Интеллектуальное управление промышленным комплексом как динамическим многоагентным объектом на основе методов когнитивного моделирования и машинного обучения

Разработана методология исследования и интеллектуального управления промышленным комплексом (ПК) как сложным динамическим многоагентным объектом (СДМО), которая базируется на применении структурно-функционального, динамического, многоагентного, когнитивного, информационного, кибернетического и сценарного подходов, интегрированных с помощью системного подхода. Методология предполагает применение нисходящего и восходящего подходов к анализу и корректировке взаимодействия агентов в составе ПК как иерархического объекта, а также исследование сценариев управления ПК на динамически неравновесных режимах в условиях неопределенности при взаимодействии с элементами внешней среды в виде социальной и государственной подсистем. Разработаны алгоритмы машинного обучения на основе статистических данных о функционировании ПК, которые предполагают взаимосвязанное применение дискриминантного, регрессионного, кластерного, компонентного и нейросетевого анализа данных о производственных агентах ПК на мезо- (региональном) и микроуровнях; а также алгоритмы на основе методов случайного леса и градиентного бустинга для анализа данных о производственных агентах ПК на отраслевом уровне. Извлеченные закономерности обеспечивают возможность прогнозирования изменения кластерной структуры ПК и характеристик кластеров производственных агентов ПК. Разработана технология построения структур нечетких когнитивных моделей, а также динамических и мультиагентных моделей процессов управления функционированием ПК, которая основана на применении алгоритмов машинного обучения и предназначена для выявления кластерных структур в данных о состоянии ПК на выделенных уровнях иерархии. Разработан комплекс нечетких когнитивных моделей управляемых процессов функционирования ПК, включающий обобщенные нечеткие продукционные когнитивные карты (ОНПКК), расширенные ОНПКК и имитационные динамические модели для ОНПКК, которые позволяют проводить сценарные исследования управляемого функционирования ПК. Разработан комплекс нелинейных динамических моделей управляемых процессов функционирования ПК как иерархического объекта, который представлен моделями макро-, мезо- и микроуровня. Модели позволяют исследовать синергетические эффекты проведения стимулирующей политики с помощью моделей макроуровня, выявлять причины появления деформаций в отраслевой структуре ПК с помощью моделей мезоуровня, а также исследовать динамику функционирования производственных кластеров на микроуровне. Разработаны мультиагентные модели ПК мезоуровня и макроуровня. Модели макроуровня предполагают кластерную декомпозицию ПК с учетом масштаба бизнеса, а также взаимодействие кластеров ПК с банковским, социальным и государственным секторами в рамках воспроизводственного процесса. Модели позволяют исследовать динамику управляемого функционирования ПК в условиях несбалансированности ресурсных потоков, а также выявлять закономерности изменения населенности кластеров предприятий ПК в условиях изменяющейся политики на макроуровне. Разработана иерархическая структура интеллектуальной системы управления ПК как СДМО, которая основана на принципах обратной связи и ситуационного управления. Разработаны интеллектуальные алгоритмы принятия решений при управлении ПК, основанные на применении алгоритмов машинного обучения, нейронных сетей Кохонена и нейро-нечетких сетей. Алгоритмы представлены в виде нечетких продукционных правил и предполагают корректировку несбалансированных ресурсных потоков на неравновесных режимах с учетом нарушенных пропорций объемов ресурсных запасов агентов, что обеспечивает мультипликативный эффект роста выпуска ПК. Разработано программное обеспечение системы интеллектуального анализа и интеллектуального управления промышленным комплексом как СДМО. Проведены экспериментальные исследования различных сценариев управления ПК, которые продемонстрировали возможность восстановления сбалансированности потоков доходов и расходов кластеров ПК, снижения степени поляризации структуры ПК, а также достижение мультипликативного роста эффективности функционирования ПК в целом.