CC BY
27
ФИНАНСЫ И КРЕДИТ FINANCE AND CREDIT
УДК 338:004.81 ББК 65в6 Б 15
H.JI. Бадван,
аспирант кафедры финансов и кредита Донского государственного технического университета, г. Ростов-на-Дону. Тел.: +7 (919) 899-29-01, e-mail: [email protected]
АДАПТАЦИЯ ИНСТРУМЕНТАРИЯ КОГНИТИВНОГО МОДЕЛИРОВАНИЯ СЛОЖНЫХ СИСТЕМ К ПРОБЛЕМЕ ФИНАНСОВОГО РЕГУЛИРОВАНИЯ ВОСПРОИЗВОДСТВА И НАКОПЛЕНИЯ КАПИТАЛА
( Рецензирована )
Аннотация. В статье рассмотрена проблема финансового регулирования воспроизводства и накопления капитала в реальном секторе экономики, адаптация инструментария когнитивного моделирования сложных систем к этой проблеме. Когнитивный подход к моделированию сложных систем, таких как экономические, социальные, политические и др., и соответствующий инструментарий когнитивного моделирования стали активно развиваться с конца 20-го века. В настоящее время когнитивное моделирование сложных систем является одной из важных составляющих когнитивных наук — «Искусственный интеллект» в его практическом приложении при создании интеллектуальных систем поддержки принятия решений в различных предметных областях. Пятидесятые-шестиде-сятые годы XX столетия принято характеризовать как когнитивную революцию — смену научной парадигмы, по словам историка науки Томаса Куна, этот период является периодом зарождения новой науки — когнитивной науки, или когнитологии, которая представляется совокупностью нескольких направлений: философии, психологии, лингвистики, антропологии, искусственного интеллекта. В статье приведен пример когнитивного моделирования воспроизводства и накопления капитала, разработана когнитивная карта, проведено сценарное моделирование.
Ключевые слова: когнитивное моделирование сложных систем, накопление капитала, финансовое регулирование воспроизводства, искусственный интеллект, структура когнитологии.
N.L. Badwan,
Post-Graduate Student of the Department of Finance and Credit, Don State Technical University, Rostov-on-Don. Ph.: +7 (919) 899-29-01, e-mail: [email protected]
ADAPTATION OF INSTRUMENT OF COGNITIVE MODELING TO THE PROBLEM OF FINANCIAL REGULATION OF REPRODUCTION AND ACCUMULATION OF CAPITAL
Abstract. The article discusses the problem of financial regulation of reproduction and accumulation of capital in the real sector of the economy, adaptation of the tools of cognitive modeling of complex systems to this problem. On the basis of the analysis of works devoted to cognitive modeling of complex systems, we can say the following. The cognitive approach to the modeling of complex systems, such as economic, social, political, etc. and the corresponding tools of cognitive modeling has been actively developed since the end of the 20th century. Currently, cognitive modeling of complex systems is one of the important components of cognitive sciences - "Artificial Intelligence" in its practical application when creating intelligent decision support systems in various subject areas. The fiftieth - sixties of the twentieth century is usually characterized as a cognitive revolution - a change in the scientific paradigm, according to the science historian Thomas Samuel Kuhn. This period is the period of the birth of a new science - cognitive science or cognitive science, which is represented by a combination of several directions: philosophy, psychology, linguistics, anthropology, artificial intelligence. The article gives an example cognitive modeling of reproduction and accumulation of capital, a cognitive map developed and scenario modeling conducted.
Keywords: cognitive modeling complex systems, capital accumulation, financial regulation of reproduction, artificial intelligence, structure of cognitive science.
В середине прошлого века в мире произошла «когнитивная революция», в результате которой познание, состояния разума/мозга стало не только предметом исследований в психологии, но и предметом междисциплинарных исследований в рамках когнитивной науки (когни-тивистике), сложившейся на пересечении экспериментальной психологии познавательных процессов, лингвистики, философии сознания, нейрофизиологии, культурной антропологии, компьютерных наук и искусственного интеллекта. Исследования направлены на когнитивные состояния человека: состояния знания, понимания, интерпретации, порождения новых знаний, на то, как эти состояния обуславливают поведение человека [1].
Когнитивное моделирование в работах, которые имеют отношение к искусственному интеллекту, к системам поддержки принятия решений при управлении сложными системами [2-5], направлено в большей степени на объект, чем на субъект, и
имеет целью с помощью специфических приемов когнитивного моделирования не только построить модель, но и исследовать на ней различные свойства сложной системы, найти пути и условия разрешения системных проблем в модельных условиях. В любом случае назначение когнитивного моделирования в понимании состоит в том, чтобы помочь эксперту «отрефлексировать» ситуацию и разработать наиболее эффективную стратегию управления системой, основываясь не столько на своей интуиции, сколько на упорядоченном и верифицированном знании о сложной системе, снижая тем самым риск человеческого фактора [6].
В России началом серьезных исследований сложных (больших) систем в форме «когнитивный анализ и управление ситуациями» можно считать 90-е годы прошлого столетия, это работы сотрудников ИПУ РАН [7, 8, 9].
В настоящее время когнитивные исследования развиваются в ИТА
ЮФУ как «когнитивное моделирование сложных систем» [2, 4, 10-14], которое следует принципам теории систем и системного анализа.
Основные положения методологии когнитивного моделирования сложных систем. Проведем изложение основного содержания когнитивного моделирования сложных систем, анализируя работы [2-5, 7-16]. В рамках этих исследований под когнитивной методологией и когнитивным моделированием понимается следующее [3, с. 93]: «Когнитивная методология - это организация познавательной деятельности исследователя, состоящая в определении цели, объекта и предмета исследования, методов и информационных технологий когнитивного моделирования. Это система методов, способов, моделей, информационных технологий когнитивного моделирования, реализующая модель мета-набора исследования (1), логически организующая деятельность исследователя, позволяющая понимать и объяснять механизм явлений и процессов в объекте, разрабатывать возможные сценарии его развития и выбирать лучший в качестве желаемой стратегии развития, обосновывать эффективные решения по управлению объектом и/или адаптироваться к окружающей среде».
По мнению Г.В. Гореловой, Н.Д. Панкратовой, В.Л. Бондаренко и др. авторов [3, с. 94], «Когнитивная методология для исследования сложных систем включает методы решения последовательности системных задач: идентификации объекта и окружающей среды в виде когнитивной модели (применение экспертных, статистических и др. методов); анализа путей и циклов когнитивной модели (методы теории графов); анализа наблюдаемости, управляемости, устойчивости, чувствительности, адаптируемости (методы теории управления); декомпозиции; анализа различных аспектов сложности,
анализа связности (методы теории графов, топологический анализ связности); принятия решений в условиях различного рода неопределенности (методы теории принятия решений), сопутствующей существованию и изучению сложной системы. При этом принятие решений происходит как по отношению к самому изучаемому объекту, так и по отношению к процессу исследования. В процессе исследования и последовательного принятия решений экспертом объекты метамодели могут видоизменяться».
Когнитивная методология помогает эксперту (наблюдателю) структурировать знания и, главное, системно и всесторонне проводить исследования различных аспектов функционирования сложной системы, которые чаще всего остаются вне поля зрения лица, принимающего решения. Последнее может привести к неверным (необдуманным, опасным) решениям, с какой бы целью ни проводились исследования сложной системы. Когнитивное моделирование позволяет заметно снизить «риск человеческого фактора» [6]. Когнитивное моделирование сложных систем рассматривается как один из современных инструментов имитационного моделирования.
Методология когнитивного моделирования сложных систем состоит из набора моделей и методов решения задач разработки когнитивных моделей разного уровня сложности, анализа свойств реальной системы на ее когнитивных моделях, в том числе задач устойчивости (к возмущениям и структурной), связности, путей и циклов (цепочек причинно-следственных связей), чувствительности, сценарного анализа (путем импульсного моделирования), научного предвидения и ряда других.
Системообразующей базой когнитивного моделирования сложных систем является метамодель исследования, основанная на [3, 8]:
(1)
М ={м0, Me,Moe,Md,Mmo,Mme, q, Ми, мн,А},
где М0 - идентифицирующая модель системы (модель объекта), МЕ — модель окружающей среды, МоЕ - модель взаимодействия объекта и среды, МП — модель поведения системы, Ммо и ММЕ — модели измерения состояния системы и окружающей среды, (2 - возмущающие воздействия, Му — модель управляющей системы, А — правила объединений моделей и выбора процессов изменения объекта, Мн — модель «наблюдателя» (инженера-когнитолога, эксперта, исследователя).
Модели М0, МЕ,МОЕ являются когнитивными моделями. Модель поведения системы Мв — это модель импульсного процесса, описывающая развитие ситуаций на модели при внесении возмущающих воздействий <2. Модель наблюдателя Мн проявляется в процессе всего когнитивного моделирования, который отражает процесс познания субъектом изучаемого объекта.
К настоящему времени в теории и практике когнитивного моделирования разработано много приемов и способов построения модели, главным образом, в форме когнитивных карт. Успешность этого этапа во многом зависит от уровня информированности эксперта (экспертов), создающего модель. При математическом моделировании сложных систем перед исследователем возникает проблема нахождения компромисса между точностью результатов моделирования и возможностью получения точной и подробной информации для построения модели. В такой ситуации когнитивные карты пригодны для разработки «простых» математических моделей и при анализе результатов, получаемых при минимальной информации.
Когнитивное моделирование производится поэтапно. Различные авторы по-разному выделяют эти этапы, но основными из них всегда являются разработка когнитивной модели и принятие на ее основе прогнозов развития и обоснованных управленческих решений. Приведем описание этапов когнитивного
моделирования, обобщая его варианты у разных авторов [2-14].
Первый этап когнитивного исследования посвящен определению вершин когнитивной модели и отношений между ними («влияние», «взаимовлияние», «взаимодействие»). Начальной формой когнитивной модели можно считать когнитивную карту.
Когнитивная карта отображает причинно-следственные связи в сложной системе. Как известно, математически когнитивная карта - это знаковый ориентированный граф:
С = (У,Е) (2)
3
где У={о.} , г = 1,2,...,к - множество вершин (концептов) когнитивной карты, являющихся элементами изучаемой системы, которые могут иметь смысл блоков системы, отдельных показателей и факторов или их групп в блоках; Е= {е..} — множество дуг, соединяющих вершины V. и и., 1,)=1,2,...,к; е.., фиксирует причинно-следственную связь между концептами — вершинами и. и V.. Влияние вершины и. на V. в изучаемой ситуации может быть положительным, когда увеличение (уменьшение) одного фактора приводит к увеличению (уменьшению) другого, отрицательным, когда увеличение (уменьшение) одного фактора приводит к уменьшению (увеличению) другого, или отсутствовать в конкретной ситуации.
Когнитивная карта - это метафора, основанная на наблюдениях и выводах, сделанных из этих наблюдений и описывающих, как обнаруживается, хранится и используется информация. Когнитивная карта -это структура знаний, это графическое представление причинных связей между понятиями, факторами, показателями, взаимодействующими системами и их блоками.
В процессе исследования и последовательного принятия решений экспертом объекты модели могут видоизменяться. Модель системы в виде начальной когнитивной карты О0 может последовательно
преобразовываться в более сложную математически (и по содержанию) когнитивную модель, например, в параметрический векторный функциональный граф:
Фп =<в,Х,Г, в>, (3)
где Фп - кортеж, в котором: (7 -когнитивная карта, X -
множество параметров вершин, 9 — пространство параметров вершин; F=F(Л'Г, Е) - функционал преобразования дуг, как декартово произведение Т7: ЕхХх0—В частном случае Т7 =А(х.,х-
= м/.. - весовые коэффициенты (могут быть определены экспертно или по результатам обработки статистической или иной информации). Построение параметрического векторного функционального графа требует проведения дополнительных исследований по определению функциональных зависимостей, преобразующих сигнал от одной вершины к другой или к совокупности взаимосвязанных вершин.
Когнитивные карты могут образовываться в иерархию.
Моделью иерархической когнитивной карты могут представляться уровни иерархии управления системой, а также нижестоящий уровень может быть когнитивной картой, которая «разворачивает» вершину (вершины) когнитивной карты верхнего уровня в более подробную схему.
Последующие после разработки когнитивной модели этапы исследования посвящены решению различных задач когнитивного моделирования в зависимости от объекта и цели его исследования.
Второй этап - это исследование когнитивной модели формальными методами теории графов, теории устойчивости, топологического анализа, статистики и др. На этом этапе производится исследование структуры сложной системы, представленной когнитивной моделью, исследование ее путей и циклов.
Третий этап - это исследование устойчивости системы к внутренним
и внешним возмущениям, а также структурной устойчивости.
Все эти этапы дают возможность обнаружить противоречия в модели и перейти к следующему этапу.
Четвертый этап - сценарное моделирование на когнитивной модели, позволяющее научно предвидеть возможное развитие ситуаций в реальной системе.
Сценарный анализ проводится по результатам импульсного моделирования.
Модель импульсного процесса на когнитивной карте - это кортеж:
<С, РК>, (4)
где в - когнитивная карта, (}=(}(1;п) — последовательность возмущающих (управляющих воздействий), РЫ — правило изменения параметров. При этом последовательность <п, Х^п), (}(1;п)> является модельным представлением временной системы, в которой Х(у - значение параметра системы в момент времени, 1;п, п — такты моделирования.
Для генерирования возможных сценариев развития системы в вершины когнитивной карты вносятся гипотетические возмущающие или управляющие воздействия. Формула импульсного процесса [3, 8] при переходе к модельному времени в виде тактов моделирования имеет вид:
х,(п+1) = х,(и) + XЛруО) + в<О) (5)
7=1
где х.(п) — величина импульса в вершине V. в предыдущий момент — такт моделирования — (п), х.(п+1) — в интересующий исследователя (п+1) момент; 1. - коэффициент преобразования импульса; Р.(п) — значение импульса в вершинах, смежных с вершиной V.; (}.(п) — вектор возмущений и управляющих воздействий, вносимых в вершину V. в момент п. Это начальный импульс. Набор реализаций импульсных процессов - это «сценарий развития», который указывает на возможные тенденции развития ситуаций. Ситуация в импульсном моделировании
характеризуется набором всех (} и значений X в каждом такте моделирования. Когнитивный инструментарий состоит из системы моделей и методов представления и анализа сложной системы и соответствующей программной системы когнитивного моделирования ПСКМ. Решения о структуре и поведении реальной системы предлагаются на основе исследования когнитивной модели. Когнитивный инструментарий позволяет в определенной степени «автоматизировать» процесс познания системы, в процессе накопления знаний видоизменяя начальную когнитивную модель и ее свойства. Инструментарий предназначен для помощи эксперту (исследователю, лицу, принимающему решения) не только делать модель адекватной реальности, но и обосновывать различные управленческие решения, найденные с ее помощью.
Пятый этап - это исследование чувствительности модели и ее корректировка, если необходимо. При корректировке происходит возврат к предыдущим этапам моделирования.
Шестой этап - разработка управленческих решений на основе результатов, полученных на предыдущих этапах, особенно на четвертом, и далее - разработка рекомендаций, направленных на совершенствование системы.
Составленная тем или иным способом когнитивная карта С£0 может рассматриваться как отправная точка (начальная, стартовая когнитивная карта) для дальнейших исследований. Процесс когнитивного моделирования - циклический.
Когнитивное моделирование финансового регулирования воспроизводства и накопления капитала в реальном секторе экономики. Существенным достоинством когнитивных моделей для представления сложных систем, в том числе для системы реального сектора экономики, является то, что в них могут быть включены как количественные, так и качественные, неизмеримые
непосредственно факторы (например, система государственного финансового регулирования накопления - воспроизводства капитала, налоговая политика в переливе капитала и др.), но могущие существенно влиять на развитие процессов в системе.
В исследовании слабоструктурированных проблем финансового регулирования воспроизводства и накопления капитала в реальном секторе экономики имитационное когнитивное моделирование предлагается использовать как инструмент разработки и обоснования стратегических и тактических управленческих решений в этой области. Использование имитационного моделирования в этой области представляет собой реализацию системного подхода к исследованию и решению проблемы совершенствования процесса финансового регулирования воспроизводства и накопления капитала.
Специфические особенности воспроизводства и накопления капитала требуют адаптации существующего инструментария когнитивного моделирования к данной предметной области.
Основываясь на проанализированных работах, предлагаем следующую этапность исследования сложной системы воспроизводства и накопления капитала в реальном секторе экономики.
I этап. Разработка когнитивной модели воспроизводства и накопления капитала в виде когнитивной карты, отображающей эту систему в окружающей среде - реальном секторе экономики.
II этап. Когнитивное моделирование: анализ структурных свойств системы, выделение цепочек и циклов влияния факторов воспроизводства и накопления капитала на конечную цель - экономический рост, устойчивое экономическое развитие страны.
III этап. Когнитивное моделирование: анализ свойств устойчивости
системы воспроизводства и накопления капитала.
IV этап. Когнитивное моделирование: разработка и анализ сценариев развития ситуаций.
V этап. Анализ чувствительности модели, корректировка модели.
VI этап. Принятие решений, разработка рекомендаций по эффективному накоплению капитала в реальном секторе экономики.
Обычно первый этап - разработка когнитивной модели - является наиболее трудоемким, трудно поддающимся формализации и автоматизации.
Изобразим схематически этап-ность когнитивных исследований воспроизводства и накопления капитала (рис. 1). Заметим, успешность когнитивных исследований можно реально оценить, если имеется обратная связь от реализации разработанных управленческих решений.
Разработка когнитивной карты. В процессе исследования была разработана когнитивная карта С£0 влияния воспроизводства и накопления капитала на реальный сектор экономики (рис. 2). Разработка модели
велась с помощью программной системы когнитивного моделирования ПСКМ [3].
Анализ свойств модели. В когнитивной модели для анализа свойств ее устойчивости необходимо анализировать все циклы отдельно и в их совокупности. Принято [3] называть циклом положительной обратной связи (четным) цикл, в котором имеется положительное произведение знаков всех входящих в него дуг. Циклом отрицательной обратной связи (нечетным) принято называть цикл, в котором имеется отрицательное произведение знаков всех входящих в него дуг.
Четный цикл является простейшей моделью структурной неустойчивости, так как любое начальное изменение параметра в любой его вершине приводит к неограниченному росту модуля параметров вершин цикла.
На рис. 3 представлен фрагмент вычислительного эксперимента по определению числа циклов и их знаков. О свойстве структурной устойчивости принято судить по соотношению четных и нечетных циклов
Рис. 1. Схема основных этапов имитационного когнитивного моделирования при разработке и принятии управленческих решений по воспроизводству
и накоплению капитала
Рис. 2. Когнитивная карта G0 «Воспроизводство и накопление капитала»
* 'I Анализ структуры и устойчивости | 1=1 ||
Собственные числа Циклы | Связность] Пути
Циклы: всего 56. С положительной обратной связью : 31
Цикл | Знак цик... | Показа
7->3->2->7 +
7->6->2->7 +
11->8->б->11 +
13->2->7->13 -
13->11->0->13 +
11->Е->6->2->11 +
7->4->3->2->7 + -
j I ггг
\_ -1 г
Рис. 3. Фрагмент вычислительного эксперимента по определению на когнитивной карте числа циклов и их знаков
когнитивной модели. Доказана теорема, смысл которой состоит в следующем: если в системе имеется нечетное число отрицательных циклов - система, отображенная данной моделью, структурно устойчива. По результатам вычислительного эксперимента (рис. 3) видим, что разность между общим числом циклов и числом циклов с положительной
обратной связью - нечетное: 56- 31= 25. Т.е. можно сделать вывод, что система структурно устойчива. Свойство структурной устойчивости свидетельствует о том, что небольшие топологические изменения структуры модели не повлияют заметно на ее динамические свойства.
Для проверки устойчивости системы к возмущениям, необходимо
-УО Экономический рост
------VI Конкурентоспособность экономики
---У2 Рыночное хоэяйстно
-ЧЪ Экономические субъекты
-УЭ Налоговая политика
......\МОГосударственные программы субсидиров;
---VII Кризис финансовой состоятельности
-VI3 Инвестиционная активность
0.00 7.50 7.00 6.50 6.00 5.50 5.00 4.50 4.00 3.50 3.00 2.50 2.00 1.50 1.00 0.50 0.00
..... -----
-----
/ 1
■ 1
..... _ _ _
/ - -
1
- ----- . -yt _ ---- ■ - ыЛ -л 1 1 —
4.00
3.50 3.00 2.50 2.00 1.50 1.00 0.50 0.00 -0.50 -1.00 -1.50 -2.00 -2.50 -3,00 -3,50 -4.00 -4.50 -5,00 -5,50 -6.00 -6.50 -7.00 -7.50 -8.00 -8.50 -9.00
г----
\
\
1
л
\
*
\
1
"\—
____1
-—;—i-1-f—
Рис. 4. Графики импульсных процессов, сценарий № 1
провести вычисление корней характеристического уравнения матрицы отношений когнитивной карты. Существует теорема [3] об устойчивости модели по возмущению и по начальному значению. Ее смысл в том, что если максимальное по модулю число больше 1, как в нашем случае: |М|=1,86>1, то система неустойчива ни по возмущению, ни по начальному значению. Это означает, что процессы в анализируемой системе не стабилизируются, не приходят в устойчивое состояние при внесении каких-либо возмущений в нее. Насколько это свойство полезно или нет для изучаемой системы, решение может принимать ЛПР. В данном случае это свойство можно считать полезным - система управляема.
Сценарный анализ. Импульсное моделирование. После проведенного исследования свойств когнитивной модели Сг0 можно приступить к сценарному анализу путем импульсного
моделирования по формуле (5) с помощью программной системы ПСКМ. Перед началом импульсного моделирования необходимо составить его план - протокол испытаний. С этой целью необходимо выделить вершины, в которые будем вносить модельные воздействия, закодированные как «+1» или «-1». Воздействия могут имитировать: управляющие действия, возмущающие, а также изменения в других базовых вершинах. Во время эксперимента возмущения можно вносить в одну, две, три и большее количество вершин. Следует заметить, что одновременное внесение возмущений в большое количество вершин часто существенно усложняют интерпретацию полученных результатов. Приведем пример импульсного моделирования в виде одного из сценариев.
Сценарий № 1. Пусть рыночное хозяйство активно развивается:
возмущающий импульс д2= + 1; вектор воздействий (¿-1=^= 0; д2= + 1; д3 = 0; ...;д13=0}.
На рис. 4 изображены графики импульсных процессов в 8-ми вершинах когнитивной карты С£0,
Как видно по рис. 4, внесенный в систему единичный импульс д2=+1 (развивающееся рыночное хозяйство) порождает положительные тенденции во всех вершинах: наблюдается экономический рост, повышается конкурентоспособность экономики, происходят положительные изменения у экономических субъектов. Также наблюдаются положительные тенденции по другим вершинам, в том числе снижение кризиса финансовой состоятельности экономических субъектов также является положительным фактом. Таким образом, если рыночное хозяйство будет развиваться, то в реальном секторе экономики может наблюдаться процесс устойчивого развития. Заметим, что в данном простом сценарии еще нет ответа, как развивать рыночное хозяйство, чтобы проявились желаемые тенденции. Но т.к. результат этого сценарного моделирования не противоречит «здравому смыслу», можно полагать, что разработанная когнитивная карта в этом смысле близка к ожидаемой действительности.
В процессе исследования было проведено импульсное моделирование при более сложных условиях при внесении возмущений в две, в три вершины.
Например: Сценарий М 6. Пусть система государственного финансового регулирования накопления -воспроизводства капитала стремится противодействовать растущему кризису финансовой состоятельности экономических субъектов: управляющий импульс q7 = +1, возмущающий импульс д = +1; вектор воздействий Я6={\= 0;...; д6 = 0; q = + 1; д8
= 0;...; д10= 0; ди= +1; д12= 0; q13= 0}.
Проведение эксперимента на имитационной модели необходимо, а зачастую единственно возможно и обосновано, особенно когда эксперимент на реальной системе или недопустим, или физически невозможен, требует много временных и финансовых ресурсов. Когнитивное моделирование сложных систем, обеспеченное соответствующим программным инструментарием, помимо того, что облегчает процесс понимания и описания сложной системы, дает возможность предвидеть возможные варианты (сценарии) будущего системы, что необходимо для разработки и обоснования управленческих решений экспертами и ЛПР разного уровня.
Примечания:
1. Плотинский Ю.М. Модели социальных процессов: учебное пособие для высших учебных заведений. Изд. 2-е, перераб. и доп. М.: Логос, 2001. 296 с.
2. Горелова Г.В., Захарова Е.Н., Радченко С.А. Исследование слабоструктурированных проблем социально-экономических систем: когнитивный подход. Ростов н/Д: Изд-во РГУ, 2006. 332 с.
3. Инновационное развитие социально-экономических систем на основе методологий предвидения и когнитивного моделирования / Под ред. Г.В. Гореловой, Н.Д. Панкратовой. Киев: Наукова думка, 2015. 464 с.
4. Zakharova E.N., Kerashev А.А., Gorelova G.V Prokhorova V.V. Ecological Innovations as a Tool to Provide the Regions's Sustainable Development // Mediterranean Journal of Social Sciences. Vol. 6. No. 5, September 2015. Rome, Italy 2015. Pp. 295-303.
5. Горелова Г.В. Когнитивный подход к имитационному моделированию сложных систем // Известия ЮФУ. Технические науки. № 3. Таганрог: изд-во ТИ ЮФУ. 2013. С. 239-250.
6. Человеческий фактор в управлении / Под ред. Н.А. Абрамовой, К.С. Гин-сберга, Д.А. Новикова. М.: КомКнига, 2006. 496 с.
7. Абрамова Н.А. Авдеева З.К. Когнитивный анализ и управление развитием ситуаций: проблемы методологии, теории и практики // Проблемы управления. 2008. № 3. С. 85-87.
8. Кульба В.В., Кононов Д.А., Ковалевский С.С., Косяченко С.А., Нижегородцев P.M., Чернов И.В. Сценарный анализ динамики поведения социально-экономических систем. М.: ИПУ РАН, 2002.122 с.
9. Максимов В.И. Когнитивные технологии — от незнания к пониманию // Сб. трудов 1-й Международной конференции «Когнитивный анализ и управление развитием ситуаций», (CASC'2001). М.: ИПУ РАН, 2001. Т. 1. С. 4-18.
10. Горелова Г.В., Масленникова А.В. Имитационное моделирование на основе когнитивной методологии и системной динамики, анализ системы «Юг России» // Научно-практ. конф. «Системный анализ в экономике»: материалы. М.: ЦЭМИ РАН, 2012. С. 33-45.
11. Горелова Г.В., Розин М.Д., Рябцев В.Н., Сущий С.Я. Когнитивные исследования проблем Юга России // Известия ЮФУ. Технические науки. 2011. № 3. С. 78-93.
12. Горелова Г.В., Жертовская Е.В., Якименко М.В. Использование когнитивного подхода к исследованию процесса регионального воспроизводства // Вестник Адыгейского государственного университета. Серия 5: Экономика. 2013. № 3 (127). С. 218-224.
13. Горелова Г.В., Мандель М.В. Имитационное моделирование как инструмент исследования регионального рынка труда // Вестник Адыгейского государственного университета. Серия 5: Экономика. 2012. № 4 (111). С. 230-240.
14. Gorelova G.V. Cognitive modeling as the instrument in course of knowledge of large system // International Journal "Information Theories and Applications". Bulgaria, Vol. 18. No. 2. 2011. Pp. 172-182.
15. Ginis L.A., Gorelova G.V., Kolodenkova A.E. Cognitive and simulation modeling of development of regional economy system // International Journal of Economics and Financial. 2016. Vol. 6. No. 5S. Pp. 97-103.
References:
1. Plotinsky Yu.M. Models of social processes: a textbook for higher educational institutions. M.: Logos, 2001. 296 p.
2. Gorelova G.V., Zakharova E.N., Radchenko S.A. Investigation of weakly structured problems of socio-economic systems: a cognitive approach. Rostov on/Don: Publishing house of the Russian State University, 2006. 332 c.
3. Innovative development of socio-economic systems based on the methodologies of foresight and cognitive modeling / Ed. G.V. Gorelova, N.D. Pankratova. Kiev: Naukova Dumka, 2015. 464 p.
4. Zakharova E.N., Kerashev A.A., Gorelova G.V. Prokhorova V.V. Ecological Innovations as a Tool to Provide the Regions of Sustainable Development. 6, No. September 5, 2015. Rome, Italy 2015. Pp. 295-303.
5. Gorelova G.V. Cognitive approach to simulation of complex systems // Izvestiya SFU. Technical sciences. No. 3. Taganrog, 2013. Pp. 239-250.
6. The human factor in management / Ed. O.N. Abramova, K.S. Ginsberg, D.A. Novikov. M., 2006. 496 p.
7. Abramova N.A. Avdeeva Z.K. Cognitive analysis and management of the development of situations: the problems of methodology, theory and practice // Problems of management. 2008. No. 3. Pp. 85-87.
8. Kulba V.V., Kononov D.A., Kovalevsky S.S., Kosyachenko S.A., Nizhegorodtsev R.M., Chernov I.V. Scenario analysis of the dynamics of the behavior of socio-economic systems. M.: IPP RAS, 2002. 122 с.
9. Maksimov V.I. Cognitive technologies - from ignorance to understanding // Cb. Works of the 1st International Conference "Cognitive Analysis and Management of Situation Development", (CASC'2001). M.: IPP RAS, 2001. Vol. 1. Pp. 4-18.
10. G.V. Gorelova, A.V. Maslennikova. Simulation modeling based on cognitive methodology and system dynamics, analysis of the "South of Russia" system // Scientific-practical. Conf. "System analysis in economics": materials. M/: CEMI RAS, 2012. Pp. 33-45.
11. Gorelova G.V., Rozin M.D., Ryabtsev V.N., Suzhy S.Ya. Cognitive studies of the problems of the South of Russia // Izvestia SFU. Technical science. 2011. No. 3. Pp. 78-93.
12. Gorelova G.V., Zhertovskaya E.V., Yakimenko M.V. The use of the cognitive approach to the study of the process of regional reproduction // Bulletin of the Adyghe State University. Series 5: The Economy. 2013. No. 3 (127). Pp. 218-224.
13. Gorelova G.V., Mandel M.V. Simulation modeling as a tool for studying the regional labor market // Bulletin of Adyghe State University. Series 5: The Economy. 2012. No. 4 (111). Pp. 230-240.
14. Gorelova G.V. Cognitive modeling as the instrument in the course of the knowledge of large system // International Journal "Information Theories and Applications", Bulgaria, Vol. 18, No. 2. 2011. Pp. 172-182.
15. Ginis L.A., Gorelova G.V., Kolodenkova A.E. Cognitive and simulation modeling of the development of the regional economy system // International Journal of Economics and Financial. 2016. Vol. 6. No. 5S. Pp. 97-103.
