Glavne faze razvoja kognitivnog modela problemske situacije. Srednjoročno predviđanje ruskog gospodarstva pomoću kognitivnog modela

Razmatra se kognitivni pristup proučavanju složenih sustava, kao što su socio-ekonomski, politički itd., niz srodnih koncepata, kao i metodologija i tehnologija kognitivnog modeliranja složenih sustava.

Matematička reprezentacija kognitivnih modela

Početak istraživanja vezanih uz korištenje kognitivnog pristupa za proučavanje, modeliranje i donošenje odluka u području složenih sustava seže u sredinu 20. stoljeća, kada se ideje kognitivne psihologije počinju primjenjivati u raznim područjima. znanja i počeo se oblikovati sustav disciplinarnog istraživanja nazvan "kognitivna znanost" (engl kognitivna znanost). Njegova glavna područja su filozofija, psihologija, neurofiziologija, lingvistika i umjetna inteligencija. Trenutno postoji ekspanzija tematskih područja u kojima se koristi kognitivni pristup. Aktivno korištenje kognitivnog pristupa u proučavanju složenih sustava u našoj zemlji počelo je 1990-ih godina, a središte istraživanja bio je Institut za računalne znanosti Ruske akademije znanosti. U ovom dijelu predstavljen je niz rezultata kognitivnih studija složenih sustava provedenih na Južnom federalnom sveučilištu, čijim se izvorom mogu smatrati radovi R. Axelroda, F. Robertsa, J. Casta, R. Etkina, kao i djelatnika Instituta za računalne znanosti RAS (V. I. Maksimov, V. V. Kulba, N. A. Abramov, itd.).

Za razumijevanje značenja kognitivnih istraživanja, njihovih pravaca, modela i metoda, potrebno je poznavati niz posebnih pojmova, kao što su: kognitivna znanost i kognitivna znanost, kognitivna znanost (inženjering znanja), kognitivni pristup (kognitivni), tehnologija kognitivno (kognitivno-ciljano) modeliranje, vizualizacija, kognitivno modeliranje, kognitivno strukturiranje ili konceptualizacija, metodologija kognitivnog modeliranja, kognitivni model, kognitivna mapa. Definicije ovih pojmova (i niza drugih vezanih uz kognitivne znanosti) mogu se pronaći u djelima. Kognitivne karte nemaju samo vizualnu, već i matematičku osnovu. To su jasni i nejasni grafikoni (fuzzy cognitive maps).

Pokazalo se da je graf pogodan model za predstavljanje odnosa između ekonomskih objekata (poduzeća, organizacija, sredstava i čimbenika proizvodnje, elemenata društvene sfere, karakteriziran kao objekt u kojem je koncentrirana ili usmjerena ekonomska aktivnost, a koji predstavlja određeni strane ekonomskih odnosa), između subjekata društvenih procesa (npr. ljudi, grupa ljudi), između podsustava društveno-ekonomskih sustava, između drugih pojmova, entiteta itd. Poslužimo se definicijom F. Robertsa: “Graf s predznakom (digraf s predznakom) je graf u kojem “... vrhovi odgovaraju članovima grupe; od vrha V-, povlači se luk do vrha ako se uoči jasno izražen omjer V;K V, a luk vd = (V, V]) ima znak plus (+) ako V, "sviđa mi se" U^i znak minus (-) inače."

Koncept "predznačenog digrafa" može imati različite primjene, tako da se lukovi i znakovi različito tumače ovisno o složenom sustavu koji se proučava. Osim toga, razvijaju se teorijske studije složenih sustava unutar okvira složenijeg modela od označenog digrafa - unutar okvira ponderiranog digrafa, u kojem svaki luk ek dodijeljeni stvarni broj (težina) kolibe.

Primjer kognitivne karte prikazan je na sl. 6.12 (slika je izrađena programskim sustavom PSKM^). Pune lučne linije odgovaraju Shts= +1, isprekidano - = -1. Znak se može protumačiti kao "pozitivne (negativne) promjene na vrhu r dovode do pozitivnih (negativnih) promjena na vrhu yu", tj. to su jednosmjerne promjene; znak "-" - kao u "pozitivne (negativne) promjene u tjemenu dovode do negativnih (pozitivnih) promjena u tjemenu Vj" - višesmjerne promjene. Strelice brojača prikazuju međusobni utjecaj vrhova, ciklus grafa; ovaj odnos je simetričan. Većina koncepata digrafa također se odnosi na težinske digrafe. Ti pojmovi su: put, jednostavni put, poluput, kontura, ciklus, polukrug; jaka, slaba, jednosmjerna povezanost, "znak staze, zatvorena staza, kontura."

Znak staze, kruga, zatvorenog puta, zatvorenog kruga, obrisa petlje itd. definira se kao umnožak znakova lukova koji su u njih uključeni.

Očigledno, staza, ciklus itd. imaju znak ako je broj negativnih lukova koje sadrže neparan, inače imaju znak "+". Dakle, za grafikon "Romeo i Julija" staza je V,-" V, -" U -> V, je negativan, a ciklus Uh -> Uh-> V, - pozitivno.

Riža. 6.12. luk ići= +1 i Shts = -1

Prilikom matematičkog modeliranja složenih sustava, istraživač se suočava s problemom pronalaženja kompromisa između točnosti rezultata modeliranja i mogućnosti dobivanja točnih i detaljnih informacija za izgradnju modela. U takvoj situaciji, označeni i ponderirani digrafovi prikladni su za razvijanje "jednostavnih" matematičkih modela i za analizu rezultata dobivenih s minimalnim informacijama.

Navedimo još dva primjera iz [Hobesh, S. 161, 162] - sl. 6.13 i 6.14, zanimljive s povijesnog gledišta kao jedne od prvih kognitivnih karata, ali koje sada nisu izgubile svoju važnost.

Na sl. 6.14 krug Vau-> U - > U$ -> U 6 -" Vau suprotstavlja se odstupanju na vrhu V,. Ako povećate/smanjite bilo koju varijablu u ovom krugu, tada te promjene vode kroz druge vrhove do smanjenja/povećanja ove varijable (tumačenje: što je veća populacija, to je više otpada, što je više bakterija, to je veća učestalost - to je veća učestalost, manji broj ljudi i tako dalje.). Ovo je negativna povratna sprega. Krug V, -> U ->UA -> V je kontura koja pojačava devijaciju, tj. pozitivna povratna sprega.

Riža. 6.13.

U budućnosti ćemo koristiti sljedeće Maruyamina izjava:"Kontura pojačava otklon ako i samo ako sadrži paran broj negativnih lukova (inače je to kontura koja se suprotstavlja otklonu)."

Dijagram (sl. 6.14) sadrži mali broj vrhova i veza radi praktičnosti preliminarne analize. Temeljitija analiza problema potrošnje energije zahtijevat će, prema Robertsu, znatno veći broj varijabli i nijansiranije metode za njihov odabir. To otvara problem kombiniranja stručnih mišljenja.

Za rješavanje problema navedenih u primjerima na Sl. 6.13 i 6.14, nije dovoljno samo konstruirati graf jedne ili druge složenosti i analizirati lance njegovih veza (putova) i ciklusa; dublja analiza njegove strukture, svojstava stabilnosti (nestabilnosti), analiza utjecaja promjena u parametrima vrhova na drugim vrhovima i potrebna je analiza osjetljivosti.

Riža. 6.14.(Roberts, sa. 162)

Kako bi se razumjelo i analiziralo ponašanje složenog sustava, izgrađen je strukturni dijagram uzročno-posljedičnih odnosa. Takve sheme koje tumače mišljenja i stavove donositelja odluka nazivaju se kognitivnom mapom.

Izraz "kognitivna mapa" skovao je psiholog Tolman 1948. godine. Kognitivna mapa je vrsta matematičkog modela koji vam omogućuje da formalizirate opis složenog objekta, problema ili funkcioniranja sustava i identificirate strukture uzročno-posljedičnih odnosa između elemenata sustava, složenog objekta, komponenti problem i procijeniti posljedice kao rezultat utjecaja na te elemente ili promjene prirode veza. Engleski znanstvenik K. Ideas predložio je korištenje kognitivnih mapa za kolektivno odlučivanje i donošenje odluka.

Kognitivna mapa situacije je orijentirani graf, čiji čvorovi predstavljaju neke objekte (pojmove), a lukovi su veze između njih, karakterizirajući uzročno-posljedične odnose.

Razvoj modela počinje izgradnjom kognitivne karte koja odražava situaciju "kakvu jest". Na temelju generirane kognitivne karte modelira se samorazvoj situacije kako bi se identificirali pozitivni trendovi razvoja.“Samorazvoj” omogućuje usporedbu subjektivnih očekivanja s modelskim.

Glavni koncept u ovom pristupu je koncept "situacije". Situaciju karakterizira skup tzv osnovni faktori, uz pomoć kojih se opisuju procesi promjene stanja u situaciji. Čimbenici mogu utjecati jedni na druge, a takav utjecaj može biti pozitivan, kada povećanje (smanjenje) jednog čimbenika dovodi do povećanja (smanjenja) drugog čimbenika, i negativan, kada povećanje (smanjenje) jednog čimbenika dovodi do smanjenja ( povećati) u drugom faktoru.

Matrica interakcija predstavlja težine samo izravnih utjecaja između čimbenika. Redci i stupci matrice pridruženi su faktorima kognitivne karte, a predznak vrijednosti na sjecištu i-tog retka i j-ro stupca označava težinu i smjer utjecaja i-ro faktora na j-ti faktor. Za prikaz stupnja (težine) utjecaja koristi se skup lingvističkih varijabli kao što su „jak“, „umjeren“, „slab“ itd.; Takav skup lingvističkih varijabli uspoređuje se s numeričkim vrijednostima iz intervala: 0,1 - "vrlo slabo"; 0,3 - "umjereno"; 0,5 - "značajno"; 0,7 - "jako"; 1.0 - "vrlo jak". Smjer utjecaja dat je predznakom: pozitivan, kada povećanje (smanjenje) jednog čimbenika dovodi do povećanja (smanjenja) drugog čimbenika, i negativan, kada povećanje (smanjenje) jednog čimbenika dovodi do smanjenja (povećanje ) u drugom faktoru.

Identificiranje početnih trendova

Početne trendove određuju lingvističke varijable poput

“jako”, “umjereno”, “slabo” itd.; S takvim skupom lingvističkih varijabli uspoređuju se numeričke vrijednosti iz intervala. Ako za faktor nije naveden trend, to znači da ili nisu vidljive nikakve zamjetne promjene u predmetnom faktoru ili nema dovoljno informacija za procjenu postojećeg trenda za njega. Pri modeliranju se pretpostavlja da je vrijednost ovog faktora 0 (tj. da se ne mijenja).

Identifikacija ciljnih čimbenika

Između svih odabranih čimbenika potrebno je odrediti ciljne i kontrolne čimbenike. Ciljni čimbenici su čimbenici čiju dinamiku je potrebno približiti traženim vrijednostima. Osiguravanje potrebne dinamike ciljanih čimbenika rješenje je kojem se teži pri izgradnji kognitivnog modela.

Kognitivne mape mogu se koristiti za kvalitativnu procjenu utjecaja pojedinih koncepata jednih na druge i na stabilnost sustava u cjelini, za modeliranje i evaluaciju korištenja različitih strategija u donošenju odluka i predviđanje donesenih odluka.

Treba napomenuti da kognitivna karta odražava samo činjenicu utjecaja čimbenika jedni na druge. Ne odražava detaljnu prirodu tih utjecaja, niti dinamiku promjena utjecaja ovisno o promjenama situacije, niti privremene promjene samih čimbenika. Uzimanje u obzir svih ovih okolnosti zahtijeva prijelaz na sljedeću razinu strukturiranja informacija prikazanih u kognitivnoj mapi, odnosno kognitivni model. Na ovoj se razini svaki odnos između čimbenika kognitivne karte proširuje u odgovarajuću jednadžbu, koja može sadržavati i kvantitativne (mjerljive) varijable i kvalitativne (nemjerljive) varijable. U ovom slučaju kvantitativne varijable uključene su prirodno u obliku svojih numeričkih vrijednosti, budući da je svaka kvalitativna varijabla povezana sa skupom jezičnih varijabli, a svakoj jezičnoj varijabli odgovara određeni numerički ekvivalent na ljestvici [-1,1]. Kako se znanje akumulira o procesima koji se odvijaju u situaciji koja se proučava, postaje moguće detaljnije otkriti prirodu veza između čimbenika.

Postoje matematičke interpretacije kognitivnih mapa, npr. meki matematički modeli (poznati Lotka-Volterra model borbe za opstanak). Matematičkim metodama može se predvidjeti razvoj situacije i analizirati stabilnost dobivenog rješenja. Postoje dva pristupa konstruiranju kognitivnih mapa – proceduralni i procesni. Postupak je diskretni vremenski učinak koji ima mjerljiv rezultat. Matematika je značajno koristila diskretnost, čak i ako smo mjerili u lingvističkim varijablama. Procesni pristup više govori o održavanju procesa, karakteriziraju ga koncepti “poboljšanja”, “aktiviranja”, bez pozivanja na mjerljive rezultate. Kognitivna mapa ovog pristupa ima gotovo trivijalnu strukturu - postoji ciljni proces i okolni procesi koji na njega utječu pozitivno ili negativno.

Postoje dvije vrste kognitivnih mapa: tradicionalne i nejasne. Tradicionalne karte specificiraju se u obliku usmjerenog grafa i predstavljaju modelirani sustav u obliku skupa koncepata koji prikazuju njegove objekte ili atribute, međusobno povezane uzročno-posljedičnim vezama. Koriste se za kvalitativno ocjenjivanje utjecaja pojedinih koncepata na stabilnost sustava.

Kako bi se proširile mogućnosti kognitivnog modeliranja, brojni radovi koriste neizrazite kognitivne mape. U nejasnoj kognitivnoj mapi, svaki luk određuje ne samo smjer i prirodu, već i stupanj utjecaja povezanih koncepata.

Kognitivni modeli. Kognitivno strukturiranje počinje identificiranjem objekata (karakteriziranih i kvantitativno i kvalitativno, verbalno) sustava koji se proučava za određenu svrhu i uspostavljanjem veza među njima. Ove radnje provode uz pomoć stručnjaka, od strane

Riža. 6.16.

prikupljanje i obrada statističkih podataka, na temelju proučavanja literaturnih podataka, temelje se na teorijskim znanjima u relevantnom predmetnom području.

Kao rezultat kognitivnog strukturiranja razvija se formalni opis znanja koji se može vizualno prikazati kognitivnim modelom (u obliku dijagrama, grafikona, matrice, tablice ili teksta). Razvoj kognitivnog modela je najkreativnija i najslabije formalizirana faza u aktivnosti istraživača (grupe stručnjaka) velikog sustava. Djelomična formalizacija moguća je prilikom obrade numeričkih podataka u obliku statističkih informacija pomoću alata za rudarenje podataka (npr. rudarenje podataka). Izvori informacija za određivanje vrhova “visoke kvalitete” mogu biti teorijske informacije iz predmetnog područja koje se proučava i dogovorene odluke skupine stručnjaka. U potonjem slučaju razvija se "kolektivna kognitivna karta".

Treba obratiti pozornost na potrebu za "ispravnim" nazivom vrha - loše odabrani nazivi (koncepti) iskrivljuju rezultate istraživanja i možda neće dati odgovore na pitanja na koja bi bilo poželjno dobiti odgovore.

Dakle, rezultat procesa identifikacije složenog sustava u prvoj fazi istraživanja je kognitivna mapa G, koja se može smatrati "početnom" ili "početnom". Hoće li on ostati nepromijenjen, kao konačan ili ne, odluka ovisi o stručnjaku nakon svih faza kognitivnog modeliranja.

Tehnologija kognitivnog modeliranja koristi različite vrste kognitivnih modela.

Najčešće se koriste: kognitivna mapa (neformalna kognitivna mapa, istraživanje počinje njezinim razvojem), kao i ponderirani signirani digraf, jednostavni funkcionalni graf, parametarski vektorski funkcionalni graf i modificirani graf.

Kognitivna mapa(u izvornom shvaćanju - dijagram uzročno-posljedičnih veza u sustavu) je strukturni dijagram odnosa između objekata ("pojmova", "entiteta", elemenata, podsustava) složenog sustava; izgrađen je kako bi se razumjela i analizirala njegova struktura i ponašanje.

S formalnog gledišta, kognitivna mapa je označeni orijentirani graf (digraf), koji odražava obrazac odnosa između objekata koji se proučavaju - vrhova. Odnos između njih (interakcija faktora) je kvantitativni ili kvalitativni opis utjecaja promjene u jednom vrhu na druge:

Gdje V- skup vrhova, vrhova ("pojmova") V,- e V,¿=1,2, Do su elementi sustava koji se proučava; E - skup lukova, lukovi e E, ja,) =1,2, P odražavaju odnos između vrhova od U; i Mu Utjecaj gosp. b) u situaciji koja se proučava može biti pozitivna (znak "+"), kada povećanje (smanjenje) jednog faktora dovodi do povećanja (smanjenja) drugog, negativna (znak "-"), kada povećanje (smanjenje) jednog faktora faktor dovodi do smanjenja (povećanja) u drugom , ili odsutan (0). U potonjem slučaju, odgovarajući luk bi se mogao isključiti prilikom analize dane situacije, ali može imati značaj u drugoj situaciji. Stoga, ako se pretpostavi takva mogućnost, luk se mora ostaviti.

Osim grafičkom slikom, kognitivnu mapu možemo prikazati i matricom odnosa As:

Matrica A(; je kvadratna matrica, čiji su reci i stupci označeni vrhovima grafa S a na sjecištu r-reda i r-stupca nalaze se jedinice (ili 0) ako postoji (ne postoji) odnos između elemenata V; I ooh U kognitivnoj mapi odnos može imati znak "+1" ili "-1".

Kognitivna mapa odražava samo činjenicu da vrhovi (faktori) utječu jedni na druge. Ne odražava detaljnu prirodu tih utjecaja, niti dinamiku promjena utjecaja ovisno o promjenama situacije, niti privremene promjene samih čimbenika. Uzimanje u obzir svih ovih okolnosti zahtijeva prelazak na sljedeću razinu strukturiranja informacija prikazanih na kognitivnoj mapi, tj. potreban je prijelaz na druge vrste kognitivnog modela.

Na razini kognitivnog modela svaki odnos između čimbenika kognitivne karte proširuje se u odgovarajuću jednadžbu, koja može sadržavati i kvantitativne (mjerljive) varijable i kvalitativne (nemjerljive) varijable. Kvantitativne varijable ulaze u model u obliku svojih numeričkih vrijednosti. Svaka kvalitativna varijabla može se povezati sa skupom lingvističkih varijabli koje prikazuju različite sustave te kvalitativne varijable na ljestvici.

Kako se znanje o procesima u sustavu akumulira, postaje moguće detaljnije otkriti prirodu veza između vrhova - faktora (na primjer, korištenjem procedura rudarenje podataka, ako postoje tablice statističkih podataka).

Kognitivni model kao što je vektorski funkcionalni graf je tuple

Gdje C =< V, Е> - usmjereni graf; x- mnogi verteks parametri V; X = [HŠ, 1=1,2,.... k, X( u> = (^), e = 1, 2, sch, oni. svakom vrhu je dodijeljen vektor parametara neovisnih jedan o drugom X(y"(ili jedan parametar x№>8=X, Ako g= 1); X: V -> ja, ja - skup realnih brojeva; P= E(X, E) = Dd:;, Xp e$) - funkcionalnost transformacije luka koja svakom luku dodjeljuje znak ("+", "-") ili težinski koeficijent<о^, либо функцию prokletstvo) =i

Ovisno o E(X, E) uvodi se prošireni koncept digrafa.

1. Kognitivna mapa (znakovni digraf) kao poseban slučaj Φ-grafa u kojem

gdje je co^- težinski koeficijent; ko^ e. IV, V/ - skup težinskih koeficijenata luka je skup realnih brojeva. Procjena ko- može se odrediti jednim brojem ili biti interval.

3. Najjednostavniji funkcionalni graf je je F-graf u kojem E= DH, E)=/(i$, Xp e$ =/)/.

gdje je /y funkcionalna ovisnost parametara vrhova, koja je dodijeljena svakom luku. Ovisnost /g može biti ne samo funkcionalan, već i stohastički. Definiranje karakterističnih parametara /g uključuje: definiciju mjerila, indikatore, metodu, točnost, mjernu jedinicu.

Definicija Φ-grafova može se generalizirati na sljedeći način.

4. Parametarski vektorski graf funkcije Fp je tuple

gdje je b =< V, E > - usmjereni graf; X:V -" 0, X- mnogo parametara vrhova, x= (->№> | X<г"> e X, i = 1,

2, Do), X("";> = (.g*,0), g 1,2.....do x^- £-parametar vrha

Y;, ako je £= 1, tada je l-*,"* = x,-; 0 je prostor parametara vrhova; /r= E(X, E) - funkcionalnost lučne transformacije, E.Ex. x x x 0 -> DO

5. Modificirani MF grafovi. Kako bi se prikazala dinamika promjena koje se događaju u sustavu pod utjecajem različitih poremećaja, u model se uvodi vrijeme. Takvi grafovi su predloženi u radu.

Hijerarhijske kognitivne mape . Složene sustave karakterizira obrazac hijerarhije. Da bi se odrazila takva struktura, mogu se koristiti hijerarhijske kognitivne mape - relativno nova vrsta kognitivnih modela. Hijerarhijske kognitivne mape predstavljaju razotkrivanje generaliziranih objekata (vrhova) gornje razine kognitivne mape u njihove sastavne objekte, uključujući objekte nižih razina. Broj hijerarhijskih razina može se odrediti kako prema broju "otkrivenih" vrhova u kognitivnim mapama tako i prema postojećem sustavu upravljanja objektima (primjerice, razine države, regije, općine). Slika 6.17 ilustrira ovu ideju.

Riža. 6.17.

Model hijerarhijske kognitivne karte ima oblik

gdje su i kognitivne mape Do- odnosno (&-1) razine, Ek = (etKr))- odnosi između vrhova Do- i p-razine.

Kognitivna mapa razine ^ je usmjereni graf

gdje je Y(£) = (r;D£)|r;D&) U(Š,1 1,2r... i) - skup vrhova

^-razina, E(k) =|e0"(£)|e$"(£) £(<£); I,./" 1,я} - отношения, отражающие взаимосвязь между вершинами внутри уровня (^-уровня).

Strukturno objedinjavanje hijerarhijskog kognitivnog modela u obliku funkcionalnog grafikona imat će oblik

Gdje Yu h bd., VK, pr 2 - kognitivna hijerarhijska mapa

da; Xk = X(k)- skup parametara vrhova hijerarhijske kognitivne mape; ^ = (?(X,£^);u^(*)) - funkcionalna 1=1 transformacija lukova u hijerarhijskom kognitivnom modelu.

Može se zamisliti nekoliko međusobno povezanih objekata koji djeluju u određenom okruženju. U ovom slučaju potrebno je izgraditi kognitivne modele složenijeg tipa - modele interakcije između hijerarhija, čiji su odnosi određeni pravilima teorije igara. Dakle, hijerarhije mogu biti u odnosima suradnje (suradnje, koalicije) ili sučeljavanja (konkurencije). Generalizacija je moguća na slučaj interakcije između N strana - opći model je sustav hijerarhijskih kognitivnih modela u kojem su specificirana pravila interakcije i pravila za promjenu strukture kognitivnih modela.

Dinamičke kognitivne mape. Na temelju rezultata istraživanja u području interakcije složenih sustava korišteni su kognitivni modeli u obliku dinamičkih kognitivnih mapa, u kojima su parametri modela ovisni o vremenu i uzimaju u obzir privremene promjene u okruženju.

Problemi analize putanja i ciklusa kognitivnog modela

Rješenje problema analize putanja i ciklusa kognitivnog modela provodi se tradicionalnim metodama teorije grafova. Identifikacija staza različitih zadanih duljina omogućuje nam praćenje i tumačenje lanaca uzročno-posljedičnih odnosa, identificiranje njihovih značajki i proturječja. Identifikacija ciklusa (pozitivne i negativne povratne sprege) omogućuje nam da prosudimo strukturnu stabilnost (ili ne) sustava.

Ako analizirate kartu "Problemi potrošnje električne energije" (vidi sl. 6.14), tada u njoj postoji pet ciklusa: K-> Uh->V* U^ U"> Uh-> K* C>"> ^4"> ^3">

-> Vq, V7-> V5 -" VA -> V3 -" V6 -" V7, među kojima V5 -> -> Kj -> ^2~^ ^5 - jedan je negativan.

Scenariji ponašanja objekta, modeliranje impulsa (modeliranje scenarija)

Modeliranje ponašanja sustava temelji se na scenarijskom pristupu.

S temeljne točke gledišta, scenarij odgovara sljedećoj ontologiji: početno stanje, slijed događaja, konačno stanje. Drugim riječima, metaforički, scenarij je strukturiran u vremenskoj dimenziji shemom "izvor - put - cilj", gdje je izvor početno stanje, konačno stanje odredište, događaji su na putu, a put je vremenski produžen.

Scenarij je cijeli, i svaki od elemenata - Dio.

Ontologija skripte obično također uključuje ljude, stvari, svojstva, odnose i prijedloge. Osim toga, elementi ontologije često su povezani relacijama određenih vrsta: kauzalnim relacijama, relacijama identiteta itd. Ti su odnosi strukturno predstavljeni komunikacijskim shemama (sheme veza), od kojih je svaki kategoriziran prema vrsti veze koju predstavlja. Scenariji također imaju strukture ciljeva koje specificiraju ciljeve sudionika u scenariju.

Definicija pojma “scenarij” povezana je s definicijom pojmova “znakovi sustava”, “stanje sustava”, “ponašanje sustava”, “očekivani događaj”, “situacija”.

Znakovi karakterizirati svojstva sustava, podsustava i elemenata. Znakovi mogu biti kvaliteta I kvantitativni. Znak može biti mjera učinkovitosti. Mjerenje neke osobine često je veliki izazov.

država sustav karakteriziraju vrijednosti svojstava u danom trenutku. Stanja sustava se mijenjaju tijekom njegovog rada.

Prijelazi sustava (ili njegovih dijelova) iz stanja u stanje uzrokuju tokove, definirane kao stopa promjene vrijednosti atributa sustava.

Ponašanje sustava - ovo je promjena stanja sustava tijekom vremena.

Očekivani događaj ponašanje objekta, prema razvijenom modelu objekta, je trostruko: trenutak u vremenu t, odabrani prema nekim selekcijskim pravilima A (pravilo odabira A označava trenutke vremena za fiksiranje naredbene trajektorije objekta), dg(g) i g/(g) - očekivana implementacija parametara opisa okoline i fazne putanje sustava.

Situacija 5(0 u određenom trenutku r je skup događaja kronološki raspoređenih u vremenu koji su se dogodili prije trenutka b.

Scenarij - Ovo je skup trendova koji karakteriziraju: situacija trenutno željene razvojne ciljeve, skup mjera kojima se utječe na razvoj situacije i sustave za promatranje parametara (čimbenika) koji ilustriraju ponašanje procesa.

Određuje se dubina scenarija, horizont scenarija i vremenski korak scenarija. Predstavite scenarij u formaliziranom obliku.

Scenarij se može modelirati u tri glavna smjera:

prognoza razvoja situacije bez utjecaja na procese: situacija se razvija sama od sebe (evolucijski razvoj);
prognoza razvoja situacije s odabranim skupom kontrolnih mjera (izravni zadatak);
sinteza skupa mjera za postizanje potrebne promjene stanja situacije (inverzni problem).

Modeliranje širenja smetnji na kognitivnim mapama, impulsni procesi. Objekt modeliranja može se smatrati skupom međusobno povezanih dinamičkih procesa koji se odvijaju u stvarnom vremenu. Vrijeme također mora biti prisutno u modelu procesa, ali kada se modelira različitim vrstama grafova, ovo vrijeme možda neće imati značenje vremena, već odražava samo slijed promjena stanja. Ovo je slučaj za označene digrafove i označene parametarske grafove. Za opisivanje interakcije s okolinom koriste se pojmovi "ulaz", "izlaz", "stanje", "ponašanje" sustava.

Pri analizi situacija na temelju modela kognitivnih mapa rješavaju se dvije vrste problema: statički i dinamički. Statička analiza - ovo je analiza trenutne situacije, uključujući proučavanje utjecaja jednih čimbenika na druge, proučavanje stabilnosti situacije u cjelini i traženje strukturnih promjena za dobivanje stabilnih struktura.

Dinamička analiza - To je generiranje i analiza mogućih scenarija razvoja situacije kroz vrijeme. Matematički aparat analize je teorija predznačenih grafova i neizrazitih grafova.

Pod utjecajem raznih poremećaja, vrijednosti varijabli na vrhovima grafa mogu se promijeniti; signal primljen na jednom od vrhova širi se duž lanca do ostatka, pojačavajući se ili slabeći.

Modeliranje pulsa - Ovo je modeliranje širenja smetnji na kognitivnim mapama, uzrokovanih uvođenjem impulsa smetnji u verteks (skup vrhova) kognitivne karte. Objekt modeliranja može se smatrati skupom međusobno povezanih dinamičkih procesa koji se odvijaju u stvarnom vremenu.

Analiza scenarija omogućuje prosuđivanje ponašanja sustava i znanstveno predviđanje putova njegovog mogućeg razvoja. Analiza se provodi na temelju rezultata modeliranja impulsa. Za generiranje mogućih scenarija razvoja sustava, hipotetski ometajući ili kontrolni utjecaji uvode se u vrhove kognitivne mape. Kod unošenja smetnji<2,(и) исследуется вопрос "что будет в момент (и + 1), если...?". Набор реализаций импульсных процессов - это "сценарий развития", он указывает на возможные тенденции развития ситуаций.

Impulsni proces može odražavati i evolucijski razvoj sustava i njegov razvoj pod utjecajem poremećaja i upravljačkih utjecaja. 0,^), dodano na vrh 1>1 u trenutku g„.

Scenarij za razvoj situacije Uobičajeno je nazivati cijeli skup impulsnih procesa na svim vrhovima kognitivne mape. Dakle, skup impulsnih procesa kada se uvode smetnje<2 представляет собой модельную реализацию альтернативных действий (Л Для реальных систем 0_ tumačiti kao različiti upravljački (primjerice, programi razvoja sustava) ili ometajući utjecaji (primjerice, promjene u vanjskom okruženju, radnje konkurencije i sl.).

Scenariji razvoja generirani pod raznim uznemirujućim utjecajima zapravo su “znanstvena predviđanja” mogućih putova razvoja sustava. Scenarij karakterizira trend razvoja procesa u sustavu, točnije, različite moguće trendove razvoja (posljedice) s hipotetskim promjenama ometajućih i regulacijskih čimbenika i njihovih kombinacija (uzroka) u simuliranoj budućnosti. Dakle, impulsno modeliranje razvoja situacija omogućuje nam da razvijemo moguće scenarije razvoja sustava – od pesimističnog do optimističnog. Na temelju scenarija izrađuje se strategija upravljanja sustavom koju potom provode donositelji odluka u skladu s diktirajućim uvjetima vanjske i unutarnje okoline.

Razmotrite pravilo (RY) promjene parametara na vrhovima u trenutku Neka parametar X! ovisi o vremenu, tj. X)(1)y 1= 1, 2, 3,.... Tada možemo odrediti proces širenja poremećaja duž grafa, tj. prijelaz sustava iz stanja £ - 1 u i ja + 1,....

U općem slučaju, ako postoji nekoliko vrhova susjednih V,-, proces širenja poremećaja kroz graf je određen pravilom (za poznate početne vrijednosti X(0) na svim vrhovima i početni vektor poremećaja P(0)):

gdje je dg,(0 i x £1+ 1) - vrijednosti parametara u vrhu V; u trenucima od strane I + 1, p^£) - promjena u vrhu U^ u određenom trenutku G,

Budući da je u Φ-grafu impuls u impulsnom procesu predstavljen kao uređen niz bez reference na vrijeme, možete koristiti zapis formula "u i-tom trenutku vremena" (u modelu procesa kada se modelira s različitim tipovima grafova, vrijeme možda nema značenje vremena, već odražava samo slijed promjena stanja (ovo se događa za označene digrafove i označene težinske digrafove). Funkcija py(/;) utjecaja promjena u susjednim U-) vrh V) može se zamijeniti impulsom p(n) = x(n + 1) - x(n), Gdje x(n)y x(n+ 1) - vrijednost indikatora na vrhu V u koracima simulacije u trenutku £ = P a nakon njega £ = P+ 1. Tada se formula (6.64) transformira u oblik

Pravilo(Pd) promjene parametara na vrhovima u trenutku £u+1, ako u trenutku ip impulsi stigli do vrhova:

Model impulsnog procesa je tuple (F. £>, RShch, gdje je φ φ-graf, (2= 0,(1,) - slijed uznemirujućih utjecaja, RY - pravilo za promjenu parametara. U ovom slučaju niz X(r0),<2(гн)^ является модельным представлением динамической системы (г0,50,В0).

Za razvoj odgovarajućih računalnih algoritama prikladno je prikazati matematički model impulsnih procesa na predznačenim grafovima u matričnom obliku.

i = 0, 1, 2, uvedeno u vrhove Y; u trenutku £; vektor parametara vrha u trenutku t i promjene parametara vrha dane su jednadžbama:

Za R, iz posljednje jednadžbe dobivamo izraz

gdje je / matrica identiteta.

Autonomna nazvan posebnim slučajem impulsnih procesa na kognitivnim mapama, kada se vanjski impulsi uvode samo jednom na početku simulacije.

Najjednostavnija varijanta širenja poremećaja je slučaj kada P(0) ima samo jedan ulaz različit od nule, tj. smetnja dolazi samo do jednog vrha V-r Takvi se procesi obično nazivaju jednostavni procesi.

Situacija u modeliranju impulsa karakterizira skup svih Q i vrijednosti x u svakom P korak modeliranja.

Navedimo primjer modeliranja impulsa korištenjem kognitivne karte problema potrošnje električne energije (slika 0.19). Za njega matrica odnosa ima oblik

Modelirajmo proces širenja poremećaja pomoću kognitivne karte problema s potrošnjom električne energije: “Što će se dogoditi ako se potrošnja električne energije poveća?” (Slika 6.18). Kao što je vidljivo iz grafikona impulsnih procesa, trendovi u razvoju situacija nisu u suprotnosti s intuitivnim pretpostavkama da povećanje potrošnje električne energije zbog povećanja energetskog kapaciteta može dovesti do pada njezine cijene, pogoršanja okoliša, povećanje broja poduzeća i povećanje broja radnih mjesta. Grafikoni prikazuju cikluse simulacije duž OX osi. P, ali 0Y osi brojeva karakteriziraju brzinu rasta signala na vrhovima kognitivne mape (znanstveno predviđanje mogućih trendova razvoja).

Riža. 6.18. Povećanje potrošnje električne energije,<7/(= +1, вектор возмущений (2= (0,0,0 + 1,0,0,0)

Inverzni problemi, problemi upravljivosti i opažljivosti

Rješavanje inverznog problema je traženje takvih vrijednosti upravljačkih djelovanja (2) koje mogu dati željeni scenarij razvoja sustava.Za rješavanje se mogu koristiti metode matematičkog programiranja (linearne, nelinearne).

Rješenja problema uočljivosti i upravljivosti sustava međusobno su povezana. Problem uočljivosti - problem određivanja dostatnosti mjerenja izlaznih varijabli za određivanje nepoznatih početnih vrijednosti inputa. Problem upravljivosti - radi se o problemu mogućnosti promjene ulaza sustava ovisno o promatranim izlazima (kibernetički ili upravljački pristup).

Analiza stabilnosti sustava prikazanog grafom

Održivost je višedimenzionalan koncept. U proučavanjima socio-ekonomskih sustava pojam „održivost“ znači mnogo, ne uvijek jasno definiran (održivost financijskog sustava, održivost organizacije). U teoriji upravljanja tehničkim sustavima jasno je definiran pojam “stabilnost” i razvijeni su kriteriji stabilnosti sustava (“stabilnost po Ljapunovu”, po Poincaréu itd.). Razmatraju se dva aspekta pojma “stabilnost”: stabilnost sustava pod utjecajem vanjskih poremećaja s fiksnom strukturom sustava, tj. kada se mijenja samo vanjska okolina, a stabilnost ponašanja sustava kada se mijenja struktura sustava je strukturna stabilnost (male promjene u strukturi sustava uzrokuju male promjene u njegovoj dinamici).

Pri proučavanju stabilnosti težinskog usmjerenog grafa - kognitivne karte - ispituje se stabilnost vrijednosti i stabilnost poremećaja sustava kako se razvija.

Uvedimo koncepte algebarskog kriterija stabilnosti po poremećaju i početne vrijednosti i razmotrimo vezu između stabilnosti grafa i njegove topološke strukture, na temelju radova V. V. Kulbe, S. S. Kovalevskog, D. L. Kononova, A. B. Šelkova i drugih, kao i na djelima J. Cast.

Temeljna ideja pri razvoju kriterija stabilnosti grafova je ideja o karakterističnim vrijednostima matrice odnosa L(; graf – kognitivni model.

Karakteristične vrijednosti grafa definirane su kao svojstvene vrijednosti matrice Ac. Prema Routh-Hurwitzovom teoremu za linearne sustave, ako među svojstvenim vrijednostima matrice (korijenima) nema brojeva modula većih od jedan, tada je sustav stabilan pod poremećajem. Stabilnost u poremećaju ne znači i stabilnost u vrijednosti, iako je suprotno. Ali postoje značajna ograničenja u primjeni ovog kriterija, pa ćemo ga koristiti u jednostavnim slučajevima.

Za gornji primjer problema s potrošnjom električne energije (vidi sl. 6.18), broj korijena matrice As jednako 7, među kojima postoji korijenski modul veći od 1: M= 1.43. Zbog toga je ovaj sustav nestabilan ni u smislu poremećaja ni u smislu početne vrijednosti. Zapravo, činjenica nestabilnosti ilustrirana je grafovima impulsnih procesa (vidi sl. 6.18) - grafovi se razilaze.

Strukturna i kohezijska stabilnost sustava

Položaj ravnotežnih stanja ovisi o dinamičkim svojstvima sustava koji se proučava i može se mijenjati. Stoga se postavlja još jedno pitanje: hoće li mala promjena u sustavu dovesti do pomaka u stanju ravnoteže? Naime, za razliku od klasične teorije stabilnosti, koja nije razmatrala promjene u sustavu, već samo poremećaje u okolini, potrebno je proučavati probleme stabilnosti tijekom strukturnih promjena u samom sustavu. To je praktički vrlo važno pitanje, jer te promjene, čak i male, mogu dovesti do drastičnih kvalitativnih promjena u daljnjem ponašanju sustava. Jedan od alata za proučavanje takvih pojava je teorija katastrofa, odnosno teorija bifurkacija.

Postoji "kombinirani" koncept stabilnosti, koji kombinira klasične ideje Ljapunova s kombinatorno-topološkim pristupom - konceptom povezane stabilnosti, koji je izvorno nastao u vezi s proučavanjem pitanja ravnoteže u ekonomiji. Pri proučavanju povezane stabilnosti problem se formulira na sljedeći način: hoće li ravnotežno stanje danog sustava ostati stabilno u smislu Ljapunova, bez obzira na dvostruke veze između stanja sustava?

Definirajmo matricu relacija Ac. Stanje ravnoteže X = O se smatra stabilnom vezom ako je stabilna po Lyapunovu za sve moguće matrice međusobnog povezivanja

Proučavanje koherentne održivosti je od praktičnog interesa, posebno u proučavanju organizacijskih sustava kao što je ekonomski sustav. To je zbog činjenice da pri opisivanju procesa u tim sustavima prisutnost ili odsutnost te veze ne mora uvijek biti očita zbog poremećaja u radu samog sustava, prisutnosti poremećaja i poznate subjektivnosti matematičkog modela. sustava.

Prilagodljivost sustavi su još jedan aspekt održivosti. Prilagodljivost se može smatrati određenom mjerom sposobnosti sustava da apsorbira vanjske poremećaje bez izraženih posljedica za njegovo ponašanje u prijelaznom ili stabilnom stanju.

Pojam adaptabilnosti blizak je pojmu stabilnosti konstrukcije, ali je nešto širi od njega.

Razmotrimo glavne odredbe koje se odnose na proučavanje strukturne stabilnosti sustava. Klasična ideja stabilnosti vrlo je plodna u tehničkim i fizičkim sustavima. Za sociotehničke, socio-ekonomske sustave takav se prikaz može koristiti, ali to zahtijeva ozbiljno opravdanje za određene sustave. Štoviše, normalni način rada ovih sustava daleko je od ravnoteže, osim toga, vanjski poremećaji stalno mijenjaju samo stanje ravnoteže. Središnji element modernih pogleda na održivost je koncept održivosti konstrukcije, koji ćemo razmotriti dalje.

Glavni zadatak proučavanja strukturne stabilnosti je identificirati kvalitativne promjene u putanji sustava kada se mijenja struktura samog sustava. Potrebno je razmotriti skupinu sustava "bliskih" nekom standardnom, tj. imamo posla s obitelji putanja koje treba istražiti. U takvoj situaciji govori se o strukturalna stabilnost.

Sustav se naziva strukturno stabilnim ako je topološka priroda putanja svih sustava koji su mu blizu ista kao standardna.

Dakle, svojstvo strukturne stabilnosti je da se sustav koji se razmatra ponaša gotovo isto kao i oni koji su mu bliski; inače je sustav strukturno nestabilan. Razina strukturne stabilnosti karakterizira generaliziranu informaciju o stupnju stabilnosti sustava ili njegovih pojedinačnih elemenata na vanjske i unutarnje poremećaje određene prirode.

Uz sve gore formulirane probleme, pojavljuju se brojne matematičke poteškoće koje se odnose na to kako odrediti što su "male perturbacije", "putanje blizu ishodišta koordinata", "bliski sustavi", "putanje koje su tipološki slične jedna drugoj". Za neke specifične klase sustava te su poteškoće prevladane.

Možemo razlikovati dvije skupine metoda za matematičku analizu strukturne stabilnosti modela, napisanih jezikom predznačenih digrafova. Prvi se temelji na nizu teorema koji povezuju spektar digrafa s njegovom stabilnošću u jednostavnim impulsnim procesima, drugi je na transformaciji izvornog predznačenog digrafa u matrični model s detaljnom analizom potonjeg. Strukturalnu stabilnost sustava moguće je utvrditi analizom ciklusa kognitivne mape.

Pri analizi kognitivne karte identificiranjem ciklusa u njoj koriste se koncepti parnih i neparnih ciklusa. Gore smo već spomenuli pozitivne i negativne povratne sprege. Postoji odnos između vrste ciklusa i stabilnosti sustava.

Parni ciklus je najjednostavniji model strukturne nestabilnosti, budući da svaka početna promjena parametra u bilo kojem od njegovih vrhova dovodi do neograničenog povećanja modula parametara vrhova ciklusa. Svaka promjena parametra bilo kojeg vrha neparnog ciklusa dovodi samo do oscilacije parametara vrha. Predpisani digraf koji ne sadrži cikluse ili sadrži samo jedan ciklus je impulsno stabilan za sve jednostavne impulsne procese.

Do sada smo govorili o formalnoj analizi stabilnosti kognitivnih mapa složenih sustava. Potrebno je imati na umu još jedan ozbiljniji aspekt proučavanja stabilnosti kognitivnih mapa koje se koriste u drugim područjima kognitivnih istraživanja. U tom smislu, analiza stabilnosti kognitivnih mapa sastoji se u određivanju uravnoteženih, konzistentnih, stabilnih kognitivnih struktura i, konceptualno, temelji se na glavnim odredbama teorija socijalne psihologije: kognitivna disonanca L. Festingera, strukturalna ravnoteža F. Heider, komunikacijski činovi T. Newcomea.

Izazov složenosti sustava i povezanosti

Pojam “povezanosti” sustava javlja se zajedno s pojmom “strukture” sustava. Nestankom strukturne povezanosti nestaje i sustav. Matematički opis problema analize povezanosti najuspješnije se postiže jezikom teorije grafova i algebarske topologije. Prva se metoda temelji na analizi povezanosti modela grafa pomoću metoda teorije grafova. Drugi pristup temelji se na proučavanju topoloških svojstava modela grafova pomoću matrice relacija kognitivne mape, tzv. ^-analizi povezanosti simplicijskih kompleksa. Temelji topološkog proučavanja složenih sustava na temelju proučavanja njihovih strukturnih svojstava započeli su 1960-1970-ih godina. Trenutno je prikazana učinkovitost korištenja simplicijalnih kompleksa za modeliranje svojstava povezanosti različitih mreža međudjelovanja elemenata (podsustava, entiteta...), kao što su komunikacijske, prometne, biološke mreže, mreže distribuiranih algoritama. Dokazano je da su simplicitni kompleksi vrlo korisni u proučavanju dinamičkih procesa u mrežama.

Matematičke temelje poliedarske analize postavio je K. Drowker, a analiza je dalje razvijena u radovima britanskog fizičara R. Etkina. Razvio je prvi alat za jednostavnu analizu, nazvan ^-analiza (poliedarska analiza, ili analiza poliedarske dinamike). Unatoč činjenici da je primjena ^-analize na proučavanje društvenih, bioloških, ekonomskih i drugih složenih sustava pokazala svoju učinkovitost, nema mnogo publikacija u tom smjeru (najraniji su radovi R. Etkipa, J. Casti, S. Seidman, J. Johnson, K. Earl, P. Gould, H. Kauklklis, S. McGill, A. Cullen, H. Griffith, G. Varsello, H. Kramer, R. Axelrod, R. Laubenbacher) . Posljednjih godina, u našoj zemlji, također se počeo zapažati interes za primjenu topoloških metoda u proučavanju struktura složenih sustava (na primjer, V.B. Mnukhin, O.Yu. Kataev, itd.) "ali ove i drugi matematički radovi su teorijske prirode, au odnosu na u proučavanju socio-ekonomskih sustava, takve studije su sada izuzetno rijetke. Metoda analiziranja (/-povezanosti omogućuje nam da prosudimo povezanost sustava dublje od tradicionalnih studije povezanosti grafova, budući da se time utvrđuje prisutnost međusobnog utjecaja simplicitnih blokova sustava kroz lanac veza između njih. Na temelju takvih mogućnosti predlažu se formalizirana pravila za opravdanje izbora ciljnih i kontrolnih vrhova, određivanje stabilnosti sustavi karakterizirani određenim simplicijalnim kompleksima, uvjeti strukturne stabilnosti sustava Određivanje broja simpleksa i njihove strukture, analiza ^-povezanosti sustava omogućuje nam da iznesemo opravdanja za rješavanje problema dekompozicije i sastava proučavanih društveni sustav ekonomski sustav, identificirati jednostavnosti koje najviše utječu na procese u sustavu i čija su formirajuća vrha racionalnije odabrana kao upravljači. f-analiza nam omogućuje da otkrijemo višedimenzionalnu geometriju složenih sustava, pratimo utjecaj različitih lokalnih promjena na strukturu sustava kao cjeline i da se posebno usredotočimo na strukturne značajke sustava, što se ne otkriva drugim pristupima. Korištenje ove metode za analizu strukturno složenih sustava omogućuje nam drugačiji pristup samoj definiciji pojma „složenosti“, dublje otkrivanje uloge pojedinih elemenata i njihov utjecaj na ostale elemente sustava.

Pogledajmo odjeljak 7.4, koji postavlja osnove analize ^-povezanosti sustava. U ovoj analizi sustav se promatra kao odnos između elemenata konačnih skupova – skupova vrhova Un zadane obitelji nepraznih podskupova ovih vrhova - simpleksa a. Skupovi vrhova i odgovarajući simpleksi čine simplicijalne komplekse DO. Za njihovu konstrukciju mogu se koristiti posebne tehnike za konstrukciju (ekspertne) matrice incidenta L:

ali se može koristiti već gotova struktura sustava navedena u obliku grafa C = <У, £>, koji služi kao osnova za njegovo geometrijsko i algebarsko predstavljanje kao simplicitnog kompleksa. Simplicijalni kompleks sastoji se od skupa vrhova (U) i skupovi nepraznih konačnih podskupova skupa (V,-), koji se nazivaju simpleksi (simplicijalni kompleks se dobiva particioniranjem nekog prostora x(ili Y) u podskupove koji se sijeku; prostor koji dopušta takvu particiju zove se poliedar, a proces njezine particije naziva se triangulacija).

Simpleks se označava kao 8^)^, gdje і - broj vrha, i ts - geometrijska dimenzija simpleksa. Broj d određen brojem lukova koji povezuju vrhove U) u simpleksu kroz varijablu xg Broj ts(broj incidenata luka y-) je za jedan manji od broja jedinica (“”) u odgovarajućem /-retku matrice A. Ako nema 1 u retku matrice A, tada označavamo dimenziju “praznog” simpleksa: # = O -- 1 = -1. Dimenzija simpleksa je broj bridova u svakom vrhu potpunog grafa - simpleksa.

Lanci ^-povezanosti nastaju preko veza istoimenih vrhova. Komunikacijski krug odražava mogućnost da se dva simpleksa, bez izravnog zajedničkog ruba, mogu povezati pomoću niza srednjih simpleksa.

Bez davanja strogih definicija analize ^-povezanosti (vidi odjeljak 7.4), konstrukciju simplicijskog kompleksa ilustriramo primjerom problema potrošnje električne energije (za PS CM razvijeni su posebni algoritmi za konstruiranje simplicijalnih kompleksa velikih dimenzija) . Po matrici As mogu se definirati njegovi simplicitni kompleksi – redovima KX(Y, X) i po stupcima Ku(X, X*), Gdje X- redovi, U - stupci, X- matrica odnosa između elemenata (Ac), X* - transponirana matrica.

Izgradimo kompleks KX(Y, X) - po linijama.

Prvi red: §(1)b/=í í=i. simpleks se sastoji od jednog vrha UA.

^2- &2=-io> simpleks se sastoji od jednog vrha U$. U: 8^/=2-=y Simpleks se sastoji od dva vrha međusobno povezana preko Y - Vau I da

U: 8*4^_z_1=2, simpleks se sastoji od tri vrha - U^U I U$.

U$: 8<5)^=]_1=0т симплекс состоит из одной вершины UA. U§. 8^6^d-2-1=1" simpleks se sastoji od dva vrha - U I U-g

U7: 8(7^=3_1=0, simpleks se sastoji od jednog vrha UGG Dakle, simplicitni kompleks ima oblik: VD Ya.) = (8(1)9=0; 5(2)^,; 8(3>9=2; 8(4)d=3; b^; 80)^}.

Budući da u ovom kompleksu nema simpleksa dimenzija većih od 2, on se može geometrijski prikazati na ravnini (sl. 6.19).

Riža. 6.19. Kx( uh, X)

Kao što vidimo, kompleks je nekoherentan, ima tri odvojene komponente, što može ukazivati na slabu upravljivost ove strukture.

Koncepti povezanosti i složenosti sustava međusobno su ovisni. Razmotrite: strukturnu složenost, dinamičku složenost, računsku složenost, evolucijsku složenost; unutarnju i vanjsku složenost. Kako bi sustav implementirao zadani tip ponašanja bez obzira na vanjske smetnje, različitost u njegovom ponašanju može se suzbiti samo povećanjem skupa kontrola (Ashbyjev princip neophodne raznolikosti). Ova sposobnost sustava karakterizira "složenost kontrole". Sustav ne može biti "univerzalno složen". Može biti složen s nekih pozicija, a nekompliciran s drugih. “Složenost” sustava često dovodi do toga da je lakše prvo proučiti elemente i komponente sustava, a zatim na temelju stečenog znanja pokušati razumjeti sustav u cjelini. Stoga je zadatak analize složenosti sustava povezan s problemima dekompozicije i sastava sustava.

Metode konstruiranja kognitivnih modela složenih sustava

Metode za konstruiranje kognitivnih modela moraju: zadovoljiti zahtjeve pogodnosti i konstruktivnosti; biti usko povezan s metodama procjene rezultata analize kako bi u procesu odlučivanja kognitivni model mogao poslužiti kao savjetnik i kritičar donositelju odluka; točno odražavaju ideje donositelja odluka o konceptima i odnosima među njima; ne bi trebao zahtijevati od sastavljača kognitivnog modela da unaprijed specificira koncepte.

Trenutno se predlaže veliki broj metoda za konstruiranje kognitivnih modela složenih sustava. Ali sve je to bliže umjetnosti nego strogim pravilima, iako je razvijen veliki broj alata koji pomažu istraživaču da razvije jednu ili drugu kognitivnu mapu. Ove metode mogu se sažeti na sljedeći način:

razvoj kognitivnih modela (kognitivnih mapa) uz pomoć stručnjaka za predmet. Koriste se različite ekspertne metode i tehnologije za rad sa stručnjacima (uključujući rad u situacijskim centrima; u tu svrhu razvijeno je dovoljno posebnih softverskih opcija, npr. ArchiDoca, developer neprofitnog partnerstva za znanstveno istraživanje i društveni razvoj Analitička agencija " Nove strategije", voditelj A.N. . Raikov);
razvoj kognitivnih modela od strane istraživača (kognitivnog inženjera) zajedno sa stručnjakom iz predmetnog područja;
razvoj kognitivnih modela (ili njihovih blokova) na temelju rezultata statističke analize podataka pomoću programa Rudarenje podataka i također pomoću posebnog softvera (na primjer, računalna LOC metoda, programeri V. N. Zhikharev, A. I. Orlov, V. G. Koltsov);
razvoj kognitivnih modela temeljenih na analizi tekstova koji sadrže podatke o predmetnom području;
razvoj kognitivnih modela na temelju analize postojećih teorija u predmetnom području, korištenje gotovih kognitivnih shema.

Pri izradi kognitivnih mapa uz pomoć stručnjaka mogu se preporučiti sljedeće metode.

1. metoda. Kognitivnu mapu gradi sam donositelj odluke, na temelju svojih znanja i ideja, bez uključivanja stručnjaka ili referentnih materijala.

Prednost metode: brzina konstruiranja kognitivne karte. Nedostatak: primjerenost kognitivne karte uvelike ovisi o kvalifikacijama donositelja odluke, njegovom znanju i sposobnosti da osjeti prirodu odnosa između pojmova.

Izgradnja kognitivne mape pomaže donositelju odluka da jasnije zamisli problem, da bolje razumije ulogu pojedinih komponenti i prirodu odnosa među njima.

2. metoda. Izrada kognitivnih mapa od strane stručnjaka na temelju proučavanja dokumenata.

Prednost: metoda je praktična i omogućuje korištenje podataka koje koristi sam donositelj odluka. Nedostatak: vještačenje dokumenata je dugotrajan i naporan proces.

3. metoda. Izrada kognitivne mape na temelju ankete grupe stručnjaka koji imaju sposobnost procjene uzročno-posljedičnih veza.

Prednost: sposobnost agregiranja pojedinačnih mišljenja i utemeljenja na većem rasponu procjena nego što se može izvući iz dokumenata koji se proučavaju. Nedostatak: radno intenzivan.

4. metoda. Izrada kognitivnih mapa na temelju otvorenih anketa. Prednosti: metoda se može koristiti za izradu komparativnih kognitivnih mapa, osim toga, istraživač ima priliku voditi aktivan dijalog s izvorima informacija. Nedostatak: radno intenzivan.

Detaljan primjer razvoja kognitivnih mapa uz pomoć stručnjaka dan je u radovima osoblja IPU RAN, na primjer u knjizi E. A. Trakhtengertsa, kao iu radovima.

Ako se provodi kognitivno modeliranje stvarnog društveno-ekonomskog ili drugog složenog sustava, može se preporučiti korištenje kombinacije ovih metoda i tehnika.

Adekvatnost modela

Učinkovitost primjene kognitivnog modela u praksi ovisi o njegovoj korespondenciji sa stvarnom situacijom. Neadekvatnost modela kada se koristi za razvoj strategija za razvoj sustava i donošenje upravljačkih odluka može imati mnogo veće negativne posljedice od neuspješnog kognitivnog modela koji je izgradio pojedinac u procesu povećanja svoje £1 (u eksperimentima kognitivnih psihologa to pokazalo se da je tehnika kognitivnih mapa jedna od najučinkovitijih tehnika mišljenja, koja koristi obje hemisfere mozga, povećava razinu inteligencije, razvija pamćenje itd.). Provjera adekvatnosti kognitivnog modela jedan je od višeznačno riješenih problema.

Općenito, ova se provjera može provesti na sljedeći način.

Neka postoje odnosi između osnovnih čimbenika, koji su vrhovi modela grafa, koji se mogu tumačiti kao sve vrste aksioma predmetnog područja. U pravilu se ti odnosi formiraju u obliku proizvoda kao što su:

gdje je X;, G = 1,2.....Za - neka karakteristika osnovnog faktora V-,(na primjer, granična vrijednost faktora, predznak prirasta faktora itd.). Cjelokupnost takvih proizvoda čini osnovno znanje o određenom predmetnom području.

Model grafa smatra se primjerenim stvarnoj situaciji ako niti jedan od proizvoda temeljnog znanja nije narušen u procesima modela.

Cjelovita provjera primjerenosti modela ovisi o cjelovitosti temeljnog znanja, koje je određeno omjerom broja situacijskih stanja reflektiranih u temeljnom znanju prema ukupnom broju situacijskih stanja.

Ako nedostaju osnovna znanja o situaciji koja se proučava, prošlo ponašanje procesa možda neće imati utjecaja na njihovo buduće ponašanje. Stoga nije moguće prihvatljivo predviđanje ovih procesa.

Dakle, s najopćenitijih pozicija, provjera adekvatnosti modela je usporedba informacija o stvarno modeliranom sustavu, koje su dobivene empirijski u određenom području parametara sustava, s informacijama koje model daje u istom području. parametara sustava. Ako su razlike male sa stajališta svrhe modeliranja, tada se model smatra primjerenim.

Kvaliteta i učinkovitost kognitivne analize povezane su i sa subjektivnošću donositelja odluka i s činjenicom da samo istraživanje utječe na rezultate. Postoji odnos između razmišljanja sudionika i situacije u kojoj sudjeluju. Taj se odnos očituje na dva načina, u obliku dvije ovisnosti: kognitivne (pasivne), koja izražava napor sudionika uložen u razumijevanje situacije, i kontrolne (aktivne), povezane s učinkom njihovih zaključaka na situaciju u stvarni svijet. U kognitivnoj funkciji, percepcije sudionika ovise o situaciji, dok u izvršnoj funkciji oni utječu na situaciju.

Dakle, prisutnost mislećih sudionika u sustavu, od kojih svaki na svoj način predstavlja situaciju i na temelju svoje „virtualne“ reprezentacije donosi određene odluke, dovodi do toga da, prema riječima J. Sorosa, „.. .slijed događaja ne vodi izravno od jednog skupa čimbenika do drugog; umjesto toga, on povezuje čimbenike s njihovim percepcijama, a percepcije s čimbenicima."

To dovodi do činjenice da procesi u situaciji ne dovode do ravnoteže, već do beskrajnog procesa promjene. Iz toga slijedi da su kao rezultat interakcije i situacija i pogledi sudionika ovisne varijable i primarna promjena ubrzava nastanak daljnjih promjena kako u samoj situaciji, tako iu pogledima sudionika. Shema kognitivnog modeliranja na Sl. 6.17 predviđa ovu činjenicu. Povjerenje istraživača u primjerenost modela nastaje ili ne kao rezultat rješavanja svakog problema sustava zasebno, ali i usporedbom svih rezultata u cjelini.

Tako, primjerice, ako trendovi u razvoju situacija prema bilo kojem simuliranom razvojnom scenariju koji odgovara konkretnom stanju društveno-ekonomskog sustava nisu u suprotnosti s opaženim trendovima u procesima u stvarnom sustavu (vremenskim serijama statističkih podataka), onda se takav model grafa može smatrati adekvatnim. Ili ako je razvijena struktura - kognitivna mapa - nestabilna, ali se u stvarnosti promatra stabilnost sustava koji se proučava, tada se javlja prirodna sumnja u razvijeni model. Numerička mjera primjerenosti svih rezultata u agregatu nije razvijena (iako ostaje otvoreno pitanje je li to načelno moguće), moramo se vratiti općoj definiciji: „model grafa smatra se primjerenim stvarnoj situaciji ako niti jedan od osnovnih proizvoda znanja nije narušen u procesima modela".

Problemi adekvatnosti kognitivnih modela ne prestaju zabrinjavati istraživače. I trenutno, tim Sektora 51 Instituta za informatiku Ruske akademije znanosti provodi ozbiljan rad na polju provjere kognitivnih mapa. Koriste se pojmovi "neformalne" i "formalne" kognitivne mape. Stoga se crteži kognitivnih mapa u ovom odlomku odnose na neformalne karte. Parametarski funkcionalni grafovi mogu se klasificirati kao formalni.

Primjer korištenja tehnologije kognitivnog modeliranja dan je u Dodatku 6.

Metodologiju kognitivnog modeliranja za analizu i donošenje odluka u loše definiranim situacijama predložio je Axelrod. Temelji se na modeliranju subjektivnih predodžbi stručnjaka o situaciji i uključuje: metodologiju za strukturiranje situacije: model za reprezentaciju znanja stručnjaka u obliku potpisanog digrafa (kognitivne mape) (F, W), gdje je F skup čimbenika situacije, W je skup uzročno-posljedičnih veza između čimbenika situacije; metode analize situacije. Trenutno se metodologija kognitivnog modeliranja razvija u smjeru poboljšanja aparata za analizu i modeliranje situacije. Ovdje se predlažu modeli za predviđanje razvoja situacije; metode za rješavanje inverznih problema

Kognitivna mapa (od latinskog cognitio - znanje, spoznaja) slika je poznatog prostornog okruženja.

Kognitivne karte nastaju i modificiraju se kao rezultat aktivne interakcije subjekta s vanjskim svijetom. U tom slučaju mogu se oblikovati kognitivne karte različitog stupnja općenitosti, "razmjera" i organiziranosti (primjerice, pregledna karta ili karta puta, ovisno o cjelovitosti prikaza prostornih odnosa i prisutnosti izražene točke referenca). To je subjektivna slika koja ima prije svega prostorne koordinate u kojima su lokalizirani pojedini percipirani objekti. Postoji karta puta kao sekvencijalni prikaz veza između objekata duž određene rute i pregledna karta kao istovremeni prikaz prostornog položaja objekata.

Vodeća znanstvena organizacija u Rusiji koja se bavi razvojem i primjenom tehnologije kognitivne analize je Institut za probleme upravljanja Ruske akademije znanosti, odjel: Sektor-51, znanstvenici Maksimov V.I., Kornoushenko E.K., Kachaev S.V., Grigoryan A.K. i drugi. Ovo predavanje temelji se na njihovom znanstvenom radu u području kognitivne analize.

Tehnologija kognitivne analize i modeliranja (Slika 1) temelji se na kognitivnom (kognitivno-ciljnom) strukturiranju znanja o objektu i njegovom vanjskom okruženju.

Slika 1. Tehnologija kognitivne analize i modeliranja

Kognitivno strukturiranje predmetnog područja je identifikacija budućih ciljanih i nepoželjnih stanja objekta upravljanja i najznačajnijih (osnovnih) čimbenika upravljanja i vanjskog okruženja koji utječu na prijelaz objekta u ta stanja, kao i uspostavljanje na kvalitativna razina uzročno-posljedičnih odnosa između njih, uzimajući u obzir čimbenike međusobnog utjecaja jednih na druge.

Rezultati kognitivnog strukturiranja prikazuju se pomoću kognitivne karte (modela).

2. Kognitivno (kognitivno-ciljano) strukturiranje znanja o objektu koji se proučava i njegovom vanjskom okruženju na temelju analize štetnika i swot analize

Odabir osnovnih čimbenika provodi se primjenom PEST analize, koja identificira četiri glavne skupine čimbenika (aspekata) koji određuju ponašanje promatranog objekta (Slika 2):

P olicy - politika;

E ekonomija - ekonomija;

S ociety - društvo (sociokulturni aspekt);

T eknologija – tehnologija

Slika 2. Čimbenici PEST analize

Za svaki specifičan kompleksni objekt postoji svoj poseban skup najznačajnijih čimbenika koji određuju njegovo ponašanje i razvoj.

PEST analiza može se smatrati varijantom sistemske analize budući da su čimbenici koji se odnose na navedena četiri aspekta općenito usko povezani i karakteriziraju različite hijerarhijske razine društva kao sustave.

Ovaj sustav ima determinativne veze usmjerene od nižih razina hijerarhije sustava prema višima (znanost i tehnologija utječu na ekonomiju, ekonomija na politiku), kao i obrnute i međurazinske veze. Promjena bilo kojeg čimbenika kroz ovaj sustav veza može utjecati na sve ostale.

Te promjene mogu predstavljati prijetnju razvoju objekta ili, obrnuto, pružiti nove mogućnosti za njegov uspješan razvoj.

Sljedeći korak je situacijska analiza problema, SWOT analiza (Slika 3):

S trengths - snage;

W eaknesses - nedostaci, slabosti;

O pportunities - prilike;

T hreats - prijetnje.

Slika 3. Čimbenici SWOT analize

Uključuje analizu snaga i slabosti razvoja predmeta koji se proučava u njihovoj interakciji s prijetnjama i prilikama i omogućuje nam da identificiramo trenutna problematična područja, uska grla, šanse i opasnosti, uzimajući u obzir čimbenike okoliša.

Mogućnosti se definiraju kao okolnosti koje pogoduju povoljnom razvoju objekta.

Prijetnje su situacije u kojima može doći do oštećenja nekog objekta, na primjer, može doći do poremećaja u njegovom funkcioniranju ili gubitka postojećih prednosti.

Na temelju analize različitih mogućih kombinacija snaga i slabosti s prijetnjama i prilikama formira se problemsko polje proučavanog objekta.

Problemsko polje je skup problema koji postoje u modeliranom objektu i okolini, u njihovom međusobnom odnosu.

Dostupnost takvih informacija temelj je za određivanje razvojnih ciljeva (pravaca) i načina za njihovo postizanje te izradu strategije razvoja.

Kognitivno modeliranje na temelju provedene situacijske analize omogućuje pripremu alternativnih rješenja za smanjenje stupnja rizika u identificiranim problematičnim područjima, predviđanje mogućih događaja koji mogu imati najozbiljniji utjecaj na položaj modeliranog objekta.

Faze kognitivne tehnologije i njihovi rezultati prikazani su u tablici 1:

stol 1

Faze kognitivne tehnologije i rezultati njezine primjene

Umjetničko ime	Obrazac za prezentaciju rezultata
1. Kognitivno (kognitivno-ciljano) strukturiranje znanja o predmetu koji se proučava i njegovom vanjskom okruženju na temelju PEST analize i SWOT analize: Analiza početne situacije oko promatranog objekta, naglašavajući osnovne čimbenike koji karakteriziraju ekonomske, političke i druge procese koji se odvijaju u objektu iu njegovom makrookruženju i utječu na razvoj objekta. 1.1 Identifikacija čimbenika koji karakteriziraju prednosti i slabosti predmeta koji se proučava 1.2 Identifikacija čimbenika koji karakteriziraju prilike i prijetnje iz vanjskog okruženja objekta 1.3 Izgradnja problemskog polja predmeta koji se proučava	Izvještaj o sustavnoj konceptualnoj studiji objekta i njegove problematike
2. Konstrukcija kognitivnog modela razvoja objekta - formalizacija znanja dobivenog u fazi kognitivnog strukturiranja 2.1 Identifikacija i opravdanje čimbenika 2.2. Utvrđivanje i opravdanje odnosa između čimbenika 2.3 Konstrukcija graf modela	Računalni kognitivni model objekta u obliku usmjerenog grafa (i matrice faktorskih odnosa)
3. Scenarijska studija trendova razvoja situacije oko proučavanog objekta (uz podršku programskih sustava "SITUACIJA", "KOMPAS", "KIT") 3.1 Određivanje svrhe studije 3.2 Postavljanje scenarija istraživanja i njihovo modeliranje 3.3 Identifikacija trendova razvoja objekta u njegovom makrookruženju 3.4 Tumačenje rezultata studije scenarija	Izvješće o scenariju studije situacije, s tumačenjem i zaključcima
4. Razvoj strategija za upravljanje situacijom oko objekta koji se proučava 4.1 Definicija i obrazloženje cilja upravljanja 4.2 Rješavanje inverznog problema 4.3 Odabir strategija upravljanja i njihovo sređivanje prema kriterijima: mogućnost postizanja cilja; rizik od gubitka kontrole nad situacijom; hitni rizik	Izvješće o razvoju strategija upravljanja s obrazloženjem strategija prema različitim kriterijima kvalitete upravljanja
5. Traženje i obrazloženje strategija za postizanje ciljeva u stabilnim ili promjenjivim situacijama Za stabilne situacije: a) odabir i obrazloženje cilja upravljanja; b) izbor aktivnosti (kontrole) za postizanje cilja; c) analiza temeljne mogućnosti ostvarenja cilja iz trenutnog stanja situacije korištenjem odabranih aktivnosti; d) analiza stvarnih ograničenja u provedbi odabranih aktivnosti; e) analiza i opravdanje stvarne mogućnosti ostvarenja cilja; f) razvoj i usporedba strategija za postizanje cilja prema: blizini rezultata upravljanja planiranom cilju; troškovi (financijski, fizički, itd.); po prirodi posljedica (reverzibilnih, nepovratnih) provedbe ovih strategija u stvarnoj situaciji; o riziku od izvanrednih situacija Za promjenjive situacije: a) izbor i obrazloženje trenutnog cilja upravljanja; b) u odnosu na trenutni cilj vrijede prethodni stavci b-f; c) analiza promjena koje se događaju u situaciji i njihov prikaz u grafičkom modelu situacije. Idite na točku a.	Izvješće o razvoju strategija za postizanje ciljeva u stabilnim ili promjenjivim situacijama
6. Izrada programa za implementaciju strategije razvoja proučavanog objekta na temelju dinamičkog simulacijskog modeliranja (uz podršku programskog paketa Ithink) 6.1 Raspodjela resursa po području i vremenu 6.2 Koordinacija 6.3 Praćenje izvršenja	Program za provedbu strategije razvoja stranice. Računalni simulacijski model razvoja objekta

KOGNITIVNA SIMULACIJA

SADRŽAJ
Uvod
1. Predmet kognitivne analize
1.1. Vanjsko okruženje
1.2. Nestabilnost vanjskog okruženja
1.3. Loše strukturirano vanjsko okruženje
2. Opći pojam kognitivne analize
3. Faze kognitivne analize
4. Ciljevi, faze i osnovni koncepti kognitivnog modeliranja
4. 1. Svrha izgradnje kognitivnog modela
4.2. Faze kognitivnog modeliranja
4.3. Usmjereni graf (kognitivna mapa)
4.4. Funkcionalni grafikon (dovršetak konstrukcije kognitivnog modela)
5. Vrste faktora

6.1. Identifikacija čimbenika (elemenata sustava)
6.2. Dva pristupa utvrđivanju odnosa među čimbenicima
6.3.Primjeri identificiranja čimbenika i povezanosti među njima
6.4. Problem određivanja jačine utjecaja faktora
7. Provjera adekvatnosti modela
8. Korištenje kognitivnog modela
8.1. Primjena kognitivnih modela u sustavima za potporu odlučivanju
8.2. Primjer rada s kognitivnim modelom
9. Računalni sustavi za podršku upravljačkim odlukama
9.1. Opće karakteristike sustava za podršku odlučivanju
9.2. "Situacija - 2"
9.3. "Kompas-2"
9.4. "Platno"
Zaključak
Bibliografija
Primjena

Uvod
Trenutno su dobivanje pouzdanih informacija i njihova brza analiza postali najvažniji preduvjeti uspješnog upravljanja. To posebno vrijedi ako su objekt upravljanja i njegovo vanjsko okruženje kompleks složenih procesa i čimbenika koji značajno utječu jedni na druge.
Jedno od najproduktivnijih rješenja problema koji se javljaju u području menadžmenta i organizacije je korištenje kognitivne analize, koja je predmet proučavanja u kolegiju.
Metodologiju kognitivnog modeliranja, namijenjenu analizi i donošenju odluka u slabo definiranim situacijama, predložio je američki istraživač R. Axelrod 1.
U početku se kognitivna analiza formirala u okviru socijalne psihologije, odnosno kognitivizma, koji proučava procese percepcije i spoznaje.
Primjena dostignuća socijalne psihologije u teoriji upravljanja dovela je do formiranja posebne grane znanja - kognitivne znanosti, koja se koncentrira na proučavanje problema upravljanja i odlučivanja.
Sada se metodologija kognitivnog modeliranja razvija u smjeru poboljšanja aparata za analizu i modeliranje situacija.
Teorijska dostignuća kognitivne analize postala su osnova za stvaranje računalnih sustava usmjerenih na rješavanje primijenjenih problema u području menadžmenta.
Rad na razvoju kognitivnog pristupa i njegovoj primjeni na analizu i kontrolu takozvanih polustrukturiranih sustava trenutno se provodi u Institutu za probleme upravljanja Ruske akademije znanosti 2 .
Po nalogu administracije predsjednika Ruske Federacije, Vlade Ruske Federacije i Vlade grada Moskve, u IPU RAS provedeno je niz socioekonomskih studija uz korištenje kognitivne tehnologije. Izrađene preporuke uspješno primjenjuju nadležna ministarstva i odjeli 3 .
Od 2001. godine, pod pokroviteljstvom IPU RAS, redovito se održavaju međunarodne konferencije "Kognitivna analiza i upravljanje razvojem situacije (CASC)".
Prilikom izrade kolegija uključeni su radovi domaćih istraživača - A.A. Kulinich, D.I. Makarenko, S.V. Kachaeva, V.I. Maksimova, E.K. Kornušenko, E. Grebenjuk, G.S. Osipova, A. Raikova. Većina navedenih istraživača su stručnjaci iz IPU RAN.
Dakle, kognitivnu analizu prilično aktivno razvijaju ne samo strani, već i domaći stručnjaci. No, u okviru kognitivne znanosti ostaje niz problema čije bi rješavanje moglo značajno poboljšati rezultate primijenjenih razvoja temeljenih na kognitivnoj analizi.
Svrha kolegija je analizirati teorijske osnove kognitivnih tehnologija, probleme metodologije kognitivne analize, kao i računalne sustave za podršku odlučivanju temeljene na kognitivnom modeliranju.
Struktura rada odgovara postavljenim ciljevima, koji dosljedno otkriva osnovne pojmove i faze kognitivne analize općenito, kognitivno modeliranje (kao ključnu točku kognitivne analize), opća načela primjene kognitivnog pristupa u praksi u području menadžment, kao i računalne tehnologije koje primjenjuju metode kognitivne analize.

1. Predmet kognitivne analize
1.1. Vanjsko okruženje
Za učinkovito upravljanje, predviđanje i planiranje potrebna je analiza vanjskog okruženja u kojem djeluju objekti upravljanja.
Vanjsko okruženje istraživači obično definiraju kao skup ekonomskih, društvenih i političkih čimbenika i subjekata koji imaju izravan ili neizravan utjecaj na sposobnost i sposobnost subjekta (bilo da se radi o banci, poduzeću, bilo kojoj drugoj organizaciji, cijeloj regija itd.) za postizanje svojih razvojnih ciljeva.
Za snalaženje u vanjskom okruženju i njegovu analizu potrebno je jasno razumjeti njegova svojstva. Stručnjaci Instituta za probleme upravljanja Ruske akademije znanosti identificiraju sljedeće glavne karakteristike vanjskog okruženja:
1. Složenost - ovo se odnosi na broj i raznolikost čimbenika na koje subjekt mora odgovoriti.
2. Odnos faktora, odnosno snaga kojom promjena jednog faktora utječe na promjene drugih faktora.
3. Mobilnost - brzina kojom se događaju promjene u vanjskom okruženju 4.
Identifikacija ovih tipova karakteristika za opisivanje okoline ukazuje na to da istraživači primjenjuju sistemski pristup i vanjsku okolinu smatraju sustavom ili skupom sustava. U okviru ovog pristupa uobičajeno je sve objekte prikazati u obliku strukturiranog sustava, istaknuti elemente sustava, odnose među njima i dinamiku razvoja elemenata, odnosa i cjelokupnog sustava. u cjelini. Stoga se kognitivna analiza, koja se koristi za proučavanje vanjske okoline i razvijanje načina i metoda funkcioniranja u njoj, ponekad smatra komponentom analize sustava 5 .
Specifičnost vanjskog okruženja objekata upravljanja je u tome što je to okruženje podložno utjecaju ljudskog faktora. Drugim riječima, uključuje subjekte obdarene autonomnom voljom, interesima i subjektivnim idejama. To znači da se ovo okruženje ne pokorava uvijek linearnim zakonima koji jednoznačno opisuju odnos uzroka i posljedica.
To podrazumijeva dva osnovna parametra vanjskog okruženja u kojem djeluje ljudski faktor - nestabilnost i slabu strukturu. Pogledajmo pobliže ove parametre.

1.2. Nestabilnost vanjskog okruženja

Nestabilnost vanjskog okruženja istraživači često poistovjećuju s nepredvidljivošću. “Stupanj nestabilnosti ekonomskog i političkog okruženja izvan... [objekta upravljanja] karakterizira poznavanje očekivanih događaja, očekivani tempo promjena i sposobnost predviđanja budućnosti” 6 . Tu nepredvidivost generira multifaktorijalnost, promjenjivost faktora, tempo i smjer razvoja sredine.
“Kombinirani učinak svih čimbenika okoliša, sažimaju V. Maksimov, S. Kachaev i E. Kornoushenko, formira razinu njegove nestabilnosti i određuje izvedivost i smjer kirurške intervencije u procesima koji su u tijeku” 7 .
Što je veća nestabilnost vanjskog okruženja, to je teže donijeti odgovarajuće strateške odluke. Stoga postoji objektivna potreba za procjenom stupnja nestabilnosti okoliša, kao i za razvojem pristupa njegovoj analizi.
Prema I. Ansoffu, izbor strategije za upravljanje i analizu situacija ovisi o razini nestabilnosti vanjskog okruženja. Kod umjerene nestabilnosti primjenjuje se konvencionalna kontrola temeljena na ekstrapolaciji znanja o prošlosti okoliša. Na prosječnoj razini nestabilnosti upravljanje se provodi na temelju prognoze promjena u okruženju (primjerice, “tehnička” analiza financijskih tržišta). Na visokoj razini nestabilnosti koristi se upravljanje temeljeno na fleksibilnim stručnim odlukama (primjerice, „fundamentalna“ 8 analiza financijskih tržišta) 9 .

1.3. Loše strukturirano vanjsko okruženje

Okruženje u kojem su subjekti upravljanja prisiljeni djelovati karakterizira se ne samo kao nestabilno, već i kao loše strukturirano. Ove dvije karakteristike su snažno međusobno povezane, ali različite. Međutim, ponekad se ti pojmovi koriste kao sinonimi.
Tako stručnjaci s Instituta za kontrolu znanosti Ruske akademije znanosti pri definiranju slabo strukturiranih sustava ističu neka njihova svojstva koja su svojstvena i nestabilnim sustavima: „Teškoće analize procesa i donošenja upravljačkih odluka u područjima kao što su ekonomija, sociologija, ekologija itd. uzrokovani su nizom značajki svojstvenih tim područjima, a to su: višestruka priroda procesa koji se u njima odvijaju (ekonomski, društveni itd.) i njihova međusobna povezanost; zbog toga je nemoguće izolirati i provesti detaljnu studiju pojedinačnih pojava - sve pojave koje se u njima događaju moraju se promatrati u cjelini; nedostatak dovoljnih kvantitativnih informacija o dinamici procesa, što nas tjera da prijeđemo na kvalitativnu analizu takvih procesa; promjenjivost prirode procesa tijekom vremena itd. Zbog ovih svojstava, ekonomskih, društvenih itd. sustavi se nazivaju slabo strukturirani sustavi” 10.
Međutim, treba napomenuti da pojam „nestabilnost“ podrazumijeva nemogućnost ili teškoću predviđanja razvoja sustava, a slaba struktura podrazumijeva nemogućnost njegove formalizacije. U konačnici, karakteristike „nestabilnost“ i „slabo strukturiran“, po mom mišljenju, odražavaju različite aspekte iste pojave, budući da tradicionalno percipiramo sustav koji ne možemo formalizirati i time apsolutno točno predvidjeti njegov razvoj (odnosno, slabo strukturiran sustav ) , kao nestabilan, sklon kaosu. Stoga ću ovdje i dalje, slijedeći autore proučavanih članaka, koristiti ove pojmove kao ekvivalente. Ponekad istraživači, uz navedene pojmove, koriste i izraz “složene situacije”.
Dakle, za razliku od tehničkih sustava, ekonomske, društveno-političke i druge slične sustave karakterizira nepostojanje detaljnog kvantitativnog opisa procesa koji se u njima odvijaju - informacije su ovdje kvalitativne prirode. Stoga je za slabo strukturirane sustave nemoguće stvoriti formalne tradicionalne kvantitativne modele. Sustave ove vrste karakterizira nesigurnost, opis na kvalitativnoj razini i dvosmislenost u procjeni posljedica pojedinih odluka 11 .
Stoga je analiza nestabilnog vanjskog okruženja (slabo strukturirani sustavi) prepuna mnogih poteškoća. Za njihovo rješavanje potrebna je intuicija stručnjaka, njegovo iskustvo, asocijativno razmišljanje i nagađanja.
Računalni alati za kognitivno modeliranje situacija omogućuju suočavanje s takvom analizom. Ovi se alati desetljećima koriste u ekonomski razvijenim zemljama, pomažući poduzećima da prežive i razviju svoje poslovanje, a vlastima da pripreme učinkovite propise 12 . Kognitivno modeliranje osmišljeno je kako bi pomoglo stručnjaku da dublje promisli i organizira svoje znanje, kao i da formalizira svoje ideje o situaciji u najvećoj mogućoj mjeri.

2. Opći pojam kognitivne analize

Kognitivnu analizu istraživači ponekad nazivaju "kognitivnim strukturiranjem" 13 .
Kognitivna analiza smatra se jednim od najmoćnijih alata za proučavanje nestabilnog i loše strukturiranog okruženja. Pridonosi boljem razumijevanju problema koji postoje u okruženju, prepoznavanju proturječja i kvalitativnoj analizi tekućih procesa. Bit kognitivnog (kognitivnog) modeliranja - ključna točka kognitivne analize - je odražavanje najsloženijih problema i trendova u razvoju sustava u pojednostavljenom obliku u modelu, istraživanje mogućih scenarija za nastanak kriznih situacija, pronaći načine i uvjete za njihovo rješavanje u modelnoj situaciji. Korištenje kognitivnih modela kvalitativno povećava valjanost upravljačkih odluka u složenom okruženju koje se brzo mijenja, oslobađa stručnjaka od „intuitivnog lutanja“, te štedi vrijeme na razumijevanju i tumačenju događaja koji se događaju u sustavu 14 .
U I. Maksimov i S.V. Kachaev, kako bi objasnio principe korištenja informacijsko-kognitivnih tehnologija za poboljšanje upravljanja, koristi metaforu broda u olujnom oceanu - takozvani model "fregata-ocean". Većina komercijalnih i neprofitnih aktivnosti u nestabilnim i loše strukturiranim okruženjima “neizbježno uključuje rizik, koji proizlazi iz neizvjesnosti budućih radnih uvjeta i iz mogućnosti pogrešnih odluka koje donosi menadžment... Vrlo je važno da menadžment može predvidjeti takve poteškoće i unaprijed razviti strategije za njihovo prevladavanje, tj. imaju unaprijed razvijene smjernice za moguće ponašanje.” Predlaže se da se ti razvoji provode na modelima u kojima informacijski model upravljačkog objekta ("fregata") djeluje u interakciji s modelom vanjskog okruženja - ekonomskog, društvenog, političkog itd. ("ocean"). “Svrha ovakvog modeliranja je dati preporuke “fregati” kako prijeći “ocean” uz najmanje “napora”... Od interesa... su načini postizanja cilja, uzimajući u obzir povoljne “vjetrove”. ” i “struje”... Dakle, postavili smo cilj: odrediti “ružu vjetrova”... [vanjsko okruženje], a onda ćemo vidjeti koji će “vjetrovi” biti stražnji vjetrovi, koji će biti protuvjetrovi, kako koristiti ih i kako otkriti svojstva vanjske situacije koja su važna za... [objekt]” 15.
Dakle, bit kognitivnog pristupa je, kao što je već spomenuto, pomoći stručnjaku da promisli situaciju i razvije najučinkovitiju strategiju upravljanja, koja se ne temelji toliko na njegovoj intuiciji, koliko na uređenom i provjerenom (koliko je to moguće) znanju o složenom sustavu. Primjeri korištenja kognitivne analize za rješavanje specifičnih problema bit će razmotreni u nastavku u paragrafu “8. Korištenje kognitivnog modela."

3. Faze kognitivne analize

Kognitivna analiza sastoji se od nekoliko faza, u svakoj od kojih se provodi određeni zadatak. Dosljedno rješavanje ovih problema dovodi do postizanja glavnog cilja kognitivne analize. Istraživači daju različitu nomenklaturu faza ovisno o specifičnostima predmeta koji se proučava 16 . Ako sumiramo i generaliziramo sve ove pristupe, možemo razlikovati sljedeće faze koje su karakteristične za kognitivnu analizu svake situacije.

(Kao rezultat prolaska faza 3 – 5 u konačnici se gradi kognitivni model situacije (sustava) koji se prikazuje u obliku funkcionalnog grafikona. Stoga možemo reći da faze 3 – 5 predstavljaju kognitivno modeliranje. detaljnije, o svim ovim fazama i osnovnim konceptima kognitivnog modeliranja raspravljat ćemo u odlomcima 4 – 7).

Razmotrimo detaljno svaku od gore navedenih faza (s izuzetkom prve i druge, koje su u biti pripremne), mehanizme za provedbu pojedinih zadataka svake faze, kao i probleme koji se javljaju u različitim fazama kognitivne analize. .

4. Ciljevi, faze i osnovni koncepti kognitivnog modeliranja

Ključni element kognitivne analize je konstrukcija kognitivnog modela.

4. 1. Svrha izgradnje kognitivnog modela

Kognitivno modeliranje pridonosi boljem razumijevanju problemske situacije, identifikaciji proturječja i kvalitativnoj analizi sustava. Svrha modeliranja je formiranje i razjašnjavanje hipoteze o funkcioniranju proučavanog objekta, koji se smatra složenim sustavom koji se sastoji od zasebnih, ali ipak međusobno povezanih elemenata i podsustava. Da bi se razumjelo i analiziralo ponašanje složenog sustava, gradi se strukturni dijagram uzročno-posljedičnih odnosa elemenata sustava. Analiza ovih veza je neophodna za implementaciju različitih procesnih kontrola u sustavu 18.

4.2. Faze kognitivnog modeliranja

Općenito, gore su razmotrene faze kognitivnog modeliranja. Radovi stručnjaka iz IPU RAS sadrže detaljan opis ovih faza. Istaknimo glavne.

Dakle, kognitivni model uključuje kognitivnu mapu (usmjereni graf) i težine lukova grafa (procjena međusobnog utjecaja ili utjecaja faktora). Pri određivanju težina lukova usmjereni graf prelazi u funkcionalni.
O problemima identifikacije čimbenika, procjeni međusobnog utjecaja čimbenika i tipologiji čimbenika govorit ćemo u paragrafima 5. i 6.; Ovdje ćemo razmotriti osnovne koncepte kognitivnog modeliranja kao što su kognitivna mapa i funkcionalni grafikon.

4.3. Usmjereni graf (kognitivna mapa)

U okviru kognitivnog pristupa, pojmovi "kognitivna mapa" i "usmjereni graf" često se koriste kao sinonimi; iako je, strogo govoreći, koncept usmjerenog grafa širi, a pojam “kognitivna mapa” označava samo jednu od primjena usmjerenog grafa.
Kognitivnu mapu čine čimbenici (elementi sustava) i veze među njima.
Da bi se razumjelo i analiziralo ponašanje složenog sustava, konstruira se strukturni dijagram uzročno-posljedičnih veza elemenata sustava (situacijskih faktora). Dva elementa sustava A i B prikazana su na dijagramu kao zasebne točke (vrhovi) povezani orijentiranim lukom, ako je element A povezan s elementom B uzročno-posljedičnom vezom: A a B, gdje je: A uzrok, B je posljedica.
Čimbenici mogu utjecati jedni na druge, a takav utjecaj, kao što je već navedeno, može biti pozitivan, kada povećanje (smanjenje) jednog čimbenika dovodi do povećanja (smanjenja) drugog čimbenika, i negativan, kada povećanje (smanjenje) jednog čimbenika dovodi do smanjenja (povećanja). ) drugi faktor 20 . Štoviše, utjecaj može imati i promjenjiv predznak ovisno o mogućim dodatnim uvjetima.
Slične sheme za predstavljanje uzročno-posljedičnih odnosa naširoko se koriste za analizu složenih sustava u ekonomiji i sociologiji.
Primjer kognitivne karte neke ekonomske situacije prikazan je na slici 1.

Slika 1. Usmjereni graf 21.

4.4. Funkcionalni grafikon (dovršetak konstrukcije kognitivnog modela)
Kognitivna mapa odražava samo činjenicu da čimbenici utječu jedni na druge. Ne odražava detaljnu prirodu tih utjecaja, niti dinamiku promjena utjecaja ovisno o promjenama situacije, niti privremene promjene samih čimbenika. Uzimanje u obzir svih ovih okolnosti zahtijeva prijelaz na sljedeću razinu strukturiranja informacija, odnosno na kognitivni model.
Na ovoj razini, svaka veza između čimbenika kognitivne karte otkriva se odgovarajućim ovisnostima, od kojih svaka može sadržavati i kvantitativne (mjerljive) varijable i kvalitativne (nemjerljive) varijable. U ovom slučaju kvantitativne varijable su prirodno prikazane u obliku svojih brojčanih vrijednosti. Svaka kvalitativna varijabla povezana je sa skupom lingvističkih varijabli koje odražavaju različita stanja ove kvalitativne varijable (na primjer, potražnja potrošača može biti "slaba", "umjerena", "uzbudljiva" itd.), a svaka lingvistička varijabla odgovara određeni brojčani ekvivalent u mjerilu. Kako se znanje akumulira o procesima koji se odvijaju u situaciji koja se proučava, postaje moguće detaljnije otkriti prirodu veza između čimbenika.
Formalno, kognitivni model situacije može se, poput kognitivne karte, prikazati grafom, ali svaki luk u tom grafu već predstavlja određeni funkcionalni odnos između odgovarajućih čimbenika; oni. kognitivni model situacije predstavljen je funkcionalnim grafikonom 22.
Primjer funkcionalnog grafikona koji odražava situaciju u uvjetnom području prikazan je na slici. 2.

Slika 2. Funkcionalni grafikon 23.
Imajte na umu da je ovaj model demonstracijski model, tako da mnogi čimbenici okoline nisu uzeti u obzir.

5. Vrste faktora
Da bi strukturirali situaciju (sustav), istraživači dijele čimbenike (elemente) u različite skupine od kojih svaka ima određene specifičnosti, odnosno funkcionalnu ulogu u modeliranju. Štoviše, ovisno o specifičnostima analizirane situacije (sustava), tipologija čimbenika (elemenata) može biti različita. Ovdje ću istaknuti neke vrste čimbenika koji se koriste u kognitivnom modeliranju većine sustava (situacija, okruženja).
Prvo, među svim detektiranim čimbenicima razlikuju se osnovni čimbenici (oni koji značajno utječu na situaciju i opisuju bit problema) i „redundantni“ (beznačajni) čimbenici koji su „slabo povezani“ sa „jezgrom“ osnovnih čimbenika 24 .
Pri analizi konkretne situacije stručnjak obično zna ili pretpostavlja koje su promjene osnovnih čimbenika za njega poželjne. Čimbenici od najvećeg interesa za stručnjaka nazivaju se ciljnim čimbenicima. U I. Maksimov, E.K. Kornušenko, S.V. Kačajev ciljne čimbenike opisuje na sljedeći način: „Ovo su „izlazni“ čimbenici kognitivnog modela. Zadatak razvoja rješenja za upravljanje procesima u situaciji je osigurati željene promjene ciljnih čimbenika, što je cilj menadžmenta. Cilj se smatra ispravno postavljenim ako željene promjene u nekim ciljnim čimbenicima ne dovode do nepoželjnih promjena u drugim ciljnim čimbenicima” 25.
U početnom skupu osnovnih faktora identificiran je skup tzv. kontrolnih faktora - “ulaznih” faktora kognitivnog modela, preko kojih se upravljački utjecaji unose u model. Kontrolna radnja smatra se dosljednom cilju ako ne uzrokuje neželjene promjene ni u jednom ciljnom čimbeniku” 26. Za identifikaciju kontrolnih čimbenika utvrđuju se čimbenici koji utječu na ciljane. Kontrolni čimbenici u modelu bit će potencijalne poluge utjecaja na situaciju 27 .
Utjecaj regulacijskih čimbenika sažet je u konceptu “vektora regulacijskih djelovanja” - skupa čimbenika, od kojih je svaki opskrbljen kontrolnim impulsom zadane vrijednosti 28 .
Čimbenici situacije (ili elementi sustava) također se mogu podijeliti na unutarnje (koji pripadaju samom objektu upravljanja i pod više ili manje potpunom kontrolom menadžmenta) i vanjske (odražavaju utjecaj na situaciju ili sustav vanjskih sila koje mogu ne biti kontroliran ili samo neizravno kontroliran od strane subjekta kontrole) .
Vanjski čimbenici obično se dijele na predvidljive, čija se pojava i ponašanje mogu predvidjeti na temelju analize dostupnih informacija, i nepredvidive, za čije ponašanje stručnjak saznaje tek nakon njihove pojave 29 .
Ponekad istraživači identificiraju takozvane indikatorske čimbenike koji odražavaju i objašnjavaju razvoj procesa u problemskoj situaciji (sustav, okolina) 30 . U slične svrhe koristi se i koncept integralnih pokazatelja (čimbenika), po promjenama u kojima se mogu suditi opći trendovi u ovom području 31 .
Čimbenike karakterizira i tendencija promjene vrijednosti. Razlikuju se sljedeći trendovi: rast, pad. Ako nema promjene faktora, kaže se da nema trenda ili da postoji nulti trend 32 .
Na kraju, treba napomenuti da je moguće identificirati uzročne čimbenike i čimbenike učinka, kratkoročne i dugoročne čimbenike.

6. Glavni problemi konstruiranja kognitivnog modela
Dva su glavna problema u konstruiranju kognitivnog modela.
Prvo, poteškoće nastaju pri identifikaciji faktora (elemenata sustava) i faktora rangiranja (odabir osnovnih i sekundarnih) (u fazi konstruiranja usmjerenog grafa).
Drugo, utvrđivanje stupnja međusobnog utjecaja faktora (određivanje težine lukova grafa) (u fazi konstruiranja funkcionalnog grafa).

6.1. Identifikacija čimbenika (elemenata sustava)

Može se reći da istraživači nisu razvili jasan algoritam za identifikaciju elemenata sustava koji se proučavaju. Pretpostavlja se da su situacijski čimbenici koji se proučavaju već poznati stručnjaku koji provodi kognitivnu analizu.
Obično se, kada se razmatraju veliki (primjerice, makroekonomski) sustavi, koristi tzv. PEST analiza (Politika - politika, Ekonomija - ekonomija, Društvo - društvo, Tehnologija - tehnologija), koja uključuje identificiranje 4 glavne skupine čimbenika putem kojih se politički , ekonomski, sociokulturni i tehnološki aspekti okoliša 33. Ovaj pristup je dobro poznat u svim socio-ekonomskim znanostima.
PEST analiza je alat za povijesno utemeljenu stratešku analizu vanjskog okruženja od četiri elementa. Štoviše, za svaki konkretan složeni objekt postoji svoj poseban skup ključnih čimbenika koji izravno i najznačajnije utječu na objekt. Analiza svakog od identificiranih aspekata provodi se sustavno, budući da su u životu svi ti aspekti usko povezani 34 .
Osim toga, pretpostavlja se da stručnjak može prosuditi nomenklaturu faktora u skladu sa svojim subjektivnim idejama. Dakle, "Fundamentalna" analiza financijskih situacija, po nekim parametrima bliska kognitivnoj analizi, temelji se na skupu osnovnih čimbenika (financijskih i ekonomskih pokazatelja) - kako makroekonomskih tako i nižeg reda, kako dugoročnih tako i kratkoročnih. Ti se faktori, u skladu s „temeljnim“ pristupom, određuju na temelju zdravog razuma 35.
Dakle, jedini zaključak koji se može izvući u vezi s procesom identificiranja čimbenika jest da se analitičar, u potrazi za tim ciljem, mora voditi gotovim znanjem različitih socio-ekonomskih znanosti uključenih u specifično proučavanje različitih sustava, kao kao i svoje iskustvo i intuiciju.

6.2. Dva pristupa utvrđivanju odnosa među čimbenicima

Kako bi se odrazila priroda interakcije čimbenika, koriste se pozitivni i normativni pristupi.
Pozitivni pristup temelji se na uzimanju u obzir objektivne prirode interakcije čimbenika i omogućuje nam crtanje lukova, dodjeljivanje znakova (+ / -) i točnih težina, odnosno odražava prirodu ove interakcije. Ovaj je pristup primjenjiv ako se odnos između čimbenika može formalizirati i izraziti matematičkim formulama koje uspostavljaju precizne kvantitativne odnose.
Međutim, nisu svi stvarni sustavi i njihovi podsustavi opisani jednom ili drugom matematičkom formulom. Možemo reći da su formalizirani samo neki posebni slučajevi interakcije faktora. Štoviše, što je sustav složeniji, manja je vjerojatnost da će se u potpunosti opisati korištenjem tradicionalnih matematičkih modela. To je prvenstveno zbog temeljnih svojstava nestabilnih, slabo strukturiranih sustava opisanih u paragrafu 1. Stoga se pozitivni pristup nadopunjuje normativnim.
Normativni pristup temelji se na subjektivnoj, evaluativnoj percepciji međudjelovanja čimbenika, a njegova uporaba omogućuje i dodjeljivanje pondera lukovima, odnosno odražava snagu (intenzitet) međudjelovanja čimbenika. Određivanje međusobnog utjecaja čimbenika i procjena tih utjecaja temelji se na “procjenama” stručnjaka i izražava se kvantitativno pomoću ljestvice [-1,1] ili lingvističkih varijabli kao što su “jako”, “slabo”, “umjereno” 36 . Drugim riječima, normativnim pristupom stručnjak se suočava sa zadaćom intuitivnog utvrđivanja jačine međusobnog utjecaja čimbenika, na temelju poznavanja kvalitativnog odnosa.
Osim toga, kao što je već spomenuto, stručnjak treba utvrditi negativnu ili pozitivnu prirodu utjecaja čimbenika, a ne samo snagu utjecaja. Prilikom izvršavanja ovog zadatka očito je moguće koristiti dva gore navedena pristupa.

6.3.Primjeri identificiranja čimbenika i povezanosti među njima
Navedimo neke primjere kojima istraživači ilustriraju identifikaciju čimbenika i uspostavljanje veza među njima.
Tako V. Maksimov, S. Kačajev i E. Kornušenko, da bi izgradili kognitivni model procesa koji se odvijaju u kriznom gospodarstvu, identificiraju sljedeće osnovne čimbenike: 1. Bruto domaći proizvod (BDP); 2. Agregatna potražnja; 3. Inflacija; 4. Štednja; 5. Potrošnja; 6. Investicije; 7. Državna nabava; 8. Nezaposlenost; 9. Opskrba novcem; 10. Državna transferna plaćanja; 11. Državni rashodi; 12. Državni prihodi; 13. Deficit državnog proračuna; 14. Porezi; 15. Neplaćanje poreza 16. Kamatna stopa; 17. Potražnja za novcem 37.
V. Maksimov, E. Grebenyuk, E. Kornoushenko u članku “Fundamentalna i tehnička analiza: integracija dvaju pristupa” daju još jedan primjer identificiranja čimbenika i otkrivaju prirodu veza između njih: “Najvažniji ekonomski pokazatelji koji utječu na burze u SAD-u i Europi su: bruto nacionalni proizvod (GNP), indeks industrijske proizvodnje (PPI), indeks potrošačkih cijena (CPI), indeks proizvođačkih cijena (PPI), stopa nezaposlenosti, cijena nafte, tečaj dolara... Ako tržište raste i ekonomski pokazatelji potvrđuju stabilan gospodarski razvoj, onda možemo očekivati daljnji rast cijena... Dionice rastu ako profiti poduzeća rastu i postoji perspektiva za njihov daljnji rast... Ako stvarni stope rasta ekonomskih pokazatelja odstupaju od očekivanih, to dovodi do panike na burzi i njezinih oštrih promjena. Promjena bruto nacionalnog proizvoda je obično 3-5% godišnje. Ako godišnji rast GNP-a premašuje 5%, tada se to naziva ekonomskim procvatom, koji u konačnici može dovesti do kraha tržišta. Promjene u GNP-u mogu se predvidjeti promjenama u indeksu prerađivačke industrije. Nagli porast IPI ukazuje na mogući porast inflacije, što dovodi do pada tržišta. Povećanje CPI i PPI te cijena nafte također dovodi do pada tržišta. Visoke stope nezaposlenosti u SAD-u i Europi (preko 6%) prisiljavaju savezne agencije da snize bankarske kamate, što dovodi do oživljavanja gospodarstva i rasta cijena dionica. Ako se nezaposlenost postupno smanjuje, tržište ne reagira na te promjene. Ako njegova razina naglo padne i postane manja od očekivane vrijednosti, tada tržište počinje padati, jer naglo smanjenje nezaposlenosti može povećati razinu inflacije iznad očekivane razine” 38.

6.4. Problem određivanja jačine utjecaja faktora

Dakle, najvažniji problem kognitivnog modeliranja je identifikacija težina lukova grafa – odnosno kvantitativna procjena međusobnog utjecaja ili utjecaja faktora. Činjenica je da se kognitivni pristup koristi kada se proučava nestabilno, slabo strukturirano okruženje. Podsjetimo se da su njegove karakteristike: varijabilnost, teškoća u formalizaciji, višefaktorska priroda itd. To je specifičnost svih sustava u koje su uključeni ljudi. Stoga neoperabilnost tradicionalnih matematičkih modela u mnogim slučajevima nije metodološki nedostatak kognitivne analize, već temeljno svojstvo predmeta istraživanja 39 .

Stoga je najvažnije obilježje većine situacija koje proučava teorija menadžmenta prisutnost mislećih sudionika u njima, od kojih svaki predstavlja situaciju na svoj način i donosi određene odluke na temelju „svoje“ percepcije. Kao što je J. Soros primijetio u svojoj knjizi “Alkemija financija,” “Kada u situaciji postoje sudionici koji razmišljaju, slijed događaja ne vodi izravno od jednog skupa čimbenika do drugog; umjesto toga, on se križa... povezuje čimbenike s njihovim percepcijama i percepcije s čimbenicima.” To dovodi do činjenice da “procesi u situaciji ne dovode do ravnoteže, već do beskrajnog procesa promjene” 40. Iz toga slijedi da je pouzdano predviđanje ponašanja procesa u nekoj situaciji nemoguće bez uzimanja u obzir procjene te situacije od strane njezinih sudionika i njihovih vlastitih pretpostavki o mogućim akcijama. J. Soros je ovu značajku nekih sustava nazvao refleksivnošću.
Formalizirane kvantitativne ovisnosti faktora opisuju se različitim formulama (obrascima), ovisno o predmetu proučavanja, odnosno samim faktorima. Međutim, kao što je već spomenuto, izgradnja tradicionalnog matematičkog modela nije uvijek moguća.

Problem univerzalne formalizacije međusobnog utjecaja faktora još nije riješen i malo je vjerojatno da će ikada biti riješen.

Stoga se valja pomiriti s činjenicom da odnose faktora nije uvijek moguće opisati matematičkim formulama, tj. Nije uvijek moguće točno kvantificirati ovisnosti 41 .
Stoga se u kognitivnom modeliranju, kod procjene težine lukova, kao što je spomenuto, često uzima u obzir subjektivno mišljenje stručnjaka 42. Glavni zadatak u ovom slučaju je nadoknaditi subjektivnost i iskrivljenje procjena kroz različite vrste postupaka provjere.

U ovom slučaju obično nije dovoljno samo provjeriti dosljednost procjena stručnjaka. Osnovni cilj postupka obrade subjektivnih mišljenja vještaka je pomoći mu da promisli, jasnije shvati i sistematizira svoje znanje, ocijeni njegovu dosljednost i primjerenost stvarnosti.

U procesu izvlačenja ekspertnog znanja dolazi do interakcije između eksperta - izvora znanja - i kognitivnog znanstvenika (inženjera znanja) ili s računalnim programom, čime je moguće pratiti tijek razmišljanja stručnjaka pri donošenju odluka. te identificirati strukturu svojih ideja o predmetu istraživanja 43 .
Postupci provjere i formaliziranja znanja stručnjaka detaljnije su opisani u članku A.A. Kulinich “Sustav kognitivnog modeliranja “Canva”” 44.

7. Provjera adekvatnosti modela
Istraživači su predložili nekoliko formalnih postupaka za provjeru primjerenosti izgrađenog modela 45 . Međutim, budući da model nije izgrađen samo na formaliziranim odnosima između faktora, matematičke metode za provjeru njegove ispravnosti ne daju uvijek točnu sliku. Stoga su istraživači predložili neku vrstu "povijesne metode" za testiranje primjerenosti modela. Drugim riječima, razvijeni model situacije primjenjuje se na slične situacije koje su postojale u prošlosti i čija je dinamika dobro poznata 46 . Ako se pokaže da je model operativan (to jest, daje prognoze koje se podudaraju sa stvarnim tijekom događaja), prepoznaje se kao točan. Naravno, nijedna pojedinačna metoda verifikacije modela nije iscrpna, stoga je preporučljivo koristiti skup postupaka za provjeru ispravnosti.

8. Korištenje kognitivnog modela

8.1. Primjena kognitivnih modela u sustavima za potporu odlučivanju
Glavna svrha kognitivnog modela je pomoći stručnjaku u procesu spoznaje i, sukladno tome, razviti ispravnu odluku. Stoga se u sustavima za potporu odlučivanju koristi kognitivni pristup.
Kognitivni model vizualizira i organizira informacije o okolini, namjeri, ciljevima i akcijama. Istodobno, vizualizacija ima važnu kognitivnu funkciju, ilustrirajući ne samo rezultate djelovanja subjekta upravljanja, već mu također sugerira načine analize i generiranja opcija odlučivanja 47 .
Međutim, kognitivni model ne služi samo za sistematizaciju i „pojašnjenje“ znanja stručnjaka, već i za prepoznavanje najpovoljnijih „točaka primjene“ kontrolnih radnji subjekta upravljanja 48 . Drugim riječima, kognitivni model objašnjava na koji čimbenik ili odnos čimbenika treba utjecati, kojom snagom iu kojem smjeru kako bi se postigla željena promjena ciljnih čimbenika, odnosno kako bi se postigao cilj upravljanja uz najmanje troškove.
Upravljačka djelovanja mogu biti kratkoročna (impulsna) ili dugotrajna (kontinuirana), djelujući do postizanja cilja. Također je moguće koristiti impulsne i kontinuirane upravljačke akcije zajedno 49 .
Kada se zadani cilj postigne, odmah se postavlja zadatak održavanja stanja u postignutom povoljnom stanju dok se ne pojavi novi cilj. Načelno se zadaća održavanja stanja u traženom stanju ne razlikuje od zadaće postizanja cilja 50.
Kompleks međusobno povezanih upravljačkih utjecaja i njihov logičan vremenski slijed čine holističku strategiju upravljanja (model upravljanja).
Korištenje različitih modela upravljanja može dovesti do različitih rezultata. Ovdje je važno moći predvidjeti do kakvih će posljedica ova ili ona strategija upravljanja u konačnici dovesti.
Za izradu takvih prognoza koristi se scenarijski pristup (modeliranje scenarija) u okviru kognitivne analize. Modeliranje scenarija ponekad se naziva "dinamička simulacija".
Scenarijski pristup svojevrsno je “razigravanje” različitih opcija razvoja događaja ovisno o odabranom modelu upravljanja i ponašanju nepredvidivih čimbenika. Za svaki scenarij izgrađena je trijada: “početne premise - naš utjecaj na situaciju - dobiveni rezultat” 51. U ovom slučaju, kognitivni model omogućuje uzimanje u obzir cjelokupnog kompleksa učinaka kontrolnih djelovanja za različite čimbenike, dinamiku čimbenika i njihove odnose u različitim uvjetima.
Na taj način se identificiraju sve moguće opcije za razvoj sustava i izrađuju prijedlozi optimalne strategije upravljanja za provedbu željenog scenarija od mogućih 52 .
Istraživači često uključuju modeliranje scenarija među faze kognitivne analize ili razmatraju modeliranje scenarija kao dodatak kognitivnoj analizi.
Ako sumiramo i generaliziramo mišljenja istraživača o fazama modeliranja scenarija, tada se u najopćenitijem obliku faze analize scenarija mogu prikazati na sljedeći način.
1. Razvoj ciljeva upravljanja (željene promjene ciljnih čimbenika).
2. Izrada scenarija razvoja situacije pri primjeni različitih strategija upravljanja.
3. Određivanje dostižnosti cilja (izvedivost scenarija koji do njega vode); provjera optimalnosti već planirane strategije upravljanja (ako postoji); izbor optimalne strategije koja odgovara najboljem scenariju sa stajališta cilja.
4. Konkretizacija optimalnog modela upravljanja - izrada konkretnih praktičnih preporuka za menadžere. Ova specifikacija uključuje identificiranje kontrolnih čimbenika (preko kojih je moguće utjecati na razvoj događaja), određivanje jačine i smjera kontrolnih utjecaja na upravljačke čimbenike, predviđanje vjerojatnih kriznih situacija uslijed utjecaja nepredvidivih vanjskih čimbenika i sl.
Treba napomenuti da se faze modeliranja scenarija mogu razlikovati ovisno o predmetu proučavanja i upravljanja.
U početnoj fazi modeliranja može biti dovoljno kvalitativnih informacija koje nemaju točnu numeričku vrijednost i odražavaju bit situacije. Kada se prelazi na modeliranje specifičnih scenarija, korištenje kvantitativnih informacija, koje predstavljaju numeričke procjene vrijednosti bilo kojih pokazatelja, postaje sve važnije. U budućnosti će se uglavnom koristiti kvantitativne informacije 53 za izvođenje potrebnih izračuna.
Prvi scenarij, koji ne zahtijeva nikakvu akciju istraživača da bi se formirao, je samorazvoj situacije (u ovom slučaju, vektor kontrolnih akcija je "prazan"). Samostalni razvoj situacije polazište je za daljnje oblikovanje scenarija. Ako je istraživač zadovoljan rezultatima dobivenim tijekom samorazvoja (drugim riječima, ako su postavljeni ciljevi postignuti tijekom samorazvoja), tada se daljnje istraživanje scenarija svodi na proučavanje utjecaja određenih promjena u vanjskom okruženju na situaciju. 54 .
Postoje dvije glavne klase scenarija: scenariji koji simuliraju vanjske utjecaje i scenariji koji simuliraju ciljani (kontrolirani) razvoj situacije 55 .

8.2. Primjer rada s kognitivnim modelom

Razmotrimo primjer rada s kognitivnim modelom danim u članku S.V. Kachaeva i D.I. Makarenko “Integrirani informacijsko-analitički kompleks za situacijsku analizu društveno-ekonomskog razvoja regije.”
„Primjena integriranog informacijsko-analitičkog kompleksa situacijske analize može se razmotriti na primjeru izrade strategije i programa društveno-ekonomskog razvoja regije.
U prvoj fazi se gradi kognitivni model socio-ekonomske situacije u regiji... Zatim se modeliraju scenariji potencijalne i realne mogućnosti promjene situacije u regiji i postizanja postavljenih ciljeva.
Kao ciljevi socioekonomske politike odabrani su:

Za postizanje postavljenih ciljeva odabrane su sljedeće "poluge" (kontrolni čimbenici - Yu.M.), uz pomoć kojih donositelj odluke može ili želi utjecati na situaciju:

Kao rezultat simulacije razjašnjena je potencijalna i stvarna mogućnost postizanja zadanih ciljeva uz pomoć odabranih poluga i proizašlih upravljačkih utjecaja (vidi sl. 3).

Slika 3. Kognitivno i dinamičko modeliranje simulacije (scenarija).

U sljedećoj fazi prelazi se s razvoja strategije za postizanje ciljeva na razvoj programa specifičnih akcija. Alat za provedbu strategije je regionalni proračun i porezna politika.
Poluge i određeni utjecaji odabrani u prethodnoj fazi odgovaraju sljedećim pravcima proračunske i porezne politike.

Poluge postignuća strateški ciljevi	Smjerovi proračuna i porezna politika
Dohodak stanovništva	Izdaci za socijalnu politiku
Investicijska klima	Državni troškovi Troškovi provedbe zakona Troškovi za industriju, proizvodnju električne energije, građevinarstvo i poljoprivredu
Troškovi proizvodnje	Reguliranje tarifa za električnu energiju, gorivo, toplinu, stanarinu itd.
Razvoj proizvodne infrastrukture	Razvoj tržišne infrastrukture
Naplata poreza	Reguliranje visine poreznih neplaćanja
Porezne olakšice	Reguliranje visine poreznih olakšica
Političke i ekonomske preferencije za regiju.	Besplatni transferi s drugih razina vlasti

Stoga je integrirani informacijsko-analitički kompleks situacijske analize snažan alat za razvoj strategije regionalnog razvoja i provedbu te strategije” 56 .
Treba napomenuti da se u studijama primjeri korištenja kognitivnog i scenarijskog modeliranja obično daju u vrlo općenitom obliku, budući da je, prvo, ova vrsta informacija isključiva i ima određenu komercijalnu vrijednost, a drugo, svaka specifična situacija (sustav, okolina, objekt upravljanja) zahtijeva individualan pristup.
Postojeća teorijska osnova kognitivne analize, iako zahtijeva pojašnjenje i razvoj, omogućuje različitim subjektima upravljanja da razviju vlastite kognitivne modele, budući da se, kao što je navedeno, pretpostavlja da se za svako područje, za svaki problem izrađuju specifični modeli.

9. Računalni sustavi za podršku upravljačkim odlukama

Provođenje kognitivne analize nestabilnih, slabo strukturiranih situacija i okruženja iznimno je težak zadatak za čije su rješavanje uključeni informacijski sustavi. U biti, ovi sustavi su dizajnirani da poboljšaju učinkovitost mehanizma donošenja odluka, budući da je glavna primijenjena zadaća kognitivne analize optimizacija kontrole.

9.1. Opće karakteristike sustava za podršku odlučivanju
Sustavi za podršku odlučivanju obično su interaktivni. Osmišljeni su za obradu podataka i implementaciju modela koji pomažu u rješavanju pojedinačnih, uglavnom slabo ili nestrukturiranih problema (primjerice, donošenje investicijskih odluka, izrada prognoza itd.). Ovi sustavi mogu pružiti radnicima informacije potrebne za donošenje pojedinačnih i grupnih odluka. Takvi sustavi omogućuju neposredan pristup informacijama koje odražavaju trenutnu situaciju i sve čimbenike i veze potrebne za donošenje odluka 57
itd.................