Hovedstadiene for å utvikle en kognitiv modell av en problemsituasjon. Middels sikt prognose av den russiske økonomien ved hjelp av en kognitiv modell

Den kognitive tilnærmingen til studiet av komplekse systemer, som sosioøkonomiske, politiske, etc., en rekke relaterte begreper, samt metodikk og teknologi for kognitiv modellering av komplekse systemer vurderes.

Matematisk representasjon av kognitive modeller

Begynnelsen av forskning knyttet til bruken av den kognitive tilnærmingen for studier, modellering og beslutningstaking innen komplekse systemer går tilbake til midten av 1900-tallet, da ideene om kognitiv psykologi begynte å bli brukt på ulike felt. kunnskap og et system for disiplinær forskning kalt "kognitiv vitenskap" begynte å ta form ( engelsk kognitiv vitenskap). Hovedområdene er filosofi, psykologi, nevrofysiologi, lingvistikk og kunstig intelligens. For tiden er det en utvidelse av fagområder der den kognitive tilnærmingen brukes. Den aktive bruken av den kognitive tilnærmingen i studiet av komplekse systemer i vårt land begynte på 1990-tallet; senteret for forskningen var Institute of Computer Science ved det russiske vitenskapsakademiet. Denne delen presenterer en rekke resultater fra kognitive studier av komplekse systemer utført ved Southern Federal University, hvor kilden kan betraktes som arbeidet til R. Axelrod, F. Roberts, J. Cast, R. Etkin, samt ansatte fra Institute of Computer Science RAS (V. I. Maksimov, V.V. Kulba, N.A. Abramov, etc.).

For å forstå betydningen av kognitiv forskning, deres retninger, modeller og metoder, er det nødvendig å kjenne til en rekke spesielle begreper, for eksempel: kognitiv vitenskap og kognitiv vitenskap, kognitiv vitenskap (kunnskapsteknikk), kognitiv tilnærming (kognitiv), teknologi av kognitiv (kognitiv-mål) modellering, visualisering, kognitiv modellering, kognitiv strukturering eller konseptualisering, kognitiv modelleringsmetodikk, kognitiv modell, kognitiv kart. Definisjoner av disse begrepene (og en rekke andre relatert til kognitiv vitenskap) finnes i verkene. Kognitive kart har ikke bare et visuelt, men også et matematisk grunnlag. Dette er klare og uklare grafer (fuzzy kognitive kart).

Grafen viser seg å være en passende modell for å representere relasjonene mellom økonomiske objekter (bedrifter, organisasjoner, midler og produksjonsfaktorer, elementer i den sosiale sfæren, karakterisert som et objekt hvor økonomisk aktivitet er konsentrert eller rettet, og som representerer en viss side av økonomiske relasjoner), mellom subjekter av sosiale prosesser (for eksempel mennesker, grupper av mennesker), mellom subsystemer av sosioøkonomiske systemer, mellom andre konsepter, enheter, etc. La oss bruke definisjonen av F. Roberts: «En signert graf (signed digraph) er en graf der «... toppunktene tilsvarer medlemmer av gruppen; fra toppen V-, en bue trekkes til toppunktet hvis et klart uttrykt V;K V-forhold observeres, og buen vd = (V, V]) har et plusstegn (+) hvis V,"liker" U^i minustegn (-) ellers."

Konseptet med en "signert digraf" kan ha en rekke anvendelser, så buer og tegn tolkes forskjellig avhengig av det komplekse systemet som studeres. I tillegg utvikles teoretiske studier av komplekse systemer innenfor rammen av en mer kompleks modell enn en signert digraf – innenfor rammen av en vektet digraf, der hver bue ec tildelt reelt tall (vekt) hytter.

Et eksempel på et kognitivt kart er vist i fig. 6.12 (figuren ble laget ved bruk av PSKM^-programvaresystemet). Heltrukkede buelinjer tilsvarer Shts= +1, stiplet stiplet - = -1. Tegnet kan tolkes som "positive (negative) endringer ved toppunktet r fører til positive (negative) endringer ved toppunktet yu," dvs. disse er ensrettede endringer; tegn "-" - som i "positive (negative) endringer i toppunktet fører til negative (positive) endringer i toppunktet Vj" - flerveis endringer. Motpiler viser den gjensidige påvirkningen av hjørner, syklusen til grafen; dette forholdet er symmetrisk. De fleste begrepene digrafer gjelder også for vektede digrafer. Disse konseptene er: sti, enkel sti, halvvei, kontur, syklus, halvkrets; sterk, svak, enveis tilkobling, "tegn på en sti, lukket bane, kontur."

Tegn på bane, krets, lukket bane, lukket krets, sløyfeomriss, etc. er definert som produktet av tegnene til buene som er inkludert i dem.

Åpenbart, en sti, en sykkel, etc. ha et tegn hvis antallet negative buer de inneholder er oddetall, ellers har de et "+"-tegn. Så for grafen "Romeo og Julie" er banen V,-"V, -" U -> V, er negativ, og syklusen Uh -> Uh-> V, - positiv.

Ris. 6.12. bue gå= +1 og Shts = -1

Ved matematisk modellering av komplekse systemer står forskeren overfor problemet med å finne et kompromiss mellom nøyaktigheten til modelleringsresultatene og evnen til å få nøyaktig og detaljert informasjon for å bygge modellen. I en slik situasjon er signerte og vektede digrafer egnet for å utvikle "enkle" matematiske modeller og for å analysere resultater oppnådd med minimal informasjon.

La oss gi ytterligere to eksempler fra [Hobesh, Med. 161, 162] - fig. 6.13 og 6.14, interessant fra et historisk synspunkt som et av de første kognitive kartene, men som ikke har mistet sin relevans nå.

I fig. 6.14 krets Wow-> U - > U$ -> U6 -" Wow motvirker avviket ved toppunktet V,. Hvis du øker/reduserer en hvilken som helst variabel i denne kretsen, fører disse endringene gjennom andre hjørner til en reduksjon/økning i denne variabelen (tolkning: jo større populasjon, jo mer avfall, jo flere bakterier, jo større forekomst - jo større forekomst, jo færre personer, og så videre.). Dette er en negativ tilbakemeldingssløyfe. Krets V, -> U ->UA -> V er en kontur som forsterker avviket, dvs. positiv feedback loop.

Ris. 6.13.

Vi vil bruke følgende i fremtiden Maruyamas uttalelse:"En kontur forsterker avbøyning hvis og bare hvis den inneholder et jevnt antall negative buer (ellers er det en kontur som motvirker avbøyning)."

Diagrammet (fig. 6.14) inneholder et lite antall hjørner og koblinger for bekvemmeligheten av foreløpig analyse. En grundigere analyse av problemet med energiforbruk vil ifølge Roberts kreve et betydelig større antall variabler og mer nyanserte metoder for å velge dem. Dette reiser problemet med å kombinere ekspertuttalelser.

For å løse problemene som er skissert i eksemplene i fig. 6.13 og 6.14, er det ikke nok bare å konstruere en graf av en eller annen kompleksitet og analysere kjedene til dens forbindelser (veier) og sykluser; en dypere analyse av strukturen, stabilitetsegenskaper (ustabilitet), analyse av virkningen av endringer i toppunktparametere på andre toppunkter, og sensitivitetsanalyse er nødvendig.

Ris. 6.14.(Roberts, Med. 162)

For å forstå og analysere oppførselen til et komplekst system, bygges det et strukturelt diagram av årsak-virkningsforhold. Slike skjemaer som tolker beslutningstakers meninger og synspunkter kalles et kognitivt kart.

Begrepet "kognitivt kart" ble laget av psykolog Tolman i 1948. Et kognitivt kart er en type matematisk modell som lar deg formalisere beskrivelsen av et komplekst objekt, problem eller systemfunksjon og identifisere strukturene til årsak-virkningsforhold mellom elementene i systemet, et komplekst objekt, komponentene i problemet og vurdere konsekvensene som følge av påvirkning av disse elementene eller endring av sammenhengenes karakter. Den engelske vitenskapsmannen K. Ideas foreslo bruk av kognitive kart for kollektiv beslutningstaking og beslutningstaking.

Kognitivt kart over situasjonen er en orientert graf, hvis noder representerer noen objekter (begreper), og buene er forbindelser mellom dem, og karakteriserer årsak-og-virkning-forhold.

Modellutvikling begynner med konstruksjonen av et kognitivt kart som gjenspeiler situasjonen «som den er». Basert på det genererte kognitive kartet, modelleres selvutvikling av situasjonen for å identifisere positive trender i utviklingen. "Selvutvikling" lar deg sammenligne subjektive forventninger med modell.

Hovedkonseptet i denne tilnærmingen er konseptet "situasjon". Situasjonen er preget av et sett med såkalte grunnleggende faktorer, ved hjelp av hvilken prosessene med å endre tilstander i en situasjon beskrives. Faktorer kan påvirke hverandre, og slik påvirkning kan være positiv når en økning (reduksjon) i en faktor fører til en økning (reduksjon) i en annen faktor, og negativ når en økning (reduksjon) i en faktor fører til en reduksjon ( økning) i en annen faktor.

Interaksjonsmatrisen presenterer vektene av kun direkte påvirkninger mellom faktorer. Radene og kolonnene i matrisen er assosiert med faktorene til det kognitive kartet, og fortegnsverdien i skjæringspunktet mellom den i-te raden og j-ro-kolonnen angir vekten og retningen for påvirkning av i-ro-faktoren på den j-te faktoren. For å vise graden (vekten) av påvirkning, brukes et sett med språklige variabler som «sterk», «moderat», «svak» osv.; Et slikt sett med språklige variabler sammenlignes med numeriske verdier fra intervallet: 0,1 - "veldig svak"; 0,3 - "moderat"; 0,5 - "betydelig"; 0,7 - "sterk"; 1.0 - "veldig sterk". Påvirkningsretningen er gitt av tegnet: positiv, når en økning (reduksjon) i en faktor fører til en økning (reduksjon) i en annen faktor, og negativ, når en økning (reduksjon) i en faktor fører til en reduksjon (økning) ) i en annen faktor.

Identifisere innledende trender

Innledende trender er satt av språklige variabler som

"sterk", "moderat", "svak", etc.; Til et slikt sett med språklige variabler sammenlignes numeriske verdier fra intervallet. Hvis det ikke er spesifisert en trend for en faktor, betyr dette at det enten ikke er synlige endringer i den aktuelle faktoren, eller at det ikke er nok informasjon til å vurdere den eksisterende trenden for den. Ved modellering antas det at verdien av denne faktoren er 0 (dvs. den endres ikke).

Identifisering av målfaktorer

Blant alle de valgte faktorene er det nødvendig å bestemme mål- og kontrollfaktorene. Målfaktorer er faktorer hvis dynamikk må bringes nærmere de nødvendige verdiene. Å sikre den nødvendige dynamikken til målfaktorer er løsningen som etterstrebes når man konstruerer en kognitiv modell.

Kognitive kart kan brukes til en kvalitativ vurdering av individuelle konsepters innflytelse på hverandre og på stabiliteten til systemet som helhet, for modellering og evaluering av bruken av ulike strategier i beslutningstaking og prognosebeslutninger som tas.

Det skal bemerkes at det kognitive kartet bare gjenspeiler faktumet om påvirkning av faktorer på hverandre. Den gjenspeiler ikke den detaljerte naturen til disse påvirkningene, heller ikke dynamikken til endringer i påvirkninger avhengig av endringer i situasjonen, eller midlertidige endringer i selve faktorene. Å ta hensyn til alle disse omstendighetene krever å gå til neste nivå for å strukturere informasjonen som vises i det kognitive kartet, det vil si den kognitive modellen. På dette nivået utvides hvert forhold mellom faktorene i det kognitive kartet til en tilsvarende ligning, som kan inneholde både kvantitative (målbare) variabler og kvalitative (ikke-målte) variabler. I dette tilfellet inkluderes kvantitative variabler naturlig i form av deres numeriske verdier, siden hver kvalitativ variabel er assosiert med et sett av språklige variabler, og hver språklig variabel tilsvarer en viss numerisk ekvivalent på skalaen [-1,1]. Etter hvert som det samler seg kunnskap om prosessene som skjer i den aktuelle situasjonen, blir det mulig å avdekke mer detaljert arten av sammenhengene mellom faktorer.

Det er matematiske tolkninger av kognitive kart, for eksempel myke matematiske modeller (den berømte Lotka-Volterra-modellen av kampen for tilværelsen). Ved hjelp av matematiske metoder kan man forutsi utviklingen av situasjonen og analysere stabiliteten til den resulterende løsningen. Det er to tilnærminger til å konstruere kognitive kart – prosedyremessig og prosess. En prosedyre er en diskret tidseffekt som har et målbart resultat. Matematikk gjorde betydelig bruk av diskretitet, selv om vi målte i språklige variabler. Prosesstilnærmingen snakker mer om å opprettholde prosesser; den er preget av begrepene "forbedre", "aktivere", uten referanse til målbare resultater. Det kognitive kartet for denne tilnærmingen har en nesten triviell struktur - det er en målprosess og omkringliggende prosesser som har en positiv eller negativ innvirkning på den.

Det finnes to typer kognitive kart: tradisjonelle og uklare. Tradisjonelle kart er spesifisert i form av en rettet graf og representerer det modellerte systemet i form av et sett med konsepter som viser dets objekter eller attributter, sammenkoblet av årsak-og-virkning-forhold. De brukes til å kvalitativt vurdere virkningen av individuelle konsepter på systemstabilitet.

For å utvide evnene til kognitiv modellering bruker en rekke verk uklare kognitive kart. I et uklart kognitivt kart bestemmer hver bue ikke bare retningen og naturen, men også graden av påvirkning av de tilknyttede konseptene.

Kognitive modeller. Kognitiv strukturering begynner med å identifisere objekter (karakterisert både kvantitativt og kvalitativt, verbalt) av systemet som studeres for et bestemt formål og etablere forbindelser mellom dem. Disse handlingene utføres ved hjelp av eksperter, av

Ris. 6.16.

innsamling og bearbeiding av statistisk informasjon, basert på studiet av litteraturdata, de er basert på teoretisk kunnskap innen det aktuelle fagområdet.

Som et resultat av kognitiv strukturering utvikles en formell beskrivelse av kunnskap, som visuelt kan representeres av en kognitiv modell (i form av diagram, graf, matrise, tabell eller tekst). Utvikling av en kognitiv modell er det mest kreative og dårlig formaliserte stadiet i aktiviteten til en forsker (ekspertgruppe) i et stort system. Delvis formalisering er mulig ved behandling av numeriske data i form av statistisk informasjon ved bruk av data mining-verktøy (f.eks. Datautvinning). Informasjonskilder for å bestemme "høykvalitets" toppunkter kan være teoretisk informasjon i fagområdet som studeres og vedtatte beslutninger fra en gruppe eksperter. I sistnevnte tilfelle utvikles et "kollektivt kognitivt kart".

Oppmerksomhet bør rettes mot behovet for det "riktige" navnet på toppen - dårlig utvalgte navn (begreper) forvrenger resultatene av studien og gir kanskje ikke svar på spørsmålene som det ville være ønskelig å få svar på.

Så resultatet av prosessen med å identifisere et komplekst system i den første fasen av studien er et kognitivt kart G, som kan betraktes som "initial" eller "start". Om den forblir uendret, som endelig eller ikke, avhenger avgjørelsen av eksperten etter alle stadier av kognitiv modellering.

Kognitiv modelleringsteknologi bruker forskjellige typer kognitive modeller.

De mest brukte er: et kognitivt kart (et uformelt kognitivt kart, forskning begynner med utviklingen av det), samt en vektet signert digraf, en enkel funksjonell graf, en parametrisk vektorfunksjonell graf og en modifisert graf.

Kognitivt kart(i den opprinnelige forståelsen - et diagram av årsak-og-virkning-forhold i et system) er et strukturelt diagram av relasjoner mellom objekter ("begreper", "entiteter", elementer, undersystemer) av et komplekst system; er bygget for å forstå og analysere dens struktur og oppførsel.

Fra et formelt synspunkt er et kognitivt kart en signert orientert graf (digraf), som gjenspeiler mønsteret av relasjoner mellom objektene som studeres - toppunktene. Forholdet mellom dem (samspillet mellom faktorer) er en kvantitativ eller kvalitativ beskrivelse av virkningen av en endring i ett toppunkt på andre:

Hvor V- sett av hjørner, hjørner ("begreper") V,- f.eks V,¿=1,2, Til er elementer i systemet som studeres; E - sett med buer, buer e E, jeg,) =1,2, P reflekterer forholdet mellom toppunktene til U; og Mu Innflytelsen fra Mr. b) i situasjonen som studeres kan være positivt ("+"-tegn), når en økning (reduksjon) i en faktor fører til en økning (reduksjon) i en annen, negativ ("-"-tegn), når en økning (reduksjon) i en faktor faktor fører til en nedgang (økning) i en annen , eller fraværende (0). I det siste tilfellet vil den tilsvarende buen kunne utelukkes når man analyserer en gitt situasjon, men den kan ha betydning i en annen situasjon. Derfor, hvis en slik mulighet antas, må buen forlates.

I tillegg til et grafisk bilde, kan et kognitivt kart representeres av en matrise av relasjoner Ess:

Matrisen А(; er en kvadratisk matrise, hvis rader og kolonner er markert med toppunktene på grafen MED og i skjæringspunktet mellom r-raden og r-kolonnen er det enere (eller 0) hvis det er (finnes ikke) et forhold mellom elementene V; Og Ååå I et kognitivt kart kan et forhold ha et "+1" eller "-1" tegn.

Det kognitive kartet gjenspeiler kun det faktum at toppunktene (faktorene) påvirker hverandre. Den gjenspeiler ikke den detaljerte naturen til disse påvirkningene, heller ikke dynamikken til endringer i påvirkninger avhengig av endringer i situasjonen, eller midlertidige endringer i selve faktorene. Å ta hensyn til alle disse omstendighetene krever å gå til neste nivå for å strukturere informasjonen som vises i det kognitive kartet, dvs. en overgang til andre typer kognitive modeller er nødvendig.

På nivå med den kognitive modellen utvides hvert forhold mellom faktorene i det kognitive kartet til en tilsvarende ligning, som kan inneholde både kvantitative (målbare) variabler og kvalitative (ikke-målbare) variabler. Kvantitative variabler kommer inn i modellen i form av deres numeriske verdier. Hver kvalitativ variabel kan assosieres med et sett med språklige variabler som viser forskjellige systemer av denne kvalitative variabelen på en skala.

Etter hvert som kunnskap om prosessene i systemet akkumuleres, blir det mulig å avsløre mer detaljert arten av forbindelsene mellom toppunktene - faktorer (for eksempel ved å bruke prosedyrer Datautvinning, hvis det er tabeller med statistiske data).

En kognitiv modell som en vektorfunksjonell graf er en tuppel

Hvor C =< V, Е> - rettet graf; X- mange toppunktparametere V; X = [ХШ, 1=1,2,.... k, X( u> = (^), e = 1, 2, sch, de. hvert toppunkt er tildelt en vektor av parametere uavhengig av hverandre X(y"(eller én parameter x№>8=X, Hvis g = 1); X: V -> I, I - sett med reelle tall; P= E(X, E) = Dd:;, Xp e$) - som tildeler hver bue enten et tegn ("+", "-") eller en vektingskoeffisient<о^, либо функцию faen) =og

Avhengig av E(X, E) det utvidede konseptet med en digraf introduseres.

1. Kognitivt kart (tegndigraf) som et spesielt tilfelle av en Φ-graf der

hvor co^- er vektingskoeffisienten; co^ e. IV, V/ - settet med buevektkoeffisienter er settet med reelle tall. Vurderingen av co- kan bestemmes av et enkelt tall eller være intervall.

3. Den enkleste funksjonelle grafen er er en F-graf der E= DH, E)=/(i$, Xp e$ =/)/.

hvor /y er den funksjonelle avhengigheten til parameterne til toppunktene, som er tilordnet hver bue. Avhengighet /y kan ikke bare være funksjonell, men også stokastisk. Definere karakteristiske parametere /y inkluderer: definisjon av skala, indikatorer, metode, nøyaktighet, måleenhet.

Definisjonen av Φ-grafer kan generaliseres som følger.

4. Parametrisk vektorfunksjonsgraf Fp er en tuppel

hvor b =< V, E > - rettet graf; X:V -" 0, X- mange toppunktparametere, X= (->№> | X<г"> e X, i = 1,

2, Til), X("";> = (.g*,0), g 1,2.....til x^- £-parameter for toppunktet

Y;, hvis £= 1, så er l-*,"* = x,-; 0 er rommet til toppunktparametere; /r= E(X, E) -, E.Ex. X X x 0 -> TIL

5. Modifiserte MF-grafer. For å reflektere dynamikken til endringer som skjer i systemet under påvirkning av ulike forstyrrelser, introduseres tid i modellen. Slike grafer er foreslått i arbeidet.

Hierarkiske kognitive kart . Komplekse systemer er preget av et hierarkimønster. For å reflektere en slik struktur kan hierarkiske kognitive kart brukes – en relativt ny type kognitive modeller. Hierarkiske kognitive kart representerer avsløringen av generaliserte objekter (toppunkter) på det øvre nivået av et kognitivt kart i deres konstituerende objekter, inkludert objekter på lavere nivåer. Antall hierarkiske nivåer kan bestemmes både av antall toppunkter "avslørt" i kognitive kart og av det eksisterende objektstyringssystemet (for eksempel nivåer i en stat, region, kommune). Figur 6.17 illustrerer denne ideen.

Ris. 6.17.

Den hierarkiske kognitive kartmodellen har formen

hvor og er kognitive kart Til- og (&-1) nivåer, henholdsvis, Ek = (etKr))- forhold mellom hjørner Til- og p-nivåer.

Et kognitivt kart på ^-nivå er en rettet graf

hvor Y(£) = (r;D£)|r;D&) У(Ш,1 1,2р... и) - sett med hjørner

^-nivå, E(k) =|е0"(£)|е$"(£) £(<£); I,./" 1,я} - отношения, отражающие взаимосвязь между вершинами внутри уровня (^-уровня).

Den strukturelle foreningen av en hierarkisk kognitiv modell i form av en funksjonell graf vil ha formen

Hvor Yu h bd., VK, BC 2 - kognitivt hierarkisk kart

at; Xk = X(k)- sett med parametere for toppunktene til det hierarkiske kognitive kartet; ^ = (?(X,£^);u^(*)) - funksjonell 1=1 transformasjon av buer i den hierarkiske kognitive modellen.

Man kan forestille seg flere samvirkende objekter som opererer i et bestemt miljø. I dette tilfellet er det nødvendig å bygge kognitive modeller av en mer kompleks type - modeller for interaksjon mellom hierarkier, relasjonene mellom disse er spesifisert av spilleteoriens regler. Dermed kan hierarkier være i samarbeidsforhold (samarbeid, koalisjon) eller konfrontasjon (konkurranse). En generalisering er mulig til tilfellet med interaksjon mellom N parter - den generelle modellen er et system av hierarkiske kognitive modeller der reglene for samhandling og regler for å endre strukturen til kognitive modeller er spesifisert.

Dynamiske kognitive kart. Basert på resultatene av forskning innen feltet interaksjon av komplekse systemer, ble kognitive modeller brukt i form av dynamiske kognitive kart, der modellparametrene var avhengige av tid og tok hensyn til midlertidige endringer i miljøet.

Problemer med å analysere stier og sykluser i en kognitiv modell

Løsningen på problemet med å analysere stier og sykluser til en kognitiv modell utføres ved hjelp av tradisjonelle metoder for grafteori. Identifikasjon av stier av ulike gitte lengder lar oss spore og tolke kjeder av årsak-og-virkning-forhold, identifisere deres egenskaper og motsetninger. Identifikasjon av sykluser (positive og negative tilbakemeldinger) lar oss bedømme den strukturelle stabiliteten (eller ikke) til systemet.

Hvis du analyserer kartet "Elektrisitetsforbruksproblemer" (se fig. 6.14), så er det fem sykluser i det: K-> Uh->V* U^ U"> Uh-> K* C>"> ^4"> ^3">

-> Vq, V7-> V5 -" VA -> V3 -" V6 -" V7, blant hvilke V5 -> -> Kj -> ^2~^ ^5 - en er negativ.

Scenarier for objektadferd, impulsmodellering (scenariomodellering)

Modellering av systematferd er basert på en scenariotilnærming.

Fra et grunnleggende synspunkt tilsvarer et scenario følgende ontologi: starttilstand, hendelsesforløp, slutttilstand. Metaforisk er scenariet med andre ord strukturert i tidsdimensjonen av "kilde - bane - mål"-skjemaet, der kilden er starttilstanden, den endelige tilstanden er destinasjonen, hendelser er på banen og banen forlenges i tid.

Manuset er hel, og hvert av elementene - Del.

En skriptontologi inkluderer vanligvis også mennesker, ting, egenskaper, relasjoner og proposisjoner. I tillegg er ontologielementer ofte forbundet med relasjoner av visse typer: årsaksforhold, identitetsrelasjoner, etc. Disse relasjonene er strukturelt representert ved kommunikasjonsordninger (lenkeskjemaer), som hver er kategorisert i henhold til hvilken type forbindelse den representerer. Scenarier har også målstrukturer som spesifiserer målene til deltakerne i scenariet.

Definisjonen av begrepet "scenario" er assosiert med definisjonen av begrepene "systemets tegn", "systemets tilstand", "systemets oppførsel", "forventet hendelse", "situasjon".

Tegn karakterisere egenskapene til systemet, delsystemene og elementene. Tegn kan være kvalitet Og kvantitativ. Et tegn kan være et mål på effektivitet. Å måle en egenskap er ofte en stor utfordring.

Stat systemet er preget av verdiene til funksjoner på et gitt tidspunkt. Tilstandene til systemet endres under driften.

Overganger av et system (eller dets deler) fra tilstand til tilstand forårsaker strømmer, definert som endringshastigheten i verdiene til systemets attributter.

Systemadferd - dette er en endring i systemtilstander over tid.

Forventet hendelse oppførselen til et objekt, i henhold til den utviklede modellen av objektet, er en trippel: et øyeblikk i tid t, valgt i henhold til noen utvalgsregler A (utvalgsregel A indikerer tidspunktene for å fikse kommandobanen til objektet), dg(g) og g/(g) - den forventede implementeringen av parametrene for beskrivelsen av miljøet og fasebanen til systemet.

situasjon 5(0 på et tidspunkt r er et sett med hendelser kronologisert i tid som skjedde før øyeblikket b.

Scenario - Dette er et sett med trender som kjennetegner: situasjon for øyeblikket, de ønskede utviklingsmålene, et sett med tiltak som påvirker utviklingen av situasjonen, og systemer for å observere parametere (faktorer) som illustrerer prosessens oppførsel.

Dybden av scenariet, horisonten til scenariet og tidstrinnet for scenariet bestemmes. Presenter scenariet i en formalisert form.

Scenarioet kan modelleres i tre hovedretninger:

• prognose for utviklingen av situasjonen uten noen innvirkning på prosessene: situasjonen utvikler seg av seg selv (evolusjonær utvikling);
• prognose for utviklingen av situasjonen med det valgte settet med kontrolltiltak (direkte oppgave);
• syntese av et sett med tiltak for å oppnå den nødvendige endringen i tilstanden til situasjonen (omvendt problem).

Modellering av forplantning av forstyrrelser på kognitive kart, impulsprosesser. Modelleringsobjektet kan betraktes som et sett av samvirkende dynamiske prosesser som skjer i sanntid. Tid må også være tilstede i prosessmodellen, men når den modelleres med ulike typer grafer, kan denne tiden ikke ha betydningen av tid, men kun reflektere en sekvens av tilstandsendringer. Dette er tilfellet for signerte digrafer og signerte parametriske grafer. For å beskrive interaksjon med omgivelsene brukes begrepene «inngang», «utgang», «tilstand», «atferd» til systemet.

Ved analyse av situasjoner basert på kognitive kartmodeller løses to typer problemer: statiske og dynamiske. Statisk analyse - dette er en analyse av den nåværende situasjonen, inkludert studiet av noen faktorers innflytelse på andre, studiet av stabiliteten til situasjonen som helhet og søket etter strukturelle endringer for å oppnå stabile strukturer.

Dynamisk analyse - Dette er generering og analyse av mulige scenarier for utviklingen av situasjonen over tid. Det matematiske analyseapparatet er teorien om tegnede grafer og uklare grafer.

Under påvirkning av forskjellige forstyrrelser kan verdiene til variabler ved toppunktene i grafen endres; et signal mottatt ved en av toppunktene forplanter seg langs kjeden til resten, intensiverer eller demper.

Pulsmodellering - Dette er en modellering av forplantningen av forstyrrelser på kognitive kart, forårsaket av introduksjonen av forstyrrelsesimpulser i et toppunkt (et sett med toppunkter) av et kognitivt kart. Modelleringsobjektet kan betraktes som et sett av samvirkende dynamiske prosesser som skjer i sanntid.

Scenarioanalyse lar oss bedømme systemets oppførsel og vitenskapelig forutsi veiene for dets mulige utvikling. Analysen er utført basert på resultatene av impulsmodellering. For å generere mulige scenarier for utviklingen av systemet, introduseres hypotetiske forstyrrende eller kontrollerende påvirkninger i hjørnene av det kognitive kartet. Ved innføring av forstyrrelser<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.

Impulsprosessen kan reflektere både den evolusjonære utviklingen av systemet og dets utvikling under påvirkning av forstyrrelser og kontrollpåvirkninger 0,^), lagt til toppen 1>1 i øyeblikket g„.

Scenario for utvikling av situasjoner Det er vanlig å kalle hele settet av impulsprosesser ved alle hjørner av det kognitive kartet. Dermed settet av impulsprosesser når forstyrrelser introduseres<2 представляет собой модельную реализацию альтернативных действий (Л Для реальных систем 0_ tolket som forskjellig ledelse (for eksempel systemutviklingsprogrammer) eller forstyrrende påvirkninger (for eksempel endringer i det ytre miljø, handlinger fra en konkurrent, etc.).

Utviklingsscenariene generert under ulike forstyrrende påvirkninger er faktisk en "vitenskapelig prediksjon" av mulige utviklingsveier for systemet. Scenarioet karakteriserer utviklingstrenden av prosesser i systemet, eller mer presist, ulike mulige utviklingstrender (konsekvenser) med hypotetiske endringer i forstyrrende og kontrollfaktorer og deres kombinasjoner (årsaker) i den simulerte fremtiden. Dermed lar impulsmodellering av utviklingen av situasjoner oss utvikle mulige scenarier for utviklingen av systemet - fra pessimistisk til optimistisk. Basert på scenariene utformes en systemstyringsstrategi, som deretter implementeres av beslutningstakere i samsvar med de dikterende forholdene til det ytre og indre miljøet.

Vurder regelen (RY) endringer i parametere ved toppunktene for øyeblikket La parameteren X! avhenger av tid, dvs. X)(1)y 1= 1, 2, 3,.... Så kan vi bestemme prosessen med forplantning av forstyrrelsen langs grafen, dvs. overgang av systemet fra tilstand £ - 1 til og jeg + 1,....

I det generelle tilfellet, hvis det er flere hjørner ved siden av V,-, bestemmes prosessen med forplantning av forstyrrelsen gjennom grafen av regelen (for kjente startverdier X(0) ved alle hjørner og den innledende forstyrrelsesvektoren P(0)):

hvor dg,(0 og x £1+ 1) - parameterverdier ved toppunkt V; i øyeblikk Av I + 1, p^£) - endring i toppen U^ på et tidspunkt G,

Siden en impuls i en impulsprosess i Φ-grafen er representert som en ordnet sekvens uten referanse til tid, kan du bruke notasjonen til formler "i det i-te tidspunktet" (i en prosessmodell når du modellerer med forskjellige typer av grafer har tid kanskje ikke betydningen tid, men reflekterer bare sekvensen av tilstandsendringer (dette skjer for signerte digrafer og signerte vektede digrafer). Funksjon py(/;) av påvirkning av endringer i tilstøtende U-) toppunkt V) kan erstattes av impuls p(n) = x(n + 1) - x(n), Hvor x(n)y x(n+ 1) - verdien av indikatoren ved toppunktet V ved simuleringstrinn i øyeblikket £ = P og etter det £ = P+ 1. Deretter transformeres formel (6.64) til formen

Regel(Pd) endringer i parametere ved toppunktene på tidspunktet £u+1, hvis det er på tidspunktet ip impulser ankom toppunktene:

Modellen for en impulsprosess er en tuppel (F. £>, RShch, hvor φ er φ-grafen, (2= 0,(1,) - sekvens av forstyrrende påvirkninger, RY - regel for endring av parametere. I dette tilfellet, sekvensen X(r0),<2(гн)^ является модельным представлением динамической системы (г0,50,В0).

For å utvikle passende beregningsalgoritmer, er det praktisk å presentere den matematiske modellen av impulsprosesser på fortegnede grafer i matriseform.

i = 0, 1, 2, introdusert i toppunktene til Y; til tiden £; vektoren av toppunktparametere på tidspunkt t og endringer i toppunktparametere er gitt av ligningene:

Til R, fra den siste ligningen får vi uttrykket

hvor / er identitetsmatrisen.

Autonom kalt et spesielt tilfelle av impulsprosesser på kognitive kart, når eksterne impulser bare introduseres én gang i begynnelsen av simuleringen.

Den enkleste varianten av forstyrrelsesforplantning er tilfellet når P(0) bare har én inngang som ikke er null, dvs. forstyrrelsen kommer til bare ett toppunkt V-r Slike prosesser kalles vanligvis enkle prosesser.

situasjon i impulsmodellering er preget av et sett av alle Q og verdier X i hver P modelleringstrinn.

La oss gi et eksempel på impulsmodellering ved bruk av et kognitivt kart over strømforbruksproblemer (fig. 0.19). For det har relasjonsmatrisen formen

La oss modellere prosessen med forplantning av forstyrrelser ved å bruke et kognitivt kart over strømforbruksproblemer: "Hva vil skje hvis strømforbruket øker?" (Fig. 6.18). Som man kan se fra grafene over impulsprosesser, motsier ikke trendene i utviklingen av situasjoner intuitive antakelser om at en økning i elektrisitetsforbruket på grunn av en økning i energikapasiteten kan føre til et fall i kostnadene, forringelse av miljøet, en økning i antall foretak, og en økning i antall arbeidsplasser. Grafene viser simuleringssykluser langs OX-aksen. P, men 0Y-aksene til tall karakteriserer veksthastigheten til signaler ved toppunktene til det kognitive kartet (vitenskapelig prediksjon av mulige utviklingstrender).

Ris. 6.18.Økt strømforbruk,<7/(= +1, вектор возмущений (2= (0,0,0 + 1,0,0,0)

Inverse problemer, kontrollerbarhet og observerbarhetsproblemer

Å løse det omvendte problemet er et søk etter slike verdier av kontrollhandlinger (2) som kan gi ønsket scenario for utvikling av systemet. Matematiske programmeringsmetoder (lineære, ikke-lineære) kan brukes for løsningen.

Løsninger på problemer med observerbarhet og kontrollerbarhet av et system henger sammen. Observerbarhetsproblem - problemet med å bestemme tilstrekkeligheten av målinger av utgangsvariabler for å bestemme ukjente initialverdier for innganger. Kontrollerbarhetsproblem - dette er et problem med muligheten for å endre systeminndata avhengig av de observerte resultatene (kybernetisk eller ledelsestilnærming).

Analyse av stabiliteten til et system representert ved en graf

Bærekraft er et flerdimensjonalt konsept. I studier av sosioøkonomiske systemer betyr begrepet "bærekraft" mye, ikke alltid klart definert (bærekraft i det finansielle systemet, bærekraft i organisasjonen). I teorien om kontroll av tekniske systemer er begrepet "stabilitet" klart definert, og kriterier for systemstabilitet er utviklet ("stabilitet ifølge Lyapunov", ifølge Poincaré, etc.). To aspekter ved begrepet "stabilitet" vurderes: stabiliteten til systemet under påvirkning av ytre forstyrrelser med en fast struktur av systemet, dvs. når bare det ytre miljøet endres, og stabiliteten til systemets oppførsel når strukturen til systemet endres er strukturell stabilitet (små endringer i strukturen til systemet forårsaker små endringer i dets dynamikk).

Når man studerer stabiliteten til en vektet rettet graf - et kognitivt kart - undersøkes stabiliteten i verdi og stabiliteten i forstyrrelse av systemet etter hvert som det utvikler seg.

La oss introdusere konseptene til et algebraisk kriterium for stabilitet ved forstyrrelse og initialverdi og vurdere sammenhengen mellom stabiliteten til en graf og dens topologiske struktur, basert på verkene til V. V. Kulba, S. S. Kovalevsky, D. L. Kononov, A. B. Shelkov og andre, samt på verkene til J. Cast.

Den grunnleggende ideen når man utvikler kriterier for stabiliteten til grafer er ideen om de karakteristiske verdiene til relasjonsmatrisen L(; graf - kognitiv modell.

De karakteristiske verdiene til grafen er definert som egenverdiene til matrisen Ac. I følge Routh-Hurwitz-teoremet for lineære systemer, hvis det blant egenverdiene til matrisen (røtter) ikke er modultall større enn én, er systemet stabilt under forstyrrelse. Stabilitet i forstyrrelse betyr ikke stabilitet i verdi, selv om det motsatte er tilfelle. Men det er betydelige begrensninger på anvendelsen av dette kriteriet, så vi vil bruke det i enkle tilfeller.

For eksempelet ovenfor på strømforbruksproblemer (se fig. 6.18), antall matriserøtter Ess er lik 7, blant hvilke det er en rotmodul større enn 1: M= 1,43. Følgelig er dette systemet ustabilt verken når det gjelder forstyrrelse eller når det gjelder startverdi. Faktisk er ustabiliteten illustrert av grafer over impulsprosesser (se fig. 6.18) - grafene divergerer.

Strukturell og sammenhengende stabilitet av systemet

Posisjonen til likevektstilstander avhenger av de dynamiske egenskapene til systemet som studeres og kan endres. Derfor oppstår et annet spørsmål: vil en liten endring i systemet føre til et skifte i likevektstilstanden? Det vil si at i motsetning til den klassiske stabilitetsteorien, som ikke tok for seg endringer i systemet, men bare forstyrrelser i miljøet, er det nødvendig å studere stabilitetsproblemer under strukturelle endringer i selve systemet. Dette er praktisk talt et veldig viktig spørsmål, siden disse endringene, selv små, kan føre til drastiske kvalitative endringer i den videre oppførselen til systemet. Et av verktøyene for å studere slike fenomener er teorien om katastrofer, eller teorien om bifurkasjoner.

Det er et "kombinert" begrep om stabilitet, som kombinerer de klassiske ideene til Lyapunov med den kombinatoriske-topologiske tilnærmingen - begrepet koblet stabilitet, som opprinnelig oppsto i forbindelse med studiet av likevektsspørsmål i økonomi. Når man studerer tilkoblet stabilitet, er problemet formulert som følger: vil likevektstilstanden til et gitt system forbli stabil i Lyapunov-forstand, uavhengig av de doble forbindelsene mellom systemets tilstander?

La oss definere en matrise av relasjoner Ac. Balansetilstand X = O regnes som forbindelsesstabil hvis den er Lyapunov-stabil for alle mulige sammenkoblingsmatriser

Studiet av sammenhengende bærekraft er av praktisk interesse, spesielt i studiet av organisasjonssystemer som det økonomiske systemet. Dette skyldes det faktum at når man beskriver prosesser i disse systemene, kan tilstedeværelsen eller fraværet av denne forbindelsen ikke alltid være åpenbar på grunn av forstyrrelser i driften av selve systemet, tilstedeværelsen av forstyrrelser og den kjente subjektiviteten til den matematiske modellen. av systemet.

Tilpasningsevne systemer er et annet aspekt ved bærekraft. Tilpasningsevne kan betraktes som et visst mål på et systems evne til å absorbere ytre forstyrrelser uten uttalte konsekvenser for dets oppførsel i en overgang eller steady state.

Begrepet tilpasningsevne ligger nært begrepet strukturell stabilitet, men er noe bredere enn det.

La oss vurdere hovedbestemmelsene knyttet til studiet av strukturell stabilitet av systemer. Den klassiske ideen om stabilitet er veldig fruktbar i tekniske og fysiske systemer. For sosiotekniske, sosioøkonomiske systemer kan en slik representasjon benyttes, men dette krever seriøs begrunnelse for spesifikke systemer. Dessuten er den normale driftsmåten til disse systemene langt fra likevekt; i tillegg endrer ytre forstyrrelser hele tiden selve likevektstilstanden. Det sentrale elementet i moderne syn på bærekraft er begrepet strukturell bærekraft, som vi vil vurdere nærmere.

Hovedoppgaven med å studere strukturell stabilitet er å identifisere kvalitative endringer i systemets bane når strukturen til selve systemet endres. Det er behov for å vurdere en gruppe systemer "nær" til en standard, dvs. vi har å gjøre med en familie av baner som må utforskes. I en slik situasjon snakker man om strukturell stabilitet.

Et system kalles strukturelt stabilt hvis den topologiske karakteren til banene til alle systemer nær det er den samme som for standarden.

Dermed er egenskapen til strukturell stabilitet at systemet som vurderes oppfører seg nesten på samme måte som de som er nær det; ellers er systemet strukturelt ustabilt. Nivået av strukturell stabilitet karakteriserer generalisert informasjon om graden av stabilitet til et system eller dets individuelle elementer til ytre og indre forstyrrelser av en gitt karakter.

For alle problemene som er formulert ovenfor, oppstår det en rekke matematiske vanskeligheter knyttet til hvordan man kan bestemme hva "små forstyrrelser", "baner nær opprinnelsen til koordinater", "nære systemer", "baner som er typologisk lik hverandre" er. For noen spesifikke klasser av systemer har disse vanskelighetene blitt overvunnet.

Vi kan skille mellom to grupper av metoder for matematisk analyse av den strukturelle stabiliteten til en modell, skrevet på språket til signerte digrafer. Den første er basert på en rekke teoremer som forbinder spekteret til en digraf med stabiliteten i enkle impulsprosesser, den andre er på transformasjonen av den originale signerte digrafen til en matrisemodell med en detaljert analyse av sistnevnte. Den strukturelle stabiliteten til systemet kan etableres ved å analysere syklusene til det kognitive kartet.

Når man analyserer et kognitivt kart ved å identifisere sykluser i det, brukes begrepene partall og oddetall sykluser. Vi har allerede nevnt ovenfor om positive og negative tilbakemeldinger. Det er en sammenheng mellom type syklus og stabiliteten til systemet.

En jevn syklus er den enkleste modellen for strukturell ustabilitet, siden enhver innledende endring i en parameter ved noen av dens toppunkter fører til en ubegrenset økning i modulen til parameterne til toppunktene i syklusen. Enhver endring i parameteren til et hvilket som helst toppunkt i en oddetallssyklus fører bare til oscillasjon av toppunktparameterne. En signert digraf som ikke inneholder sykluser eller bare inneholder én syklus er impulsstabil for alle enkle impulsprosesser.

Til nå har vi snakket om en formell analyse av stabiliteten til kognitive kart over komplekse systemer. Det er nødvendig å huske på et mer alvorlig aspekt ved studiet av stabiliteten til kognitive kart som brukes i andre områder av kognitiv forskning. I denne forstand består analysen av stabiliteten til kognitive kart i å bestemme balanserte, konsistente, stabile kognitive strukturer, og er konseptuelt basert på hovedbestemmelsene i sosialpsykologiens teorier: kognitiv dissonans av L. Festinger, strukturell balanse av F. Heider, kommunikasjonshandlinger av T. Newcome.

Utfordringen med systemkompleksitet og tilkobling

Konseptet "tilkobling" til et system oppstår sammen med konseptet "struktur" av systemet. Med forsvinningen av strukturell tilkobling forsvinner systemet. Den matematiske beskrivelsen av problemet med tilkoblingsanalyse er mest vellykket oppnådd på språket grafteori og algebraisk topologi. Den første metoden er basert på å analysere tilkoblingen til en grafmodell ved bruk av grafteoretiske metoder. Den andre tilnærmingen er basert på studiet av de topologiske egenskapene til grafmodellen ved å bruke matrisen av relasjoner til det kognitive kartet, den såkalte ^-analysen av tilkoblingen til enkle komplekser. Grunnlaget for den topologiske studien av komplekse systemer basert på studiet av deres strukturelle egenskaper begynte på 1960-1970-tallet. For tiden har effektiviteten av å bruke enkle komplekser for modellering av tilkoblingsegenskapene til ulike nettverk av interagerende elementer (undersystemer, enheter ...), som kommunikasjon, trafikk, biologiske nettverk, nettverk av distribuerte algoritmer, blitt vist. Det er bevist at enkle komplekser er svært nyttige for å studere dynamiske prosesser i nettverk.

Det matematiske grunnlaget for polyedrisk analyse ble lagt av K. Drowker, og analysen ble videreutviklet i verkene til den britiske fysikeren R. Etkin. Han utviklet det første verktøyet for enkel analyse, kalt ^-analyse (polyhedral analyse, eller analyse av polyedral dynamikk). Til tross for at anvendelsen av ^-analyse til studiet av sosiale, biologiske, økonomiske og andre komplekse systemer har vist sin effektivitet, er det ikke mange publikasjoner i denne retningen (de tidligste er verkene til R. Etkip, 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) . I de siste årene, i vårt land, har det også begynt å bli observert interesse for anvendelsen av topologimetoder i studiet av strukturene til komplekse systemer (for eksempel V.B. Mnukhin, O.Yu. Kataev, etc.) "men disse og andre matematiske arbeider er av teoretisk karakter, og i forhold til i studiet av sosioøkonomiske systemer er slike studier nå ekstremt sjeldne Metoden for å analysere (/-connectivity lar oss bedømme sammenhengen til et system dypere enn tradisjonelle studier av graftilkobling, siden dette etablerer tilstedeværelsen av gjensidig påvirkning av enkle blokker av systemet gjennom en kjede av forbindelser mellom dem. Basert på slike evner foreslås formaliserte regler for å rettferdiggjøre valget av mål- og kontrollpunkt, fastsettelse av stabiliteten til systemer preget av visse forenklede komplekser, betingelser for strukturell stabilitet av systemer. Bestemmelse av antall simplekser og deres struktur, analyse av ^-tilkoblingen til systemet lar oss legge frem begrunnelser for å løse problemer med dekomponering og sammensetning av de studerte sosialt system økonomisk system, for å identifisere simpliser som mest påvirker prosessene i systemet og de dannende toppunktene er mer rasjonelt valgt som ledere. f-analyse lar oss avsløre den flerdimensjonale geometrien til komplekse systemer, spore påvirkningen av ulike lokale endringer på strukturen til systemet som helhet, og fokusere spesifikt på de strukturelle egenskapene til systemet, som ikke avsløres av andre tilnærminger. Bruken av denne metoden for analyse av strukturelt komplekse systemer lar oss ta en annen tilnærming til selve definisjonen av begrepet "kompleksitet", for å avsløre rollen til individuelle elementer og deres innflytelse på andre elementer i systemet dypere.

La oss referere til avsnitt 7.4, som beskriver det grunnleggende for å analysere ^-tilkoblingen til systemet. I denne analysen betraktes systemet som et forhold mellom elementer av endelige sett - sett med toppunkter Un av en gitt familie av ikke-tomme delmengder av disse toppunktene - simplekser a. Sett med hjørner og tilsvarende forenklinger danner enkle komplekser TIL. For å konstruere dem kan spesielle teknikker for å konstruere (ekspert) hendelsesmatrise L brukes:

men en ferdig systemstruktur kan brukes, spesifisert i form av en graf C = <У, £>, som tjener som grunnlag for dens geometriske og algebraiske representasjon som et enkelt kompleks. Et enkelt kompleks består av et sett med toppunkter (U) og sett med ikke-tomme endelige delmengder av settet (V,-), kalt simpliser (et forenklet kompleks oppnås ved å partisjonere noe mellomrom X(eller Y) inn i kryssende delmengder; et rom som tillater en slik partisjon kalles et polyeder, og prosessen med partisjonen kalles triangulering).

Simplexet er betegnet som 8^)^, hvor і - toppunktnummer, og ts - geometrisk dimensjon av simpleksen. Antall d bestemt av antall buer som forbinder toppunktene U) i en simpleks gjennom en variabel xg Antall ts(antall buehendelser y-) er én mindre enn antallet enere (“”) i den tilsvarende /-raden i matrisen A. Hvis det ikke er 1 i raden i matrisen A, så angir vi dimensjonen til den “tomme” simpleksen: # = O -- 1 = -1. Dimensjonen til en simpleks er antall kanter i hvert toppunkt av en komplett graf – en simpleks.

Kjeder av ^-forbindelse dannes gjennom forbindelser av toppunkter med samme navn. Kommunikasjonskrets reflekterer muligheten for at to simpliseringer, uten direkte å ha en felles kant, kan kobles sammen ved hjelp av en sekvens av mellomliggende forenklinger.

Uten å gi strenge definisjoner av analysen av ^-tilkobling (se avsnitt 7.4), illustrerer vi konstruksjonen av et enkelt kompleks med et eksempel på problemer med strømforbruk (spesielle algoritmer for å konstruere enkle komplekser av store dimensjoner er utviklet for PS CM) . Etter matrise Ess man kan definere dens enkle komplekser - etter rader KX(Y, X) og etter kolonner Ku(X, X*), Hvor X- rader, U - kolonner, X- matrise av relasjoner mellom elementer (Ac), X* - transponert matrise.

La oss bygge et kompleks KX(Y, X) - etter linjer.

Første linje: §(1)b/=і і=и. en simpleks består av ett toppunkt UA.

^2- &2=-io> en simpleks består av ett toppunkt U$ . U: 8^/=2-=y simpleksen består av to toppunkter forbundet gjennom Y - Wow Og Jaja.

U: 8*4^_з_1=2, simpleksen består av tre hjørner - U^U Og U$.

U$: 8<5)^=]_1=0т симплекс состоит из одной вершины UA. U§. 8^6^d-2-1=1" simpleks består av to hjørner - U Og U-g

U7: 8(7^=3_1=0, simpleks består av ett toppunkt UGG Dermed har det enkle komplekset formen: VD Ya.) = (8(1)9=0; 5(2)^,; 8(3>9=2; 8(4)d=3; b^; 80)^}.

Siden det ikke er noen forenklinger med dimensjon større enn 2 i dette komplekset, kan det avbildes geometrisk på et plan (fig. 6.19).

Ris. 6.19. Kx(Øh, X)

Som vi kan se, er komplekset usammenhengende; det har tre separate komponenter, noe som kan indikere svak kontrollerbarhet av denne strukturen.

Konseptene for tilkobling og kompleksitet til et system er gjensidig avhengige av hverandre. Tenk på: strukturell kompleksitet, dynamisk kompleksitet, beregningsmessig kompleksitet, evolusjonær kompleksitet; indre og ytre kompleksitet. For at systemet skal implementere en gitt type atferd uavhengig av ekstern interferens, kan mangfold i dets oppførsel undertrykkes bare ved å øke settet med kontroller (Ashbys prinsipp om nødvendig mangfold). Denne evnen til systemet karakteriserer "kontrollens kompleksitet". Et system kan ikke være "universelt komplekst." Det kan være komplekst fra noen posisjoner og ukomplisert fra andre. Systemenes "kompleksitet" fører ofte til at det er lettere å først studere elementene, komponentene i systemet, og deretter, basert på kunnskapen som er oppnådd, prøve å forstå systemet som helhet. Derfor er oppgaven med å analysere kompleksiteten til et system forbundet med problemer med dekomponering og sammensetning av systemet.

Metoder for å konstruere kognitive modeller av komplekse systemer

Metoder for å konstruere kognitive modeller må: oppfylle kravene til bekvemmelighet og konstruktivitet; være nært knyttet til metoder for å vurdere analyseresultatene slik at den kognitive modellen i beslutningsprosessen kan tjene som rådgiver og kritiker for beslutningstakeren; nøyaktig gjenspeile beslutningstakers ideer om konsepter og forhold mellom dem; bør ikke kreve at kompilatoren av en kognitiv modell forhåndsspesifiserer konsepter.

For tiden foreslås et stort antall metoder for å konstruere kognitive modeller av komplekse systemer. Men alt dette er nærmere kunst enn strenge regler, selv om det er utviklet en lang rekke verktøy for å hjelpe forskeren med å utvikle et eller annet kognitivt kart. Disse metodene kan oppsummeres som følger:

• utvikling av kognitive modeller (kognitive kart) ved hjelp av fageksperter. Ulike ekspertmetoder og teknologier for å jobbe med eksperter brukes (inkludert arbeid i situasjonssentre; for dette formålet er det utviklet nok spesielle programvarealternativer, for eksempel ArchiDoca, utvikler av det ideelle partnerskapet for vitenskapelig forskning og sosial utvikling Analytical Agency " Nye strategier", leder A.N. Raikov);
• utvikling av kognitive modeller av en forsker (kognitiv ingeniør) sammen med en spesialist innen fagområdet;
• utvikling av kognitive modeller (eller deres blokker) basert på resultatene av statistisk dataanalyse ved bruk av programmer Datautvinning og også ved hjelp av spesiell programvare (for eksempel datamaskin LOC-metoden, utviklerne V. N. Zhikharev, A. I. Orlov, V. G. Koltsov);
• utvikling av kognitive modeller basert på analyse av tekster som inneholder informasjon om fagområdet;
• utvikling av kognitive modeller basert på analyse av eksisterende teorier i fagområdet, bruk av ferdige kognitive opplegg.

Ved utvikling av kognitive kart med hjelp av eksperter kan følgende metoder anbefales.

1. metode. Det kognitive kartet bygges av beslutningstakeren selv, basert på hans kunnskap og ideer, uten involvering av eksperter eller referansemateriale.

Fordelen med metoden: hastigheten på å konstruere et kognitivt kart. Ulempe: tilstrekkeligheten til et kognitivt kart avhenger i stor grad av kvalifikasjonene til beslutningstakeren, hans kunnskap og evne til å fornemme arten av sammenhengene mellom konsepter.

Å bygge et kognitivt kart hjelper beslutningstakeren til å forestille seg problemet klarere, for bedre å forstå rollen til individuelle komponenter og arten av relasjonene mellom dem.

2. metode. Konstruksjon av kognitive kart av eksperter basert på å studere dokumenter.

Fordel: metoden er praktisk og lar deg bruke data som brukes av beslutningstakeren selv. Ulempe: å undersøke dokumenter av eksperter er en lang og arbeidskrevende prosess.

3. metode. Konstruksjon av et kognitivt kart basert på en undersøkelse av en gruppe eksperter som har evnen til å vurdere årsak-virkning-sammenhenger.

Fordel: evnen til å aggregere individuelle meninger og være basert på et større spekter av vurderinger enn det som kan trekkes ut fra dokumentene som studeres. Ulempe: arbeidskrevende.

4. metode. Konstruksjon av kognitive kart basert på åpne utvalgsundersøkelser. Fordeler: metoden kan brukes til å konstruere komparative kognitive kart, i tillegg har forskeren mulighet til å føre en aktiv dialog med informasjonskilder. Ulempe: arbeidskrevende.

Et detaljert eksempel på utvikling av kognitive kart ved hjelp av eksperter er gitt i verkene til IPU RAS-ansatte, for eksempel i boken av E. A. Trakhtengerts, så vel som i verkene.

Hvis kognitiv modellering av et reelt sosioøkonomisk eller annet komplekst system utføres, kan bruk av en kombinasjon av disse metodene og teknikkene anbefales.

Tilstrekkelighet av modellen

Effektiviteten av å anvende en kognitiv modell i praksis avhenger av dens samsvar med den virkelige situasjonen. Utilstrekkeligheten til en modell når den brukes til å utvikle strategier for utvikling av et system og ta ledelsesbeslutninger kan ha mye større negative konsekvenser enn en mislykket kognitiv modell bygget av et individ i ferd med å øke sin £1 (i eksperimenter av kognitive psykologer det har vist seg at teknikken med kognitive kart er en av de mest effektive tenketeknikkene, ved å bruke begge hjernehalvdelene, øke intelligensnivået, utvikle hukommelse, etc.). Å sjekke tilstrekkeligheten til en kognitiv modell er et av de tvetydig løste problemene.

Generelt kan denne kontrollen utføres som følger.

La det være relasjoner mellom de grunnleggende faktorene, som er toppene til grafmodellen, som kan tolkes som alle slags aksiomer for fagområdet. Som regel dannes disse forholdene i form av produkter som:

hvor X;, G = 1,2.....Til - noe kjennetegn ved den grunnleggende faktoren V-,(for eksempel grenseverdien til faktoren, tegnet på faktorøkningen osv.). Helheten av slike produkter danner grunnleggende kunnskap om et gitt fagområde.

En grafmodell anses som adekvat for den reelle situasjonen dersom ingen av de grunnleggende kunnskapsproduktene brytes i modellprosessene.

Fullstendigheten av å kontrollere en modell for tilstrekkelighet avhenger av fullstendigheten av grunnleggende kunnskap, som bestemmes av forholdet mellom antall situasjonstilstander reflektert i grunnleggende kunnskap og det totale antallet situasjonstilstander.

Hvis grunnleggende kunnskap om situasjonen som studeres mangler, kan den tidligere atferden til prosesser ikke ha noen innflytelse på deres fremtidige atferd. Derfor er ingen akseptabel prediksjon av disse prosessene mulig.

Derfor, fra de mest generelle posisjonene, er kontroll av tilstrekkeligheten til en modell en sammenligning av informasjon om det faktisk modellerte systemet, som er oppnådd empirisk i et bestemt område av systemparametere, med informasjonen som modellen gir i samme område av systemparametere. Hvis forskjellene er små ut fra et modelleringssynspunkt, anses modellen som tilstrekkelig.

Kvaliteten og effektiviteten til kognitiv analyse er knyttet både til beslutningstakerens subjektivitet og til det faktum at forskningen i seg selv påvirker resultatene. Det er en sammenheng mellom deltakernes tenkning og situasjonen de deltar i. Dette forholdet manifesterer seg på to måter, i form av to avhengigheter: kognitiv (passiv), som uttrykker innsatsen til deltakerne brukt på å forstå situasjonen, og kontroll (aktiv), assosiert med effekten av deres konklusjoner på situasjonen i virkelige verden. I kognitiv funksjon er deltakernes oppfatning avhengig av situasjonen, mens i eksekutiv funksjon påvirker de situasjonen.

Således fører tilstedeværelsen av tenkende deltakere i systemet, som hver representerer situasjonen på sin egen måte og tar visse avgjørelser basert på deres "virtuelle" representasjon, til det faktum at, med ordene til J. Soros, ".. . sekvensen av hendelser fører ikke direkte fra ett sett med faktorer til et annet; i stedet tverrbinder det faktorer med deres oppfatninger, og oppfatninger med faktorer."

Dette fører til at prosessene i situasjonen ikke fører til likevekt, men til en uendelig endringsprosess. Det følger at som et resultat av interaksjon er både situasjonen og deltakernes syn avhengige variabler og den primære endringen akselererer starten på ytterligere endringer både i selve situasjonen og i deltakernes syn. Opplegg for kognitiv modellering i fig. 6.17 sørger for dette. Forskerens tillit til modellens tilstrekkelighet oppstår eller ikke både som et resultat av å løse hvert systemproblem separat, og ved å sammenligne alle resultatene som en helhet.

Så, for eksempel, hvis trendene i utviklingen av situasjoner i henhold til et simulert utviklingsscenario som tilsvarer en spesifikk tilstand i det sosioøkonomiske systemet ikke motsier de observerte trendene i prosesser i det virkelige systemet (tidsserier med statistiske data), da kan en slik grafmodell anses som tilstrekkelig. Eller hvis den utviklede strukturen - et kognitivt kart - er ustabil, men i virkeligheten observeres stabiliteten til systemet som studeres, så oppstår naturlig tvil i den utviklede modellen. Et numerisk mål for tilstrekkeligheten av alle resultater i aggregatet er ikke utviklet (mens spørsmålet fortsatt er åpent om dette er mulig i prinsippet), må vi gå tilbake til den generelle definisjonen: "en grafmodell anses som tilstrekkelig for den virkelige situasjonen hvis ingen av de grunnleggende kunnskapsproduktene blir krenket i modellprosessene ".

Problemer med tilstrekkeligheten til kognitive modeller slutter aldri å bekymre forskere. Og for tiden utfører teamet til sektor 51 ved Institute of Computer Science ved det russiske vitenskapsakademiet seriøst arbeid innen kontroll av kognitive kart. Begrepene «uformelle» og «formelle» kognitive kart brukes. Tegningene av kognitive kart i dette avsnittet viser altså til uformelle kart. Parametriske funksjonelle grafer kan klassifiseres som formelle.

Et eksempel på bruk av kognitiv modelleringsteknologi er gitt i vedlegg 6.

Kognitiv modelleringsmetodikk for å analysere og ta beslutninger i dårlig definerte situasjoner ble foreslått av Axelrod. Den er basert på modellering av eksperters subjektive ideer om situasjonen og inkluderer: metodikk for å strukturere situasjonen: en modell for å representere ekspertens kunnskap i form av en signert digraf (kognitivt kart) (F, W), der F er sett av faktorer av situasjonen, W er settet av årsak-og-virkning forhold mellom faktorer situasjoner; metoder for situasjonsanalyse. For tiden utvikler metodikken for kognitiv modellering seg i retning av å forbedre apparatet for å analysere og modellere situasjonen. Her foreslås modeller for å forutsi utviklingen av situasjonen; metoder for å løse omvendte problemer

Et kognitivt kart (fra latin cognitio - kunnskap, kognisjon) er et bilde av et kjent romlig miljø.

Kognitive kart skapes og modifiseres som et resultat av subjektets aktive interaksjon med omverdenen. I dette tilfellet kan kognitive kart av ulik grad av generalitet, "skala" og organisering dannes (for eksempel et oversiktskart eller et stikart, avhengig av fullstendigheten av representasjonen av romlige relasjoner og tilstedeværelsen av et uttrykt punkt på henvisning). Dette er et subjektivt bilde som først og fremst har romlige koordinater der individuelle oppfattede objekter er lokalisert. Det er et stikart som en sekvensiell representasjon av sammenhenger mellom objekter langs en bestemt rute, og et oversiktskart som en samtidig representasjon av objekters romlige plassering.

Den ledende vitenskapelige organisasjonen i Russland engasjert i utvikling og anvendelse av kognitiv analyseteknologi er Institute of Management Problems of the Russian Academy of Sciences, avdeling: Sector-51, forskerne Maksimov V.I., Kornoushenko E.K., Kachaev S.V., Grigoryan A.K. og andre. Dette foredraget er basert på deres vitenskapelige arbeid innen kognitiv analyse.

Teknologien for kognitiv analyse og modellering (Figur 1) er basert på kognitiv (kognitivt mål) strukturering av kunnskap om et objekt og dets ytre miljø.

Figur 1. Teknologi for kognitiv analyse og modellering

Kognitiv strukturering av et fagområde er identifisering av fremtidige mål og uønskede tilstander til et kontrollobjekt og de mest betydningsfulle (grunnleggende) kontrollfaktorene og det ytre miljøet som påvirker objektets overgang til disse tilstandene, samt etableringen ved et kvalitativt nivå av årsak-virkning-forhold mellom dem, under hensyntagen til gjensidige påvirkningsfaktorer på hverandre.

Resultatene av kognitiv strukturering vises ved hjelp av et kognitivt kart (modell).

2. Kognitiv (kognitivt mål) strukturering av kunnskap om objektet som studeres og dets ytre miljø basert på skadedyranalyse og swot-analyse

Valget av grunnleggende faktorer utføres ved å bruke PEST-analyse, som identifiserer fire hovedgrupper av faktorer (aspekter) som bestemmer oppførselen til objektet som studeres (Figur 2):

P olicy - politikk;

Eøkonomi - økonomi;

S samfunn - samfunn (sosiokulturelt aspekt);

T eknologi - teknologi

Figur 2. PEST-analysefaktorer

For hvert spesifikt kompleks objekt er det sitt eget spesielle sett med de viktigste faktorene som bestemmer dets oppførsel og utvikling.

PEST-analyse kan betraktes som en variant av systemanalyse, siden faktorer knyttet til de oppførte fire aspektene generelt sett er nært beslektet og karakteriserer ulike hierarkiske nivåer i samfunnet som systemer.

Dette systemet har bestemmende forbindelser rettet fra de lavere nivåene i systemhierarkiet til de øvre (vitenskap og teknologi påvirker økonomien, økonomien påvirker politikken), samt omvendte og inter-nivå forbindelser. En endring i noen av faktorene gjennom dette systemet av forbindelser kan påvirke alle de andre.

Disse endringene kan utgjøre en trussel mot utviklingen av objektet, eller omvendt gi nye muligheter for vellykket utvikling.

Det neste trinnet er en situasjonsanalyse av problemer, SWOT-analyse (figur 3):

S styrker - styrker;

W svakheter - mangler, svakheter;

O muligheter - muligheter;

T trusler - trusler.

Figur 3. SWOT-analysefaktorer

Den inkluderer en analyse av styrker og svakheter ved utviklingen av objektet som studeres i deres samspill med trusler og muligheter og lar oss identifisere aktuelle problemområder, flaskehalser, sjanser og farer, under hensyntagen til miljøfaktorer.

Muligheter er definert som forhold som bidrar til en gunstig utvikling av et objekt.

Trusler er situasjoner der skade på et objekt kan oppstå, for eksempel kan dets funksjon bli forstyrret eller det kan miste sine eksisterende fordeler.

Basert på analysen av ulike mulige kombinasjoner av styrker og svakheter med trusler og muligheter, dannes problemfeltet til objektet som studeres.

Problemfeltet er et sett med problemer som eksisterer i det modellerte objektet og miljøet, i deres forhold til hverandre.

Tilgjengeligheten av slik informasjon er grunnlaget for å fastsette utviklingsmål (retninger) og måter å nå dem på, og utvikle en utviklingsstrategi.

Kognitiv modellering basert på den utførte situasjonsanalysen gjør det mulig å utarbeide alternative løsninger for å redusere graden av risiko i identifiserte problemområder, for å forutsi mulige hendelser som kan ha størst innvirkning på posisjonen til det modellerte objektet.

Stadiene av kognitiv teknologi og deres resultater er presentert i tabell 1:

Tabell 1

Stadier av kognitiv teknologi og resultater av dens anvendelse

Artistnavnet	Skjema for resultatpresentasjon
1. Kognitiv (kognitivt mål) strukturering av kunnskap om objektet som studeres og dets ytre miljø basert på PEST-analyse og SWOT-analyse: Analyse av startsituasjonen rundt objektet som studeres, fremhever de grunnleggende faktorene som karakteriserer økonomiske, politiske og andre prosesser som skjer i objektet og i dets makromiljø og som påvirker utviklingen av objektet. 1.1 Identifikasjon av faktorer som karakteriserer styrker og svakheter ved objektet som studeres 1.2 Identifisering av faktorer som karakteriserer muligheter og trusler fra objektets ytre miljø 1.3 Konstruksjon av problemfeltet til objektet som studeres	Rapport om en systemisk konseptuell studie av et objekt og dets problemområde
2. Konstruksjon av en kognitiv modell for objektutvikling - formalisering av kunnskap oppnådd på stadiet av kognitiv strukturering 2.1 Identifikasjon og begrunnelse av faktorer 2.2 Etablering og begrunnelse av sammenhenger mellom faktorer 2.3 Konstruksjon av en grafmodell	Datamaskinkognitiv modell av et objekt i form av en rettet graf (og matrise av faktorforhold)
3. Scenariostudie av trender i utviklingen av situasjonen rundt objektet som studeres (med støtte fra programvaresystemene "SITUATION", "COMPASS", "KIT") 3.1 Bestemme formålet med studien 3.2 Sette forskningsscenarier og modellere dem 3.3 Identifikasjon av utviklingstrender for et objekt i dets makromiljø 3.4 Tolkning av scenariostudieresultater	Rapport om scenariostudiet av situasjonen, med tolkning og konklusjoner
4. Utvikling av strategier for å håndtere situasjonen rundt objektet som studeres 4.1 Definisjon og begrunnelse av forvaltningsmålet 4.2 Løse det omvendte problemet 4.3 Valg av ledelsesstrategier og rekkefølge etter kriterier: mulighet for å nå målet; risiko for å miste kontroll over situasjonen; nødsrisiko	Rapport om utvikling av ledelsesstrategier med begrunnelse av strategier etter ulike kriterier for ledelseskvalitet
5. Søk og begrunnelse av strategier for å nå mål i stabile eller skiftende situasjoner For stabile situasjoner: a) valg og begrunnelse av forvaltningsmålet; b) utvalg av aktiviteter (kontroller) for å nå målet; c) analyse av den grunnleggende muligheten for å oppnå målet fra den nåværende situasjonen ved bruk av utvalgte aktiviteter; d) analyse av reelle restriksjoner på gjennomføringen av utvalgte aktiviteter; e) analyse og begrunnelse av den reelle muligheten for å nå målet; f) utvikling og sammenligning av strategier for å nå målet ved: nærhet av ledelsesresultater til det tiltenkte målet; kostnader (økonomiske, fysiske, etc.); av arten av konsekvensene (reversible, irreversible) fra implementeringen av disse strategiene i en reell situasjon; om risikoen for nødsituasjoner For skiftende situasjoner: a) valg og begrunnelse av gjeldende forvaltningsmål; b) i forhold til gjeldende mål er de foregående ledd b-e gyldige; c) analyse av endringer som skjer i situasjonen og deres visning i en grafmodell av situasjonen. Gå til punkt a.	Rapport om utvikling av strategier for å nå mål i stabile eller skiftende situasjoner
6. Utvikling av et program for implementering av utviklingsstrategien til objektet som studeres basert på dynamisk simuleringsmodellering (med støtte fra programvarepakken Ithink) 6.1 Fordeling av ressurser etter område og over tid 6.2 Koordinering 6.3 Overvåking av utførelse	Program for implementering av nettstedsutviklingsstrategien. Datasimuleringsmodell for objektutvikling

KOGNITIV SIMULERING

INNHOLD
Introduksjon
1. Emne for kognitiv analyse
1.1. Eksternt miljø
1.2. Ustabilitet i det ytre miljøet
1.3. Dårlig strukturert ytre miljø
2. Generelt konsept for kognitiv analyse
3. Stadier av kognitiv analyse
4. Mål, stadier og grunnleggende konsepter for kognitiv modellering
4. 1. Hensikten med å bygge en kognitiv modell
4.2. Stadier av kognitiv modellering
4.3. Rettet graf (kognitivt kart)
4.4. Funksjonell graf (fullfører konstruksjonen av en kognitiv modell)
5. Typer faktorer

6.1. Identifikasjon av faktorer (elementer i systemet)
6.2. To tilnærminger til å identifisere sammenhenger mellom faktorer
6.3.Eksempler på å identifisere faktorer og sammenhenger mellom dem
6.4. Problemet med å bestemme styrken til påvirkning av faktorer
7. Kontrollere at modellen er tilstrekkelig
8. Bruke en kognitiv modell
8.1. Anvendelse av kognitive modeller i beslutningsstøttesystemer
8.2. Et eksempel på arbeid med en kognitiv modell
9. Datasystemer for å støtte ledelsesbeslutninger
9.1. Generelle kjennetegn ved beslutningsstøttesystemer
9.2. "Situasjon - 2"
9.3. "Kompass-2"
9.4. "Lerret"
Konklusjon
Bibliografi
applikasjon

Introduksjon
For tiden er det å skaffe pålitelig informasjon og dens raske analyse blitt de viktigste forutsetningene for vellykket ledelse. Dette gjelder spesielt hvis kontrollobjektet og dets ytre miljø er et kompleks av komplekse prosesser og faktorer som påvirker hverandre betydelig.
En av de mest produktive løsningene på problemer som oppstår innen ledelse og organisasjon er bruken av kognitiv analyse, som er gjenstand for studier i kursarbeidet.
Den kognitive modelleringsmetodikken, beregnet for analyse og beslutningstaking i dårlig definerte situasjoner, ble foreslått av den amerikanske forskeren R. Axelrod 1.
Opprinnelig ble kognitiv analyse dannet innenfor rammen av sosialpsykologi, nemlig kognitivisme, som studerer prosessene med persepsjon og kognisjon.
Anvendelsen av utviklingen av sosialpsykologi i ledelsesteori førte til dannelsen av en spesiell gren av kunnskap - kognitiv vitenskap, konsentrert om studiet av problemer med ledelse og beslutningstaking.
Nå utvikler metodikken for kognitiv modellering seg i retning av å forbedre apparatet for å analysere og modellere situasjoner.
De teoretiske prestasjonene til kognitiv analyse ble grunnlaget for opprettelsen av datasystemer rettet mot å løse anvendte problemer innen ledelse.
Arbeid med utviklingen av den kognitive tilnærmingen og dens anvendelse på analyse og kontroll av såkalte semistrukturerte systemer utføres for tiden ved Institutt for kontrollproblemer ved det russiske vitenskapsakademiet 2 .
Etter ordre fra administrasjonen til presidenten for den russiske føderasjonen, regjeringen i den russiske føderasjonen og regjeringen i byen Moskva, ble det utført en rekke sosioøkonomiske studier ved bruk av kognitiv teknologi ved IPU RAS. Anbefalingene som er utarbeidet er vellykket brukt av de relevante departementene og avdelingene 3 .
Siden 2001, i regi av IPU RAS, har det regelmessig blitt holdt internasjonale konferanser «Cognitive Analysis and Management of Situation Development (CASC)».
Ved skriving av kursarbeidet var verkene til innenlandske forskere involvert - A.A. Kulinich, D.I. Makarenko, S.V. Kachaeva, V.I. Maksimova, E.K. Kornoushenko, E. Grebenyuk, G.S. Osipova, A. Raikova. De fleste av de navngitte forskerne er spesialister fra IPU RAS.
Dermed utvikles kognitiv analyse ganske aktivt, ikke bare av utenlandske, men også av innenlandske spesialister. Innenfor rammen av kognitiv vitenskap gjenstår det imidlertid en rekke problemer, hvis løsning kan forbedre resultatene av anvendt utvikling basert på kognitiv analyse betydelig.
Formålet med kursarbeidet er å analysere det teoretiske grunnlaget for kognitive teknologier, problemer med metodikken for kognitiv analyse, samt databeslutningsstøttesystemer basert på kognitiv modellering.
Strukturen i arbeidet samsvarer med de fastsatte målene, som konsekvent avslører de grunnleggende konseptene og stadiene av kognitiv analyse generelt, kognitiv modellering (som et nøkkelpunkt for kognitiv analyse), generelle prinsipper for å anvende den kognitive tilnærmingen i praksis innen fagområdet ledelse, samt datateknologier som anvender metoder for kognitiv analyse.

1. Emne for kognitiv analyse
1.1. Eksternt miljø
For effektiv styring, prognoser og planlegging kreves en analyse av det ytre miljøet som forvaltningsobjektene opererer i.
Det ytre miljøet er vanligvis definert av forskere som et sett av økonomiske, sosiale og politiske faktorer og enheter som har en direkte eller indirekte innvirkning på enhetens evne og evne (det være seg en bank, et foretak, enhver annen organisasjon, en hel region osv.) for å nå sine utviklingsmål.
For å navigere i det ytre miljøet og analysere det, er det nødvendig å tydelig forstå dets egenskaper. Eksperter fra Institute of Management Problemer ved det russiske vitenskapsakademiet identifiserer følgende hovedtrekk ved det ytre miljøet:
1. Kompleksitet - dette refererer til antall og variasjon av faktorer som forsøkspersonen må svare på.
2. Forholdet mellom faktorer, det vil si kraften som en endring i en faktor påvirker endringer i andre faktorer med.
3. Mobilitet - hastigheten som endringer skjer i det ytre miljøet 4.
Identifikasjonen av disse typene egenskaper for å beskrive miljøet indikerer at forskere bruker en systemtilnærming og vurderer det ytre miljøet som et system eller et sett med systemer. Det er innenfor rammen av denne tilnærmingen at det er vanlig å representere alle objekter i form av et strukturert system, for å fremheve elementene i systemet, relasjonene mellom dem og dynamikken i utviklingen av elementene, relasjonene og hele systemet som helhet. Derfor blir kognitiv analyse, brukt til å studere det ytre miljøet og utvikle måter og metoder for å fungere i det, noen ganger betraktet som en komponent i systemanalyse 5 .
Spesifisiteten til det ytre miljøet til kontrollobjekter er at dette miljøet er underlagt påvirkning av den menneskelige faktoren. Med andre ord inkluderer den subjekter utstyrt med autonom vilje, interesser og subjektive ideer. Dette betyr at dette miljøet ikke alltid følger lineære lover som entydig beskriver forholdet mellom årsaker og virkninger.
Dette innebærer to grunnleggende parametere for det ytre miljøet der den menneskelige faktoren opererer - ustabilitet og svak struktur. La oss se nærmere på disse parameterne.

1.2. Ustabilitet i det ytre miljøet

Ustabiliteten i det ytre miljøet identifiseres ofte av forskere med uforutsigbarhet. "Graden av ustabilitet i det økonomiske og politiske miljøet utenfor ... [objektet for ledelsen] er preget av kjentheten til forventede hendelser, det forventede endringstempoet og evnen til å forutsi fremtiden" 6 . Denne uforutsigbarheten er generert av multifaktoralitet, variasjon av faktorer, tempo og retning for utviklingen av miljøet.
"Den kombinerte effekten av alle miljøfaktorer, oppsummerer V. Maksimov, S. Kachaev og E. Kornoushenko, danner nivået på dens ustabilitet og bestemmer gjennomførbarheten og retningen for kirurgisk inngrep i pågående prosesser" 7 .
Jo høyere ustabilitet det ytre miljøet har, desto vanskeligere er det å utvikle tilstrekkelige strategiske beslutninger. Derfor er det et objektivt behov for å vurdere graden av ustabilitet i miljøet, samt å utvikle tilnærminger til analysen.
I følge I. Ansoff avhenger valget av strategi for å håndtere og analysere situasjoner av nivået av ustabilitet i det ytre miljøet. Med moderat ustabilitet brukes konvensjonell kontroll basert på ekstrapolering av kunnskap om miljøets fortid. Ved et gjennomsnittlig ustabilitetsnivå utføres styringen på grunnlag av en prognose for endringer i miljøet (for eksempel "teknisk" analyse av finansmarkedene). På et høyt nivå av ustabilitet brukes ledelse basert på fleksible ekspertbeslutninger (for eksempel «fundamental» 8 analyse av finansmarkeder) 9 .

1.3. Dårlig strukturert ytre miljø

Miljøet der ledelsesfag tvinges til å jobbe karakteriseres ikke bare som ustabilt, men også som dårlig strukturert. Disse to egenskapene henger sterkt sammen, men forskjellige. Noen ganger brukes imidlertid disse begrepene som synonymer.
Derfor påpeker spesialister fra Institute of Control Sciences of the Russian Academy of Sciences, når de definerer svakt strukturerte systemer, noen av egenskapene deres som også er iboende i ustabile systemer: "Vanskelighetene med å analysere prosesser og ta ledelsesbeslutninger på slike områder som økonomi, sosiologi, økologi osv. er forårsaket av en rekke trekk som er iboende i disse områdene, nemlig: den mangefasetterte naturen til prosessene som skjer i dem (økonomiske, sosiale, etc.) og deres sammenheng; på grunn av dette er det umulig å isolere og gjennomføre en detaljert studie av individuelle fenomener - alle fenomener som forekommer i dem må vurderes i sin helhet; mangelen på tilstrekkelig kvantitativ informasjon om dynamikken i prosesser, noe som tvinger oss til å gå over til en kvalitativ analyse av slike prosesser; variasjon av prosessens natur over tid, etc. På grunn av disse funksjonene, økonomiske, sosiale, etc. systemer kalles svakt strukturerte systemer» 10.
Imidlertid bør det bemerkes at begrepet "ustabilitet" innebærer umuligheten eller vanskeligheten med å forutsi utviklingen av et system, og svak struktur innebærer umuligheten av å formalisere det. Til syvende og sist reflekterer egenskapene "ustabilitet" og "svak strukturert", etter min mening, forskjellige aspekter ved det samme fenomenet, siden vi tradisjonelt oppfatter et system som vi ikke kan formalisere og dermed helt nøyaktig forutsi utviklingen (det vil si et svakt strukturert system). ), som ustabil, utsatt for kaos. Derfor vil jeg her og videre, etter forfatterne av de studerte artiklene, bruke disse begrepene som likeverdige. Noen ganger bruker forskere, sammen med begrepene ovenfor, begrepet "komplekse situasjoner".
Så, i motsetning til tekniske systemer, er økonomiske, sosiopolitiske og andre lignende systemer preget av fraværet av en detaljert kvantitativ beskrivelse av prosessene som skjer i dem - informasjonen her er av kvalitativ karakter. For svakt strukturerte systemer er det derfor umulig å lage formelle tradisjonelle kvantitative modeller. Systemer av denne typen er preget av usikkerhet, beskrivelse på et kvalitativt nivå og tvetydighet i vurderingen av konsekvensene av enkelte avgjørelser 11 .
Derfor er analysen av et ustabilt ytre miljø (svak strukturerte systemer) beheftet med mange vanskeligheter. Når du løser dem, trenger du intuisjonen til en ekspert, hans erfaring, assosiativ tenkning og gjetninger.
Dataverktøy for kognitiv modellering av situasjoner gjør det mulig å takle en slik analyse. Disse verktøyene har blitt brukt i økonomisk utviklede land i flere tiår, og har hjulpet bedrifter med å overleve og utvikle sine virksomheter, og myndigheter med å utarbeide effektive forskrifter 12 . Kognitiv modellering er designet for å hjelpe eksperten til å reflektere på et dypere nivå og organisere sin kunnskap, samt formalisere ideene hans om situasjonen i den grad det er mulig.

2. Generelt konsept for kognitiv analyse

Kognitiv analyse blir noen ganger referert til av forskere som "kognitiv strukturering" 13 .
Kognitiv analyse regnes som et av de kraftigste verktøyene for å studere et ustabilt og dårlig strukturert miljø. Det bidrar til en bedre forståelse av problemene som eksisterer i miljøet, identifisering av motsetninger og en kvalitativ analyse av pågående prosesser. Essensen av kognitiv (kognitiv) modellering - nøkkelpunktet for kognitiv analyse - er å reflektere de mest komplekse problemene og trendene i utviklingen av et system i en forenklet form i en modell, for å utforske mulige scenarier for fremveksten av krisesituasjoner, å finne måter og betingelser for deres løsning i en modellsituasjon. Bruken av kognitive modeller øker kvalitativt gyldigheten av ledelsesbeslutninger i et komplekst og raskt skiftende miljø, avlaster eksperten fra "intuitiv vandring", og sparer tid på å forstå og tolke hendelser som skjer i systemet 14 .
I OG. Maksimov og S.V. Kachaev, for å forklare prinsippene for bruk av informasjonskognitive teknologier for å forbedre ledelsen, bruker metaforen om et skip i et stormfullt hav - den såkalte "fregatt-hav"-modellen. De fleste kommersielle og ideelle aktiviteter i ustabile og dårlig strukturerte miljøer "involverer uunngåelig risiko, som oppstår både fra usikkerheten om fremtidige driftsforhold og fra muligheten for feilaktige beslutninger tatt av ledelsen .... Det er svært viktig for ledelsen å kunne forutse slike vansker og utvikle strategier for å overvinne dem på forhånd, d.v.s. har forhåndsutviklede retningslinjer for mulig oppførsel." Denne utviklingen foreslås utført på modeller der informasjonsmodellen til kontrollobjektet ("fregatten") samhandler med en modell av det ytre miljøet - økonomisk, sosialt, politisk, etc. ("hav"). "Hensikten med slik modellering er å gi anbefalinger til "fregatten" om hvordan de skal krysse "havet" med minst mulig "innsats"... Av interesse... er måter å nå målet på, med hensyn til gunstige "vinder" ” og “strømmer”... Så vi satte oss målet: å bestemme “vindrosen”... [ytre miljø], og så får vi se hvilke “vinder” som vil være medvind, hvilke som vil være motvind, hvordan å bruke dem og hvordan oppdage egenskapene til den ytre situasjonen som er viktige for ... [objektet]» 15.
Dermed er essensen av den kognitive tilnærmingen, som allerede nevnt, å hjelpe eksperten til å reflektere over situasjonen og utvikle den mest effektive ledelsesstrategien, basert ikke så mye på hans intuisjon, men på ordnet og verifisert (så langt det er mulig) kunnskap om et komplekst system. Eksempler på bruk av kognitiv analyse for å løse spesifikke problemer vil bli diskutert nedenfor i avsnitt "8. Bruke en kognitiv modell."

3. Stadier av kognitiv analyse

Kognitiv analyse består av flere stadier, hvor en spesifikk oppgave iverksettes. Den konsekvente løsningen av disse problemene fører til oppnåelse av hovedmålet for kognitiv analyse. Forskere gir forskjellig nomenklatur av stadier avhengig av detaljene til objektet/objektene som studeres 16 . Hvis vi oppsummerer og generaliserer alle disse tilnærmingene, kan vi identifisere følgende stadier som er karakteristiske for den kognitive analysen av enhver situasjon.

Formulering av formål og mål for studien.
Studere en kompleks situasjon fra perspektivet til det fastsatte målet: samle, systematisere, analysere eksisterende statistisk og kvalitativ informasjon om kontrollobjektet og dets ytre miljø, bestemme kravene, betingelsene og begrensningene som er iboende i situasjonen som studeres.
Identifisering av hovedfaktorene som påvirker utviklingen av situasjonen.
Bestemme forholdet mellom faktorer ved å vurdere årsak-og-virkningskjeder (konstruere et kognitivt kart i form av en rettet graf).
Å studere styrken til gjensidig påvirkning av forskjellige faktorer. Til dette formål brukes både matematiske modeller som beskriver noen presist identifiserte kvantitative sammenhenger mellom faktorer, og ekspertens subjektive ideer om uformaliserte kvalitative sammenhenger mellom faktorer.

(Som et resultat av bestått trinn 3 – 5, bygges det til slutt en kognitiv modell av situasjonen (systemet), som vises i form av en funksjonell graf. Derfor kan vi si at trinn 3 – 5 representerer kognitiv modellering. I mer detaljert vil alle disse stadiene og grunnleggende konseptene kognitiv modellering bli diskutert i avsnitt 4 – 7).

Sjekke tilstrekkeligheten av en kognitiv modell av en reell situasjon (verifisering av en kognitiv modell).
Bestemmelse, ved hjelp av en kognitiv modell, av mulige alternativer for utvikling av en situasjon (system) 17, oppdagelse av måter, mekanismer for å påvirke situasjonen for å oppnå ønskede resultater, forhindre uønskede konsekvenser, det vil si å utvikle en ledelsesstrategi. Sette mål, ønskede retninger og styrken til å endre prosesstrender i situasjonen. Velge et sett med tiltak (et sett med kontrollfaktorer), bestemme deres mulige og ønskede styrke og retning av innvirkning på situasjonen (spesifikk praktisk anvendelse av den kognitive modellen).

La oss vurdere i detalj hvert av de ovennevnte stadiene (med unntak av det første og andre, som i hovedsak er forberedende), mekanismene for å implementere de spesielle oppgavene til hvert trinn, samt problemene som oppstår på forskjellige stadier av kognitiv analyse .

4. Mål, stadier og grunnleggende konsepter for kognitiv modellering

Nøkkelelementet i kognitiv analyse er konstruksjonen av en kognitiv modell.

4. 1. Hensikten med å bygge en kognitiv modell

Kognitiv modellering bidrar til bedre forståelse av problemsituasjonen, identifisering av motsetninger og kvalitativ analyse av systemet. Hensikten med modellering er å danne og avklare en hypotese om funksjonen til objektet som studeres, betraktet som et komplekst system som består av separate, men fortsatt sammenkoblede elementer og delsystemer. For å forstå og analysere oppførselen til et komplekst system, bygges det et strukturelt diagram av årsak-virkning-forholdet til systemelementene. Analyse av disse forbindelsene er nødvendig for implementering av ulike prosesskontroller i systemet 18.

4.2. Stadier av kognitiv modellering

Generelt er stadiene av kognitiv modellering diskutert ovenfor. Arbeidene til spesialister fra IPU RAS inneholder en detaljert beskrivelse av disse stadiene. La oss fremheve de viktigste.

Identifisering av faktorer som karakteriserer problemsituasjonen, utvikling av systemet (miljø). For eksempel kan essensen av problemet med manglende skattebetalinger formuleres i faktorene "Skatteunnlatelser", "Skatteinnkreving", "Budsjettinntekter", "Budsjettutgifter", "Budsjettunderskudd", etc.
Identifisering av sammenhenger mellom faktorer. Bestemme retningen for påvirkninger og gjensidig påvirkning mellom faktorer. For eksempel påvirker faktoren «Nivå på skattebelastning» «Manglende betaling av skatter».
Bestemme arten av påvirkningen (positiv, negativ, +\-) For eksempel, en økning (reduksjon) i faktoren "Nivå på skattebelastning" øker (minker) "Ikke-betaling av skatter" - en positiv påvirkning; og en økning (reduksjon) i faktoren "Skatteinnkreving" reduserer (øker) "Manglende betaling av skatter" - en negativ innvirkning. (På dette stadiet er et kognitivt kart konstruert i form av en rettet graf.)
Fastsettelse av innflytelsesstyrke og gjensidig påvirkning av faktorer (svak, sterk) For eksempel en økning (reduksjon) i faktoren «Nivå på skattetrykket» «betydelig» øker (minker) «Manglende betaling av skatter» 19 (Endelig konstruksjon) av en kognitiv modell i form av en funksjonell graf).

Dermed inkluderer den kognitive modellen et kognitivt kart (rettet graf) og vekter av grafbuer (vurdering av gjensidig påvirkning eller påvirkning av faktorer). Når du bestemmer vektene til buene, blir den rettede grafen til en funksjonell.
Problemer med å identifisere faktorer, vurdere gjensidig påvirkning av faktorer og typologi av faktorer vil bli diskutert i avsnitt 5 og 6; Her vil vi vurdere slike grunnleggende konsepter for kognitiv modellering som et kognitivt kart og en funksjonell graf.

4.3. Rettet graf (kognitivt kart)

Innenfor rammen av den kognitive tilnærmingen brukes ofte begrepene «kognitivt kart» og «rettet graf» om hverandre; selv om strengt tatt konseptet med en rettet graf er bredere, og begrepet "kognitivt kart" indikerer bare en av anvendelsene til en rettet graf.
Et kognitivt kart består av faktorer (elementer i systemet) og sammenhenger mellom dem.
For å forstå og analysere oppførselen til et komplekst system, er det konstruert et strukturdiagram over årsak-virkning-forhold til systemelementer (situasjonsfaktorer). To elementer i systemet A og B er avbildet på diagrammet som separate punkter (toppunkter) forbundet med en orientert bue, hvis element A er koblet til element B ved et årsak-og-virkningsforhold: A a B, hvor: A er årsaken, B er effekten.
Faktorer kan påvirke hverandre, og slik påvirkning, som allerede angitt, kan være positiv når en økning (reduksjon) i en faktor fører til en økning (reduksjon) i en annen faktor, og negativ når en økning (reduksjon) i en faktor fører til en nedgang (økning). ) en annen faktor 20 . Dessuten kan påvirkningen også ha et variabelt fortegn avhengig av mulige tilleggsforhold.
Lignende skjemaer for å representere årsak-virkning-forhold er mye brukt for å analysere komplekse systemer innen økonomi og sosiologi.
Et eksempel på et kognitivt kart over en økonomisk situasjon er vist i fig. 1.

Figur 1. Rettet graf 21.

4.4. Funksjonell graf (fullfører konstruksjonen av en kognitiv modell)
Et kognitivt kart gjenspeiler kun det faktum at faktorer påvirker hverandre. Den gjenspeiler ikke den detaljerte naturen til disse påvirkningene, heller ikke dynamikken til endringer i påvirkninger avhengig av endringer i situasjonen, eller midlertidige endringer i selve faktorene. Å ta hensyn til alle disse omstendighetene krever en overgang til neste nivå av informasjonsstrukturering, det vil si til en kognitiv modell.
På dette nivået avsløres hver sammenheng mellom faktorene i det kognitive kartet av tilsvarende avhengigheter, som hver kan inneholde både kvantitative (målbare) variabler og kvalitative (ikke-målte) variabler. I dette tilfellet presenteres kvantitative variabler naturlig i form av deres numeriske verdier. Hver kvalitativ variabel er assosiert med et sett med språklige variabler som gjenspeiler de forskjellige tilstandene til denne kvalitative variabelen (for eksempel kan forbrukernes etterspørsel være "svak", "moderat", "spennende", etc.), og hver språklig variabel tilsvarer en viss numerisk ekvivalent i skala. Etter hvert som det samler seg kunnskap om prosessene som skjer i den aktuelle situasjonen, blir det mulig å avdekke mer detaljert arten av sammenhengene mellom faktorer.
Formelt sett kan en kognitiv modell av en situasjon, som et kognitivt kart, representeres av en graf, men hver bue i denne grafen representerer allerede et visst funksjonelt forhold mellom de tilsvarende faktorene; de. den kognitive modellen av situasjonen er representert ved en funksjonell graf 22.
Et eksempel på en funksjonell graf som gjenspeiler situasjonen i et betinget område er presentert i fig. 2.

Figur 2. Funksjonsgraf 23.
Merk at denne modellen er en demonstrasjonsmodell, så mange miljøfaktorer er ikke tatt i betraktning.

5. Typer faktorer
For å strukturere en situasjon (system), deler forskere faktorer (elementer) inn i ulike grupper, som hver har visse spesifikasjoner, nemlig en funksjonell rolle i modellering. Dessuten, avhengig av spesifikasjonene til den analyserte situasjonen (systemet), kan typologien til faktorer (elementer) være forskjellig. Her vil jeg trekke frem noen typer faktorer som brukes i kognitiv modellering av de fleste systemer (situasjoner, miljøer).
For det første, blant alle de oppdagede faktorene, skilles det ut grunnleggende faktorer (de som i betydelig grad påvirker situasjonen og beskriver essensen av problemet) og "overflødige" (ubetydelige) faktorer som er "svakt forbundet" med "kjernen" av grunnleggende faktorer 24. .
Når man analyserer en spesifikk situasjon, vet eller antar en ekspert vanligvis hvilke endringer i grunnleggende faktorer som er ønskelige for ham. Faktorene av størst interesse for eksperten kalles målfaktorer. I OG. Maksimov, E.K. Kornoushenko, S.V. Kachaev beskriver målfaktorene som følger: "Dette er "output"-faktorene til den kognitive modellen. Oppgaven med å utvikle løsninger for å styre prosesser i en situasjon er å sikre ønskede endringer i målfaktorer, dette er ledelsens mål. Et mål anses som riktig satt dersom ønskede endringer i enkelte målfaktorer ikke fører til uønskede endringer i andre målfaktorer» 25.
I det første settet med grunnleggende faktorer identifiseres et sett med såkalte kontrollfaktorer - "input"-faktorer til den kognitive modellen, gjennom hvilke kontrollpåvirkninger tilføres modellen. En kontrollhandling anses for å være forenlig med målet hvis den ikke forårsaker uønskede endringer i noen av målfaktorene» 26. For å identifisere kontrollfaktorer bestemmes faktorer som påvirker målene. Kontrollfaktorene i modellen vil være potensielle påvirkningsspaker på situasjonen 27 .
Påvirkningen av kontrollfaktorer er oppsummert i konseptet "vektor av kontrollhandlinger" - et sett med faktorer, som hver forsynes med en kontrollpuls med en gitt verdi 28 .
Situasjonsfaktorer (eller elementer av systemet) kan også deles inn i interne (tilhører selve kontrollobjektet og under mer eller mindre fullstendig kontroll av ledelsen) og eksterne (som gjenspeiler påvirkningen på situasjonen eller systemet av eksterne krefter som kan ikke kontrolleres eller bare indirekte kontrolleres av kontrollobjektet).
Eksterne faktorer er vanligvis delt inn i forutsigbare faktorer, hvis forekomst og oppførsel kan forutsies basert på analyse av tilgjengelig informasjon, og uforutsigbare faktorer, som en ekspert først får vite om etter at de har skjedd 29 .
Noen ganger identifiserer forskere såkalte indikatorfaktorer som reflekterer og forklarer utviklingen av prosesser i en problemsituasjon (system, miljø) 30 . For lignende formål brukes også begrepet integrerte indikatorer (faktorer), ved endringer der man kan bedømme generelle trender på dette området 31 .
Faktorer er også preget av en tendens til å endre sine verdier. Følgende trender skilles ut: vekst, nedgang. Hvis det ikke er noen endring i faktoren, sies det at det ikke er noen trend eller en null trend 32 .
Til slutt bør det bemerkes at det er mulig å identifisere årsaksfaktorer og effektfaktorer, kortsiktige og langsiktige faktorer.

6. Hovedproblemer med å konstruere en kognitiv modell
Det er to hovedproblemer ved å konstruere en kognitiv modell.
For det første er vanskeligheter forårsaket av å identifisere faktorer (elementer i systemet) og rangeringsfaktorer (velge grunnleggende og sekundære) (på stadiet for å konstruere en rettet graf).
For det andre å identifisere graden av gjensidig påvirkning av faktorer (bestemme vektene til grafbuene) (på stadiet for å konstruere en funksjonell graf).

6.1. Identifikasjon av faktorer (elementer i systemet)

Det kan slås fast at forskere ikke har utviklet en klar algoritme for å identifisere elementene i systemene som studeres. Det antas at situasjonsfaktorene som studeres allerede er kjent for eksperten som utfører den kognitive analysen.
Vanligvis, når man vurderer store (for eksempel makroøkonomiske) systemer, brukes den såkalte PEST-analysen (Politik - politikk, Økonomi - økonomi, Samfunn - samfunn, Teknologi - teknologi), som innebærer å identifisere 4 hovedgrupper av faktorer som politiske , økonomiske, sosiokulturelle og teknologiske aspekter ved miljøet 33. Denne tilnærmingen er velkjent i alle samfunnsøkonomiske vitenskaper.
PEST-analyse er et verktøy for den historisk etablerte fire-elements strategiske analysen av det ytre miljø. Dessuten er det for hvert enkelt komplekst objekt sitt eget spesielle sett med nøkkelfaktorer som direkte og mest signifikant påvirker objektet. Analysen av hvert av de identifiserte aspektene utføres systematisk, siden alle disse aspektene i livet er nært forbundet 34 .
I tillegg forutsettes det at eksperten kan bedømme nomenklaturen av faktorer i samsvar med sine subjektive ideer. Dermed er "Fundamental" analyse av økonomiske situasjoner, nær kognitiv analyse i noen parametere, basert på et sett med grunnleggende faktorer (finansielle og økonomiske indikatorer) - både makroøkonomiske og lavere orden, både langsiktig og kortsiktig. Disse faktorene, i samsvar med den «fundamentale» tilnærmingen, bestemmes på grunnlag av sunn fornuft 35.
Dermed er den eneste konklusjonen som kan trekkes angående prosessen med å identifisere faktorer at analytikeren, i jakten på dette målet, må ledes av ferdigkunnskaper om ulike sosioøkonomiske vitenskaper involvert i den spesifikke studien av ulike systemer, som samt hans erfaring og intuisjon.

6.2. To tilnærminger til å identifisere sammenhenger mellom faktorer

For å reflektere arten av samspillet mellom faktorer, brukes positive og normative tilnærminger.
Den positive tilnærmingen er basert på å ta hensyn til den objektive naturen til samspillet mellom faktorer og lar oss tegne buer, tildele tegn (+ / -) og nøyaktige vekter til dem, det vil si gjenspeile arten av denne interaksjonen. Denne tilnærmingen er anvendelig hvis forholdet mellom faktorer kan formaliseres og uttrykkes med matematiske formler som etablerer presise kvantitative sammenhenger.
Imidlertid er ikke alle virkelige systemer og deres undersystemer beskrevet av en eller annen matematisk formel. Vi kan si at bare noen spesielle tilfeller av interaksjon av faktorer har blitt formalisert. Dessuten, jo mer komplekst systemet er, jo mindre sannsynlig er det at det blir fullstendig beskrevet ved bruk av tradisjonelle matematiske modeller. Dette skyldes først og fremst de grunnleggende egenskapene til ustabile, svakt strukturerte systemer beskrevet i avsnitt 1. Derfor er den positive tilnærmingen supplert med den normative.
Den normative tilnærmingen er basert på en subjektiv, evaluerende oppfatning av samspillet mellom faktorer, og bruken av den gjør det også mulig å tildele vekter til buene, det vil si reflektere styrken (intensiteten) til samspillet mellom faktorer. Bestemmelse av faktorers innflytelse på hverandre og vurdering av disse påvirkningene er basert på ekspertens "estimat" og uttrykkes kvantitativt ved bruk av [-1,1]-skalaen eller språklige variabler som "sterk", "svak", "moderat" 36 . Med andre ord, med en normativ tilnærming, står eksperten overfor oppgaven å intuitivt bestemme styrken av den gjensidige påvirkningen av faktorer, basert på hans kunnskap om det kvalitative forholdet.
I tillegg, som allerede nevnt, må eksperten bestemme den negative eller positive naturen til påvirkningen av faktorene, og ikke bare styrken til påvirkningen. Når du utfører denne oppgaven, er det åpenbart mulig å bruke de to tilnærmingene nevnt ovenfor.

6.3.Eksempler på å identifisere faktorer og sammenhenger mellom dem
La oss gi noen eksempler brukt av forskere for å illustrere identifiseringen av faktorer og etableringen av sammenhenger mellom dem.
Derfor, V. Maksimov, S. Kachaev og E. Kornoushenko, for å bygge en kognitiv modell av prosessene som skjer i en kriseøkonomi, identifisere følgende grunnleggende faktorer: 1. Bruttonasjonalprodukt (BNP); 2. Samlet etterspørsel; 3. Inflasjon; 4. Sparing; 5. Forbruk; 6. Investeringer; 7. Offentlige anskaffelser; 8. Arbeidsledighet; 9. Tilførsel av penger; 10. Offentlige overføringsbetalinger; 11. Offentlige utgifter; 12. Statens inntekter; 13. Statsbudsjettunderskudd; 14. Skatter; 15. Manglende betaling av skatter; 16. Rente; 17. Etterspørsel etter penger 37.
V. Maksimov, E. Grebenyuk, E. Kornoushenko gir i artikkelen "Fundamentell og teknisk analyse: integrering av to tilnærminger" et annet eksempel på å identifisere faktorer og avslører arten av forbindelsene mellom dem: "De viktigste økonomiske indikatorene som påvirker aksjemarkedet i USA og Europa er: bruttonasjonalprodukt (BNP), industriproduksjonsindeks (PPI), konsumprisindeks (KPI), produsentprisindeks (PPI), arbeidsledighet, oljepris, dollarkurs... Hvis markedet vokser og økonomiske indikatorer bekrefter stabil økonomisk utvikling, så kan vi forvente en ytterligere kursoppgang... Aksjer stiger i pris dersom selskapets overskudd vokser og det er utsikter for deres videre vekst... Hvis den faktiske vekstratene for økonomiske indikatorer avviker fra de forventede, dette fører til panikk i aksjemarkedet og dets skarpe endringer. Endringen i bruttonasjonalprodukt er normalt 3-5 % per år. Hvis den årlige veksten av BNP overstiger 5 %, kalles dette en økonomisk boom, som til slutt kan føre til et markedskrasj. Endringer i BNP kan forutsies ved endringer i industriens indeks. En kraftig økning i IPI indikerer en mulig økning i inflasjonen, noe som fører til et fall i markedet. En økning i KPI og PPI og oljepriser fører også til et fall i markedet. Høye arbeidsledighetstall i USA og Europa (over 6%) tvinger føderale byråer til å senke bankrenten, noe som fører til en gjenoppliving av økonomien og en økning i aksjekursene. Hvis arbeidsledigheten minker gradvis, reagerer ikke markedet på disse endringene. Hvis nivået synker kraftig og blir mindre enn forventet verdi, begynner markedet å falle, fordi en kraftig nedgang i arbeidsledigheten kan øke inflasjonsnivået utover det forventede nivået» 38.

6.4. Problemet med å bestemme styrken til påvirkning av faktorer

Så det viktigste problemet med kognitiv modellering er å identifisere vektene til grafbuer - det vil si kvantitativ vurdering av den gjensidige påvirkningen eller påvirkningen av faktorer. Faktum er at den kognitive tilnærmingen brukes når man studerer et ustabilt, svakt strukturert miljø. La oss huske at dens egenskaper er: variasjon, vanskeligheter med å formalisere, multifaktoriell natur, etc. Dette er spesifisiteten til alle systemer der mennesker er inkludert. Derfor er inoperabiliteten til tradisjonelle matematiske modeller i mange tilfeller ikke en metodologisk defekt ved kognitiv analyse, men en grunnleggende egenskap ved forskningsemnet 39 .

Dermed er det viktigste trekk ved de fleste situasjoner studert i ledelsesteori tilstedeværelsen av tenkende deltakere i dem, som hver representerer situasjonen på sin egen måte og tar visse beslutninger basert på "deres" oppfatning. Som J. Soros bemerket i sin bok "The Alchemy of Finance," "Når det er tenkende deltakere i en situasjon, fører ikke hendelsesforløpet direkte fra ett sett med faktorer til et annet; i stedet tverrsnitter det...kobler faktorer til deres oppfatninger og oppfatninger til faktorer.» Dette fører til at «prosessene i situasjonen ikke fører til likevekt, men til en uendelig endringsprosess» 40. Det følger at en pålitelig prediksjon av oppførselen til prosesser i en situasjon er umulig uten å ta hensyn til vurderingen av denne situasjonen av deltakerne og deres egne antakelser om mulige handlinger. J. Soros kalte denne egenskapen til noen systemer for refleksivitet.
Formaliserte kvantitative avhengigheter av faktorer er beskrevet av forskjellige formler (mønstre), avhengig av emnet for studien, det vil si av faktorene i seg selv. Men som allerede nevnt er det ikke alltid mulig å bygge en tradisjonell matematisk modell.

Problemet med universell formalisering av gjensidig påvirkning av faktorer er ennå ikke løst og vil neppe noen gang bli løst.

Derfor er det nødvendig å forsone seg med at det ikke alltid er mulig å beskrive forholdet mellom faktorer med matematiske formler, dvs. Det er ikke alltid mulig å kvantifisere avhengighetene nøyaktig 41 .
Derfor, i kognitiv modellering, når man estimerer vekten av buer, som nevnt, blir den subjektive meningen til eksperten ofte tatt i betraktning 42. Hovedoppgaven i denne saken er å kompensere for subjektivitet og forvrengning av vurderinger gjennom ulike typer verifikasjonsprosedyrer.

I dette tilfellet er det vanligvis ikke nok å bare sjekke ekspertens vurderinger for konsistens. Hovedmålet med prosedyren for å behandle de subjektive meningene til en ekspert er å hjelpe ham med å reflektere, tydeligere forstå og systematisere kunnskapen hans, evaluere dens konsistens og tilstrekkelighet til virkeligheten.

I prosessen med å hente ut ekspertkunnskap er det et samspill mellom eksperten - kunnskapskilden - og en kognitiv vitenskapsmann (kunnskapsingeniør) eller med et dataprogram, som gjør det mulig å følge spesialistenes resonnementsforløp når de tar beslutninger og å identifisere strukturen til deres ideer om forskningsemnet 43 .
Prosedyrene for å teste og formalisere en eksperts kunnskap er beskrevet mer detaljert i artikkelen av A.A. Kulinich "Kognitivt modelleringssystem "Canva"" 44.

7. Kontrollere at modellen er tilstrekkelig
Forskere har foreslått flere formelle prosedyrer for å kontrollere egnetheten til den konstruerte modellen 45 . Men siden modellen ikke bare er bygget på formaliserte forhold mellom faktorer, gir ikke alltid matematiske metoder for å kontrollere dens korrekthet et nøyaktig bilde. Derfor foreslo forskerne en slags «historisk metode» for å teste modellens tilstrekkelighet. Med andre ord, den utviklede modellen av en situasjon brukes på lignende situasjoner som eksisterte i fortiden og hvis dynamikk er velkjent 46 . Hvis modellen viser seg å være operativ (det vil si at den produserer prognoser som sammenfaller med det faktiske hendelsesforløpet), anerkjennes den som korrekt. Selvfølgelig er ingen enkelt metode for modellverifisering uttømmende, så det anbefales å bruke et sett med prosedyrer for å verifisere riktigheten.

8. Bruke en kognitiv modell

8.1. Anvendelse av kognitive modeller i beslutningsstøttesystemer
Hovedformålet med den kognitive modellen er å hjelpe eksperten i prosessen med kognisjon og følgelig utvikle den riktige avgjørelsen. Derfor brukes den kognitive tilnærmingen i beslutningsstøttesystemer.
Den kognitive modellen visualiserer og organiserer informasjon om miljøet, intensjoner, mål og handlinger. Samtidig utfører visualisering en viktig kognitiv funksjon, og illustrerer ikke bare resultatene av handlingene til faget ledelse, men foreslår også måter å analysere og generere beslutningsalternativer på 47 .
Den kognitive modellen tjener imidlertid ikke bare til å systematisere og "klargjøre" ekspertens kunnskap, men også til å identifisere de mest fordelaktige "anvendelsespunktene" for kontrollhandlingene til faget ledelse 48 . Den kognitive modellen forklarer med andre ord hvilken faktor eller forhold av faktorer som må påvirkes, med hvilken kraft og i hvilken retning for å oppnå ønsket endring i målfaktorer, det vil si å nå styringsmålet til lavest mulig kostnad.
Kontrollhandlinger kan være kortsiktige (impuls) eller langsiktige (kontinuerlige), og handle inntil målet er oppnådd. Det er også mulig å bruke pulserende og kontinuerlige kontrollhandlinger sammen 49 .
Når et gitt mål er oppnådd, oppstår umiddelbart oppgaven med å opprettholde situasjonen i oppnådd gunstig tilstand inntil et nytt mål dukker opp. I prinsippet er oppgaven med å opprettholde situasjonen i den nødvendige tilstanden ikke forskjellig fra oppgaven med å oppnå et mål 50.
Et kompleks av sammenhengende kontrollpåvirkninger og deres logiske tidssekvens utgjør en helhetlig styringsstrategi (kontrollmodell).
Bruk av ulike styringsmodeller kan føre til ulike resultater. Her er det viktig å kunne forutse hvilke konsekvenser den eller den forvaltningsstrategien til slutt vil føre til.
For å utvikle slike prognoser brukes en scenariotilnærming (scenariomodellering) innenfor rammen av kognitiv analyse. Scenariomodellering kalles noen ganger "dynamisk simulering".
Scenariotilnærmingen er en slags "utspilling" av forskjellige alternativer for utvikling av hendelser avhengig av den valgte ledelsesmodellen og oppførselen til uforutsigbare faktorer. For hvert scenario bygges det en triade: "initielle premisser - vår innvirkning på situasjonen - resultatet oppnådd" 51. I dette tilfellet gjør den kognitive modellen det mulig å ta hensyn til hele komplekset av effekter av kontrollhandlinger for forskjellige faktorer, dynamikken til faktorer og deres relasjoner under forskjellige forhold.
Dermed identifiseres alle mulige alternativer for utvikling av systemet og det utvikles forslag til den optimale styringsstrategien for å implementere ønsket scenario blant de mulige 52 .
Forskere inkluderer ganske ofte scenariomodellering blant stadiene av kognitiv analyse eller vurderer scenariomodellering som et tillegg til kognitiv analyse.
Hvis vi oppsummerer og generaliserer forskernes meninger angående stadiene av scenariomodellering, så i den mest generelle formen kan stadiene av scenarioanalyse presenteres som følger.
1. Utvikling av styringsmål (ønskede endringer i målfaktorer).
2. Utvikling av scenarier for utvikling av situasjonen ved anvendelse av ulike forvaltningsstrategier.
3. Bestemme oppnåelsen av målet (gjennomførbarheten av scenarier som fører til det); kontrollere optimaliteten til den allerede planlagte styringsstrategien (hvis noen); velge den optimale strategien som tilsvarer det beste scenariet fra målets synspunkt.
4. Konkretisering av den optimale styringsmodellen - utvikling av konkrete praktiske anbefalinger til ledere. Denne spesifikasjonen inkluderer identifisering av kontrollfaktorer (som det er mulig å påvirke utviklingen av hendelser gjennom), bestemme styrken og retningen av kontrollpåvirkninger på kontrollfaktorer, forutsi sannsynlige krisesituasjoner på grunn av påvirkning av uforutsigbare eksterne faktorer, etc.
Det bør bemerkes at stadiene av scenariomodellering kan variere avhengig av studieobjektet og styringen.
På den innledende fasen av modelleringen kan det være nok kvalitativ informasjon som ikke har en eksakt numerisk verdi og gjenspeiler essensen av situasjonen. Når du går over til å modellere spesifikke scenarier, blir bruken av kvantitativ informasjon, som representerer numeriske estimater av verdiene til alle indikatorer, stadig viktigere. I fremtiden brukes hovedsakelig kvantitativ informasjon 53 for å utføre nødvendige beregninger.
Det aller første scenariet, som ikke krever noen handling fra forskeren for å danne det, er selvutviklingen av situasjonen (i dette tilfellet er vektoren for kontrollhandlinger "tom"). Selvutvikling av situasjonen er utgangspunktet for videre dannelse av scenarier. Hvis forskeren er fornøyd med resultatene oppnådd under selvutvikling (med andre ord, hvis de fastsatte målene oppnås under selvutvikling), så kommer videre scenarioforskning ned på å studere virkningen av visse endringer i det ytre miljøet på situasjonen 54.
Det er to hovedklasser av scenarier: scenarier som simulerer ytre påvirkninger og scenarier som simulerer den målrettede (kontrollerte) utviklingen av situasjonen 55 .

8.2. Et eksempel på arbeid med en kognitiv modell

La oss vurdere et eksempel på arbeid med en kognitiv modell gitt i artikkelen av S.V. Kachaeva og D.I. Makarenko "Integrert informasjon og analytisk kompleks for situasjonsanalyse av den sosioøkonomiske utviklingen i regionen."
"Bruk av et integrert informasjons- og analytisk kompleks av situasjonsanalyse kan vurderes ved å bruke eksemplet med å utvikle en strategi og et program for den sosioøkonomiske utviklingen av regionen.
På første trinn bygges en kognitiv modell av den sosioøkonomiske situasjonen i regionen... Deretter modelleres scenarier for potensiell og reell mulighet for å endre situasjonen i regionen og nå de oppsatte målene.
Følgende ble valgt som mål for samfunnsøkonomisk politikk:

økning i produksjonsvolumer
forbedre levestandarden til regionens befolkning
reduksjon av budsjettunderskudd

For å oppnå de fastsatte målene ble følgende "spaker" valgt (kontrollerende faktorer - Yu.M.), ved hjelp av hvilke beslutningstakeren kan eller ønsker å påvirke situasjonen:

inntekt til befolkningen;
investeringsklima;
produksjonskostnader;
utvikling av produksjonsinfrastruktur;
skatteinnkreving;
skattefordeler;
politiske og økonomiske preferanser for regionen.

Som et resultat av simuleringen klargjøres potensialet og den reelle muligheten for å nå de fastsatte målene ved hjelp av de valgte spakene og de resulterende kontrollpåvirkningene (se fig. 3).

Figur 3. Kognitiv og dynamisk simulering (scenario) modellering.

På neste trinn går de fra å utvikle en strategi for å nå mål til å utvikle et program med spesifikke handlinger. Verktøyet for å gjennomføre strategien er regional budsjett- og skattepolitikk.
Spakene og visse påvirkninger valgt i forrige fase samsvarer med følgende retninger for budsjett og skattepolitikk.

Spaker for prestasjon strategiske mål	Retningslinjer for budsjett og skattepolitikk
Inntekt av befolkningen	Utgifter til sosialpolitikk
Investeringsklima	Statens utgifter Utgifter til rettshåndhevelse Utgifter til industri, kraftproduksjon, bygg og landbruk
Produksjonskostnader	Regulering av tariffer for strøm, brensel, varme, husleie mv.
Utvikling av produksjonsinfrastruktur	Utvikling av markedsinfrastruktur
Skatteinnkreving	Regulering av nivået på manglende skattebetalinger
Skattefordeler	Regulering av nivået på skattefordelene
Politiske og økonomiske preferanser for regionen.	Gratis overføringer fra andre myndighetsnivåer

Dermed er et integrert informasjons- og analytisk kompleks av situasjonsanalyse et kraftig verktøy for å utvikle en regional utviklingsstrategi og implementere denne strategien” 56 .
Det skal bemerkes at i studier er eksempler på bruk av kognitiv modellering og scenariomodellering vanligvis gitt i en veldig generell form, siden for det første denne typen informasjon er eksklusiv og har en viss kommersiell verdi, og for det andre hver spesifikke situasjon. (system, miljø, kontrollobjekt) krever en individuell tilnærming.
Det eksisterende teoretiske grunnlaget for kognitiv analyse, selv om det krever avklaring og utvikling, gjør at ulike ledelsesfag kan utvikle sine egne kognitive modeller, siden det som nevnt antas at det settes sammen spesifikke modeller for hvert område, for hvert problem.

9. Datasystemer for å støtte ledelsesbeslutninger

Å gjennomføre kognitiv analyse av ustabile, svakt strukturerte situasjoner og miljøer er en ekstremt vanskelig oppgave, for løsningen av hvilke informasjonssystemer er involvert. I hovedsak er disse systemene designet for å forbedre effektiviteten til beslutningsmekanismen, siden den viktigste anvendte oppgaven med kognitiv analyse er kontrolloptimalisering.

9.1. Generelle kjennetegn ved beslutningsstøttesystemer
Beslutningsstøttesystemer er vanligvis interaktive. De er designet for å behandle data og implementere modeller som hjelper til med å løse individuelle, for det meste svake eller ustrukturerte problemer (for eksempel å ta investeringsbeslutninger, lage prognoser osv.). Disse systemene kan gi arbeiderne den informasjonen som trengs for å ta individuelle og gruppebeslutninger. Slike systemer gir umiddelbar tilgang til informasjon som gjenspeiler nåværende situasjoner og alle faktorer og sammenhenger som er nødvendige for beslutningstaking 57
etc.................