Multi-Criteria Optimization as the Methodology of Ensuring Sustainable Development of Regions: Tula Region of the Russian Federation
Notice bibliographique
Résumé
The effective ensure of sustainable development of regions, including the Tula region, characterized by an unfavorable demographic situation, the presence of environmental problems and stagnation of industrial production, without the use of economic and mathematical apparatus and tools for data analysis and decision-making is difficult to implement.At the same time, most decisions are made on the basis of expert assessments, and this is typical for most Russian regions.The development and implementation of modern decision-making methods based on multi-criteria optimization will increase the validity of such decisions at various levels of management, and which can be applied not only in the Tula region, but also in other regions to solve their problems.The purpose of the study is to develop and test a method for optimizing the results of the functioning of socio-ecological-economic systems on the example of the regions of the Central Federal District and the district as a whole on the basis of the author's methodology within the framework of a multi-level optimization approach.The results of the study show that due to changes in values of factors included in the optimization model of the socio-ecological-economic systems functioning, which was developed on the basis of the author's methodology.It is possible to improve the target indicators of the development of the Tula region.The presented methodology can be used for other regions, which expands the scope of its application.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».