economicsВестник РГГУ. Серия "Экономика и управление"RSUH/RGGU BULLETIN. Series Economics. Management. Law2073-6304Russian State University for the Humanities (RSUH)10.28995/2073-6304-2024-1-38-48economics-542Research ArticleУПРАВЛЕНИЕMANAGEMENTПринятие управленческих решений на основе метода обучения с подкреплениемManagement decisions based on reinforcement learning methodБоровикТ. Н.BorovikT. N.

Татьяна Н. Боровик

119454,  Москва, пр. Вернадского, д. 78

Tat’yana N. Borovik

bld. 78, Vernadskii Avenue, Moscow, 119454

borovik@mirea.ruШаминР. В.ShaminR. V.

Роман В. Шамин, доктор физико-математических наук

119454,  Москва, пр. Вернадского, д. 78

Roman V. Shamin, Dr. of Sci. (Physics and Mathematics)

bld. 78, Vernadskii Avenue, Moscow, 119454

roman@shamin.ruМИРЭА – Российский технологический университетРоссияMIREA – Russian Technological UniversityRussian Federation202419042024013848Copyright © Боровик Т.Н., Шамин Р.В., 20242024Боровик Т.Н., Шамин Р.В.Borovik T.N., Shamin R.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://economics.rsuh.ru/jour/article/view/542

В статье рассматриваются вопросы оценки управляющих решений при повторяющихся задачах. Показано, что использование методов машинного обучения с подкреплением позволяет повысить объективность оценок возможных управленческих решений. Показно, что предлагаемый метод имеет методическую связь с теоретико-игровым подходом и может быть обобщен для различных вариантов при практическом применении. 

The article considers the issues of evaluating control decisions for repetitive tasks. It is shown that using the reinforcement learning method makes it possible to increase the objectivity of assessments of possible management decisions. Authors highlight that the proposed method has a methodological connection with the game-theoretic approach and can be generalized for various options in practical application. 

управленческие решенияобучение с подкреплениемтеория игрmanagement decisionsreinforcement learninggame theoryReferencesКормен и др. 2005 – Кормен Т., Лейзерсон Ч., Ривест Р., Штайн К. Алгоритмы: построение и анализ = Introduction to Algorithms. М.: Вильямс, 2005. 894 с.Сormen, T., Leiserson, Ch., Rivest, R. and Stein, K. (2005), Algoritmy: postroenie i analiz [Algorithms. Construction and analysis = Introduction to Algorithms], Williams, Moscow, Russia.Нейман, Моргенштерн 1970 – Нейман Дж. фон, Моpгенштерн О. Теория игр и экономическое поведение. М.: Наука, 1970. 707 с.Neumann, J. von and Morgenstern, O. (1970), Teoriya igr i ekonomicheskoe povedenie [Theory of Games and economic behavior], Nauka, Moscow, Russia.Николенко 2009 – Николенко С.И., Тулупьев А.Л. Самообучающиеся системы. М.: МЦНМО, 2009. 287 с.Nikolenko, S.I. and Tulupyev, A.L. (2009), Self-learning systems, MTsNMO, Moscow, Russia.Саттон, Барто 2020 – Саттон Р.С., Барто Э.Г. Обучение с подкреплением = Reinforcement Learning. М.: ДМК пресс, 2020. 552 с.Sutton, R.S. and Barto, E.G. (2020), Obuchenie s podkrepleniem [Reinforcement Learning], DMK press, Moscow, Russia.Уиндер 2023 – Уиндер Ф. Обучение с подкреплением для реальных задач. Инженерный подход. М.: БХВ-Петербург, 2023.Winder, Ph. (2023), Obuchenie s podkrepleniem dlya real’nykh zadach. Inzhenernyi podkhod [Reinforcement learning for actual tasks. Engineering approach], BKhV-Peterburg, Moscow, Russia.

The authors declare that there are no conflicts of interest present.