ЗАКЛЮЧЕНИЕ

Причина возникновения проблемы управления активными объектами состоит в том, что модель активной системы периодически теряет адекватность при переходе АОУ через точку бифуркации. Традиционно подобные проблемы решаются путем адаптации модели на основе апостериорной информации. Однако в данном случае этого недостаточно, т.к. необходимо качественное изменение модели, т.е. не ее адаптация, а синтез. Предложенная концепция решения проблемы состоит в том, что необходимо обеспечить периодический синтез модели АОУ в режиме реального времени, для чего целесообразно применение системного анализа, как метода познания АОУ непосредственно в цикле управления, причем в автоматизированной форме.

1. Системный анализ представляет собой теоретический метод познания, современное воплощение конкретной диалектики. Перспектива автоматизации системного анализа состоит не в его максимальной детализации, а в интеграции с когнитивными технологиями.

2. Предлагаемая формализуемая когнитивная концепция рассматривает процесс познания, как многоуровневую иерархическую систему обработки информации, в которой когнитивные структуры каждого уровня являются результатом интеграции структур предыдущего уровня. Это служит основой формализации смысла. В рамках предложенной когнитивной концепции сконструирован когнитивный конфигуратор, представляющий собой минимальную полную систему когнитивных операций, получивших название "базовые когнитивные операции системного анализа" (БКОСА). Всего выявлено 10 таких операций, каждая из этих операций достаточно элементарна для формализации и программной реализации: 1) присвоение имен; 2) восприятие; 3) синтез (обобщение, 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. Предложено структурирование системного анализа до уровня базовых когнитивных операций, допускающих формализацию и автоматизацию.

3. На базе системного обобщения формулы А.Харкевича для семантической целесообразности информации выявлены закономерности влияния системы на поведение ее элементов, отраженные в "Законе повышения эмерджентности" и 4-х следствиях из него. При этом впервые на уровне аналитического выражения для самого понятия "Информация" отражены такие свойства систем, как "Уровень системности" и "Степень детерминированности" системы. На основе предложенной информационной меры разработана семантическая информационная модель АСК-анализа, относящаяся к интеллектуальным информационным моделям. Эта модель 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 (БКОСА-7: "анализ") и применения элементов нетрадиционной логики и правдоподобных (нечетких) рассуждений. В ней объединены преимущества содержательных и статистических моделей, созданы предпосылки для реализации АСК-анализа на практике. Из предложенной модели вытекает новая информационная мера степени выраженности закономерностей в предметной области, связанная с критерием c².

4. Разработан численный метод, включающий иерархическую структуру данных и 24 детальных алгоритма 10 базовых когнитивных операций системного анализа, обеспечивающие уровень конкретизации, достаточный для программной реализации АСК-анализа.

5 Создана Универсальная когнитивная аналитическая система "Эйдос", обеспечивающая автоматизацию всех базовых когнитивных операций системного анализа. Рассмотрена технология синтеза и эксплуатации приложений в системе "Эйдос", обеспечивающая: формализацию предметной области; подготовку обучающей выборки и управление ею; 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); оригинальную графическую визуализацию результатов анализа в форме когнитивной графики (семантических сетей и когнитивных диаграмм).

6. Приведена классификация функционально-структурных 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. Предложено рассматривать алгоритм АСК-анализа, как алгоритм синтеза рефлексивных АСУ активными объектами. Рассмотрены некоторые теоретические вопросы синтеза РАСУ качеством подготовки специалистов, предложена ее двухуровневая структура.

7. Приведены подробные численные примеры успешного практического применения предложенной технологии АСК-анализа в четырех различных предметных областях: анализ и прогнозирование состояний фондового рынка; синтез и эксплуатация РАСУ возделыванием сельхозкультур; решение задач РАСУ качеством подготовки специалистов; синтез САУ ФВЭУ.

Рассмотрен опыт и перспективы применения АСК-анализа в ряде предметных областей: анализ динамики макроэкономических состояний городов и районов на уровне субъекта федерации в ходе экономической реформы (на примере Краснодарского края); прогнозирование уровня безработицы (на примере Ярославской области); мониторинг, прогнозирование и управление в финансово-экономической сфере; оценка рисков страхования и кредитования предприятия; анализ общественного мнения (социология и политология); экологический мониторинг, анализ и прогнозирование; РАСУ индивидуального управления лечением; разработка оптимальных адаптивных тестов и профессиограмм; комплексное психологическое тестирование и прогнозирование (Автоматизированная система комплексной обработки данных психологического тестирования "Эйдос-Y"); управление персоналом; транспортная психология; когнитивная психология; компьютерные Y–технологии; правоохранительная сфера.

Приведенные примеры успешного практического применения предложенной технологии АСК-анализа в различных предметных областях подтверждают правильность принятых научно-технических решений и их адекватность для решения проблемы, поставленной в данной работе.

Рассмотрены перспективы континуального обобщения АСК-анализа и его применения в различных сферах деятельности, прежде всего в области создания многоагентных распределенных систем обнаружения, накопления и использования знаний в Internet и интеграции предложенных технологий с экспертными системами, основанными на нечеткой логике.

Разработаны математический метод и инструментарий автоматизированного системно-когнитивного анализа (АСК-анализа), который представляет собой новый метод анализа, основанный на предложенной автором системной теории информации. Применение математического метода и инструментария АСК-анализа решает поставленную в данном исследовании проблему обеспечения устойчивого управление активными объектами как на детерминистских, так и на бифуркационных этапах их развития.