Застосування методів стохастичної оптимізації для дослідження трансформаційних процесів в економіці

• Опубліковано в: : Системні дослідження та інформаційні технології
• Дата: 2004
• Автори: Сергієнко, І.В., Михалевич, М.В.
• Формат: Стаття
• Мова: Українська
• Опубліковано: Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України 2004
• Теми: Методи оптимізації, оптимальне управління і теорія ігор
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/133990
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Застосування методів стохастичної оптимізації для дослідження трансформаційних процесів в економіці / І.В. Сергієнко, М.В. Михалевич // Системні дослідження та інформаційні технології. — 2004. — № 4. — С. 7-29. — Бібліогр.: 10 назв. — укр.

Узагальнено досвід застосування стохастичних оптимізаційних моделей протягом останнього десятиліття для дослідження перехідної економіки та підтримки прийняття управлінських рішень. Розглянуто моделі фіскальної політики, формування інвестиційних пріоритетів та експортно-імпортної діяльності. Показано, як існуючі методи стохастичної оптимізації можна використовувати для розрахунків за цими моделями при різних припущеннях щодо природи ризику та невизначеності. Обобщен опыт применения стохастических оптимизационных моделей на протяжении последнего десятилетия для исследования переходной экономики и поддержки управленческих решений. Рассмотрены модели фискальной политики, формирования инвестиционных приоритетов и экспортно-импортной деятельности. Показано, как существующие методы стохастической оптимизации можно использовать для расчетов по этим моделям при различных предположениях о природе риска и неопределенности. The last decade experience of stochastic optimization models application for transition economy analysis and for decision support is generalized in the paper. Among them models of fiscal policy, investment priorities formation and export-import trade are considered. It is shown how the existing methods of stochastic optimization can be used in model calculations under the different assumptions about the nature of risk and uncertainty.