Таргетирование внутренней миграции рабочей силы в Российской Федерации на основе обучения с подкреплением
(Стр. 72-81)

В статье изучается проблема управления внутренней миграцией рабочей силы в Российской Федерации. Управление миграцией необходимо для сбалансирования потребностей общества и экономики, обеспечивая приток трудовых ресурсов в особо нуждающиеся в них регионы. Управление миграцией может осуществляться по-разному. В текущем исследовании принимается во внимание экономическое стимулирование. Цель работы заключается в нахождении оптимальной стратегии инвестирования в регионы Российской Федерации для таргетирования заданного распределения численности рабочей силы по регионам. В исследовании выявлена средняя миграционная привлекательность регионов, соответствующая периоду с 2001 по 2021 г., на основе байесовской статистики. Найденная миграционная привлекательность регионов позволяет моделировать численность рабочей силы в Российской Федерации с высокой точностью. Предполагая возможность управления миграционной привлекательностью региона, которая выражается агрегированной полезностью пребывания в нем, составлена динамика системы миграционного движения рабочей силы, принимающая во внимание в том числе и управляющие воздействия инвестиций на миграционную привлекательность региона. Разработан тривиальный алгоритм управления инвестированием, позволяющий за конечное время достичь заданного распределения рабочей силы по регионам. На основе предобучения нейронной сети на тривиальном алгоритме, а затем, с помощью алгоритма обучения с подкреплением Proximal Policy Optimization, разработана стратегия инвестирования в регионы, в среднем достигающая произвольной цели на порядок быстрее, чем тривиальный алгоритм. Тем не менее, у найденной стратегии инвестирования существуют ограничения, заключающиеся в специфике целевого распределения рабочей силы по регионам: если целевое распределение содержит регион с долей рабочей силы выше 12%, алгоритм может не справиться с задачей за установленное время, в силу особенности сэмплирования целей при обучении.

ОБРАЗЕЦ ЦИТИРОВАНИЯ: Моисеенко А.М., Гринева Н.В. Таргетирование внутренней миграции рабочей силы в Российской Федерации на основе обучения с подкреплением // Computational Nanotechnology. 2026. Т. 13. № 2. С. 72-81. DOI: 10.33693/2313-223X-2026-13-2-72-81. EDN: ZWNHXP

Ахметзянова М.И., Атнабаева А.Р. Исследование привлекательности муниципальных районов и городов Республики Башкортостан с применением компонентного и кластерного анализов // Вестник евразийской науки. 2020. Т. 12. № 5. С. 1–11. DOI: 10.15862/06ECVN520. EDN: GILSKZ.
Буркин М.М., Молчанова Е.В., Кручек М.М. Интегральная оценка влияния социально-экономических и экологических факторов на региональные демографические процессы // Экология человека. 2016. Т. 23. № 6. С. 39–46. DOI: 10.33396/1728-0869-2016-6-39-46. EDN: VZZFHB.
Вакуленко Е.С. Миграционные процессы в городах России: эконометрический анализ // Прикладная эконометрика. 2012. № 1 (25). С. 25–50. EDN: OQQWYH.
Вдовина Э.Л., Круглова А.В. Оценка миграционной привлекательности депрессивных регионов Средней России // Известия Пензенского государственного педагогического университета им. В.Г. Белинского. 2009. № 18. С. 105–110. EDN: KZPOHN.
Кованова Е.С. Кластерный анализ в решении задачи типологии регионов России по уровню и интенсивности внутренней трудовой миграции // Вестник НГУЭУ. 2013. № 4. С. 166–175. EDN: RSSVSR.
Макаров В.Л., Бахтизин А.Р., Бекларян Г. и др. Агентное моделирование социально-экономических последствий миграции при государственном регулировании занятости // Экономика и математические методы. 2022. Т. 58. № 1. С. 113–130. DOI: 10.31857/S042473880018960-5. EDN: JYGIFS.
Макаров В.Л., Бахтизин А.Р., Сушко Е.Д., Агеева А.Ф. Искусственное общество и реальные демографические процессы // Экономика и математические методы. 2017. Т. 53. № 1. С. 3–18. EDN: XWUJJV.
Низамутдинов М.М., Атнабаева А.Р., Ахметзянова М.И. Исследование миграционного поведения населения и оценка уровня привлекательности территорий на основе методов агент-ориентированного моделирования // Вестник евразийской науки. 2020. Т. 12. № 6. С. 1–11. DOI: 10.15862/29ECVN620. EDN: PECMWM.
Олейник Е.Б., Ивашина Н.В., Шмидт Ю.Д. Моделирование процессов миграции населения: методы и инструменты (обзор) // Компьютерные исследования и моделирование. 2021. Т. 13. № 6. С. 1205–1232. DOI: 10.20537/2076-7633-2021-13-6-1205-1232. EDN: KPTCQQ.
Фаттахов Р.В., Низамутдинов М.М., Атнабаева А.Р., Ахметзянова М.И. Оценка и прогнозирование привлекательности регионов России как фактора межрегиональной миграции // Управленческие науки. 2021. Т. 11. № 4. С. 55–70. DOI: 10.26794/2404-022X-2021-11-4-55-70. EDN: RLWHDJ.
Akimenko V.V., Nakonechnyi A.G. Optimal control models for interregional migration under social risks // Cybernetics and Systems Analysis. 2006. Vol. 42. No. 3. Pp. 398–410. DOI: 10.1007/s10559-006-0077-4. EDN: XLLREN.
Akimenko V.V., Nakonechnyi A.G., Voloshchuk S.D. Scenarios of optimal control of transregional migration processes under risk // Cybernetics and Systems Analysis. 2007. Vol. 43. No. 1. Pp. 12–24. DOI: 10.1007/s10559-007-0022-1. EDN: XLUVLN.
Rogers A. A Markovian policy model of interregional migration // Papers in Regional Science. 1966. Vol. 17. No. 1. Pp. 205–224. DOI: 10.1007/BF01982518.
Schulman J., Moritz P., Levine S. et al. High-dimensional continuous control using generalized advantage estimation // arXiv 2015. DOI: 10.48550/arXiv.1506.02438.
Schulman J., Wolski F., Dhariwal P. et al. Proximal policy optimization algorithms // arXiv. 2017. DOI: 10.48550/arXiv.1707.06347.

внутренняя миграция, моделирование миграции, байесовская статистика, оптимальное управление, обучение с подкреплением, PPO.