реферат полностью

9. Когнитивные подходы к решению слабоструктурированных и плохо
формализованных задач
С каждым днем возрастает число сложных и очень сложных крупномасштабных
систем управления в социально-экономической, экологической, организационной,
технической
и
других
сферах.
Эти
задачи
по
своей
сути
являются
слабоструктурированными, слабоформализуемыми, содержат многие противоречивые
цели и критерии и требуют способов решения задач с нечеткими знаниями, целями и
данными. При их решении возникают серьезные неопределенности, связанные с
недостаточностью и нечеткостью наших знаний о проблеме, невозможностью учитывать
реакцию окружающей среды, других лиц на предпринятые действия, а также
неопределенности из-за нечетко определенных данных, критериев, целей и т.п.
Характерной чертой современных сложных объектов управления является также
многосвязанность. На результаты функционирования большинства многосвязанных
систем влияет одновременно множество управляемых величин и их взаимосвязи. Поэтому
для таких систем проблема оптимизации сводится к экстремизации функционала,
зависящего одновременно от множества управляемых величин в их взаимосвязи. К многосвязанным системам относятся энергетические системы, металлургические комплексы,
нефтедобывающие
и
нефтехимические
объекты,
социально-экономические,
экологические системы и др.
При решении задач оптимизации управления сложными многосвязанными
системами возникает дополнительная проблема большой размерности. Однако пока еще
не разработаны научно обоснованные методы решения названных задач управления, а
традиционные методы управления для таких задач малопригодны. Поэтому важнейшими
проблемами в сфере управления политическими, социально-экономическими, экологическими, организационными и другими системами являются разработка теории и
технологии принятия решений и создание информационно-управляющих систем их
поддержки. Актуальность проблемы «выживания» сложных социально-экономических,
экологических, организационных систем в кризисных ситуациях породила необходимость
разработки методологии моделирования сложных крупномасштабных развивающихся
систем при неполных и нечетких знаниях и слабой формализации задач.
Для выявления базисных социально-политических, экономических, экологических
проблем и генерирования рекомендаций по методам управления сложными системами
необходимо
разработать
компьютерные
когнитивные
модели
для
качественного
моделирования ситуации. Качественные модели сложных и очень сложных систем
достаточно эффективно строятся на основе математического аппарата знаковых и
взвешенных графов, которые позволяют формализовать взаимодействие основных
положительных и отрицательных обратных связей, существующих между процессами,
определяющими функционирование и развитие сложной социально-политической,
экономической или экологической системы. При построении таких моделей может быть
использована неполная, нечеткая и даже противоречивая информация.
Когнитивные модели на основе аппарата знаковых и взвешенных графов успешно
применяются в США компанией RandCorporation для анализа названных задач. В
Институте проблем управления РАН (Москва) такие модели получили дальнейшее
развитие и применялись для анализа влияния теневой экономики на экономику России,
прогноза развития событий в чрезвычайных ситуациях; выживания предприятий с
различными организационно-правовыми формами в условиях кризисной экономики
(инфляции, скачков цен на ресурсы и энергоносители и др.), а в последнее время для
разработки стратегий развития регионов и управления развитием потребительского рынка
г. Москвы.
Таким образом, удобным инструментом исследования слабоструктурированных,
плохо формализуемых задач является когнитивная структуризация, которая способствует
углублению понимания проблем, выявлению противоречий, качественному их анализу.
Цель когнитивной структуризации состоит в формировании и уточнении гипотезы о
функционировании исследуемого объекта. Чтобы понять и проанализировать поведение
сложной системы с помощью когнитивного подхода, строится структурная схема
причинно-следственных связей. При этом элементы системы А и В , изображаемые на
схеме в виде отдельных вершин графа, соединяют ориентированной дугой, если элемент
А связан с элементом В причинно-следственной связью: А—>В, где А - причина, В следствие. Рассматриваемые причинно-следственные связи разделяют на положительные
и отрицательные. Связь А —> В называется положительной, если увеличение А ведет к
увеличению (усилению) В и уменьшение А ведет к уменьшению (ослаблению) В при
прочих равных условиях. Отрицательный знак (-) над дугой А —> В означает, что связь
отрицательна, т.е. при прочих равных условиях увеличение А приводит к уменьшению
(ослаблению) В. Подобные схемы причинно-следственных связей широко используются
для анализа сложных систем в экономике, социологии, в политике, в технике. Такие
схемы, интерпретирующие мнение, взгляды лица, принимающего решение, называются
когнитивной картой. На математическом языке когнитивная карта называется знаковым
(взвешенным) ориентированным графом (орграфом). Для определения изменений
параметров вершин, с учетом влияния контуров обратной связи пользуются развитием
импульсного процесса в знаковых и взвешенных орграфах, который устанавливает, как
отклонения одной или нескольких переменных распространяются за некоторое время по
структуре графа. Приобретая опыт в анализе знаковых графов, можно избавиться от
целого ряда типичных ошибок, свойственных несистемному мышлению. Нередко
исследователь ошибочно предполагает, что каждое событие имеет только одну причину,
не замечая важных обратных связей, как положительных, так и отрицательных.
Когнитивное или графовое моделирование сложных процессов позволяет дать
качественные
оценки
протеканию
процессов.
Вершины
графа
соответствуют
рассматриваемым процессам, направленные дуги графа отражают влияние процессов друг
на друга, а степень такого влияния отображается путем приписывания соответствующего
веса
каждой
дуге.
Первоначально
степень
влияния
отображается
с
помощью
лингвистических переменных типа «сильно», «умеренно», «слабо» и т.п. В зависимости от
совокупности значений той или иной лингвистической переменной выбирают числовую
шкалу соответствующей метрики; с помощью таких шкал качественным значениям
переменных присваивают определенные числовые значения по соответствующим шкалам,
в результате получаем взвешенный ориентированный граф.
Если графовая модель среды достаточно правдоподобна, то поставленные цели
можно интерпретировать в терминах моделей как подмножество «благоприятных»
ситуаций. Под допустимым решением будем понимать решение, переводящее систему в
какую-либо благоприятную ситуацию и удерживающую ее в этой ситуации. Процесс
такого перевода назовем управлением ситуациями, а переводимые ситуации - управляемыми ситуациями.
Экономические, социальные, политические системы в отличие от технических
систем
характеризуются
отсутствием
детального
количественного
описания
происходящих в них процессов. Информация имеет в основном качественный характер.
Системному аналитику доступна лишь качественная информация о текущем состоянии
того или иного фактора. Для описания текущего состояния факторов и характера влияния
факторов друг на друга выбирается совокупность соответствующих лингвистических
переменных типа: «влияние положительное» или «отрицательное». Для описания степени
такого влияния используются лингвистические переменные типа: «сильно», «слабо»,
«больше», «меньше» и т.п. Совокупность базисных факторов вместе с описанием
непосредственного влияния факторов друг на друга называется ситуацией.
Графовая
модель
ситуации
строится
следующим
образом.
Вершины
соответствуют базисным факторам Vi . Дуга (i,j), проведенная от вершины i к вершине j,
отображает тот факт, что изменение значений фактора Vi влияет на изменение значений
фактора Vj . Дуга (i,j) имеет знак (+), если это влияние «положительно», и знак (-) в
противоположном случае. Лингвистическим переменным, описывающим степень такого
нлияния, сопоставим следующие значения из интервала [0,1]: 0,1 - «очень слабое»; 0,3 «умеренное»; 0,5 - «существенное»; 0,7 - «сильное»; 1,0 - «очень сильное». Таким
образом, каждая дуга (i, j) снабжается весом ai , j 0,1 1 . В итоге получаем модель
ситуации в виде взвешенного орграфа G = (V, А), где V - множество вершин - факторов, а
А - множество взвешенных дуг.
Графовая модель, несмотря на числовые значения весов дуг, также является
качественным
(когнитивным)
описанием
ситуации.
Для
компьютерного
анализа
происходящих в ситуации процессов с помощью графовой модели в последнюю вводят
понятие времени и сопоставляют числовую шкалу лингвистическим переменным,
описывающим текущее состояние базисных факторов. Компьютерное моделирование
процессов в ситуации проводится в дискретном времени. Изменения факторов рассматриваются на каждом интервале квантования Т, для содержательной предметной
интерпретации последний имеет определенную размерность (секунда, час, сутки, неделя,
месяц, квартал и т.п.). Для простоты интервал квантования Т считают совпадающим с
машинным тактом (т.е. Т = 1), имея в виду, что при последующей интерпретации такт
имеет заранее выбранную размерность. Для факторов также используется некоторая
совокупность
лингвистических переменных. Так, например, фактор
«инфляция»
использует значения типа «высокая», «умеренная», «низкая». Для фактора «социальная
напряженность» - «сильная», «слабая». Так как используются лингвистические
переменные,
то
результаты
моделирования
являются
качественными.
Выбор
лингвистических шкал для факторов дуг между ними осуществляют привлеченные
эксперты, хорошо знающие предметную область.
Когнитивные технологии завоевывают все большее доверие у структур,
занимающихся стратегическим и оперативным планированием на всех уровнях и во всех
сферах управления. Применение когнитивных технологий в экономической сфере
позволяет в сжатые сроки разработать и обосновать стратегию экономического развития
предприятия, банка, региона или целого государства с учетом влияния изменений во
внешней среде. В сфере финансов и фондового рынка когнитивные технологии позволяют
учесть ожидания участников рынка. В военной области и области информационной
безопасности
применение
когнитивного
анализа
и
моделирования
позволяет
противостоять стратегическому информационному оружию, распознавать конфликтные
структуры, не доводя конфликт до стадии вооруженного столкновения.
В целом когнитивные технологии способствуют решению следующего круга задач:
1) качественный
анализ
политической,
экономической,
социальной
и пр. информации с целью прогнозирования и ранней идентификации
угроз национальной безопасности;
2) качественный
анализ
ситуации
с
целью
выявления
факторов,
влияющих на ее развитие;
3) моделирование
ситуации
с
целью
прогнозирования
возможных
вариантов ее развития и определения действий, способствующих ее раз
витию в направлении, соответствующем национальным интересам.
Одним из наиболее перспективных направлений развития и внедрения средств
когнитивного анализа и моделирования является их интеграция с традиционными
средствами анализа и моделирования, что реализует возможность поддержки принятия
решений практически на всех уровнях управления.
Таким образом, методы когнитивного исследования тенденций развития ситуаций
базируются
на
использовании
возможностей
человека
по
описанию
факторов,
определяющих исследуемую ситуацию, и, особенно, по описанию взаимозависимостей
этих факторов. Разрабатываемые методы ориентированы прежде всего на использование
Первыми лицами (руководителями предприятий, производственных и общественных
организаций, партий, регионов, субъектов федерации и т.д.) оценивающими и
принимающими решения по наиболее ответственным перспективным стратегическим
вопросам.
Литература
1.Бусленко Н.П. Моделирование сложных систем. М.: Наука, 1978.
2.Камаев В.А., Гришин В.А. Математическое моделирование изделий и
технологий. Учебное пособие. Волгоград, ВолгПИ, 1986.
3. Советов Б.Я., Яковлев С.А. Моделирование систем. – М.: Высшая школа, 2001.
4.Львовский Е.Н. Статистические методы построения эмпирических формул. - М.:
Высшая школа, 1988.
5.Вентцель Е.С. Исследование операций. – М.: Советское радио, 1972.
6.Вентцель Е.С. Исследование операций. Задачи, принципы, методология. - М.:
Высшая школа, 2001.
7.Вентцель Е.С., Овчаров Л.А. Теория случайных процессов и ее инженерные
приложения. – М.: Высшая школа, 2000.
8.Таха Х. Введение в исследование операций. – М.: Издательский дом «Вильямс»,
2001.
9.Краснощеков П.С., Петров А.А. Принципы построения моделей. - М.: ФАЗИС,
ВЦ РАН, 2000.
10.Павловский Ю.Н. Имитационные модели и системы. - М.: ФАЗИС, ВЦ РАН,
2000.
11. Самарский А.А., Михайлов А.П. Математическое моделирование: Идеи.
Методы. Примеры. – М: ФИЗМАТЛИТ, 2002.