+7(495) 989 9610
ИД «Финансы и кредит»

ЖУРНАЛЫ

  

АВТОРАМ

  

ПОДПИСКА

    
«Финансы и кредит»
 

Реферирование и индексирование

РИНЦ
Referativny Zhurnal VINITI RAS
Worldcat
LCCN Permalink
Google Scholar

Электронные версии в PDF

EBSCOhost
Eastview
Elibrary
Biblioclub

Стохастическая оптимизация экономико-финансового, информационного и логистического межкластерного взаимодействия

Купить электронную версию статьи

т. 26, вып. 9, сентябрь 2020

Получена: 19.06.2020

Получена в доработанном виде: 03.07.2020

Одобрена: 17.07.2020

Доступна онлайн: 29.09.2020

Рубрика: Инвестиционная деятельность

Коды JEL: C63, E17, O21, O36

Страницы: 1928–1950

https://doi.org/10.24891/fc.26.9.1928

Яшин С.Н. доктор экономических наук, профессор, заведующий кафедрой менеджмента и государственного управления, Национальный исследовательский Нижегородский государственный университет имени Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация 
jashinsn@yandex.ru

https://orcid.org/0000-0002-7182-2808
SPIN-код: 4191-7293

Трифонов Ю.В. доктор экономических наук, профессор, заведующий кафедрой информационных технологий и инструментальных методов в экономике, Национальный исследовательский Нижегородский государственный университет имени Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация 
kei@ef.unn.ru

https://orcid.org/0000-0002-4745-0004
SPIN-код: 4394-4681

Кошелев Е.В. кандидат экономических наук, доцент кафедры менеджмента и государственного управления, Национальный исследовательский Нижегородский государственный университет имени Н.И. Лобачевского (ННГУ), Нижний Новгород, Российская Федерация 
ekoshelev@yandex.ru

https://orcid.org/0000-0001-5290-7913
SPIN-код: 8429-5702

Предмет. Технологии имитационного моделирования, основанные на принципах стохастической оптимизации, планирование инвестиционного развития как отдельных инновационно-индустриальных кластеров, так и федеральных округов страны.
Цели. Исследование механизмов межкластерного взаимодействия: экономико-финансового, информационного и логистического. Создание и отладка цифрового двойника подобного взаимодействия.
Методология. Применены выбор и корректировка параметров цифрового двойника, построение и отладка его статистической модели, отладка алгоритма стохастической оптимизации двойника, метод поиска по шаблону.
Результаты. Исследованы механизмы межкластерного взаимодействия, создан цифровой двойник.
Выводы. Использование цифрового двойника механизма межкластерного взаимодействия позволит избежать преждевременных необоснованных управленческих решений государственного масштаба в отношении дальнейшего развития инновационно-индустриальных кластеров и смоделировать механизм межкластерного взаимодействия.

Ключевые слова: стохастическая оптимизация, цифровой двойник, межкластерное взаимодействие

Список литературы:

  1. Яшин С.Н., Кошелев Е.В., Костригин Р.В. Составление линейного функционала ценности инновационно-индустриального кластера для региона // Управление экономическими системами: электронный научный журнал. 2019. № 12. URL: Link
  2. Измакова О.А. Рандомизированные алгоритмы самообучения для настройки ассоциативных нейронных сетей // Стохастическая оптимизация в информатике. 2005. Т. 1. № 1. С. 81—102. URL: Link
  3. Сакалаускас Л. Нелинейная стохастическая оптимизация методом Монте-Карло // Стохастическая оптимизация в информатике. 2005. Т. 1. № 1. С. 190—205. URL: Link
  4. Сысоев С.С. Рандомизированные алгоритмы стохастической оптимизации, квантовые компьютеры, искусственный интеллект // Стохастическая оптимизация в информатике. 2005. Т. 1. № 1. С. 206—221. URL: Link
  5. Гасников А.В., Двуреченский П.Е., Нестеров Ю.Е. Стохастические градиентные методы с неточным оракулом // Труды Московского физико-технического института. 2016. Т. 8. № 1. С. 41—91. URL: Link
  6. Conn A.R., Gould N.I.M., Toint Ph.L. A Globally Convergent Augmented Lagrangian Algorithm for Optimization with General Constraints and Simple Bounds. SIAM Journal on Numerical Analysis, 1991, vol. 28, no. 2, pp. 545–572. URL: Link
  7. Conn A.R., Gould N.I.M., Toint Ph.L. A Globally Convergent Lagrangian Barrier Algorithm for Optimization with General Inequality Constraints and Simple Bounds. Mathematics of Computation, 1997, vol. 66, no. 217, pp. 261–288. URL: Link
  8. Kolda T.G., Lewis R.M., Torczon V. A Generating Set Direct Search Augmented Lagrangian Algorithm for Optimization with a Combination of General and Linear Constraints. Technical Report SAND2006-5315. Oak Ridge, Sandia National Laboratories, August 2006, 44 p. URL: Link
  9. Hooke R., Jeeves T.A. “Direct Search” Solution of Numerical and Statistical Problems. Journal of the ACM, 1961, vol. 8, no. 2, pp. 212–229. URL: Link
  10. Powell M.J.D. On Search Directions for Minimization Algorithms. Mathematical Programming, 1973, vol. 4, pp. 193–201. URL: Link
  11. Davidon W.C. Variable Metric Method for Minimization. SIAM Journal on Optimization, 1991, vol. 1, iss. 1, pp. 1–17. URL: Link
  12. McKinnon K.I.M. Convergence of the Nelder–Mead Simplex Method to a Nonstationary Point. SIAM Journal on Optimization, 1998, vol. 9, iss. 1, pp. 148–158. URL: Link
  13. Torczon V. On the Convergence of Pattern Search Algorithms. SIAM Journal on Optimization, 1997, vol. 7, iss. 1, pp. 1–25. URL: Link
  14. Dolan E.D., Lewis R.M., Torczon V. On the Local Convergence of Pattern Search. SIAM Journal on Optimization, 2003, vol. 14, iss. 2, pp. 567–583. URL: Link
  15. Audet C., Dennis J.E. Jr. Analysis of Generalized Pattern Searches. SIAM Journal on Optimization, 2003, vol. 13, iss. 3, pp. 889–903. URL: Link
  16. Kolda T.G., Lewis R.M., Torczon V. Optimization by Direct Search: New Perspectives on Some Classical and Modern Methods. SIAM Review, 2003, vol. 45, iss. 3, pp. 385–482. URL: Link
  17. Lewis R.M., Shepherd A., Torczon V. Implementing Generating Set Search Methods for Linearly Constrained Minimization. SIAM Journal on Scientific Computing, 2007, vol. 29, iss. 6, pp. 2507–2530. URL: Link
  18. Audet C., Dennis J.E. Jr. Mesh Adaptive Direct Search Algorithms for Constrained Optimization. SIAM Journal on Optimization, 2006, vol. 17, iss. 1, pp. 188–217. URL: Link
  19. Abramson M.A., Audet Ch., Dennis J.E. Jr., Digabel S.L. OrthoMADS: A Deterministic MADS Instance with Orthogonal Directions. SIAM Journal on Optimization, 2009, vol. 20, iss. 2, pp. 948–966. URL: Link
  20. Hendra A., Adinugroho S. Matlab Solvers Benchmark for ABB's Model Predictive Control Optimization. Speed vs Result. Project in Computational Science: Report. Uppsala, Uppsala Universitet, January 2015, 49 p. URL: Link
  21. Damodaran A. Investment Valuation: Tools and Techniques for Determining the Value of Any Asset. New York, John Wiley & Sons, Inc., 2002, 992 p.
  22. Бабынин М.С., Жадан В.Г. Прямой метод внутренней точки для линейной задачи полуопределенного программирования // Журнал вычислительной математики и математической физики. 2008. Т. 48. № 10. С. 1780—1801. URL: Link

Посмотреть другие статьи номера »

 

ISSN 2311-8709 (Online)
ISSN 2071-4688 (Print)

Свежий номер журнала

т. 26, вып. 10, октябрь 2020

Другие номера журнала