Заболотникова В. С.

Филатова А. М.

Македонская Л. А.

Автомобильно-дорожный институт

Донецкого национального технического университета, г. Горловка

анализ метода генетических алгоритмов на примере мониторинга субъектов предпринимательской деятельности налоговой службой

На сегодняшний день основным критерием, по которому определяется рейтинговая оценка предприятия на украинском рынке, является результат его финансовой деятельности. Это верно в некотором смысле, поскольку в зависимости от того получило предприятие прибыль или понесло убытки можно судить о степени его рентабельности. Кроме того необходимо выделить и другие факторы, определяющие способность предприятия конкурировать на рынке товаров и услуг. Наряду с этим необходимо учитывать ряд факторов, таких как:

- способность за короткий период времени адаптироваться к изменениям в конъюнктуре рынка;

- степень ответственности перед государством, выражаемая в виде налоговых отчислений и платежей.

Именно последний из вышеперечисленных факторов следует рассмотреть подробнее, поскольку необходимо определить какое из предприятий требует наибольшего внимания, а следовательно и проведения плановых и внеплановых проверок налоговой службы.

В настоящее время в соответствии с приказом Государственной налоговой администрации Украины «Об утверждении Порядка распределения налогоплательщиков по категориям внимания к их сопровождению» все налогоплательщики разделены, в зависимости от степени доверия к ним, на четыре категории внимания.

Именно поэтому необходимо анализировать состояние современной системы налогооблажения и формулировать конкретные задачи, которые необходимо решать в дальнейшем для устранения возникающих проблем. Цель работы состоит в рассмотрении метода генетических алгоритмов, как одного из способов решения поставленной задачи, а также его возможная взаимосвязь с «коридорной» системой проверки.

В последние годы проблема оптимизации сложных систем, к которой сводятся многие социально-экономические, технические, организационно-управленческие задачи становится одной из ведущих в мире искусственного интеллекта.

Все чаще встречаются задачи, в которых точные математические методы слабо применимы или неприменимы вовсе. Это связано с целым рядом проблем, основными из которых являются проблема размерности и проблема априорной неопределенности, связанная с тем фактом, что в реальных задачах знания о проблеме могут быть трудноформализуемыми или неформализуемыми в принципе, иногда их трудно представить в числовом виде, а в некоторых случаях получение их представляется в принципе невозможным. Поэтому эвристические методы решения подобных задач на практике часто выходят на первый план. Одним из таких методов и являются генетические алгоритмы (ГА). [1] Генетические алгоритмы - это аналитические технологии, созданные и выверенные самой природой за миллионы лет ее существования. Они позволяют решать задачи прогнозирования, классификации, поиска оптимальных вариантов, и совершенно незаменимы в тех случаях, когда в обычных условиях решение задачи основано на интуиции или опыте, а не на строгом (в математическом смысле) ее описании. Их можно отнести к группе адаптивных методов, которые используются для решения проблем поиска и оптимизации, сочетая в себе элементы детерминистического и стохастического подходов. Они успешно применяются в комбинациях с аналитическими методами или другими алгоритмами поиска и оптимизации. В основе генетических алгоритмов лежит принцип естественного отбора. Отбор в генетическом алгоритме - это процесс формирования новой популяции из старой, после чего старая популяция погибает. В процессе поиска анализируются сразу несколько ветвей эволюции. Применяя так называемую «функцию приспособленности», определяющую, насколько хорошо найдено решение проблемы, и выполняющую роль окружающей среды при моделировании эволюционного процесса, ГА «выращивают» новые популяции объектов, генная структура которых более приспособлена к текущей ситуации.

ГА работают с совокупностью «особей» - популяцией, каждая из которых представляет возможное решение данной проблемы. Каждая особь оценивается мерой ее «приспособленности» согласно тому, насколько «хорошо» соответствует ей решение задачи. [2]

Большую роль в развитии генетических алгоритмов сыграли I. Holland [3], D. Goldberg [4] и L. Davis [5], которые заложили и развили теоретические основы генетического подхода к решению задач оптимизации. [6]

На основе применения генетических алгоритмов и опираясь на законодательную базу, представленную «Порядком распределения налогоплательщиков по категориям внимания и их сопровождения», всех налогоплательщиков можно классифицировать следующим способом:

- налогоплательщики, проходящие по «зеленому коридору». В этом случае предприятие обладает наивысшей степенью доверия со стороны налоговой службы. Вероятность того, что предприятие будет подвергаться постоянным проверкам налоговой службы незначительна, и скорее будет стремиться к нулю;

- налогоплательщики, проходящие по «желтому коридору». Основной проблемой данного предприятия являются скорее не проблемы с уплатой налогов, а с выполнением сугубо механической работы, такой как например: заполнение деклараций, несоответствие стоимости товара её номинальной цене (задекларированной стоимости). Такие налогоплательщики как правило имеют высокую степень доверия, но из-за незначительных ошибок и попадают в «желтый коридор»;

- налогоплательщики, проходящие по «оранжевому коридору». На предприятиях такого типа усиливается проверочная деятельность, множественные ошибки в деятельности и управлении, неполная и несвоевременно производимая уплата налогов и сборов. [7] Вероятность проведения проверки на таких предприятиях стремится к единице;

- налогоплательщики, проходящие по «красному коридору». Предприятия, которые осуществляют прямой уход от налогов и являются потенциальной мишенью налоговиков. [7] Такие предприятия подвергаются проверкам налоговой администрации наиболее часто.

Отсюда можно сделать вывод о том, что налогоплательщики, которые проходят по «зеленому коридору», с точки зрения генетических алгоритмов, являются наиболее приспособленными и являются потомками наиболее сильных особей данного типа, то есть перенося параллель на предприятия – это предприятия, образованные хорошим управляющим или в результате слияния, двух сильных компаний. А налогоплательщики, проходящие по «красному коридору» – наименее приспособлены, так как штатные работники на таких предприятиях относятся к своей работе безответственно, а их руководители не обладают лидерскими качествами, которые будут способны привести функционирование предприятия на уровень, необходимый для выхода из «красного коридора».

Но для применения такого способа в реальности необходима соответствующая законодательная база и квалифицированные специалисты в данной области, которые будут определять список налогоплательщиков подлежащих проверкам налоговой инспекции. Более того, пока не до конца ясно все же, какие критерии будут решающими для причисления налогоплательщика к той или иной категории: эти критерии находятся на стадии разработки.

В соответствии с полученным результатом можно сделать вывод, что применение генетических алгоритмов в сфере налогооблажения и их соотнесение с Приказом Государственной налоговой администрации Украины «Об утверждении Порядка распределения налогоплательщиков по категориям внимания к их сопровождению» позволит значительным образом отрегулировать деятельность системы налогооблажения. Возможность данного анализа системы налогооблажения позволит в дальнейшем более детально разработать систему налогооблажения с применением генетических алгоритмов.

Литература:

1. И.А. Минаков. О выборе оптимального метода селекции для генетического алгоритма;

2. Популярно о генетических алгоритмах [Электронный ресурс] – Режим доступа: – http://algolist.manual.ru/ai/ga/ga1.php;

3. Davis. L. Handbook of Genetic Algorithms. Van Nostrand Reinhold, 1991;

4. Goldberg D. E. Genetic Algorithms in Search, Optimization and Machine Learning. Addison-Wesley, 1989;

5. Blickle T., Thiele L. A Comparison of Selection Schemes used in Genetic Algorithms. TIK-Report 11/12/95;

6. Генетические алгоритмы [Электронный ресурс] – Режим доступа: –http://www.neuroproject.ru/genealg.php;

7. Разделение плательщиков на «чистых и нечистых» [Электронный ресурс] – Режим доступа: – http://media.ukr-info.net/smi/view_article.cgi?sid=12&nid=1355&aid=17017;

8. Приказ Государственной налоговой администрации Украины «Об утверждении Порядка распределения налогоплательщиков по категориям внимания к их сопровождению» (N 471 от 12.08.2004 г.).