|
2015. №1 (31)
|
Моделирование социальных и экономических систем
|
7–17
|
Романов Виктор Петрович - доктор технических наук, профессор кафедры информационных систем в экономике и менеджменте, факультет математической экономики и информатики, Российский экономический университет им. Г.В.Плеханова Адрес: 117997, Москва, Стремянный пер., д. 36. E-mail: victorromanov1@gmail.com
Ахмадеев Булат Анасович - аспирант кафедры информационных систем в экономике и менеджменте, факультет математической экономики и информатики, Российский экономический университет им. Г.В.Плеханова Адрес: 117997, Москва, Стремянный пер., д. 36. E-mail: bulat.a@mail.ru
В работе анализируется понятие и сущность процессов слияний и поглощений компаний, приводится аналитический обзор имеющейся в научной и специальной литературе информации об этих процессах. Выявлены мотивы и цели участников данных сделок, а также их виды. Рассмотрены наиболее значимые слияния и поглощения компаний в сфере информационных технологий за последнее десятилетие, показан синергетический эффект от этих процессов в их деятельности, проявляющийся в случае, когда цель поглощения – доступ к новым технологиям или погоня за талантливыми кадрами. Показаны последствия слияний и поглощений компаний с позиции процессов развития природных экосистем, проводятся аналогии с биологическими отношениями, имеющими характер поглощения типа «хищник-жертва». Выявлено, что объекты в экономических системах имеют схожее поведение с поведением объектов в биологических системах. Показано, что биологическая экосистема в определенном виде может иметь инновационный характер, формируясь за счет построения эффективных финансовых, информационных и других видов обратных связей между хозяйствующими субъектами. Анализируется понятие инновационной экосистемы и разбираются основные факторы, приводящие к ее росту. Предлагается авторская модель динамического развития инновационной экосистемы на основе модели Лотки-Вольтерры (модель «хищник-жертва»), где хищники представлены корпорациями, а жертвы – малыми инновационными предприятиями (МИП). Модель, реализованная в авторской компьютерной программе, при определенных параметрах системы дает монотонный экспоненциальный рост популяций. Сделаны выводы о том, что рост инновационной экосистемы возможен за счет правильного регулирования параметров налогообложения корпораций, дотаций малым инновационным предприятиям, регулированию внутривидовой конкуренции и коэффициента поглощения малых инновационных предприятий корпорациями. |
|
18–30
|
Громов Александр Игоревич - кандидат химических наук, профессор кафедры моделирования и оптимизации бизнес-процессов, факультет бизнес-информатики, Национальный исследовательский университет «Высшая школа экономики» Адрес: 101000, г. Москва, ул. Мясницкая, д. 20. E-mail: agromov@hse.ru
Билинкис Юлия Андреевна - преподаватель кафедры моделирования и оптимизации бизнес-процессов, факультет бизнес-информатики, Национальный исследовательский университет «Высшая школа экономики» Адрес: 101000, г. Москва, ул. Мясницкая, д. 20. E-mail: ystavenko@hse.ru
Фляйшман Альберт - Owner, Interaktiv Unternehmensberatung Адрес: 16, Burgfriedenstraße, Pfaffenhofen, 85276, Germany E-mail: albert.fleischmann@interaktiv.expert
Новикова Татьяна Валентиновна - преподаватель кафедры моделирования и оптимизации бизнес-процессов, факультет бизнес-информатики, Национальный исследовательский университет «Высшая школа экономики» Адрес: 101000, г. Москва, ул. Мясницкая, д. 20. E-mail: tvnovikova@hse.ru
Худобин Евгений Игоревич - Генеральный директор, компания «Центр эффективных организаций» Адрес: 115280, Москва, ул. Ленинская Слобода, д. 19, стр. 6. E-mail: eugenex@yandex.ru
Торшин Дмитрий Вячеславович - Директор по инвестициям, группа компаний «АйТи» Адрес: 115280, Москва, ул. Ленинская Слобода, д. 19, стр. 6. E-mail: dtorshin@it.ru
В работе рассматривается возможность структурирования инновационной деятельности, влекущая за собой формирование инновационного процесса и способов управления в изменяющихся внешних и внутренних условиях. Анализируются работы, посвященные задаче возникновения инноваций в процессах управлениями знаниями и моделям инновационного процесса, основанных на знании и обучении. В действительности организации сталкиваются с проблемами, спровоцированными устаревшими концепциями коллективной деятельности, обусловленной геополитическими и экономическими проблемами, что побуждает их искать способы объединения в сообщества экспертов не только собственных сотрудников, но и клиентов, партнеров и других лиц, способных к коллективной творческой деятельности. В связи с этим предложен новый подход для определения инновационного процесса как «ad-hoc процесса», реализуемого в методологии субъектно-ориентированного управления деятельностью (S-BPM). Новый поход предложен на основе выделения особенностей инновационного процесса, в связи с которыми определена методология моделирования и определены требования к автоматизации инновационного процесса с учетом метода имитационного моделирования и особенностей реализации в РФ. Работа основана на обследовании российских компаний за последние 20 лет, в которых были выявлены процессные недостатки, стандартные практически для всех компаний. На основе данного исследования сформулированы особенности инновационного процесса, характерные для российских компаний. В результате выработан альтернативный подход к анализу и управлению бизнес-процессами, основанный не на дискретных характеристиках, а на анализе реального контента (т.е. сущностного содержания в реальном времени) околопроцессного окружения. |
Математические методы и алгоритмы бизнес-информатики
|
31–40
|
Гурвич Владимир Александрович - Профессор прикладной математики и информатики, Центр исследования операций, Ратгерс, Университет Штата Нью-Джерси, США Адрес: 100, Rockafeller Road, Piscataway, NJ, 08854, USA. E-mail: gurvich@rutcor.rutgers.edu, vladimir.gurvich@gmail.com
В статье рассматривается пример конечной позиционной игры с полной информацией и без случайных ходов (игра типа шахмат), не имеющей равновесий Нэша в чистых стационарных стратегиях. В этом примере число игроков n = 4, число терминалов p = 5; при этом имеется всего один ориентированный цикл. Известно, что игра типа шахмат имеет равновесие Нэша, если (А) n £ 2, или (B) p £ 3 и (C) для каждого из игроков любая бесконечная партия хуже любого терминала. Таким образом, вопрос о разрешимости по Нэшу игр типа шахмат остается открытым в следующих случаях: n = 3, или 2 £ p £ 4, или при каких-либо n и p, если условие (C) выполняется. |
|
41–50
|
Бабина Ольга Ивановна - старший преподаватель кафедры экономики и управления бизнес-процессами, Институт управления бизнес-процессами и экономики, Сибирский федеральный университет Адрес: 660074, г. Красноярск, ул. Киренского, д. 26а. E-mail: babina62@yahoo.com
Имитационное моделирование является современным инструментом для решения задач планирования и управления работы складской системы. Суть имитационного моделирования заключается в разработке компьютерной программы и проведения на ней серии экспериментов, позволяющих определять оптимальные сценарии работы склада. В последние десять лет на Западе получила развитие и применение так называемая концепция оптимизации имитационного моделирования (simulation optimization), на базе которой разработаны пакеты оптимизации, интегрированные в системы имитационного моделирования и позволяющие пользователям автоматически находить оптимальные решения. В связи с этим стали появляться так называемые оптимизационные имитационные модели. Оптимизационную имитационную модель можно определить как процесс нахождения наилучшего набора входных переменных модели без участия пользователя в оценке каждого варианта решения. Основной целью построения оптимизационной имитационной модели является получение максимума информации о работе моделируемой системы, что является предпосылкой для успешного решения задач минимизации используемых на складе ресурсов. В статье рассмотрен практический пример построения оптимизационной и имитационной моделей склада промышленного предприятия по производству бетона. Моделируются процессы функционирования складской системы в программной среде ExtendSim и оптимизируется прибыль предприятия с использованием эволюционного алгоритма. Модель оптимизации выполнена с помощью блока Optimizer, интегрированного в ExtendSim. Целью моделирования является исследование влияния параметров стратегий управления запасами на показатели работы склада, а также максимизация прибыли предприятия от продажи продукции. В работе приводится описание процесса построения модели и полученных результатов моделирования. Имитационная оптимизационная модель в планировании деятельности склада позволяет повысить точность учета материалов и складских операций, сократить уровень складских запасов, уменьшить затраты на хранение материалов, увеличить производительность труда на складе, а также анализировать количественные показатели работы склада. |
|
51–57
|
Ефимов Евгений Николаевич - доктор экономических наук, профессор кафедры информационных технологий и защиты информации, факультет компьютерных технологий и информационной безопасности, Ростовский государственный экономический университет (РИНХ). Адрес: 344002, г. Ростов-на-Дону, ул. Большая Садовая, д. 69. E-mail: efimov46@mail.ru
Лапицкая Галина Мелконовна - кандидат экономических наук, профессор кафедры информационных технологий и защиты информации, факультет компьютерных технологий и информационной безопасности, Ростовский государственный экономический университет (РИНХ). Адрес: 344002, г. Ростов-на-Дону, ул. Большая Садовая, д. 69. E-mail: gmlapickaya@mail.ru
На всех этапах жизненного цикла системе защиты информации присущи неопределенность ее свойств в условиях реального воздействия случайных факторов из внешней и внутренней среды. По мере реализации проекта системы неопределенность снижается, но эффективность функционирования никогда не может быть адекватно выражена и описана детерминированными показателями. Тогда к оценке эффективности реализации и функционирования систем защиты информации наилучшим образом применимы вероятностные методы. В соответствии с этими методами уровни гарантий безопасности системы трансформируются в доверительные вероятности соответствующих оценок показателей. В этих условиях данные для оценки эффективности мероприятий по повышению информационной безопасности можно получить с помощью имитационного моделирования. Предложенная методика расчета оценки результата воздействия мероприятий по информационной безопасности в компании базируется на моделировании оценок предотвращенных потерь. Значение предотвращенных потерь может быть рассчитано, исходя из вероятности возникновения инцидента информационной безопасности и возможных экономических потерь от него до и после реализации мероприятий по обеспечению информационной безопасности на объекте. Получаемое в результате моделирования суммарное значение предотвращенных потерь по всем инцидентам информационной безопасности позволяет задать и осуществить сценарный расчет возможного эффекта от проведенных мероприятий. Итоговый расчет эффективности мероприятий по повышению информационной безопасности компании может быть выполнен любым из известных методов. В мировой практике для оценки эффективности ИТ-проектов широко применяется стандартный метод анализа затрат и выгод (Cost Benefit Analysis, CBA). Реализация предлагаемого варианта расчета эффективности мероприятий по повышению информационной безопасности выполнена на примере в методе CBA. Основным достоинством предлагаемой методики расчета эффективности мероприятий по повышению информационной безопасности является учет неопределенности реальной действительности с помощью имитационного моделирования. Это позволяет в определенной степени повысить достоверность расчетов эффекта. |
Анализ данных и интеллектуальные системы
|
58–68
|
Демидова Лилия Анатольевна - доктор технических наук, профессор кафедры вычислительной и прикладной математики, факультет вычислительной техники, Рязанский государственный радиотехнический университет. Адрес: 390000, г. Рязань, ул. Гагарина, д. 59/1. E-mail: liliya.demidova@rambler.ru
Рассматриваются модели краткосрочного прогнозирования коротких временных рядов наоснове строго бинарных деревьев и модифицированного алгоритма клонального отбора, обеспечивающие повышение точности прогноза посредством поиска аналитических зависимостей, формируемых на основе антител, кодирующих строго бинарные деревья и адекватно описывающих известные значения временных рядов. Антитело представляет собой символьную строку, элементы которой выбираются из трёх предварительно заданных символьных алфавитов: алфавита арифметических операций; алфавита функционалов и алфавита терминалов. Использование трех символьных алфавитов обеспечивает при реализации модифицированного алгоритма клональногоотбора корректное преобразование в аналитические зависимости случайным образом формируемых антител, структура которых может быть описана с помощью строго бинарных деревьев. При кодировании антител на основе строго бинарных деревьев осуществляется последовательная запись в символьную строку всех узлов строго бинарного дерева, начиная слева направо и снизу вверх. При формировании аналитических зависимостей на основе антител используется рекурсивная процедура интерпретирования антител. Модифицированный алгоритм клональногоотбора относится к группе эволюционных алгоритмов, реализующих возможность одновременного поиска среди нескольких альтернативных вариантов решений и выбора лучших из них. Главной отличительной особенностью модифицированного алгоритма клональногоотбора является применение механизмов клональной селекции, гипермутации и супрессии в ходе смены поколений популяций антител, используемых для формирования искомых аналитических зависимостей. Предложен и исследован новый подход к оценке качества моделей прогнозирования на основе строго бинарных деревьев и модифицированного алгоритма клональногоотбора. Показана целесообразность одновременного учета значений средней относительной ошибки прогнозирования и показателя несовпадения тенденций при вычислении аффинитета антител с целью оценки качества моделей прогнозирования, определяемых с использованием аналитических зависимостей, формируемых на основе строго бинарных деревьев. Рассматриваемый подход к оценке качества моделей прогнозирования позволяет при реализации модифицированного алгоритма клонального отбора исключить из дальнейшего рассмотрения модели прогнозирования, характеризующиеся большими значениями показателя несовпадения тенденций. Предлагаемые модели прогнозирования позволяют существенно сократить время поиска аналитической зависимости, наилучшим образом описывающей известные значения коротких временных рядов, и могут быть рекомендованы для решения задач краткосрочного прогнозирования (на 1-3 шага вперед). |
|
69–77
|
Бекларян Армен Левонович - преподаватель кафедры бизнес-аналитики, факультет бизнес-информатики, Национальный исследовательский университет «Высшая школа экономики» Адрес: 101000, г. Москва, ул. Мясницкая, д. 20. E-mail: abeklaryan@hse.ru
Акопов Андраник Сумбатович - доктор технических наук, профессор кафедры бизнес-аналитики, факультет бизнес-информатики, Национальный исследовательский университет «Высшая школа экономики» Адрес: 101000, г. Москва, ул. Мясницкая, д. 20. E-mail: aakopov@hse.ru
В статье развивается феноменологический подход к моделированию поведения толпы. Рассматривается непрерывная стохастическая агентная модель движения людей в ограниченном пространстве с заданной геометрией с использованием уточнений как состояния агента, так и системы принятия решений агентом, приведенных в моделях Хелбинга (молекулярный подход). Такая интеграция представляется наиболее перспективным развитием данного класса задач, ввиду того, что феноменологический подход (модель Бекларяна–Акопова) позволяет привнести естественную дискретизацию задачи с последующим вычислением приращения всех характеристик агентов в каждый момент времени, а использование элементов молекулярного подхода (модели Хелбинга) позволяет описать максимально реалистичную систему принятия решений агентом. Это снимает сложный вопрос численного интегрирования уравнений Ньютона, лежащих в основе моделей Хелбинга, и предлагает явные вычисления всех характеристик системы. В результате в системе имитационного моделирования AnyLogic создана агентная модель, позволяющая исследовать динамику перемещения агентов с учетом «эффекта толпы» при различных сценариях, в частности, в условиях экстремальных ситуаций при наличии эффектов «давки» и «турбулентности». |
|
|