ЮФУ

ул. М. Горького, 88, к. 211
г.Ростов-на-Дону, Россия
344002
+7 (863) 250-59-54
terraeconomicus@mail.ru 
te@sfedu.ru

Моделирование развития отраслей и функционирующих в них государственных корпораций

TERRA ECONOMICUS, , Том 12 (номер 4),
с. 130-136

Статья посвящена актуальным вопросам функционирования в высокотехнологичных отраслях промышленности государственных корпораций, в частности, разработке модели, позволяющей оценить эффективность функционирования государственных корпораций в отрасли, в которой они были созданы. Государственные корпорации, обладающие значительным потенциалом в системе промышленной политики, рассматриваются в качестве точек роста, что характеризует их как инструмент государственного регулирования технологического развития промышленности и актуализирует вопросы их эффективного функционирования и влияния на отрасли и секторы экономики. Решение поставленной задачи может быть достигнуто путем идентификации хозяйствующего субъекта, в данном случае государственной корпорации и отрасли ее функционирования, на основе формирования признакового пространства. Далее в статье в качестве математического инструментария предлагается использовать аппарат теории нечетких множеств. Также рассмотрена возможность оценки влияния рыночных и нерыночных факторов на деятельность государственных корпораций. Формализованное представление на этой основе объекта исследования позволит разработать и применить математические модели оценки развития отраслей в институциональном контуре государственных корпораций.


Ключевые слова: модель оценки эффективности; государственные корпорации; евклидово расстояние; признаковое пространство; теория нечетких множеств

Список литературы:
  • Алтунин А.Е., Семухин М.В. (2000). Модели и алгоритмы принятия решений в нечетких условиях. Тюмень: Изд-во Тюменского государственного университета.
  • Кофман А.В. (1982). Введение в теорию нечетких множеств. М.: Радио и связь.
  • Лябах Н.Н., Скнарина Н.А. (2011). Экспертно-аналитический метод построения признакового пространства исследования сложного объекта // Материалы IV Международной НПК «Интегрированные модели и мягкие вычисления в искусственном интеллекте», т. 2, с. 953–958.
  • Официальный сайт государственной корпорации ОАК // Доступно на: http://uacrussia.ru.
  • Официальный сайт государственной корпорации Росатом // Доступно на: http://www.rosatom.ru/.
  • Официальный сайт государственной корпорации Роснано // Доступно на: http://www.rusnano.com/.
  • Официальный сайт государственной корпорации Ростех // Доступно на: http://rostec.ru/.
  • Ротштейн А.П. (1999). Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети. Винница: УНИВЕРСУМ-Винница.
  • Шабельников А.Н., Шабельников В.А. (2007). Нейросетевые и нечетко-логические модели временных процессов // Известия ЮФУ. Технические науки. Тематический выпуск «Интеллектуальные САПР», № 2 (77), с. 170–174. Таганрог: Изд-во ТТИ ЮФУ.
  • Zadeh L.A. (1999). Fuzzy sets as a basis for a theory of possibility // Fuzzy Sets and Systems, vol. 100, Issue SUPPL. 1, pp. 9–34.
Издатель: Южный Федеральный Университет
Учредитель: Южный федеральный университет
ISSN: 2073-6606