CC BY
43
КОГНИТИВНАЯ ЭКОНОМИКА COGNITIVE ECONOMY
УДК 338.516.4 ББК 65.011.33 Г 68
Г.В. Горелова,
доктор технических наук, профессор, научный руководитель Института управления в экономических, экологических и социальных системах Инженерно-технологической академии Южного федерального университета, г. Таганрог. Тел.: +7 (928) 168-44-58, e-mail: [email protected]
А.И. Калиниченко,
аспирант Института управления в экономических, экологических и социальных системах Инженерно-технологической академии Южного федерального университета, г. Таганрог. Тел.: +7 (918) 573-76-46, e-mail: alecsy.k@ gmail.com
МОДЕЛИРОВАНИЕ КОНКУРЕНЦИИ С ПОМОЩЬЮ ПРОГРАММНОЙ СИСТЕМЫ КОГНИТИВНОГО МОДЕЛИРОВАНИЯ
(Рецензирована)
Аннотация. Рентабельность решений менеджмента компании во многом зависит от их аргументированности и актуальности, что особенно важно в условиях жесткой конкуренции организаций, как на международном, так и на локальном рынках. В статье предложено применить когнитивный подход и разработанный инструментарий когнитивного моделирования сложных систем CMSS к моделированию конкуренции. С помощью этого инструментария можно имитировать поведение и состояние взаимодействующих сложных систем, предусмотреть возможное развитие ситуаций в конкурентной борьбе. Это позволяет заранее разработать, анализировать и обосновать управленческие решения для уменьшения или устранения рисков конкуренции. Описаны основные возможности CMSS: поддержка решений при разработке когнитивной модели, анализ структурных свойств, устойчивости и возможных сценариев развития изучаемой системы. Применение CMSS проиллюстрировано примером разработки когнитивной иерархической модели взаимодействия трех компаний: двух конкурентов и партнера. Показаны разные способы визуализации когнитивной модели. Построены диаграммы импульсных процессов, отражающих возможные сценарии развития системы.
Ключевые слова: сложная система, конкуренция, имитация, когнитивное моделирование, поддержка принятия решений.
G.V. Gorelova,
Doctor of Technical Sciences, Professor, Scientific Director of the Institute of Management in Economic, Ecological and Social Systems, Engineering and Technological Academy, Southern Federal University, Taganrog. Ph.: +7 (928) 168-44-58, e-mail: [email protected]
A.I. Kalinichenko,
Post-Graduate Student of the Institute of Management in Economic, Ecological and Social Systems, Engineering and Technological Academy of the Southern Federal University, Taganrog. Ph.: + 7 (918) 573-76-46, e-mail: [email protected]
COMPETITION MODELING USING COGNITIVE MODELING SOFTWARE SYSTEM
Abstract. Decisions profitability of the company's management usually depends on their reasons and relevance, which is especially important in the conditions of tough competition on the international and local markets. The article proposes to use the cognitive approach and the developed software for cognitive modeling of complex systems - CMSS to competition modeling. This software is used to simulate the behavior and states of interacting complex systems, to envisage possible evolution of situations in a competitive struggle. This allows to develop, analyze and justify management decisions in advance to reduce or eliminate the risks of competition. The main features of CMSS are described: support for solutions in the development of the cognitive model, analysis of structural properties, stability and possible scenarios of system evolution. The example of cognitive hierarchical interaction model evolution between three companies (two competitors and a partner) is illustratation of CMSS using. The diagrams of impulse processes reflecting possible scenarios of the system development are shown.
Key words: complex system, competition, imitation, cognitive modeling, decision support.
В одном из ранних определений стратегического управления Штай-нер (1969) [1] обозначил его как научную дисциплину, которая помогает топ-менеджерам компаний, фирм и др. организаций определять миссию и видение стратегического управления, разрабатывать стратегию, осуществлять ее реализацию, контроль и оценку. Стратегическое управление строится на элементах стратегического взаимодействия, когда результаты действий отдельного агента зависят от действий одного или нескольких других агентов, которые должны действовать в условиях внутренней и внешней конкуренции. Помимо конкуренции между фирмами наблюдается также конкуренция и среди поставщиков, и среди клиентов фирм. Поэтому правильная оценка потенциала той или иной стратегии обеспечения устойчивого конкурентного преимущества на рынке должна быть основана на глубоком понимании конкурентных взаимодействий, на способности топ-менеджеров анализировать и прогнозировать результаты применяемой стратегии. Цели
и средства каждой из конкурирующих сторон определяются стремлением отстоять как можно больше своих интересов, не дать партнеру возможности реализовать только свои интересы. Успех реализации стратегии фирмы зависит, в первую очередь, от принятия обоснованных управленческих решений. В данной работе обоснование управленческих решений предлагается строить по результатам имитационного моделирования возможного поведения агентов, поскольку проведение предварительного эксперимента с реальной системой для обоснования будущих решений нерационально, опасно, невозможно. Как известно, к современному имитационному моделированию, помимо традиционного статистического моделирования, относят: графические диаграммы прямых и обратных причинно-следственных связей (модели системной динамики), потоковые диаграммы, дискретно-событийное моделирование, ситуационное моделирование, агентное моделирование. Последние десятилетия развивается когнитивное моделирование
социально-экономических, экологических, геополитических, социотех-нических и других больших систем: когнитивный анализ и управление ситуациями, ИПУ РАН, г. Москва [2-5], когнитивное моделирование сложных систем, ИТА ЮФУ, г. Таганрог [6-14]. С помощью методоло: гии когнитивного моделирования сложных систем возможно исследовать структуру взаимосвязи и взаимодействия сложных систем, анализировать их поведение, оцениват ь последствия возможных управленческих решений. Целью данной работы являлось проведение исследования проблемы конкуренции в е е постановке с позиций когнитивного моделирования и с использованием возможностей авторской программной системы CMSS (Cognitive Modeling Software System). В отличие от других вариантов когнитивного моделирования в когнитивных науках, когнитивное моделирования сложных систем состоит н -только в разработке когнитивной модели, например, в виде концептуальной карты (concept map), или ассоциативной карты (mind map), или когнитивной карты причинно-следственных связей (cognitive map), но в совокупности решаемых системных задач (исследовании структуры системы, ее устойчивости к возмущениям, сценарного моделирования и др.) и в назначении - для исследования социотехнических, экономических, социальных, геополитических и других сложных систем.
Сошлемся на несколько известных положений когнитивного моделирования, которые заложены -основу когнитивного моделирования сложных систем. Как известно [15-18], когнитивная карта - это схема, визуальное отображение субъектом (исследователем, экспертом, лицом, принимающим решение) его представления о системе причинно-следственных связей (отношений, влияний, взаимодействий) между концептами (объектами, сущностями, понятиями, факторами,
взаимодействующими системами и их блоками), составляемая сопреде-леииойцелью врамкахтой или иной предметной области или направления когнитивной науки. Когнитивная карта - это структура знаний, матеоатически - кто знаковый ори-ентийнваннаш граф G. Когнизиинаэт ттрукаунизация (cognrtiae таряэтэО преомзтноЭ аблаазэ - эно вашэеенив бурущнх целеаыа и недселатзльэых стстаанив ебъекаа управлтниа и наиболее сущаеовннных (батитносх) факторов цв1б]:)^:в.ле'н:]б1,тЕ и факнаров анэшнеа срнцы, влияющих -ат подзт-ьон объекта а над состояние. е нокжь унтанлолание на качеенвеином/кй-личестатнном хровне car-a-a^jti между ними- с ечевам взнимавриинап факторов друг ppyiO-
Базирдяса нь этит общтх саоде-нияac преднтавие п-^-^...6 паож-ныт сисеем, вьаамодейезвующихв даpеделeплоЛoкpyжaющeд -неде. еие]гтмой иерархиьоьких каонитивс на-н мaхcпcД [ Ь, I-33, 14]:
IGG = {IGK)R, Л} (С-
где IGNl{GNk,EM:Л - иерархическая модель сис темы;
N, R - правила изменения структу-ды когнитивных э-этет]э;(1-^л]ссс; А- правила 6Ц6ыьовяйнэви6 мо-делей,м оделицающье нравилт азт-имндеХствия систем;
и внаякар-
та уровня k =1,2,...; K системы N, Vk = {vi} - множество вершин (объектов, концептов) когнитивной карты;
i = 1,2,., m, Ek ={eij} - множество дуг (отношений) между вершинами;
i,j = 1,2,., m - системы могут находиться в отношениях партнерства или конкуренции. Иерархические когнитивные модели могут быть более сложными и отражать не только факт наличия отношений между объектами моделируемой системы в виде когнитивной карты G, но и функциональные зависимости между ее вершинами.
В этом случае уровень иерархии может быть представлен когнитивной моделью взвешенным знако-ым ориентированным графом (за-даютсявеса дут);функциональным графом (отнотсениямежде верши-ыамт садаются диМфефснциаяьны1-мя, линей ными , стахаститескимии дрргимиууадниниями); васаметдм-яесмим секторндш ффнктионаля-
Фп =( V, Е), X, F,в), (2)
где G=<V,E> - когнитивная карта;
X - множество параметров вершин
v;
Х={Х(^}, ¿=1,2,..., т, Х(^={х(уг)г}, I =1,2,...L.; т.е. каждой вершине V. ставится в соответствие вектор независимых друг от друга параметров Xм (или один параметр х^ 1=х., если 1=1);
ХЛ^-ж 9, 9 - пространство параметров вершин, множество вещественных чисел;
е-=е(Х,£) = Дх., х,, е.р - функционал преобразования дуг,ставящий в -оотвегствие каждой дуге либо знак («+», «-»), тогда это знаковый орграф (конниеивнео карта)- нобя весоеой -оэффициент юу,тогаое то взвешенныйгуакодыйорг раф, лнбо функциаоН(я¿»х^е... 0е тогдаэто функциональный гр аф.
В случае взаимодействия моделей имеомсистему:
1ФФ = {1ФПп,R,А}, 1Фп ={ФПп} , (б)
где 1ФФ - иерархическая когнитивная модель всей системы; 1ФШ - иерархическая модель отдельной системы N в виде (2).
Динамичные иерархические когнитивные модели [7] - когнитивные карты ос вперестраиваемой еструкту-рой, могут применяться в зависимости от результатов предварительных исследований, состояний игроков ир состояния рынка, предусматривая возможность изменения во времени всех составляющих имодели: число, характер, параметры вершин и дуг, функционалы ипреобразования дуг, весовые коэффициенты и др.
Программная система CMSS позволяет не только разработать когнитивную модель системы, но и автоматически провести исследование сложности, связности, устойчивости, чувствительности, сценарный анализ и др., что является необходимыми этапами когнитивного моделирования сложных систем [5-14].
Провести оценку качества когнитивной модели сложной системы, определить ее предельные возмож-норти в условиях изменяющегося окружения возможно с помощью структурного анализе сложносеи, связности, структурной устойчи-восьисложной системы [6, 7,17], а задачу научного предвидезия разе вотия сноуаций в моделсруемой системе [7], одну из важней ших задач, позволяет сделать сценарный анали з [4, 17]. Под влиянием раз-личныхвнутреннихое вндшних водс ущений значения переменных в вьршичйх ьрафи меьут иеменятьсо; дионал, пожупившийи од ну нли де-зкосьчы вершин°распросчраняется нч цепоокс наоетасьные, усилона-ясоилисатуина^ророждеяимпунье-тыйпдоцегО0
Модедь нмпульенедо процесса -4д 17] -этокчртеж:
тер с- og, q,pr>, (4с
где G - когнитивная модель (карта); Q = {q.(Tn)} - последовательность возмущающих воеезйствий, на-провлесных в „ершены 1с(,-номрр оершчны, вкроевию ввочетея воз-МуГЦСОИе!^,))
йв ^{Pjjc.) i,} р иисерзал воздействие на в ершин у, здесь n обозначают так-еымоддлирооаоив ; PR - ираеилз изменеоеа парамео роВ]
][0e^cсс].-уес^вcp еделяют процесс распространении возмущения пог рафу, т.е. иереиодссдтемыизсогроонияе
о*-+1[1д]: -
m-1
о_ (- + 1) еЯ[ (-) + Ye,oiх р еу{Ш] (-) + Q(-) (5) j ' , где x(n), x(n+1) - величина параметра в вершине v. при шагах моделирования в момент
£ = п иследующимза ним £ = п+1; Р.(я)-изменениев вершине ив му-дент вредени£я;
= -иое п=ОД, И,.„е- вектор внешних импульсов д.я, вносимых в вершины V. в момент времени Импульсное моделирование развития ситуаций позволяет выявить возможные сцеварид развития свстемы - он песннмистичныи °о оптимистичных.
В сеответсовиис знд^^юол^^род^^^ д^вс)^]е^]^1е,о^сно^^иям]в ношка и на дсноверезильтатовав:ализа р^^-е^^^-ныи етщ-
тагия рнзтития комовнеИ) ивипнпя даеет дедво^^^б-ос-1)^;тои^(^]у^во^е^нв1й1 ДицоМ;
Имитациякевкадннвди тпар-еттсpнтевн. 'вPmaп Кн РвниаРоткаког-нитконои картов Паоитвюатри; руем возможности исследования взаимодействия систем с помощью программной системы когнитивного моделирования сложных систем С МР8.
Рноемотрим пример иналедова-ния трск двух^и-едЕв- систем, раскдовевн Аудеми еист^дм А и]^^ конмуртнты, AиMипaикатны вио-терпинивции дие. 1-Вн
В пpумеcте oбдкме)внния ^од-нитрвнмй прuмoдеиикдуa-
ние ом с номощью CMSS имеется
V3. Готовность А
Рис. 1. Возможности представления
возможность: именовать и кодиро-нвть иершину (напримтр, н-е) Дем cтвкяA)яизoеpнжaтмдyои (отмошт-ния) между вершинами, их знак и вес wij (например, дуга е51 между V5 и VI имеет знак «+», что изображается сплошной линией, и вес ю..Л=2,
М 51 7
дуга е14 имеет вес ^14=1 и знак «-», воо 1^;^оКма^е^иося uyиктиpпкИ ли-ииед)-в сев нертес азображенме на рис. 1; в зависимости от веса, туга можем выть »>отмoй тимщдна. Bтовoекaoбpaжeнитнapиc.l иллне теииpАеовoтмвжнo cоькдеывaтьд ей-сеаан (oеношмние) влияние) между омoтвeтcтвyющимивтршкнaми) Нан пример, дтнмтвия VI («вктивдын», «иициaмaльны»a, paмвонaль-
ные»,«оазумтые», «эффектинным» - выбор наименования осуществляется экспертом в согласовании с целью исследования) стороны А «по-Е^ь^^шар^н^» иововноетв aиcтeмо-(Vв) к »рнжонию имемо Инк3. Вершину можновыделятьрамко0- aкцсиви-р.а кaией внимвние иyкaзыо»aуcс вес («значимость», «важность», «ве-ричинт наиомeтpa»); мвпaимеИ)BЫ) aeлaннauaДC)))иUоaишинuMе - ЛПР А содержит «це инфopмиIl;ам об отнаситтиином — «4», при етим ки-ждо тд^^ вершинев í5c^Jевпс^^ по ниомapиoeоaлвмыxaеpшин- отндеи-теиьный веа каттрых в седм првмер задан как «0».
V5, ЛПР А 4
1 \ X -1
повышают1--^, снижает
V3. Готовность А 2
й карты Gj «КомеанияА»
И вершины, и дуги могут быть также раскрашены экспертом в зависимости от сравнительных сопоставлений их смыслов и в соответствии с психологическим восприятием разного цвета. Например, вершина «ЛПР А» раскрашена зеленым цветом, вершина «Риски» - красным. Все описанные возможности помогают эксперту глубже проникать в проблему исследования, варьируя количество вершин и дут* их наименование, цвет, размер, вес. Этим самым обеспечивается реализация когнитивных возможностей человека, его логиевскооо и обртзного мышления, гнижгние риста «человеческого Оактооа» при модолирм-вании тложнзйсиетемы.
ЭтвпО. Атмлчгп-гтей,цимлв-в, умтозмивознед лодели. Нарис. 2 пвлведгп чримвр вычислитевьнего зкепеоиментано иемйвд0вnниюпв-лей п цикйOвг«чфa- когнптоонол картт: Gт.Пpoиллюйтpиpoйaлo оы-дллениг рутем вгвлршииыУб р р4, выбран наиб олл е олинныйп утьз ко-тopушолйнaглрднoллч«пoдлвлйBм» ммлиновымцвлоом н«члoбрлжeний «риза фил. 2).Оп^дллеиы црклт1 попожитейьной и отрицатейинол oбpутноНлвяуи.Bлрмчжнaпoовоeт-ка чиквa:иниепелyющл«o из^аг^^т^йа^:
бирюзовый для положительных и малиновый для отрицательных. Определение числа отрицательных циклов необходимо для анализа свойств структурной устойчивости системы. Согласно критерию, система структурно устойчива, если число ее отрицательных циклов нечетное. В нашем случае модель G1 структурно не устойчива, т.к. число отрицательных циклов четное, р авно 2. Заметим, что для графа с небольшим числом вершин и свя-земвыделенр- путей м цоклом иг-зузльно незатруц-ительно, по про мвллочлни иихоимла этостановллоя плoOоим«й,иoэтомиурoцлллрцрoмaе тиnипoвaудляпc>ддлpжкипpонллур когниепвногоалолита.
На рил. ИС о:еиOgожлуы резули-таты ралчййа лоИлзвлнлыз читол (колнлй ниpaчтfipигnичлйкoгo уралг нелия) -олopIе цы гмижнoлои мм-лли G1.0пpлдцо лнилклдлгй етичллкого из>авнвния нио&юдпмл для анализа устойчивости системы ее в-змущенилм и е^о^ач^л^^лс^-мл еначлнию. Вданмом глучае лл-поиьзoлрн крите°>ий уттойчиволти |М[С^М! - мaKГИMaЛOnOЛПO мoдчлю стбсивдзнйл чиело -чоpень харал-уеИизт«члллoиo ypчвнлEия маери-цл^). Полколжу й данном случае
Рис.2. Пути ициклымодели G1 - 119 -
Собственные числа
# Действительная часть Комплексная часть Модуль <1.1892)
0 1,1892 0 1,1892
1 0 1,1392 1,1892
2 0 -1,1892 1,1892
Рис. 3. Фржьментржсчетасобсьпвенных чисел матриыъьжмежносжримждели G1
|М|=1,1892>1,тосистема01 не устойчива ни к возмущению, ни по начальному значению.
Этап 3. Сценарный анализ, импульсное моделирование. При ре-алисации вариантов импульсного моделирования (модель 4) возможно внесение импульсов, интерпретируемых в соответствии с задачей как «возмущающие» или «управляющие», 1$ одну и нескоиько вершин
однте^менно, а также на любых шагах моделирования.
На рис. 4 и 5 показан пример - результаты импульсного моделирования поСценарию № 1: Пусть в систе-ное возрастаютриски,возмущающи й импульс д2=+1; вектор воздействий
Ягкг 0;и2=+1 ;д3=0 ; qi=0;д5=0}.
При импульсном моделировании изображение результаоовмоделирр-вания можно представлять в виде
Шаг Вершина 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
VI. Действия А 3 3 4 4 4 4 6 6 6 6 10 10 10 10 13
41. РискА 7 8 3 8 6 3 8 3 4 3 8 8 0 8 3
УЗ. Готовность 2 2 2 3 3 3 3 5 5 5 5 9 9 9 9
Щ. Ущерб 0 0 0 -1 -1 1 -1 -3 -3 -3 3 -7 7 -7 -7
У5. ЛПР А 4 4 4 4 5 5 5 5 7 7 7 7 11 11 11
Рис.4. Сценарий № 1.Расчетыизменениявеличиныимпулъсов на14тактах иовееинивовия
-Действия А— РискА
20.0 п
Готовность-—Ущерб ^"ЛПРА
-
] \
12 3 45 67 83 10 111213 14 Шаги
О Действия А О Риск А О Готовность О Ущерб ОЛПРА
Ч / V j—rf—М /
1 / Л' J \ /
.7" v /
0 1 2 3 4 Б S 7 S 9 10 11 12 13 14 Шаги
Рис. в. Сценааий М1н графики umiе^весеыи проценсов нл Gl
графиков раскрашенных областей или линий (рис. 5), а также изменением размеров кружков-вершин графа; в процессе моделирования происходит изменение «веса» вершин. Вся эта визуальная информация может дать дополнительную подсказку исследователю при интерпретации и использовании результатов.
Как видно из рис. 5, сценарий № 1 можно считать достаточно реалистичным в нижеследующем смысле: при возрастании рисков предвидится возрастание усилий ЛПР, активизация его действий, повышение готовности, последовательное снижение рисков и ущерба. Но этот процесс неустойчивый, нарастающий (что и ожидалось по результатам второго этапа когнитивного моделирования), это подтверждается и при дальнейшем уве-личениичислашаговмоделирования п = 1,2,3...14,15,16.... Все это можно объяснить тем, что в модели нет стабилизирующих контуров обратной связи, которые могут появиться при моделировании всей системы взаимодействующих компаний А, В, С.
Усложним условия исследования. На рис. 6 изображена возможная модель конкуренции компаний А и В 13 условиях поддержки компании А партнером С. Результаты ее по этапного исследованияприведены нарис. 7.
Анализ устойчивости модели G2 к возмущениям. Как показали расчеты, максимальное по модулю собственное число |М|=2,01>1; система G2 не устойчива ни к возмущению, ни по начальному значению. Заметим, что при конкуренции такое неустойчивое состояние проявляется нередко.
Анализ структурной устойчивости модели G2. На рис. 7 приведены данные по исследованию циклов когнитивной карты G2.
Анализируемая система структурно устойчива, т.к. число ее отрицательных циклов нечетное, равное 9.
Сценарный анализ, импульсное моделирование. Проведение сценарного анализа требует предварительной экспертной разработки плана вычислительного эксперимента, определяющего как отдельные вершины, так и их совокупности, в которые будут вноситься возмущающие воздействия - импульсы q различной величины и знака, а также шаги, на которых импульсы предполагается вносить. В качестве примера приведем результаты моделирования простого сценария при внесении возмущения в одну вершину.
Сценарий № 1. Пусть компания В начнет агресси вные действия: воз -мущающий импульс q7=+1; вектор вдздейжтвий (Н^О^^ 0;...; д7=+1; 0;...; а14=0}.
Рис. 6. Когнитивная карта G2. Взаимодействие компаний А, В, С
Рис. 7. Циклы модели G2
На рис. 8 приведен пример импульсного процесса по сценарию № 1 для 6 и 7 шагов моделирования (фиксацию число шагов моделирования выбирает эксперт). Как видно по графикам импульсных процессов, начинающихся с позиции «0» по оси абсцисс в результате «Действия В», на первом такте моделирования возрастают «Риски А», которые на втором такте моделирования инициируют «Действия А», в результате чего в дальнейшем начинают снижаться «Риски А», начинает снижаться «Ущерб А» и с третьего такта моделирования «Действия В» начинают подавляться.
В результате выполнения всего плана импульсного моделирования получается набор сценариев, из которых можно выбирать желаемый и принимать решения по его практической реализации.
Приведенный пример исследования абстрактной модели
конкуренции компаний с помощью разработанной программной системы когнитивного моделирования сложных систем CMSS проиллюстрировал не только ряд ее возможностей, но, главное, обозначил те исследовательские задачи, которые должны и могут решаться на когнитивных моделях сложных систем. Это задачи разработки когнитивных моделей разной сложности (первый этап), задачи исследования разных аспектов устойчивости и анализа различных путей достижения желаемых целевых вершин (второй этап), задачи сценарного анализа, дающего предвидение картин развития ситуаций в системе (третий этап), и ряд других [5-14]. Программная система предусматривает также возможность задания отношений между вершинами не только в виде знака и веса, как было продемонстрировано, но и в виде некоторых функций,
Рис. 8. Сценарий № 1. Графики импульсных процессов компании А, В и С
согласно выражению (2). Все это существенно отличает CMSS от многих современных программных си-стемкогнитивногомоделирования, которые в основном п°>еднооначееы сооько для дазработникогниоив-ных корт До кгонитивной геихо-логии, в бизнес-планировании и др.), облегчающих пользователю его когнитивный процесс накопления и порождения новых знаний, производимый в определенных интересах.
Когнитивное моделирование сложных систем, обеспеченное соответствующим программным инструментарием, облегчает процесс понимания и описания сложной системы для предвидения возможных вариантов (сценариев) будущего системы, для разработки и обоснования управленческих решений экспертами и ЛПР разного уровня. Проведение предварительного
эксперимента на имитационной модели необходимо, а зачастую единственно возможно и обосновано, пч сравагнию с оксперимеатом на °еальнам о°о>ркте. °)собенно ы рассмозренныс ва пди-воденномпримсре канннренцир и партнерства сторон. Программный инструментарий когнитивного моделирования сложных систем может быть использован не только в исследовательских целях, но и для автоматизированного теоретического обучения непосредственных исполнителей, которые в приведенном примере реализуют, например, соответствующие «Действия А». Добавим, что программные системы когнитивного моделирования могут быть элементом интеллектуальных систем поддержки принятия решений [5, 11, 13] и в сфере когнитивных наук относятся к направлению «Искусственный интеллект».
Примечания:
1. Steiner G.A. Top management planning. New York: Macmillan, 1969.
2. Абрамова Н.А., Авдеева З.К. Когнитивный анализ и управление развитием ситуаций: проблемы методологии, теории и практики // Проблемы управления. 2008. № 3. С. 85-87.
3. Коврига С.В., Максимов В.И. Когнитивная технология стратегического управления развитием сложных социально-экономических объектов в нестабильной внешней среде // Сб. трудов Междунар. конф. «Когнитивный анализ и управление ситуациями» (CASC'2001). 2001. Т. 1.
4. 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. М.: ИПУ РАН, 2002. 122 с.
5. Максимов В.И. Когнитивные технологии - от незнания к пониманию // Сб. трудов Междунар. конф. «Когнитивный анализ и управление развитием ситуаций» (CASC'2001). 2001. Т. 1. С. 4-18.
6. 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.
7. Инновационное развитие социоэкономических систем на основе методологий предвидения и когнитивного моделирования: Коллективная монография / Под ред. Г.В. Гореловой, Н.Д. Панкратовой. Киев: Изд-во «Наукова Думка», 2015. 464 с.
8. Zakharova E.N., Kerashev A.A., Gorelova G.V, Prokhorova V.V. Cognitive Russian Modeling in the System of Corporate Governmance // Mediterranean Journal of Social Sciences. 2015. Vol. 6. No. 2. Рр. 295-303.
9. 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 Issues. 2016. Vol 6. No. 5S. Pp. 97-103.
10. Gorelova G.V., Lyabach N.N., Kuizheva S.K. Application of Cognitive Modeling in the Study of the Interrelations between the Educational system and Society // Espacios. 2017. Vol. 38 No. 65.
11. Klimenko A., Gorelova G., Korobkin V., Bibilo P. The Cognitive Approach to the Coverage-Directed Test Generation // Proceedings of 1st international conference on of the Computational Methods in Systems and Software (CoMeSySo 2017) // Applied Computational Intelligence and Mathematical Methods. 2017. Pp. 372-380.
12. Ginis L.A., Gorelova G.V., Kolodenkova A.E. Cognitive and simulation modeling of Socioeconomic systems // Proceedings of the International Research Conference Information Technologies in Science, Management, Social Sphere and Medicine (ITSMSSM 2017). 2017. Vol. 72. Pp. 50-54.
13. Горелова Г.В., Мельник Э.В. О когнитивном моделировании развития ситуаций в регионе в условиях быстрых изменения среды и противодействия // Известия ЮФУ. Технические науки. 2011. № 3 (116). С. 65-78.
14. Горелова Г.В., Масленникова А.В. Имитационное моделирование на основе когнитивной методологии и системной динамики, анализ системы «Юг России» // Материалы научно-практ. конф. «Системный анализ в экономике». М.: ЦЭМИ РАН, 2012. С. 33-45.
15. Axelrod R. The Structure of Decision: Cognitive Maps of Political Elites. Princeton. University Press, 1976.
16. Atkin R.H. Combinatorial Connectivies in Social Systems. An Application of Simplicial Complex Structures to the Study of Large Organisations // Interdisciplinary Systems Research. 1997.
17. Casti J. Connectivity, Complexity, and Catastrophe in Large-scale Systems. A Wiley - Interscience Publication International Institute for Applied Systems Analysis. Chichester - New York - Brisbane -Toronto: JOHN WILEY and SONS, 1979.
18. Roberts F. Graph Theory and its Applications to Problems of Society. Philadelphia: Society for Industrial and Applied Mathematics, 1978.
References:
1. Steiner G.A. Top management planning. New York: Macmillan, 1969.
2. Abramova N.A., Avdeeva Z.K. Cognitive analysis and management of the development of situations: problems of methodology, theory and practice // Problems of management. 2008. No. 3. Pp. 85-87.
3. Kovriga S.V., Maksimov V.I. Cognitive technology of strategic management of the development of complex socio-economic objects in an unstable external environment // Collection of works of the International Conference "Cognitive analysis and situation management" (CASC'2001). 2001. Vol. 1.
4. Kulba V.V., Kononov D.A., Kovalevsky S.S., Kosyachenko S.A., Nizhegorodtsev R.M., Chernov I.V. Scenario analysis of the behavior dynamics of socio-economic systems. Moscow: ICS RAS, 2002. 122 p.
5. Maksimov V.I. Cognitive technologies - from ignorance to understanding // Collection of works of the International Conference "Cognitive analysis and management of the development of situations" (CASC'2001). 2001. Vol. 1. Pp. 4-18.
6. Gorelova G.V., Zakharova E.N., Radchenko S.A. Investigation of semi-structured problems of socio-economic systems: a cognitive approach. Rostov-on-Don: RSU Publishing House, 2006. 332 p.
7. Innovative development of socio-economic systems based on the methodologies of foresight and cognitive modeling: Collective monograph / Ed. G.V. Gorelova, N.D. Pankratova. Kiev: Publishing House "Naukova Dumka", 2015. 464 p.
8. Zakharova E.N., Kerashev A.A., Gorelova G.V, Prokhorova V.V. Cognitive Russian Modeling in the System of Corporate Governmance // Mediterranean Journal of Social Sciences. 2015. Vol. 6. No. 2. Pp. 295-303.
9. 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 Issues. 2016. Vol 6. No. 5S. Pp. 97-103.
10. Gorelova G.V., Lyabach N.N., Kuizheva S.K. Application of Cognitive Modeling in the Study of the Interrelations between the Educational system and Society // Espacios. 2017. Vol. 38 No. 65.
11. Klimenko A., Gorelova G., Korobkin V., Bibilo P. The Cognitive Approach to the Coverage-Directed Test Generation // Proceedings of 1st international conference on of the Computational Methods in Systems and Software (CoMeSySo 2017) // Applied Computational Intelligence and Mathematical Methods. 2017. Pp. 372-380.
12. Ginis L.A., Gorelova G.V., Kolodenkova A.E. Cognitive and simulation modeling of Socioeconomic systems // Proceedings of the International Research Conference Information Technologies in Science, Management, Social Sphere and Medicine (ITSMSSM 2017). 2017. Vol. 72. Pp. 50-54.
13. Gorelova G.V., Melnik E.V. About cognitive simulation of situations in the region in a rapidly changing environment and opposition // Izvestiya SFedU. Engineering Sciences. 2011. No. 3 (116). Pp. 65-78.
14. Gorelova G.V., Maslennikova A.V. Simulation based on cognitive methodology and system dynamics, analysis of the system "South of Russia" // Proceedings of the scientific-practical conference "System analysis in the economy". M.: CEMI RAS, 2012. Pp. 33-45.
15. Axelrod R. The Structure of Decision: Cognitive Maps of Political Elites. Princeton. University Press, 1976.
16. Atkin R.H. Combinatorial Connectivies in Social Systems. An Application of Simplicial Complex Structures to the Study of Large Organisations // Interdisciplinary Systems Research. 1997.
17. Casti J. Connectivity, Complexity, and Catastrophe in Large-scale Systems. A Wiley - Interscience Publication International Institute for Applied Systems Analysis. Chichester - New York - Brisbane -Toronto: JOHN WILEY and SONS, 1979.
18. Roberts F. Graph Theory and its Applications to Problems of Society. Philadelphia: Society for Industrial and Applied Mathematics, 1978.
