Аксиоматизация проектных решений при построении агентно-ориентированных моделей инновационно-технологических систем

В современных условиях стремительного технологического развития особенно актуально использование агентно-ориентированного моделирования (АОМ) для анализа и управления социальноэкономическими и инновационно-технологическими системами. Целью данной работы является формализация методологии АОМ через аксиоматическое описание его структурных элементов для обеспечения теоретикометодологической основы изучения механизмов функционирования инновационно-технологической системы. Методы исследования включают в себя аналитический разбор структурных компонентов АОМ, а также их синтез на основе построения аксиоматической системы. Используются методы абстрагирования для выделения существенных признаков и сравнительного анализа подходов к построению агентно-ориентированных моделей. Такой методологический аппарат позволяет формализовать основные свойства АОМ и систематизировать знания в данной области.
Основным результатом исследования является аксиоматическое описание АОМ, отражающее его специфику как инструмента воспроизведения сложных и нелинейных процессов в реальных системах, а также выявление перспектив использования такого рода моделей в стратегическом планировании, цифровой трансформации и обеспечении технологического суверенитета страны через анализ уязвимостей национальных инновационных экосистем.
Показано, что аксиоматический подход способствует стандартизации и систематизации знаний о методологии АОМ, а также создает основу для разработки более гибких и интеллектуальных моделей. Это усиливает потенциал АОМ как универсального инструмента для анализа, прогнозирования и управления инновационнотехнологическими системами в условиях глобальной нестабильности и технологической конкуренции.

1. Акбердина, В.В. (2018). Трансформация промышленного комплекса России в условиях цифровизации экономики. Journal of New Economy, 19(3), 82–99. EDN: XUEHAD, https://doi.org/10.29141/2073-1019-2018-19-3-8

2. Акбердина, В.В., & Василенко, Е.В. (2021). Инновационная экосистема: теоретический обзор предметной области. Журнал экономической теории, 18(3), 462–473. EDN: DYGEEV, https://doi.org/10.31063/2073–6517/2021.18–3.10

3. Болсуновская, М.В., Гинцяк, А.М., Бурлуцкая, Ж.В., Петряева, А.А., Зубкова, Д.А., Успенский, М.Б., & Селедцова, И.А. (2022). Возможности применения гибридного подхода в моделировании социально-экономических и социотехнических систем. Вестник ВГУ. Серия: Системный анализ и информационные технологии, (3), 73–86. EDN: MUIQUU, https://doi.org/10.17308/sait/1995-5499/2022/3/73-86 (in Russian)

4. Ганюков, В.Ю., Ханова, А.А., & Сульдина, Н.В. (2012). Интеллектуальная система управления цепями поставок логистического предприятия на основе дискретно-событийной, агентной и системно-динамической имитационных моделей. Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика, (2), 143–149. EDN: PAJWZN

5. Гулин, К.А., Дианов, С.В., Алферьев, Д.А., & Дианов, Д.С. (2024). Методология агентного моделирования развития территориальных систем лесозаготовительного производства. Экономические и социальные перемены: факты, тенденции, прогноз, 17(6), 184–203. EDN: PPTUWK, https://doi.org/10.15838/esc.2024.6.96.10

6. Данилина, Я.B., & Рыбачук, М.А. (2022). Национальная инновационная экосистема как платформа социально-экономического развития страны. Russian Journal of Economics and Law, 16(2), 245–257. EDN: SNTDWP, https://doi.org/10.21202/2782-2923.2022.2.245-257

7. Дементьев, В.Е. (2023). Технологический суверенитет и приоритеты локализации производства. Terra Economicus, 21(1), 6–18. EDN: COKINW, https://doi.org/10.18522/2073-6606-2023-21-1-6-18

8. Езангина, И.А., Маловичко, А.Е., & Хрысева, А.А. (2023). Инновационная экосистема как новая форма организационной целостности и механизм финансирования и воспроизводства инноваций. Финансы: теория и практика, 27(3), 17–32. EDN: VPTIRR, https://doi.org/10.26794/2587-5671-2023-27-3-17-32

9. Истратов, В.А. (2016). Моделирование формирования социальных норм в общественных науках. Экономика и математические методы, 52(4), 47–73. EDN: XEUGID

10. Клейнер, Г.Б. (2001). Экономико-математическое моделирование и экономическая теория. Экономика и математические методы, 37(3), 111–127. EDN: VUPJQD

11. Клейнер, Г.Б., Рыбачук, М.А., & Карпинская, В.А. (2020). Развитие экосистем в финансовом секторе России. Управленец, 11(4), 2–17. EDN: QKJHHC, https://doi.org/10.29141/2218-5003-2020-11-4-1

12. Клейнер, Г.Б. (2023). Системная парадигма как теоретическая основа стратегического управления экономикой в современных условиях. Управленческие науки, 13(1), 6–19. EDN: DKKPBT, https://doi.org/10.26794/2304-022X-2023-13-1-6-19

13. Клейнер, Г.Б. (2024). Системная парадигма и теория технологий. Terra Economicus, 22(4), 6–18. EDN: BOVNWJ, https://doi.org/10.18522/2073-6606-2024-22-4-6-18

14. Макаров, В.Л., & Бахтизин, А.Р. (2009). Новый инструментарий в общественных науках – агент-ориентированные модели: общее описание и конкретные примеры. Экономика и управление, (12), 13–25. EDN: LAAFXZ

15. Макаров, В.Л., Бахтизин, А.Р., & Сушко, Е.Д. (2016). Агент-ориентированные модели как инструмент апробации управленческих решений. Управленческое консультирование, 12(96), 16–25. EDN: XEAUXJ

16. Макаров, В.Л., Бахтизин, А.Р., & Сушко, Е.Д. (2017). Регулирование промышленных выбросов на основе агент-ориентированного подхода. Экономические и социальные перемены: факты, тенденции, прогноз, 10(6), 42–58. EDN: YMWXFP, https://doi.org/10.15838/esc/2017.6.54.3

17. Маслобоев, А.В. (2010). Формальные спецификации активных программных компонентов мультиагентной виртуальной бизнес-среды развития инноваций. Научно-технический вестник информационных технологий, механики и оптики, 3(67), 96–102. EDN: MBDYHH

18. Суслов, С.А., Кондратьев, М.А., & Сергеев, К.В. (2010). Агентное моделирование как средство анализа и прогноза спроса на энергоресурсы. Проблемы управления, (2), 46–52. EDN: MQHUHR

19. Сухарев, О.С. (2024). Технологический суверенитет России: формирование на базе развития сектора “экономика знаний”. Вестник Института экономики Российской академии наук, (1), 47–64. EDN: GBHZQW, https://doi.org/10.52180/2073-6487_2024_1_47_64

20. Чичканов, В.П., & Сухарев, О.С. (2024). Технологический суверенитет: способ измерения. Экономические стратегии, 26((1)193), 62–69. EDN: QEZUGZ, https://doi.org/10.33917/es-1.193.2024.62–69

21. An, L., Grimm, V., Sullivan, A., Turner, B., Malleson, N., Heppenstall, A., Vincenot, C., Robinson, D., Ye, X., Liu, J., Lindkvist, E., & Tang, W. (2021). Challenges, tasks, and opportunities in modeling agent-based complex systems. Ecological Modelling, 457, 109685. EDN: MZCZSX, https://doi.org/10.1016/j.ecolmodel.2021.109685

22. Antonelli, C., & Ferraris, G. (2011). Innovation as an emerging system property: an agent based simulation model. Journal of Artificial Societies and Social Simulation, 14(2), 1. https://doi.org/10.18564/jasss.1741

23. Axtell, R.L., & Farmer, J.D. (2025). Agent-based modeling in economics and finance: Past, present, and future. Journal of Economic Literature, 63(1), 197–287. EDN: BBYYLW, https://doi.org/10.1257/jel.20221319

24. Bonabeau, E. (2002). Agent-based modeling: Methods and techniques for simulating human systems. Proceedings of the National Academy of Sciences of the United States of America, 99(3), 7280–7287. https://doi.org/10.1073/pnas.082080899

25. Bruch, E., & Atwell, J. (2015). Agent-Based Models in Empirical Social Research. Sociological Methods & Research, 44(2), 186–221. https://doi.org/10.1177/0049124113506405

26. Gilbert, N., & Bankes, S. (2002). Platforms and methods for agent-based modeling. Proceedings of the National Academy of Sciences of the United States of America, 99(3), 7197–7198. https://doi.org/10.1073/pnas.072079499

27. Grimm, V., Railsback, S.F., Vincenot, C.E., Berger, U., Gallagher, C., DeAngelis, D.L., Edmonds, B., Ge, J., Giske, J., Groeneveld, J., Johnston, A.S.A., Milles, A., Nabe-Nielsen, J., Polhill, J.G., Radchuk, V., Rohwäder, M.-S., Stillman, R.A., Thiele, J.C., & Ayllón, D. (2020). The ODD protocol for describing agent-based and other simulation models: A second update to improve clarity, replication, and structural realism. Journal of Artificial Societies and Social Simulation, 23(2), 7. EDN: JVLOGU, https://doi.org/10.18564/jasss.4259

28. Jackson, J., Rand, D., Lewis, K., Norton, M., & Gray, K. (2016). Agent-Based Modeling. Social Psychological and Personality Science, 8(4), 387–395. https://doi.org/10.1177/1948550617691100

29. Kaniyamattam, K. (2022). 71 Agent-Based Modeling: A Historical Perspective and Comparison to Other Modeling Techniques. Journal of Animal Science, 100(Suppl. 3), 32–33. https://doi.org/10.1093/jas/skac247.062

30. Kavak, H., Padilla, J.J., Lynch, C.J., & Diallo, S.Y. (2018). Big data, agents, and machine learning: towards a data-driven agent-based modeling approach. In Proceedings of the 2018 Annual Simulation Conference. Article 12, 1–12. https://doi.org/10.22360/springsim.2018.anss.021

31. Ma, T., & Nakamori, Y. (2005). Agent-based modeling on technological innovation as an evolutionary process. European Journal of Operational Research, 166(3), 741–755. https://doi.org/10.1016/j.ejor.2004.01.055

32. Maidstone, R. (2012). Discrete event simulation, system dynamics and agent based simulation: Discussion and comparison. [White paper]. The University of Manchester. Retrieved October 20, 2025, from https://personal-pages.manchester.ac.uk/staff/robert.maidstone/pdf/MresSimulation.pdf

33. Manson, S., An, L., Clarke, K.C., Heppenstall, A., Koch, J., Krzyzanowski, B., … & Tesfatsion, L. (2020). Methodological issues of spatial agent-based models. Journal of Artificial Societies and Social Simulation, 23(1), 6. EDN: HWDYYL, https://doi.org/10.18564/jasss.4174

34. Marchi, S., & Page, S. E. (2014). Agent-Based Models. Annual Review of Political Science, 17, 1–20. https://doi.org/10.1146/annurev-polisci-080812-191558

35. Mishra, R., & Ishii, H. (2021). Event-triggered control for discrete-time multi-agent average consensus. International Journal of Robust and Nonlinear Control, 33(1), 159–176. EDN: JPUYZE, https://doi.org/10.1002/rnc.5815

36. Neves, F., Campos, P., & Silva, S. (2019). Innovation and employment: an agent-based approach. Journal of Artificial Societies and Social Simulation, 22(1), 8. https://doi.org/10.18564/jasss.3933

37. Summad, E., Al-Kindi, M., Al-Hinai, N., Shamsuzzoha, A., & Piya, S. (2023). The application of agent-based modelling for the diffusion of innovation research: a case study. International Journal of Business Innovation and Research, 30(4), 542–564. EDN: YHQHLE, https://doi.org/10.1504/IJBIR.2023.130077

38. Turgut, Y., & Bozdag, C.E. (2023). A framework proposal for machine learning-driven agent-based models through a case study analysis. Simulation Modelling Practice and Theory, 123, 102707. EDN: VHPAQX, https://doi.org/10.1016/j.simpat.2022.102707

39. Xiao, Y., & Han, J. (2016). Forecasting new product diffusion with agent-based models. Technological Forecasting and Social Change, 105, 167–178. EDN: WVQAIH, https://doi.org/10.1016/j.techfore.2016.01.019