ВВЕДЕНИЕ

Актуальность. Монография посвящена решению актуальной проблемы управления активными объектами (АО), т.е. объектами, которые включают в свой состав системы целеполагания, моделирования и принятия решений. При этом модели, генерируемые АО, включают модель самих себя, т.е. являются рефлексивными, а также модель окружающей среды, включая системы управления, рассматривающие данную АО как объект управления. Активные объекты развиваются путем чередования этапов принятия и реализации решений. На этапе принятия решений закономерности поведения системы, а значит и сама система изменяется качественно (состояние бифуркации, революционное изменение), а на этапе реализации решений – лишь количественно (детерминистское состояние, эволюционные изменения).

Традиционно управление основано на знании закономерностей поведения системы в отсутствии управляющих воздействий и закономерностей ее реагирования на те или иные управляющие воздействия. Это означает, что управление АО традиционными методами возможно лишь на детерминистских этапах их развития, т.е. когда АО изменяется незначительно. После качественной трансформации АО необходимо заново выявлять закономерности ее поведения и на основе этого осуществлять синтез АСУ.

Чтобы осуществлять это в режиме реального времени непосредственно в процессе эксплуатации АСУ необходимо, чтобы в состав АСУ входила подсистема, обеспечивающая не только количественную адаптацию модели активного объекта управления (АОУ), но и ее периодический синтез. Развитие АС осуществляется путем чередования эволюционных и революционных этапов. Поэтому для управления АС необходима математическая модель (а также реализующий ее программный инструментарий), не только адекватно отражающая закономерности текущего эволюционного этапа и позволяющая быстро выявить и учесть качественно новые закономерности, вступившие в силу после очередного этапа революционных изменений, но и обеспечивающая адекватное отражение закономерностей, так сказать "2-го порядка", т.е. закономерностей чередования самих этих революционных этапов.

Математические методы, традиционно применяемые для анализа и прогнозирования развития активных объектов, не в полной мере позволяют решить эту проблему.

Поэтому предлагается концепция решения этой проблемы, включающая обобщенную модель детерминистско-бифуркационной динамики активных систем и представления об "интерференции последствий выбора", которые приводят к необходимости обобщения самого понятия "информация" на основе анализа поведения квантовых объектов и активных систем.

Методологические основы АСК-анализа. Недоучет в математической модели значимых факторов приводит к ее неадекватности. Это совпадает с одним из основных требований системного анализа: требованием полноты и всесторонности рассмотрения объекта управления. Следовательно, необходимым условием успешности синтеза адекватной математической модели активной системы после прохождения этой системой состояния бифуркации является применение системного анализа. Однако, в связи с тем, что процесс синтеза модели должен осуществляться в режиме реального времени непосредственно в процессе эксплуатации АСУ, для этого системный анализ должен быть автоматизирован.

Традиционным путем автоматизации системного анализа является его максимальная детализация. При этом различные этапы системного анализа автоматизировались несвязанными друг с другом группами разработчиков, в различных предметных областях, на основе различных математических подходов, с помощью различных инструментальных средств, т.е. автоматизация системного анализа велась несистемно.

Поэтому предлагается другой путь автоматизации системного анализа, основанный на развитии представления о системном анализе, как о методе познания. С этой целью предложена формализуемая когнитивная концепция, из которой следует существование 10 базовых когнитивных операций, к которым сводится системный анализ, ("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.

Каждая из этих базовых когнитивных операций системного анализа (БКОСА) достаточно элементарна, чтобы формализовать и автоматизировать ее в универсальной форме. Поэтому предложенный путь структурирования системного анализа до уровня базовых когнитивных операций, позволяет решить проблему автоматизации системного анализа в общем виде. Предложен термин: "Автоматизированный системно-когнитивный анализ" (АСК-анализ) под которым понимается системный анализ, как метод познания, структурированный до уровня базовых когнитивных операций (от "cognition" – "познание", англ.).

Математическая модель АСК-анализа. Предлагается вариант 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).

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).

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.

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

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.

Численный метод АСК-анализа. Десять базовых когнитивных операций детализированы на 24 подоперации. В соответствии с формализуемой когнитивной концепцией разработана детальная иерархическая структура данных, обеспечивающая реализацию когнитивных операций и подопераций. Даны вербальные описания всех базовых когнитивных операций с детализацией по подоперациям. Приведены детальные алгоритмы всех базовых когнитивных операций с детализацией по подоперациям.

Таким образом, 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.

Специальный программный инструментарий АСК-анализа - система "Эйдос". Автором 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 ей; синтез семантической информационной модели предметной области; оптимизацию модели; проверку адекватности (верификацию) 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 визуализацию результатов анализа в форме когнитивной графики (семантических сетей и когнитивных диаграмм).

АСК-анализ, как методология синтеза и эксплуатации рефлексивных АСУ активными объектами. На примере решения задач АСУ качеством подготовки специалистов приведены функционально-структурные типы АСУ; АСК-анализ, рассматривается как алгоритм синтеза РАСУ активными объектами; изложены методологические основы синтеза РАСУ качеством подготовки специалистов

Опыт и перспективы применения АСК-анализа. Имеется опыт и возможность успешного применения АСК-анализа для: анализа динамики макроэкономических состояний городов и районов на уровне субъекта федерации в ходе экономической реформы (на примере Краснодарского края); прогнозирования уровня безработицы (на примере Ярославской области); прогнозирования развития различных сегментов рынка (на примере фондового рынка РФ – численный пример); прогнозирования результатов выращивания сельскохозяйственных культур и поддержка принятия решений по рациональному выбору агротехнологий (численный пример); социально-экономических исследований; синтеза и решения задач управления качеством подготовки специалистов (на примере КЮИ МВД РФ – численный пример); интеллектуального управления сложными техническими системами (численный пример); мониторинга, прогнозирования и управления в финансово-экономической сфере; оценки рисков страхования и кредитования предприятия; анализа общественного мнения (социология и политология); экологического мониторинга, анализа и прогнозирования.

Заключение. В результате этих исследований был предложен вариант обобщена семантической теории 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 (Универсальная когнитивная аналитическая система "ЭЙДОС") и автоматизировать СК-анализ, создав тем самым один из вариантов автоматизированного СК-анализа (АСК-анализ). АСК-анализ был успешно применен для исследования социально-экономических систем и решения ряда задач синтеза и эксплуатации рефлексивных АСУ активными системами в различных предметных областях.