07 января 2016г.
Введение. На территории городов в нефтегазовых регионах России сосредоточен мощный и высокоразвитый производственный потенциал предприятий нефтегазового комплекса. Он является ―мультипликатором‖ устойчивого социально-экономического развития республик, областей и др. субъектов Российской Федерации, базой для модернизации и обновления промышленности в стране, создания и развития новых отраслей производства. Несмотря на то, что, муниципальные образования (МО) на территории городов в нефтегазовых регионах страны имеют развитый производственный потенциал, местные власти не могут обеспечить достаточный уровень налоговых поступлений в местные бюджеты, снижение уровня бедности населения и т.д..
В ходе анализа действующего механизма управления муниципальным образованием на примере МО ―Городской округ ―Ухта‖ в Республике Коми, его основных функций, методов и инструментов управления, выявлены серьезные проблемы в управлении МО, ограничивающие его эффективность. Это следующие проблемы управления:
· не определены количественно цели перспективного развития муниципального образования;
· не используются в полной мере возможности прогнозирования и данных мониторинга развития территории;
· не применяются современные информационные технологии в муниципальном управлении.
Общий итог перечисленных недостатков - местные власти не обладают видением долгосрочных перспектив развития МО, не знают, сколько и какой продукции необходимо произвести в текущем году, через год, через два года и т.д., чтобы обеспечить социально-экономическое развитие подчиненной территории; не имеют инструментов для выявления ―точек роста‖ и перспективных производств; не имеют инструментов, использование которых могло бы дать информацию о предвидении неблагоприятных тенденций и факторов развития территории.
Таким образом, имеющиеся серьезные недостатки управления МО на местном, локальном уровне, обуславливают необходимость его совершенствования применительно к современным, в т.ч. кризисным, условиям развития.
Описание метода прогнозирования роста производства на основе генетического алгоритма
Стандартный перечень функций управления МО включает: прогнозирование, планирование, организацию, регулирование, контроль (мониторинг) [1,2].
Управление муниципальным образованием начинается с разработки прогнозов социально-экономического развития, и, как показано в работе, в настоящее время прогнозно-аналитические работы не удовлетворяют требованиям комплексности, достоверности и достаточной глубины прогнозирования, поэтому, прежде всего, необходимо рассмотреть вопросы совершенствования функции управления МО - прогнозирования развития.
В данной работе предлагается усилить информативность функции управления, прогнозирования, за счет:
· выявления значимых факторов, определяющих рост производства;
· определения ―лучшего‖ варианта развития производственной сферы экономики, дающего максимально возможный эффект - доходы территории от производства в денежном выражении.
Анализ существующих методов прогнозирования показал, что в настоящее время все большее распространение получают методы искусственного интеллекта – аппарата искусственных нейронных сетей, нечетких множеств, генетических алгоритмов (ГА).
В [1,2] представлена методика построения прогнозных вариантов роста производства в экономике МО с использованием искусственных нейронных сетей.
В данной работе исследованы возможности генетических алгоритмов (ГА) для решения задачи определения ―лучшего‖ (прогнозного) варианта развития производственной сферы экономики, определяющего максимальную доходность территории МО от производства в денежном выражении.
В работе рассматривается ГА, в котором совокупность оптимизируемых параметров представляется в виде генов, образующих хромосомную нить. Генетический алгоритм поддерживает группу хромосом (популяцию), являющихся претендентами на оптимальное решение. Применяя ряд операций, таких как отбор, скрещивание и мутация, генофонд популяции стремится получить большую пригодность к условиям задачи. Аналогично тому, как в процессе биологического генезиса выживают и развиваются особи, наиболее приспосабливающиеся к воздействию некоторых факторов окружающей среды, так и в процессе поиска оптимума прогрессируют те решения, которые наиболее пригодны (оптимальны) к условиям поставленной задачи (целевому критерию). Практически алгоритм представляет собой простые операции обмена и копирования частей хромосомных нитей, легко распараллеливаются, и с проблемной областью связан лишь определением функции пригодности.
Можно отметить следующие свойства генетических алгоритмов:
1) обрабатывают не значения параметров самой задачи, а их закодированную форму; 2) осуществляют поиск решения исходя не из единственной точки, а из некоторой популяции; 3) используют только целевую функцию, а не ее производные;4) применяют вероятностные, а не детерминированные правила выбора.
Важным понятием в ГА является функция пригодности (также функция приспособленности, функция оценки). Она представляет собой меру пригодности (приспособленности) данной особи в популяции. Эта функция играет важнейшую роль, поскольку позволяет оценить степень приспособленности конкретных особей в популяции и выбрать из них наиболее приспособленные (т.е. имеющие наибольшие значения функции пригодности) в соответствии с эволюционным принципом выживания ―сильнейших‖, лучше всего приспособившихся.
Процессы эволюции, происходящие в ГА, основаны на следующем принципе: ―каждый биологический вид целенаправленно развивается и изменяется для того, чтобы наилучшим образом приспособиться к окружающей среде‖.
Новые индивиды – решения в ГА – создаются с использованием генетических операторов: отбор, скрещивание и мутация. Каждый из них отвечает за определенный процесс в развитии.
Подробнее о ГА можно найти в [3,4].
Для отладки технологии использовались статистические данные социально-экономического развития муниципального образования ―Городской округ ―Ухта‖.
Первоначально решалась задача нахождения значимых факторов, определяющих рост производства в экономике МО по технологии, предложенной в [1,2,3,4,9,10].
В результате расчетов совокупность показателей, определяющих рост производства в экономике города в анализируемом периоде, представлена переменными Х1, Х3, Х10, Х12, это: добыча нефти, производство дизельного топлива, производство молока и молочной продукции в агропромышленном комплексе, производство молока в сельском хозяйстве.
Для решения задачи нахождения оптимального (―лучшего‖) варианта развития производственной сферы экономики, дающего максимально возможный эффект – рост денежных доходов территории от производства, используем классический генетический алгоритм [4].
Решением будет наилучший найденный индивид.
Алгоритм нахождения ―лучшего‖ варианта роста производства на основе ГА:
1. Инициализация. Генерируем случайную начальную популяцию из N бинарных хромосом.
2. Оценивание приспособленности хромосом в популяции. Расчет функции пригодности. Находим значение выбранной целевой функции для каждой хромосомы в соответствии с выбранной оценкой и функцию пригодности.
3. Воспроизводство. Выполняем шаги 3.1 – 3.4, пока не создадим новую популяцию из N хромосом.
3.1. Отбор, селекция. С вероятностью Pi отбора отбираем из популяции две родительские хромосомы.
3.2. Скрещивание. С вероятностью скрещивания Pскр. определяем, выполнять операцию скрещивания или нет. Если да, то выполняется обмен случайными позициями. В обоих случаях хромосомы переводятся в разряд потомков.
3.3. Мутация. С вероятностью мутации Рm меняем у хромосом-потомков случайно выбранный бит.
3.4. Создание новой популяции. Формируем новую популяцию, применяем элитизм.
4. Повторение. Переходим на п. 2 и повторяем процесс до выполнения некоторого условия окончания действия алгоритма.
5. Выбор ―лучшей‖ хромосомы.
В результате применения операций генетического алгоритма были получены следующие результаты: ―лучший‖ вариант (прогноз) производства, который обеспечивает максимальный объем денежных доходов территории, был получен в 12-м поколении популяции:
при Х1(добыча нефти) = 73.94 тыс. тонн, Х3(производство дизельного топлива) = 15.42 тыс. тонн, Х10(производство молочной продукции в АПК) = 466.26 тонн, Х12(производство молока в сельском хозяйстве) = 626.95 тонн будет получено Y = 331.98млн. руб. (расчетное ―прогнозное‖ значение).
Согласно статистическим данным, максимальный доход от производства в анализируемом периоде фактически составил 332.7 млн. рублей, относительная погрешность расчетов составляет 0.21%.
Заключение. Таким образом, предлагаемый метод расчетов с использованием генетического алгоритма, позволяет объективно решать задачи анализа факторов, определяющих рост производства в конкретном анализируемом периоде, определять оптимальные варианты роста производства в экономике муниципального образования с учетом выпуска основных видов продукции. Предлагаемая технология способствует повышению потенциала прогнозирования за счет:
· определения перспективных производств (―точек роста‖);
· определения оптимальных вариантов роста производства;
· отслеживания структурных изменений в экономике города.
Результаты применения данного метода на реальных данных социально-экономического развития МО ГО ―Ухта‖ в анализируемом периоде выявили параметры и факторы, определяющие рост производства, их взаимосвязь, количественные характеристики.
Список литературы
1. Белобородова Н.А. Методика и модели прогнозирования развития экономики муниципального образования ―Город Ухта‖/ УГТУ. Ухта, 2002. – 50 с.
2. Белобородова Н.А. Модели прогнозирования роста производства с использованием нейронных сетей //Известия вузов. Сер. Нефть и газ. 2002. № 4. С. 110-117.
3. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы, нечеткие системы / Пер. с польск. – И.Д. Рудинского. – М.: Горячая линия – Телеком, 2004. – 452 с.
4. Емельянов В.В., Курейчик В.М., Курейчик В.В. Теория и практика эволюционного моделирования. – М.: Физматлит, 2003. – 432 с.