УДК 330.4:004.942
DOI: 10.36871/2618­-9976.2026.02.006

Авторы

Н.А. Гривин,
Студент кафедры «Биомедицинские технические системы». Московский государственный технический университет имени Н. Э. Баумана МГТУ, Москва, Россия
Ю.Г. Герцик,
Доктор экономических наук, доцент, профессор кафедры «Промышленной логистики». Московский государственный технический университет имени Н. Э. Баумана МГТУ, Москва, Россия

Аннотация

Цель настоящей работы заключается в системном изложении  теоретических  основ  применения  генетических  алгоритмов  в  агент­ориентированном  моделировании  экономических  систем  и  демонстрации  практической  применимости  данного  подхода  на  примере  моделирования  торговли  на  современных финансовых  рынках,  где  эволюция  торговых  стратегий  играет  критическую  роль  в формировании рыночной динамики. Авторы выдвигают гипотезу о  том, что применение в агент­ориентированном моделировании  генетических  алгоритмов,  основанных  на  принципах естественного отбора и биологической эволюции, позволят исследовать причинно­следственные связи в экономических  процессах  за  счет  самообучения агентов  и адаптации  их  стратегий  в  зависимости  от  изменяющейся  рыночной  среды  без  необходимости  глобальной  оптимизации,  что  позволит  в  конечном  итоге минимизировать финансовые  риски.  Для  подтверждения  данной  гипотезы  в  работе  рассмотрены  ключевые  подходы  и  методы  эволюционных  вычислений,  которые  обеспечивают  механизм  адаптивного  обучения  агентов.  В  заключение  рассматриваются выявленные ограничения агент­ориентированного  моделирования  на  основе  генетических  алгоритмов  и  делается  предположение  о  перспективности  продолжения  исследований в данном направлении.

Ключевые слова

агент­-ориентированное моделирование
экономические системы
генетические алгоритмы
адаптивное обучение
финансовые риски

Список литературы

[1] Бурилина М.А., Ахмадеев Б.А. Анализ многообразия архитектур и методов моделирования  децентрализованных  систем  на  основе  агент­ориентированного  подхода  // Креативная экономика. 2016. Т. 10. № 7. С. 829–848. DOI: 10.18334/ce.10.7.35364.
[2] Макаров В.Л., Бахтизин А.Р., Сушко Е.Д., Васенин В.А., Борисов В.А., Роганов В.А. Агент­ориентированные модели: мировой опыт и технические возможности реализации на суперкомпьютерах // Вестник РАН. 2016. № 3. C. 253.
[3] Маковеев В.Н. Применение  агент­ориентированных моделеи̮ в  анализе  и  прогнозировании социально­экономического развития территории̮ // Экономические и  социальные  перемены:  факты,  тенденции,  прогноз. 2016.  № 5.  С. 272–289. DOI: 10.15838/esc/2016.5.47.15.
[4] Arrow K.J., Debreu G. Existence of an Equilibrium for a Competitive Economy. Econometrica, 1954, vol. 22, no. 3, pp. 265–290.
[5] Bedau M.A. Weak Emergence. Philosophical Perspectives, 1997, vol. 11, pp. 375–399.
[6] Beyer H.­G., Schwefel H.­P. Evolution Strategies – A Comprehensive Introduction. Natural Computing, 2002, vol. 1, no. 1, pp. 3–52.
[7] Brabazon A., O’Neill M. Biologically Inspired Algorithms for Financial Modeling. Berlin: Springer, 2006.
[8] Brenner T. Agent Learning Representation: Advice on Modeling Economic Learning // Handbook of Computational Economics / ed. Tesfatsion L., Judd K.L. Elsevier, 2006. Vol. 2. Pp. 895–947.
[9] Bull L. On Using ZCS in a Simulated Continuous Double­Auction Market // Proceedings of the Genetic and Evolutionary Computation Conference. MorganKaufmann, 1999. Pp. 83–90.
[10] Epstein J.M., Axtell R.L. Growing Artificial Societies: Social Science from the Bottom Up. Cambridge, MA: MIT Press, 1996.
[11] Farmer J.D., Foley D. The Economy Needs Agent­Based Modeling. Nature, 2009, vol. 460, pp. 685–686.
[12] Franklin S., Graesser A. Is It an Agent, or Just a Program?: A Taxonomy for Autonomous Agents. Intelligent Agents III: Agent Theories, Architectures, and Languages. Springer, 1997. vol. 1193, pp. 21–35.
[13] Goldberg D.E. Genetic Algorithms in Search, Optimization, and Machine Learning. Reading, MA: Addison­Wesley, 1989.
[14] Hansen N. The CMA Evolution Strategy: A Tutorial // arXiv preprint arXiv:1604.00772.2016.
[15] Hillis W.D. Co­Evolving Parasites Improve Simulated Evolution as an Optimization Procedure // Artificial Life II / ed. Langton C.G. et al. Addison­Wesley, 1990, pp. 313–324.
[16] Holland J.H. Adaptation in Natural and Artificial Systems. Ann Arbor, MI: University of Michigan Press, 1975.
[17] Holland J.H. Hidden Order: How Adaptation Builds Complexity. Reading, MA: Helix Books, 1995.
[18] Kahneman D., Tversky A. Prospect Theory: An Analysis of Decision under Risk. Econometrica, 1979. vol. 47, no. 2, pp. 263–291.
[19] Koza J.R. Genetic Programming: On the Programming of Computers by Means of Natural Selection. Cambridge, MA: MIT Press, 1992.
[20] Mahfoud S.W. Niching Methods for Genetic Algorithms: Doctoral dissertation. 1995.
[21] Mitchell M. An Introduction to Genetic Algorithms. Cambridge, MA: MIT Press, 1996.
[22] O’Neill M., Ryan C. Grammatical Evolution: Evolutionary Automatic Programming in an Arbitrary Language. Boston, MA: Kluwer Academic Publishers, 2003.
[23] Poli R., Langdon W.B., McPhee N.F. A Field Guide to Genetic Programming. Lulu Enterprises, 2008.
[24] Simon H.A. A Behavioral Model of Rational Choice. Quarterly Journal of Economics, 1955, vol. 69, no. 1, pp. 99–118.
[25] Stanley K.O. et al. Designing Neural Networks through Neuroevolution. Nature Machine Intelligence, 2019, vol. 1, no. 1, pp. 24–35.
[26] Stanley K.O., Miikkulainen R. Evolving Neural Networks through Augmenting Topologies. Evolutionary Computation, 2002, vol. 10, no. 2, pp. 99–127.
[27] Storn R., Price K. Differential Evolution – A Simple and Efficient Heuristic for Global Optimization over Continuous Spaces. Journal of Global Optimization, 1997, vol. 11, no. 4. pp. 341–359.
[28] Tesfatsion L. Agent­Based Computational Economics: A Constructive Approach to Economic Theory // Handbook of Computational Economics / ed. Tesfatsion L., Judd K.L. Amsterdam: Elsevier, 2006, vol. 2, pp. 831–880.
[29] Vie A. Qualities, Challenges and Future of Genetic Algorithms: A Literature Review. arXiv preprint arXiv:2011.05277.2020. https://arxiv.org/pdf/2011.05277.
[30] Wagner G.P., Altenberg L. Complex Adaptations and the Evolution of Evolvability. Evolution, 1996, vol. 50, no. 3, pp. 967–976.
[31] Wilson S.W. Classifier Fitness Based on Accuracy. Evolutionary Computation, 1995, vol. 3, no. 2, pp. 149–175.
[32] Xu Z., Gao Y. On the Convergence Properties of Genetic Algorithms. Chinese Science Bulletin, 1997. vol. 42, no. 15. pp. 1336–1340.
[33] Zhou A. et al. Evolutionary Computation for Large­Scale Optimization: A Review // IEEE Transactions on Evolutionary Computation. 2024.