Заключение. 
Моделирование систем и процессов

В соответствии с задачей учебника, как сказано во введении, студент должен получить знания об основных особенностях и возможностях применения методов моделирования систем различных классов, для того чтобы уметь выбирать и предлагать новые методы моделирования при принятии решений в конкретных условиях.

Для выбора методов моделирования с самого начала развития теории систем и системного анализа применялись классификации систем, которые предлагались для того, чтобы ограничить выбор подходов к отображению системы, сопоставить выделенным классам приемы и методы системного анализа и дать рекомендации по выбору методов для соответствующего класса систем.

Так, классификации систем по виду отображаемого объекта (технические, биологические, экономические и т. п. системы), ввиду научного направления (математические, физические, химические и др.) ориентируют па выбор методов, используемых для моделирования этих видов систем.

В классификации К. Боулдинга формальные модели, которым можно сопоставить фундаментальные принципы управления, предлагаются только для неживых систем. Живые системы классифицируются вначале на основе признака «обмен информацией со средой», а затем — «наличие сознания и самосознания», и для них рекомендуются модели биологических, социологических и других теорий, ведущая роль в которых отводится субъекту, формирующему модели, В теории систем и теории принятия решений (см. гл. 1) предлагались различные способы выделения классов систем и проблем, классифицируемых на основе признаков «степень неопределенности», «структурированность», «степень организованности» .

В гл. 1 охарактеризованы основные особенности классов систем, выделенных по признаку «степень организованности», принятому в теории систем, и возникающие при их исследовании проблемы. С учетом этих особенностей этим классам систем и проблем можно поставить в соответствие методы моделирования.

Представление объекта в виде хорошо организованной системы возможно в тех случаях, когда исследователю удается определить все элементы системы и их взаимосвязи между собой и с целями (требованиями) системы (с учетом критериев) в виде детерминированных (аналитических, графических) зависимостей. Тогда исследуемый оригинал может быть отображен методами классической математики, уравнениями, системами уравнений и т. п.

На представлении этим классом систем основано большинство моделей физических и технических процессов и систем.

При этом работу сложного механизма приходится отображать в виде упрощенной схемы или системы уравнений, учитывающих не все, но наиболее существенные, с точки зрения автора модели, элементы и связи между ними. Иными словами, для отображения сложного объекта в виде хорошо организованной системы приходится выделять существенные и не учитывать относительно несущественные для конкретной цели рассмотрения компоненты.

Когда задачи усложняются, то применяют численные методы для их решения, методы математического программирования, в которых взаимосвязи между компонентами и целями системы задаются в виде целевой функции, критериев функционирования и т. п. аналитических выражений.

Представление объекта в виде хорошо организованной системы применяют в тех случаях, когда может быть предложена формальная модель и экспериментально показана правомерность ее применения, т. е. экспериментально доказана адекватность модели реальному объекту или процессу.

Однако применение класса хорошо организованных систем для представления сложных технических комплексов, совершенствования управления предприятиями и организациями и т. д. начиная с некоторого уровня их сложности может оказаться невозможным.

Во-первых, формирование модели может потребовать недопустимо больших затрат времени.

Например, при решении задачи планирования движения транспорта в большом городе практически невозможно сформировать аналитическую модель. А при попытке сформировать графическую модель на основе построения графа передвижения жителей (даже если учесть только их доставку из дома на работу) потребуется недопустимо много времени. Пока такая модель будет сформирована, многие уже успеют поменять места работы, жительства.

Во-вторых, если даже удастся получить аналитическую модель, то может оказаться невозможным поставить эксперимент, доказывающий ее адекватность.

Например, при прогнозировании развития экономики, даже если удается разработать аналитическую модель и получить рекомендации по выбору направлений развития социально-экономических систем и процессов, изменению принципов управления, то эксперимент необратим.

Поэтому в большинстве случаев при исследовании сложных многокомпонентных объектов или многокритериальных задач на начальных этапах их отображают другими классами.

В первую очередь следует попытаться представить проблемную ситуацию в виде плохо организованной или диффузной системы.

При представлении объекта этим классом систем на основе выборочного исследования получают характеристики или закономерности (статистические, экономические и т. п.) и распространяют эти закономерности па поведение системы в целом. При этом делаются соответствующие оговорки. Например, при использовании статистических методов полученные закономерности распространяют на поведение системы с какой-то вероятностью, которая оценивается с помощью специальных приемов, изучаемых математической статистикой. При применении экономических закономерностей важно тщательно изучать и учитывать условия, в которых эти закономерности применялись для исследования других объектов.

Отображение объектов в виде статистических закономерностей находит широкое применение при определении пропускной способности систем разного рода, при оценке надежности технических комплексов, при определении численности штатов в обслуживающих (например, ремонтных) цехах предприятия и в обслуживающих учреждениях и т. д. (для решения подобных задач развивается теория массового обслуживания), при оценке надежности систем и процессов, при исследовании документальных потоков информации и т. п.

Однако при определении и использовании закономерностей необходимо также определять правомерность их применения. При статистических исследованиях необходимо доказать представительность (репрезентативность) выборки, на основе которой получают закономерность, для чего существуют специальные методы математической статистики. Для определения правомерности применения экономических закономерностей исследуют возможности использования с помощью теории рисков.

Если не удается доказать репрезентативность выборки, допустимость риска или для этого необходим слишком большой период времени, то следует обратиться к представлению объекта или проблемной ситуации классом систем, названным в рассматриваемой классификации самоорганизующимися.

Проблемным ситуациям с большой начальной неопределенностью в большей мере соответствует представление объекта классом самоорганизующихся или развивающихся систем, который характеризуется рядом признаков, особенностей, приближающих их к реальным развивающимся объектам. Эти особенности, как правило, обусловлены наличием в системе активных элементов и носят двойственный характер: они являются новыми свойствами, полезными для существования системы, приспосабливаемость ее к изменяющимся условиям среды, но в то же время вызывают неопределенность, затрудняют управление системой.

Выявлено важное отличие развивающихся систем с активными элементами от закрытых: пытаясь понять принципиальные особенности моделирования таких систем, уже первые исследователи отмечали, что начиная с некоторого уровня сложности систему легче изготовить и ввести в действие, преобразовать и изменить, чем отобразить формальной моделью.

По мере накопления опыта исследования и преобразования таких систем это наблюдение подтверждалось, и была осознана принципиальная ограниченность формализованного описания развивающихся, самоорганизующихся систем.

Эта особенность приводит к необходимости сочетания формальных методов и методов качественного анализа, что положено в основу большинства моделей и методик системного анализа.

При формировании таких моделей меняется привычное представление о моделях, характерное для математического моделирования и прикладной математики. Изменяется представление и о доказательстве адекватности таких моделей. Адекватность доказывается как бы последовательно, но мере формирования модели, путем оценки правильности отражения проблемной ситуации на каждом последующем шаге ее отображения.

Основная идея моделирования развивающихся систем была сформулирована в гл. 1. Представление объекта классом самоорганизующихся систем основано на постепенном формировании модели на основе использования методов активизации интуиции и опыта лиц, принимающих решение, и методов формализованного представления систем. Такое моделирование становится как бы своеобразным «механизмом» развития системы. Практическая реализация такого «механизма» связана с необходимостью разработки языка моделирования процесса принятым решения. В основу такого языка (знаковой системы) может быть положен один из методов моделирования систем (например, теоретико-множественные представления, математическая логика, математическая лингвистика), но по мере развития модели методы могут меняться.

Разработаны специальные методы моделирования, в которых имеются и средства активизации интуиции и опыта лиц, формирующих модель и принимающих на ее основе решения, и формальные методы, которые позволяют ускорить принятие решения, автоматизировать исследование модели.

В их числе имитационное динамическое моделирование (System Dynamics Symulation Modeling), ситуационное моделирование, лингво-комбинаторное моделирование, логико-лингвистическое моделирование, кратко охарактеризованные в гл. 1, а также теория информационного поля и информационных цепей (информационный подход к моделированию и анализу систем), подход, базирующийся на идее постепенной формализации задач (проблемных ситуаций) с неопределенностью путем поочередного использования средств МАИС и МФПС, системно-структурный синтез и когнитивный подход, развиваемые авторами учебника и более подробно рассмотренные в гл. б.

С учетом приведенных пояснений классам систем и проблем можно поставить в соответствие методы моделирования, классификация которых была приведена в гл. 1. [5 таблице приведены укрупненные направления, более детально представленные на рис. 1.5.

Укрупненные направления методов моделирования

При моделировании сложных систем с активными элементами и проблем, и процессов с большой начальной неопределенностью следует особо учитывать роль всех компонентов, включенных в определение модели (1.1), и в частности роль субъекта, формирующего модель, поскольку способностью к целеобразованию обладает только человек. Именно человек является носителем системы ценностей.

В теории искусственного интеллекта предпринимаются попытки моделирования системы ценностей для систем определенных классов, что позволяет создавать экспертные системы, которые в автоматическом режиме могли бы давать рекомендации по выбору варианта ответа на запрос пользователя. Однако к настоящему времени такие экспертные системы разработаны в основном для уровня неживых систем (в частности, есть экспертные системы для принятия решений при проектировании мостов), а для сложных систем с активными элементами пока проектировать такого рода экспертные системы и создавать формальные модели «система ценностей» не удается.

Поэтому при моделировании сложных систем с активными элементами (которые в технических человеко-машинных системах могут быть помехами, а в социально-экономических системах инициируют инновации и обеспечивают развитие системы) необходимо использовать не только формальное, но и гуманитарное знание, не только формальные методы, но и методы, обеспечивающие активизацию интуиции и опыта субъекта, экспертов, лиц, формирующих модель и принимающих па ее основе решение.