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

В современных условиях сложившихся деформаций в отраслевой структуре промышленного сектора необходимости проведения структурной корректировки промышленного комплекса (ПК), проводимой, во-первых, за счет изменения связей в виде перераспределения ресурсных потоков; во-вторых, за счет формирования новых элементов структуры ПК (предприятий, выпускающих новую продукцию по инновационным технологиям с использованием инновационных материалов), заполняющих возникшие за последние годы «пустоты» отраслевой структуры промышленного сектора с учетом его региональной декомпозиции; и, в-третьих, за счет совершенствования системы управления развитием ПК путем применения интеллектуальных алгоритмов обработки информации и принятия управленческих решений в условиях неопределенности, дефицита ресурсов и нелинейности поведения как системы, так и внешней среды.В этой связи актуальным становится решение проблемы разработки методологических и теоретических основ интеллектуальной поддержки принятия решений при управлении промышленным комплексом как сложным динамическим многоагентным объектом с учетом несбалансированности поведения производственных агентов и структурной дифференциации уровня их промышленного развития, а также построение модельных комплексов для проведения сценарных исследований в динамике эффективности различных управленческих решений на основе методов машинного обучения, когнитивного и динамического моделирования.В рамках этой проблемы ожидаемыми результатами, обладающими новизной, являются: методология системного, когнитивного, динамического, информационного и мультиагентного моделирования и интеллектуального управления промышленным комплексом как сложным динамическим многоагентным объектом, имеющим иерархическую структуру и тесно взаимосвязанным с элементами внешней среды в виде социальной и государственной подсистем, а также функционирующим на динамически неравновесных режимах микро-, мезо- и макроуровней; алгоритмы машинного обучения на основе статистических данных о функционировании промышленного комплекса как иерархического объекта, а также выявление закономерностей в данных, характеризующих структурные особенности ПК с учетом выделенных уровней иерархии; нечеткие когнитивные и динамические моделей управляемых процессов развития промышленного комплекса как иерархического объекта, элементы которого (предприятия и кластеры предприятий, отрасли, регионы) имеют накопленный ресурсный потенциал и взаимодействуют друг с другом с помощью вертикальных и горизонтальных связей; разработки мультиагентных моделей процессов функционирования элементов и подсистем промышленного комплекса (предприятий, кластеров предприятий, отраслей), характеризующихся правилами формирования потоков ресурсов в зависимости от объемов запасов и стратегии кооперации в рамках выделенных уровней иерархии ПК; интеллектуальные алгоритмы принятия решений при управлении промышленным комплексом как сложным динамическим многоагентным объектом, функционирующим в условиях несбалансированности ресурсных потоков, непропорционального формирования запасов ресурсов агентов и разнородности популяции агентов ПК на микро- и мезоуровнях; а также программное обеспечение системы интеллектуального анализа и интеллектуального управления промышленным комплексом как сложным динамическим многоагентным объектом и результаты экспериментальных исследований сценариев управления промышленным комплексом и анализ эффективности предложенных моделей и алгоритмов принятия решений в различных ситуациях.Научная значимость планируемых при проведении исследований результатов для теории управления функционированием производственных систем заключается в том, что они расширяют понимание механизмов функционирования и развития производственных предприятий, отраслей, взаимодействующих друг с другом во времени и дают научное обоснование механизмов многосвязного интеллектуального управления ПК на основе разработанных когнитивных, динамических, мульагентных моделей и алгоритмов анализа данных, машинного обучения и интеллектуального управления. Прикладная значимость планируемых при проведении исследований результатов состоит в использовании имитационных динамических и мультиагентных моделей, а также программного обеспечения системы интеллектуального анализа и интеллектуального управления промышленным комплексом для проведения многовариантного анализа сценариев регулирования и оценки эффективности интеллектуального управления производственными процессами, что соответствует переходу к передовым цифровым технологиям на основе применения методов искусственного интеллекта.