Математическая модель темпоральной динамики адаптивных экономических систем на основе теории пучков

Экономико-математические методы и модели
Авторы:
Аннотация:

Координация распределенных агентов в цифровых платформах и экосистемах остается открытой теоретической проблемой: существующие модели — от общего равновесия до системной динамики — не дают строгого критерия того, при каких условиях локально согласованные стратегии складываются в единую глобальную траекторию системы, а при каких — нет. Традиционная платформенная теория, в свою очередь, сосредоточена на структуре рыночных взаимодействий, но не предлагает инструментов для диагностики темпоральных разрывов, накапливающихся по мере того, как агенты адаптируются к изменяющейся среде в разном темпе. Настоящая работа восполняет этот пробел, предлагая математическую модель темпоральной согласованности и несогласованности на основе аппарата теории пучков. Адаптивная экономическая система моделируется как топологическое пространство, где открытые множества соответствуют локальным рынкам или группам агентов, а пучок описывает допустимые стратегические конфигурации в каждой точке системы. Первая когомология пучка выступает количественной мерой координационных разрывов; скорость их преодоления связывается со спектральными характеристиками пучкового лапласиана. Ключевым методологическим решением является применение ортогонального метода Прокруста для калибровки карт ограничения непосредственно из наблюдаемых данных — это переводит теоретическую конструкцию в практически применимый диагностический инструмент. Модель верифицирована на операционных данных реальной цифровой платформы за второе полугодие 2025 г.: 26 недель, три агента — поставщик, оператор, логистический партнер. По результатам диагностики выделены четыре фазы жизненного цикла рассогласования; угловые меры расхождения между агентами (10,9°-42,6°) интерпретированы как «когнитивные зазоры» — количественное свидетельство того, насколько по-разному участники конструируют общее стратегическое пространство при формально единых целях. Спектральный анализ пучкового лапласиана показал, что при сложившейся архитектуре взаимодействий глобальная координация агентов топологически недостижима (H0 (G; F) = 0), а характерный горизонт восстановления составляет около 320 недель; трехкратный рост энергии рассогласования при экзогенном шоке подтвердил диагностическую чувствительность модели. Научная новизна состоит в разработке математической модели, совмещающей когомологическую диагностику темпоральных разрывов с эмпирической калибровкой карт ограничения методом Прокруста. Полученные результаты открывают возможности для построения систем мониторинга и адаптивного управления цифровыми платформами и многоагентными экономическими экосистемами.

  • Список литературы

    1. Arrow K.J., Debreu G. (1954) Existence of an Equilibrium for a Competitive Economy. Economet- rica, 22 (3), 265–290. DOI: 10.2307/1907353

    2. Milgrom P., Roberts J. (1990) Rationalizability, Learning, and Equilibrium in Games with Strate- gic Complementarities. Econometrica, 58 (6), 1255–1277. DOI: 10.2307/2938316

    3. Rochet J.-C., Tirole J. (2003) Platform Competition in Two-Sided Markets. Journal of the European Economic Association, 1 (4), 990–1029. DOI: 10.1162/154247603322493212

    4. Forrester J.W. (1961) Industrial Dynamics, Cambridge, MA: MIT Press.

    5. Sterman J.D. (2000) Business Dynamics: Systems Thinking and Modeling for a Complex World, New York: McGraw-Hill/Irwin.

    6. Tesfatsion L., Judd K.L. (2006) Handbook of Computational Economics: Agent-Based Computatio- nal Economics, vol. 2, Amsterdam: Elsevier North-Holland.

    7. Tsai C.H., Zdravkovic J., Stirna J. (2022) Modeling Digital Business Ecosystems: A Systematic Literature Review. Complex Systems Informatics and Modeling Quarterly, 30, art. no. 168. DOI: 10.7250/ csimq.2022-30.01

    8. Evans D.S., Schmalensee R. (2016) Matchmakers: The New Economics of Multisided Platforms, Boston: Harvard Business Review Press.

    9. Armstrong M. (2006) Competition in two-sided markets. The RAND Journal of Economics, 37 (3), 668–691. DOI: 10.1111/j.1756-2171.2006.tb00037.x

    10. Schultz P., Spivak D.I., Vasilakopoulou C. (2020) Dynamical Systems and Sheaves. Applied Ca- tegorical Structures, 28 (4), 1–57. DOI: 10.1007/s10485-019-09565-x

    11. Hansen J., Ghrist R. (2019) Toward a spectral theory of cellular sheaves. Journal of Applied and Computational Topology, 3 (4), 315–358. DOI: 10.1007/s41468-019-00038-7

    12. Hansen J., Ghrist R. (2021) Opinion Dynamics on Discourse Sheaves. arXiv:2005.12798. DOI: 10.48550/arXiv.2005.12798

    13. Bumpus B.M., Fairbanks J., Karvonen M., Leal W., Simard F. (2025) Towards a Unified Theory of Time-Varying Data. arXiv:2402.00206v3. DOI: 10.48550/arXiv.2402.00206

    14. Ghrist R. (2008) Barcodes: The persistent topology of data. Bulletin of the American Mathemati- cal Society, 45 (1), 61–75. DOI: 10.1090/S0273-0979-07-01191-3

    15. Robinson M. (2014) Topological Signal Processing, Berlin: Springer. DOI: 10.1007/978-3-642-36104-3

    16. Barbarossa S., Sardellitti S. (2020) Topological Signal Processing Over Simplicial Complexes. IEEE Transactions on Signal Processing, 68, 2992–3007. DOI: 10.1109/TSP.2020.2981920

    17. Riess H., Ghrist R. (2022) Cellular Sheaves of Lattices and the Tarski Laplacian. arXiv:2007.04- 099. DOI: 10.48550/arXiv.2007.04099

    18. Lim L.-H. (2020) Hodge Laplacians on graphs. arXiv:1507.05379. DOI: 10.48550/arXiv.1507.05379

    19. Bodnar C., Di Giovanni F., Chamberlain B.P., Liò P., Bronstein M.M. (2022) Neural Sheaf Diffusion: A Topological Perspective on Heterophily and Oversmoothing in GNNs. arXiv:2202.04579v4. DOI: 10.48550/arXiv.2202.04579

    20. Schönemann P.H. (1966) A Generalized Solution of the Orthogonal Procrustes Problem. Psychometrika, 31 (1), 1–10. DOI: 10.1007/BF02289451

    21. Ten Berge J.M.F. (1977) Orthogonal Procrustes Rotation for Two or More Matrices. Psychometrika, 42 (2), 267–276. DOI: 10.1007/BF02294053

    22. Gower J.C., Dijksterhuis G.B. (2004) Procrustes Problems, Oxford: Oxford University Press. DOI: 10.1093/acprof:oso/9780198510581.001.0001

    23. Teece D.J. (2007) Explicating Dynamic Capabilities: The Nature and Microfoundations of (Sustainable) Enterprise Performance. Strategic Management Journal, 28 (13), 1319–1350. DOI: 10.1002/ smj.640

    24. Tolstykh T., Gamidullaeva L., Shmeleva N. (2020) Elaboration of a Mechanism for Sustainable Enterprise Development in Innovation Ecosystems. Journal of Open Innovation: Technology, Market, and Complexity, 6 (4), art. no. 95. DOI: 10.3390/joitmc6040095

    25. Irajifar L., Chen H., Lak A., Sharifi A., Cheshmehzangi A. (2023) The nexus between digitalization and sustainability: A scientometrics analysis. Heliyon, 9 (5), art. no. e15172. DOI: 10.1016/j. heliyon.2023.e15172

    26. Гимранов Р.Д., Лугачев М.И., Тамбовцев В.Л. (2023) Динамические способности управленческих подразделений большой компании. Вопросы регулирования экономики, 14 (4), 31–47. DOI: 10.17835/2078-5429.2023.14.4.031-047

    27. Sontag E.D. (2008) Input to State Stability: Basic Concepts and Results. In: Nonlinear and Opti- mal Control Theory (eds. P. Nistri, G. Stefani), Berlin, Heidelberg: Springer, 163–220. DOI: 10.1007/ 978-3-540-77653-6_3

    28. Mironchenko A., Prieur C. (2020) Input-to-state stability of infinite-dimensional systems: recent results and open questions. arXiv:1910.01714. DOI: 10.48550/arXiv.1910.01714

    29. Smith W.K., Lewis M.W. (2011) Toward A Theory of Paradox: A Dynamic Equilibrium Model of Organizing. Academy of Management Review, 36 (2), 381–403. DOI: 10.5465/AMR.2011.59330958

    30. O’Reilly C.A., Tushman M.L. (2013) Organizational Ambidexterity: Past, Present, and Future. Academy of Management Perspectives, 27 (4), 324–338.

    31. Di Nino L., Barbarossa S., Di Lorenzo P. (2025) Learning Sheaf Laplacian Optimizing Restric- tion Maps. arXiv:2501.19207v1. DOI: 10.48550/arXiv.2501.19207

    32. Даниленко К., Брусакова И. (2025) Анализ устойчивости адаптивной бизнес-модели цифрового предприятия в многокомпонентной среде. Sustainable Development and Engineering Economics, 18 (4), ст. № 5. DOI: 10.48554/SDEE.2025.4.5

     

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Предыдущая статьяСледующая статья