Информационно - коммуникационные и химические технологии

Том_ 3 № 28 (2025) / 2025-09-30 / Кол. просмотров: 217

АДАПТИВНОЕ РАСПРЕДЕЛЕНИЕ РЕГИОНАЛЬНОГО БЮДЖЕТА С ИСПОЛЬЗОВАНИЕМ ДИНАМИЧЕСКОГО ПРОГРАММИРОВАНИЯ И ГЕНЕТИЧЕСКОГО АЛГОРИТМА

Авторы

Международный университет информационных технологий
https://orcid.org/0009-0009-5950-8232
Международный университет информационных технологий
https://orcid.org/0000-0003-2920-1490

Ключевые слова

распределение бюджета, динамическое программирование, генетический алгоритм, отрасли деятельности, стратегические цели, партисипаторное бюджетирование, диспропорция, оптимизация

DOI ссылка:

https://doi.org/10.58805/kazutb.v.3.28-1155

Как цитировать

Абдуалиев, А., и Г. Сембина. «АДАПТИВНОЕ РАСПРЕДЕЛЕНИЕ РЕГИОНАЛЬНОГО БЮДЖЕТА С ИСПОЛЬЗОВАНИЕМ ДИНАМИЧЕСКОГО ПРОГРАММИРОВАНИЯ И ГЕНЕТИЧЕСКОГО АЛГОРИТМА». Вестник КазУТБ, т. 3, вып. 28, сентябрь 2025 г., doi:10.58805/kazutb.v.3.28-1155.

Аннотация

В статье рассматривается задача оптимального распределения регионального бюджета с учётом общественного мнения, стратегических приоритетов, показателя ROI и долгосрочной устойчивости. Предлагается двухуровневая математическая модель, в которой первый уровень отвечает за распределение бюджета между районами, а второй - за распределение внутри районов по отраслям деятельности. Для оптимизации используются методы генетического алгоритма (GA) и динамического программирования (DP).

Для оценки модели использовались данные по Алматинской области Казахстана за 2022–2024 годы. Сравнительный анализ проведён по пяти критериям: полезность, межрайонная диспропорция, отклонение от стратегических целей, стабильность и время расчёта. Метод DP позволяет достичь максимальной суммарной полезности (до 114.84 условных единиц), но сопровождается отклонением от стратегических долей до 1.58 и межрайонной разницей до 1.25×10¹¹ тенге. GA, напротив, обеспечивает почти полное соответствие стратегическим целям (отклонение - 0.03) и в 2.5 раза меньшую диспропорцию, несмотря на несколько меньшую полезность (в среднем на 4–5% ниже, чем у DP). Кроме того, GA стабильно работает в 5 раз быстрее - 56 секунд против 274–299 у DP.

DP подходит для сценариев долгосрочного прогнозирования, тогда как полученные результаты подтверждают применимость GA в условиях цифрового государственного управления. Разработанный подход может быть использован в системах партисипаторного бюджетирования и поддержки принятия решений.