УДК 004.8:519.83
DOI: 10.36871/ek.up.p.r.2026.02.04.020

Авторы

Дмитрий Анатольевич Власов,
Александр Валерьевич Синчуков,
Российский университет дружбы народов им. П. Лумумбы

Аннотация

В статье исследуется управленческий потенциал теории игр в условиях комплексного использования количественных методов и технологий искусственного интеллекта как методологической основы для анализа и поддержки принятия управленческих решений в сложных социально-экономических системах. Рассматривается теоретико-игровое моделирование в качестве нового инструмента управленческого анализа, позволяющего формализовать стратегическое взаимодействие между участниками управленческих процессов, учитывать конфликты интересов, кооперационные механизмы и динамику поведения агентов в условиях неопределённости и многокритериальности. Особое внимание уделяется интеграции технологий искусственного интеллекта в теоретико-игровые модели, описывающие различные управленческие ситуации, включая применение методов машинного обучения и обучения с подкреплением для адаптивного обновления стратегий, прогнозирования поведения агентов и обработки больших массивов эмпирических данных. Представленные результаты могут быть использованы при разработке интеллектуальных систем поддержки принятия решений и формировании устойчивых управленческих стратегий в условиях цифровой трансформации и высокой неопределённости внешней среды.

Ключевые слова

игровое моделирование, количественные методы, оптимальное управление, стратегическое взаимодействие, теория игр, теория принятия решений, технологии искусственного интеллекта

Список литературы

  1. Андрианова И. Д. Теория кооперативных игр в экономике в условиях внешней неопределенности / И. Д. Андрианова, С. Н. Яшин, Ф. Ф. Юрлов // Вестник Самарского университета. Экономика и управление. – 2023. – Т. 14, № 3. – С. 195-204.
  2. Барахтенко Е. А. Моделирование поведения активных потребителей при кооперации с использованием мультиагентного подхода / Е. А. Барахтенко, Н. И. Айзенберг, Г. С. Майоров // Известия Российской академии наук. Энергетика. – 2025. – № 4. – С. 28-44.
  3. Власов Д. А. Введение в теорию игр / Д. А. Власов. – М.: Издательский Дом «Инфра-М», 2023. – 222 с.
  4. Власов Д. А. Теория игр в производственном менеджменте / Д. А. Власов. – М.: Общество с ограниченной ответственностью «Научно-издательский центр ИНФРА-М», 2026. – 217 с.
  5. Голдуева Д. А. Принятие решений в условии неопределенности на основе теории игр с природой / Д. А. Голдуева, М. А. Мокшанина // Вестник Пензенского государственного университета. – 2020. – № 4(32). – С. 130-140.
  6. Дубенко Ю. В. алгоритм обучения с подкреплением для децентрализованных многоагентных систем, основанный на обмене опытом и обучении агентов случайному взаимодействию / Ю. В. Дубенко, Н. А. Рудешко // Вестник Воронежского государственного технического университета. – 2022. – Т. 18, № 4. – С. 30-36.
  7. Дюсуше О. М. Статичное равновесие Курно – Нэша и рефлексивные игры олигополии: случай линейных функций спроса и издержек / О. М. Дюсуше // Экономический журнал Высшей школы экономики. – 2006. – Т. 10, № 1. – С. 3-32.
  8. Зеляев А. Э. Принятие решений на основе коэффициента Шарпа и критериев теории игр с природой / А. Э. Зеляев // Математическое и компьютерное моделирование в экономике, страховании и управлении рисками. – 2024. – № 9. – С. 38-42.
  9. Карасев П. А. Математические методыанализа и прогнозирования в экономике / П. А. Карасев. – М.: Общество с ограниченной ответственностью «Русайнс», 2024. – 134 с.
  10. Парфенов А. П. Равновесное и компромиссное управление в сетевых моделях многоагентного взаимодействия / А. П. Парфенов, О. А. Малафеев // Проблемы механики и управления: Нелинейные динамические системы. – 2007. – № 39. – С. 154-167.
  11. Разинкин К. А. Консенсусное управление и мультиагентное обучение с подкреплением в задачах структуризации проектных сетей / К. А. Разинкин, Е. С. Соколова // Моделирование, оптимизация и информационные технологии. – 2022. – Т. 10, № 4(39). – С. 10-11.
  12. Сергеев С. М. Выбор инновационной маркетинговой стратегии предприятий на основе экономико-математического моделирования / С. М. Сергеев // Инновации. – 2013. – № 3(173). – С. 116-119.
  13. Системный подход в моделировании эффективности кадрового потенциала сотрудников IT-предприятия / А. Л. Золкин, В. С. Тормозов, Т. Н. Буштрук, Е. А. Арнаутов // Вестник Российского нового университета. Серия: Сложные системы: модели, анализ и управление. – 2023. – № 1. – С. 3-11.
  14. Сухорукова И. В. Математические методы и модели в экономике / И. В. Сухорукова. – М.: Российский экономический университет им. Г. В. Плеханова, 2024. – 136 с.
  15. Фахретдинова В. А. Равновесие Нэша-Парето (Нэша-Слейтера) в многокритериальной повторяющейся игре / В. А. Фахретдинова // Вестник Псковского государственного университета. Серия: Естественные и физико-математические науки. – 2012. – № 1. – С. 172-175.
  16. Цуриков В. И. Сравнение равновесий Нэша и Штакельберга в модели коллективных действий / В. И. Цуриков, Е. М. Скаржинская // Теоретическая экономика. – 2024. – № 1(109). – С. 75-86.
  17. Чернов В. Г. Нечеткая игра с «Природой» как модель принятия экономических решений / В. Г. Чернов // Современные наукоемкие технологии. Региональное приложение. – 2020. – № 3(63). – С. 42-53.
  18. Mailath G. J., Samuelson L. (2015). Reputations in Repeated Games. Handbook of Game Theory with Economic Applications, Volume 4, Elsevier, pp. 165–238. DOI: 10.1016/B978-0-444- 53766-9.00004-5
  19. Wellman M. P., Tuyls K., Greenwald A. (2025). Empirical Game Theoretic Analysis: A Survey. Journal of Artificial Intelligence Research, Vol. 82, pp. 1017–1076. DOI:10.1613/ jair.1.16146