ОЦЕНКА СОСЕДНИХ АЛЬТЕРНАТИВ В МОДЕЛЯХ ПРИНЯТИЯ РЕШЕНИЙ СРЕДСТВАМИ ЯЗЫКА ПРОГРАММИРОВАНИЯ PYTHON
Журнал: TERRA POLITICA
№ 1
, 2025
Рубрики: AD HOC
Авторы:
1.
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ УЧРЕЖДЕНИЕ НАУКИ ИНСТИТУТ ЕВРОПЫ РОССИЙСКОЙ АКАДЕМИИ НАУК
(отдел исследований европейской интеграции, научный сотрудник)
г. Москва и Московская область, Россия
г. Москва и Московская область, Россия
Тип:
Статья
Страницы:
с 157
по 166
Статус:
Опубликован
Получено:
01.03.2025
Одобрено:
01.06.2025
Опубликовано:
01.07.2025
Классификаторы:
ВАК 1.6.13 Экономическая, социальная, политическая и рекреационная география
Язык материала:
русский
Ключевые слова:
агентно-ориентированное моделирование, матрица смежности, теория игр, методы оптимизации, предпочтения
Аннотация (русский):
Функционал языка программирования Python позволяет хранить и обрабатывать сведения о соседних географических объектах, сопоставляемых политическими акторами. Наиболее подходящими библиотеками последних лет с открытым кодом для анализа и прогнозирования перемещений по координатной плоскости или графу смежности (например, в задачах рационального выбора, диффузии инноваций и формирования институтов, переезда в уже сформированную институциональную среду) можно считать Helipad и Mesa.;«Цифровые двойники» акторов обращаются к сведениям о соседстве (закодированным в явном виде или выведенным из координат территорий) при взаимодействии со средой: в ходе поэтапной симуляции перечень альтернатив для размещения в следующий момент времени ограничивается списком близлежащих мест.;Выбирая оптимальное местоположение, компьютерные модели сопоставляют релевантные характеристики соседних объектов, ориентируясь на закодированные предпочтения. Для этого проводится автоматический расчёт полезности, которую актор получил бы через некоторое время благодаря свойствам выбранной зоны, и определяется наиболее приемлемая близкая альтернатива.;Некоторые библиотеки содержат готовые процедуры, предназначенные для визуализации участков земли и образованного ими пространства (в виде тепловой карты - в зависимости от значения какого-либо параметра в различных местах);Переформулировав задачу исследования (перенеся акцент с характеристик территорий на свойства перемещений в различных направлениях), можно воспользоваться библиотеками на основе теории игр. Сравнение стратегий перехода на соседние участки земли, алгоритмизируется с помощью функций библиотек Axelrod, QuantEcon, StratPy, NashPy, OpenSpiel.
Функционал языка программирования Python позволяет хранить и обрабатывать сведения о соседних географических объектах, сопоставляемых политическими акторами. Наиболее подходящими библиотеками последних лет с открытым кодом для анализа и прогнозирования перемещений по координатной плоскости или графу смежности (например, в задачах рационального выбора, диффузии инноваций и формирования институтов, переезда в уже сформированную институциональную среду) можно считать Helipad и Mesa.;«Цифровые двойники» акторов обращаются к сведениям о соседстве (закодированным в явном виде или выведенным из координат территорий) при взаимодействии со средой: в ходе поэтапной симуляции перечень альтернатив для размещения в следующий момент времени ограничивается списком близлежащих мест.;Выбирая оптимальное местоположение, компьютерные модели сопоставляют релевантные характеристики соседних объектов, ориентируясь на закодированные предпочтения. Для этого проводится автоматический расчёт полезности, которую актор получил бы через некоторое время благодаря свойствам выбранной зоны, и определяется наиболее приемлемая близкая альтернатива.;Некоторые библиотеки содержат готовые процедуры, предназначенные для визуализации участков земли и образованного ими пространства (в виде тепловой карты - в зависимости от значения какого-либо параметра в различных местах);Переформулировав задачу исследования (перенеся акцент с характеристик территорий на свойства перемещений в различных направлениях), можно воспользоваться библиотеками на основе теории игр. Сравнение стратегий перехода на соседние участки земли, алгоритмизируется с помощью функций библиотек Axelrod, QuantEcon, StratPy, NashPy, OpenSpiel.
Ключевые слова:
агентно-ориентированное моделирование, матрица смежности, теория игр, методы оптимизации, предпочтения
агентно-ориентированное моделирование, матрица смежности, теория игр, методы оптимизации, предпочтения
1. Axelrod R. (1997), The complexity of cooperation: Agent-based models of competition and collaboration, Princeton: Princeton University Press, 248 p. DOI: https://doi.org/10.1515/9781400822300
2. Zhang J. (2011), Tipping and residential segregation: A unified schelling model, Journal of Regional Science, vol. 51, no. 1, pp. 167-193.
