Axiomatization of project solutions in the construction of agent-based models of innovative technological systems

12+ Submit an article

Received: 15.04.2025 Published: 15.04.2025

UDC: 330.47, 004.9 EDN: UBTWOA

Abstract

In the context of rapid technological development, the use of agent-based modeling (ABM) for analyzing and managing socio-economic and innovation-technological systems is especially relevant. The aim of this paper is to formalize the methodology of ABM through an axiomatic description of its structural elements to provide a theoretical and methodological foundation for studying the mechanisms of functioning of an innovation-technological system.The research methods include the analysis and synthesis of the structural components of ABM, as well as abstraction and comparative analysis techniques. This methodological framework enables the formalization of the main properties of ABM and the systematization of knowledge in the field.The main result of the study is an axiomatic description of ABM that reflects its nature as a tool for reproducing complex and nonlinear processes in real systems, as well as identifying the prospects for the use of such models in strategic planning, digital transformation, and ensuring technological sovereignty through the analysis of vulnerabilities in national innovation ecosystems.Author demonstrated that the axiomatic approach contributes to the standardization and systematization of knowledge about ABM methodology and also creates a foundation for the development of more flexible and intelligent models. This enhances the potential of ABM as a universal tool for analysis, forecasting, and management of innovation-technological systems amid global instability and technological competition.

Keywords

Agencies

Статья подготовлена по результатам исследований, выполненных за счет бюджетных средств по государственному заданию Финансового университета.

How to cite

Для цитирования:

Рыбачук М.А. Аксиоматизация проектных решений при построении агентно-ориентированных моделей инновационно-технологических систем // Экономика науки. 2025. Т. 11, № 4. С. 38–51.

For citation:

Rybachuk M.A. Axiomatization of project solutions in the construction of agent-based models of innovative technological systems // Economics of Science. 2025. Vol. 11, no. 4. P. 38–51.

Коды статьи

  • УДК 330.47, 004.9
  • EDN UBTWOA
  • Тип статьи (РИНЦ) Научная статья (Научная статья)

How to Cite

Rybachuk M.A. Axiomatization of project solutions in the construction of agent-based models of innovative technological systems // Economics of Science. 2025. Vol. 11, no. 4. P. 38–51.

References

  1. Акбердина, В.В. (2018). Трансформация промышленного комплекса России в условиях цифровизации экономики. Journal of New Economy, 19(3), 82–99. EDN: XUEHAD, https://doi.org/10.29141/2073-1019-2018-19-3-8
  2. Акбердина, В.В., & Василенко, Е.В. (2021). Инновационная экосистема: теоретический обзор предметной области. Журнал экономической теории, 18(3), 462–473. EDN: DYGEEV, https://doi.org/10.31063/2073–6517/2021.18–3.10
  3. Болсуновская, М.В., Гинцяк, А.М., Бурлуцкая, Ж.В., Петряева, А.А., Зубкова, Д.А., Успенский, М.Б., & Селедцова, И.А. (2022). Возможности применения гибридного подхода в моделировании социально-экономических и социотехнических систем. Вестник ВГУ. Серия: Системный анализ и информационные технологии, (3), 73–86. EDN: MUIQUU, https://doi.org/10.17308/sait/1995-5499/2022/3/73-86 (in Russian)
  4. Ганюков, В.Ю., Ханова, А.А., & Сульдина, Н.В. (2012). Интеллектуальная система управления цепями поставок логистического предприятия на основе дискретно-событийной, агентной и системно-динамической имитационных моделей. Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика, (2), 143–149. EDN: PAJWZN
  5. Гулин, К.А., Дианов, С.В., Алферьев, Д.А., & Дианов, Д.С. (2024). Методология агентного моделирования развития территориальных систем лесозаготовительного производства. Экономические и социальные перемены: факты, тенденции, прогноз, 17(6), 184–203. EDN: PPTUWK, https://doi.org/10.15838/esc.2024.6.96.10
  6. Данилина, Я.B., & Рыбачук, М.А. (2022). Национальная инновационная экосистема как платформа социально-экономического развития страны. Russian Journal of Economics and Law, 16(2), 245–257. EDN: SNTDWP, https://doi.org/10.21202/2782-2923.2022.2.245-257
  7. Дементьев, В.Е. (2023). Технологический суверенитет и приоритеты локализации производства. Terra Economicus, 21(1), 6–18. EDN: COKINW, https://doi.org/10.18522/2073-6606-2023-21-1-6-18
  8. Езангина, И.А., Маловичко, А.Е., & Хрысева, А.А. (2023). Инновационная экосистема как новая форма организационной целостности и механизм финансирования и воспроизводства инноваций. Финансы: теория и практика, 27(3), 17–32. EDN: VPTIRR, https://doi.org/10.26794/2587-5671-2023-27-3-17-32
  9. Истратов, В.А. (2016). Моделирование формирования социальных норм в общественных науках. Экономика и математические методы, 52(4), 47–73. EDN: XEUGID
  10. Клейнер, Г.Б. (2001). Экономико-математическое моделирование и экономическая теория. Экономика и математические методы, 37(3), 111–127. EDN: VUPJQD
  11. Клейнер, Г.Б., Рыбачук, М.А., & Карпинская, В.А. (2020). Развитие экосистем в финансовом секторе России. Управленец, 11(4), 2–17. EDN: QKJHHC, https://doi.org/10.29141/2218-5003-2020-11-4-1
  12. Клейнер, Г.Б. (2023). Системная парадигма как теоретическая основа стратегического управления экономикой в современных условиях. Управленческие науки, 13(1), 6–19. EDN: DKKPBT, https://doi.org/10.26794/2304-022X-2023-13-1-6-19
  13. Клейнер, Г.Б. (2024). Системная парадигма и теория технологий. Terra Economicus, 22(4), 6–18. EDN: BOVNWJ, https://doi.org/10.18522/2073-6606-2024-22-4-6-18
  14. Макаров, В.Л., & Бахтизин, А.Р. (2009). Новый инструментарий в общественных науках – агент-ориентированные модели: общее описание и конкретные примеры. Экономика и управление, (12), 13–25. EDN: LAAFXZ
  15. Макаров, В.Л., Бахтизин, А.Р., & Сушко, Е.Д. (2016). Агент-ориентированные модели как инструмент апробации управленческих решений. Управленческое консультирование, 12(96), 16–25. EDN: XEAUXJ
  16. Макаров, В.Л., Бахтизин, А.Р., & Сушко, Е.Д. (2017). Регулирование промышленных выбросов на основе агент-ориентированного подхода. Экономические и социальные перемены: факты, тенденции, прогноз, 10(6), 42–58. EDN: YMWXFP, https://doi.org/10.15838/esc/2017.6.54.3
  17. Маслобоев, А.В. (2010). Формальные спецификации активных программных компонентов мультиагентной виртуальной бизнес-среды развития инноваций. Научно-технический вестник информационных технологий, механики и оптики, 3(67), 96–102. EDN: MBDYHH
  18. Суслов, С.А., Кондратьев, М.А., & Сергеев, К.В. (2010). Агентное моделирование как средство анализа и прогноза спроса на энергоресурсы. Проблемы управления, (2), 46–52. EDN: MQHUHR
  19. Сухарев, О.С. (2024). Технологический суверенитет России: формирование на базе развития сектора “экономика знаний”. Вестник Института экономики Российской академии наук, (1), 47–64. EDN: GBHZQW, https://doi.org/10.52180/2073-6487_2024_1_47_64
  20. Чичканов, В.П., & Сухарев, О.С. (2024). Технологический суверенитет: способ измерения. Экономические стратегии, 26((1)193), 62–69. EDN: QEZUGZ, https://doi.org/10.33917/es-1.193.2024.62–69
  21. An, L., Grimm, V., Sullivan, A., Turner, B., Malleson, N., Heppenstall, A., Vincenot, C., Robinson, D., Ye, X., Liu, J., Lindkvist, E., & Tang, W. (2021). Challenges, tasks, and opportunities in modeling agent-based complex systems. Ecological Modelling, 457, 109685. EDN: MZCZSX, https://doi.org/10.1016/j.ecolmodel.2021.109685
  22. Antonelli, C., & Ferraris, G. (2011). Innovation as an emerging system property: an agent based simulation model. Journal of Artificial Societies and Social Simulation, 14(2), 1. https://doi.org/10.18564/jasss.1741
  23. Axtell, R.L., & Farmer, J.D. (2025). Agent-based modeling in economics and finance: Past, present, and future. Journal of Economic Literature, 63(1), 197–287. EDN: BBYYLW, https://doi.org/10.1257/jel.20221319
  24. Bonabeau, E. (2002). Agent-based modeling: Methods and techniques for simulating human systems. Proceedings of the National Academy of Sciences of the United States of America, 99(3), 7280–7287. https://doi.org/10.1073/pnas.082080899
  25. Bruch, E., & Atwell, J. (2015). Agent-Based Models in Empirical Social Research. Sociological Methods & Research, 44(2), 186–221. https://doi.org/10.1177/0049124113506405
  26. Gilbert, N., & Bankes, S. (2002). Platforms and methods for agent-based modeling. Proceedings of the National Academy of Sciences of the United States of America, 99(3), 7197–7198. https://doi.org/10.1073/pnas.072079499
  27. Grimm, V., Railsback, S.F., Vincenot, C.E., Berger, U., Gallagher, C., DeAngelis, D.L., Edmonds, B., Ge, J., Giske, J., Groeneveld, J., Johnston, A.S.A., Milles, A., Nabe-Nielsen, J., Polhill, J.G., Radchuk, V., Rohwäder, M.-S., Stillman, R.A., Thiele, J.C., & Ayllón, D. (2020). The ODD protocol for describing agent-based and other simulation models: A second update to improve clarity, replication, and structural realism. Journal of Artificial Societies and Social Simulation, 23(2), 7. EDN: JVLOGU, https://doi.org/10.18564/jasss.4259
  28. Jackson, J., Rand, D., Lewis, K., Norton, M., & Gray, K. (2016). Agent-Based Modeling. Social Psychological and Personality Science, 8(4), 387–395. https://doi.org/10.1177/1948550617691100
  29. Kaniyamattam, K. (2022). 71 Agent-Based Modeling: A Historical Perspective and Comparison to Other Modeling Techniques. Journal of Animal Science, 100(Suppl. 3), 32–33. https://doi.org/10.1093/jas/skac247.062
  30. Kavak, H., Padilla, J.J., Lynch, C.J., & Diallo, S.Y. (2018). Big data, agents, and machine learning: towards a data-driven agent-based modeling approach. In Proceedings of the 2018 Annual Simulation Conference. Article 12, 1–12. https://doi.org/10.22360/springsim.2018.anss.021
  31. Ma, T., & Nakamori, Y. (2005). Agent-based modeling on technological innovation as an evolutionary process. European Journal of Operational Research, 166(3), 741–755. https://doi.org/10.1016/j.ejor.2004.01.055
  32. Maidstone, R. (2012). Discrete event simulation, system dynamics and agent based simulation: Discussion and comparison. [White paper]. The University of Manchester. Retrieved October 20, 2025, from https://personal-pages.manchester.ac.uk/staff/robert.maidstone/pdf/MresSimulation.pdf
  33. Manson, S., An, L., Clarke, K.C., Heppenstall, A., Koch, J., Krzyzanowski, B., … & Tesfatsion, L. (2020). Methodological issues of spatial agent-based models. Journal of Artificial Societies and Social Simulation, 23(1), 6. EDN: HWDYYL, https://doi.org/10.18564/jasss.4174
  34. Marchi, S., & Page, S. E. (2014). Agent-Based Models. Annual Review of Political Science, 17, 1–20. https://doi.org/10.1146/annurev-polisci-080812-191558
  35. Mishra, R., & Ishii, H. (2021). Event-triggered control for discrete-time multi-agent average consensus. International Journal of Robust and Nonlinear Control, 33(1), 159–176. EDN: JPUYZE, https://doi.org/10.1002/rnc.5815
  36. Neves, F., Campos, P., & Silva, S. (2019). Innovation and employment: an agent-based approach. Journal of Artificial Societies and Social Simulation, 22(1), 8. https://doi.org/10.18564/jasss.3933
  37. Summad, E., Al-Kindi, M., Al-Hinai, N., Shamsuzzoha, A., & Piya, S. (2023). The application of agent-based modelling for the diffusion of innovation research: a case study. International Journal of Business Innovation and Research, 30(4), 542–564. EDN: YHQHLE, https://doi.org/10.1504/IJBIR.2023.130077
  38. Turgut, Y., & Bozdag, C.E. (2023). A framework proposal for machine learning-driven agent-based models through a case study analysis. Simulation Modelling Practice and Theory, 123, 102707. EDN: VHPAQX, https://doi.org/10.1016/j.simpat.2022.102707
  39. Xiao, Y., & Han, J. (2016). Forecasting new product diffusion with agent-based models. Technological Forecasting and Social Change, 105, 167–178. EDN: WVQAIH, https://doi.org/10.1016/j.techfore.2016.01.019

Articles

All articles