Агент-ориентированная модель социально-экономического развития мегаполисов: на примере г. Москвы тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Фаттахов, Марат Рафаэльевич
- Специальность ВАК РФ08.00.13
- Количество страниц 197
Оглавление диссертации кандидат экономических наук Фаттахов, Марат Рафаэльевич
ВВЕДЕНИЕ.
ГЛАВА 1 МЕТОДОЛОГИЯ МОДЕЛИРОВАНИЯ ГОРОДОВ.
1.1 Мировой опыт решения проблем устойчивого развития городов.
1.1.1 Организация Объединенных Наций.
1.1.2 Европейский опыт мониторинга и контроля проблем развития городов
1.2 Основные подходы к моделированию городов.
1.2.1 Влияние Количественной революции и Системного подхода на принципы городского планирования.
1.2.2 Истоки городского моделирования.
1.2.3 История первого поколения городских моделей.
1.2.4 Классификация моделей городов.
1.2.5 Современные подходы к моделированию развития городов.
1.3 Гравитационная модель как элемент Комплексной агент-ориентированной модели развития городов.
1.3.1 Расселенческие модели городов.
1.3.2 Моделирование транспортных сетей при заданном расселении.
1.3.3 Моделирование пропускной способности транспортной сети.
1.3.4 Модели размещения промышленных объектов.
1.3.5 Международные торговые модели.
ВЫВОДЫ ПО ГЛАВЕ 1.
ГЛАВА 2 АГЕНТ-ОРИЕНТИРОВАННАЯ МОДЕЛЬ РАЗВИТИЯ ГОРОДОВ.
2.1 Агент-ориентированное моделирование.
2.1.1 Агент и среда модели.
2.1.2 История агент-ориентированного моделирования.
2.1.3 Этапы проектирования АОМ.
2.1.4 Программная реализация АОМ.
2.1.5 Основные направления использования АОМ.
2.1.6 Горизонтальная и иерархическая организация АОМ, интерактивные АОМ.
2.2 Комплексная агент-ориентированная модель развития городов.
2.2.1 Агент - Люди.
2.2.2 Агент - Предприятие.
2.2.3 Районы.
2.2.4 Дороги и общественный транспорт.
ВЫВОДЫ ПО ГЛАВЕ 2.
ГЛАВА 3 КОМПЛЕКСНАЯ АГЕНТ-ОРИЕНТИРОВАННАЯ МОДЕЛЬ РАЗВИТИЯ ГОРОДА МОСКВЫ.
3.1 Комплексная агент-ориентированная модель развития города Москвы.
3.1.1 Москва - мегаполис двадцать первого века.
3.1.2 Программная реализация Комплексной агент-ориентированной модели развития городов.
3.1.3 Оценка прогностических характеристик модели.
3.2 Прогноз социально-экономических показателей и сценарии развития г. Москвы.
3.2.1 Прогноз основных социально-экономических показателей развития г. Москвы на период до 2025 года.
3.2.2 Сценарные расчеты развития г. Москвы с использование Комплексной агент-ориентированной модели развития городов.
ВЫВОДЫ ПО ГЛАВЕ 3.
Рекомендованный список диссертаций по специальности «Математические и инструментальные методы экономики», 08.00.13 шифр ВАК
Интеграционные процессы в российском экономическом пространстве: на примере Москвы и Московской области2008 год, кандидат экономических наук Шушин, Николай Валерьевич
Административно-правовое регулирование городского хозяйства: На примере Москвы2001 год, кандидат юридических наук Широков, Андрей Вячеславович
Проблемы реструктуризации географического комплекса Москвы и гуманизация ее городской среды1998 год, доктор географических наук Глушкова, Вера Георгиевна
Социологический анализ фискального поведения субъектов бюджетных отношений: На примере г. Москвы2003 год, кандидат социологических наук Геворкян, Артем Самвелович
Государственное управление социальными и экономическими процессами в городе Москве: Теоретико-правовые аспекты1998 год, доктор юридических наук Попов, Александр Иванович
Введение диссертации (часть автореферата) на тему «Агент-ориентированная модель социально-экономического развития мегаполисов: на примере г. Москвы»
Актуальность исследования. Города сегодня растут беспрецедентными темпами, формируются крупные мегаполисы и агломерации, устанавливающие социально-экономические, политические, культурные и экологические правила в мировом хозяйствовании. Еще 50 лет назад только одна треть населения планеты жила в городах, но уже к 2000 больше половины жителей Земли (более 3 млрд. чел.) стали горожанами. По данным Организации Объединенных Наций к 2050 году численность городского населения продолжит расти и составит две трети от общей численности людей на планете, или 6 млрд. человек.
Города являются многонациональными центрами производства и потребления товаров и услуг, ядрами формирования территориальных экономических комплексов и инновационных кластеров. Крупнейшие мегаполисы с высоким уровнем жизни населения играют все большую роль в стягивании демографического, инновационного и научно-образовательного потенциала. Происходит активное включение крупных городских региональных агломераций в мировую распределительную систему управления глобальными процессами.
В тоже время города могут служить рассадниками преступности, зонами активно загрязняющими окружающую среду и, как следствие, провоцирующими различные заболевания их жителей, являться центрами нищеты и социальной напряженности. Во многих городах, особенно в развивающихся странах, более половины жителей являются обитателями трущоб, не имеющие удовлетворительного жилья, доступа к воде, элементарным средствам санитарии, возможности получать образование или медицинское обслуживание.
Ключевым аспектом развития городов сегодня должна стать социально-экономическая направленность развития территорий. Несмотря на свои размеры, города должны выступать в качестве зон с высоким уровнем жизни. Социально-ориентированное развитие городов в первую очередь должно исходить из: развитой социально-экономической, образовательной, медицинской и транспортной инфраструктуры; благоприятной экологии; высокого уровня толерантности в обществе; низкого уровня преступности и т.д.
Таким образом, устойчивая урбанизация и устойчивое развитие городов является одной из наиболее актуальных задач, стоящих перед мировым сообществом в двадцать первом веке. Сбалансированный рост городов является своего рода катализатором стабильного регионального и общенационального развития.
Ключевым инструментарием исследования, анализа, разработки прогнозов и сценариев развития городов становятся математические методы моделирования. Современная модель мегаполисов должна отражать различные элементы жизнедеятельности города (демографию, миграцию, транспорт, экологию и др.), а также учитывать индивидуальное поведение его жителей, быть гибкой и способной предсказывать неожиданное поведение городской системы в результате взаимодействия агентов модели на микроуровне. Еще одной немаловажной составляющей современной модели развития городов должны стать визуализационные и интерактивные аспекты работы модели.
В качестве актуального подхода, вобравшего в себя вся эти высокие требования к моделированию сложной городской среды, выступает построение нового класса экономико-математических моделей - Агент-ориентированных моделей (далее - АОМ), известных в зарубежной литературе как Agent-Based Modeling (сокр. ABM).
В качестве объекта исследования особый интерес представляет город Москва как современный динамично развивающийся мегаполис, обладающий колоссальным потенциалом экономического роста и качественного развития городской среды. Становится очевидным, что сложившиеся на этапе перехода к рыночным методам хозяйствования парадигма развития мегаполиса, ориентированная в первую очередь на создание «капиталистического города» и привлечение в него инвестиций любыми способами себя полностью изжила и нуждается в скорейшей трансформации.
Сегодня большинство целей развития Москвы как столицы Российской Федерации уже достигнуты и становится актуальным выход на качественно новые целевые рубежи - развитие мегаполиса как зоны с высоким уровнем жизни населения. Наряду с этим ограниченность трудовых, финансовых, земельных (надземных и подземных), пространственных ресурсов становится все более жесткой и сопровождается экономическими, социальными и политическими ограничениями.
В силу отмеченных обстоятельств устойчивое социально-экономическое развитие г. Москвы требует решения целого ряда сложных проблем. Часть из них представляет наследие неудач прошлых лет, другая — порождена объективными обстоятельствами: наблюдаемый заметный отрыв Москвы от других регионов по показателям уровня жизни приводит к неумеренному притоку людей в мегаполис. Ограниченность географического пространства города, перенасыщенность Москвы населением деформирует демографическую структуру города, обостряет жилищную и транспортную проблемы, проблему занятости, имущественное и доходное неравенство москвичей.
Для обеспечения устойчивого социально-экономического развития столицы как зоны с высоким уровнем жизни населения нами была разработана Комплексная агент-ориентированная модель развития города Москвы, позволяющая разрабатывать стратегический курс развития города в среднесрочной и долгосрочной перспективе, а также проигрывать сценарии развития Москвы с учетом уровня комфортности проживания ее жителей.
Таким образом, исследование, проведенное в рамках данной диссертационной работы, соответствует темам 8.7. «Теория и методы экономико-математического моделирования сценариев социально-экономического и инновационного развития России» и 8.10. «Научные основы региональной политики и устойчивое развитие регионов и городов» основных направлений фундаментальных исследований РАН.
Степень научной разработанности проблемы. Основной вклад в разработку теоретических проблем региональной экономики и проблем устойчивого социально-экономического развития систем внесли отечественные ученые Л.И. Абалкин, М.М. Албегов, С.Д. Валентей, А.Е. Варшавский, В.Г. Введенский, А.Г. Гранберг, Г.Б. Клейнер, A.A. Куклин, Д.С. Львов, В.Л. Макаров, В.Г. Медницкий, П.А. Минакир, H.H. Некрасов, B.C. Немчинов, О.Н. Нестеренко, Ю.Я. Ольсевич, В.В. Радаев, Н.М. Ратнер, Д.Е. Сорокин, А.И. Татаркин, A.A. Фридман, Штульберг.
В отечественной экономической литературе проблема развития городов уделяется большое внимание, в связи с этим следует отметить работы С.С. Артоболевского, В.Я. Беккера, B.C. Бялковского, В.А. Воротилова, A.C. Жолкова, В.М. Зуева, И.А. Ильина, В.Я. Любовного, A.A. Нещадина, П.М. Поляна, О.С. Пчелинцева, И.И. Сигова, В.В. Финагина, H.H. Шевердяева.
Становлению методических и методологических подходов к исследованию и моделированию городов (в том числе и с использованием агент-ориентированных моделей) способствовали работы таких зарубежных ученых, как В. Алонсо, И. Бененсон, Л. Ван ден Берг, Д. Браун, М. Бэтти, А. Вилсон, Л. Ван Виссен, В.Б. Занг, В. Лоибл, И. Лоури, Дж. Мак-Лафлин, К. Макал, Р. Митчелл, М. Норе, Д. Паркер, Дж. Португали, К. Рапкин, А. О'Салливан, Ж.Ф. Тисс, У. Тоблер, И.Г. фон-Тюнен, Л. Уинго, Б. Харрис, Г. Чедвик.
Среди классиков агент-ориентированного моделирования можно выделить Р. Аксельрода, Л. Тасфатсона, Р. Экстела, Дж. Эпштейна. В России данное направление только начинает активно развиваться, так, среди отечественных ученых можно выделить В.Л. Макарова, А.Р. Бахтизина, М.С. Бурцева, Ю.Н. Гаврильца, С.И. Паринова.
Несмотря на широкое распространение в зарубежных странах моделирования отдельных направлений развития городов посредством использования агент-ориентированного подхода, комплексная агент-ориентированная модель позволяющая разрабатывать долгосрочный прогноз основных социально-экономических показателей и сценариев развития российских городов и крупных мегаполисов была разработана автором впервые.
Объектом исследования являются большие города и крупные мегаполисы с численностью населения в несколько миллионов или несколько десятков миллионов человек.
Предметом исследования является устойчивое социально-экономическое развитие городов.
Целью исследования является разработка и апробация инструментария формирования устойчивого социально-экономического развития городов, позволяющего разрабатывать стратегический курс развития территорий и сценарии развития городов.
Для достижения поставленной цели в работе были решены следующие основные задачи:
- обзор мирового опыта решения проблем устойчивого развития городов;
- анализ существующих моделей и методов, получивших наибольшее распространение для задач проектирования и моделирования городов;
- разработка инструментария, позволяющего получать прогноз основных социально-экономических показателей в среднесрочной и долгосрочной перспективе и сценарии развития городов с учетом уровня комфортности проживания людей;
- разработка агент-ориентированной модели города Москвы с использованием современных программных продуктов, проведение численного наполнения модели четырьмя группами данных;
- комплексная оценка качества модели с использованием, как классических статистических методов, так и посредством проведения анализа чувствительности и оценки влияния стохастической составляющей модели на результаты моделирования;
- разработка прогноза основных социально-экономических показателей развития г. Москвы на период до 2025 года;
- оценка направлений развития города и результатов управленческих решений (в том числе и непопулярных) с точки зрения влияния на качество и комфортность жизни москвичей и на их настроение.
Теоретической и методологической основой исследования послужили работы отечественных и зарубежных ученых в области экономико-математического моделирования, экономической теории, региональной экономики, устойчивого и сбалансированного развития городов, а также аналитические, методические материалы и нормативные документы Организации Объединенных Наций, Европейского Союза, Российской Федерации и г. Москвы.
Исследование основывается на методологии научного познания и ее конкретных приложениях, среди которых системный, структурно-функциональный и агент-ориентированный подход, а также методы экономического, математического и статистического анализа.
При разработке Комплексной агент-ориентированная модель развития городов (далее - САВМ1Ю) автором был учтен весь накопленный опыт построения АОМ, и в частности, моделей, нацеленных на изучение развития городской среды. В САВМ1ГО присутствуют элементы гравитационной модели, жилой динамики, динамическое изменение цен на услуги ЖКХ для населения и арендной платы на коммерческую недвижимость для предприятий, которая устанавливается посредством рыночных механизмов, т.е. под влиянием спроса и предложения на коммерческую недвижимость в каждом отдельном районе города. В САВМТ-Ю был реализован жизненный цикл агентов-людей (рождение, взросление, смерть); введено свойство памяти; принцип ограниченной рациональности агента, где помимо экономических факторов при выборе места жительства используется фактор экологии, развитости инфраструктуры и престижности района; принцип иерархической организации структуры среды модели; а также все 3 типа связей: агент-агент, агент-среда и среда-среда.
Информационную базу исследования составили 4 группы данных: Федеральной службы государственной статистики РФ за 2005-2011 года; аналитические, плановые и прогнозные документы федеральных, региональных органов государственной власти и научно-исследовательских институтов; личные данные жителей и предприятий г. Москвы и Московской области; анкеты, собранные в ходе опроса жителей г. Москвы и Московской области, необходимые для выявления поведенческих особенностей агентов-людей модели.
Научную новизну составляют следующие наиболее значимые результаты диссертационной работы, полученные автором в ходе исследования и выносимые на защиту:
1. Разработан комплексный инструментарий формирования устойчивого развития городов с использованием агент-ориентированного 9 подхода, позволяющий получить количественную оценку результатов управленческих решений, разрабатывать стратегический курс развития территорий, а также проигрывать сценарии развития городов с учетом уровня комфортности проживания людей.
2. В рамках Комплексной агент-ориентированной модели развития г. Москвы построена геоинформационная система мегаполиса; реализован жизненный цикл агентов-людей; введено свойство памяти; принцип ограниченной рациональности агента; помимо экономических факторов при выборе места жительства используется фактор экологии, развитости инфраструктуры и престижности района; принцип иерархического построения среды модели; введены механизмы динамического изменения цены на недвижимость в различных районах города.
3. Предложен комплексный подход к оценке качества нового инструментария - агент-ориентированной модели развития городов на основе анализа чувствительности, оценки влияния стохастической составляющей на результаты моделирования, оценки прогностических характеристик модели.
4. Проведенный анализ основных направлений долгосрочного социально-экономического развития г. Москвы на период до 2025 года, позволил с учетом объективных ограничений и при условии сохранения территории столицы в текущих границах прогнозировать условия, при которых обеспечивается достижение высоких стандартов уровня и качества жизни москвичей, устойчивое и сбалансированное функционирование социальных и экономических элементов мегаполиса.
5. Проведена оценка предлагаемых мер по снижению уровня загруженности дорог посредством повышения стоимости бензина на автозаправочных станциях столицы. Расчеты показали, что единовременное увеличение стоимости бензина на 8 руб./литр или 30-35% существенно снижает загруженность дорог и среднее время, затрачиваемое жителями мегаполиса на дорогу; но вызывает серьезный скачок недовольства жителей города. Особенно остро изменения коснутся слоев населения с низким уровнем дохода. Показано, что плавное (поэтапное) повышение цен на бензин позволит избежать нарастающей социальной напряженности, однако, эффект от этих мер будет ниже.
6. С использованием Комплексной агент-ориентированной модели развития города Москвы показано существенное уменьшение загруженности дорог города, а также высокая экономическая эффективность от введения платы за парковку в центре г. Москвы для бюджета города.
7. Проведенная оценка уровня сегрегация жителей мегаполиса по доходам с использованием агент-ориентированной модели развития г. Москвы позволила сделать вывод о выравнивании уровня жизни всех москвичей вне зависимости от места их проживания. Если в 2002 году значение самого высокого показателя среднедушевого денежного дохода по административным округам превышало значение самого низкого более чем в 2 раза, то в 2009 году это отношение снизилось до 1,56 раз. Исходя из прогноза на период до 2025, десегрегационные процессы в обществе сохранятся, а уровень дифференциации не превысит 1,25-1,3 раза.
Тематика диссертационного исследования соответствует следующим пунктам паспорта специальности ВАК 08.00.13 — Математические и инструментальные методы экономики: 1.9. Разработка и развитие математических методов и моделей анализа и прогнозирования развития социально-экономических процессов общественной жизни: демографических процессов, рынка труда и занятости населения, качества жизни населения и др.; 2.2. Конструирование имитационных моделей как основы экспериментальных машинных комплексов и разработка моделей экспериментальной экономики для анализа деятельности сложных социально-экономических систем и определения эффективных направлений развития социально-экономической и финансовой сфер; 2.3. Разработка систем поддержки принятия решений для рационализации организационных структур и оптимизации управления экономикой на всех уровнях.
Практическая значимость результатов работы. Результаты апробации разработанной модели свидетельствует о ее практической значимости. Разработанный универсальный инструментарий — Комплексная агент-ориентированная модель развития городов может применяться для решения самого широкого круга задач, стоящих перед учеными и чиновниками всех уровней власти и выступать в качестве инструмента поддержки принятия решений. Он принят в качестве одного из подходов формирования устойчивого развития городов Министерством экономики Республики Татарстан, а также применяется при разработке стратегий устойчивого развития городов и регионов России Учреждением Российской академии наук Институтом экономики РАН, что подтверждается справками о внедрении.
Основные результаты, полученные с использованием САВМТЛ), были использованы в работах, поддержанных Российским фондом фундаментальных исследований (РФФИ) «Методология формирования стратегии развития городских агломераций как новых центров социально-экономического развития регионов (на примере г. Москвы)» и Российским гуманитарным научным фондом (РГНФ) «Методология разработки программ устойчивого развития городов с использованием агент-ориентированного подхода».
Апробация результатов исследования. Основные научные результаты, диссертационной работы были апробированы на международных и всероссийских научных конференциях: 31-ой Международной научной школе-семинаре имени академика С.С. Шаталина (Вологда, 2009); IV Всероссийской междисциплинарной конференции студентов, аспирантов и молодых учёных «Искусственный интеллект: философия, методология, инновации» (Москва 2009); Первом Российском экономическом конгрессе (Москва 2009); Конференции молодых ученых Первого Российского экономического конгресса (Москва 2009); Круглом столе журнала «Экономика и математические методы» (Москва, 2010); семинарах лаборатории Экспериментальной экономики ЦЭМИ РАН (Москва, 2010, 2011).
Публикации. Основные теоретические положения и выводы диссертации опубликованы в 4 научных работах, в том числе в коллективной монографии «Пространственная экономика: теория и реалии» (изд. Экономика, 2011 г.) и журналах «Известия Российской академии наук. Теория и системы управления», «Экономика и математические методы», входящих в перечень ВАК Министерства образования и науки РФ. Общий объем публикаций составил 25,3 п.л., в т.ч. соискателю принадлежат 3 п.л.
Структура и содержание работы. Структура диссертации определяется целью и задачами исследования и состоит из введения, трех глав, заключения, библиографического списка и семи приложений. Содержание работы изложено на 142 страницах машинописного текста, содержит 25 рисунков и 3 таблицы. Список использованной литературы содержит 370 трудов российских и иностранных авторов.
Похожие диссертационные работы по специальности «Математические и инструментальные методы экономики», 08.00.13 шифр ВАК
Методы и средства обеспечения поступательного и безопасного развития мегаполиса: на примере города Москвы2006 год, кандидат экономических наук Иванов, Вадим Вячеславович
Сравнительный статистический анализ демографического развития Москвы и Санкт-Петербурга2005 год, кандидат экономических наук Поздняков, Юрий Александрович
Устойчивое социальное развитие столичного мегаполиса: концептуальное обоснование и организационная практика2009 год, кандидат экономических наук Пикулин, Максим Алексеевич
Развитие и организация местного самоуправления города Москвы2005 год, кандидат юридических наук Дерюгина, Анна Вадимовна
Формирование территориальной организации здравоохранения Московского мегаполиса2006 год, кандидат экономических наук Чернов, Владимир Вениаминович
Заключение диссертации по теме «Математические и инструментальные методы экономики», Фаттахов, Марат Рафаэльевич
Выводы по главе 3
Москва сегодня — современный динамично развивающийся мегаполис, обладающий колоссальным потенциалом экономического роста и качественного развития городской среды. Для обеспечения устойчивого социально-экономического развития города как зоны с высоким уровнем жизни населения возникает необходимость в разработке комплексного инструментария, позволяющего разрабатывать стратегический курс развития столицы в среднесрочной и долгосрочной перспективе, а также проигрывать сценарии развития Москвы с учетом уровня комфортности проживания людей.
Разработанный нами с использованием современных специализированных программных продуктов и языка программирования Java универсальный инструмент - Комплексная агент-ориентированная модель развития города Москвы в полной мере отвечает всем этим требованиям.
Проведенный анализ чувствительности CABMUD, оценка влияния стохастической составляющей на результаты моделирования, а также оценка прогностических характеристик модели позволяет судить о высоком качестве, точности и надежности предложенного инструментария. Наряду с высокими характеристиками CABMUD нам удалось сохранить «самостоятельность» модели: разнообразие агентов, непредсказуемость поведения агентов и среды модели, их взаимодействия, путем подбора вероятностных распределений, используемых в модели.
Проведенный анализ основных направлений долгосрочного социально-экономического и пространственного развития г. Москвы, позволил с учетом объективных ограничений спрогнозировать и обосновать внутреннюю и внешнюю среду, при которых обеспечивается достижение высоких стандартов уровня и качества жизни москвичей, устойчивое и сбалансированное функционирование объектов социальной и транспортной инфраструктуры, жилищной, экономической и экологической сферы, сохранение уникального разнообразия городской среды, её культурно-исторического и природного потенциала.
Сценарные расчеты позволили получить не только прогноз основных социально-экономических показателей, но и оценить направления развития города и принимаемых управленческих решений (в том числе и непопулярных) с точки зрения влияния на качество и комфортность жизни москвичей и на их настроение.
ЗАКЛЮЧЕНИЕ
В ходе проведенного исследования автором были получены следующие основные результаты:
1. Проведенный анализ существующих методов проектирования и моделирования городов показал, что агент-ориентированный подход является наиболее универсальным средством моделирования социально-экономического развития городов, позволяющим учитывать индивидуальное поведение жителей города, предсказывать неожиданное поведение городской системы в результате взаимодействия жителей города на микроуровне, а также поддерживать визуализационные и интерактивные аспекты работы и включать элементы других моделей, например, гравитационной.
2. Разработана Комплексная агент-ориентированная модель развития г. Москвы, состоящая из более 17 тыс. строк программного кода на языке Java, реализованная на базе современного специализированного программного продукта AnyLogic и геоинформационной системы, построенной в ходе исследования. CABMUD позволяет разрабатывать долгосрочный прогноз и сценарии социально-экономического развития города с учетом уровня комфортности проживания людей, а также получать количественную оценку результатов управленческих решений.
3. Проведенный анализ чувствительности, оценка влияния стохастической составляющей на результаты моделирования, а также оценка прогностических характеристик Комплексной агент-ориентированной модели г. Москвы позволили судить о высоком качестве, точности и надежности предложенного инструментария. Наряду с высокими характеристиками качества сохранена гибкость и «самостоятельность» модели: неоднородность и разнообразие агентов, непредсказуемость поведения агентов и среды модели, их взаимодействия.
4. Проведенный анализ основных направлений долгосрочного социально-экономического развития г. Москвы на период до 2025 года, позволил с учетом объективных ограничений и при условии сохранения территории столицы в текущих границах прогнозировать условия, при которых обеспечивается достижение высоких стандартов уровня и качества жизни москвичей, устойчивое и сбалансированное функционирование социальных и экономических элементов мегаполиса.
5. Проведенные сценарные расчеты позволили оценить направления развития города и результаты принимаемых управленческих решений (в том числе и непопулярных) с точки зрения влияния на качество и комфортность жизни москвичей и на их настроение. Так, сценарные расчеты предлагаемых оперативных мер по снижению уровня загруженности дорог общего пользования посредством повышения стоимости бензина на автозаправочных станциях столицы показали, что резкое однократное повышение цен на 8 рублей (или в среднем на 35%) позволит существенно снизить загруженность дорог (с 8 до 5 баллов) и среднее время затрачиваемое жителями Москвы на дорогу. Однако единовременный рост цены на бензин вызовет серьезный скачок недовольства среди жителей города. Особенно остро изменения коснутся слоев населения с низким уровнем дохода. Плавное повышение цен на. бензин позволит избежать нарастающей социальной напряженности, однако и эффект от этих мер будет ниже, чем при первом сценарии - с 8 баллов загруженность дорог сократится только до 6-7 баллов.
6. Оценка мер по введению платы за парковку в центре г. Москвы с использованием Комплексной агент-ориентированной модели развития городов позволила установить высокую экономическую эффективность предложенных мер для бюджета города. При этом введение тарифа за стоянку автомобиля на уровне 800-1000 рублей в сутки может существенно уменьшить загруженность дорог города (с 8 до 5 баллов).
7. Оценка уровня сегрегация жителей мегаполиса по доходам позволяет судить о выравнивании уровня жизни всех москвичей вне зависимости от места их проживания. Если в 2002 году значение самого высокого показателя среднедушевого денежного дохода (в ЦАО) превышало значение самого низкого (в СЗАО) в 2 раза, то в 2009 году отношение доходов жителей ЮЗАО (максимальный уровень) к доходам жителей BAO (минимальный уровень) снизилось до 1,56 раз. Исходя из прогноза на период до 2025, десегрегационные процессы в обществе сохранятся, а уровень дифференциации не превысит 1,25-1,3 раза.
Благодаря своей интерактивной составляющей и гибкой форме, разработанный универсальный инструментарий - Комплексная агент-ориентированная модель развития городов может быть легко адаптирована для решения самого широкого круга задач, стоящих перед учеными и чиновниками всех уровней власти.
Проведенные расчеты должны учитываться в качестве условия устойчивого функционирования социально-экономической системы г. Москвы, что позволит обеспечить решение как сложившихся, так и новых, только возникающих, проблем современного мегаполиса. Комплексная агент-ориентированная модель развития городов стала полноценным элементом системы управления городской средой и применяется в деятельности
141
Учреждения Российской академии наук Института экономики РАН и Министерства экономики Республики Татарстан как инструмент планирования и поддержки принятия решений на среднесрочный и долгосрочный период.
Дальнейшее развитие применения Комплексной агент-ориентированной модели г. Москвы возможно за счет рассмотрения г. Москвы и Московской области как единого социально-экономического, производственно-технологического и транспортно-логистического центра. Экономика и социальная сфера, трудовые ресурсы и занятость населения, транспортные сети, территориальное размещение жилых и промышленных объектов города и области настолько переплетены и взаимосвязаны, взаимозависимы, что без их совместного, интегрированного, согласованного функционирования невозможно эффективное развитие региона и решение возникших проблем, преодоление пространственных, ресурсных, жилищных, дорожно-транспортных ограничений. Наряду с этим планируется также и горизонтальное развитие САВМШЭ, т.е. увеличение числа агентов модели и перевода ее на суперкомпьютер, что позволит моделировать города и целые регионы в натуральном масштабе.
Список литературы диссертационного исследования кандидат экономических наук Фаттахов, Марат Рафаэльевич, 2011 год
1. The Urban Audit measuring the quality of life in European cities. Statistics in focus. 82/2008.
2. The Vancouver Declaration On Human Settlements. 1976.http://www.unhabitat.org/downloads/docs/92421239TheVancouverDeclaration.pdf.
3. The Habitat Agenda Goals and Principles, Commitments and the Global Plan of Action. 2003. http://www.unhabitat.0rg/d0wnl0ads/d0cs/l 1766455TheHabitatAgenda.pdf.
4. Istanbul Declaration on Human Settlements. 1996. http://www.unhabitat.org/downloads/docs/20726133 list-dec.pdf.
5. Declaration on Cities and Other Human Settlements in the New Millennium. 2001. http://www.unhabitat.org/content.asp?ID=2071&catid=l&typeid=25&subMenuId=0.
6. Resolution adopted by the General Assembly 56/206. 2002. http://www.unhabitat.org/downloads/docs/207046506gae.pdf.
7. State of the World's Cities 2010/2011 Cities for All: Bridging the Urban Divide. UN-Habitat, 2010. c. 224.
8. Urban Indicators Guidelines. Monitoring the Habitat Agenda and the Millennium Development Goals. United Nations Human Settlements Programme, 2004. c. 68.
9. Better city, better life. World Habitat Day. UN-Habitat, 2010.
10. Commission of the European Communities. Communication from the Commission to the Member States of 28.4.00. The Council of the European Union; Council Regulation (EC) no 1260/1999, 21 June 1999.
11. Urban Audit reference guide. Data 2003-2004. Eurostat, 2007. c. 275.
12. European Regional and Urban Statistics Reference Guide. Eurostat, 2009. c. 255.
13. Urban Audit: Methodological Handbook. Eurostat, 2004. c. 88.
14. Regions of the European Union: A statistical portrait. Eurostat, 2009. c. 63.
15. State of European Cities Report Adding value to the European Urban Audit. May 2007.
16. Regional and Urban Statistics Reference Guide. 2008.
17. Rapport Annuel 2009. UN-Habitat, 2010. c. 62.
18. Urban World: A new chapter in urban development. UN-Habitat, 2010. c. 72.
19. Urban World: Bridging the urban divide, Why cities must build equality. UN-Habitat, 2010. c. 72.
20. Inkpen, R. Science, Philosophy and Physical Geography. Routledge, 2004. c. 336. ISBN 0-415-27954-2.
21. Harvey, D. Explanation in Geography. St. Martin's Press, 1970. c. 521. ISBN 0-71315464-0.22. —. Social Justice and the City. Blackwell Publishers, 1992. c. 336. ISBN 0-631-164766.
22. Livingstone, D. N. The Geographical Tradition: Episodes in the History of a Contested Enterprise. Blackwell Publishers, 1992. c. 448. ISBN 0-631-18586-0.
23. Tobler, W. A computer movie simulating urban growth in the Detroit region. Economic Geography, 1970. T. 46(2).
24. Batty, M. Urban Modelling. Algorithms, Calibrations, Predictions. Cambridge university press, 1976. c. 407.
25. Alfred, D., Chandler, Jr. Strategy and Structure: Chapters in the History of the American Industrial Enterprise. The MIT Press, 1969. c. 464.
26. Drucker, P. F. Managing for results: Economic tasks and risk-taking decisions. 1st edition. Harper & Row, 1964. c. 240.
27. Друкер, П. Эффективное управление. Экономические задачи и оптимальные решения. ФАИР-ПРЕСС, 2002. с. 288.
28. Богданов, А. А. Всеобщая организационная наука. Тектология. М. : 1989. Кн. 2.32. —. Тектология: Всеобщая организационная наука. Москва : Экономика, 1989.
29. Simon, Н. A. The Sciences of the Artificial. The MIT Press, 1996. c. 248.
30. Bertalanffy, L. von. General System Theory. Harmondsworth : The Penguin Press, 1971.
31. Wiener, N. Cybernetics. Cambridge : MIT Press, 1948.
32. Easton, D. A. A Systems Analysis of Political Life. New York : Wiley, 1965.
33. Deutsch, K. W. The Nerves of Government. NY : The Free Press, Glencoe, 1963.
34. Parsons, T. The Social System. London : Routledge and Kegan Paul, 1952.
35. Buckley, W. Sociology and Modern Systems Theory. Englewood Cliffs, New Jersey : Prentice-Hall, 1967.
36. McLoughlin, J. В., Webster, J. N. Cybernetic and general-system approaches to urban and regional research. Environment and Planning, 1970. T. 2(4).
37. McLoughlin, J. B. Urban and Regional Planning. London : Faber and Faber Ltd., 1969.
38. Catanese, A. J., Steiss, A. W. Systemic Planning: Theory and Application. Lexington, Mass. : D. C. Heath and Co., 1970.
39. Chadwick, G. F. A Systems View of Planning. Oxford : Pergamon Press, 1971.
40. Batty, M. Less Is More, More Is Different: Complexity, Cities, and Emergence. Environment and Planning B: Planning and Design, 2000. T. 27.
41. Wu, F. Complexity and Urban Simulation: Towards a Computational Laboratory. Geography Research Forum, 2002. T. 22.
42. Batty, M. A Research Programme for Urban Morphology. Environment and Planning B: Planning and Design, 1999. T. 26.
43. Casti, J. L. Would-Be Worlds: How Simulation Is Changing the Frontiers of Science. New York : Wiley, 1997.
44. Mitchell, R. B., Rapkin, C. Urban Traffic: A Function of Land Use. New York : Columbia University Press, 1954.
45. Wingo, L. Transportation and Urban Land. Washington, D. C. : Resources for the Future Inc., 1961.
46. Alonso, W. A general theory of the urban land market. Papers and Proceedings of the Regional Science Association, 1960. T. 6.
47. Kain, J. F. The journey to work as a determinant of residential location. Papers and Proceedings of the Regional Science Association, 1962. T. 9.
48. Hall, P. Van Thunerfs Isolated State. Oxford : Pergamon Press, 1966.
49. Thünen, J. H. von. Der Isolierte Staat in Beziehung auf Landwirtschaft und Nationaloekonomie. Nabu Press, 2010. c. 298.
50. Clark, K. C. Urban population densities. Journal of the Royal Statistical Society, 1951. Series A, 114.
51. Lowry, I. S. Seven models of urban development. Eds. G. Hemmens. Washington, D.C. : Highway Research Board, 1968. Urban Development Models, Special Report 97.
52. Harris, B. Quantitative models of urban development: their role in metropolitan policymaking. Eds. H. S. Perloff, L. Wingo. Baltimore : The Johns Hopkins Press, 1968.
53. Kilbridge, M. D., O'Block, R. P., Teplitz, P. V. A conceptual framework for urban planning models. Management Science, 1969. T. 15.
54. Brown, H. J.„ ,qp. Empirical Models of Urban Land Use: Suggestions on Research Objectives and Organisation. New York : National Bureau of Economic Research, 1972.
55. Lee, D. B. Requiem for large scale models. Journal of the American Institute of Planners, 1973. T. 39.
56. Boyce, D. E., Day, N. D., McDonald, V. Metropolitan Plan Making. Philadelphia, Penn. : Regional Science Research Institute, Monograph Series, 1970. No.4.
57. Chapin, F. S. Urban Land Use Planning. Urbana, Illinois : University of Illinois Press, 1965.
58. Chapin, F. S., Weiss, S. F. Factors Influencing Land Development. Chapel Hill: Institute for Research in Social Science, University of North Carolina, 1962.
59. Hill, D. M. A growth allocation model for the Boston region. Journal of the American Institute of Planners, 1965. T. 31.
60. Lakshmanan, Т. R. An approach to the analysis of intra-urban location applied to the Baltimore region. Economic Geography, 1964. T. 40.65. —. A model for allocating urban activities in a state. Socio-Economic Planning Sciences, 1968. Т. 1.
61. Seidman, D. R. The Construction of an Urban Growth Model, DVRPC Plan Report No.l. Philadelphia, Penn.: Delaware Valley Regional Planning Commission, 1969.
62. Lowry, I. S. A model of metropolis. Santa Monica, California : RAND Corporation, 1964. RM-4035-RC.
63. Crecine, J. P. TOMM (Time Oriented Metropolitan Model). Pittsburgh : Dept. of City Planning, 1964. CRP Technical Bulletin No.6.
64. Goldner, W. Projective Land Use Model (PLUM). Berkeley, California : Bay Area Transportation Study Commission, 1968. BATSC Technical Report 219.
65. Lathrop, G. Т., Hamburg, J. R. An opportunity-accessibility model for allocating regional growth. Journal of the American Institute of Planners, 1965. T. 31.
66. Herbert, J. D., Stevens, В. H. A model for the distribution of residential activity in urban areas. Journal of Regional Science, 1960. T. 2.
67. Harris, B. A model of household locational preferences. Eds. R. Funck. London : Pion Press, 1972.
68. Schlager, K. J. A land-use plan design model. Journal of the American Institute of Planners, 1965. T. 31.74. —. A recursive programming theory of the residential land development process. Highway Research Board, 1966. T. 126.
69. Wendt, P. F., al., et., Jobs, People and Land: Bay Area Simulation Study (BASS), Special Report No. 6,. Berkeley, California : Center for Real Estate and Urban Economics, University of California, 1968.
70. Robinson, I. M., Wolfe, H. В., Barringer, R. L. A simulation model for renewal programming. Journal of the American Institute of Planners, 1965. T. 31.
71. Ingram, G. K., Kain, J. F., Ginn, J. R. The Detroit Prototype of the NBER Urban Simulation Model. New York : National Bureau of Economic Research, 1972.
72. Власов, M. П. и Шимко, П. Д. Моделирование экономических процессов. Ростов-на-Дону : Феникс, 2005.
73. Lakshmanan, Т. R., Hansen, W. G. A retail market potential model. Journal of the American Institute of Planners, 1965. T. 31.
74. Lowry, I. S. A short course in model design. Journal of the American Institute of Planners, 1965. T. 31.
75. Forrester, J. W. Urban Dynamics. Cambridge, Mass. : MIT Press, 1969.
76. Wilson, A. G. Models in urban planning: a synoptic review of recent literature. Urban Studies, 1968. T. 5.
77. Anselin, L., Madden, M. New directions in regional analysis. Integrated and multiregional approach. London : Belhaven Press, 1990.
78. Bertuglia, C. S.„ ^p. Urban Systems: Contemporary approach to modelling. London : Croom Helm, 1994.
79. Openshaw, S. The Modifiable Areal Unit Problem. Norwich : GeoBooks, 1983. CATMOG 38.
80. Benenson, I. Agent-Based Modeling: From Individual Residential Choice to Urban Residential Dynamics. Eds. M. F. Goodchild, D. G. Janelle. Oxford University Press, 2004. Spatially Integrated Social Science: Examples in Best Practice.
81. White, R., Engelen, G. High-Resolution Integrated Modeling of the Spatial Dynamics of Urban and Regional Systems. Computers, Environment and Urban Systems, 2000. T. 24.
82. Wissen, L. Van, Rima, A. Modeling Urban Housing Market Dynamics. Evolutionary Pattern of Households and Housing in Amsterdam. Elsevier Science Publishers, 1988.
83. Batty, M., Longley, P. Fractal Cities. London : AP, 1994.
84. Tesfatsion, L. Agent-Based Computational Economics. ISU Economics Working Paper, 2003. No. 1.91. —. Agent-Based Computational Economics: Growing Economies from the Bottom Up. Artificial Life, 2002. Vol. 8, No.l.
85. Batty, M., Couclelis, H., Eichen, M. Urban Systems as Cellular Automata. Environment and Planning B: Planning and Design, 1997. T. 24.
86. Ferber, J. Multi-Agent Systems: An Introduction to Distributed Artificial Intelligence. Harlow : Addison-Wesley, 1999.
87. Barros, J. X. Urban Growth in Latin American Cities Exploring urban dynamics through agent-based simulation. October 2004. A thesis submitted for the degree of Doctor of Philosophy.
88. Macal, C. M., North, M. J. Agent-based modeling and simulation. Eds. M. D. Rossetti,, Zip. Piscataway, New Jersey : Institute of Electrical and Electronic Engineers, 2009. Proceedings of the 2009 Winter Simulation Conference.
89. Alkheder, S., Shan, J. Change detection cellular automata method for urban growth modeling. Netherlands : International Society of Photogrammetry and Remote Sensing Midterm Symposium, May 2006. WG VII/5.
90. Anderson, J. R., h zip- A land use and land cover classification system for use with remote sensor data. Sioux Falls, SD, USA : USGS Professional Paper, 1976. T. 964.
91. Batty, M., Xie, Y., Sun, Z. Modeling Urban Dynamics through GIS-Based Cellular Automata, Computers, Environments and Urban Systems. 1999. T. 233.
92. Capello, R. Urban rent and urban dynamics: The determinants of urban development in Italy Annals of Regional Science. 2002. T. 36.
93. Torrens, P. New Advances in Urban Simulation: Cellular Automata and Multi-Agent Systems as Planning Support Tools. London : CASA, 2001.
94. Glaeser, E., Gyourko, J., Saks, R. Urban growth and housing. Journal of Economic Geography, 2006. T. 6.
95. Pines, Thisse. Urban Systems: Market And Efficiency. Journal of Public Economic Theory, 2001. T. 3(1).
96. Almeida, C. M., h up. Empiricism and Stochastics in Cellular Automaton Modeling of Urban Land Use Dynamics. CASA Working Papers, 2002. http://www.casa.ucl.ac.uk/workingjpapers/Paper42.pdf.
97. Batty, M., Xie, Y. From Cells to Cities. Environment and Planning B: Planning and Design, 1994. T. 21.
98. Clarke, K. C., Hoppen, S., Gaydos, L. A Self-Modifying Cellular Automaton Model of Historical Urbanization in the San Francisco Bay Area. Environment and Planning B: Planning and Design, 1997. T. 24.
99. Xie, Y., Batty, M. Integrated Urban Evolutionary Modeling. Eds. P. M. Atkinson. Boca Raton, FL. : Geodynamics, CRC Press.
100. Besussi, E., Cecchini, A., Rinaldi, E. The Diffused City of the Italian North-East: Identification of Urban Dynamics Using Cellular Automata Urban Models. Computers, Environment and Urban Systems, 1998. T. 22.
101. Wu, F. An Experiment on the Generic Polycentric of Urban Growth in Cellular Automatic City. Environment and Planning B: Planning and Design, 1998. T. 25.
102. Batty, M. Urban Evolution on the Desktop: Simulation Using Extended Cellular Automata. Environment and Planning A, 1998. T. 30.
103. Portugali, J. Self-Organization and the City. Berlin : Springer, 2000.
104. Portugali, J., Benenson, I., Omer, I. Social Cognitive Dissonance and Spatial Emergence in a Self-Organizing City. Environment and Planning B: Planning and Design, 1997. T. 24.
105. Alkheder, S., Wang, J., Shan, J. Cellular automata urban growth model calibration with genetic algorithms. 2007. Urban Remote Sensing Joint Event.
106. Furtado, B. A., Ruiz, R. M. An agent-based model for urban structure: The case of Belo Horizonte Brazil. University of Sao Paulo. EcoMod2007 International Conference on Policy Modeling, http://www.ecomod.org/files/papers/184.pdf.
107. Soja, E. W. Postmetropolis' critical studies of cities and regions Oxford Maiden. Blackwell Publishers, 2000.
108. Couclelis, H. From Cellular Automata to Urban Models: New Principles for Model Development and Implementation. Environment and Planning B: Planning and Design, 1997. T. 24.
109. Oliveira, M. S. de, Oliveira, P. M. C. de, Stauffer, D. Evolution, Money, War, and Computers Non-Traditional Applications of Computational Statistical Physics. StuttgartLeipzig : Teubner, 1999.
110. Stauffer, D., h ,qp. Biology, Sociology, Geology by Computational Physicists. Amsterdam: Elsevier, 2006.
111. Harding, S., Banzhaf, W. Fast genetic programming and artificial developmental systems on GPUs. IEEE Computer Society, 2007. In Proceedings of the 21st International Symposium on High Performance Computing Systems and Applications.
112. Li, X., Yeh, A. G. O. Neural network-based cellular automata for simulating multiple land use changes using GIS. International Journal of Geographical Information Science, 2002. T. 16(4).
113. Anderson, J. E. A Theoretical Foundation for the Gravity Equation. American Economic Review, 1979. T. 69(1).
114. Helpman, E., Krugman, P. R. Market Structure and Foreign Trade: Increasing Returns, Imperfect competition, and the International Economy. Cambridge : MIT Press, 1985.
115. Tinbergen, Jan. Shaping the World Economy: Suggestions for an International Economic Policy. New York : The Twentieth Century Fund, 1962.
116. Anderson, J., Wincoop, E. Van. Gravity with Gravitas: A solution to the Border Puzzle. AER, 2003. T. 93.
117. Subramanian, A., Wei, S-J. The WTO promotes trade, strongly but unevenly. Cambridge, MA. : National Bureau of Economic Research Working Paper 10024, 2003.
118. Tobler, W., Wineburg, S. A Cappadocian speculation. Nature, 1971. T. 231.
119. Wooldridge, M. J. An Introduction to Multiagent Systems. Chichester : J. Wiley, 2002.
120. David, N., h /ip. The Structure and Logic of Interdisciplinary Research in Agent-Based Social Simulation. Journal of Artificial Societies and Social Simulation, 2004. T. 7(3), http://jasss.soc.surrey.ac.Uk/7/3/4.html.
121. Axelrod, R., Tesfatsion, L. A guide for newcomers to agent-based modeling ¿i^ social sciences. Amsterdam, Netherlands : North-Holland, June 27, 2005. Handbc^*.«^ 0f Computational Economics, Vol. 2: Agent-Based Computational Economics.
122. Brian, A. W., Durlauf, S., Lane, D. The Economy as an Evolving Complex j II.
123. Tesfatsion, L. How Economists Can Get Alife. Eds. W. B. Arthur, S. Durlaii^ q Lane Reading, MA.: Addison-Wesley, 1997. The economy as an evolving complex system II Proceedings Volume XXVII, SFI Studies in the Sciences of Complexity.
124. Epstein, J. M., Axtell, R. Growing Artificial Societies: Social Science from tj^e Bottom Up. Washington, D.C. : Brookings Institution Press, 1996.
125. OpenABM site, http://www.openabm.org/.
126. Бахтизин, A. P. Агент-ориентированные модели экономики. M. : Экономика 2008.
127. Wooldridge, М. J. Agent-based software engineering. IEE Proc., 1997. Software Engineering 144(1).
128. Holland, J. H. Hidden order: how adaptation builds complexity. Mass. : AdciiSon Wesley:Reading, 1995.
129. What are Agents? Universität Passau. http://www.or.uni-passau.de/workshop2000/agents .html.
130. Personal Autonomy. Stanford Encyclopedia of Philosophy site, http ://plato .stanford.edu/entries/personal-autonomy/.
131. Jennings, N. R. On agent-based software engineering. Artificial Intelligence 2000 T 117.
132. Bonabeau, E. Agent-based modeling: Methods and techniques for simulating human systems. Proceedings of the National Academy of Sciences, USA, 2002. T. 99(21).
133. Castefranchi, C. Modelling social action for AI agents. Artificial Intelligence 1998 T 103(1-2).
134. Jennings, N.R. Commitments and conventions: The foundation of coordination in multi-agent systems. Knowledge Engineering Review, 1993. T. 8 (3).
135. Borrill, P. L., Tesfatsion, L. Agent-Based Modeling: The Right Mathematics for the Social Sciences? Iowa : Iowa State University, Department of Economics Ames, July 2010
136. Bell, A. Reinforcement learning in a repeated game. Computational Economics 2001 T. 18.
137. Sutton, R. S., Barto, A. G. Reinforcement learning: An introduction. Cambridge MA • The MIT Press, 1998.
138. Luna, F. Computable Learning, Neural Networks, and Institutions. Evolutionary Computation in Economics and Finance. Eds. S.-H. Chen. New York : Physica-Verlag Heidelberg, 2002.
139. Picton, P. Neural Networks. New York : St. Martin's Press, 2001.
140. Dawid, H. Adaptive learning by genetic algorithms: Analytical results and applications to economic models. Berlin : Springer-Verlag, 1999. Revised Second Edition.
141. Holland, J. H. Adaptation in natural and artificial systems. Cambridge, MA : The MIT Press, 1992.
142. Chen, S.-H. Fundamental issues in the use of genetic programming in agent-based computational economics. Taipei, Taiwan : Working Paper, AI-Econ Research Center, National Chengchi University, 2001. http://www.aiecon.org/staff/shc/vita/ios2001.pdf.
143. Koza, John R. Genetic Programming: On the Programming of Computers by Means of Natural Selection. Cambridge , MA : The MIT Press, 1992.
144. Chattoe, E. Just how (unrealistic are evolutionary algorithms as representations of social processes? Journal of Artificial Societies and Social Simulation, 1998. Vol. 1, No. 3, http://www.soc.surrey.ac.Uk/JASSS/l/3/2.html.
145. Tesfatsion, L. Agent-Based Computational Economics: A Constructive Approach to Economic Theory. Ames : Iowa State University, Economics Department, 18 December 2005.
146. Barros, J., Alves Jr., S. Simulating Rapid Urbanisation in Latin American Cities. Eds. P. Longley, M. Batty. London : ESRI Press, 2003.
147. Anderies, J. M. The Transition from Local to Global Dynamics: A Proposed Framework for Agent-Based Thinking in Social-Ecological Systems. Eds. M. Janssen. Cheltenham: Elgar, 2002.
148. Batty, M., Desyllas, J., Duxbury, E. The Discrete Dynamics of Small-Scale Spatial Events: Agent-Based Models of Mobility in Carnivals and Street Parades. CASA Working Papers, 2002. http://www.casa.ucl.ac.uk/workingpapers/Paper56.pdf.
149. Batty, M., Jiang, B., Thurstain-Goodwin, M. Local Movement: Agent-Based Models of Pedestrian Flow. CASA Working Papers, 1998. http:/www.casa.ucl.ac.uk/workingpapers.htm.
150. Moulin, B., Chaker, W., Gancet, J. Padi-Simul: An Agent-Based Geosimulation Software Supporting the Design of Geographic Spaces. Computers, Environment and Urban Systems, 2004. T. 28 (4).
151. Schelhorn, T., O'Sullivan, D., Thurstain-Goodwin, M. Streets: An Agent-Based Pedestrian Model. CAS A Working Paper Series, 1999. http://www.casa.ucl.ac.uk/workingpapers.htm.
152. Turner, A., Penn, A. Encoding Natural Movement as an Agent-Based System: An Investigation into Human Pedestrian Behaviour in the Built Environment. Environment and Planning B: Planning and Design, 2002. T. 29 (4).
153. Ising, E. Beitrag zur Theorie des Ferromagnetismus. Z. Phys, 1925. T. 31.
154. Sakoda, J. M. The checkerboard model of social interaction. Journal of Mathematical Sociology, 1971. T. 1.
155. Neumann, J. von. Theory of Self-Reproducing Automata. Urbana and London. Eds. A. W. Burks. Univ. of. Illinois Press, 1966. ISBN 0598377980.
156. Wolfram, S. Cellular Automata and Complexity. Collected Papers Published, 1994. ISBN 0-201-62716-7.
157. Schelling, T. C. Dynamic Models of Segregation. Journal of Mathematical Sociology, 1971. T. 1(2).
158. Axelrod, R., Hamilton, W. D. The Evolution of Cooperation. Science, 1981. T. 211.
159. Axelrod, R. The Complexity of Cooperation. Princeton University Press, 1997. ISBN 0-691-01567-8.
160. Grofman, Pool. Bayesian Models for Iterated Prisoner's Dilemma Games. General Systems, 1975. T. 20.
161. David, K., h ,np. Rational Cooperation in the Finitely Repeated Prisoners' Dilemma. Journal of Economic Theory, 1982. T. 27(2).
162. Rapoport, A., Chammah, A. M. Prisoner's Dilemma. University of Michigan Press, 1965.
163. Langton, C. G. Artificial life, in Artificial Life: The Proceedings of an Interdisciplinary Workshop on the Synthesis and Simulation of Living Systems. Los Alamos, New Mexico : 1989.
164. Macal, C. M. Agent based modeling and artificial life. Eds. R. Meyers. Springer, 2009. In Encyclopedia of Complexity and Systems Science.
165. Heath, B. L., Hill, R. R. Some insights into the emergence of agent-based modeling. Journal of Simulation, 2010.
166. Langton, C.G. Studying Artificial Life with cellular automata. Physica, 1986. D. 22.184. —. Artificial Life in The philosophy of Artificial Life. Eds. M. A. Boden. Oxford : Oxford University Press, 1996.
167. The Journal of Artificial Societies and Social Simulation. http://jasss.soc.surrey.ac.uk/JASSS.html. ISSN 1460-7425.
168. Макаров, В. Л., Бахтизин, А. Р. и Бахтизина, Н. В. CGE-модель социально-экономической системы России со встроенными нейронными сетями. М : ЦЭМИ РАН, 2005.
169. Интернент-журнал "Искусственные общества", http://www.artsoc.ru. ISSN 20775180.
170. Айвазян, С. А. и Мхитарян, В. С. Прикладная статистика и основы эконометрики. М. : ЮНИТИ-Дана, 2001. 2 т.
171. Lurgio, S. A. de. Forecasting: Principles and Applications. The Irwin/McGraw-Hill, 1998.
172. Писарева, О. M. Методы прогнозирования развития социально-экономических систем. Высшая Школа, 2007.
173. Macal, С. М. Agent-Based Modeling and Social Simulation with Mathematica and MATLAB. Chicago, IL , 2004. Proceedings of Agent 2004 Conference on Social Dynamics: Interaction, Reflexivity and Emergence, Oct. 7-9. www.agent2004.anl.gov.
174. Bower, J., Bunn, D. Model-based comparisons of pool and bilateral markets for electricity. The Energy Journal, 2000. T. 21(3).
175. Luna, F., Stefansson, B. Economic Simulations in Swarm: Agent-Based Modelling and Object. Advances in computational economics : Springer, 31 Jan 2000. T. 14.
176. Minar, N., и др. The Swarm Simulation System: A Toolkit for Building Multi-Agent Simulations. Santa Fe Institute, 1996. http://www.santafe.edu/projects/swarm.
177. Гуц, А. К., и др. Компьютерное моделирование. Инструменты для исследования социальных систем. Омск : Омск. гос. ун-т, 2001. Глава 1.
178. Wilensky, U. Netlogo, Center for Connected Learning and Computer-Based Modeling. Evanston, IL. : Northwestern University, 1999. http://ccl.northwestern.edu/netlogo/.
179. Harvey, B. Computer Science Logo Style. Boston, Mass. : MIT Press, 1997.
180. North, M., Collier, N., Vos, J. Experiences in creating three implementations of the repast agent modeling toolkit. ACM Transactions on Modeling and Computer Simulation, 2006. T. 16(1).
181. Luke, S., и др. MASON: A Java Multi-agent Simulation Library. 2003. In Proceedings of Agent 2003 Conference on Challenges in Social Simulation.
182. Tobias, R., Hofmann, C. Evaluation of free Java-libraries for social-scientific agent based simulation. Journal of Artificial Societies and Social Simulation, 2004. T. 7(1).
183. Nikolai, C., Madey, G. Tools of the Trade: A Survey of Various Agent Based Modeling Platforms. Journal of Artificial Societies and Social Simulation, 2009. T. 12(2), http://jasss.soc.surrey.ac.Uk/12/2/2.html.
184. Ljunngberg, M., Lucas, A. The OASIS air traffic management system. Seoul, South Korea : 1992. 2nd Pacific Rim Conference on AI.
185. Folcik, V. A., An, G. C., Orosz, C. G. The Basic Immune Simulator: An Agent-Based Model to Study the Interactions between Innate and Adaptive Immunity. Theoretical Biology and Medical Modelling, 2007. T. 4(1).
186. Tutorial on agent-based modeling and simulation part 2: how to model with agents. Association for Computing Machinery, 2006. Winter Simulation Conference.
187. Siddiqah, A., h flp. A new hybrid agent-based modeling decision support system for breast cancer research. Karachi : IBA, 2009. IEEE ICICT.
188. Troisi, A., Wong, V., Ratner, M. A. An Agent-Based Approach for Modeling Molecular Self-Organization. National Academy of Sciences USA, 2005. T. 102(2).
189. Malleson, N. Using Simulation to Predict Prospective Burglary Rates in Leeds and Vancouver. Manchester, U.K. : 2009. 7th National Crime Mapping Conference.
190. Mock, K. J., Testa, J. W. An agent-based model of predator-prey relationships between transient killer whales and other marine mammals. Anchorage, AK : University of Alaska Anchorage, 2007. http://www.math.uaa.alaska.edu/~orca/.
191. Janssen, M. Complexity and Ecosystem Management: The Theory and Practice of Multi-Agent Systems. Cheltenham : Elgar, 2002.
192. Volker, G., Railsback, S. R. Individual-Based Modeling and Ecology. Princeton, NJ. : Princeton University Press, 2005.
193. Mast, E. H. M., Kuik, G. A. M. van, Bussel, G. J. W. van. Agent-Based Modelling for Scenario Development of Off-shore Wind Energy. Netherlands : Delft University of Technology, 2007.
194. Heppenstall, A., Evans, A., Birkin, M. Using Hybrid Agent-Based Systems to Model Spatially-Influenced Retail Markets. Journal of Artificial Societies and Social Simulation, 2006. Vol. 9, no. 3.
195. Tesfatsion, L. AMES Wholesale Power Market. Testbed Homepage, 2010. www.econ.iastate.edu/tesfatsi/AMESMarketHome.htm.
196. Li, H., Tesfatsion, L. ISO Net Surplus Collection and Allocation in Wholesale Power Markets under Locational Marginal Pricing. IEEE Transactions on Power Systems, 2010.
197. Bower, J., Bunn, D. Experimental analysis of the efficiency of uniform-price versus discriminatory auctions in the England and Wales electricity market. Journal of Economic Dynamics and Control, 2001.
198. Bunn, D. W., Oliveira, F. S. Agent-based simulation: An application to the New Electricity Trading Arrangements of England and Wales. IEEE Transactions on Evolutionary Computation, 2001. T. 5.
199. Cioppa, Т. M., Lucas, T. W., M., Sanchez S. Military Applications of Agent-Based Simulations. New Orleans, Louisiana : 2004. Proceedings of the 36th Winter Simulation Conference.
200. Carley, К. M., и др. Bio War: scalable agent-based model of bioattacks. IEEE Transactions on Systems, Man, and Cybernetics, 2006. Part A: Systems and Humans, 36(2).
201. Epstein, J. M. Generative Social Science: Studies in Agent-Based Computational Modeling. Princeton, NJ : Princeton University Press, 2006. Глава 12.
202. Charania, A. C., Olds, J. R., DePasquale, D. Sub-Orbital Space Tourism Market: Predictions of the Future Market-place Using Agent-Based Modeling. Atlanta, GA : Space Works Engineering, 2006. http://www.sei.aero/uploads/archive/IAC-06-E3.4.pdf.
203. Tassier, Т., Menczer, F. Emerging small-world referral networks in evolutionary labor markets. IEEE Transactions on Evolutionary Computation, 2001. 5.
204. Dam, K. H. van, h up. Planning the location of intermodal freight hubs: an agent based approach. London : 2007. Proceedings of the 2007 IEEE International Conference on Networking, Sensing and Control.
205. Axelrod, R. The evolution of cooperation. Perseus Books, 1984.
206. Parker, D., h ap. Multi-Agent Systems for the Simulation of Land-Use and Land-Cover Change: A Review. Annals of the Association of American Geographers, 2003. T. 93 (2).
207. Parker, D., Berger, T., Manson, S. M. Agent-Based Models of Land-Use and Land-Cover Change. Irvine, California : LUCC, 2001.
208. Batty, M. Cities and Complexity: Understanding Cities with Cellular Automata, Agent-Based Models, and Fractals. Cambridge, MA. : MIT Press, 2005, 2007.
209. Deffuant, G., h /ip. Agent-Based Simulation of Organic Farming Conversion in Allier Département. Eds. M. Janssen. Cheltenham : Elgar, 2002. Complexity and Ecosystem Management: The Theory and Practice of Multi-Agent Systems.
210. Parker, D. C. Edge-Effects Externalities: Theoretical and Empirical Implications of Spatial Heterogeneity. Davis : University of California, 2000.
211. Berger, T. Agent-Based Spatial Models Applied to Agriculture: A Simulation Tool for Technology Diffusion, Resource Use Changes, and Policy Analysis. Agricultural Economics, 2001. T. 25 (2-3).
212. Polhill, J. G., Gotts, N. M., Law, A. N. R. Imitative Versus Non-Imitative Strategies in a Land Use Simulation. Cybernetics and Systems, 2001. T. 32 (1-2).
213. Ciancarini, P., Wooldridge, M. J. Agent-Oriented Software Engineering. Springer. ISBN 3540415947.
214. Odell, J., Giorgini, P., Muller, J.P. Agent-Oriented Software Engineering V. New York : 5th International Workshop, AOSE 2004, 2004. Revised Selected Papers (Lecture Notes in Computer Science). ISBN 3540242864.
215. Borrill, P. Autopoietic File Systems: From Architectural Theory to Practical Implications. San Francisco : Vanguard Conference, 2005.244. —. Smart Data and Wicked Problems. Vanguard Conference, 2008. http://www.replicus.com/REPLICUS/Resources.html.
216. Arthur, W. B., h ,up. Asset Pricing under Endogenous Expectations in an Artificial Stock Market. Eds. W. B. Arthur, S. Durlauf, D. Lane. Reading, MA : Addison-Wesley Longman, 1997. The Economy as an Evolving Complex System II.
217. LeBaron, B., Arthur, W. B., Palmer, R. Time series properties of an artificial stock market. Journal of Economic Dynamics & Control, 1999. T. 23(9-10).
218. Galán, J. M., h ^p. Errors and Artefacts in Agent-Based Modelling. Journal of Artificial Societies and Social Simulation, 2009. Vol. 12, no. 1, http://jasss.soc.surrey.ac.Uk/12/l/l.html.
219. Gode, D. K., Sunder, S. Allocative efficiency of markets with zero-intelligence traders: Market as a partial substitute for individual rationality. Journal of Political Economy, 1993. T. 101.
220. LeBaron, B. Agent-based computational finance: Suggested readings and early research. Journal of Economic Dynamics and Control, 2000. T. 24.
221. Tay, N. S. P., Linn, S. C. Fuzzy inductive reasoning, expectation formation, and the behavior of security prices. Journal of Economic Dynamics and Control, 2001. T. 25.
222. Izumi, K., Ueda, K. Phase transition in a foreign exchange market: Analysis based on an artificial market approach. IEEE Transactions on Evolutionary Computation, 2001. T. 5.
223. Epstein, J. M. Learning to be thoughtless: Social norms and individual computation. Computational Economics, 2001. T. 18.
224. Gilbert, N. Agent-Based Models, Quantitative Applications in the Social Sciences. Inc., UK. : SAGE Publications, 2008. Vol. 153.
225. Macy, M. W., Wilier, R. From Factors to Actors: Computational Sociology and Agent-Based Modeling. Annual Review of Sociology, 2002. T. 28.
226. Tesfation, L. Agent-Based Computational Economics (ACE). Homepage, 2010. www.econ.iastate.edu/tesfatsi/ace.htm.
227. Tesfatsion, L., Judd, K. L. Handbook of Computational Economics: Volume 2, Agent-Based Computational Economics. Amsterdam, The Netherlands : Handbook in Economics Series, 2006.
228. Axelrod, R., Tesfatsion, L. On-Line Guide for Newcomers to Agent-Based Modeling in the Social Sciences. 2010. www.econ.iastate.edu/tesfatsi/abmread.htm.
229. Axelrod, R. The complexity of cooperation: Agent-based models of conflict and cooperation. Princeton, N.J. : The Princeton University Press, 1997.
230. Wilhite, A. Bilateral trade and 'small-world' networks. Computational Economics, 2001. T. 18.
231. Albin, P., Foley, D. Decentralized, dispersed exchange without an auctioneer: A simulation study. Journal of Economic Behavior and Organization, 1992. T. 18.
232. Kirman, A. The economy as an interactive system. Eds. W. B. Arthur, S. N. Durlauf h D. A. Lane. Reading, MA. : Addison-Wesley, 1997. The economy as an evolving complex system II, Proceedings Vol. XXVII, SFI Studies in the Sciences of Complexity.
233. Tesfatsion, L. A trade network game with endogenous partner selection. Eds. H. Amman, B. Rustem, A. B. Whinston. Dordrecht, The Netherlands : Kluwer Academic Publishers, 1997. Computational approaches to economic problems.
234. Vriend, N. J. Self-organization of markets: An example of a computational approach. Computational Economics, 1995. T. 8.
235. Weisbuch, G., Kirman, A., Herreiner, D. Market organization. Economic Journal, 1995. T. 110.
236. Rogers, А., и др. The Effects of Proxy Bidding and Minimum Bid Increments within eBay Auctions. ACM Transactions on the Web, August 2007. Vol. 1, No. 2, Article 9.
237. Schurr, N., и др. The Future of Disaster Response: Humans Working with Multiagent Teams using DEFACTO. 2005.
238. Ahmed, S., Karsiti, M.N. A testbed for control schemes using multi agent nonholonomic robots. Chicago, IL. : Electro/Information Technology, 2007. 2007 IEEE International Conference.
239. Application of Agent Technology to Traffic Simulation. United States Department of Transportation, May 15, 2007.
240. Kai, N., Wagner, P. Traffic Flow: Approaches to Modelling and Control. New York : John Wiley & Sons, 2006.
241. Burmeister, В., Haddadi, A., Matylis, G. Application of multi-agent systems in traffic and transportation. IEE Proceedings on Software Engineering, 1997. T. 144 (1).
242. Tesfation, L. Agent-Based Computational Economics: Key Application Areas. www.econ.iastate.edu/tesfatsi/aapplic.htm.
243. Макаров, В. JI. Искусственные общества. Интернет-журнал Искусственные общества, 2006. Том 1, № 1.
244. Axtell, R. L. Economics as Distributed Computation. Eds. H. Deguchi, K. Takadama, T. Terano. Tokyo, Japan : Springer, 2003. Meeting the Challenge of Social Problems via Agent-Based Simulation.
245. Client Statistics by OS. Folding@home distributed computing. Stanford University, http://fah-web. Stanford, edu/cgi-bin/main.py?qtype=osstats (updated automatically).
246. To Launch Its Next Generation Computer Entertainment system, PlayStation 3 In Spring 2006. Sony Computer Entertainment, 16 May 2005.
247. Chang, M.-H., Joseph, E., Harrington, Jr. Agent-Based Models of Organizations. Eds. L. Tesfatsion, K. L. Judd. 2006. Chapter 26.
248. Chen, S.-H., Chie, B.-T. Modularity, Product Innovation, and Consumer Satisfaction: An Agent-Based Approach. Eds. H. Yin, и др. Berlin/Heidelberg : Springer-Verlag, 2007. Intelligent Data Engineering and Automated Learning IDEAL 2007.
249. Herbert, J. D. Agent-Based Models of Innovation and Technological Change. Eds. L. Tesfatsion, K. L. Judd. 2006. Chapter 25.
250. Gilbert, N., Рука, A., Ahrweiler, P. Innovation Networks A Simulation Approach. Journal of Artificial Societies and Social Simulation, 2001. T. 4(3), www.soc.surrey.ac.uk/JASSS/4/3/8.html.
251. Laubenbacher, R., и др. A Mathematical Formalism for Agent-Based Modeling. Eds. R. A. Meyers. Berlin/Heidelberg : Springer-Verlag, 2009. Encyclopedia of Complexity and Systems Science.
252. Darema, F. Grid Computing and Beyond: The Context of Dynamic Data Driven Applications Systems. Proceedings of the IEEE: Special Issue on Grid Computing, 2005. T. 93(3).
253. Eberbach, E., Goldin, D., Wegner, P. Turing's Ideas and Models of Computation. Eds. C. Teuscher. Berlin/Heidelberg : Springer-Verlag, 2004. Alan Turing: Life and Legacy of a Great Thinker.
254. Goldin, D. Q., Smolka, S. A., Wegner, P. Interactive Computation: The New Paradigm. Berlin/Heidelberg : Springer-Verlag, 2006.
255. LeBaron, В., Tesfatsion, L. Modeling Macroeconomies as Open-Ended Dynamic Systems of Interacting Agents. American Economic Review Papers & Proceedings, 2008. T. 98(2).
256. North, M. J., Macal, С. M. Managing BusinessComplexity: Discovering Strategic Solutions with Agent-Based Modeling and Simulation. Oxford : Oxford University Press, 2007.
257. Epstein, J. M. Agent-based computational models and generative social science. Complexity, 1999. T. 4(5).
258. Grimm, V. A standard protocol for describing individual-based and agent-based models. ELSEVIER, 2006. 198, Ecological modeling. International Journal on Ecological Modelling and Systems Ecology, www.elsevier.com/locate/ecolmodel. ISSN: 0304-3800.
259. Grimm, V., Railsback, S.F. Individual-Based Modeling and Ecology. Princeton, NJ. : Princeton University Press, 2005.
260. Фаттахов, M. P. и Бахтизин, A. P. Агент-ориентированная модель устойчивого развития городов. М. : «Радио и Связь», 2010. Искусственный Интеллект: философия, методология, инновации. Часть 1.
261. Фаттахов, М. Р. Города в пространственно организованной экономике и моделирование их устойчивого развития. М. : «Экономика», 2011. "Экономическое пространство: теория и реалии".
262. Sonis, М. Innovation Diffusion, Schumpeterian Competition and Dynamic Choice: a New Synthesis. New Dehli: J. Nerhu University, 1992. 51, Journal of Scientific & Industrial Research.
263. DaVanzo, J. Repeat Migration, Information Cost, and Location-Specific Capital. Population and Environment, 1981. T. 4(1).
264. Alonso, W. Location and Land Use. Cambridge : Harward Univ Press, 1964.
265. Herrin, W. E., Kern, C. R. Testing the Standard Urban Model of Residential Choice -an Implicit Markets Approach. Journal of Urban Economics, 1992. T. 31(2).
266. Ommeren, J. van, Rietveld, P., Nijkamp, P. Residence and workplace relocation: A bivariate duration model approach. Geographical Analysis, 1996. T. 28(4).
267. Wolpert, J. Behavioral Aspects of the Decision to Migrate. Papers and Proceedings of the Regional Science Association, 1965. T. 15.
268. Brown, L. A., Moore, E. G. The Intra-urban Migration Process: A perspective. Geografiska Annaler, 1970. Т. 52B.
269. Speare, A. Residential satisfaction as an intervening variable in residential mobility. Demography, 1974. T. 11.
270. Phipps, A. G., Carter, J. E. An individual-level analysis of the stress-resistance model of household mobility. Geographical Analysis, 1984. T. 16(1).
271. Veldhuisen, J., Timmermans, H. Specification of individual residential utility function: a comparative analysis of three measurement procedures. Environment and Planning A, 1984. T. 16.
272. Portugali, J., Benenson, I., Omer, I. Socio-spatial Residential Dynamics: Stability and Instability within a Self-Organized City. Geographical Analysis, 1994. T. 26(4).
273. Dijkstra, E. W. A note on two problems in connexion with graphs. Numerische Mathematik, 1959. Т. 1.
274. Актуализированный Генеральный план города Москвы на период до 2025 года.
275. Стратегия развития Москвы на период до 2025 года. 2009-2010. Не была принята.
276. Tesfation, L. Verification and Empirical Validation of Agent-Based Computational Models. 2010. www.econ.iastate.edu/tesfatsi/EmpValid.htm.
277. Brown, D. G., и др. Agent Based and Analytical Modeling to Evaluate the Effectiveness of Greenbelts. Environmental Modelling and Software, 2004. T. 19 (12).
278. Rand, W., и др. Statistical Validation of Spatial Patterns in Agent-Based Models. Montpellier, France : Proceedings of Agent Based Simulation, 2003. http://www.pscs.umich.edu/research/projects/sluce/publications/sluce-abs.pdf.
279. Axelrod, R. M. Advancing the Art of Simulation in the Social Sciences. Eds. R. Conte, R. Hegselmann, P. Terna. Berlin : Springer-Verlag, 1997. Simulating Social Phenomena, Lecture Notes in Economics and Mathematical Systems 456.
280. Taylor, A. J. The Verification of Dynamic Simulation Models. Journal of the Operational Research Society, 1983. T. 34(3).
281. Drogoul, A., Vanbergue, D., Meurisse, T. Multi-Agent Based Simulation: Where are the Agents? Eds. J. S. Sichman, F. Bousquet, P. Davidsson. Bologna, Italy : Springer
282. Verlag, 2003. Proceedings of MABS 2002 Multi-Agent-Based Simulation, Lecture Notes in Computer Science 2581.
283. Moss, S., Edmonds, B., Wallis, S. Validation and Verification of Computational Models with Multiple Cognitive Agents. Centre for Policy Modelling Report, 1997. T. 9725, http://cfpm.org/cpmrep25.html.
284. Stanislaw, H. Tests of computer simulation validity. What do they measure? Simulation and Games, 1986. T. 17.
285. Richiardi, M., h ap. A Common Protocol for Agent-Based Social Simulation.,. Journal of Artificial Societies and Social Simulation, 2006. T. 9(1), http://jasss.soc.surrey.ac.Uk/9/l/15.html.
286. Turner, M. G., Gardner, R. H., O'Neill, R. V. Landscape Ecology in Theory and Practice. New York : Springer, 2001. T. Pattern and Process.
287. Sargent, R. G. Some Approaches and Paradigms for Verifying and Validating Simulation Models. 2001. Proceedings of the 2001 Winter Simulation Conference. http://www.informs-cs.org/wscO 1 papers/013 .PDF.
288. Brown, D. G., h AP- Path Dependence and the Validation of Agent-Based Spatial Models of Land Use. International Journal of Geographical Information Science, forthcoming, http://www.cscs.umich.edu/sluce/publications/ijgis-sluce-final.pdf.
289. Brown, D. G., h ap. Modeling Land-Use and Land-Cover Change. Eds. B. L. Turner, G. Gutmann. Dordrecht: Kluwer, forthcoming. Land Change Science: Observing, Monitoring, and Understanding Trajectories of Change on the Land Surface.
290. Polihill, J. G., Izquierdo, L. R. Lessons learned from converting the artificial stock market to interval arithmetic. Journal of Artificial Societies and Social Simulation, 2005. T. 8(2), http://jasss.soc.surrey.ac.Uk/8/2/2.htm.
291. Izquierdo, L. R., Polhill, J. G. Is your model susceptible to floating point errors? Journal of Artificial Societies and Social Simulation, 2006. T. 9(4) 4, http://jasss.soc.surrey.ac.Uk/9/4/4.html.
292. Edmonds, В., Hales, D. Computational Simulation as Theoretical Experiment. Journal of Mathematical Sociology, 2005. T. 29.
293. Леонов, В. Ю., и др. Использование декомпозиции при выявлении условий экономических кризисов. М. : «Наука», 2010. Известия Российской академии наук. Теория и системы управления. №3.
294. Медницкий, В. Г., Медницкий, Ю. В. и Фаттахов, М. Р. Об экономических кризисах производственных систем. М. : «Наука», 2011. Экономика и математические методы. Том 47, №1.
295. Schelling, Т. С. On the ecology of micro-motives. Eds. R. Marris. Macmillan, London : 1974. The Corporate Society.
296. Gilbert, G. N., Conté, R. Artificial societies: the computer simulation of social life. London : UCL Press, 1995.
297. Gilbert, N. S., Troitzsch, K. G. Simulation for the Social Scientist. Buckingham : Open University Press, 1999.
298. Maes, P. Modeling Adaptive Autonomous Agents. Eds. C.G. Langton. Oxford : MIT Press, 1995. Artificial Life, An Overview.
299. Sichman, J. S., Conté, R., Gilbert, G. N. Multi-Agent Systems and Agent Based Simulations. Berlin : Springer, 1998. Lecture Notes in Artificial Intelligence, N1524.
300. Moss, S., Davidson, P. Multi-Agent-Based Simulations. Berlin : Springer, 2000. Lecture Notes in Artificial Intelligence, N1979.
301. Ligtenberg, A., Bregt, A. K., Lammeren, R. van. Multi-Actor-Based land use modeling: spatial planning using agents. Landscape and Urban Planning, 2001. T. 56.
302. Otter, H. S., Veen, A. van der, Vriend, H. J. de. ABLOoM: Locational Behaviour, Spatial Patterns, and Agent-Based Modelling. Journal of Artificial Societies and Social Simulation, 2001. T. 4 (4), http://www.soc.surrey.ac.Uk/JASSS/4/4/2.html.
303. Torrens, P. Simulating Sprawl: A Dynamic Entity-Based Approach to Modelling North American Suburban Sprawl Using Cellular Automata and Multi-Agent Systems. London : University College London, 2003.
304. Loibl, W., Toetzer, T. Modeling Growth and Densification Processes in Suburban Regions Simulation of Landscape Transition with Spatial Agents. Environmental Modelling & Software, 2003. T. 18.
305. Benenson, I. Multi-Agent Simulations of Residential Dynamics in the City. Computers, Environment and Urban Systems, 1998. T. 22 (1).
306. Benenson, I., Omer, I., Hatna, E. Entity-Based Modeling of Urban Residential Dynamics: The Case of Yaffo, Tel Aviv. Environment and Planning B: Planning and Design, 2002. T. 29.
307. Ducrot, R., и др. Articulating Land and Water Dynamics with Urbanization: An Attempt to Model Natural Resources Management at the Urban Edge. Computers, Environment and Urban Systems, 2004. T. 28.
308. Semboloni, F., h zip. Citydev, an Interactive Multi-Agents Urban Model on the Web. Computers, Environment and Urban Systems, 2004. T. 28 (1-2).
309. Epstein, J. M. Modeling Civil Violence: An Agent-Based Computational Approach. Proceedings of the National Academy of Sciences, U.S.A., 2002. Vol. 99.
310. Miller, E. J., h /ip. Microsimulating Urban Systems. Computers, Environment and Urban Systems, 2004. T. 28.
311. Gimblett, H. R. Integrating Geographic Information Systems and Agent-Based Modeling Techniques for Simulating Social and Ecological Processes. New York and Oxford : Oxford University Press, 2002.
312. Schelling, T. C. Micromotives and macrobehavior. 1st ed. New York : Norton and Co., 1978.
313. Hegselmann, R., Flache, A. Understanding complex social dynamics: a plea for cellular automata based modeling. Journal of Artificial Societies and Social Simulation, 1999. T. 1(3), http://www.soc.surrey.ac.Uk/JASSS/l/3/l.html.
314. Portugali, J., Benenson, I. Human agents between local and global forces in a self-organizing city. Eds. F. Schweitzer. London : Gordon and Breach, 1997. Self-organization of complex structures: from individual to collective dynamics.
315. Portugali, J., Benenson, I., Omer, I. Spatial cognitive dissonance and sociospatial emergence in a self-organizing city. Environment and Planning B, 1997. T. 24.
316. Benenson, I. Modeling population dynamics in the city: from a regional to a multiagent approach. Discrete Dynamics in Nature and Society, 1999. T. 3(2-3).
317. Bruch, E. E., Mare, R. D. Neighborhood Choice and Neighborhood Change. Los Angeles : Department of Sociology and California Center for Population Research University of California, 2004.
318. Rosen, S. Hedonic prices and implicit markets: Product differentiation in pure competition. Journal of Political Economics, 1974. T. 82.
319. Wilhelmsson, M. The impact of traffic noise on the values of single-family houses. Journal of Environmental Planning and Management, 2000. T. 43(6).
320. Irwin, E. G. The effects of open space on residential property values. Land Economics, 2002. T. 78(4).
321. Benenson, I., h ,np. Residential Distribution in the City Reexamined. Paper presented at the 9th AGILE International Conference on Geographic Information Science, 2006. http://www.agile2006.hu/papers/benenson.pdf.
322. Jacobs, J. The Economy of Cities. New York : Vintage Books, 1970.
323. Kasanko, M., m /ip. Are European Cities becoming dispersed? Landscape and Urban Planning, 2006. T. 77(1-2).
324. Rieniets, T. Shrinking Cities: Causes and Effects of Urban Population Losses in the Twentieth Century. Nature & Culture, 2009. T. 4(3).
325. Oswalt, P., Rieniets, T. Atlas of shrinking cities, Hatje, Ostfildern. 2006.
326. Couch, C., h Tip. Decline and sprawl: an evolving type of urban development -observed in Liverpool and Leipzig. European Planning Studies, 2005. T. 13(1).
327. Turok, I., Mykhnenko, V. The Trajectories of European Cities, 1960-2005. Cities,2007. T. 24(2).
328. Nuissl, H., Rink, D. The 'production' of urban sprawl in eastern Germany as a phenomenon of post-socialist transformation. Cities, 2005. T. 22.
329. Haase, D., Seppelt, R., Haase, A. Land use impacts of demographic change lessons from eastern German urban regions. Springer, 2007. Use of Landscape Sciences for the Assessment of Environmental Security.
330. Moss, T. Cold spots' of urban infrastructure: Shrinking' processes in eastern Germany and the modern infrastructural ideal. International Journal of Urban and Regional Research,2008. T. 32(2).
331. Blanco, H., Alberti, M., Olshansky, R. Shaken, shrinking, hot, impoverished and informal: Emerging research agendas in planning. Progress in Planning, 2009. T. 72(4).
332. Schiller, G., Siedentop, S. Infrastrukturfolgekosten der Siedlungsentwicklung unter Schrumpfungsbedingungen. Follow-up costs of settlement development for infrastructure under conditions of shrinkage. Disp, 2005. T. 160.
333. Schwarz, N., Haase, D., Seppelt, R. Omnipresent sprawl? A review of urban simulation models with respect to urban shrinkage. Environment and Planning B, 2010. T. 37.
334. Rink, D., Haase, A., Bernt, M. Specification of working model. Leipzig : Research report for the EC within the framework of the 7 FP project Shrink Smart (WP1), 2009.
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.