CC BY
215Секция 2
СПЕЦИАЛЬНЫЕ МЕТОДЫ И МОДЕЛИ ТЕОРИИ СИСТЕМ И
СИСТЕМНОГО АНАЛИЗА
Председатель - Горелова Галина Викторовн,
д-р экон. наук, профессор СПбПУ, заслуженный работник высшей школы РФ, член МАН ВШ
Ученый секретарь - Широкова Светлана Владимировна
канд. техн. наук, доцент СПбПУ, член-корр. МАНВШ
УДК 330.1
doi:10.18720/SPBPU/2/id21-66
Горелова Галина Викторовна,
научный руководитель Института управления и экономики Южного Федерального университета, доктор технических наук, профессор
КОГНИТИВНОЕ МОДЕЛИРОВАНИЕ СЛОЖНЫХ СИСТЕМ: СОСТОЯНИЕ И ПЕРСПЕКТИВЫ
Россия, Таганрог, Институт управления в экономических, социальных и экологических системах Южного федерального университета, e-mail: gorelova-37@mail.ru
Аннотация. В работе рассмотрены особенности и возможности когнитивного моделирования сложных систем. Показаны истоки возникновения этого направления имитационного моделирования сложных систем, его состояние на настоящий момент и возможное развитие в будущем. Приведена информация о применении разработанной методологии когнитивного моделирования сложных систем и соответствующей программной системы для многих объектов. Когнитивная методология многоэтапна, состоит из моделей и методов построения разных типов когнитивных моделей, анализа их свойств, сценарного моделирования для предвидения возможного будущего развития системы Приведен пример когнитивного моделирования одного из вариантов регионального социально-экономического механизма. Рассмотрены перспективы дальнейшего развития когнитивного моделирования сложных систем.
Ключевые слова: сложные системы, когнитивное моделирование, имитация, свойства когнитивной модели, методы, развитие, применение, интеллектуальные системы.
Galina V.Gorelova,
Scientific Director of the Institute of Management in Economic, Social and Ecological Systems of the Southern Federal University, Doctor of Technical Sciences, Professor
COGNITIVE MODELING OF COMPLEX SYSTEMS, STATE
AND PROSPECTS
Russia, Taganrog, Institute of Management in Economic, Social and Ecological Systems of the Southern Federal University, e-mail: gorelova-37@mail.ru
Abstract. The paper discusses the features and capabilities of cognitive modeling of complex systems. The origins of this direction of imitation modeling of complex systems, its current state and possible development in the future are shown. Information is provided on the application of the developed methodology of cognitive modeling of complex systems and the corresponding software system for many objects. The cognitive methodology is multi-stage, it consists of models and methods for constructing different types of cognitive models, analyzing their properties, scenario modeling to anticipate the possible future development of the system. An example of cognitive modeling of one of the variants of the regional socio-economic mechanism is given. The prospects for the further development of cognitive modeling of complex systems are considered.
Keywords: complex systems, cognitive modeling, imitation, properties of a cognitive model, methods, development, application, intelligent systems.
Введение
Социальные, экономические, политические, экологические системы, социотехнические и т.п. системы относятся к классу сложных систем. Понимание таких систем, управление ими или адаптация к ним требуют серьезных научных исследований и организационных решений. Нежелательность или невозможность натурного эксперимента над такими системами требуют предварительного имитационного моделирования их структуры и поведения в целях недопущения необоснованных управленческих решений. Одним из направлений такого моделирования является когнитивное.
Когнитивное моделирование сложных систем, в том направлении и виде, в котором оно существует в настоящее время, начало развиваться с конца прошлого века на базе работ ИПУ РАН по названию «Когнитивный анализ и управление ситуациями» (Н.А. Абрамова, Авдеева З.К., Коврига С.В., Кулинич А.А., Кульба В.В., Кононов Д.А., Ковалевский С.С., Косяченко С.А., Кочкаров А.А., Кузнецов О.П., Максимов В.И., Макаренко Д.И. Новиков Д.А., Нижегородцев Р.М., Рабинович В.М.,
Райков А.Н., Салпагаров М.Б., Трахтенгерц Э.А., Чернов И.В. и др.) [1-4, 34-40], и далее трудами сотрудников Таганрогского радиотехнического университета (ныне подразделение ЮФУ) и других вузов и организаций по названию: «Когнитивное моделирование сложных систем» (Борисова Д.В., Горелова Г.В., Гинис Л.А., Джаримов Н.Х., Захарова Е.Н., Кацко И.А., Каурова О.В., Катаева Т.С., Колоденкова А.Е., Калиниченко А.И., Лесничая М.А., Матвеева Л.Г., Масленникова А.В., Макарова Е., Мельник Э.В., Никитаева А.Ю., Панкратова Н.Д., Розин М.Д., Рябцев В.Н., Ракитина М.С., Сущий С.Я. и др.) [5-30, 32, 33, 42-47, 55-63]. В настоящее время в Институте управления экономическими, социальными и экологическими системами ЮФУ возникла и существует научная школа под тем же названием «Когнитивное моделирование сложных систем». С начала 2000-х годов в этом направлении выполнено и выполняется большое количество научно-исследовательских и прикладных работ по грантам РФФИ, РГНФ, а также хоздоговорных и инициативных работ. Имеется большое количество публикаций: монографий (15) [5-10, 26, 32, 33, 46, 47], статей в российских и зарубежных журналах (более 100), выступлений на всероссийских и зарубежных конференциях с личным участием (ежегодно не менее 10-12). По итогам исследований различных сложных социально-экономических систем защищены с 2003 года докторские (9) и кандидатские диссертации (более 45). Результаты исследований применяются в соответствующих учебных курсах, издан ряд учебников, посвященных когнитивному моделированию или содержащих разделы по когнитивному моделированию сложных систем, например, [26, 41].
Среди проведенных и проводимых исследований сложных систем можно отметить следующие: региональные социально-экономические системы [5, 8, 16, 17, 26, 31, 32, 33, 46, 47] (ЮФО: Ростовская область, Краснодарский край, Адыгея, Дагестан, Карачаево-Черкессия, республика Калмыкия), Пермский край, Чусовской район; региональные социально-экономические подсистемы (межрегиональный экономический обмен, система образования, система здравоохранения, рынок труда, малый и средний бизнес, сфера туризма, промышленные предприятия, ме-таллоторговля, подземное градостроительство и др.) [5, 9, 16, 23, 24, 33, 45, 47, 55, 57, 59, 61, 62]. Исследовались процессы адаптации народов Юга России к трансформационным изменениям [18]. Исследовались и исследуются геополитические системы (зона Черноморье-Кавказ-Каспий, Юг России в системе сопредельных государств) [10, 19], экологические системы (водная экосистема азово-Черноморского региона, водное хозяйство) и др. природные системы [20].
Применение и развитие когнитивного моделирования сложных систем в большой степени обусловлено их особенностями и свойствами. Для сложных систем разного вида характерным является размер («большие системы»), сложное поведение, функционирование в условиях неопределенности разного рода, недостаточность информации и ее разнородность, подчиненность общим закономерностям существования и развития систем, что в совокупности порождает слабоструктурированность их проблем [1, 2, 39], а также необходимость учета как количественных, так и качественных факторов системы, учет влияния изменений внутренней и внешней среды сложной системы и др. В исследованиях сложных систем должны использоваться системный и междисциплинарный подходы. Когнитивные модели различной сложности (математически наиболее «простыми» являются когнитивные карты - это знаковый ориентированный граф, более сложными - векторные параметрические функциональные графы [36]) позволяют учитывать все эти особенности в процессе когнитивного моделирования.
Заметим, когнитивное моделирование сложных систем относится к классу имитационного моделирования, позволяет имитировать структуру (когнитивная модель) и поведение объекта (сценарии возможного развития).
Следует добавить, что представление математической модели сложной системы - модели так называемой многокомпонентной системы в виде ориентированного графа - использовалось с середины 20-го века. Особенностью модели многокомпонентной системы является то, что с помощью ориентированных графов удается объединить в ней различные социальные, экономические, экологические и др. показатели. Часть этих показателей может иметь статистическую базу, часть может оцениваться количественно, часть - качественно. Рассмотрение таких моделей с позиций теории познания (когнитивистики, когнитивных наук, начавших развиваться с 1950 годов) акцентирует внимание на возможности этих моделей не только использовать имеющиеся знания, но и порождать новые знания о сложной (многокомпонентной) системе, описывая и объясняя ее. Термин «когнитивная карта», как известно, был введен Э.Ч. Толменом, использованном далее в когнитивной психологии (Ульрик Найссер, Джером Брунер, Дж. Келли, Тони Бьюзен, Джорж Миллер, Р. Солсо и др.) и других когнитивных науках первоначально, чтобы описать и представить обстановку, которая сложилась в ходе жизненного опыта человека или животного.
В процессе развития моделей и методов когнитивного моделирования сложных систем, накопления опыта моделирования была разработана методология когнитивного исследования, включающая и соответст-
вующее программное обеспечение [28, 30, 42-44]. Теоретической и математической базой для этого послужили, в том числе, ранние работы [48-54, 64, 65], а также общая теория систем, системный анализ, теория графов, теория устойчивости, математическая статистика и др.
В настоящее время когнитивное моделирование сложных систем позиционируется как одна из составляющих когнитивных наук, а именно искусственный интеллект, интеллектуальные системы [21, 22], которое предназначено, в том числе, для применения в киберфизических системах [13] и относится к классу современных НБИК (Нано-Био-Информационно-Когнитивные) технологий.
1. О содержании когнитивного моделирования сложных систем.
Основное содержание когнитивного моделирования сложных систем в своем развитии неоднократно было представлено в авторских статьях и монографиях. В данной статье представим его на одном из конкретных примеров - когнитивном моделировании системы регионального социально-экономического механизма.
Когнитивное моделирование сложных систем в общем случае является многоэтапным циклическим процессом. Основные этапы: первый -разработка когнитивной модели на основании теоретических знаний, статистической и экспертной информации, практических исследований; второй - исследование свойств когнитивной модели (структуры, путей и циклов, устойчивости, чувствительности, сложности, связности и др.); третий этап - моделирование сценариев, как научное предвидение процессов возможного развития ситуаций в системе; четвертый - разработка и принятие необходимых управленческих и организационных решений, оценка их последствий.
В когнитивном моделировании сложных систем часто используются модели типа (1), (2), (3), (4).
Ю = (Ок, О,+1, Ек), к = 1, 2, ...т , (1)
где Ю - иерархическая когнитивная карта, в которой
О = , Е\; ,
у = {у}, (= 1,2,...п; Е = {ви},/,] = 1,2,..п (2)
где Ок - когнитивная карта к-уровня, У и Е соответственно множества вершин и дуг когнитивной карты. Дуги когнитивной карты отображают причинно-следственные связи системы.
В случае необходимости и возможности построения более сложной модели используется параметрический векторный функциональный граф
ФП = (в = V, Е), X(У), Р ,
(3)
в котором ХУ - параметры вершин, Р = / (X, х], е~
) = ^ - функцио-
нальная зависимость между вершинами У у-, которая может быть определена только весовым коэффициентом ®у.
Помимо четких моделей типа (1), (2), (3) в когнитивном моделировании могут быть использованы [52, 65] нечеткие когнитивные модели
Будем принимать во внимание тот факт, что когнитивная карта (модель) сложной системы, являясь плодом творческих поисков исследователя (эксперта) / группы исследователей (экспертов), отображает его / их структуру знаний в исследуемой предметной области на момент исследования, преломленных через их сознание и отражая их процесс познания мира сложной системы. Т. е. любая когнитивная модель в большей или меньшей степени субъективна, как бы ни хотелось избежать этой субъективности. Не будем в данном случае погружаться в серьезную философскую проблему объективного и субъективного, смиримся с неизбежностью этого факта для когнитивных моделей, впрочем, как и для других типов имитационных моделей сложных систем. Но чтобы в определенной степени убедиться в не противоречии модели реальной сложной системе, теоретическим и практическим представлениям о ней (термин «адекватность» в строгом смысле, с нашей точки зрения, не очень подходит к когнитивным моделям), в методологии когнитивного моделирования сложных систем предусмотрены инструменты анализа свойств модели, на основании которых можно модель принять, отклонить, корректировать или видоизменять в желаемом направлении.
2. Пример когнитивного моделирования.
Этап 1. Разработка когнитивной модели.
В основу когнитивной модели региональной социально-экономической системы (рис.1) была положена схема регионального экономического механизма академика Гранберга [31] и ряд моделей системной динамики [16, 17]. В ряде задач когнитивного моделирования региональных механизмов использовались варианты такой модели, адаптированные к определенным условиям региона.
Данная модель является иерархической функциональной когнитивной картой (1), в которой к верхнему уровню относятся вершины, выделенные на рис.1 рамкой, и как пример, обозначен ряд функциональных зависимостей на дугах (/2(3)2, /2(4)2, /2(5)2).
На рис.1 сплошными линиями обозначены положительные дуги (+1), т.е такие, когда положительные/ отрицательные изменения в вершине Уг приводят, соответственно, к положительным/ отрицательным изменениям в вершине у-; пунктирными линиями обозначены отрицательные дуги (-1), когда положительные / отрицательные изменения в вершине уг приводят, соответственно, к отрицательным / положительным изменениям в вершине У]. Таким образом, когнитивная карта О = <У Е> является ориентированным знаковым графом.
Рис.1. Когнитивная карта О «Региональный социально-экономический механизм»
Когнитивная карта построена с помощью программной системы СМББ [42], которая используется также в дальнейшем когнитивном моделировании.
Графу в когнитивной карты соответствует матрица смежности Яс , фрагмент которой изображен на рис. 2.
Матрица смежности
- За Вход
VI) VII VI У8 Ш ВД ЧЬ УЗ VI
¥0 VII VI ¥8 У12 У4 Уб УЗ VI ¥10 1 42 У9 | т
1.0 1.0 1.0 1.0 -10
1.0 1.0 1.0
1.0 1.0
1.0 -1.0 1.0
1.0 1.0 1.0 1.0
1.0 1.0 1.0 1.0
1.0 1.0
1.0 -1.0 1.0 1.0
Рис.2. Фрагмент матрицы смежности
Матрица Яс является основой последующих вычислительных экспериментов.
Этап 2. Анализ когнитивной карты.
2.1. Анализ вершин когнитивной карты в.
На рис.3 приведены результаты исследования степеней вершин графа в.\
Как видно из рис.3, наибольшей степенью обладают вершины У7. Производство (р = 11), У4.Зарплата (р = 11) и У6.ВРП (р = 10). Эти вершины имеют наибольше число входов и выходов (полустепени вершин), что может определять важность их для поведения системы в целом.
Вершин: 20. Дуг: 49, Вершина
УО. К.гнттно мигни
VII- Федснл^мце регулирующие ¿нцены V?« Проимодати
УЙ. МгНфГГИПИЛЛЬИЫЛ И ПИеШИПКОНПМИЧГСКНЙ обмен
^рплвг* У6. ВЯП (Цллиног илконлениг\ УЗ, Конечна ПОТре&КИМ VI. Нкемми VI0. ^С0Л01ЙЧ*(КЛЯ средл
У2-0(иОМнц? фпнДы
Цены
II 1
Макс: р = 11: VI. Прсниводство Вход [ч.дырэ): 0 Выход {заезда): 3
Р 6 3 11
3
6 И
10
3 6 5 1
Экспорт данных Закрыть
Рис.3 Исследование вершин графа О
2.2. Анализ циклов когнитивной карты, определение структурной устойчивости. Сложным системам присуща важная особенность - наличие в них контуров обратной связи, которые должны отображаться в когнитивных моделях. Выделение циклов (контуров) когнитивной карты и их анализ дает возможность, рассматривая и интерпретируя замкнутые причинно-следственные циклы, проверить не противоречит ли они и когнитивная модель в целом знаниям и представлениям о реальной системе, позволяет сделать заключение о структурной устойчивости или не устойчивости модели. Для этого определяются циклы положительной и отрицательной обратной связи и их количественное соотношение в модели. Циклы, которые усиливают тенденцию к отклонению от начального состояния, называют циклами положительной обратной связи (их признак - отсутствие или четное число отрицательных дуг). Циклы, которые подавляют тенденцию к отклонению от начального состояния, называют циклами отрицательной обратной связи (их признак - присутствие нечетного числа отрицательных дуг). Наличие в системе многих циклов , усиливающих отклонения, предполагает ее неустойчивость, но, в то же время, наличие многих циклов, противодействующих отклоне-
нию, также может приводить к неустойчивости, но другого вида - в форме колебаний с увеличивающейся амплитудой. Если колебания показателей затухают и система приходит в определенное состояние, то можно говорить об устойчивости системы. Следует различать устойчивость системы к возмущениям и по начальному значению, а также структурную устойчивость (теория устойчивости) [7, 33, 51].
Структурно устойчивой системой считается система, в которой наблюдается нечетное число отрицательных циклов [7, 33].
На рис.4, рис.5 представлены результаты анализа циклов когнитивной карты в.
Рис.4. Анализ циклов когнитивной карты в, выделение одного из 131 положительных циклов
Щ. Зарплата
VII, Федеральные регулирующие системы
ВРП (Валовое накопление)
1
-и
\
N
V
УШ, Экологическая среда
±
VI. Население
Циклы. Всего: 274. Отрицательных: 143. Положительных: 131,
■ [3.01 VII-> VII)VI->¥4->У6-> VII
■ [щ VII т->ч1-> ц ■> V] ■> У12 -> в -> Кб - > VII
гг П1 I и .1
_11£_' "
Рис.5. Анализ циклов когнитивной карты в, выделение одного из 143 отрицательных циклов
Когнитивная карта в является структурно устойчивой, поскольку среди ее 276 циклов имеется нечетное число (143) отрицательных циклов.
2.3. Анализ устойчивости к возмущениям. Для анализа устойчивости модели к возмущениям необходимо составить и решить характеристическое уравнение матрицы смежности Яс. На рис.6 приведены результаты такого расчета.
Рис.6. Расчет собственных чисел матрицы смежности ЯО.
Система не устойчива в возмущениям, согласно критерию [51,64] |М|<1, т.к. |М|=2,34 >1.
2.4. Симплициальный анализ связности системы. Само понятие «система» означает наличие некоторых элементов, находящихся в отношениях друг с другом, связанности их в определенную структуру, с исчезновением структурной связности система исчезает. В настоящее время математическое описание задачи анализа связности удачнее всего получается на языке теории графов и алгебраической топологии. Представление системы в виде графа позволяет изучать ситуации, когда 1-я компонента (элемент, подсистема) влияет на у'-ю и на другие компоненты по цепочкам связи. Можно учесть силу связности, сопоставив каждой дуге некоторое число - вес Юу.
В теории графов существуют методы исследования связности графа. В теории алгебраической топологии разработаны метод а- анализа (по имени его автора, А1кт Я. Н.,) ^-связности (цепочек связи) симплексов и построения симплициальных комплексов [49, 50, 51]. Приложение топологического анализа связности к исследованию социальных, биологических, экономическим и др. сложным системам показало свою эффективность.
Рис. 7 иллюстрирует результат симплициального анализа когнитивной карты О.
Рис.7. Симплициальный анализ q- связности когнитивной карты О
На рисунке выделен один из симплексов строк матрицы («входы» системы) смежности Яс - симплекс ст3(У2), размерностью р = 3 (тетраэдр), образованный вершиной У2 (Основные фонды). В данном случае вершина У2 есть «причина» того, что между собой оказываются связанными вершины У0 (Качество жизни), У4 (Зарплата), У6 (ВРП), У7 (Производство).
На рис. 7 выделен также один их симплексов столбцов Яс («выходы» системы) ст4У0), образованный вершиной У0 (Качество жизни). Эта вершина есть причина того, что вершины У1 (Население), У2 (Основные фонды), У3 (Конечное потребление), У4 (зарплата), У5 (Цены) оказываются связанными, образуют блок (симплекс).
Цепочки ^-связности образуют симплициальные комплексы ))х и )у по входам и выходам системы соответственно (см. рис.7).
Этап 3. Моделирование сценариев.
Объект моделирования - сложную систему - можно рассматривать как совокупность взаимодействующих между собой динамических процессов, протекающих в реальном времени. В импульсных процессах, моделирующих процессы развития ситуаций на когнитивной модели также должно присутствовать время, но при моделировании разными типами графов это время может не иметь смысла времени, а отражать только последовательность изменений состояний [35, 51]. Это имеет место для знаковых орграфов (когнитивной карты) и знаковых взвешенных орграфов. Поэтому в дальнейшем результаты моделирования процессов будут представлены по тактам (шагам) моделирования. Моделирование на функциональных графах - формула (3) может быть выражено во времени.
Импульсному моделированию должна присутствовать разработка плана эксперимента, определяющего в какие вершины или их совокупность будут вноситься инициирующие начало процессов воздействия (импульсы). Программная система СМББ позволяет вносить возмущения в одну, две и более вершин одновременно или на определенных тактах моделирования.
Приведем результаты моделирования по двум сценариям.
Сценарий №1. Предположим, что в системе начинает развиваться производство, импульс q7 =+1 вносится в вершину У7; вектор возмущений )=^1=0; ... q7 =+1;... q15 =0}.
Результаты импульсного моделирования представлены в табл. 1 и на рис.8 и рис.9.
Таблица 1
Импульсные процессы, Сценарий №1 на О
По данным таблицы 1 построены графики импульсных процессов и гистограмма численных значений импульсов на 6 шаге моделирования в обозначенных на рис. 8 вершинах.
По данным табл. 1 и рис. 8 видны тенденции развития процессов в системе в заданных сценарием условиях. Тенденции развития можно считать положительными: значения показателей во всех вершинах растут, цены - падают.
Рис.8. Графики импульсных процессов на когнитивной карте в,
Сценарий №1
Сценарий №2. Предположим, что в системе производство падает, инфляция растет, население уменьшается, всему тому пытаются противодействовать Федеральные органы: в вершину У7 вносится импульс q7 = -1; в вершину У1 вносится импульс q1 = -1; в вершину У9 вносится импульс q9 = +1; в вершину У11 вносится импульс q11 =+1; вектор возмущений ) =^1= -1; ... q7 = -1;. q9 = +1;. q11 = +1; ... q15 = 0}.
Результаты импульсного моделирования представлены в табл. 2 и на рис. 9, рис. 10.
Таблица 2
Импульсные процессы, Сценарий №2 на G
Шаг Вершина У 1.0 2,0 3,0 4.0 5,0 У 7.0 8.0 У 10,0 1L0 12.0 13,0 140 15.0
V0. Качество жизни У У ■LO ■LO 0.0 3,0 ■1,0 20,0 1У 95.0 87.0 497.0 595.0 2553.0 3745.0 13292,0
VII, Федеральные регулирующие системы 0.0 1.0 1,0 1,0 2.0 2,0 11,0 11,0 62,0 32.0 32«,0 511.0 1724.0 3017.0 9149,0 17398,0
V7. Производство 0.0 ■L0 0,0 ■2.0 4.0 ■2.0 21,0 ■1,0 910 25.0 451,0 267.0 2179,0 1997.0 1№340 13146,0
V9, Межрегиональный и внешнеэкономический обмен У 0.0 ■LO 0,0 ■2.0 4,0 ■2.0 21,0 ■1,0 97.0 25,0 451.0 267.0 2179.0 1997,0 10834,0
V12. Занятость У 0.0 ■LO 0,0 ■2.0 4,0 ■2.0 2L0 ■1,0 97.0 25,0 451.0 267.0 2179.0 1997,0 108340
V4, Зарплата 0.0 0.0 1,0 2,0 1.0 3,0 ■3,0 ■1.0 ■33.0 ■5У ■ra ■354,(1 ■1(155,0 ■2(176,0 ■5641.0 ■11738,0
VtWIl [Валовое накопление) У 0.0 ■LO 1,0 ■LO У ■1,0 51,0 1У 244.0 1840 1213.0 1292,0 6131.0 8249.0 31551,0
V3, Конечное потребление У 0.0 0,0 ■2.0 4.0 ■40 22.0 3.0 110.0 540 543,0 453.0 2687,0 3091.0 13650,(1 19310,0
VI, Население У ■LO ■LO 0,0 ■2.0 0,0 0,0 13,0 8.0 31,0 9У 420,0 59«,0 2220.0 3610,0 11700,0
VID, Экологическая среда 0,0 0.0 1,0 0,0 2.0 LO 11,0 10,0 62,0 31,0 32«,0 510,0 1724.0 3016.0 sito 17397,0
V2. Основные фонды У 0.0 0,0 0,0 0.0 0,0 0,0 0.0 0,0 0,0 У 0,0 0,0 0,0 0,0 0.0
V5. Цены У 0.0 1,0 0,0 0.0 0,0 ■1,0 ■1,0 ■10.0 ■IM -61.1) -81.0 ■m ■40.0 ■1723.0 ■3016.0
V9. Инфляция У 1.0 0,0 0,0 0.0 ■11) ■10 ■1(10 ■100 ■filo -810 ■3751) -510(1 ■17730 Ш ■41470
V2(3|, Инвестиции в ОФ 0,0 0.0 0,0 0,0 0.0 0,0 0,0 0.0 0,0 0,0 У 0,0 0,0 0,0 0,0 0.0
1ВД. Уровень цен на строит, ОФ У 0.0 0,0 0,0 0.0 0,0 0,0 0.0 0,0 0,0 У 0,0 0,0 0,0 0,0 0.0
Ш Выбытие ОФ У 0.0 0,0 0,0 0.0 0,0 0,0 0.0 0,0 0,0 У 0,0 0,0 0,0 0,0 0.0
V4(2|, Норма зарплаты У 0.0 1,0 1,0 1.0 2,0 2,0 11,0 11.0 62.0 82,0 326.0 511.0 1724.0 3017,0 91t0
V13. Миграция 0,0 0.0 0,0 ■LO ■LO 0,0 3,0 ■1,0 2У 1У 95.0 87.0 497.0 595.0 2553,0 3745.0
V14. Спрос на рабочую силу У 0.0 0,0 ■LO ■2.0 ■1,0 ■3.0 3.0 7.0 33.0 58,0 197.0 3510 1055,0 2076,0 5691,0
VIS, Предложение рабочей сллы У 0.0 0,0 1,0 2.0 LO 3,0 ■30 ■70 ■330 m ■147(1 ■Ш ■111550 ■7(17« 0 ■5641 0
Рис.9. Графики импульсных процессов на когнитивной карте О, 6 шагов моделирования, Сценарий №2
Как видно по результатам моделирования Сценария №2, в начале процессов наблюдается колебательный процесс (рис. 9), но далее тенденции развития ситуаций улучшаются, показатели растут (рис. 10). Т.е. усилия федеральных органов могут начать противодействовать возникшим негативным тенденциям в системе из-за падения производства, роста инфляции и уменьшения населения.
Рис.10. Графики импульсных процессов на когнитивной карте О, 15 шагов моделирования, Сценарий №2
Продолжением исследования регионального социально-экономического механизма может стать развертывание и уточнение вершин верхнего уровня когнитивной карты на нижних уровнях, переход к функциональным параметрическим графам и др.
Заключение
Когнитивное моделирование, если речь идёт о моделировании социальных, экономических, экологических, политических, социотехниче-ских систем, отличается по смыслу и действиям от когнитивного моделирования, используемого в когнитивной психологии, лингвистике и др.
Следует добавить, что при когнитивном моделировании названных систем непростым объектом исследования служит «объект-субъект», как извлекаемая из разных источников разнообразная информация о сложной системе во «взаимодействии» её с исследователем (наблюдателем, экспертом, ЛПР). Причем, не только в когнитивном процессе восприятия, познания и понимания объекта «сложная система», т.е. в феномене знания, но и в связанном с ним получением, хранением, обработкой и репрезентацией знаний, как в сознании исследователя, так и в компьютерной системе в виде когнитивной модели, методов анализа различных её свойств и правил принятия решений.
Одним из предназначений использования когнитивной методологии может быть разработка систем искусственного интеллекта, интеллектуальных систем поддержки принятия решений, интеллектуальных систем управления [21, 22]. Когнитивная методология исследования сложных систем, являющаяся для эксперта инструментом исследования и поддержки принятия решений, предназначенная для интеллектуальных систем поддержки принятия решений по управлению социально-экономическими системами, по совокупности системных признаков прямых аналогов не имеет. В мировой практике инструментарий когнитивных карт (mind mapping, concept mapping, cognitive mapping) широко используется в геоинформационных технологиях исследования интеллекта (точнее, для репрезентации и визуализации идей-концепций-концептов), но для целей комплексного исследования социально-экономических, экологических, политических систем практически не используется.
Разработанная методология когнитивного моделирования, включающая модели и методы последовательного решения взаимообусловленных системных задач (идентификации объекта в виде когнитивных моделей, исследования путей и циклов когнитивной модели, исследование структурной устойчивости и устойчивости к возмущающим и управляющим воздействиям, управляемости системы, а также сложности, q -связности, обоснования принимаемых решений, исследования чувствительности), отличается от близкого по назначению когнитивного анализа и управления ситуациями (соответствующие программные системы «Канва», «Ситуация», «КОМПАС», «Курс»), развиваемого в ИПУ РАН, совокупностью вышеобозначенных задач и соответствующим программным обеспечением.
Дальнейшее развитие методологии и инструментария когнитивного моделирования сложных систем видится в направлении разработки моделей типа функциональных и нечетких графов, увеличения методов исследования свойств когнитивных моделей, совершенствования про-
граммных систем, разработки интеллектуальных систем, база знаний которых включает когнитивное моделирование, расширения сфер приложения.
Результаты работы могут быть рекомендованы к использованию как инструмент поддержки принятия решений:
- аналитическим центрам, готовящим заключения о состоянии сложной системы, дающим прогнозы ее развития, разрабатывающим программы и стратегии развития регионов,
- отдельным исследователям или группам исследователей сложных систем,
- при выполнении исследований в рамках различных целевых программ,
- в учебном процессе при подготовке специалистов высшей квалификации в области менеджмента и исследования социально-экономических, политических явлений и процессов,
- органам власти различного уровня.
Список литературы
1. Авдеева З.К., Коврига С.В., Макаренко Д.И. Когнитивное моделирование для решения задач управления слабоструктурированными системами / Труды 6-ой Межд. конференции "Когнитивный анализ и управление развитием ситуаций". М.: ИПУ РАН, 2006. с. 41-54.
2. Абрамова Н.А., Новиков Д.А. Развитие представлений о человеческих факторах в науке управления. Предисловие / Человеческий фактор в науке управления. Сборник статей под ред. Н.А. Абрамовой, К.С. Гинсберга, Д.А. Новикова. - М.: КомКнига, 2006. - С. 5-51.
3. Авдеева З.К., Коврига С.В., Макаренко Д.И., Максимов В.И. Когнитивный подход в управлении // Проблемы управления. № 3. 2007. С. 2-8.
4. Абрамова Н.А., Авдеева З.К. Когнитивный анализ и управление развитием ситуаций: проблемы методологии, теории и практики // Проблемы управления. М.: -ИПУ РАН, 2008. № 3. С. 85-87.
5. Горелова Г.В., Джаримов Н,Х. Региональная система образования. Методология комплексных исследований. - Краснодар: Изд. ГУП «Печатный двор Кубани», 2002. - 360 с.
6. Горелова Г.В., Захарова Е.Н., Гинис Л.А. Когнитивный анализ и моделирование устойчивого развития социально-экономических систем. - Ростов н/Дону: Изд. РГУ, 2005. - 288 с.
7. 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.
8. Горелова Г.В., Матвеева Л.Г., Никитаева А.Ю. Системный подход и инстру-ментарное обеспечение управления в территориально-локализованных экономических системах мезоуровня. - Ростов н/Д: Изд-во ЮФУ, 2007. - 160 с.
9. Горелова Г.В., Кацко С.А. Формализация проблем управления системой образования в контексте формирования человеческого капитала: монография /Под ред. Г.В. Гореловой. - Краснодар, 2011. - 172 с.
10. Горелова Г.В., Рябцев В.Н. Моделирование архитектуры и динамики геополитических регионов современного мира: когнитивный подход (Зона Черноморье-Кавказ-Каспий). - Ростов-на-Дону, 2014. - 573 с.
11. Горелова Г.В. Когнитивный подход к имитационному моделированию сложных систем // Известия ЮФУ. Технические науки.№3 - Таганрог: изд-во ТИ ЮФУ, 2013. - С.239-250.
12. Горелова Г.В. Модели принятия решений при проектировании и управления объектами в условиях вероятностной неопределенности / Известия ЮФУ. Технические науки. 2019. №1. С. 177-188.
13. Горелова Г.В. О Когнитивной информационной технологии для исследования социо-киберфизических систем // Тр. 5-й Междун. межвуз. научн.-практ. конф. «Технологическая перспектива враках евразийского пространства: новые рынки и точки экономического роста». СПб., 2019.
14. Горелова Г.В., Мельник Э.В., Радченко С.А. Анализ взаимодействия сложных систем на имитационных динамичных когнитивных моделях // Тр. Международной научно-практической мультиконференции (ИКТМ-2007). С. 17-22.
15. Горелова Г.В., Калиниченко А.И. Инструментарий когнитивного моделирования сложных систем // Сб. научн. трудов XXII Междун. научно-практ. конф. SAEC-2018; 2018, ч. 1. СПб., 2018. - С. 399-413.
16. Горелова Г.В., Масленникова А.В. Проектирование стратегий развития социально-экономических систем на основе композиции когнитивного моделирования и системной // Междун. научно-техн. конф. «Системный анализ и информационные технологии: материалы» (SAIT 2013): сб. трудов.- Киев: УНК ««ИПСА» НТУУ КПИ», 2011. - С.20-21.
17. Горелова Г.В., Масленникова А.В. Проблемы развития юга России: результаты моделирования // 5-я Рос. мультиконф. по проблемам управления, конф. «Управление в технических, эргатических и сетевых системах» (УТЭОСС-2012): сб. трудов. - СПб.: Изд-во СПбГПУ, 2012. - С. 1152-1155.
18. Горелова Г.В., Розин М.Д., Рябцев В.Н., С.Я. Сущий. Когнитивные исследования проблем Юга России // Известия ЮФУ. Технические науки. Тематический выпуск «Перспективные системы и задачи управления».- Таганрог: Изд. ТТИ ЮФУ, 2011, №3. - С.78-93.
19. Горелова Г.В., Рябцев В.Н. Когнитивный подход к исследованию геополитических процессов в мировых регионах и когнитивное моделирование их развития (на примере Черноморско-Каспийского региона) // Инженерный Вестник Дона, 2012. Т.23. №4-2 [электронный ресурс].
20. Горелова Г.В., Васьков И.М. О возможности применения когнитивного моделирования к исследованию опасных экзогенных процессов. // Труды ХХ Междунар. конф. «Проблемы управления безопасностью сложных систем». / Под ред. Н.И.Архиповой, В.В.Кульбы. - М.: Изд-во РГГУ, 2012. - 471 с. - С. 240-244.
21. Горелова Г.В., Мельник Э.В., Коровин Я.С.. Когнитивный анализ, синтез, прогнозирование развития больших систем в интеллектуальных РИУС // Научно-теоретический журнал НАН Украины «Искусственный интеллект». - Донецк: ИПШИ МЩН НАН У «Наука i осв1та», 2010. - №3'2010. - C. 61-72.
22. Горелова Г.В., Э.В.Мельник. О когнитивном моделировании развития ситуаций в регионе в условиях быстрых изменений среды и противодействия // Известия ЮФУ, Технические науки. - Таганрог: Изд-во ТТИ ЮФУ, 2011. - С.52- 65.
23. Горелова Г.В., А.И. Хлебникова. Когнитивное моделирование для интеллектуальной системы поддержки принятия решений управления транзитной торговлей. // Научно-теоретический журнал НАН Украины «Искусственный интеллект». - Донецк: ИПШИ МЩН НАН У «Наука 1 освгга», 2010. - № 3*2010. -С.473-482.
24. Горелова Г.В., Макарова Е.Л.. Когнитивная модель управления процессом формирования компетенций специалистов в высшей школе // Труды конгресса по интеллектуальным системам и информационным технологиям «АК-ГТЮ». Научное издание в 4-х томах. - М.: Физматлит, 2010. - Т. 2. - 494 с. - С.251-256.
25. Горелова Г.В., Горелова И.С., Захарова Е.Н. Теоретико-игровое моделирование взаимодействия сложных систем, представляемых иерархическими когнитивными картами // Вестник Адыгейского государственного университета. Серия «Экономика». Вып. 1. Майкоп: Изд-во АГУ, 2013.- С. 114-123.
26. Горелова Г.В.. Захарова Е.Н.. Когнитивный анализ и моделирование социальн-экономических систем: учеб. пособие. - Майкоп: Изд. МГУ, 2009. - 198 с.
27. Горелова Г.В., Лябах Н.Н. Когнитивный анализ: проблемы применения и развития // Новые технологии. 2016. - Вып. 4. - С. 16-21.
28. Горелова Г.В., Калиниченко А.И. Моделирование конкуренции с помощью программной системы когнитивного моделирования // Вестник АГУ. 2018. - Вып. 2(220). - С. 113-126.
29. Горелова Г.В. Информационные когнитивные технологии - методологическая основа исследования социально-экономических систем // Научная мысль Кавказа. Междисциплинарные и специиальные исследования. 2008. - С. 179-186.
30. Горелова Г.В. Инструментарий исследований социально-экономических систем на основе имитационного когнитивного моделирования // Международн. на-учно-практ. конф. «Проблемы обеспечения экономической безопасности и качественной социохозяйственной динамики: экономико-правовые аспекты», ОАЭ, Дубаи, 01-07.02.2013: сб. материалов / Под. ред. О.Н.Иншакова, Г.Б.Клейнера,
B.В.Сорокожердьева. - Краснодар, 2013. - С.10 - 114.
31. Гранберг А.Г. Основы региональной экономики: учебник для вузов. / Гос. ун-т - Высшая школа экономики. 5-е изд. стер. М.: Изд. дом ГУ ВШЭ, 2006. 495 с.
32. Исаев С.Н., Тихомирова Н.В., Горелова Г.В., Масленникова А.В., Хлебникова
C. А. Разработка стратегий социально-экономического развития муниципальных образований. М.: Евразийский открытый институт, 2015. - 176 с.
33. Инновационное развитие социально-экономических систем на основе методологий предвидения и когнитивного моделирования / под ред. Г.В. Гореловой, Н.Д. Панкратовой. К.: Наукова думка, 2015. - 464 с.
34. Кулинич А.А., Максимов В.И. Система концептуального моделирования социально-политических ситуаций ПК «КОМПАС». Сборник докладов: Современные технологии управления. Москва. ИПУ. 21-22 мая 1998 г.
35. Кульба В.В., Кононов Д.А., Ковалевский С.С., Косяченко С.А., Нижегородцев Р.М., Чернов И.В. Сценарный анализ динамики поведения социально-экономических систем. (Научное издание). - М.: ИПУ РАН, 2002. - 122 с.
36. Кульба В.В. Назаретов В.М., Чухров И.П. Модифицированные функциональные графы как аппарат моделирования сложных динамических систем / Препринт. -М,: Институт проблем управления РАН, 1995;
37. Кочкаров А.А. Когнитивное моделирование региональных социально-экономических систем. / А.А. Кочкаров, М.Б. Салпагаров // В тр. 16-й Междун. на-учно-практ.конф. Управление в больших сисемах, УБС-16. -М.: ИПУ РАН, 2007. - С. 137-145.
38. Кузнецов О.П. Когнитивное моделирование слабо структурированных ситуаций Электронный вариант статьи:
http://post.raai.org/data/post2005/Kuznetsov/kuznetsov.html.
39. Максимов В.И. Когнитивные технологии - от незнания к пониманию / Сб. трудов 1-й Международной конференции «Когнитивный анализ и управление развитием ситуаций», (САБС'2001) - М.: ИПУ РАН, 2001. - Т. 1, С. 4-18.
40. Максимов В.И., Райков А.Н. Коллективные когнитивные карты в системах принятия решений // Междунар. симпозиум «Рефлексивное управление»: тез. докл. -М.: Институт психологии РАН, 2000. - С. 86-88.
41. Моделирование систем и процессов: учебник для академического бакалавриата / В.Н .Волкова, Г.В. Горелова, В.Н. Козлов и др. Под ред. В.Н. Волковой,
B.Н. Козлова. - М.: Изд-во Юрайт, 2014. - 592 с. - Серия: Бакалавр. Академический курс.
42. Программа для когнитивного моделирования и анализа социально-экономических систем регионального уровня (Горелова Г.В.,Калиниченко А.И., Кузьминов А.). Свидетельство о государственной регистрации программ для ЭВМ № 2018661506 от 07.09.2018.
43. Программная система когнитивного моделирования в условиях нечеткой информации (Горелова Г.В., Колоденкова А.Е., Халикова Е.А.) / Свидетельство о государственной регистрации программы для ЭВМ № 2015617388. Заявка № 2015614585, дата поступления 25 мая 2015 г. Зарегистрировано в Реестре программ для ЭВМ 09 июля 2015 г.
44. Программный модуль преобразования данных мониторинга природных явлений в прибрежных зонах в формат когнитивной имитационной модели экосистемы / Горелова Г.В., Калиниченко А.И,, Мельник Э.В. Свидетельство о государственной регистрации программы для ЭВМ № 2020661943 от 05.10.2020.
45. Саак А.А., Горелова Г.В., Каурова О.В.. Имитационное когнитивное моделирование молодежного рынка труда / фундаментальные и прикладные исследования кооперативного сектора экономики, Научно-теоретический журнал №3, 2020. -
C.164-176.
46. Якименко М.В., Жертовская Е.В., Горелова Г.В., Ткаченко Ю.Г.. Развадовская Ю.В. Пространственно-временная трансформация воспроизводственного процесса региона: когнитивный подход. - Таганрог: Из-дво ЮФУ, 2013. - 212 с.
47. Axelrod R. The Structure of Decision: Cognitive Maps of Political Elites. -Princeton. University Press, 1976.
48. Atkin R.H., Combinatorial Connectivies in Social Systems. An Application of Sim-plicial Complex Structures to the Study of Large Organisations, Interdisciplinary Systems Research, 1997.
49. Atkin R.H., Casti J., Polyhedral Dynamics and the Geometry of Systems, RR-77-International Institute for Applied Systems Analysis, Laxenburg, Austria, March, 1977
50. Casti, J. Connectivity, complexity and catastrophe in large-scale systems // Chichester-New York-Brisbane-Toronto. 1979. 216 p.
51. Kosko, Bart. Fuzzy thinking / Hyperion, 1993. 5. Kosko, Bart. Neural Networks and Fuzzy Systems / Englewood Cliffs, NJ: Prentice-Hall, 1991.
52. Eden C. Cognitive mapping // European Journal of Operational Research. 1998. №36. pp. 1- 13.
53. Langley P. Cognitive architectures: Research issues and challenges // Cognitive Systems Research. 2009. Vol.10. No. 2, рр. 141-160.
54. D.V. Borisova, G.V.Gorelova, N.D.Pankratova. Problems of interregional integration, cognitive modeling. 19th IFAC Conference on Technology, Culture and International Stability TECIS 2019 Sozopol, Bulgaria, 26-28 September 2019. - PP. 168-173.
55. Ginis, L.A., Gorelova, GV., Kolodenkova, A.E. (2016), Cognitive and simulation modeling of development of regional economy system. International Journal of Economics and Financial Issues. Vol. 6, No 5S. - PP. 97-103.
56. Eden C. Cognitive mapping // European Journal of Operational Research. -1 998. - № 36. - PP.1-13.
57. Gorelova G.V., Lyakhovetsky A.M., Zhminko A.E. Aspects of market cognitive modeling KYBERNETIC^ № 9. - Verlag, Hannover, 2013. - P. 26-35.
58. Galina V.Gorelova, Nataliya D. Pankratova Possibility of simulation modeling to identify the impact of a pandemic on the education // XXVI Мiжнародна конференщя з автоматичного управлшня «Автоматика-2020», Украша, Кшв,13- 15 жовтня 2020 р.
59. Gorelova G.V. Aspects of market cognitive modeling / G.V.Gorelova, A.M. Lyakhovetsky, A.E. Zhminko // KYBERNETIC@,№9. - Verlag, Hannover, 2013. - P. 26-35.
60. N.D. Pankratova, G.V.Gorelova, V.A.Pankratov Strategy for Simulation Complex Hierarchical Systems Based on the Methodologies of Foresight and Cognitive Modelling // Advanced Control Systems: Theory and Applications. River Publishers Series in Automation, Control and Robotics. Chapter 9. 2021. - P. 257-288.
61. Nataliya D. Pankratova, Galina V. Gorelova, Vladimir A. Pankratov Strategy of underground construction planning based on cognitive modelling methodology // International Journal "Information Theories and Applications", - Vol. 1, Number 1, - ©. 2021.
62. N.D. Pankratova, G.V.Gorelova, V.A.Pankratov Study of the Plot Suitability for Underground Construction: Cognitive Modellin // Advances in Intelligent Systems and Computing, 2021, 1246 AISC. - P. 246-264.
63. Violetta Volkova, Galina Gorelova, Nataliya Pankratova. The development of the cyberphysical system concept on base of the interdisciplinary theories // Proceedings of IEEE Second International Conference on System Analysis & Intelligent Computing conference (SAIC) 05-09 October, 2020. - Kyiv, Ukraine. - P. 20-25.
64. Roberts Fred S. Discrete Mathematical Models with Applications to Social, Biological, and Environmental Problems // Englewood Cliffs N.J.: Prentice-Hall.1976. -559 p.
65. Zadeh, Lotfi. Outline of a New Approach to the Analysis of Complex Systems and Decision Processes / IEEE Transactions on Systems, Man, and Cybernetics, SMC-3(1), January 1973, pp. 28-44.
