Агент-ориентированная модель для мониторинга и управления реализацией больших проектов Текст научной статьи по специальности «Экономика и бизнес»

0

1

о

о о;

со

со <

о.

ш с;

LD

0

О. С

ш Id

1

-Q

с; <

>

I-<

Агент-ориентированная модель для мониторинга и управления реализацией больших проектов*

Agent-based Model for Monitoring and Management of Large Projects

УДК 330.34:005.8

Макаров Валерий Леонидович

директор Центрального экономико-математического института РАН (Москва), доктор физико-математических наук, профессор, академик РАН

117418, Москва, Нахимовский пр., д. 47 Valeriy L. Makarov

Central Economics and Mathematics Institute of RAS Nakhimovskiy Ave 47, Moscow, Russian Federation, 117418

Бахтизин Альберт Рауфович

заместитель директора Центрального экономико-математического института РАН (Москва), доктор экономических наук, профессор, член-корреспондент РАН 117418, Москва, Нахимовский пр., д. 47

Al'bert R. Bakhtizin

Central Economics and Mathematics Institute of RAS Nakhimovskiy Ave 47, Moscow, Russian federation, 117418

Сушко Елена Давидовна

ведущий научный сотрудник Центрального экономико-математического института РАН (Москва), кандидат экономических наук

117418, Москва, Нахимовский пр., д. 47 Elena D. Sushko

Central Economics and Mathematics Institute of RAS Nakhimovskiy Ave 47, Moscow, Russian federation, 117418

Цель. Обосновать необходимость использования агент-ориентированной модели (АОМ) в процессе реализации крупных проектов, позволяющей оценивать последствия недобросовестного выполнения своих обязательств со стороны участников проекта. Задачи. Проанализировать эффективность применения агент-ориентированного подхода при моделировании социально-экономических процессов; выделить основные характеристики типов агентов; провести анализ пошаговой имитации процессов АОМ. Методология. Исследование основано на разработанной модели (ССЕ-модель) общего равновесия социально-экономической системы России. Настоящая работа является логическим продолжением данного исследования, но основана она уже на применении агент-ориентированного подхода в моделировании, который предполагает смещение фо-

куса с макроуровня на уровень отдельных экономических акторов — агентов. Результаты. В работе показано применение агент-ориентированного подхода при моделировании процессов реализации крупных проектов, в которых организации — участники проектов, а также люди — работники этих организаций являются самостоятельными акторами (агентами), способными к активным действиям в соответствии со своими предпочтениями. Так, агенты-люди в модели способны менять место работы и/или место жительства, а агенты-организации — выстраивать между собой партнерские отношения для выполнения отдельных этапов работ по моделируемым проектам. Агенты-люди вносят свой вклад в результаты работы агентов-предприятий в соответствии со своим трудовым потенциалом, но могут вести себя и недобросовестно, так же, как и

* Работа выполнена при финансовой поддержке Российского гуманитарного научного фонда (грант № 15-0200276 «Разработка агент-ориентированной модели системы государственного управления в России»).

агенты-предприятия, если их руководителем оказался такой агент-работник. Таким образом, в модели имитируется поведение агентов, осуществляющих незаконные финансовые операции, в результате чего часть выделенных на выполнение работ средств не участвует в производстве, вследствие чего заявленные цели проекта не достигаются. Вероятность такого поведения агентов зависит от общего уровня порядочности, который является управляемым параметром модели. В модели также имитируются процессы воспроизводства населения. Ключевые слова: агент-ориентированное моделирование, мониторинг реализации больших проектов, незаконные финансовые операции, трудовой потенциал, прогнозирование численности и структуры населения

Aim. This study aims to substantiate the necessity of using an agent-based model (ABM) during the implementation of large projects, which would enable an assessment of the consequences of unscrupulous performance of duties on the part of project participants. Tasks. This study analyzes both the efficiency of the agent-based approach in simulating socioeconomic processes and step-by-step simulation of ABM processes, as well as identifies the basic features of agent types. Methods. The research is based on the developed model of a general balance of the Russian socioeconomic system (CGE-model). This study is a logical extension of research based on the application of an agent-based approach to simulations, which involves shifting the focus from the macro level to the level of independent economic actors, i.e., agents. Results. This study shows the application of an agent-based approach to the simulation of large project implementation processes, where companies involved in the project and their employees are independent actors (agents) capable of active action according to their preferences. For instance, human agents in the model can change jobs and/or places of residence and company agents can develop partnerships for performing certain stages of work on the simulated projects. Human agents contribute to the performance of company agents according to their labor potential but can also act unscrupulously and so can company agents, if managed by such employee agents. Thus, the model simulates the behavior of agents engaged in illegal financial transactions. As a result, some portion of the funds allocated for the work is not involved in production and the project's goals are not achieved. The probability of such agent behavior depends on the general level of decency, which is a controlled parameter of the model. The model also simulates population dynamics. Keywords: agent-based modeling, monitoring of the implementation of large projects, illegal financial transactions, labor potential, population forecasts, and structures

Каждый крупный проект, будь то разработка нового месторождения, создание промыш-

ленного кластера или развитие транспортной ^

инфраструктуры, направлен на достижение |

важных экономических, социально-экономи- °

ческих, а в некоторых случаях и политиче- °

ских целей. Для реализации подобных про- ®

ектов привлекаются огромные человеческие и ^

финансовые ресурсы и создаются подробные ^

планы поэтапного выполнения работ. В осу- ^

ществлении проектов участвует множество ор- ^

ганизаций — юридических лиц (подрядные 2

организации, промышленные предприятия, ^

банковские учреждения, органы государствен- °

ного управления). Известно, что они не всегда с

добросовестно выполняют свои обязательства; ы

экономические акторы способны к различным ^

противоправным действиям, таким как кор- <

рупция, уклонение от уплаты налогов и т. д. £

<

Поэтому на стадии разработки подобных больших проектов и в процессе их реализации важно иметь инструмент, позволяющий оценить последствия подобного поведения участников для выработки оптимальных мер их нейтрализации.

Ранее в ЦЭМИ РАН была разработана вычислимая модель (ССЕ-модель) общего равновесия социально-экономической системы России, позволяющая провести количественную оценку влияния на основные макроэкономические показатели незаконных финансовых операций, таких как изъятие бюджетных средств, уклонение от уплаты налогов физическими и юридическими лицами, а также вывод финансовых активов за рубеж [1]. Настоящая работа является логическим продолжением данного исследования с точки зрения его целей, но основана на другом подходе к моделированию указанных процессов, а именно на агент-ориентированном подходе.

Агент-ориентированный подход в моделировании предполагает смещение фокуса с макроуровня на уровень отдельных экономических акторов — агентов. Появление агент-ориентированных моделей (АОМ) можно рассматривать как результат эволюции методологии моделирования — как переход от мономоделей (одна модель — один алгоритм) к мультимоде-лям (одна модель — множество независимых алгоритмов). АОМ могут содержать крупные (иногда очень большие) популяции агентов; при этом агенты не агрегированы и не усреднены (даже агенты одного типа могут быть наделены индивидуальными различиями, обуславливающими и различия в их поведении). Такой подход позволяет создавать в компьютерной модели искусственное общество, имитирующее структуру реального общества с учетом разнообразия его членов и их несинхронными реакциями на изменения параметров внешней среды. Применение агент-ориентированного подхода к решению нашей задачи позволяет

^ конкретизировать различные механизмы деви-

| антного (неправильного) поведения экономиче-

° ских акторов и уже на этой основе имитировать

0 в модели явления коррупции, уклонения от

01 уплаты налогов и т. д.

к

^ В последние годы агент-ориентированный ^ подход при моделировании социально-эконо-

2 мических процессов получил широкое рас-^ пространение и в том числе успешно применяется для анализа указанных явлений.

^ Особенно следует отметить многочисленные ° АОМ, в которых имитируется поведение нас логоплательщиков относительно выполнения

ш

3 их налоговых обязательств, включая и уклоне-^ ние от уплаты налогов. Достаточно упомянуть § наиболее типичные работы [2-5], в которых ^ рассматриваются такие аспекты поведения людей, побуждающие их к уклонению от уплаты налогов, как изначальные установки и влияние социальных связей, когда сдерживающим фактором являются внешние проверки, вызывающие наказание.

Наиболее известной моделью этого класса является модель К. Блюмкуиста [2], предназначенная для проверки гипотез о влиянии на поведение различных параметров аудита, осуществляемого налоговыми органами. К управляемым параметрам относятся:

1) частота аудиторских проверок;

2) ставка штрафных санкций по выявленным нарушениям со стороны агентов;

3) уровень прозрачности доходов (доходы, информация о которых доступна из отчетности);

4) эффективность аудита;

5) быстрота реакции (время от акта уклонения агентом от уплаты налогов до обнаружения этого факта налоговыми органами).

В последние годы активно развивается моделирование коррупции в рамках агент-ориентированного подхода. Одной из самых заметных работ на эту тему является модель анализа коррупции на примере Индонезии [6]. Авторы рассматривают коррупцию не только с чисто экономической точки зрения, но в более широком аспекте — как сложное социальное явление, в котором большое значение имеют настроения в обществе, транслируемые агентам через социальные связи. Предполагается, что агенты не имеют полной информации об уровне коррупции в обществе (и, соответственно, о том, что является допустимым), но ориентируются на свое ближайшее окружение. Весьма важной представляется АОМ, в которой уровень коррупции в обществе является производным от уровней коррупции отдельных агентов, причем популяция агентов неоднородна по таким их характеристикам, как степень неприятия риска и величина человеческого капитала [7]. В этой модели имитируется и об-

ратное влияние уровня коррупции в обществе на коррумпированность отдельных агентов.

В АОМ, разрабатываемой в ЦЭМИ РАН для мониторинга и управления реализацией больших проектов, присутствуют популяции агентов следующих типов, соответствующих основным видам экономических субъектов:

1. агенты — физические лица (жители региона);

2. агенты — юридические лица (предприятия,

организации);

3. агенты — муниципальные районы.

Типы агентов в модели образуют следующую

иерархию: агенты — люди трудоспособного возраста ^ предприятия (организации), на которых люди трудятся, ^ муниципальные районы, на территории которых находятся предприятия и проживают люди.

Кроме популяций агентов модель содержит также множество объектов, которые образуют внешнюю для агентов среду. К таким объектам относятся проекты (программы) и отрасли (виды деятельности). Программы в модели отличаются от проектов тем, что генеральными подрядчиками в них могут служить муниципальные районы. Общей для всех агентов и объектов средой является регион — субъект РФ, к которому относятся муниципальные районы. На уровне региона задаются общие социально-экономические характеристики, существенным образом влияющие на поведение агентов (например, уровень безработицы и уровень порядочности в обществе). Последний показатель является управляемым параметром модели, т. е. пользователь может менять его значение в ходе компьютерного эксперимента.

Разрабатываемая модель настроена на имитацию процессов реализации крупных проектов (программ) с учетом риска того, что не все участники этих процессов добросовестно, т. е. в полном объеме и в заданные сроки, выполнят свою долю работ по проекту. В ходе работы модели агенты — люди трудоспособного возраста заняты в производстве агентов — организаций различных отраслей. А агенты — рганизации участвуют в тендерах на выполнение работ по проектам (подпроектам), нанимают агентов-субподрядчиков, выполняют с помощью агентов-работников заключенные контракты и получают за это свою часть финансирования, перечисляемую агентами-банками. В данном случае имеется в виду добросовестное поведение экономических агентов.

Однако существует вероятность недобросовестного поведения агентов — как агентов-людей, так и агентов-организаций. Последствия недобросовестности агентов-людей в модели зависят от той роли, которую они играют на предприятии. Так, если агент-человек является рядовым работником, то он может увиливать

от работы (его трудовой вклад уменьшается), что приводит к снижению результатов деятельности организации в соответствии с весом этого агента в производственном процессе. Если же агент-человек является руководителем организации, то в модели именно он определяет поведение подчиненных; его склонность к непорядочным, противоправным действиям приводит к противоправным действиям организации в целом. Таким образом, в модели подразумевается, что, независимо от системы принятия решений в организации, ее фактическое поведение как экономического актора зависит от конкретного лица — руководителя.

К противоправным действиям агентов-организаций в модели относятся:

• коррупция, в случае которой часть выделенных по контракту денег не направляется на выполнение работ, а возвращается лично руководителю организации-заказчика;

• недобросовестное банкротство, при котором агент-организация, получившая контракт и средства на его выполнение, самоликвидируется, не выполнив запланированных работ. И в том, и в другом случае деньги, выделенные на проведение работ по проекту, не участвуют в производстве, что ведет к недостижению заявленных целей проекта, а также к сокращению отчислений в бюджет. Кроме того, деньги, полученные агентами-руководителями недобросовестным путем, изымаются из налогооблагаемой базы, что также снижает поступления в бюджет.

Отсюда следует логика проведения компьютерных экспериментов с использованием модели для оценки влияния девиантного поведения отдельных агентов на экономические показатели региона.

1. На первом этапе ставится эксперимент с реализацией тестируемого проекта при условии безусловной честности агентов-людей и, соответственно, с точным следованием агентами-организациями правилам при заключении и выполнении контрактов. В качестве базы для сравнения фиксируются достигнутые на горизонте планирования значения целевых показателей, таких как объем производства в отраслях и муниципальных районах, включенных в проект, уровень безработицы и размеры бюджета для районов, а также для региона в целом.

2. На втором и последующих этапах базовый эксперимент повторяется с измененными значениями параметра, задающего уровень порядочности агентов-людей, а полученные в результате работы модели значения целевых показателей сопоставляются с соответствующими базовыми значениями. Важнейшими особенностями крупных проектов является, во-первых, то, что они разво-

рачиваются в течение достаточно длительного ^

периода времени (возможно, в течение не- |

скольких лет) и на достаточно обширной тер- °

ритории (как правило, на территории несколь- °

ких административных единиц). Во-вторых, ®

в осуществлении этих проектов участвует ^

большое количество организаций и множество ^

людей. Отсюда следует, что базовым процес- ^

сом, который должен имитироваться в моде- ^

ли, является процесс воспроизводства трудо- з

вых ресурсов, включающий как естественное ^ движение жителей указанных территорий, так °

и поддержание необходимого для выполнения с

работ по проекту образовательного уровня ы

населения и/или привлечение трудовых ре- ^

сурсов извне. ^

Следующим процессом, который необходимо £

<

имитировать в модели, является процесс взаимодействия предприятий и людей — его работников в качестве участников производства, т. е. ресурса, который должен обеспечивать выполнение предусмотренных в проекте работ. Для этого в модели вводится зависимость результатов деятельности агентов-организаций от агрегированного трудового потенциала его агентов-работников как некий аналог производственной функции, позволяющей имитировать снижение результатов предприятия при уменьшении трудового потенциала. И, наконец, третий процесс, который должен быть представлен в модели, — взаимодействие организаций между собой для установления производственных связей и выстраивания дерева подпроектов, общим результатом выполнения которых будет выполнение проекта в целом. Таким образом, индивидуальные характеристики агентов каждого типа должны позволять дифференцировать их относительно степени и формы участия в этих процессах. Внешняя для агентов среда должна включать характеристики, значимые для организации этих процессов, т. е. содержать информацию, влияющую на поведение агентов.

Характеристики типов агентов • Агент-человек — житель региона трудоспособного возраста:

♦ индивидуальный номер;

♦ пол;

♦ возраст;

♦ уровень образования;

♦ трудовой потенциал как функция от уровня образования и стажа работы;

♦ код муниципального района — места жительства;

♦ код вида деятельности;

♦ код агента-предприятия — места работы;

♦ статус (руководитель, рядовой работник);

♦ заработная плата;

♦ уровень порядочности (честен, неустойчив, непорядочен).

< >

Агент-предприятие (организация):

♦ код предприятия;

♦ код агента — муниципального района — места расположения предприятия;

♦ код вида деятельности;

♦ индивидуальный номер агента-руководителя;

♦ код агента — организации — банка, через который осуществляются финансовые операции;

♦ численность агентов-работников;

♦ средняя зарплата работников;

♦ объем производства;

♦ налоговые отчисления;

♦ репутация (хорошая, нейтральная, плохая);

♦ список агентов-работников;

♦ список реализуемых проектов.

Агент — муниципальный район:

♦ код муниципального района;

♦ название муниципального района;

♦ индивидуальный номер агента — руководителя районной администрации;

♦ уровень безработицы;

♦ код(ы) агента-организации — банка, через который осуществляются финансовые операции;

♦ численность агентов-людей, жителей района;

♦ возрастно-половая структура населения;

♦ объем промышленного производства;

♦ объем сельскохозяйственного производства;

♦ бюджет;

♦ список агентов-людей, жителей района;

♦ список агентов-предприятий на территории района;

♦ список проектов, реализуемых на территории района.

Характеристики типов объектов

Внешняя среда — регион:

♦ название региона;

♦ индивидуальный номер агента — руководителя региона;

♦ код(ы) агента-организации — банка, через который осуществляются финансовые операции;

♦ число агентов — муниципальных районов на территории региона;

♦ численность агентов-людей, жителей региона;

♦ возрастно-половая структура населения;

♦ коэффициенты смертности, дифференцированные по полу и возрасту;

♦ суммарный коэффициент рождаемости;

♦ уровень безработицы;

♦ объем промышленного производства;

♦ объем сельскохозяйственного производства;

♦ бюджет;

♦ список муниципальных районов на территории региона;

♦ список проектов, реализуемых на территории региона.

• Вид деятельности (отрасль):

♦ код отрасли;

♦ название отрасли;

♦ зависимость объема производства предприятий отрасли от численности занятых и объема финансирования (производственная функция);

♦ доля вспомогательного персонала в численности работников;

♦ налоговое бремя (доля налоговых отчислений в обороте предприятий);

♦ доля заработной платы работников в обороте предприятий;

♦ средняя заработная плата агентов-работников.

• Проект (программа):

♦ тип объекта (проект или программа);

♦ код объекта;

♦ тип агента-заказчика (организация или муниципальный район);

♦ код агента-заказчика;

♦ код агента-исполнителя;

♦ код вида деятельности;

♦ код агента — муниципального района, на территории которого реализуется проект/ программа;

♦ дата начала реализации проекта/программы;

♦ длительность реализации;

♦ трудоемкость (необходимая численность работников);

♦ объем и схема финансирования;

♦ результаты реализации для всех заинтересованных сторон: заказчика, муниципального района, региона в целом; это может быть создание нового агента-предприятия с новыми рабочими местами, объемом производства и соответствующими налоговыми отчислениями в бюджет или же увеличение производительности труда старых производств выбранной отрасли.

Поведение агентов. В модели между собой взаимодействуют агенты разных типов.

Случай 1. Агенты-люди взаимодействуют с агентами-предприятиями при найме на работу и в процессе производства. Наем агента-человека на работу происходит при создании агента-предприятия, если специализация работника (вид деятельности) соответствует виду деятельности агента-предприятия. При этом часть агентов-работников обладают универсальностью и могут работать на предприятиях разных отраслей (например, управленцы или вспомогательный персонал). Если агент-человек является работником агента-предприятия,

< >

Рис. 2. Схема взаимодействия агента-предприятия с внешней средой

то он вносит свою долю в результирующий объем производства в соответствии со своим трудовым потенциалом и производственной функцией предприятия и получает заработную плату на уровне средней для данного вида деятельности. Если к тому же агент-работник является руководителем агента-предприятия, то он, кроме того, принимает решения о действиях предприятия в соответствии с собственным уровнем порядочности.

Случай 2. Агенты-люди взаимодействуют с агентами — муниципальными районами, в которых проживают. При этом муниципальный район предоставляет агенту-жителю вакансии на рынке труда (на предприятиях, расположенных на территории района), а агент-житель вносит свой вклад в совокупное производство и платит подоходный налог. Если к тому же агент-работник является руководителем администрации агента-района, то он также принимает решения о действиях муниципального района в соответствии с соб-

ственным уровнем порядочности. Схема взаимодействия агента-человека с агентами других уровней показана на рис. 1.

Случай 3. Агенты-предприятия взаимодействуют с агентами — муниципальными районами, на территории которых располагаются. При этом муниципальный район предоставляет агенту-предприятию трудовые ресурсы (агентов — жителей района), а агент-предприятие вносит свой вклад в совокупный объем производства отрасли на территории района и региона в целом, а также платит налоги в консолидированный бюджет. Схема взаимодействия агента-предприятия с агентами других уровней показана на рис. 2.

Случай 4. Особую роль в модели играет взаимодействие агентов, которые связаны отношениями «заказчик — исполнитель». Причем в качестве исполнителя всегда выступает агент-предприятие, в то время как в качестве заказчика может выступать и агент-предприятие, и агент — муниципальный район, пла-

тежи при этом осуществляются через агентов-организации (банки).

Откат

< >

Рис. 3. Схема взаимодействия агента-заказчика с агентом-исполнителем

Схема взаимодействия агента-заказчика с агентом-исполнителем показана на рис. 3. На рисунке синими стрелками обозначены направления указаний (сообщений), зелеными — направления финансовых потоков (в том числе возможного «отката» в случае коррумпированного руководителя заказчика), а красными — направления передачи готовых работ. Кроме того, на рисунке крестиками обозначены места, в которых денежные потоки, а также передача выполненных работ могут прерываться по вине недобросовестных руководителей. Так, существует вероятность, что агент-заказчик или же агент-банк вместо того, чтобы передать финансовые средства по назначению, выведет эти средства из оборота незаконным путем. Недобросовестным может оказаться и агент-исполнитель, который даже при получении средств вместо выполнения работ также может вывести средства из оборота. Изъятие средств на выполнение запланированных работ уменьшает результаты этих работ в соответствии со значимостью данного фактора в производственной функции предприятия.

Случай 5. Взаимодействие агентов-предприятий при заключении контрактов субподряда. Заданное пользователем предприятие-генподрядчик часть работ по договору и соответствующую долю финансирования оставляет себе, а на выполнение остальных работ ищет субподрядчиков из числа предприятий нужного вида деятельности. Генподрядчик делит объем работ на части (их количество определяется случайным образом), назначает им цену и выставляет на конкурс, оставляя себе за посредничество 10% от суммы. При выборе исполнителя руководитель предприятия, проводящего конкурс, учитывает репутацию предприятий-конкурсантов.

Работа модели. Модель начинает свою работу с ввода исходной информации, необходимой для организации среды агентов, создания заданной структуры популяций агентов разных типов и имитации поведения агентов. Это характеристики видов деятельности, муниципальных районов, включая структуру их населения, а также демографические показатели, позволяющие не только воссоздать в искусственной среде возрастно-половую и социальную структуру населения в выбранном стартовом году, но и имитировать его естественное движение в последующие годы (на следующих шагах работы модели, где шаг соответствует одному году). Кроме того, вводятся характеристики крупных предприятий, которые будут генеральными подрядчиками работ по проектам, а также данные о количестве и размерах предприятий разных отраслей, в соответствии с которыми будут случайным образом задаваться характеристики остальных агентов-предприятий.

После создания популяций агентов верхнего уровня создается популяция агентов-людей, и каждому из них с помощью вероятностных распределений присваиваются значения личностных характеристик таким образом, чтобы на популяции агентов-людей воспроизвести наблюдавшиеся в стартовом году частоты значений этих характеристик. Затем агенты-люди расселяются по муниципальным районам и распределяются между предприятиями в соответствии со своей специализацией и с учетом данных об уровне безработицы. Для каждого агента верхнего уровня из работников случайным образом выбирается руководитель.

Установка начального состояния завершается демонстрацией всей системы, после чего модель ждет от пользователя запуска проекта или программы. Для этого пользователь самостоятельно вводит в специальном окне интерфейса модели необходимую информацию по проекту, выбирает направления деятельности и муниципальный район, на территории которого будет реализован проект, генподрядчика из списка

крупных предприятий, а также задает планируемые результаты проекта. После запуска модели все содержащиеся в ней агенты на каждом шаге ее работы самостоятельно производят доступные им действия в соответствии со своими характеристиками. В первую очередь выполняется пошаговая имитация процессов естественного движения населения на основе метода передвижки возрастов [8]. Процедура, имитирующая смертность, предусматривает, что на основе дифференцированных по полу и возрасту коэффициентов смертности рассчитывается вероятность умереть для каждого агента — человека популяции, после чего вероятностным образом определяется его судьба. Далее часть агентов удаляется, а оставшиеся становятся на год старше и могут совершать другие действия (например, сменить место работы или выйти на пенсию). Процедура, имитирующая рождаемость, использует данные о численности женщин репродуктивного возраста, проживающих в каждом районе, а также значение суммарного коэффициента рождаемости, что и определяет общее число создаваемых на каждом шаге агентов-младенцев. Пол созданного агента — мужской или женский — определяется случайным образом с вероятностью 0,512/0,488 [9].

Вслед за актуализацией состояния населения на текущем шаге происходит поэтапная актуализация состояний агентов следующих уровней. Таким образом в модели выполняется пошаговая имитация процессов найма агентами-предприятиями агентов-работников и агентов-субподрядчиков, выполнения и приемки работ по ним, а также проведения сопутствующих финансовых операций, включая и незаконные.

Визуализация происходящих в модели процессов. По завершении каждого шага пользователю демонстрируется новое состояние системы. Визуализация происходящих в модели процессов позволяет пользователю наблюдать образование дерева (графа) подпроектов (этапов работ), а также движение средств от заказчиков к исполнителям и встречное движение работ от исполнителей к заказчикам. Тем самым открывается возможность не только следить за своевременностью реализации различных этапов проекта, но и выявлять нарушения.

Апробация модели. Для апробации представленной конструкции АОМ на базе демографической модели Санкт-Петербурга («Social Petersburg») в среде AnyLogic [10] был разработан прототип модели. Модель «Social Petersburg», подробно описанная в статье [11], предназначена для получения средне-и долгосрочных прогнозов демографической ситуации в городе, а также для повышения

эффективности управления социально-эконо- g мическим развитием города с учетом возраст- | ной структуры его населения. АОМ «Social ° Petersburg» является автономным при ложе- ° нием, обладающим интерфейсом, который на- ® глядно на карте-схеме города демонстрирует ^ пользователю происходящие в модели процес- ^ сы и позволяет ему не только отслеживать их ^ результаты, но и вмешиваться в течение про- ^ цессов, т. е. управлять ходом компьютерного s эксперимента, изменяя значения параметров ^ модели. Приложение работает со своей ин- ° формационной базой — комплексом Excel- с таблиц, из которых считываются исходные ы данные. Для создания модели использовались ^ как данные официальной статистики по Петер- g бургу (например, демографические данные), £ так и условные данные (например, данные о стандартных проектах строительства детских садов). В ходе экспериментов с моделью «Social Petersburg» пользователь мог инициировать новые проекты строительства дошкольных образовательных учреждениях (ДОУ) в выбранных на карте муниципальных округах города и оценивать, как реализация подобных проектов повлияет на показатель обеспеченности населения местами в ДОУ с учетом прогнозируемого изменения численности детей дошкольного возраста (целевой показатель экспериментов).

Разработанный в ЦЭМИ РАН прототип новой АОМ является аналогичным автономным приложением, в котором добавлена возможность варьирования уровня порядочности агентов-людей. Допускается, что предприятия — подрядчики работ по проектам сформированной пользователем программы строительства ДОУ могут не выполнить своих обязательств, а программа может быть реализована не в полном объеме. С использованием прототипа модели на примере реализации той же программы строительства трех ДОУ в выбранных муниципальных округах Петербурга были проведены серии экспериментов, в которых варьировался именно показатель уровня порядочности в общества (доля честных агентов-людей из общего их числа в 10 000). В качестве результата в экспериментах рассматривалась доля недополученных мест в ДОУ.

Анализ результатов апробации показал, что представленная конструкция АОМ, несмотря на условность данного примера, обеспечивает адекватную реакцию модели на изменение уровня порядочности агентов. По мере снижения порядочности агентов модель в ходе компьютерных экспериментов демонстрировала и возрастающее отклонение от целевого значения показателя обеспеченности местами в ДОУ. Следует отметить особенности поведения модели, обусловленные тем, что при имитации используются вероятностные про-

g цессы. Так, уровень порядочности каждого | агента присваивается ему случайным обра° зом, так же как и дальнейший выбор агентов, о которые будут руководителями предприятий ® и будут принимать решения о добросовест-^ ном или недобросовестном выполнении работ ^ по проектам. Поэтому полученные значения

2 результирующего показателя демонстрирова-t ли большой разброс и требовалось провести is множество экспериментов для каждого значе-^ ния управляемого параметра, чтобы получить ° среднюю оценку результирующего.

Подобная схема проведения экспериментов

3 является типовой для работы с АОМ, при этом ^ разброс значений результирующих параметров § уменьшается с увеличением количества уча-

v ствующих в имитируемом процессе агентов

<

(в данном случае, чем больше детских садов «строится» в эксперименте и чем больше подрядчиков участвуют в программе их строительства, тем устойчивее будет работа модели).

Отсюда следует очевидное направление дальнейших исследований. Оно состоит в увеличении масштаба модели и ее апробации на данных о крупных проектах, в реализации которых задействованы сотни организаций. Другим важным направлением является развитие самой модели — введение механизма аудита поведения агентов (подобно [2]), которым сможет управлять пользователь в ходе экспериментов. Такое расширение модели позволит ей стать инструментом поиска разумного компромисса, достигаемого благодаря сопоставлению затрат на организацию аудита с полученным в результате этого аудита снижением ущерба от недобросовестного поведения агентов.

Литература

1. Макаров В. Л., Бахтизин А. Р., Сушко Е. Д., Бурилина М. А. Разработка математической модели для количественной оценки последствий незаконных финансовых операций // Управленческое консультирование. 2016. № 3. С. 85-95.

2. Bloomquist K. M. A Comparison of Agent-Based Models of Income Tax Evasion // Social Science Computer Review. 2006. N 4. P. 411-425.

3. Luna F., Stefansson B., eds. Economic simulations in Swarm: Agent-based modelling and object oriented programming. Amsterdam: Kluwer Academic Publ., 2000. 291 p.

4. Davis J. S., Hecht G., Perkins J. D. Social Behaviors, Enforcement and Tax Compliance Dynamics // Accounting Rev. 2003. N 78. P. 39-69.

5. Korobow A., Johnson C., Axtell R. An Agent-Based Model of Tax Compliance with Social Networks // National Tax Journal. 2007. Vol. 60, N 3, P. 589610.

6. Situngkir H., Khanafiah D. Theorizing Corruption through Agent-Based Modeling // Advances in Intelligent Systems Research. 2006. doi:10.2991/ jcis.2006.183.

7. Rennard J.-P. Handbook of Research on Nature-Inspired Computing for Economics and Management, Hershey, PA: Idea Group Reference, 2006. 989 p.

8. Бахметова Г. Ш. Методы демографического прогнозирования. М.: Финансы и статистика, 1982. 159 с.

9. Шахотько Л. П., Терещенко С. М. Компьютерное решение задачи построения демографических прогнозов // Вопросы статистики. 1999. № 10. С. 57-65.

10. Multimethod Simulation Software AnyLogic: [Электронный ресурс]. Режим доступа: http://www.any-logic.com/.

11. Макаров В. Л., Бахтизин А. Р., Сушко Е. Д. Ситуационное моделирование — эффективный инструмент для стратегического планирования и управления // Управленческое консультирование. 2016. № 6. С. 26-39.

References

1. Makarov V. L., Bakhtizin A. R., Sushko E. D., Burilina M. A. Razrabotka matematicheskoy modeli dlya kolichestvennoy otsenki posledstviy nezakonnykh finansovykh operatsiy [Development of mathematical model for a quantitative assessment of consequences of illegal financial operations]. Upravlencheskoe konsul'tirovanie, 2016, no. 3 (87), pp. 85-95.

2. Bloomquist K. M. A comparison of agent-based models of income tax evasion. Social Science Computer Review, 2006, vol. 24, no. 4, pp. 411-425.

3. Luna F., Stefansson B., eds. Economic simulations in Swarm: Agent-based modelling and object oriented programming. Amsterdam, Kluwer Academic Publ., 2000. 291 p. Available at: https://books.google.ru/ books?id=9WsWnhbuAoIC&pg=PR28&lpg=PR28&d q=Economic+modelling+with+Swarm&source=bl&ot s=bni7WJ1-ei&sig=NCtQ9eVyw_2lkryKKfsZTKkiDG o&hl=ru&sa=X&ved=0ahUKEwiSo__YycLTAhUEX iwKHaGxCuEQ6AEIPjAD#v=onepage&q=Economic% 20modelling%20with%20Swarm&f=false.

4. Davis J. S., Hecht G., Perkins J. D. Social behaviors, enforcement and tax compliance dynamics. Accounting Review, 2003, vol. 78, no. 1, pp. 39-69.

5. Korobow A., Johnson C., Axtell R. An agent-based model of tax compliance with social networks. National Tax Journal, 2007, vol. 60, no. 3, pp. 589-610.

6. Situngkir H., Khanafiah D. Theorizing corruption through agent-based modeling. Available at: file:///C:/Users/v.salina/Downloads/JCIS06-CIEF-69%20(1).pdf.

7. Rennard J.-P., ed. Handbook of research on nature-inspired computing for economics and management (2 vols. set). Hershey, PA, Idea Group Reference, 2006. 989 p.

8. Bakhmetova G. Sh. Metody demograficheskogo prog-nozirovaniya [Methods of demographic forecasting]. Moscow, Finansy i statistika Publ., 1982. 159 p.

9. Shakhot'ko L. P., Tereshchenko S. M. Komp'yuternoe reshenie zadachi postroeniya demograficheskikh prognozov [Computer solution of the task of making demographic forecasts]. Voprosy statistiki, 1999, no. 10, pp. 57-65.

10. Multimethod Simulation Software. AnyLogic. Available at: http://www.anylogic.com/.

11. Makarov V. L., Bakhtizin A. R., Sushko E. D. Situ-atsionnoe modelirovanie — effektivnyy instrument dlya strategicheskogo planirovaniya i upravleniya [Situational modeling — the effective tool for strategic planning and management]. Upravlencheskoe konsul'tirovanie, 2016, no. 6 (90), pp. 26-39.