Оценка применимости моделей растущего графа для моделирования сети локализации знаний
https://doi.org/10.21686/2413-2829-2025-5-49-61
Аннотация
В статье показано практическое применение растущих графов для построения моделей сети локализации знаний в городах разного масштаба. Сопоставлены результаты моделирования на основе трех типов растущих графов: случайного, предпочтительного присоединения, а также смешанного типа, использующего разные сочетания случайности и предпочтительности при формировании ребра. Для последнего типа растущего графа автором выполнено математическое описание модели. Предложена методология оценки адекватности и эффективности модели, включающая не только выявление формы зависимости реальных и теоретических моделей распределения степеней, динамики степени вершины и среднего локального коэффициента кластеризации, но и анализ внутренней структуры сети. В результате аргументирована невозможность описать реальную сеть локализации знаний единой моделью. Наиболее адекватными стали модели растущего случайного графа и смешанного типа. Динамика коэффициента кластеризации лучше всего моделируется графом предпочтительного присоединения, но с условием несоответствия самого уровня показателя. Полученные выводы актуализируют проблематику выработки моделей для построения малых сетей.
Об авторе
Т. Б. Мельникова
Севастопольский филиал Российского экономического университета имени Г. В. Плеханова
Россия
Россия
Татьяна Борисовна Мельникова, кандидат экономических наук, доцент
кафедра экономики и управления
299053; ул. Вакуленчука, д. 29; Севастополь
Список литературы
1. Власова Н. Ю. Позиции крупных и больших городов в пространственных трансформациях регионов России: кейс Урала // Регион: экономика и социология. – 2022. – № 1 (113). – С. 263–288.
2. Задорожный В. Н., Юдин Е. Б., Юдина М. Н. Методы комплексной калибровки графовых моделей растущих сетей // Системы управления, информационные технологии и математическое моделирование : материалы II Всероссийской научно-практической конференции с международным участием : в 2 т. – Т. 1. – Омск: Изд-во ОмГТУ, 2020. – С. 26–48.
3. Клейнер Г. Б. Флагман экономико-математического и компьютерного моделирования: 60 лет в строю // Экономика и математические методы. – 2023. – Т. 59. – № 3. – С. 5–20.
4. Клейнер Г. Б. Экономико-математическое моделирование и экономическая теория // Экономика и математические методы. – 2011. – Т. 37. – № 3. – С. 111–127.
5. Мельникова Л. В. Эффективность больших городов: теория и эмпирика // Вопросы экономики. – 2023. – № 3. – С. 83–101.
6. Мельникова Т. Б. Аналитическое и математическое описание особенностей структуры сетей знаний в малых городах // Проблемы развития территории. – 2023. – Т. 27. – № 4. – С. 150–168.
7. Barabási A.-L. Network Science. – Cambridge : Cambridge University Press, 2016.
8. Barabási A.-L., Albert R. Emergence of Scaling in Random Networks // Science. – 1999. – Vol. 286. – P. 509–512.
9. Ducharme L. J., Fujimoto K., Kuo J., Stewart J., Taylor B., Schneider J. Collaboration and Growth in a Large Research Cooperative: A Network Analytic Approach // Evaluation and Program Planning. – 2024. – Vol. 102. – P. 102375.
10. Easley D., Kleinberg J. Networks, Crowds, and Markets: Reasoning about a Highly Connected World. – Cambridge : Cambridge University Press, 2010.
11. König M. D. Technology Cycles in Dynamic R&D Networks // Working Paper. University of Zurich. – 2014. – N 178. – URL: https://www.econ.uzh.ch/apps/workingpapers/wp/econwp178.pdf
12. Moriano P., Finke J. Structure of Growing Networks with no Preferential Attachment // Proceedings of the American Control Conference. – 2013. – P. 1088–1093.
13. Piva G. G., Ribeiro L. F., Mata S. A. Networks with Growth and Preferential Attachment: Modelling and Applications // Journal of Complex Networks. – 2021. – Vol. 9. – P. 1–10.
14. Shi D., Zhu S., Liu L. Clustering Coefficients of Growing Networks // Physica A: Statistical Mechanics and its Applications. – 2007. – Vol. 381. – P. 515–524.
Рецензия
Для цитирования:
Мельникова Т.Б. Оценка применимости моделей растущего графа для моделирования сети локализации знаний. Вестник Российского экономического университета имени Г. В. Плеханова. 2025;(5):49-61. https://doi.org/10.21686/2413-2829-2025-5-49-61
For citation:
Melnikova T.B. Assessing Applicability of Rising Graph Models for Modeling Network of Knowledge Localization. Vestnik of the Plekhanov Russian University of Economics. 2025;(5):49-61. (In Russ.) https://doi.org/10.21686/2413-2829-2025-5-49-61
Просмотров:
27
Послать статью по эл. почте 