Содержание к диссертации
Введение
1 Теоретические и методологические проблемы анализа и моделирования региональной социально-экономической системы 13
1.1 Системный подход к исследованию развития региональной социально-экономической системы 13
1.2 Программные средства исследования социально-экономических объектов 23
1.3 Интеллектуальные системы поддержки принятия управленческих решений в сложных системах 30
2 Разработка программной системы когнитивного моделирования для поддержки принятия решений в социально-экономических системах 43
2.1 Методологические основы когнитивного анализа 44
2.2 Проектирование структуры и содержания функций программы когнитивного моделирования 58
2.3 Проектирование подсистемы интеллектуального интерфейса 68
3 Исследование развития региональной социально-экономической системы на основе когнитивного подхода 87
3.1 Исследование и формализация проблем развития региональных социально-экономических систем 87
3.2 Экономические механизмы регулирования регионального развития 98
3.3 Когнитивное моделирование и разработка программ регионального развития 106
4 Когнитивное моделирование региональной социально-экономической системы Республики Адыгея 117
4.1 Описание тенденций развития республики 118
4.2 Построение когнитивной модели СЭС 126
4.3 Когнитивное моделирование функционирования СЭС 145
Заключение 157
Литература 163
Приложение 172
- Программные средства исследования социально-экономических объектов
- Интеллектуальные системы поддержки принятия управленческих решений в сложных системах
- Проектирование структуры и содержания функций программы когнитивного моделирования
- Экономические механизмы регулирования регионального развития
Введение к работе
Актуальность темы исследования
Тенденции модернизации классических теорий региональной экономики посредством их выражения на языке современной математики сопровождается значительным расширением и усложнением применяемого математического аппарата. Сфера эффективного применения математического моделирования ограничивается главным образом возможностями формализации социально-экономических ситуаций и состоянием информационного обеспечения разработанных моделей.
Большие затруднения для продолжения исследований по моделированию создает информационная недостаточность, усилившаяся в переходном периоде: проблемы информации о частном секторе, расширение разнообразных форм теневой экономики, перевод статистики на новую методологию и, как следствие, отсутствие достаточно длинных динамических рядов сопоставимых данных. Непоследовательная экономическая политика, неустойчивый характер экономических процессов, хаотичное изменение "правил игры" выдвигает новые требования к моделированию: оценку кризисных ситуаций, последствий распада прежних экономических связей и т.п. Для формализации подобных ситуаций требуется создание новых теорий, математического и инструментального аппаратов и соответствующих моделей. Необходим инструментарий, подходящий для стратегического планирования и управления региональными социально-экономическими процессами, комплексного анализа условий регионального развития. Однако разнообразные по применяемому математическому аппарату и форме математических зависимостей модели не охватывают различные аспекты функционирования региональной экономики в комплексе. Поэтому актуальной является задача поиска методики (и ее инструментальной реализации) системного анализа регионального развития с учетом возможностей человеко-машинного диалога и проведения комплексных модельных экспериментов.
При изучении регионального развития с позиций системного подхода в круг решаемых задач следует включать идентификацию объекта, исследование связности, сложности, устойчивости, исследование причинно-следственных связей и системной динамики. Решение данных проблем в совокупности позволяет на высоком уровне обоснования оценить последствия принимаемых решений и добиться более эффективного управления.
Степень разработанности проблемы
Большой вклад в развитие теории и практики региональных исследований внесли ученые отечественной школы: И.Г. Александров, Н.Н. Баранский, B.C. Немчинов, Н.Н. Некрасов, А.Е. Пробст, Ю.Г. Саушкин, Я.Г. Фейгин, Р.И. Шнипер и др. Среди иностранных исследователей отметим Дж. Кейнса, Й. Тюнена, А. Вебера, У. Айзарда, А. Леонтьева и др. Теории развития региона опираются на достижения макроэкономики, микроэкономики, институциональной экономики и других направлений современной экономической науки. Наиболее распространенными задачами исследования являются: закономерности, принципы и факторы размещения производительных сил, экономическое районирование, анализ межрегиональных связей, методы планирования и регулирования регионального развития. Эволюция теории региона отражает повышение роли "нематериальных" целей и факторов экономического развития, возможности междисциплинарных знаний и перехода регионов на модель устойчивого развития. В этой связи необходимо отметить роль системного анализа и теории систем. В данной области большой вклад внесли Волкова В.Н., Денисов А.А., Моисеев В.Н., Прангишвили И.В., Гиг Дж., Касти Дж. и Другие.
С методами системного анализа тесно связан когнитивный подход, разработанный психологами (работы Р. Солсо, Т. Куни и др.), под которым понимается решение традиционных для различных наук проблем методами, учитывающими когнитивные аспекты (процессы восприятия, мышления, познания, объяснения и понимания). В настоящее время когнитивное моделирование является основанием программно-методологических разработок отдельных секторов ИЛУ РАН. Это, например, "Интегрированный информационно-аналитический комплекс ситуационного анализа" (труды Качаева СВ., Макаренко Д.И.), ориентированный на реализацию когнитивной технологии стратегического управления развитием сложных социально-экономических объектов в нестабильной внешней среде. Существует также комплекс "ИМПАН", предназначенный для моделирования систем различного назначения с использованием аппарата знаковых орграфов (труды Кульбы В.В., Ковалевского С.С, Кононова Д.А., Чернова И.В., Шелкова А.Б. и др.).
Развитие теории когнитивного моделирования, связанное с использованием информационных технологий, направлено на расширение возможностей существующего математического аппарата, комплексного применения различных методов системного анализа для повышения обоснованности и практической применимости получаемых модельных результатов. С учетом всего вышесказанного, в диссертации определены следующие объект, предмет, цели и задачи исследования.
Объект и предмет исследования
Объект — региональная социально-экономическая система. Предмет — процесс функционирования региональных социально-экономических систем и когнитивные имитационные модели их развития.
Цель и задачи исследования
Цель - разработка на основе когнитивного подхода моделей и программных средств исследования региональных социально-экономических систем и проектирование стратегий их устойчивого развития.
Для достижения поставленной цели необходимо было решить следующие задачи:
- адаптировать методику когнитивного моделирования к исследованию региональных социально-экономических систем, на основе которой разработать программные средства для интеллектуальной системы поддержки управленческих решений;
- разработать программную систему когнитивного моделирования (ПС КМ) социально-экономической системы (идентификация, анализ путей и циклов когнитивной модели, анализ устойчивости системы, сценарный анализ в диалоговом режиме с экспертом) для блоков поддержки управленческих решений в интеллектуальных системах;
- провести с помощью ПС КМ на примере двух регионов (Особая Экономическая Зона в Калининградской области и долина Теннесси - США) их когнитивную структуризацию и имитационное моделирование с целью сопоставления полученных результатов с имевшим место развитием ситуаций и анализа применимости предлагаемого теоретико-инструментального аппарата в формировании моделей эффективного управления регионом;
- провести анализ статистических и экспертных данных по основным социально-экономическим показателям развития республики Адыгея для построения когнитивных моделей, отражающих механизм функционирования экономики республики;
-разработать когнитивные модели региональной социально-экономической системы республики Адыгея и провести когнитивное моделирование для обоснования управленческих решений по эффективному развитию исследуемого объекта.
Теоретико-методологическая основа исследования Для достижения поставленной цели исследования и решения соответствующих задач были использованы: методы макро- и микроэкономики, когнитивное моделирование в сочетании с методами теории графов, теории системного анализа, теории устойчивости, сценарного анализа, методами имитационного моделирования.
В качестве инструментария разработки программных средств была использована система программирования Visual С++6.
Информационно-эмпирическая база исследования
В работе были использованы отчетные материалы министерства социально-экономического развития Республики Адыгея: «Основные показатели, представляемые для разработки прогноза социально-экономического развития Российской Федерации на 2000 г. и на период до 2003 г.», «Государственный доклад об итогах социально-экономического развития республики Адыгея, 2003 г.», «Комплексный доклад государственного комитета по статистике Республики Адыгея и Министерства экономического развития и торговли Республики Адыгея «О социально-экономическом положении РА в 1991-2000 гг.».
Работа выполнена в рамках паспорта специальности 08.00.13 -Математические и инструментальные методы экономики, п. 1.7 «Построение и прикладной экономический анализ экономических и компьютерных моделей национальной экономики и ее секторов», п.2.3. «Разработка систем поддержки принятия решений для рационализации организационных структур и оптимизации управления экономикой на всех уровнях».
Положения, выносимые на защиту:
-адаптированная к условиям региона методика когнитивного моделирования региональных социально-экономических систем, включающая методы построения когнитивных карт, исследования структуры объекта, анализа устойчивости, имитационного моделирования сценариев развития объекта, позволяющая провести разработку программных средств для системы поддержки принятия управленческих решений на основе когнитивного моделирования;
-программная система когнитивного моделирования, включающая модули: создания и корректировки когнитивной модели, импульсного моделирования, анализа устойчивости, структурного анализа. Система позволяет разрабатывать различные сценарии развития социально экономических процессов, определять соответствующие им управленческие решения и выбирать среди них наилучшие;
-когнитивные модели: развития Особой Экономической Зоны в Калининградской области (построена на основании соответствующей федеральной программы); развития долины Теннесси (США), а также результаты исследования на моделях, показавших применимость используемого аппарата знаковых ориентированных графов для имитации региональных социально-экономических процессов и поиска путей воздействия на сложившуюся ситуацию;
-структурированные блоки показателей, индикаторов, факторов, (целевых и управляющих) и их взаимосвязи, позволившие разработать когнитивные модели социально-экономической системы республики Адыгея, предназначенные для проведения структурного анализа и имитационного моделирования развития региональных социально-экономических процессов;
-результаты когнитивного моделирования социально-экономической системы республики Адыгея (построение когнитивных моделей, анализ структуры системы, анализ ее устойчивости, импульсное моделирование), позволившие предложить сценарии развития республики Адыгея; сценарии предусматривают становление на путь устойчивого развития за счет реструктуризации дотационности бюджетной системы, развития производства, помощи федеральных властей.
Научная новизна диссертационного исследования состоит в:
-адаптации к условиям региона методики когнитивного моделирования, отличающейся комплексностью и взаимосвязанностью решаемых проблем, и дающей возможность проводить анализ последствий вырабатываемых управленческих решений;.
-решении (в диалоговом режиме с экспертом) системы взаимосвязанных задач когнитивного моделирования, что отличает разработанную программную систему когнитивного моделирования от существующих программных средств возможностью рассматривать в комплексе системные задачи исследования устойчивости, структурного анализа и имитационного моделирования; это дает возможность генерировать и сравнивать различные управленческие решения и сценарии развития;
-разработке структур блоков показателей, факторов регионального развития, часть из которых была ранее апробирована в качестве элементов различных когнитивных карт, а часть представляет собой цели регионального развития, сформулированные с учетом требований системности. Разработанная структура позволяет совместить представление различных макро - и микропоказателей и соответствующих им инструментов, а также поставленных целей в рамках единой схемы и создать на ее основе когнитивные модели региональной социально-экономической системы республики Адыгея;
-разработке моделей социально-экономической системы республики Адыгея, построенных с помощью адаптированной методики когнитивного моделирования. Модели позволили учесть нечетко постулируемые зависимости и сформировать сценарии, могущие послужить основой разработки программы устойчивого развития региона.
Теоретическая и практическая значимость исследования
Научные положения, выдвинутые в работе, развивают теоретические основы и методологию анализа сложных социально-экономических систем и принятия управленческих решений в условиях воздействия внешней среды. Применение результатов диссертационного исследования способствует решению важной народнохозяйственной задачи: определению условий устойчивого развитию региональной социально-экономической системы за счет выбора и реализации наиболее выгодных сценариев управляющих воздействий. Разработанная в диссертации модель интеллектуальной системы поддержки принятия решений позволяет повысить качество и скорость принимаемых решений, оценивать будущее развитие региональных ситуаций, предупреждать негативные тенденции регионального развития, увеличить уровень информированности ЛПР при принятии решений.
Результаты работы могут быть использованы:
-при проектировании интеллектуальных систем принятия решений в сложных системах на основе имитационного моделирования;
- при построении и анализе когнитивных моделей сложных систем различной природы;
-в региональном анализе при формировании и исследовании системной модели региона;
-при разработке сценариев регионального развития для выработки рекомендаций министерствам и ведомствам, связанных с формированием и реализацией региональной политики.
Результаты работы могут быть также полезны при изучении курсов системного анализа и социально-экономического прогнозирования, а также для исследователей с точки зрения доработки предложенных подходов.
Апробация работы
Научно-методические разработки автора по теме диссертационного исследования прошли апробацию на научных, научно-практических конференциях международного, федерального и регионального уровней. Автор участвовал в пяти международных, региональных и межвузовских конференциях и семинарах с докладами и выступлениями по теме диссертационного исследования.
Результаты диссертации были использованы в научно-исследовательских работах, проведенных в НИЧ ТРТУ. Применение программы позволило проанализировать эффективность разработанных моделей оценки состояния сложного технического объекта и наметить пути реализации данных моделей в распределенных микрокомпьютерных системах мониторинга. Материалы диссертационного исследования вошли в проект № 05_02-02199а РГНФ в 2005г. Исследования автора также были внедрены в практику проведения лекционных, практических и лабораторных занятий на кафедре Государственного и муниципального права и управления Таганрогского государственного радиотехнического университета. Основные результаты исследования опубликованы в 11 работах (авторских 3,79 п.л.).
Структура и объем диссертации
Диссертация состоит из введения, четырех глав, заключения, списка использованных источников (143 наименования) и восьми приложений, содержит 17 таблиц и 52 рисунка. Работа содержит 209 страниц, в том числе основной текст 171 страницу.
Программные средства исследования социально-экономических объектов
Социально-экономические процессы зависят от большого числа факторов, их характеризующих, что обуславливает трудности, связанные с выявлением структуры взаимосвязи изучаемых параметров. Поэтому, чтобы принимать верные решения при управлении или прогнозировании на основании анализа неполной информации (в условиях неопределенности), возникает необходимость в использовании методов многомерного статистического анализа (МСА) для построения моделей, адекватных изучаемым процессам. Методы МСА следуем рассматривать как логическое развитие методов теории вероятностей и математической статистики. Принципиальное отличие состоит в том, что объекты, социальные и экономические явления рассматриваются здесь с учетом не одного-двух, а одновременно некоторого множества признаков.
Методы МСА базируются на представлении исходной информации в многомерном признаковом пространстве и позволяют определить неявные (латентные), но объективно существующие закономерности в организационной структуре и тенденциях развития изучаемых явлений и процессов. В МСА обобщаются методы проверки статистических гипотез, статистического оценивания, дисперсионный, корреляционно-регрессионный и другие разделы математической статистики на многомерный случай. Кроме того, в МСА рассматриваются методы сжатия информации, классификации, снижения размерности исследуемого признакового пространства и отбора наиболее информативных показателей. Многие методы пересекаются, так, например, объединение регрессионного и факторного анализа в одну схему приводит к путевому анализу и далее структурному моделированию.
Широкому внедрению методов анализа данных способствовало появление компьютеров. Основными покупателями статистических пакетов становятся коммерческие организации, правительственные и медицинские учреждения. Методы анализа данных на компьютере на Западе - типичный и общеупотребительный инструмент плановых, аналитических маркетинговых отделов производственных и торговых корпораций, банков, страховых компаний, правительственных и медицинских учреждений.
Современные статистические пакеты можно разбить на: - профессиональные - могут работать с очень большими базами данных и имеют узкоспециализированные методы (SAS, BMDP) (стоимость от 2 до 10 тыс.долл.); - универсальные (или пакеты общего назначения) - близки к профессиональным, но имеют несколько меньшие возможности и доступны по цене (500-1500 долл.) (Statgraphics, SPSS, Statistica, S-PLUS); - специализированные - содержат несколько методов (1-2): анализ временных рядов (Мезозавр, Эвриста, СтатЭксперт, методы классификации (Класс-мастер), контроль качества промышленной продукции и т.д. Наиболее употребительными у нас в стране являются SAS, SPSS, SYSTAT, STATGRAPHICS, STATISTICS
В 1994 году известный математик Лотфи Заде сформулировал принцип "мягких вычислений" - Soft Calculation (терпимость к нечеткости и частичной истинности используемых данных для достижения интерпретируемости, гибкости и низкой стоимости решений). Этот принцип способствовал появлению в середине 90-х годов XX века нового направления а науке - Data Mining (добыча данных), или иначе: интеллектуальный анализ данных. Идеология Data Mining появилась на стыке прикладной статистики, искусственного интеллекта, баз данных и т.д. Классическая математическая статистика оказалась неспособной справиться с обработкой данных. Основные причины - это: предположение вероятностной основы отклонения данных и постулирование закона распределения (обычно нормального).
Методы Data Mining в основном используют идеологию разведочного анализа данных, а также методы, получившие развитие благодаря теории искусственного интеллекта (нейронные сети, деревья решений, эволюционное программирование, когнитивное моделирование, нечеткая логика, фрактальные преобразования и др.) В процедуре Data Minining исследователя не интересуют конкретные формы многомерных зависимостей между переменными. Основное внимание уделяется поиску решений, на основе которых можно было бы строить достоверные прогнозы. Сейчас говорят о когнитивной ( гр. gnosis -знание, учение) революции - смене научной парадигмы, произошедшей в 50-60-е годы XX века, проникающей во все области науки. В когнитологии преобладает содержательный подход к изучению знаний; критерием качества когнитивных теорий является их практическая реализация. Следует отметить, что подобное развитие идей анализа данных косвенно связано с теоремой К. Геделя о неполноте формальной арифметики, доказанной в 1931 году. Таким образом, анализ данных об объекте (системе) должен основываться не на индуктивных положениях, составляющих системы, а на дедуктивных особенностях их взаимодействия, что и предполагается при системном подходе. Значит, в первую очередь анализом данных для принятия решений должен заниматься эксперт - лицо, хорошо знакомое с объектом (системой).
Известно, что понимание и знание экспертов чаще всего носит не количественный, а качественный характер. В связи с этим в настоящее время в работах современных ученых Е.К. Корноушенко, В.М. Максимова, Г.В. Гореловой предлагается применение когнитивного анализа. Рассмотрим различные классы систем интеллектуального анализа данных и проведем сравнение их недостатков и преимуществ.
Предметно-ориентированные системы очень разнообразны. Наиболее широкий подкласс таких систем, получивший распространение в области исследования финансовых рынков, носит название "технический анализ". Он представляет собой совокупность нескольких десятков методов прогноза динамики цен и выбора оптимальной структуры инвестиционного портфеля, основанных на различных эмпирических моделях динамики рынка. Наиболее известные системы анализа фондового рынка, это Metastock и Trade Station. Для оценки рисков и прибыльности бизнес планов, инвестиционных проектов пользуются системой "Бизнес-прогноз". На рынке имеется множество программ этого класса. Как правило, они довольно дешевы (обычно 300-1000 долл.).
Статистические пакеты включают наряду с традиционными статистическими методами также элементы Data Mining, хотя основное внимание в них уделяется все же классическим методикам - корреляционному, регрессионному, факторному анализу и другим. Недостатком систем этого класса считают требование к специальной подготовке пользователя. Есть еще более серьезный принципиальный недостаток статистических пакетов, ограничивающий их применение в Data Mining. Большинство методов, входящих в состав пакетов опираются на статистическую парадигму, в которой главными фигурантами служат усредненные статистические выборки. А эти характеристики при исследовании реальных сложных жизненных феноменов часто являются фиктивными величинами. В качестве примеров наиболее мощных и распространенных статистических пакетов можно назвать SAS, SPSS, STATGRAPHICS, STATISTICA, STADIA и другие. Эти системы довольно дороги - от 1000 до 8000 тыс. долл.
Нейронные сети - это большой класс систем, архитектура которых пытается имитировать построение нервной ткани из нейронов. В одной из наиболее распространенных архитектур, многослойном персептроне с обратным распространением ошибки, эмулируется работа нейронов в составе иерархической сети, где каждый нейрон более высокого уровня соединен своими выходами с выходами нейронов нижележащего слоя. На нейроны самого нижнего слоя подаются значения входных параметров, на основе которых нужно принимать какие-то решения, прогнозировать развитие ситуации и т.д. Эти значения рассматриваются как сигналы, передающиеся в вышележащий слой, ослабляясь или усиливаясь в зависимости от числовых значений (весов), приписываемых межнейронным связям.
Интеллектуальные системы поддержки принятия управленческих решений в сложных системах
Необходимость управления ситуациями в сложных социально-экономических системах привела к созданию систем поддержки управленческих решений для решения комплексных проблем, связанных с процессом [2, 9, 28, 32, 53, 54, 47, 56, 58, 59, 61, 72, 75, 100, 105, 48, 60, 83, 87, 86, 29]. Компьютерное моделирование процесса принятия решений сегодня становится центральным направлением деятельности лица принимающего решение (ЛИР). Все больше проявляется потребность в системах, не только представляющих информацию, но и выполняющих некоторый ее предварительный анализ, способных давать некоторые советы и рекомендации, осуществлять прогнозирование развития ситуаций, отбирать наиболее перспективные альтернативы решений, то есть поддерживать решения ЛПР, взяв на себя значительную часть рутинных операций, а также функции предварительного анализа и оценок.
Интеллектуальные системы поддержки решений (ИСПР) связывают интеллектуальные ресурсы управленца со способностями и возможностями компьютера для улучшения качества решений. Эти системы предназначены для менеджеров, принимающих управленческие решения в условиях полуструктурированных и слабо определенных задач.
Интеллектуальные системы поддержки решений позволяют: . преодолевать сложности управления, когда приходится делать выбор из множества решений; организовать большие объемы информации и уменьшить информацию до того уровня, который необходим для принятия решений; сохранять и распространять знания опытных экспертов, полученных ими в процессе многолетней работы и большого практического опыта.
Исторически разработки в области искусственного интеллекта велись в двух основных направлениях, связанных: с попытками разработки интеллектуальных машин путем моделирования их биологического прототипа - человеческого мозга; с разработками методов, приемов, специализированных устройств и программ для компьютеров, обеспечивающих решение сложных математических и логических задач, позволяющих автоматизировать интеллектуальные действия человека (экспертные системы, прикладные интеллектуальные системы) (см. рисунок 1.4) [2].
При моделировании сложных социально-экономических систем интерес представляет второе направление - прикладные интеллектуальные системы.
В современных ИСПР выделяется 5 основных взаимодействующих компонент:- языковая подсистема (механизм обеспечения связи между пользователем и другими компонентами ИСПР), информационной подсистемы (хранилище данных и средств их обработки), подсистемы управления знаниями (хранилище знаний о предметной области), подсистемы моделей (хранилище моделей, средств управления моделированием) и подсистемы обработки и решения задач (см. рисунок 1.5) [2].
Ключевую роль в структуре ИСПР играет подсистема управления знаниями. Этот компонент обеспечивает экспертизу решений задач и определяет действие других составных частей ИСПР. Задача подсистемы управления знаниями - проанализировать знания с целью сделать их понятными и применимыми для решения задачи или принятия решений. В современных интеллектуальных системах при обработке знаний преследуется цель создания нового стиля обработки на основе когнитивных человеко-машинных отношений. Здесь необходим анализ поведения человека при решении проблем и выявление частей процесса решения, которые можно автоматизировать средствами обработки знаний.
Интенсивное количественное и качественное развитие информационных и компьютерных технологий, проявление новых когнитивных концепций, позволяет говорить о возможности практической реализации альтернативных методов и подходов к обработке знаний.
К компьютерным системам поддержки управленческих решений относятся: автоматизированные информационные системы (EIS - executive information system); системы поддержки решений (DSS - decision support system); экспертные системы (ES - expert system).
Практика применения перечисленных инструментов связана с необходимостью решения трех типов задач в процессе принятия решений: хорошо структурированных (1); полу структурированных (2); неструктурированных (3).
Решение задач первого типа связано с применением EIS на основе четко определенных алгоритмов, непосредственно решающих поставленные задачи для информационного обеспечения руководства данными, способствующими принятию целесообразных решений, а также в результате реализации аналитических моделей, имеющих точное математическое описание.
DSS предназначены для оказания помощи руководству при принятии решений в условиях недостаточно структурированных задач, которые невозможно полностью специфицировать. Характерная особенность DSS заключается в интерактивном характере обращения к ней и ее способностях адаптироваться к требованиям обстановки. Как правило, применение DSS связано с использованием баз данных, наполненных необходимой для принятия решений информацией.
Проектирование структуры и содержания функций программы когнитивного моделирования
Важнейшим свойством современных компьютерных программ является их структурированность, то есть наличие установленных связей и отношений между элементами программы, а также распределение элементов по уровням иерархии [3, 4, 12, 15, 16, 19,41,44,51,82,108, 113].
В качестве основы для построения структуры моделей программы используем структуру задач комплексной методики когнитивного моделирования (см. рисунок 2.4); здесь каждая задача разбивается на ряд подзадач. Аналогичным образом укрупненная функциональная часть программы (модуль) может быть представлена набором более детализированных модулей (см. рисунок 2.5). Взаимосвязи между укрупненными модулями и схема потоков входных и выходных данных представлена на рисунке 2.6.
Разработка требований к программной системе — это этап, на котором определяются цель разработки, пользователи программы, требования к вычислительным ресурсам. Кроме того, на этом этапе дается описание основных функций программы, обеспечивающих решение поставленных задач.
Цель разработки программной системы - получить инструментарий, позволяющий строить когнитивные модели социально-экономических систем, проверять их адекватность, проводить анализ динамических и структурных свойств построенных моделей, прогнозировать развитие ситуаций и формировать программы управляющих воздействий.
Для полного определения целей необходимо выяснить группы пользователей ПС. Первая группа пользователей - это специалисты в предметной области, аналитики возникающих ситуаций. Группа этих пользователей имеет представления о структуре так называемых базисных знаний в исследуемой системе, это экономические законы и законы природы, которые не должны противоречить закладываемым в когнитивные модели знаниям. Их задача - максимально подробно описать на естественном языке существующую проблему и помочь инженерам по знаниям построить непротиворечивые, адекватные реальной действительности когнитивные модели. Вторая группа пользователей - инженеры по знаниям (инженеры-когнитологи), для которых характерен упрощенный, технологический подход к знаниям. Инженеры по знаниям являются специалистами в области системного анализа и построения систем. Их задача состоит в том, чтобы выделить и связать между собой основные базисные факторы во взаимодействии со специалистами в исследуемой предметной области. Эта задача становится эффективно реализуемой при использовании технологии гипертекстовых ссылок. В результате машинной обработки гипертекста формируется когнитивная модель анализируемой ситуации. Далее инженер-когнитолог проводит когнитивный анализ региональной ситуации.
Третья группа пользователей - это непосредственные заказчики исследований, лица принимающие решения. Эти пользователи являются потребителями информации, которую получили инженеры-когнитологи вместе со специалистами по предметной области в результате работы с ПС. От третьей группы пользователей зависит, будет ли полученная информация полезно использована, если она оценивается ими как достоверная, полная и непротиворечивая или же останется невостребованной. Именно специалисты, непосредственно связанные с принятием решений могут в полной мере оценить свойства полученной информации и решить, учитывать ее или нет при принятии управленческих решений.
Система должна быть в состоянии проводить анализ моделей, количество вершин, в которых может достигать 100 и более. Как показывает опыт, большое количество вершин сильно затрудняет анализ, как по времени работы алгоритмов, так и в плане восприятия пользователем структуры модели. Поэтому при разработке социально-экономических моделей, основанных на когнитивном подходе разумно включать в модель до 30 вершин, а при необходимости создавать объединенные по некоторым признакам группы вершин - блоки, и рассматривать каждый блок как одну вершину.
Система также должна позволять объединять несколько блоков вершин в одну большую модель, что позволит при необходимости обобщить знания нескольких групп экспертов.
Используемые алгоритмы и вычислительные ресурсы должны быть настолько эффективны, чтобы в течение 1-2 секунд закончить свою работу с когнитивной моделью, состоящей примерно из 10 вершин, каждая из которых смежная с 3-4 остальными вершинами. Модель с такой структурой с одной стороны не очень сложна, а с другой стороны может вполне решать задачу укрупненного представления исследуемой системы управления и более или менее детализированного представления ее подсистем. Программная система должна работать в среде Windows 95 и выше. Уверенная работа программы возможна при условии, если конфигурация технических средств компьютера не хуже чем следующая: 16 Mb оперативной памяти, 66 MHz скорость процессора, 10 Mb свободной памяти на жестком диске. Определен следующий состав функций программы. 1. Функция создания и корректировки когнитивной карты. Для реализации необходимо: задать вершины графа, представляющие собой элементы когнитивной карты; задать дуги графа, представляющие собой отношения между элементами когнитивной карты; задать текущие значения параметров вершин графа; представить и отобразить на экране дисплея созданный ориентированный граф; сохранить данные построенного графа в файле на жестком диске для последующего использования построенной когнитивной карты. 2. Функция импульсного моделирования. Для реализации необходимо: открыть для работы файл данных когнитивной модели; задать текущие импульсы в вершинах; задать количество шагов моделирования; провести расчеты импульсного моделирования по заданным входным данным; выбрать вершины, изменения которых будут отображаться на графике при моделировании; отобразить на графике результаты моделирования; сохранить результаты моделирования. 3. Функция анализа устойчивости модели. Для реализации функции необходимо: открыть для работы файл данных когнитивной модели; произвести расчет собственных чисел матрицы взаимосвязей вершин когнитивной модели; произвести отображение найденных собственных чисел на экране дисплея; сохранить найденные собственные числа в текстовый файл для последующей распечатки и анализа.
Экономические механизмы регулирования регионального развития
Механизмы регулирования регионального развития должны быть направлены на реализацию целей осуществляемой региональной политики. "Региональная политика государства - сфера деятельности по управлению экономическим, социальным и политическим развитием страны в пространственном. региональном аспекте, то есть связанная с взаимоотношениями между государством и районами, а также районов между собой." [Алаев Э.Б. Социально-экономическая география: Понятийно-терминологический словарь. С. 189-190.] В настоящее время в России главным экономическим механизмом государственного регионального развития является бюджетная система. Бюджетная система эволюционирует в направлении достижения большей автономности, самообеспеченности и бездефицитности бюджетов разных уровней. Подавляющая часть всех расходов бюджетов субъектов федерации используется для нужд экономики и населения соответствующих регионов. В структуре расходов этих бюджетов первое место занимают социально-культурные мероприятия, далее государственная поддержка отраслей народного хозяйства. Экономические цели региональной политики включают оживление производства в депрессивных регионах, повышение конкурентоспособности регионального производства и т.д.
Инструменты регионального регулирования можно разделить на две группы: общеэкономические регуляторы (макроинструменты), воздействующие на поведение многих экономических субъектов на определенных территориях; регуляторы адресного воздействия (микроинструменты).
Цель применения макроинструментов - поднять конкурентоспособность определенных регионов на национальном и внешнем рынках. Для стимулирования экономического роста или поддержки проблемных регионов устанавливаются пониженные ставки налогов на предпринимательство, льготные кредитные ставки, льготные транспортные тарифы (см. рисунок 3.4) [31]. В большинстве стран состав и параметры макроинструментов довольно часто пересматриваются в соответствии с изменениями макроэкономической политики и финансовыми возможностями государства. Усиление в национальной экономической политике духа свободной рыночной конкуренции сопровождается сокращением рыночных льгот, а усиление приоритетов социальной справедливости способствует более активному использованию региональных макрорегуляторов.
Огромные различия российских регионов создают объективную основу для региональной дифференциации макроэкономических регуляторов в целях компенсации неблагоприятных региональных факторов и стимулирования использования благоприятных факторов.
Принципы когнитивного моделирования успешно используются при создании моделей, учитывающих макроинструменты региональной экономики (макромодели). В ИПУ РАН были разработаны и исследованы макроэкономические модели регионов различных типов с использованием знаковых орграфов, которые являются когнитивными картами [59]. Среди них модель дотационного региона, включающая следующие макроэкономические регуляторы: инвестиции, объем денежной массы, социальные программы, налоговые ставки (инвестиционная, ценовая социальная и налоговая политика государства) (см. рисунок 3.5). Данная модель содержит ряд допущений:
Предполагается, что экономическая система достигла налогового насыщения и дальнейшее повышение налоговых ставок способно разве лишь уменьшить поступления в бюджет и увеличить объем теневого сектора экономики, выводя ряд легальных производств за пределы официальной системы налогообложения.
Предполагается жесткая бюджетная политика, то есть принимается допущение о том, что в краткосрочном периоде существует альтернатива между расходами на инвестиционные цели и на социальные программы: рост социальных расходов уменьшает инвестиции.
В экономической системе заложена возможность, как инфляции спроса, так и инфляции издержек: рост издержек производства и рост объема денежной массы повышают уровень цен, который, в свою очередь, увеличивает объем денежной массы. Кроме того, возрастание физических объемов производства не влечет за собой автоматического снижения уровня цен, поэтому предполагается наличие так называемого эффекта храповика: однажды достигнутый уровень цен не снижается сам собой до прежнего состояния, поэтому общее повышение цен происходит намного легче, чем их снижение.
Технологический прогресс предполагается затратным, увеличивающим издержки производства. Параметр макроэкономического риска включает в себя совокупность качеств экономической системы, которые можно охарактеризовать как неустойчивость, нестабильность, неуправляемость, разбалансированность макроэкономической динамики, снижение уровня технико-экономической и социально-экономической безопасности, вероятность возникновения чрезвычайных ситуаций в экономике. Предполагается, что уровень макроэкономического риска растет с уменьшением объемов производства, производительности труда, величины бюджета, снижением уровня жизни и ростом издержек производства.
Результаты, полученные с помощью макромодели, согласуются с утверждением о необходимости государственной поддержки отсталых регионов. При формировании управляющих воздействий предполагалось, что государственная власть способна в известных пределах оказывать прямое влияние на величину инвестиций, расходов на социальные программы, объем денежной массы и уровень налоговых ставок.
Имитационное моделирование последствий развития кризисных процессов в сфере производства (начальный импульс минус 1 в вершине "VI. Физический объем производства") показало ухудшение уровня жизни населения и состояния регионального бюджета. Одновременная поддержка населения региона в виде социальных программ (импульс плюс 1 в вершине "VI0. Социальные программы") позволила временно стабилизировать ситуацию, после чего развитие кризисных процессов в производстве и падение уровня жизни населения продолжилось (см. рисунок 3.6).
Для выхода из кризиса и сохранения устойчивости социально-экономического развития можно применить непосредственное воздействие на деятельность субъектов региональной экономики, то есть использовать микрорегуляторы.
