Розвиток промислових кластерів на основі залежності від попереднього розвитку в комбінації з роєвим алгоритмом
/ 0
- Деталі
- Батьківська категорія: Зміст №4 2016
- Категорія: Інформаційні технології, системний аналіз та керування
- Створено: 03 жовтня 2016
- Останнє оновлення: 03 жовтня 2016
- Опубліковано: 03 жовтня 2016
- Автор: Super User
- Перегляди: 3229
Authors:
Д.Кривошеєв, Факультет менеджменту, Харбінський інститут технологій, Харбін, Китай
Цзян Мінхуэй, Факультет менеджменту, Харбінський інститут технологій, Харбін, Китай
Abstract:
Мета. На противагу існуючим недолікам промислових кластерних досліджень у країні і за кордоном, у роботі аналізується еволюційний процес, заснований на роєвому алгоритмі.
Методика. Був створений шаблон (форма) розвитку промислового кластера на основі залежності від попереднього стану в поєднанні з роєвим алгоритмом. Проведене імітаційне моделювання на шаблонному алгоритмі, запропонованому у статті.
Результати. Показали, що шаблон, представлений у роботі, може бути застосований для кількісного та якісного аналізу еволютивних правил промислового кластера. Крім того, з результатів моделювання можна бачити, що при відповідному державному макрорегулюванні й контролі, а також рівноважному стані конкуренції та кооперації між підприємствами, промисловий кластер, що розвивається, буде, як правило, моделлю підприємства, що зберігає існуючу долю на ринку та розширює виробництво. Коли урядове макрорегулювання й контроль завищені або дуже малі, або конкуренція та кооперація між підприємствами знаходяться в нерівноважному стані, кінцевий промисловий кластер прагнутиме до моделі підприємства з розробкою нових продуктів і нових ринків.
Наукова новизна. У процесі вивчення еволюційного процесу промислового кластера, існуючі дослідження як і раніше залишаються якісним етапом обговорення для виробничого процесу та еволюційних правил промислового кластера. Дослідження не є досить глибокими й не дозволяють кількісно описати динамічні ефекти промислового кластера. Отже, робота встановлює зв’язок між роєвим алгоритмом і характеристиками промислового кластера, що самоорганізується. Об’єднання з теорією залежності від попереднього стану успішно промоделювало розвиток промислового кластера шляхом адаптації роєвого алгоритму.
Практична значимість. Результати імітаційного моделювання дозволяють ефективно проаналізувати еволюційний процес промислового кластера, якісно моделювати еволюцію характеристик і правил промислового кластера. Крім того, це може забезпечити новий якісний аналіз для академічних досліджень промислового кластера.
References/Список літератури
1. Horváth, G á. and Harazin, P., 2015. A framework for an industrial ecological decision support system to foster partnerships between businesses and governments for sustainable development. Journal of Cleaner Production, Vol. 2015, No. 114, pp. 214–223.
2. Morandin, M., Hackl, R. and Harvey, S., 2014. Economic feasibility of district heating delivery from industrial excess heat: A case study of a Swedish petrochemical cluster. Energy, Vol. 65, No.1, pp. 209–220.
3. Hall, J., 2014. Innovation and entrepreneurial dynamics in the Base of the Pyramid. Technovation, Vol. 34, No. 5–6, pp. 265–269.
4. Wang, Y., Li, J. and Ning, L, 2014. Dynamic patterns of technology collaboration: A case study of the Chinese automobile industry. Scientometrics, Vol. 101, No. 1, pp. 663–683.
5. Kim, H.D., Lee, D.H. and Choe, H., 2014. The evolution of cluster network structure and firm growth: a study of industrial software clusters. Scientometrics, Vol. 99, No. 1, pp. 77–95.
6. Liu, M.C., 2015. Manufacturing servitization and revitalizing industrial clusters: a case study of Taiwan’s LIIEP. Journal of the Asia Pacific Economy, Vol. 20, No. 3, pp. 423–443.
7. Yang J, He L, Fu S., 2014. An improved PSO-based charging strategy of electric vehicles in electrical distribution grid. Applied Energy, Vol. 128, No. 3, pp. 82–92.
8. Mahmoodabadi, M.J., Mottaghi, Z.S. and Bagheri, A., 2014. HEPSO: High exploration particle swarm optimization. Information Sciences, Vol. 273, No. 18, pp. 101–111.
 04_2016_Krivosheev
|
|
 2016-09-26  1.2 MB  697 |
|
