSCOhost
Eastview
Elibrary
Biblioclub

Оптимизационные модели выбора групп социальной сети для размещения рекламы

Журнал «Экономический анализ: теория и практика»
т. 16, вып. 10, октябрь 2017

Получена: 24.07.2017

Получена в доработанном виде: 14.08.2017

Одобрена: 29.08.2017

Доступна онлайн: 27.10.2017

Рубрика: МАТЕМАТИЧЕСКИЕ МЕТОДЫ И МОДЕЛИ

Коды JEL: C38, C58

Страницы: 1989–2000

https://doi.org/10.24891/ea.16.10.1989

Грибанова Е.Б. кандидат технических наук, доцент кафедры автоматизированных систем управления, Томский государственный университет систем управления и радиоэлектроники, Томск, Российская Федерация katag@yandex.ru

Предмет. Оптимизация маркетинговой деятельности в социальной сети, в частности определение групп для размещения рекламы исходя из ее стоимости и характеристик, определяющих распространение информации о товарах и услугах среди пользователей.
Цели. Разработка моделей выбора групп социальной сети для размещения рекламы. Реализация стохастических алгоритмов решения задачи целочисленного программирования.
Методология. Для разработки оптимизационных моделей использовались методы исследования операций. Для решения задачи целочисленного программирования были использованы методы случайного поиска граничных точек, в частности простой случайный поиск, адаптивный поиск и поиск с изменяющимися вероятностями. Также был использован многомерный сравнительный анализ для формирования интегральной характеристики аргументов, используемой в алгоритме адаптивного поиска граничных точек.
Результаты. Разработаны модели выбора групп социальной сети для размещения рекламы. Доработаны существующие алгоритмы случайного поиска с учетом специфики задачи: предложена модификация адаптивного алгоритма поиска граничных точек, предполагающая расчет интегрального показателя каждого аргумента целевой функции на основе нормированных значений. Выполнена программная реализация алгоритмов случайного поиска граничных точек. Проведены вычислительные эксперименты и сравнение результатов, полученных с помощью рассмотренных алгоритмов решения задачи. Наиболее точное решение было получено с помощью адаптивного алгоритма, наиболее простым в реализации является алгоритм случайного поиска граничных точек.
Выводы. Разработанные модели могут быть использованы экономическими агентами при выборе групп социальной сети для размещения рекламы. Представленная модификация адаптивного алгоритма поиска граничных точек может быть использована в решении задач целочисленного программирования.

Ключевые слова: целочисленное программирование, социальные сети, реклама, случайный поиск

Список литературы:

  1. Goyal S., Gagnon J. Social networks and the firm. Revista de Adminstração, 2016, vol. 51, pp. 240–243. doi: 10.5700/rausp1237
  2. Грибанова Е.Б., Катасонова А.В. Модель оценки групп социальной сети для реализации маркетинговых мероприятий // Доклады Томского государственного университета систем управления и радиоэлектроники. 2017. № 2. C. 68–72.
  3. Антамошкин А.Н., Масич И.С. Поисковые алгоритмы условной псевдобулевой оптимизации // Системы управления, связи и безопасности. 2016. № 1. С. 103–145. URL: http://sccs.intelgr.com/archive/2016-01/06-Antamoshkin.pdf
  4. Bradley S., Hax A., Magnanti T. Applied Mathematical Programming. Addison-Wesley, 1977, 716 p.
  5. Буркова И.В. Метод сетевого программирования в задачах дискретной оптимизации // Вестник Воронежского государственного технического университета. 2010. № 8. С. 54–159.
  6. Kaufman L., Vanden M., Hansen P. A plant and warehouse location problem. Journal of Operation Research Society, 1977, vol. 28, iss. 3, pp. 547–554. doi: 10.1057/jors.1977.104
  7. Čejka J. Transport planning realized through the optimization models. Procedia Engineering, 2016, vol. 161, pp. 1187–1196. doi: 10.1016/j.proeng.2016.08.538
  8. Ming Yan, Yurong Yuan. A multi-attribute reverse auction decision making model based on linear programming. Systems Engineering Procedia, 2012, vol. 4, pp. 372–378. doi: 0.1016/j.sepro.2011.11.089
  9. Масич И.С. Комбинаторная оптимизация для планирования загрузки литейного производства // Вестник Сибирского государственного аэрокосмического университета. 2009. № 2. С. 40–44.
  10. Забудский Г.Г., Алексеенко И.В. Оптимизация технологических схем процессов изготовления изделий из меха // Научный вестник Новосибирского государственного технического университета. 2008. № 1. С. 25–33.
  11. Джамрад М., Романченко О.А., Толстикова О.Н. Размещение объекта обслуживания населения на основе метода дискретной оптимизации // Управление большими системами: сборник трудов. 2006. № 14. С. 123–134. URL: http://www.mathnet.ru/links/d026e4cbb17d633af7950bd65bc05262/ubs200.pdf
  12. Овчинников В.А. Систематизация точных методов дискретной оптимизации // Наука и образование. 2015. № 6. С. 288–304.
  13. Антамошкин А.Н., Масич И.С. Гриди-алгоритмы и локальный поиск для условной псевдобулевой оптимизации // Исследовано в России. 2003. № 177. С. 2143–2149. URL: http://elibrary.lt/resursai/Uzsienio%20leidiniai/MFTI/2003/177.pdf
  14. Растригин Л.А. Адаптация сложных систем. Рига: Зинатне, 1981. 375 с.
  15. Гринченко С.Н. Метод «проб и ошибок» и поисковая оптимизация: анализ, классификация, трактовка понятия «естественный отбор» // Исследовано в России. 2003. № 104. С. 1228–1271. URL: http://elibrary.lt/resursai/Uzsienio%20leidiniai/MFTI/2003/104.pdf
  16. Glover F. Tabu search. Part I. INFORMS Journal on Computing, 1989, vol. 1, pp. 190–206. doi: 10.1287/ijoc.1.3.190
  17. Pedroso J.P. An evolutionary solver for linear integer programming. BSIS Technical Report, 1998, no. 98-7, pp. 1–15.
  18. Jansen T., Wegener I. A comparison of simulated annealing with a simple evolutionary algorithm on pseudo-boolean functions of unitation. Theoretical Computer Science, 2007, vol. 386, iss. 1-2, pp. 73–93. doi: 10.1016/j.tcs.2007.06.003
  19. Галушин П.В., Семенкина О.Э. Разработка и исследование эволюционных алгоритмов дискретной оптимизации // Вестник Сибирского государственного аэрокосмического университета. 2011. № 5. С. 25–29.
  20. Казаковцев Л.А., Ступина А.А. Параллельная реализация метода изменяющихся вероятностей // Современные проблемы науки и образования. 2012. № 4. URL: https://science-education.ru/ru/article/view?id=6810

Посмотреть другие статьи номера »

 

ISSN 2311-8725 (Online)
ISSN 2073-039X (Print)

Свежий номер журнала

т. 16, вып. 10, октябрь 2017

Другие номера журнала