Симуляційне моделювання економічних процесів
Розглянуто історію виникнення, сучасний стан і майбутнє методу абдукційного комп’ютерного агентного симуляційного моделювання. Даний метод застосовують для пояснення еволюційних процесів, що відбуваються в економіці, а також для прогнозування розвитку економічних структур. Незважаючи на низку недолі...
Збережено в:
| Дата: | 2011 |
|---|---|
| Автори: | , , , |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
Видавничий дім "Академперіодика" НАН України
2011
|
| Назва видання: | Наука та інновації |
| Теми: | |
| Онлайн доступ: | http://dspace.nbuv.gov.ua/handle/123456789/115291 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Симуляційне моделювання економічних процесів / О.Є. Кузьмін, В.В. Козик, Ю.І. Сидоров, В.Е. Єрашок // Наука та інновації. — 2011. — Т. 7, № 1. — С. 16-25. — Бібліогр.: 68 назв. — укр. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
irk-123456789-115291 |
|---|---|
| record_format |
dspace |
| spelling |
irk-123456789-1152912017-04-01T03:02:37Z Симуляційне моделювання економічних процесів Кузьмін, О.Є. Козик, В.В. Сидоров, Ю.І. Єрашок, В.Е. Наукові основи інноваційної діяльності Розглянуто історію виникнення, сучасний стан і майбутнє методу абдукційного комп’ютерного агентного симуляційного моделювання. Даний метод застосовують для пояснення еволюційних процесів, що відбуваються в економіці, а також для прогнозування розвитку економічних структур. Незважаючи на низку недоліків (зокрема, недостатньо реалістичну поведінку агентів), які можна подолати шляхом удосконалення як змістовних частин моделей, так і комп’ютерних програм, метод уже використовується в комерційних і експертних цілях на замовлення окремих фірм, галузей промисловості і урядів різних країн. Рассмотрена история возникновения, современное состояние и будущее метода абдукционного компьютерного агентного симуляционного моделирования. Данный метод используют для объяснения эволюционных процессов, происходящих в экономике, а также для прогнозирования развития экономических структур. Несмотря на ряд недостатков (в частности, недостаточно реалистичное поведение агентов), которые можно преодолеть путем усовершенствования как содержательной части модели, так и компьютерных программ, метод уже используется в коммерческих и экспертных целях по заказу отдельных фирм, отдельных отраслей промышленности и правительств различных стран. History of origin, modern state and future of method of аbduction аgent-based computer simulation modeling is considered. The method is used for explanation of evolutional processes’ proceeding in economy and also for prognostication of the development of economic patterns. In spite of failings (in particular, not enough realistic agent behavior) which can be overcame by the improvement of both model’s content parts and software, the method is already used with commercial and expert aims by individual firms, industries and governments of different countries. 2011 Article Симуляційне моделювання економічних процесів / О.Є. Кузьмін, В.В. Козик, Ю.І. Сидоров, В.Е. Єрашок // Наука та інновації. — 2011. — Т. 7, № 1. — С. 16-25. — Бібліогр.: 68 назв. — укр. 1815-2066 DOI: doi.org/10.15407/scin7.01.016 http://dspace.nbuv.gov.ua/handle/123456789/115291 uk Наука та інновації Видавничий дім "Академперіодика" НАН України |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| language |
Ukrainian |
| topic |
Наукові основи інноваційної діяльності Наукові основи інноваційної діяльності |
| spellingShingle |
Наукові основи інноваційної діяльності Наукові основи інноваційної діяльності Кузьмін, О.Є. Козик, В.В. Сидоров, Ю.І. Єрашок, В.Е. Симуляційне моделювання економічних процесів Наука та інновації |
| description |
Розглянуто історію виникнення, сучасний стан і майбутнє методу абдукційного комп’ютерного агентного симуляційного моделювання. Даний метод застосовують для пояснення еволюційних процесів, що відбуваються в економіці, а також для прогнозування розвитку економічних структур. Незважаючи на низку недоліків (зокрема, недостатньо реалістичну поведінку агентів), які можна подолати шляхом удосконалення як змістовних частин моделей, так і комп’ютерних програм, метод уже використовується в комерційних і експертних цілях на замовлення окремих фірм, галузей промисловості і урядів різних країн. |
| format |
Article |
| author |
Кузьмін, О.Є. Козик, В.В. Сидоров, Ю.І. Єрашок, В.Е. |
| author_facet |
Кузьмін, О.Є. Козик, В.В. Сидоров, Ю.І. Єрашок, В.Е. |
| author_sort |
Кузьмін, О.Є. |
| title |
Симуляційне моделювання економічних процесів |
| title_short |
Симуляційне моделювання економічних процесів |
| title_full |
Симуляційне моделювання економічних процесів |
| title_fullStr |
Симуляційне моделювання економічних процесів |
| title_full_unstemmed |
Симуляційне моделювання економічних процесів |
| title_sort |
симуляційне моделювання економічних процесів |
| publisher |
Видавничий дім "Академперіодика" НАН України |
| publishDate |
2011 |
| topic_facet |
Наукові основи інноваційної діяльності |
| url |
http://dspace.nbuv.gov.ua/handle/123456789/115291 |
| citation_txt |
Симуляційне моделювання економічних процесів / О.Є. Кузьмін, В.В. Козик, Ю.І. Сидоров, В.Е. Єрашок // Наука та інновації. — 2011. — Т. 7, № 1. — С. 16-25. — Бібліогр.: 68 назв. — укр. |
| series |
Наука та інновації |
| work_keys_str_mv |
AT kuzʹmínoê simulâcíjnemodelûvannâekonomíčnihprocesív AT kozikvv simulâcíjnemodelûvannâekonomíčnihprocesív AT sidorovûí simulâcíjnemodelûvannâekonomíčnihprocesív AT êrašokve simulâcíjnemodelûvannâekonomíčnihprocesív |
| first_indexed |
2025-07-08T08:32:39Z |
| last_indexed |
2025-07-08T08:32:39Z |
| _version_ |
1837066942157946880 |
| fulltext |
16
Наука та інновації. 2011. Т. 7. № 1. С. 16—25.
© О.Є. КУЗЬМІН, В.В. КОЗИК, Ю.І. СИДОРОВ,
В.Е. ЄРАШОК, 2011
О.Є. Кузьмін, В.В. Козик, Ю.І. Сидоров, В.Е. Єрашок
Національний університет «Львівська політехніка», Львів
СИМУЛЯЦІЙНЕ МОДЕЛЮВАННЯ ЕКОНОМІЧНИХ ПРОЦЕСІВ
Розглянуто історію виникнення, сучасний стан і майбутнє методу абдукційного комп’ютерного агентного симуля-
ційного моделювання. Даний метод застосовують для пояснення еволюційних процесів, що відбуваються в еконо-
міці, а також для прогнозування розвитку економічних структур. Незважаючи на низку недоліків (зокрема, недостат-
ньо реалістичну поведінку агентів), які можна подолати шляхом удосконалення як змістовних частин моделей, так і
комп’ютерних програм, метод уже використовується в комерційних і експертних цілях на замовлення окремих фірм,
галузей промисловості і урядів різних країн.
К л ю ч о в і с л о в а: симуляційне моделювання, симуляційні дослідження, прогнозування.
Головним методом досліджень еволюційних
економічних процесів є метод комп’ютерного
симуляційного моделювання, який поряд з
емпіричним і теоретичним методами розгля-
дається як третій спосіб, незважаючи на те, що
моделі не можуть дати універсального знання.
Більш важливим вважається те, що метод від-
криває можливості для експериментування в
економіці, відтак може слугувати прагматич-
ним цілям [1].
Еволюційні економісти (на противагу нео-
класичній методології) спочатку повністю від-
мовилися від застосування математики (ав-
стрійська і новоавстрійська школи) і лише по-
тім зрозуміли хибність своєї позиції. Вони
взяли на озброєння досягнення математичної
генетики, серію моделей Лоткі—Вольтерра та
спрощені базові формалізовані моделі. Це від-
разу привернуло увагу дослідників і водночас
відштовхнуло значну частину консервативно
налаштованих економістів-еволюціоністів, ос-
кільки виявилося, що математичний опис ево-
люційних процесів є більш складний, ніж опис
неокласичних моделей, і потребує певної ком-
петентності. Компроміс був досягнутий після
застосування в дослідженнях комп’ю тер ної
техніки та ігрових програм типу клітинних ав-
томатів, які діють за відомим принципом KISS
(keep it simple, stupid — будь простіше, дурник).
Гра «Life» наочно продемонст рувала, як може
відбуватися самоорганізація складних систем
при використанні простих логічних правил. У
комп’ютерному віртуальному процесі самі со-
бою тимчасово виникали складні математичні
конструкції, які щезали після вимикання ком-
п’ютера, щоб виникнути знову під час нової
про гонки програми. На цих іграх вчилися ося-
гати логіку самоорганізації, хоча ігрові резуль-
тати не мали нічого спільного з реальним жит-
тям, з реальною економікою.
Багато фахівців, які працюють із симуля-
ційними моделями, наголошують, що метою
моделювання з урахуванням чинника історії
окремих галузей економіки є не пояснення кі-
лькісних даних конкретного історичного епі-
зоду і не конкретизація параметрів моделі, а,
скоріше, дослідження того, чи можуть механіз-
ми і сили, закладені в модель, генерувати (і в
цьому сенсі пояснювати) різні поведінкові схе-
17ISSN 1815-2066. Наука та інновації. T. 7, № 1, 2011
Наукові основи інноваційної діяльності
ми, бажано з урахуванням неповної раціональ-
ності економічних агентів. Прибічниця ево-
люційної економіки Н.А. Макашева виразила
скепсис до комп’ютерних симуляційних моде-
лей так [2]: «Доки не буде вирішена загально-
філософська проблема рефлексії, поведінка
агентів, що моделюється, залишиться проявом
біологізму, а редукція мікро- і макрорівня в
економіці до єдиного теоретичного поля не
буде здійснена». Проте, незважаючи на поді-
бний скепсис, уже на сьогоднішній день в еко-
номічно розвинених країнах розпочинається
чисто прикладне комерційне застосування ме-
тоду для прогнозування розвитку конкретних
галузей в конкретних країнах і навіть на за-
мовлення конкретних фірм.
Ми вважаємо своїм обов’язком надати нау-
ковій спільноті України повнішу інформацію
щодо історії виникнення методу симуляційно-
го моделювання і сучасного стану цього ін-
струменту досліджень в економіці.
У 1982 р. вийшла з друку монографія видат-
них американських учених Р. Нельсона і С. Уін-
тера, в якій синтезовані уявлення біологічної
і економічної еволюцій, що існували на той час
[3]. Саме з цієї роботи напрям під назвою «ево-
люційна економіка» почав швидко роз виватися.
Нельсон і Уінтер вперше вказали на існування
в економічній еволюції діалектично проти леж-
них процесів «змінності» («variation») і «від-
бору» («selection»), аналогічних біологічним
мутаціям і дарвінівському природному відбо-
ру. Заслугою Нельсона і Уін тера було також
створення перших принципових симуляцій-
них комп’ютерних моделей, які можуть про-
гнозувати майбутні стани системи в імовірніс-
ному контексті. Користуючись моделлю, не
можна з упевненістю сказати, який конкрет-
ний стан системи буде досягнуто, але аналіз
моделі дає можливість виділити можливі кла-
си станів системи і оцінити імовірність пере-
бування в кожному стані.
Зазначимо, що в зарубіжній літературі си-
муляційне моделювання ще називають agent-
based modеling (агентне або мультиагентне мо-
делювання). Агентне моделювання є засобом
відображення явища, що моделюється у виг-
ляді окремих специфічних активних підсис-
тем, які називають агентами. Кожен з агентів
взаємодіє з іншими, які утворюють для нього
зовнішнє середовище, і в процесі функціону-
вання може змінити як зовнішнє середовище,
так і свою поведінку. На відміну від класично-
го способу, коли проводиться пошук деякого
чітко визначеного (детермінованого) алгорит-
му, який дає можливість знайти найкраще ви-
рішення проблеми рівноважного стану систе-
ми, в мультиагентних технологіях вирішення
одержують автоматично в результаті взаємодії
множини самостійних цілеспрямованих про-
грамних модулів — так званих агентів.
Створення абдукційних симуляційних мо-
делей, зазвичай агентного типу, відбувається
за простим сценарієм:
визначення зовнішнього середовища;
заповнення його деякою кількістю агентів;
встановлення правил-рутин, за якими вони
діють;
написання програми, яка відтворює процес
їх взаємодії у відповідності зі встановлени-
ми правилами-рутинами;
завдання вхідних параметрів;
здійснення багаторазових прогонок до поя-
ви переконливого тренду;
порівняння одержаних результатів з реаль-
ною картиною;
корекція програми.
Головною метою у симуляційних досліджен-
нях є не досягнення «подібності» моделі і ре-
альної динаміки як такої, а верифікація пра-
вил-рутин, за якими створювалася модель. Це
дає можливість досліднику виявити прості гли-
бинні закони, за якими еволюціонує економіч-
на структура, а відтак дає можливість прогно-
зування найбільш імовірного розвитку подій у
майбутньому.
Після публікації перших результатів щодо
ви користання симуляційних моделей Нельсо-
на і Уінтера у 80—90-х роках ХХ ст. розпоча-
лося бурхливе зростання кількості досліджень,
18 ISSN 1815-2066. Science and Innovation. T. 7, № 1, 2011
Наукові основи інноваційної діяльності
присвячених цьому напряму. Один із піонерів
симуляційних досліджень В. Квасницький (Вроц-
лавський університет) наводить низку імен,
які відзначилися в цьому напряму економіч-
ної науки [4] (див. рис. 1).
На третьому етапі була розроблена ціла низка
так званих стилізованих симуляційних моде лей
(моделей з використанням невеликої кількості
правил-рутин узагальненого типу) [5—21].
Ці моделі імітували діяльність одно- і бага-
топродуктових фірм з простим розширенням
виробництва (реплікаційний спосіб). Зростан-
ня доходів забезпечувався за рахунок
впровадження інновацій та імітацій [7, 17, 18];
накопичення досвіду і майстерності праців-
ників [5, 6];
ефективного розподілу праці і збільшення її
продуктивності [8—14, 20, 21];
зменшення витрат на виробництво і удоско-
налення продуктивності капіталу [7];
ефективного вивчення конкурентних вироб-
ників і споживачів [18];
поліпшення індексу конкурентної спромож-
ності товарів [15, 16].
При цьому ціни на продукцію визначались
рин ком [7, 18, 19] або фірмою [5—7]; витрати на
НДР іноді регламентувалися [7, 19]; правила
інвестування рутинізувалися [20, 21]. На базі
принципу інноваційної конкуренції Й. Шум пе-
тера (1883—1950) було створено сімейство си-
муляційних моделей розвитку промислових фірм,
які так і називалися: Schumpeterian Mark I regime
(Mark II, Mark IIa, Mark III тощо) [16, 22, 23].
Створювалися і досліджувалися моделі, які
імі тували динаміку інших економічних об’єк тів:
модель стратифікації — модель еволюції ут-
во рення груп економічних структур, різ-
них за своєю діяльністю і різних за масш-
табами [24];
модель самоорганізації ринку товарів, що
швидко псуються [25];
модель динаміки колективної штучної і стад-
ної поведінки [26];
модель конкуренції у боротьбі за ресурси
[27, 28];
моделі дифузії технологій [29];
багаточисельні моделі конкуренції техноло-
гій на промисловому рівні з одночасною їх
дифузією [30—39];
моделі в умовах шумів і стохастики [40—43].
Сучасний етап розвитку симуляційних мо-
де лей ґрунтується на більш глибоких і спеціа-
лізованих формалізаціях. До таких моделей,
зок рема, відноситься модель інноваційного про -
цесу, яка заснована на теорії перколяції (ди-
фузії) [44] і яка показує можливість кластери-
зації інновацій в часі і технологічному про-
сторі [45]. До цього класу моделей відноситься
і модель життєвого циклу продукту, яка також
ґрунтується на теорії перколяції [46]. Базова
модель перколяції інновацій описана в [47].
Базові симуляційні моделі Р. Нельсона і
С. Він тера мають суттєвий недолік, який по-
лягає в тому, що економічне зростання напря-
му залежить від коштів, вкладених в дослід-
ницькі програми, що не відповідає принципам
Шумпетера та фон Хайєка і взагалі принци-
пам еволюційної економіки. Саме тому вини-
кли неошумпетеріанські симуляційні моделі
(НШСМ) двох ключових типів як спроби по-
долати зазначений недолік. Перший тип ха-
рактеризується тим, що інновації в моделі
з’являються випадково і мають характер сто-
хастичного шуму. В моделях другого типу за-
стосовують введення параметра, який змен-
шує вплив реплікатора (питомої швидкості
росту) [18, 29]. В цілому НШСМ характери-
зуються пятьма аспектами: 1) безперервний по-
шук новизни; 2) динамічна зміна довкілля;
3) взаємодії між агентами нелінійні; 4) еконо-
Рис. 1. Три етапи розвитку симуляційних моделей [4]
19ISSN 1815-2066. Наука та інновації. T. 7, № 1, 2011
Наукові основи інноваційної діяльності
мічна система містить механізми відбору з
різноманітності; 5) взаємодія різноманітнос-
ті і відбору керує економічною системою, що
є далекою від рівноваги. Детальні пояснення
НШСМ можна знайти в огляді [48], а також в
монографії, написаній рядом видатних діячів
в галузі симуляційного моделювання [49].
Задля прикладу наведемо етапи створення і
результати досліджень симуляційної моделі
шумпетеріанського типу «history-friendly», яка
описує історію розвитку комп’ютерної про-
мисловості. В розробці моделі брали участь
класики еволюційної економіки Р. Нельсон і
С. Уінтер [50] 1.
Структура моделі:
1. Агенти керуються шаблонами і правила-
ми (рутинами), не розуміючи повністю струк-
туру оточення. Більше того, вони не здатні де-
тально розробити і план свого майбутнього.
Однак агенти можуть навчатися.
2. Незважаючи на початкові умови, фірма
діє і змінює їх. Прибуткова фірма розширю-
ється, нерентабельна — видаляється. Внаслі-
док останньої перспективи модель коректу-
ється. Одночасно дії всіх агентів зумовлені
загальними виробничими умовами, які визна-
чають стан для наступної ітерації моделі.
3. У моделі присутня сильна нелінійність,
яка не дозволяє розв’язати систему аналітич-
ним способом. За «замовленою» динамікою
з’являються результати, далекі від рівноваги.
4. Модель складається з окремих модулів:
Сценарний модуль. Для моделі був детально
розроблений сценарій входу нової фірми в
процес, яка на початку володіє тільки «тран-
1 Необхідні пояснення. Існують комп’ютери типів «мейн-
фрейм» (mainframe) і персональні комп’ютери (РС). Мейн-
фрейми використовувались в 70-х роках ХХ ст. і були
виготовлені із застосуванням напівпровідникових тран-
зисторів. У сучасних персональних комп’ютерах зас то-
совуються мікропроцесори, які виготовляють з викорис-
танням мікрочіпів. Мікрочіп (інтегральну схему) ви ко-
нують на одному кристалі (обо декількох, взає мо по в’я-
за них), він містить електронну схему з певною функ цією
для оброблення інформації. Мікропроцесор є централь-
ним блоком РС для керування машиною.
зисторною технологією», її розвиток з не ми-
нучими витратами на дослідження і по ліп шен-
ня «мейнфреймів» до досягнення ме жі удоско-
налень. Після цього «розпочиналася» ера мі-
кропроцесорів і РС. Деякі фірми виходять з
еволюційного процесу, деякі, які стали лідера-
ми в транзисторній технології, не спішать за-
своювати нові процеси, в усякому випадку
вони не відмовляються від старих технологій,
а для засвоєння нових створюють спеціальні
підрозділи;
Комп’ютерний модуль. Якість комп’ютера виз-
начається двома показниками: дешевизною
Х1 = 1/р, де р — ціна комп’ютера, і Х2 — деяка
технічна характеристика. Ці характеристики
поліпшуються в результаті витрат на науково-
дослідні роботи. Кожен комп’ютер має «кінець
життя», який характеризується періодом Т.
Комп’ютер може бути спроектований із засто-
суванням обох технологій: із застосуванням
транзисторів (TR) або мік ро процесорів (MP).
Технології застосовуються в різні періоди і за-
лежать від зовнішніх факторів: на початку ви-
користовуються тіль ки транзистори, оскіль ки
в період t′ мікропроцесорів нема. Обидві тех-
нології мають свої максимуми параметрів;
Модуль «Споживачі і ринки». Споживачі по-
діляються на дві групи: перша цікавиться
комп’ютерами від «великих фірм» зі знач ними
технічними характеристиками і бажає купити
«мейнфрейм». Другу групу цікавлять дешеві
комп’ютери типу РС.
Преференцію споживача розраховували за
формулою
2
min22
1
min110 )()( bb XXXXbM −−= , (1)
де М — «рівень користі», який асоціюється з
комп’ютером зі специфічними властивостями;
X1min, X2min — порогові вимоги; показники сту-
пеню b1 і b2 діють немов коефіцієнти еластич-
ності попиту, які виконують таку саму функ-
цію, як і ціна; b0 — коефіцієнт пропорційності.
Кожна група купує комп’ютери, що є на рин-
ку, з характеристиками, які близькі до М. Отже,
М можна інтерпретувати як функцію попиту.
20 ISSN 1815-2066. Science and Innovation. T. 7, № 1, 2011
Наукові основи інноваційної діяльності
Враховано, що можуть утворюватися вто-
ринні ринки. Попит може зрости внаслідок
появи нових моделей. Урахування цих факто-
рів описується вірогідністю Рі :
3
2
2
1
1
0 )()()( c
i
c
i
c
ii dAdmMcP ++= , (2)
де с0 — коефіцієнт, який приводить суму віро-
гідності до одиниці; Мі — «вартість», цінність
і-го комп’ютера; mi — частка ринку фірми, що
виробляє і-ий комп’ютер; d1 — постійна, яка
враховує, що комп’ютер, котрий ще не має сво-
єї частки на ринку і не мав попередніх прода-
жів, може мати деякий успіх у продажах; А —
рекламна витрата фірми; d2 — постійна вели-
чина, яка виконує роль, що і d1, але для фірми,
котра ще не має своє частки ринку і ще не ви-
трачалась на рекламу; с1, с2, с3 — спеціальні
константи, які враховують різні конкурентні
обставини;
Модуль «Технологічна і ринкова компетент-
ність, фінансування і калькуляційна оцінка рі-
шення». В цьому модулі визначені правила ін-
вестування в дослідницькі роботи, причому ці
роботи розділяються на роботи, пов’язані зі
здешевленням продукції і досягненням більш
високих технічних характеристик. Так само
встановлюються правила розрахунку доходів;
Модуль «Динаміка перехідного періоду». Цей
модуль розроблений з урахуванням висновків
теорії фірми. Зокрема, якщо керівництво на-
магається за допомогою жорстких вказівок
впровадити дещо нове, що кардинально від-
різняється від попереднього досвіду, воно сти-
кається з великими труднощами, особливо на
фірмах-ветеранах. Відповідно з рекомендація-
ми теорії в моделі встановлені відповідні ру-
тинні правила;
Модуль «Прийняття нової технології». При
переході на нову технологію потрібен деякий
час, і цей момент в моделі врахований. Імовір-
ність, що стара фірма буде засвоювати нову
технологію, залежить від двох змінних: про-
гресу, який буде досягнуто від впровадження
інновації, і відстані від існуючого технологіч-
ного рівня до технологічної межі транзистор-
ної технології. Досягнутий рівень цієї імовір-
ності є сигналом, «що існує нова технологія і
нам загрожують неприємності, якщо ми не
приймемо її, а будемо рухатися по старій до-
розі». Водночас фірма не має досвіду у вироб-
ництві нових комп’ютерів, тому повинні бути
зроблені інвестиції в дослідницькі програми
для набуття цього досвіду і в свої дослідження
мікропроцесорного ринку. Успішна фірма- ве-
те ран має для цього достатньо великі накопи-
чені кошти. Коли «стара» фірма наважується
на зміни, то вона буде потерпати від певних
незручностей, але при цьому здобуває і пере-
ваги. Зазначене в модулі оформлено у вигляді
математичних залежностей;
Модуль «Диверсифікація». Поширення нової
технології можливе, якщо ринок РС більше
ринку «мейнфреймів». Якщо це так, то доціль-
но припинити роботи по удосконаленню ста-
рих комп’ютерів. Для поширення технології
утворюють «дочірню фірму» (процедура ди-
версифікації була скопійована з реальної стра-
тегії ІВМ). Модель спочатку була випробува-
на на історії компанії ІВМ. На думку авторів,
після корекції модель можна застосовувати
для інших фірм зі схожою історією (саме тому
модель і називається «history-friendly» — мо-
дель «дружньої історії»).
На рис. 2 показано траєкторії індексів Гер-
фінадаля (розраховується за допомогою суми
квадратів ринкових часток конкурентів) для
Рис. 2. Реальні траєкторії індексу Герфіндаля (Н) для
транзисторної і мікропроцесорної технологій компанії
ІВМ [50]
21ISSN 1815-2066. Наука та інновації. T. 7, № 1, 2011
Наукові основи інноваційної діяльності
обох технологій. Як видно з рисунка, доміную-
чою технологією в компанії є транзисторна,
хоча досить велику частку займає і мікропро-
цесорна. Причина цього частково полягає в
тому, що фірма своєчасно перейшла до вико-
ристання мікропроцесорних технологій. По-
тім ІВМ виходить на ринок РС, займаючи зна-
чну, хоча й не домінуючу його частину.
Після корекції показників, висування різних
гіпотез було одержано симуляційні траєкторії,
які близькі до історичних (рис. 3, 4). Додатково
на рисунках показано траєкторії, які були одер-
жано в результаті державного втручання.
Очевидно (див. рис. 3, 4), що державне втру-
чання допомагає позбавитись від застарілих тех-
нологій, водночас не допомагає засвоєнню нових.
Автори моделі дійшли висновку, що модель
є достатньо простою і може використовувати-
ся для опису і прогнозування процесів зі схо-
жою історією. Водночас автори зазначають,
що ця модель є тільки спробою конкретного
застосування і може бути вдосконалена, хоча
навіть така модель дала можливість виявити
недоліки промислової політики ІВМ і вироби-
ти рекомендації для їх усунення.
Симуляційні дослідження набувають все бі-
ль шої популярності і для задоволення потреб
конкретних споживачів. Для цього створюють
спеціальні комп’ютерні центри. До таких цен-
трів відноситься, зокрема, «Лабораторія роз-
витку симуляційного моделювання» (Labo ra-
to ry for Simulation Development (LSD); Marco
Valente; Department of Economics, Uni ver sity of
L’Aquila, Italy). У лабораторії на базі сімейства
симуляційних моделей типу AL Mark Ia та ін.
[51] формують на замовлення структуру мо-
делі, визначають варіанти і параметри, програ-
мують модель в компільованому коді С++ з
ди намічно розташованою пам’яттю і прово-
дять про гонки. Комп’ютерна модель переда-
ється споживачеві, якому не потрібні попере-
дні знання з програмування (достатньо про-
йти курс LSD), для керівництва у практичній
діяльності. У подальшому споживачі можуть
самостійно вносити зміни в еталонну модель.
Моделі доступні у Windows, Unix та ОС Mac.
Графічний матеріал подається у форматі EPS.
Зазначимо, що перевагою симуляційних мо-
делей типу Mark (як і комп’ютерних моделей
взагалі) є можливість одночасно досліджува-
ти еволюційний розвиток декількох фірм. Як-
що з цією метою використовувати конкурент-
ну модель Лоткі—Вольтерра [52], то для одно-
часного спостереження поведінки 5-и фірм
потрібно вирішення системи, що складається
з 10-и пар диференціальних рівнянь. Крім цих
складностей модель Лоткі—Вольтерра, на від-
міну від моделей AL Mark (крім найпростішої
AL MARK Іa), передбачає конкуренцію лише
однопродуктових фірм, які випускають гомо-
генні продукти, при цьому виробничі функції
Рис. 4. Симуляційні траєкторії індексу Герфіндаля (Н)
для мікропроцесорної технології компанії ІВМ за різних
значень часу державного втручання: 1 — через рік; 2 —
через 5 років; 3 — через 10 років; 4 — через 20 років; 5 —
без державного втручання [50]
Рис. 3. Симуляційні траєкторії індексу Герфіндаля (Н)
для транзисторної технології компанії ІВМ за різних
значень часу державного втручання: 1 — через рік; 2 —
через 5 років; 3 — через 10 років; 4 — через 20 років; 5 —
без державного втручання [50]
22 ISSN 1815-2066. Science and Innovation. T. 7, № 1, 2011
Наукові основи інноваційної діяльності
не змінюються. Отже, модель Лоткі—Во ль-
тер ра може бути корисною для прогнозуван-
ня лише за умови регулярності аналізу траєк-
торій через певні проміжки часу.
До сучасних чисто комерційних консуль-
таційних фірм, які працюють на конкретно -
го клі єнта, відноситься, наприклад, амери-
канська фір ма Simulation Modeling Services,
LLC, яка спеціалізується на обслуговуванні
підп риємств, пов’язаних з охороною здоров’я.
За допомогою стимуляційної програми клі-
єнти ви разно уявляють для себе результати
опера тив них змін перед здійсненням реаль-
них дій, візуально бачать потенційно вузькі
місця і мож ливі конфлікти [53]. Подібною ді-
яльністю зай мається і консультаційна фірма
Simulation USA, яка надає послуги виробни-
чим компа ніям, бізнесовим структурам як у
сфері ви роб ництва, так і у сферах торгівлі і
фінансах [54]. Консуль таційна фірма EconSys
(США) за допомогою симуляційного методу
дає змогу замовникам знаходити оптималь-
ний розмір шта ту [55].
У США існують і більш значні компанії, які
займаються комерційними симуляційними до-
с лідженнями. До таких компаній відноситься
Information Research Corporation (IRC), що зна-
ходиться в Західній Вірджинії. Клієнтами кор-
порації є структури державного значення всіх
країн, такі, як ФБР, міністерство оборони,
НАСА тощо. Доходи корпорації є значними.
Так, за 5 років компанія з корпорацією Локхід
Мартін уклала контракти на суму 47 млн. дол.
США; від контрактів з міністерством оборо-
ни США за три роки, починаючи від 2008 р.,
фірма одержить 497 млн. дол. США. Зрозумі-
ло, що IRC виконує не тільки симуляційні
дослідження, тобто послуги для підтримки
управління. У коло її завдань входить також
ор ганізація на замовлення клієнтів інфраст-
руктурних комп’ютерно-аналітичних центрів,
тобто їх проектування, будівництво, розвиток,
інтегрування центрів, навчання клієнтів, ана-
ліз технологій, різноманітні перевірки і оцінки
тощо. Клієнти вимагають, щоб інструменти
моделювання і результати моделювання точно
демонстрували всі аспекти їх ділових проце-
сів, можливості управління каналами поста-
чання та перспективами розвитку оператив-
них систем [56].
У доробку методу симуляційного моделю-
вання є створення прикладних моделей і ви-
рішення за їх допомогою з чисто практичною
метою процесів розвитку багатьох галузей про-
мисловості. Зокрема даний метод був вико-
ристаний для
аналізу інноваційної поведінки у фармацев-
тичній промисловості [57];
вивчення фармацевтичної промисловості в
динаміці ринку [58];
аналізу ринку реактивних двигунів [57];
вивчення еволюції в хімічній і фармацевтич-
ній промисловостях [57];
вивчення еволюції і поточної конкуренції на
ринку електричних двигунів [57];
аналізу ринку електроенергії [59];
аналізу ринку мобільного зв’язку [60];
досліджень виникнення мікрокогенерацій в
Нідерландах [61];
спостережень закономірної сегрегації групи
фірм, що входять у певну структуру мереж-
ної економіки [62];
дослідження коеволюції комп’ютерної і на-
півпровідникової промисловостей [63];
дослідження мережної економіки як дифу-
зії знань в європейському регіоні [64].
У 2010 р. за допомогою методу симуляцій-
ного моделювання вдалося адекватно описати
перехід розвитку економічних мікроструктур
в макроструктурні організації, який відпові-
дав емпіричним даним [65]. До цього часу ви-
користання неокласичних моделей не давало
позитивних результатів — мікро- і макрострук-
тури існували немов би незалежно.
Зауважимо, що результати досліджень симу-
ляційного моделювання, які виконувалися на за-
мовлення конкретних фірм, є конфіденціальною
інформацією, яка не підлягає розголошенню.
Метод симуляційного моделювання вже вий-
шов за рамки вузької спеціалізації і виклада-
23ISSN 1815-2066. Наука та інновації. T. 7, № 1, 2011
Наукові основи інноваційної діяльності
ється в деяких університетах в рамках еконо-
мічної теорії та інформатики [66—68].
Отже, можна зробити висновок, що метод
симуляційного моделювання в розвинених
країнах набув легітимності, успішно розвива-
ється і набуває комерційної привабливості.
Ніщо не заважає застосовувати його з прагма-
тичними цілями і на теренах нашої країни.
ЛІТЕРАТУРА
1. Кюнтцель C. Эволюционное моделирование и кри-
тический реализм // Вопросы экономики. — 2009. —
№ 1. — С. 101—118.
2. Макашева Н.А. Компьютерные симуляции и эко но-
мическая наука: методологический и эпи ст е мо ло ги-
чес кий аспекты // 7-й Международный симпозиум
по эволюционной экономике, 14—15 сентября 2007,
Пущино. — М.: ИЭ РАН, 2008. — economics.hse.ru/
.../179/418/1241/simp_-klyukin.doc.
3. Richard R. Nelson and Sidney G. Winter. An Evolutionary
Theory of Economic Change. — London: The Belknap
Press of Harvard University Press, 1982; Нельсон Р.,
Уинтер С. Эволюционная теория экономических из-
менений: Пер. с англ. — М.: Дело, 2002. — 487 с.
4. Kwasnicki W. Schumpeterian modelling // Forthcoming
in The Elgar Companion to Neo-Schumpeterian
Economics, edited by Horst Hanusch and Andreas Pyka
(The first version — March 28th, 2003). — ttp://prawo.
uni.wroc.pl/~kwasnicki/todownload/Schumpe-te rian
20modelling.pdf.
5. Silverberg G. Technical Progress, Capital Accumulation
and Effective Demand: A Selforganisation Model, Uni-
ver sitat Stuttgard // Published in D. Batten (ed. (1987)
Economic Evolution and Structural Change. — Berlin-
Heidelberg-New York: Springer-Verlag, 1985.
6. Silverberg G., Dosi G., Orsenigo L. Innovation, Diversity
and Diffusion: A Self-Organisation Model // Economic
Journal. — 1988. — V. 98. — P. 1032—1054.
7. Kwasnicka H., Kwasnicki W. Market, Innovation, Com-
petition. An evolutionary model of industrial dynamics //
Journal of Economic Behavior and Organization. —
1992. — V. 19. — P. 343—368.
8. Silverberg G., Lehnert D. Long Waves and ‘Evolutionary
Chaos’ in a Simple Schumpeterian Model of Embodied
Technical Change // Structural Change and Economic
Dynamics. 1993. — V. 4. P. 9—37.
9. Silverberg G., Lehnert D. Evolutionary Chaos: Growth
Fluctuations in a Schumpeterian Model of Creative De-
struction // MERIT Report 93-003, 1993.
10. Silverberg G., Verspagen B. Learning. Innovation and
Economic Growth: A Long-run Model of Industrial
Dynamics // Industrial and Corporate Change/ — 1994. —
V. 3, No 1. — P. 199—223.
11. Silverberg G., Verspagen B. Economic Dynamics and
Behavioral Adaptation: An Application to an Evo luti o-
na ry Endogenous Growth Model // IIASA Working pa-
per WP-94-84, 1994.
12. Silverberg G., Verspagen B. Collective learning, innova-
tion and growth in a boundedly rational, evolutionary
world // Journal of Evolutionary Economics. — 1994. —
V. 4. — P. 207—226.
13. Silverberg G., Verspagen B. From the Artificial to the En-
dogenous: Modelling Evolutionary Adaptation and Eco-
nomic Growth // IIASA Working paper WP-95-08, 1995.
14. Silverberg G., Verspagen B. An Evolutionary Model of
Long Term Cyclical variations of Catching Up and Fall-
ing Behind // IIASA Working paper WP-95-09, 1995.
15. Dosi G., Fabiani S., Freeman Ch., Aversi R. On the Process
of Economic Development // Center for Research in
Management, University of California at Berkeley, CCC
Working Paper No. 93-2, 1993.
16. Dosi G., Marsili O., Orsenigo L., Salvatore R. Learning,
Market Selection and the Evolution of Industrial Stru-
ctures // Small Business Economics. 1995. — V. 7. —
P. 411—436; first published in 1993 as working paper:
Center for Research in Management, University of Ca-
lifornia at Berkeley, CCC Working Paper No. 93-9.
17. Dosi G., Fabiani S., Aversi R., Meacci M. The Dynamics
of International Differentiation: A Multi-country Evo-
lu tionary Model // Industrial and Corporate Change.
1994. — V. 2, No 3. — P. 225—241.
18. Windrum P., Birchenhall C. Is product life cycle theory a spe-
cial case? Dominant design and the emergence of mar ket
ni ches through coevolutionary-learning // Struc tural Chan-
ge and Economic Dynamics. — 1998. — V. 9. — P. 109—134.
19. Yildizoglu M. Modelling Adaptive Learning: R&D Stra-
tegies in the Model of Nelson & Winter (1982) // Ins-
titut fédéral de recherches sur les dynamques. Université
Montesquieu (France, Bordeau). Document de travail
№ 2001-1 (Juin 2001). — 15 p.
20. Winter S.G. Kaniovski Y. M., Dosi G. A Baseline Model of
Industry Evolution // IIASA Working Report IR-97-
013, 1997.
21. Winter, S.G. Kaniovski Y. M., Dosi G. Modeling industrial
dynamics with innovative Entrants // Structural Chan ge
and Economic Dynamics. — 2000. — V. 11. — P. 255—293.
22. Malerba F., Orseniga L. Schumpeterian Patternof In no-
va tion // Cambridge Journal of Economic. — 1995. —
V. 19, No 1. — P. 47—65.
23. Breschi S., Malerba F., Orsenigo L. Technological Regimes
and Schumpeterian Patterns of Innovation // The Eco no-
mic Journal. — 2000. — V. 110, No 463. — P. 388—410.
24. Durlauf S.N. Neightborhood Feedback, Endogenous Stra-
tification, and Income Inequality / in Barnett W., Gan-
24 ISSN 1815-2066. Science and Innovation. T. 7, № 1, 2011
Наукові основи інноваційної діяльності
dolf G., Hillinger C., (eds). Dynamic Disequilibrium Mo-
delling. — Cambridge: Cambridge University Press, 1996.
25. Weisbuch G., Kirman A.P., Herreiner D. Market Or -
ga ni sa tion // GREQAM. — Marseille: Working Paper
96A20, 1996.
26. Orlean А. Bayesian Interactions and Collective Dy na-
mics of Opinions: Herd Behavior and Mimetic Conta-
gi on // Journal of Economic Behavior and Organiza-
tion. — 1995. — V. 28. — P. 257—274.
27. Schlag K.H. Why Imitate, and If So, How? A Bounded
Ra tional Approach to Multi-Armed Bandits — Uni ver-
sity of Bonn: Discussion Paper, 1996.— http://ideas.
repec.org/p/bon/ bonsfb/361.html
28. Weibull J. Evolutionary Game Theory. — Cambridge, MA:
MIT Press, 1995. — http://www.im.pwr.wroc.pl/b~isdg
08/pliki/Weibull1210101852581688583.pdf
29. Metcalfe J.S. The Diffusion of Innovation: An In ter p re ta-
tive Survey / in G. Dosi et al. (eds) Technical Chan ge and
Economic Theor. — London: Pinter, 1988. — Р. 560—589.
30. Kwasnicki W., Kwasnicka H. Market, innovation, compe-
tition: an evolutionary model of industrial dynamics //
Journal of Economic Behavior and Organization. —
1992. — V. 19. — P. 343—368.
31. Kwasnicki W. Knowledge, Innovation and Economy. An
Evo lutionary Exploration. — Aldsershot: Edward Elgar,
1996.
32. Kwasnicki W. 1996b, Technological Development: An
Evolutionary Model and Case Study. // Technological
Fo recasting and Social Change. — 1996. — V. 52. —
P. 31—57.
33. Iwai K. Schumpeterian Dynamics. I: An Evolutionary
Mo del of Innovation and Imitation // Journal of Eco-
nomic Behavior and Organization. — 1984. — V. 5 —
P. 159—190.
34. Iwai K. Schumpeterian Dynamics. II: Technological Pro-
gress, Firm Growth and Economic Selection // Journal
of Economic Behavior and Organization. 1984. — V. 5. —
P. 321—351.
35. Henkin G.M., Polterovich V.M. 1991, Schumpeterian Dy na-
mics as a Non-linear Wave Theory // Journal of Ma the-
matical Economics — 1991. — V. 20. — P. 551—590.
36 Silverberg G. Embodied Technical Progress in a Dynamic
Economic Model: the Self-Organization Paradigm / in Go-
odwin R., Krüger,M., Vercelli A., (eds) Nonlinear Mo dels
of Fluctuating Growth. — 19: 192-208 Berlin-Hei del-
berg-New York: Springer Verlag, 1984. — P. 192—208.
37. Silverberg G., Lehnert D. Growth Fluctuations in an
Evo lutionary Model of Creative Destruction / in Sil ver-
berg G., Soete, L., (eds). The Economics of Growth and
Technical Change: Technologies, Nations, Agents. —
Aldershot: Edward Elgar, 1994.
38. Englmann F.C. Innovation, Diffusion, Employment and
Wage Policy // Journal of Evolutionary Economics. —
1992. — V. 2. — P. 179—193.
39. Englmann, F.C. A Schumpeterian Model of Endogenous
Innovation and Growth // Journal of Evolutionary
Economics. — 1994. — V. 4. — P. 227—242.
40. Foster D., Young P. Stochastic Evolutionary Game Dy-
namics // Theoretical Population Biology. — 1990. —
V. 38. — P. 219—232.
41. Young H.P. The Evolution of Conventions // Eco no met-
rica. — 1993. — V. 61, No 1. — P. 57—85.
42. Young H.P. 1996, The Economics of Convention // Jour-
nal of Economic Perspectives. — 1996. — V. 10, No 2. —
P. 105—122.
43. Kandori M., Mailath G.J., Rob R. Learning, Mutations,
and Long Run Equilibrium in Games // Econometrica. —
1993. — V. 61, No 1. — P. 29—56.
44. Percolation theory. — http://en.wikipedia.org/wiki/ Per-
colation_theory.
45. Silverberg G., Verspagen B. Self-organization of R&D
Search in Complex Technology Spaces (2005) — http://
ideas.repec.-orp/dgr/umamer/2005015.html.
46. Frenken K., Silverberg G., Valente M. A Percolation Mod-
el of the Product Lifecycle // Danish Research Unit for
Industrial Dynamics. DRUID Working Paper No. 08-20
(2008). — www.druid.dk.
47. Hohnisch M., Pittnauer S., Stauffer D. A Percolation-Ba-
sed Model Explaining Delayed Take-Off in New-Prod-
uct Diffusion // Bonn Graduate School of Economics
University of Bonn. Discussion Paper 9/2006 (April
2006). — 18 p. — http://www.bgse.uni-bonn.de/BGSE/
bonn-econ-papers-1/archive/ 2006/bgse9_2006.pdf.
48. Windrum P. Neo-Schumpeterian Simulation Models //
Maastricht Economic Research Institute on Innovation
and Technology (MERIT) — Infonomics Research Me-
mo randum series 2004-002. — http://www.merit.unu.
edu/publications/rmpdf/2004/ rm2004-002.pdf.
49. Elgar Companion to Neo-Schumpeterian Economics /
Horst Hanusch, Andreas Pyka (eds). — Cheltenham,
Camberley (UK), Northampton (MA, USA): Edward
Elgar Publishing, 2007. — 1232 p.
50. Malerba F., Nelson R., Orsenigo L., Winter S. History-
Friendly Models: An Overview of the Case of the Com-
puter Industry // Journal of Artificial Societies and So-
cial Simulation. — 2001. — Vol. 4, No 3. — http://jasss.
soc.surrey.ac.uk/4/3/6.html.
51. Andersen E.S., Valente M. Model Exploration and Exten-
sion in the Laboratory for Simulation Development.
Chapter 1: Introduction to Artificial Evolutionary Proc-
esses // Danish Research Unit for Industrial Dynamics
(DRUID) — http://www.business.aau.dk/evolution/
esapapers/esa02/andval1.pdf.
52. Козик В.В., Сидоров Ю.І., Скворцов І.Б., Тарасовсь -
ка О.Б. Застосування моделі Лоткі—Вольтерра для
опису дуопольно-дуопсонієвої конкуренції // Ак ту-
альні проблеми економіки. — 2010. — № 2(104). —
С. 252—260.
25ISSN 1815-2066. Наука та інновації. T. 7, № 1, 2011
Наукові основи інноваційної діяльності
53. Simulation Modeling Services. Independent consultants
serving manufacturing, healthcare, material handling,
and service industries. — http://www.simulation-mode-
ling.com/.
54. Simulation Modeling Services. — http://simulationusa.
com/index.html.
55. Economic Systems Inc. — http://www.econsys.com/
ma nage_simulation.htm.
56. Welcome to Information Research Corporation. — http://
www.ircwv.com/index.cfm?page=Simulation_Mo-
deling.
57. Saviotti P. P. Applied Evolutionary Economics: New
Empirical Methods and Simulation Techniques. — Chel-
tenham: Edward Elgar Publishing, 2003.
58. Malerba F., Orsenigo L. Towards a History Friendly
Model of Innovation, Market Structure and Regulation
in the Dynamics of the Pharmaceutical Industry: the
Age of Random Screening // KITeS Working Papers
124, KITeS, Centre for Knowledge, Internationalization
and Technology Studies, Universita Bocconi, Milano,
Italy, revised Jan 2001.
59. Bunn D., Oliveira F. S. Agent-Based Analysis of Techno-
logical Diversification and Specialisation in Electricity
Markets // European Journal of Operations Research. —
2007. — V. 181, No 3. — P. 1265—1278.
60. Пономарев А.Е., Кюнтцель С.В. Эволюционный под-
ход к моделированию сетевых рынков: пример рынка
мобильной связи. — http://vorona.hse.ru/sites/sec-
ond_level/rf/ UU2007NF/Busygin/…
61. Faber A., Valente M., Janssen P. Exploring Domestic Mi-
cro-cogeneration in the Netherlands: An Agent-based
Demand Model for Technological Diffusion // Energy
Policy. — 2010. — V. 38(6). — P. 2763—2775.
62. Fagiolo G., Valente M., Vriend N.J. Segregation in net-
work // J. of Ecinomic Behavior & Organization. —
2007. — V. 64. — P. 316—336.
63. Malerba F., Nelson R., Orsenigo L., Winter S. Public poli-
cies and changing boundaries of firms in a «history-
friendly» model of the co-evolution of the computer and
semiconductor industries // J. of Economic Behavior &
Organization. 2008. — V. 67(2). — P. 355—380.
64. Cassi L., Corrocher N., Malerba F., Vonortas N, 2008. Re-
search Networks As Infrastructure For Knowledge Dif-
fusion In European Regions // Economics of Innovation
and New Technology, Taylor and Francis Journals. —
2008. — V. 17(7—8). — P. 663—676.
65. Ciarli T., Lorentz A., Savona M., Valente M. The Effect of
Consumption and Production Structure on Growth and
Distribution. A Micro to Macro Model // Metroeco-
nomica. — 2010. — V. 61, No 1. — P. 180—218.
66. Robinsoт S. http://www.amazon.co.uk/Simulation-Prac-
tice-Model-Developmentand-Use/dp/0470847727/ref
=sr_1_5/026-3213125-0308431?ie=UTF8&s=books&
qid=1185875807&sr=1-5 — # Simulation: The Practice
of Model Developmentand Use. — UK, John Wiley &
Sons, 2003.
67. Safarzyńska Karolina Ewa. Evolutionary Modelling of
Tran sitions to Sustainable Development. — Amsterdam:
Vrije Universiteit, 2009. — 204 р. — http://dare.ubvu.
vu.nl/ bitstream/1871/ 15603/5/9032.pdf.
68. Макаров В. О применении метода эволюционной эко-
номики // Вопросы экономики. — 1997. — № 3. —
С. 18—26. — http://www.auditorium.ru/books/596/
ma karov.pdf.
О.Е. Кузьмин, В.В. Козык, Ю.И. Сидоров, В.Э. Ерашок
СИМУЛЯЦИОННОЕ МОДЕЛИРОВАНИЕ
ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ
Рассмотрена история возникновения, современное
состояние и будущее метода абдукционного компьютер-
ного агентного симуляционного моделирования. Данный
метод используют для объяснения эволюционных про-
цессов, происходящих в экономике, а также для прогно-
зирования развития экономических структур. Несмотря
на ряд недостатков (в частности, недостаточно реалис-
тичное поведение агентов), которые можно преодолеть
путем усовершенствования как содержательной части
модели, так и компьютерных программ, метод уже ис-
пользуется в коммерческих и экспертных целях по зака-
зу отдельных фирм, отдельных отраслей промышлен-
нос ти и правительств различных стран.
Ключевые слова: симуляционное моделирование,
симуляционное исследование, прогнозирование.
O.E. Kuz'min, V.V. Kozik, Y.I. Sidorov, V.E. Yerashok
SIMULATION DESIGN
OF ECONOMIC PROCESSES
History of origin, modern state and future of method of
аbduction аgent-based computer simulation modeling is
considered. The method is used for explanation of evolu-
tional processes’ proceeding in economy and also for prog-
nostication of the development of economic patterns. In
spite of failings (in particular, not enough realistic agent be-
havior) which can be overcame by the improvement of both
model’s content parts and software, the method is already
used with commercial and expert aims by individual firms,
industries and governments of different countries.
Key words: simulation design, simulation research,
prognostication.
Надійшла до редакції 23.09.10
|