RUDN Journal of Public AdministrationRUDN Journal of Public AdministrationВестник Российского университета дружбы народов. Серия: Государственное и муниципальное управление2312-83132411-1228Peoples’ Friendship University of Russia named after Patrice Lumumba (RUDN University)4683210.22363/2312-8313-2025-12-3-366-374BRCVKYManagement of the State Family and Demographic PolicyУправленческие аспекты государственной семейно-демографической политикиResearch ArticleEnhancing governmental policy-making in demographics and migration through multi-agent Deep Reinforcement Learning: A case study with the MADDPG algorithmСовершенствование процедур государственного политического управления в сфере демографии и миграции с помощью мультиагентного Deep Reinforcement Learning на примере алгоритма MADDPGhttps://orcid.org/0000-0002-1069-16482208-1891DozhdikovAnton V.ДождиковАнтон Валентинович

Candidate of Political Sciences, Senior Researcher, UNESCO Department

кандидат политических наук, старший научный сотрудник, кафедра ЮНЕСКО

antondnn@yandex.ruInstitute of Social and Political Studies, FNISSC RASИнститут социально-политических исследований ФНИСЦ РАН01112025123MANAGEMENT OF THE STATE FAMILY AND DEMOGRAPHIC POLICYУПРАВЛЕНЧЕСКИЕ АСПЕКТЫ ГОСУДАРСТВЕННОЙ СЕМЕЙНО-ДЕМОГРАФИЧЕСКОЙ ПОЛИТИКИ36637402112025Copyright ©; 2025, Dozhdikov A.V.Copyright ©; 2025, Дождиков А.В.2025Dozhdikov A.V.Дождиков А.В.https://creativecommons.org/licenses/by-nc/4.0https://journals.rudn.ru/public-administration/article/view/46832

The study identifies the main social, political and economic risks associated with the “overproduction” of the elite, the reduction of the middle class, considering uncontrolled migration. To mitigate the risks, a general theoretical approach is proposed to optimize the “hyperparameters” of public administration procedures, “upgrade” the decision-making model using hybrid systems based on machine learning. The experiment was conducted for 7 regions with initially random features (the number of regions can be any). During the experiment with the MADDPG algorithm, the author shows the possibility of implementing a balanced migration, socio-economic and resource policy for an arbitrary number of regions in conditions of instability, chaotic, noise processes and interregional migration for an unlimited period while maintaining the main environmental parameters. Trained AI algorithms in joint activities showed population growth, economic growth and development of territories, rational use of available resources (without their depletion), balanced interregional migration. Further direction of the research involves the inclusion of the external migration factor and detailing the factors of interregional migration, economic growth and resource consumption in the context of the social structure of society. The prospect of application are hybrid human-machine control and decision support systems for the sphere of public political administration.

Определены основные социальные, политические и экономические риски, связанные с «перепроизводством» элиты, сокращением среднего класса с учетом неконтролируемой миграции. Для нивелирования рисков предложен общий теоретический подход оптимизации «гиперпараметров» процедур государственного управления, «апгрейда» модели принятия управленческих решений с помощью гибридных систем, основанных на машинном обучении. Проведен эксперимент для 7 регионов с изначально рандомными признаками (число регионов может быть любым). В ходе эксперимента с алгоритмом MADDPG показана возможность реализации сбалансированной миграционной, социально-экономической и ресурсной политики для произвольного числа регионов в условиях нестабильности, хаотических, шумовых процессов и межрегиональной миграции на неограниченный период времени при сохранении основных параметров среды. Обученные ИИ-алгоритмы в совместной деятельности показали рост численности населения, экономический рост и развитие территорий, рациональное использовании имеющихся ресурсов (без их исчерпания), сбалансированную межрегиональную миграцию. Дальнейшее направление исследования предполагает подключение фактора внешней миграции и детализацию факторов межрегиональной миграции, экономического роста и потребления ресурсов в разрезе социальной структуры общества. Перспектива применения - гибридные человеко-машинные системы управления и поддержки принятия решений для сферы государственного управления.

demographic structurelabor mobility patternsoverproduction of skilled professionalssequential decision-making algorithmsneural function approximationcollaborative autonomous agentsstate governance frameworksдинамика населениямиграционные потокиизбыток элитыобучение с подкреплениемглубокое обучениемногоагентные системыгосударственная политикаZinkina YuV, Shulgin SG. “Youth bulge” as a factor of sociopolitical instability. Bulletin of Moscow University. Series 27: Global Studies and Geopolitics. 2020;(1):41–52. (In Russ.). https://doi.org/10.56429/2414-4894-2020-31-1-41-52 EDN: DREPPQЗинькина Ю.В., Шульгин С.Г. Молодежные бугры как фактор социально-­политической нестабильности // Вестник Московского университета. Серия 27: Глобалистика и геополитика. 2020. № 1. С. 41–52. https://doi.org/10.56429/2414-4894-2020-31-1-41-52 EDN: DREPPQGoldstone JA. Revolution and rebellion in the early modern world. Berkeley: University of California Press; 1991.Goldstone J.A. Revolution and rebellion in the early modern world. Berkeley : University of California Press, 1991. 608 p.Nefedov SA. “Youth bulge” and the first Russian revolution. Sociological Research. 2015;(7):140–147. (In Russ.). EDN: UCFOCBНефедов С.А. «Молодежный бугор» и первая русская революция // Социологические исследования. 2015. № 7 (375). С. 140–147. EDN: UCFOCBKorotaev AV, Isaev LM. The bumps and faults revolution. Ehkspert. 2012;(30/31):Special Issue:7–10. (In Russ.).Коротаев А.В., Исаев Л.М. Революция бугров и разломов // Эксперт. 2012. № 30/31 (462). Спецвыпуск. С. 7–10.Murtuzalieva DD, Simagin YuA, Vankina IN. Dynamics of the population of the North Caucasian regions of Russia in 2010–2022. Population. 2022;25(3):33–45. (In Russ.). https://doi.org/10.19181/population.2022.25.3.3 EDN: BSBPERМуртузалиева Д.Д., Симагин Ю А., Ванькина И.Н. Динамика численности населения северокавказских регионов России в 2010–2022 годах // Народонаселение. 2022. Т. 25. № 3. С. 33–45. https://doi.org/10.19181/population.2022.25.3.3 EDN: BSBPERAkramov ShYu, Blinichkina NYu. Demographic security in the context of international migration. DEMIS. Demographic Research. 2023;3(2):28–39. (In Russ.). https://doi.org/10.19181/demis.2023.3.2.2 EDN: CESKQPАкрамов Ш.Ю., Блиничкина Н.Ю. Демографическая безопасность в контексте международной миграции // ДЕМИС. Демографические исследования. 2023. Т. 3. № 2. С. 28–39. https://doi.org/10.19181/demis.2023.3.2.2 EDN: CESKQPTurchin P. Political instability may be a contributor in the coming decade. Nature. 2010;463:608. https://doi.org/10.1038/463608aTurchin P. Political instability may be a contributor in the coming decade // Nature. 2010. Vol. 463. P. 608. https://doi.org/10.1038/463608aPopov AV. From precarious employment to the precariat. Sociological Research. 2020;(6):155–160. (In Russ.). https://doi.org/10.31857/S013216250009300-3 EDN: YOXAYWПопов А.В. От прекарной занятости к прекариату // Социологические исследования. 2020. № 6. С. 155–160. https://doi.org/10.31857/S013216250009300-3 EDN: YOXAYWKlupt MA. Family and fertility issues in value conflicts during the 2010s. Sociological Research. 2021;(5):36–46. (In Russ.). https://doi.org/10.31857/S013216250014119-3 EDN: TAKIRGКлупт М.А. Проблемы семьи и рождаемости в ценностных конфликтах 2010-х гг. // Социологические исследования. 2021. № 5. С. 36–46. https://doi.org/10.31857/S013216250014119-3 EDN: TAKIRGSvadbina TV, Nemova OA. The Russian family as a guardian and translator of traditional national values. Vestnik of Minin University. 2023;11(4):14. (In Russ.). https://doi.org/10.26795/2307-1281-2023-11-4-14 EDN: EHHNCHСвадьбина Т.В., Немова О.А. Российская семья как хранитель и транслятор традиционных национальных ценностей // Вестник Мининского университета. 2023. Т. 11. № 4 (45). С. 14. https://doi.org/10.26795/2307-1281-2023-11-4-14 EDN: EHHNCHBlagorozheva ZhO, Shapovalova IS. The influence of alternative values and attitudes on the matrimonial strategies of youth. Sotsial’naya politika i sotsiologiya. 2024;23(2):30–39. (In Russ.). https://doi.org/10.17922/2071-3665-2024-23-2-30-39 EDN: HTXQXMБлагорожева Ж.О., Шаповалова И.С. Влияние альтернативных ценностей и установок на матримониальные стратегии молодежи // Социальная политика и социология. 2024. Т. 23. № 2 (151). С. 30–39. https://doi.org/10.17922/2071-3665-2024-23-2-30-39 EDN: HTXQXMDozhdikov AV. Political system as a machine-­learning model. Technologies of Social and Humanitarian Research. 2024;(2):9–24. (In Russ.). EDN: MTPDDQДождиков А.В. Политическая система как модель машинного обучения // Технологии социально-­гуманитарных исследований. 2024. № 2 (6). С. 9–24. EDN: MTPDDQLi Sh. Reinforcement learning for sequential decision and optimal control. 1st ed. Singapore: Springer; 2023. https://doi.org/10.1007/978-981-19-7784-8Li Sh. Reinforcement learning for sequential decision and optimal control. 1st ed. Singapore : Springer, 2023. 460 p. https://doi.org/10.1007/978-981-19-7784-8Fu X, Wang H, Xu Z. Cooperative pursuit strategy for multi-UAVs based on DE-MADDPG algorithm. Acta Aeronautica et Astronautica Sinica. 2022;43(5):325311. https://doi.org/10.7527/S1000-6893.2021.25311 EDN: XBKXBQFu X., Wang H., Xu Z. Cooperative pursuit strategy for multi-UAVs based on DE-MADDPG algorithm // Acta Aeronautica et Astronautica Sinica. 2022. Vol. 43. № 5. P. 325311. https://doi.org/10.7527/S1000-6893.2021.25311 EDN: XBKXBQLiu Bo, Wang Sh, Li Q, Zhao X, Pan Yu, Wang Ch. Task assignment of UAV swarms based on deep reinforcement learning. Drones. 2023;7(5):297. https://doi.org/10.3390/drones7050297 EDN: STKSJGLiu Bo., Wang Sh., Li Q., Zhao X., Pan Yu., Wang Ch. Task assignment of UAV swarms based on deep reinforcement learning // Drones. 2023. Vol. 7. № 5. P. 297. https://doi.org/10.3390/drones7050297 EDN: STKSJGLi W, Chen X, Yu W, Xie M. Multiple unmanned aerial vehicle coordinated strikes against ground targets based on an improved multi-­agent deep deterministic policy gradient algorithm. Proceedings of the Institution of Mechanical Engineers. Part I: Journal of Systems and Control Engineering. 2024. https://doi.org/10.1177/09596518241291185 EDN: WXEPFOLi W., Chen X., Yu W., Xie M. Multiple unmanned aerial vehicle coordinated strikes against ground targets based on an improved multi-­agent deep deterministic policy gradient algorithm // Proceedings of the Institution of Mechanical Engineers. Part I: Journal of Systems and Control Engineering. 2024. https://doi.org/10.1177/09596518241291185 EDN: WXEPFOWei X, Huang X, Yang LF. et al. Hierarchical RNNs-­based transformers MADDPG for mixed cooperative-­competitive environments. Journal of Intelligent and Fuzzy Systems. 2022;43(1):1011–1022. https://doi.org/10.3233/JIFS-212795 EDN: HLEHUNWei X., Huang X., Yang L.F. et al. Hierarchical RNNs-­based transformers MADDPG for mixed cooperative-­competitive environments // Journal of Intelligent and Fuzzy Systems. 2022. Vol. 43. № 1. P. 1011–1022. https://doi.org/10.3233/JIFS-212795 EDN: HLEHUNWang Zh, Guo Ya, Li N. Hu Sh, Wang M. Autonomous collaborative combat strategy of unmanned system group in continuous dynamic environment based on PD-MADDPG. Computer Communications. 2023;200:182–204. https://doi.org/10.1016/j.comcom.2023.01.009 EDN: ROHQUWWang Zh., Guo Ya., Li N., Hu Sh., Wang M. Autonomous collaborative combat strategy of unmanned system group in continuous dynamic environment based on PD-MADDPG // Computer Communications. 2023. Vol. 200. P. 182–204. https://doi.org/10.1016/j.comcom.2023.01.009 EDN: ROHQUWZhao M, Wang G, Fu Q, et al. MW-MADDPG: A meta-­learning based decision-­making method for collaborative UAV swarm. Frontiers in Neurorobotics. 2023;17. https://doi.org/10.3389/fnbot.2023.1243174 EDN: NPYWPKZhao M., Wang G., Fu Q. et al. MW-MADDPG: A meta-­learning based decision-­making method for collaborative UAV swarm // Frontiers in Neurorobotics. 2023. Vol. 17. https://doi.org/10.3389/fnbot.2023.1243174 EDN: NPYWPKChen Zh. DQN-MADDPG Coordinating the multi-­agent cooperation. Highlights in Science, Engineering and Technology. 2023;39:1141–1145. https://doi.org/10.54097/hset.v39i.6720 EDN: XKQISVChen Zh. DQN-MADDPG Coordinating the multi-­agent cooperation // Highlights in Science, Engineering and Technology. 2023. Vol. 39. P. 1141–1145. https://doi.org/10.54097/hset.v39i.6720 EDN: XKQISV