ВВЕДЕНИЕ

В данной работе обобщены результаты более чем 18-летних исследований и разработок автора в области автоматизации системного и когнитивного анализа (от "cognition" – "познание", англ.) и управления активными объектами. В результате этих исследований была обобщена семантическая теория информации А.Харкевича и разработана формализуемая когнитивная концепция из которой следует существование 10 базовых когнитивных операций (БКО), к которым сводятся различные процессы познания, в том числе и системный анализ (СА). Системный анализ, структурированный до уровня базовых когнитивных операций, предложено назвать "Системно-когнитивным анализом" (СК-анализ). Разработаны иерархические структуры данных и детальные алгоритмы БКО. Высокая степень детализации алгоритмов БКОСА позволила реализовать их в одной программной системе: Универсальной когнитивной аналитической системе "Эйдос" и автоматизировать СК-анализ, создав тем самым один из вариантов автоматизированного СК-анализа (АСК-анализ).

Таким образом, на пути интеграции с когнитивными технологиями впервые предложен конкретный универсальный вариант автоматизированного системного анализа (АСА), что ранее (на пути максимальной детализации СА) удавалось сделать лишь для конкретных предметных областей применения СА (например, в области нетрадиционной энергетики [271]).

Применение АСК-анализа создало благоприятные условия для автоматизации рефлексивного управления активными объектами как на детерминистских, так и на бифуркационных этапах их развития.

Одним из ключевых понятий работы является понятие "Активных объектов" (АО). Поэтому определение АО целесообразно уточнить.

Определение активных объектов: под активными объектами в данной работе понимаются объекты, имеющие собственную систему целеполагания и принятия решений, а также адаптивную модель предметной области, включая модели самого себя (т.е. АО являются рефлексивными) и управляющих систем различного уровня и назначения, которые воздействуют на активный объект как на объект управления.

К активным объектам относятся прежде всего люди и системы с их участием: это социально-экономические системы различного уровня иерархии от экономики страны и сегмента рынка или отрасли до конкретного предприятия, различные группы населения, электорат, социум, организационно-технические, технологические и человеко-машинные системы, экипажи, а также сложные и интеллектуальные технические системы с параметрами, качественно изменяющимися в процессе штатной эксплуатации.

Традиционно управление активными системами осуществляется на основе подходов, разрабатываемых в политологии, экономике и психологии, "тяготеющих к гуманитарному полюсу". При этом огромный опыт управления техническими и организационными системами, накопленный в теории и практике автоматизированных систем управления (АСУ), остается, по мнению автора, недостаточно востребованным.

Задачи создания АСУ активными объектами управления (АОУ) относятся к важнейшим для жизни общества, однако корректно ставить и решать подобные задачи стало возможным лишь в последнее время благодаря бурному развитию ряда новых перспективных научных направлений: "интеллектуальный анализ данных", "интеллектуальное управление", "нейронные сети", "генетические алгоритмы", "когнитивное моделирование" и ряда других. Весьма существенно, что сами эти новые научные направления могут рассматриваться как "плоды системного эффекта", возникающего на границах научных направлений в результате междисциплинарного взаимодействия.

В этом взаимодействии есть два направления: распространение естественно-научных методов, прежде всего математики и кибернетики, в традиционно гуманитарную сферу; распространение научных результатов и идей, полученных в гуманитарной сфере, в традиционный ареал естественных наук.

В данной работе предпринята попытка "наведения новых мостов" в этом междисциплинарном диалоге, за которым стоит диалог гуманитарного и естественно-научного "полюсов науки".

Управление активными объектами имеет ярко выраженную специфику и ряд существенных отличий от традиционного управления техническими объектами, как по способам математического моделирования объекта управления и принятия решения о выборе управляющих воздействий, так и по способу оказания управляющих воздействий. Причина этого состоит в том, что активные системы развиваются путем чередования детерминистских и бифуркационных этапов. На детерминистских этапах поведение системы жестко предопределено, а после прохождения точек бифуркации – оно в высокой степени неопределенно.

Традиционно (И.Пригожин с соавт.) считается, что в точке бифуркации поведение системы случайно. Предлагается обобщить это понимание, считая, что на бифуркационных этапах осуществляется принятие решений, а на детерминистских – их реализация (случайный выбор есть лишь один из вариантов принятия решений, оптимальный лишь в случае полного отсутствия априорной информации). Таким образом, на бифуркационных этапах определяются закономерности, определяющие поведение системы на детерминистских этапах, это означит, что в точках бифуркации система изменяется качественно (революционно), а на детерминистских этапах – лишь количественно (эволюционно).

Для создания АСУ активными объектами (системами) необходимо осуществить синтез математической модели предметной области, а затем поддерживать ее адекватность при переходе объекта управления через точки бифуркации, которые происходят достаточно часто на протяжении жизненного цикла АСУ. Из вышеизложенного следует, что для этого поддержания адекватности необходим периодический синтез модели АОУ при каждом прохождении системы через точку бифуркации, т.к. в этом случае адаптации (количественного уточнения существующей модели) уже недостаточно.

Однако, в связи с тем, что активные объекты значительно сложнее классических технических и законы их поведения динамичны, в отличие от неизменных физических законов, детерминирующих поведение классических технических объектов, осуществлять периодический синтез математической модели АОУ в режиме реального времени традиционными методами весьма проблематично.

В данной работе предлагается ввести понятия о классических и неклассических технических системах. Под классическими техническими системами (КТС) понимаются технические системы, параметры которых изменяются качественно лишь в случаях прекращения штатного функционирования системы, т.е. при ее аварии или разрушении. Под неклассическими техническими системами (НТС) понимаются технические системы, параметры которых изменяются качественно в процессе штатного (предусмотренного конструкцией, нормального) функционирования системы.

С целью создания благоприятных условий для периодического синтеза математической модели АОУ, необходимо разработать автоматизированный инструмент для исследования (познания) предметной области, обеспечивающий выявление, изучение и отражение в математической модели качественно новых закономерностей, управляющих поведением АОУ после прохождения им точки бифуркации.

При этом в качестве методологии целесообразно использовать системный анализ (СА), т.к. одним из основных его требований является полнота и всесторонность рассмотрения, а из теории автоматизированных систем управления АСУ) хорошо известно, что недоучет в математической модели существенных факторов приводит к неадекватности модели и управления.

Однако, применение системного анализа в неформализованном варианте для управления активными объектами в реальном времени весьма проблематично по причине огромной трудоемкости обработки значительных объемов информации в условиях жестких временных ограничений.

Использование имеющихся программных систем не позволяет решить эту задачу по следующим причинам:

1. Математические модели разработаны не для всех этапов СА и ряд этапов на данный момент остаются неформализованными.

2. Существующие математические модели основываются на различных математических подходах.

3. Не для всех математических моделей разработаны и доступны программные средства.

4. Не для всех этапов СА созданы реализующие из программные системы.

5. Имеющиеся программные системы сложно приобрести.

6. Эти системы разработаны с использованием различного инструментария, в различной идеологии, интерфейсах, на различных платформах и не образуют единого программного комплекса. Поэтому возникают:

– сложности инсталляции различных программных систем в единой операционной среде на одном компьютере.

– сложность передачи данных между программными системами (отсутствие программных интерфейсов, несовместимость по стандартам и структурам данных).

Как это не парадоксально, но приходится констатировать, что автоматизация системного анализа велась несистемно. И путь максимальной детализации системного анализа способствовал возникновению этой ситуации.

Из всего вышесказанного возникает идея комплексной автоматизации системного анализа на единой методологической, математической, алгоритмической и инструментальной основе. В этой связи необходимо отметить, что впервые понятие автоматизированного системного анализа (АСА) предложено В.П.Стабиным в 1984 году [300].

Итак, в данной работе ставится и решается проблема обеспечения устойчивого управления активными объектами как на детерминистских, так и на бифуркационных этапах их развития.

Предлагается решение этой проблемы путем разработки универсального математического метода и соответствующего инструментария автоматизации системного анализа, как метода познания, т.е. путем декомпозиции системного анализа до уровня базовых когнитивных операций, разработки теоретических основ, инструментария и технологии АСК-анализа.

Выдвигается гипотеза, что это позволит обеспечить устойчивое управление активными объектами как на детерминистских, так и на бифуркационных этапах их развития.

Сказанным определяются объект и предмет исследования.

Объект исследования: системный анализ активных объектов.

Предмет исследования: управление активными объектами на основе автоматизированного системно-когнитивного анализа (АСК-анализа).

Проблематика работы соответствует Постановлению Правительства РФ от 28.05.96 "О приоритетных направлениях развития науки и техники и критических технологиях", в части приоритетных направлений "Информационные технологии и электроника" и "Производственные технологии": компьютерное моделирование (теоретические основы и инструментарий для проведения математического эксперимента, включая новые вычислительные модели для задач естественных и гуманитарных наук, эффективные численные методы для реализации таких моделей); искусственный интеллект (интеллектуальные системы поддержки принятия решений на основе неклассических логик и интеллектуального интерфейса /в т.ч. когнитивной графики/, интегрированные экспертные системы, основанные на знаниях, методы и средства выявления и представления знаний, методы правдоподобных рассуждений, объединяющих индукцию, аналогию и абдукцию, их применение в интеллектуальных системах); распознавание образов (математические методы и инструментальные средства широкого назначения и для решения индивидуальных, нестандартных или особо важных задач распознавания, прогнозирования и анализа в различных предметных областях); информационная поддержка технологии (модели жизненного цикла продукции, производственных процессов и среды).

Цель и задачи исследования. Целью работы является разработка методологии, математической модели и численного метода, соответствующего специального программного инструментария АСК-анализа, технологии и методики его применения для управления активными объектами.

Для достижения цели в работе решены следующие задачи:

1) разработка схемы СА, ориентированного на интеграцию с когнитивными технологиями;

2) разработка формализуемой когнитивной концепции, выявление БКО, структуризация СА до уровня БКО, разработка обобщенного алгоритма АСК-анализа;

3) разработка математической модели АСК-анализа;

4) разработка численного метода, реализующего математическую модель (конструирование структур данных и алгоритмов БКОСА и визуализации когнитивной графики); разработка детального алгоритма АСК-анализа;

5) создание специального программного обеспечения, реализующего предложенные математические модели и алгоритмы БКОСА, т.е. создание инструментария АСК-анализа;

6) разработка методологии, технологии и методики синтеза рефлексивных АСУ активными объектами;

7) синтез и эксплуатация компонент рефлексивных АСУ активными объектами на основе технологии и инструментария АСК-анализа (в различных предметных областях).

Методы исследований. Научные исследования работы основывались на теоретических и экспериментальных методах.

Теоретические методы: системный анализ, когнитивный анализ, теория информации, теория принятия решений, теория распознавания образов, теория активных систем, теория рефлексивного управления, теория автоматизированных систем управления, математическая статистика, линейная алгебра, когнитивная психология, логика, гносеология.

Экспериментальные методы: численный эксперимент, измерения внутренней и внешней, дифференциальной и интегральной валидности предложенных моделей.

Достоверность и обоснованность основных научных и практических результатов исследования подтверждается следующим:

– предложенная системная теория информации (СТИ) имеет четкую методологическую основу, построена на достоверных, проверяемых общеизвестных фактах (явлении интерференции последствий выбора);

– предложенная математическая модель и численный метод, реализованные в программном инструментарии, исследуются и верифицируются на адекватность в каждом конкретном исследовании на основе АСК-анализа;

– формализуемая когнитивная концепция обоснована методологически и фактологически;

– применена комплексная методика исследования, обеспечивающая взаимопроверяемость, сопоставляемость данных полученных в различных исследованиях, проведенных с применением АСК-анализа;

– применен апробированный математический аппарат;

– постановка задач корректна, предложенные методы решения рассматриваемых в работе задач обоснованы;

– получены оправданные, наглядные и интуитивно-убедительные результаты, совпадающие с уже известными экспертам при проведении исследовании с помощью АСК-анализа уже ранее изученных другими методами предметных областей;

– АСК-анализ, его технология и инструментарий обеспечивают накопление и анализ как положительного, так и отрицательного опыта. В работе приводятся 4 численных примера из различных предметных областей, основанные на обработке фактологического материала, включающего 1860629 фактов опыта;

– многолетняя успешная эксплуатация созданного специального программного инструментария и технологии, реализующих предложенные математические модели в десятках различных предметных областей подтверждается 17 актами об успешном решении задач идентификации и прогнозирования развития активных систем, управления ими за 1987 – 2002 годы.

В работе предлагаются:

1. Формализуемая когнитивная концепция и следующий из нее когнитивный конфигуратор (т.е. минимальный полный набор БКО, к которым сводятся различные процессы познания), состоящий из десяти БКО.

2. Теоретические основы и технология АСК-анализа.

3. Математическая модель АСК-анализа, основанная на системном обобщении семантической меры целесообразности информации А.Харкевича.

4. Численный метод, в универсальной форме реализующий математическую модель АСК-анализа, включающий иерархическую структуру данных и 24 детальных алгоритма 10 БКОСА.

5. Специальное инструментальное программное обеспечение, реализующее математическую модель и численный метод АСК-анализа – Универсальная когнитивная аналитическая система "Эйдос".

6. Технология и методика синтеза рефлексивных АСУ на основе АСК-анализа, в частности в области управления качеством подготовки специалистов.

7. Применение предложенных методики, технологии и специального инструментария для решения реальных задач в четырех предметных областях:

– прогнозирование и исследование развития сегмента фондового рынка РФ;

– прогнозирование результатов применения агротехнологий и поддержка принятия решений по управлению урожайностью сельскохозяйственных культур.

– управление качеством подготовки специалистов;

– синтез систем автоматического управления автономными комбинированными фотоветроэлектроэнергетическими установками;

Научная новизна работы состоит в следующем:

1. Предложен новый подход к автоматизации системного анализа, основанный не на его максимальной детализации (традиционный подход), а за счет структурирования по базовым когнитивным операциям системного анализа (БКОСА).

2. Предложена целостная научная концепция, получившая название: "Формализуемая когнитивная концепция", обеспечивающая:

– адекватное отражение иерархической структуры когнитивных процессов;

– формализацию понятия "смысл" за счет дискретно-интегрального представления фактов опыта;

– структуризацию процессов познания по базовым когнитивным операциям (БКО).

3. Предложены новые понятия: "Базовые когнитивные операции системного анализа" (БКОСА) и "Когнитивный конфигуратор", под которым понимается минимальный полный набор БКОСА, достаточный для представления различных процессов познания.

4. Из формализованной когнитивной концепции следует существование 10 БКОСА, образующих "когнитивный конфигуратор": 1) присвоение имен; 2) восприятие; 3) обобщение (синтез, индукция); 4) абстрагирование; 5) оценка адекватности модели; 6) сравнение, идентификация и прогнозирование; 7) анализ (дедукция и абдукция); 8) классификация и генерация конструктов; 9) содержательное сравнение; 10) планирование и принятие решений об управлении.

3. Системный анализ рассматривается как метод познания. Системный анализ структурирован до уровня базовых когнитивных операций. Системный анализ, структурированный до уровня базовых когнитивных операций, предложено называть системно-когнитивным анализом (СК-анализ). Предложена обобщенная структура СК-анализа. Показано, что СК-анализ имеет лучшие предпосылки для автоматизации, чем системный анализ.

4. Изменена (обобщена) традиционная трактовка известных понятий "Состояние бифуркации" и "Детерминистское состояние": предложено рассматривать их соответственно не как состояния с высокой и низкой неопределенностью поведения системы (И.Пригожин с соавт.), а как состояния принятия и реализации решений, качественного и количественного изменения закономерностей поведения системы.

5. Предложена обобщенная модель детерминистско-бифуркационной динамики активных объектов.

6. Введено новое понятие: "Интерференция последствий выбора", на основе которого переосмыслено содержание фундаментального понятия "Информация" и дано обоснование необходимости разработки системной теории информации (СТИ).

7. Предложен вариант системной теории информации, в рамках которого получено системное обобщение формулы А.Харкевича для семантической меры целесообразности информации и введена новая информационная мера, получившей название "Системная мера целесообразности информации" (СМЦИ).

8. В системной мере целесообразности информации, в котором впервые непосредственно в аналитическом выражении для самого понятия "Информация" отражены такие фундаментальные свойства систем, как "Уровень системности" и "Степень детерминированности" системы. Кроме того это выражение (как и формула Шеннона) удовлетворяет принципу соответствия с выражением Хартли в детерминистском случае, учитывает понятия цели и мощность множества будущих состояний объекта управления, обеспечивает формализацию смысла на основе дискретно-интегрального описания предметной области, сопоставимость в пространстве-времени.

Эти свойства системной меры целесообразности информации свидетельствуют о ее оптимальности как основы математической модели управления активными объектами.

Необходимо акцентировать то обстоятельство, что предложенная "Системная мера целесообразности информации" является известной мерой Харкевича, модифицированной таким образом, что выполняется принцип соответствия с мерой Хартли (для детерминистского случая), который выполняется и для меры Шеннона (для равновероятных событий). Тем самым в предложенной СТИ снято одно из противоречий между семантической теорией информации Харкевича и классической теорией информации Шеннона.

9. На основе системной меры целесообразности информации разработана математическая модель активных объектов, относящаяся к классу семантических информационных моделей. Данная модель обеспечивает формализацию БКОСА (в т.ч. решение прямых и обратных задач идентификации и прогнозирования, задач кластерно-конструктивного анализа) и автоматизированный синтез обобщенных таблиц решений на основе непосредственно эмпирических данных и вывод информации о механизмах принятия решений в форме обобщенных правил логического вывода (с расчетной степенью истинности посылок, импликаций и существования заключений).

10. На основе системной мере целесообразности информации предложена новая информационная мера уровня системности предметной области, связанная с мерой c².

11. Показано, что предложенный в работе метод идентификации и прогнозирования является разложением вектора состояния объекта по векторам обобщенных образов классов, представляющих собой произвольные функции, поэтому предложено называть этот метод "Объектным анализом" (термин автора) по аналогии с Фурье-анализом.

12. Разработан численный метод, включающий иерархические структуры баз данных и 24 детальных алгоритма 10 БКОСА, а также алгоритмы визуализации когнитивной графики (отображение векторов, семантических сетей и когнитивных диаграмм состояний АОУ и факторов).

13. Создана программная система (Универсальная когнитивная аналитическая система "Эйдос"), реализующая математическую модель с соответствующим численным методом и автоматизирующая все 10 базовых когнитивных операций системного анализа.

Таким образом:

– СК-анализ автоматизирован и создан автоматизированный системно-когнитивный анализ (АСК-анализ);

– создан инструментарий АСК-анализа в качестве которого выступает система "Эйдос".

14. Разработаны методика и технология синтеза рефлексивных АСУ активными объектами на основе АСК-анализа, обеспечивающие синтез и адаптацию модели, на (соответственно) бифуркационных и детерминистских этапах развития АОУ.

15. Разработана технология достоверного прогнозирования состояний АОУ на детерминистских этапах его развития и достоверного прогнозирования времени перехода АОУ в бифуркационное состояние.

16. Разработаны концептуальные основы синтеза АСУ качеством подготовки специалистов: предложена двухуровневая модель РАСУ качеством подготовки специалистов и алгоритм ее синтеза на основе применения автоматизированного системного анализа, структурированного до уровня базовых когнитивных операций.

17. Продемонстрирована возможность синтеза и эксплуатации компонент рефлексивных АСУ активными объектами (РАСУ АО) в режиме адаптации и периодического синтеза модели на основе применения АСК-анализа в ряде предметных областей.

18. Предложены новые понятия о классических и неклассических технических системах:

– под классическими техническими системами (КТС) понимаются технические системы, параметры которых изменяются качественно лишь в случаях прекращения штатного функционирования системы, т.е. при ее аварии или разрушении

– под неклассическими техническими системами (НТС) понимаются технические системы, параметры которых изменяются качественно в процессе штатного (предусмотренного конструкцией, нормального) функционирования системы.

19. Предложено изменение трактовки понятий "адаптация" и "синтез" модели:

– традиционно под адаптацией модели понимается не только количественное, но и качественное ее изменение

– в данной работе предлагается под адаптацией понимать лишь ее количественное изменение, а для качественного ее изменения использовать термин "синтез".

20. В порядке научной дискуссии и развития обоснованных в работе теоретических положений высказан ряд спорных, но интересных идей:

– идея многополюсных конструкты, являющиеся обобщением бинарных конструктов;

– идея континуального обобщения АСК-анализа на основе применения нечеткой логики.

Теоретическая значимость подтверждается следующим:

– формализацией базовых когнитивных операций, многие из которых совпадают с известными методами научного мышления: обобщение (синтез, индукция); абстрагирование; оценка адекватности; внешнее и содержательное сравнение, идентификация и прогнозирование; дедукция и абдукция; классификация и формирование понятий (конструктов);

– изложены новые идеи и аргументы в их пользу;

– приведены многие элементы научной теории: сформулированы гипотеза; доказаны 4 теоремы об аддитивности системной меры целесообразности информации; при создании СТИ проанализированы исходные научные факты, на основе анализа которых исторически было сформировано понятие "Информация" и расширена фактологическая база этого понятия; создан механизм их автоматизированной интерпретации в семантической информационной модели, обеспечивающей автоматическую генерацию выводов, анализ тенденций, учет факторов и условий;

– на основе предложенной системной теории информации сформулирован новый ранее неизвестный "Закон повышения эмерджентности", описывающий возрастание доли системной информации в объекте при увеличении количества его элементов, а также три следствия из него;

– в рамках СТИ сформулированы гипотезы "О природе сложности системы" и "О видах системной информации": сложность системы определяется количеством содержащейся в ней информации; системная информация включает две составляющих: зависящее от количества элементов системы и зависящее также от характера взаимосвязей между элементами;

– вычленена новая перспективная проблема, подлежащая дальнейшему исследованию: применение технологии АСК-анализа для создания on-line многоагентных распределенных систем обнаружения, накопления и использования знаний в Internet, что действительно может превратить "мировую паутину" в "мировой (коллективный) разум" и может явится качественно новым шагом на пути эволюции ноосферы.

Практическая значимость проведенного исследования состоит в разработке инструментария АСК-анализа в виде Универсальной когнитивной аналитической системы "Эйдос" обеспечивающей: создание автоматизированных систем мониторинга, идентификации (прогнозирования) состояний активных объектов и управления ими в самых различных предметных областях; надежную эксплуатацию этих систем в промышленном режиме при массовой обработке информации; углубленный интеллектуальный анализ данных.

Реализация результатов. Опыт применения АСК-анализа подтверждает эффективность его использования в следующих предметных областях: социологические и политологические исследования, анализ общественного мнения (Краснодарский сектор Института социологических исследований АН СССР, Краснодарский краевой агропромышленный комитет, Академия государственной службы при Президенте РФ, Краснодарский государственный институт культуры, Информационно-аналитический центр администрации Краснодарского края, Аналитический центр администрации Ярославской области и др.); проектирование адаптивных АСУ сложными техническими объектами (Государственное предприятие особое конструкторское бюро "Икар", Кубанский государственный технологический университет); решение ряда задач управления качеством подготовки специалистов (Краснодарский юридический институт МВД РФ); идентификация и анализ макроэкономических состояний городов и районов Краснодарского края и края в целом на основе оценки значимости индикаторов макроэкономики и применения методов статистической теории информации и искусственного интеллекта (Департамент экономики и прогнозирования администрации Краснодарского края); прогнозирование результатов применения агротехнологий и управление выращиванием сельскохозяйственных культур (Кубанский государственный аграрный университет); прогнозирование успешности будущей профессиональной деятельности в экстремальных ситуациях в условиях высокой ответственности и дефицита времени (Северокавказская региональная поисково-спасательная служба Государственного комитета РФ по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий МЧС, АО "Новошип" Новороссийское морское пароходство), решение задач Центра Правительственной связи в Краснодарском крае.

Проведенные исследования являются составной частью плановых и договорных НИР и ОКР. Все они приняты заказчиками, что подтверждается 17 актами о внедрении предложенных технологий и инструментария АСК-анализа.

Апробация работы. Основные положения и результаты данной работы докладывались и обсуждались на 21 международных, всесоюзных, всероссийских семинарах и симпозиумах: Всесоюзная научно-практическая конференция "Проблемы управления развитием городов" (Краснодар, 1985); VIII Всесоюзный съезд психологов (Москва, 1989); Всероссийская конференция "В.И.Вернадский и современность /к 130–летию со дня рождения/" (Краснодар, 1993); IX научно-практическая конференция "Теоретические и прикладные проблемы социально-психологической и медико-педагогической службы" (Краснодар, 1995); Всероссийская научно–практическая конференция "Состояние и связи криминалистики и теории оперативно–розыскной деятельности ОВД" (Краснодар, 1995); Межвузовская научно-практическая конференция "Актуальные проблемы социально-правовой подготовки специалистов и перспективы совершенствования системы комплектования органов внутренних дел" (Краснодар, 1997); Всероссийская научно–практическая конференция "Актуальные проблемы социально–правовой подготовки специалистов и перспективы совершенствования системы комплектования ОВД" (Краснодар, 1997); Межвузовская конференция "Организация и методологические проблемы компьютеризации учебного процесса" (Краснодар, 1998); 1-я Всероссийская научно-техническая конференция "Компьютерные технологии в науке, проектировании и производстве" (Н.Новгород, 1999); III Всероссийская научно-техническая конференция "Информационные технологии и системы" (Воронеж, 1999); III международная открытая сессия "Modus Academicus": "Компьютерные технологии в науке и образовании XXI века" (Ульяновск, 1999); 1-я Всероссийская научно-техническая конференция "Теория конфликта и ее приложения" (Воронеж, 2000); 2-е Всероссийское совещание-семинар "Интеллектуальные информационные системы" (Воронеж, 2000); 2-я Международная выставка-конференция "Информационные технологии и телекоммуникации в образовании" (Москва, 2000); III международная научно-практическая конференция "Вековой поиск модели хозяйственного развития России" (Волжский, 2000); II, III и IV межвузовские научно-технические конференции "Проблемы совершенствования систем защиты информации, электроснабжения военных объектов и образовательных технологий подготовки специалистов" (Краснодар, 2000-2002); Всероссийская конференция "Опыт и проблемы совершенствования региональной системы дополнительного профессионального образования в области управления качеством" (Краснодар, 2001); Всероссийская конференция "Проблемы экономического и социального развития России" (Пенза, 2001); "Научное обеспечение современных технологий производства, хранения и переработки плодов и ягод в России и странах СНГ (Москва, 2002).

Публикации. По теме данной работы опубликовано: 58 научных работ, в том числе: 4 монографии; 1 стандарт, 49 научных статей, авторские права на созданное специальное программное обеспечение и структуры баз данных защищены 4 свидетельствами РосПатента РФ.

Структура и объем работы. Работа состоит из введения, семи глав с выводами к каждой из них, заключения, списка использованной литературы, содержащего 366 наименований, и 5 приложений. Работа изложена на 605 страницах машинописного текста и содержит: 44 таблицы, 171 рисунок, 94 нумерованных формулы и 5 приложений на 21 странице.

Во введении сформулированы объект и предмет исследования, его цель, проблема и задачи, обоснована актуальность, освещен научный аппарат, показана научная новизна и практическая значимость, дано краткое изложение основных идей, приведены сведения по апробации основных результатов данной работы.

В 1-й главе: "Проблема управления активными объектами и концепция ее решения" даны определения основных терминов, используемых в данной работе; поставлена проблема; проанализированы традиционные подходы к решению проблемы и предложена концепция ее решения.

1. Причина возникновения проблемы обеспечения устойчивого управления активными объектами состоит в том, что математическая модель периодически теряет адекватность при переходе объекта через точку бифуркации.

2. Традиционно эта проблема решается путем адаптации модели на основе апостериорной информации. Однако в данном случае этого недостаточно, т.к. необходимо качественное изменение модели, т.е. не адаптация, а синтез.

3. Концепция решения проблемы: необходимо обеспечить периодический синтез модели активного объекта в режиме реального времени, для чего необходимо применение автоматизированного системного анализа как инструмента автоматизации познания предметной области.

Таким образом, целью работы является разработка методологии, математической модели и численного метода, соответствующего специального программного инструментария АСК-анализа, технологии и методики его применения для управления активными объектами.

Для достижения цели в работе решены следующие задачи:

1) разработка схемы СА, ориентированного на интеграцию с когнитивными технологиями;

3) разработка математической модели АСК-анализа;

6) разработка методологии, технологии и методики синтеза рефлексивных АСУ активными объектами на основе АСК-анализа;

Решение этих задач составляет этапы решения проблемы, поставленной в работе.

Во 2-й главе: "Методологические основы АСК-анализа" системный анализ рассматривается как метод познания, предлагаются схема системного анализа, ориентированного на интеграцию с когнитивными технологиями и концепция формализации базовых когнитивных операций, подробно анализируется место базовых когнитивных операций в системном анализе и предлагается обобщенная схема системного анализа, структурированного до уровня базовых когнитивных операций.

В этой главе реализован 1-й этап решения проблемы – разработка схемы СА, ориентированного на интеграцию с когнитивными технологиями с целью создания условий для дальнейшей автоматизации его этапов.

Отсюда органично вытекает 2-й этап решения проблемы – разработка формализуемой когнитивной концепции, выявление базовых когнитивных операций (БКО), структуризация системного анализа до уровня БКО, разработка обобщенного алгоритма системно-когнитивного анализа (АСК-анализа).

1. Системный анализ представляет собой теоретический метод познания, современное воплощение конкретной диалектики. Перспектива его автоматизации состоит в интеграции с когнитивными технологиями.

2. Предлагаемая когнитивная концепция рассматривает процесс познания, как многоуровневую иерархическую систему обработки информации в которой когнитивные структуры каждого уровня являются результатом интеграции структур предыдущего уровня. Таким образом между структурами разных уровней иерархии существует отношение "дискретное - интегральное". Именно это служит основой формализации смысла. В рамках предложенной когнитивной концепции сконструирован когнитивный конфигуратор (терм.авт.), представляющий собой минимальную полную систему когнитивных операций, названных "базовые когнитивные операции системного анализа" (БКОСА). Всего выявлено 10 таких операций, каждая из которых достаточно элементарна для формализации и программной реализации: 1) присвоение имен; 2) восприятие; 3) обобщение (синтез, индукция); 4) абстрагирование; 5) оценка адекватности модели; 6) сравнение, идентификация и прогнозирование; 7) дедукция и абдукция; 8) классификация и генерация конструктов; 9) содержательное сравнение; 10) планирование и принятие решений об управлении.

3. С целью создания предпосылок автоматизации, предложено структурировать системный анализ до уровня базовых когнитивных операций, допускающих формализацию и автоматизацию. СА, структурированный до уровня БКО, предложено называть системно-когнитивным анализом (СК-анализ).

В 3-й главе: "Математическая модель АСК-анализа" реализован 3-й этап решения проблемы, состоящий в разработке математической модели АСК-анализа: разработана концепция системной (эмерджентной) теории информации; семантическая информационная модель, обеспечивающая количественную и качественную адаптацию с учетом динамики предметной области (т.е. адаптацию и пересинтез); исследованы важнейшие свойства предложенной математической модели; предложена новая информационная мера уровня системности предметной области, связанная с мерой c²; развитый метод идентификации и прогнозирования предложено называть "Объектным анализом" по аналогии с Фурье-анализом.

1. Предложен вариант реализации системной теории информации в рамках которого:

– обоснованы требования к математической модели и численной мере;

– осуществлен выбор базовой численной меры для чего проанализированы абсолютные, относительные и аналитические формы представления информации; теория информации применена для анализа процесса труда и средств труда; в рамках предложенной информационной теории стоимости раскрыта глубокая взаимосвязь между понятиями "стоимость" и "информация"; рассмотрены вопросы определения стоимости баз знаний и источник эффективности АСУ с точки зрения теории информации;

– сконструирована новая системная мера семантической целесообразности информации для чего получено системное обобщение формулы Хартли для количества информации; сформулирован закон возрастания эмерджентости и 3 следствия из него; получено системное обобщение формулы А.Харкевича для количества информации; рассмотрены генезис и некоторые интерпретации системной теории информации (СТИ).

2. На базе системной (эмерджентной) теории информации разработана содержательная (семантическая) информационная модель АСК-анализа, относящаяся к интеллектуальным информационным моделям:

– предложен формализм двух взаимосвязанных семантических информационных пространств: пространства классов (в котором объектами являются вектора обобщенных образов классов), и пространства атрибутов (в котором объектами являются вектора атрибутов). Причем координатами векторов в обоих случаях являются информативности, рассчитываемые в соответствии с предложенной системной мерой целесообразности информации;

– раскрыт механизм когнитивной структуризации и формализации предметной области путем использования шкал и градаций;

– описана возможность использования классической теории информации Шеннона для расчета весовых коэффициентов и мер сходства;

– развита математическая модель, основанная на семантической мере целесообразности информации: даны решения трех основных задач АСУ (синтез и адаптация модели, расчет влияния факторов на переход объекта управления в различные состояния, прогнозирование поведения объекта управления, выработка многофакторного управляющего воздействия, сравнение факторов и состояний объекта управления); обоснована сопоставимость предложенных частных критериев (доказаны 4 теоремы о сопоставимости).

3. Исследованы основные свойства математической модели: ее непараметричность; зависимость информативностей факторов и адекватности модели от объема обучающей выборки; зависимость адекватности, уровня системности и степени детерминированности модели от степени ее ортонормированности.

4. Предложена новая меры уровня системности предметной области, основанная на системной мере целесообразности информации, математически показана связь предложенного критерия с критерием c².

5. Показано, что предложенный метод идентификации и прогнозирования с математической точки зрения является разложением вектора состояния объекта по векторам обобщенных образов классов, представляющих собой произвольные функции, поэтому предложено называть этот метод "Объектным анализом" по аналогии с Фурье-анализом.

Предложенная математическая модель объединяет преимущества содержательных и статистических моделей и позволяет решать задачи идентификации и прогнозирования развития активных систем (разложение вектора объекта по векторам классов – "Объектный анализ"), а также вырабатывать эффективные управляющие воздействия путем решения обратной задачи прогнозирования и применения элементов нетрадиционной логики и правдоподобных (нечетких) рассуждений.

Разработка семантической информационной модели создает необходимые предпосылки для разработки численного метода (алгоритмов и структур данных) и разработки инструментария АСК-анализа.

В 4-й главе: "Численный метод АСК-анализа" реализован 4-й этап решения проблемы состоит в разработке численного метода, реализующего математическую модель (конструирование структур данных и алгоритмов БКОСА и визуализации когнитивной графики); разработка детального алгоритма АСК-анализа.

В данной главе:

1. Десять базовых когнитивных операций детализированы на 24 подоперации.

2. В соответствии с формализуемой когнитивной концепцией разработана детальная иерархическая структура данных, обеспечивающая реализацию когнитивных операций и подопераций.

3. Даны вербальные описания всех базовых когнитивных операций с детализацией по подоперациям.

4. Приведены детальные алгоритмы всех базовых когнитивных операций с детализацией по подоперациям.

Таким образом, в данной главе разработан численный метод, включающий иерархические структуры данных и 24 алгоритма всех 10 базовых когнитивных операций системного анализа, чем обеспечивается уровень детализации, достаточный для программной реализации АСК-анализа. Необходимо отметить, что данный численный метод реализует все БКОСА на основе непосредственно эмпирических данных.

В 5-й главе: "Специальный программный инструментарий АСК-анализа - система "Эйдос" подробно описана разработанная автором Универсальная когнитивная аналитическая система "Эйдос", защищенная 4 Свидетельствами РосПатента РФ (1994 год). Показано, что система "Эйдос" обеспечивает реализацию всех базовых когнитивных операций автоматизированного системного анализа и решение проблемы и задач, поставленных в данном исследовании. В этой главе раскрыты назначение и состав системы, подробно описан ее пользовательский интерфейс, а также технология создания и эксплуатации приложений. Приведены технические характеристики системы, предложены инфраструктура эксплуатации и виды обеспечения. Система "Эйдос" является большой системой: листинг ее исходных текстов (текущей версии 7.3 вместе с системами окружения "Эйдос-фонд" и "Эйдос-Y") 6-м шрифтом составляет около 800 страниц, в процессе работы система оперирует десятками баз данных.

Здесь реализован 5-й этап решения проблемы – создание специального программного обеспечения, реализующего предложенные математические модели и алгоритмы БКОСА, т.е. создание инструментария АСК-анализа.

1. Создана Универсальная когнитивная аналитическая система "Эйдос", обеспечивающая автоматизацию всех базовых когнитивных операций системного анализа.

2. Рассмотрена технология синтеза и эксплуатации приложений в системе "Эйдос", обеспечивающая:

– формализацию предметной области;

– подготовку обучающей выборки и управление ей;

– синтез семантической информационной модели предметной области;

– оптимизацию модели;

– проверку адекватности модели;

– идентификацию и прогнозирование;

– типологический анализ (включая решение обратной задачи идентификации и прогнозирования, семантический информационный и кластерно-конструктивный анализ учебных достижений и факторов).

– оригинальную графическую визуализация результатов анализа в форме когнитивной графики (семантических сетей и когнитивных диаграмм).

Описание функций и структуры системы "Эйдос" ведется на основе описания ее интерфейса с детальной привязкой к реализуемым в каждой подсистеме и режиме базовым когнитивным операциям системного анализа.

В 6-й главе: "АСК-анализ, как методология синтеза и эксплуатации рефлексивных АСУ активными объектами (на примере решения задач АСУ качеством подготовки специалистов)" разработана классификация функционально-структурных типов АСУ и определено место адаптивных АСУ сложными системами (ААСУ СС) и РАСУ АО в этой классификации; показаны роль и место АСК-анализа в РАСУ АО; предложено рассматривать алгоритм АСК-анализа, как алгоритм синтеза РАСУ АО; рассмотрены некоторые теоретические вопросы синтеза РАСУ качеством подготовки специалистов.

Здесь представлен 6-й этап решения проблемы, включающий разработку методологии, технологии и методики синтеза рефлексивных АСУ активными объектами на основе АСК-анализа.

1. Разработаны классификация функционально-структур-ных типов АСУ и показано место адаптивных АСУ сложными системами и рефлексивных АСУ активными объектами в этой классификации; показаны роль и место АСК-анализа в рефлексивных АСУ активными объектами.

2. Предложено рассматривать алгоритм АСК-анализ, как алгоритм синтеза рефлексивных АСУ активными объектами.

3. Рассмотрены некоторые теоретические вопросы синтеза РАСУ качеством подготовки специалистов, предложена ее двухуровневая структура:

– на первом уровне объектом управления является учащийся, а управляющей системой – педагогический процесс;

– на втором уровне объектом управления является педагогический процесс, а управляющей системой – руководство вузом и вышестоящие инстанции.

В 7-й главе: "Опыт и перспективы применения АСК-анализа" реализован последний 7-й этап решения проблемы: синтез и эксплуатация компонент рефлексивных АСУ активными объектами на основе технологии и инструментария АСК-анализа (в различных предметных областях).

В данной главе:

– сделан обзор опыта применения АСК-анализа для исследования социально-экономических проблем;

– приведены развернутые численные примеры успешного практического применения предложенной технологии АСК-анализа в 4-х предметных областях: (анализ и прогнозирование состояний фондового рынка; синтез РАСУ возделыванием сельскохозяйственных культур; решение задач РАСУ качеством подготовки специалистов; синтез САУ ФВЭУ);

– на основе метода научной индукции сформулированы ограничения АСК-анализа и обоснована возможность корректного расширения области его применения на предметные области, где эти ограничения несущественны;

– описаны перспективы применения предложенных технологий АСК-анализа в управлении технологиями, экономике, психологии, социологии и политологии, маркетинговых, рекламных и социально-психологических исследованиях, правоохранительной сфере и в Internet (создание многоагентных распределенных систем обнаружения, накопления и использования знаний по различным предметным областям), в ряде других областей. В частности отмечаются перспективные применения для атрибуции анонимных и псевдонимных текстов, контент-анализа, синтеза интеллектуальных дескрипторных информационно-поисковых систем с интерфейсом запросов на естественном языке, идентификации и классификации изображений по их вербальным описаниям, формирования обобщенных фотороботов лиц по направлениям деятельности и идентификации с ними, применения в области психографологии и дерматоглифики, и т.д., кроме того рассматриваются ограничения предложенного варианта АСК-анализа и рассматриваются вопросы его развития (путем преодоления указанных ограничений) с применением теории нечетких множеств и неклассической логики. В порядке обсуждения в научной дискуссии предложено рассматривать автоматизированный системный анализ, структурированный до уровня базовых когнитивных операций, как автоматизированный системно-когнитивный анализ (АСК-анализ).

Основной вывод, по результатам данной главы, состоит в том, что оправданным и обоснованным выглядит предположение об очень высокой универсальности математического метода и инструментария АСК-анализа, а также технологии и методики его применения в самых различных предметных областях, в которых накапливаются факты и производятся их обобщение и анализ, а также выполняются другие когнитивные операции, связанные с процессами познания и управления.

В Заключении отражены основные выводы и результаты, полученные в данной работе, подчеркнуты некоторые предложенные в ней новые теоретические идеи, высокая достоверность полученных результатов и их практическая значимость.

Автор данной работы выражает признательность кандидату технических наук, доценту Владимиру Николаевичу Лаптеву, доктору технических наук, профессору Лойко Валерию Ивановичу, доктору экономических наук, профессору Барановской Татьяне Петровне, доктору экономических наук, профессору Семенову Михаилу Игнатьевичу, доктору технических наук, профессору Левину Борису Калиновичу, доктору технических наук, профессору Атрощенко Валерию Александровичу, доктору технических наук, профессору Симанкову Владимиру Сергеевичу, кандидату психологических наук, доценту Некрасову Сергею Дмитриевичу, кандидату психологических наук, доценту Третьяку Владимиру Георгиевичу, доктору биологических наук, кандидату технических наук, профессору Засухиной Ольге Александровне, заслуженному учителю Российской Федерации Гельферу Феликсу Семеновичу и доктору педагогических наук, профессору Бедерхановой Вере Петровне за поддержку и вклад в понимание проблематики исследования.