Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Сборник лучших докладов_2014.pdf
Скачиваний:
149
Добавлен:
14.05.2015
Размер:
3.82 Mб
Скачать

ФИЗИКО-ТЕХНИЧЕСКИЙ ФАКУЛЬТЕТ

СЕКЦИЯ «ИНФОРМАЦИОННО-КОММУНИКАЦИОННЫЕ ТЕХНОЛОГИИ И ПРОГРАММНО-ТЕХНИЧЕСКИЕ КОМПЛЕКСЫ»

ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ ПОТОКОВ ТРУДОВЫХ РЕСУРСОВ В СИСТЕМЕ «ОБРАЗОВАНИЕ – ЭКОНОМИКА – РЫНОК ТРУДА» С ИСПОЛЬЗОВАНИЕМ ANYLOGIC

А. Н. Гоголева, студ. 6 курса

Научный руководитель к. т. н. Л. М. Серова

Введение

Имитационное моделирование (ИМ) – один из самых мощных инст-

рументов анализа, которыми располагают специалисты, ответственные за разработку и функционирование сложных процессов и систем. Поскольку большинство реальных систем являются очень сложными и создать их аналитическую модель не представляется возможным, такие модели следует изучать путем ИМ [4; 7].

Цель настоящей работы состоит в разработке модели, имитирующей движение потоков трудовых ресурсов во времени (от момента рождения до выхода на рынок труда) в сложной социально-экономической системе.

В качестве инструмента имитационного моделирования был выбран пакет AnyLogic, поскольку это единственный российский профессиональный инструмент ИМ нового поколения, успешно конкурирующий с западными аналогами. Сочетая в себе мощный инструмент объектноориентированного моделирования с интерфейсом визуального программирования он позволяет создавать модели для широко спектра задач.

Пакет моделирования AnyLogic поддерживает различные методы ИМ, однако применительно к социально-экономическому моделированию наиболее перспективным считается агентный, поскольку в отличие от традиционных подходов данный вид ИМ позволяет исследовать поведение децентрализованных агентов в рассматриваемой предметной области с учетом их индивидуальных особенностей и то, как такое поведение определяет поведение всей системы в целом. Также к важнейшим преимуществам агентных моделей перед другими средствами ИМ можно отнести следующие [2; 27]:

возможность построения моделей при отсутствии знаний о глобальных зависимостях;

максимальное приближение к реальности;

291

эмерджентность;

гибкость.

Описание разрабатываемой модели

Характеристики агентов модели

Множество агентов (активных объектов модели) определим следующим образом:

A = {Sch, Par, Fn},

где Sch – непустое множество стейтчартов, Par – множество параметров агента, Fn – множество функций агента. Стейтчарт (диаграмма состояний) задает поведение агентов.

Множество стейтчартов Sch определим как:

Sch = {Bc, St,Trn},

где Bc – непустое множество указателей начального состояния, St – непустое множество состояний, Trn – множество переходов [1; 88]. Переходы срабатывают в зависимости от значений вероятностных функций.

В разрабатываемой модели рассматриваемые агенты – это физические лица (люди), в определенный момент времени пребывающие в одном из пяти основных состояний:

St1 – «агент – обучающийся общеобразовательного учреждения»; ния»;St2 – «агент – выпускник 9 класса общеобразовательного учрежде-

денияSt»;3 – «агент – выпускник 11 класса общеобразовательного учреж-

St4 – «агент – обучающийся образовательного учреждения профессионального образования (ОУ ПО)»;

St5 – «агент – выпускник ОУ ПО».

При этом каждый агент обладает определенным набором характеристик, часть из которых сохраняет постоянное значение (общие сведения), а часть – изменяется во времени (профессиональные и личностные компетенции). Например, состояние St2 характеризуется появлением у агента аттестата об основном общем образовании, St3 – аттестата о среднем (полном) общем образовании, а St5 – определенного уровня профессионального образования, профессии/специальности, опыта работы и т. д. Конкретные значения параметров для каждого агента задаются при запуске модели из допустимого множества.

Поскольку демографические процессы оказывают существенное влияние на количественные характеристики систем общего и профессионального образования, то в качестве исходного количества агентов было принято использовать численность рожденных. Данный параметр

292

(также как и свойства агентов) задается во время запуска модели. Количество же агентов для каждого конкретного состояния рассчитывается в процессе моделирования (методика расчета представлена в работе [3; 67]) по мере перехода от одного блока системы к другому на основе статистических данных и данных социологических опросов.

Поведение агентов модели

На каждом шаге работы модели агенты анализируют доступную им информацию о характеристиках среды и собственном положении в ней (о том, в каком блоке модели находятся в данный момент и какими параметрами обладают), а затем принимают решение о переходе в то или иное состояние. Разрабатываемая модель представлена тремя блоками, каждый из которых рассмотрим в отдельности:

1. Блок «общее образование»

Здесь осуществляется моделирование поведения обучающихся общеобразовательных учреждений (от момента поступления до выпуска),

аименно:

Переходы «агентов – обучающихся общеобразовательных учреждений» из класса в класс (из первого во второй, из второго в третий ит. д.);

Выбор «агентов – выпускников 9-х классов общеобразовательных учреждений» – получить среднее (полное) общее образование или перейти к следующему блоку «профессиональное образование» и получить среднее профессиональное образование (по программе НПО или СПО в зависимости от параметров агента);

Выбор «агентов – выпускников 11-х классов общеобразовательных учреждений» – в соответствии с каким направлением подготовки продолжить свое дальнейшее обучение (поступить в образовательное учреждение, реализующее программу НПО, СПО или ВПО).

Результат работы блока: прогноз текущей численности обучающихся по классам, а также численности выпускников 9-х и 11-х классов общеобразовательных учреждений и их дальнейшего перераспределения по направлениям подготовки.

2. Блок «профессиональное образование»

Здесь осуществляется моделирование поведения обучающихся ОУ ПО (от момента поступления до выпуска), а именно:

Переходы «агентов – обучающихся ОУ ПО» между курсами в соответствии с рассматриваемым уровнем профессионального образования и направлением подготовки;

Перераспределение «агентов – выпускников ОУ ПО» по каналам занятости. Выделяют четыре основных канала занятости: трудоустрой-

293

ство на работу, служба в рядах ВС, отпуск по уходу за ребенком и продолжение обучения. Остальные считаются нетрудоустроенными.

Результат работы блока: прогноз текущей численности обучающихся по курсам, а также численности выпускников ОУ ПО и их дальнейшего перераспределения по каналам занятости.

3. Блок «рынок труда»

Здесь осуществляется моделирование поведения выпускников ОУ ПО при выходе на рынок труда. Каждый выпускник облада ет определенным набором компетенций, которые в совокупности с его предпочтениями и предпочтениями работодателя оказывают влияние на вероятность трудоустройства данного выпускника в соответствии с полученной профессией/специальностью.

По данным социологических опросов, наиболее существенными при трудоустройстве для выпускников являются следующие факторы:

Интерес к полученной профессии/специальности;

Наличие рабочих мест;

Условия труда и уровень заработной платы, предлагаемые работодателем;

Соответствие требованиям работодателя;

Возможность карьерного и профессионального роста.

Таким образом, процедура выбора подходящей вакансии в модели основывается на принципе фильтров, которые характеризуют порядок предпочтения «агентом – выпускником» вышеперечисленных критериев. А уже выбранный порядок предпочтения критериев в совокупности с параметрами конкретного агента определяют стратегию его дальнейшего поведения.

Настройка и идентификация блоков модели

Для калибровки модели используются:

Сведения об объемах приема, выпуска и текущей численности учащихся общеобразовательных учреждений (Росстат);

Сведения об объемах приема, выпуска и текущей численности учащихся ОУ ПО (Росстат);

Обобщенные сведения о распределении выпускников по каналам занятости (опрос молодых специалистов);

Обобщенные сведения о трудоустройстве выпускников ПетрГУ (Биржа труда ПетрГУ, web-ресурсы по поиску работы (superjob.ru, www.hh.ru)).

Заключение

В среде имитационного моделирования AnyLogic:

294