Содержание к диссертации
Введение
Глава 1. Анализ работ в области теории и методов много- агентных систем и многокритериального принятия решений 8
1.1. Основы теории агентов 8
1.2. История развития агентно - ориентированного подхода 11
1.3. Общая классификация агентов 15
1.4. Интерпретация искусственных агентов 20
1.5. Архитектуры агентов 22
1.6. Многоагентные системы 33
1.7. Анализ методов принятия решений в экономике 35
Выводы по главе 1 43
Глава 2 Разработка многоагентной системы для поддержки процессов принятия решений в экономике и управ лении 44
2.1. Структура и алгоритмы функционирования многоагентной системы 44
2.2. Математический аппарат для обработки экспертных знаний многоагентной системы поддержки процессов принятия решений 52
Выводы по главе 2 61
Глава 3. Разработка иерархической и сетевой моделей для анализа проблемы вступления России во Всемирную торговую организацию (ВТО) средствами много агентной системы 63
3.1. Иерархическая модель для анализа проблемы о целесообразности вступления России в ВТО 63
3.2. Сетевая модель для анализа проблемы о наиболее благоприятных для России сроков вступления в ВТО 69
Выводы по главе 3 35
Общие выводы по диссертации 86
Список литературы
- История развития агентно - ориентированного подхода
- Интерпретация искусственных агентов
- Математический аппарат для обработки экспертных знаний многоагентной системы поддержки процессов принятия решений
- Сетевая модель для анализа проблемы о наиболее благоприятных для России сроков вступления в ВТО
Введение к работе
Актуальность работы. Современные рыночные отношения требуют постоянного улучшения качества продукции и снижения ее стоимости в быстроменяющихся условиях. В связи с этим, компаниям приходится изменять свой привычный образ и вводить новые стратегические цели и средства. Для разработки новых направлений деятельности привлекаются сторонние специалисты: маркетологи, специалисты по реинженирингу бизнес-процессов и др. Каждый из таких специалистов пользуется собственным инструментарием при разработке проектов. В результате остро встает проблема оценки качества проектов. Для их оценки привлекаются эксперты, специализирующиеся в различных проблемных областях. Управление этими процессами осуществляется с помощью компьютерных систем поддержки принятия решений (СППР). Широкое использование СППР в экономике и менеджменте сдерживается в настоящее время по следующим причинам: во-первых, предприятиям слишком дорого иметь в штате несколько квалифицированных программистов; во-вторых, сторонним программистам требуется много времени для понимания проблемной области, и они, как правило, недостаточно быстро реагируют на изменения в бизнес-процессах; в-третьих, дополнительные трудности создает привлечение к процессу принятия решений специалистов, территориально удаленных от предприятия или от аналитического центра, где принимается окончательное решение.
Вследствие этого возникает актуальная проблема предоставления предприятиям и аналитическим центрам инструментария для проведения качественной оценки сложных решений и проектов, основанного на много-агентной технологии и обеспечивающего интеллектуальную поддержку системы управления.
Степень разработанности проблемы. В числе пионерских достижений в области моделирования агентов и коллективов агентов можно назвать результаты Н.А. Амосова, М.М. Бонгарда, В.А. Лефевра, Э.В. Попова, Д.А.
4 Поспелова, В.Л. Стефанюка, В.Б. Тарасовой, В.Л. Цетлина и других видных советских и российских ученых.
Многие идеи синергетического толка, представления об агентах, мно-гоагентных системах, механизмов их взаимодействия, поведения и эволюции тесно связаны с работами знаменитых отечественных философов А.А. Богданова, Н.О. Лоского, П.С. Флоренского, физиолога П.К. Анахина, психологов В.М. Бехтерева, Л.С. Выготского, А.Н. Леонтьева, лингвиста Ю.М. Лотмана.
Предшественниками исследований по искусственной жизни были выдающиеся ученые в области математики и кибернетики А.Н. Колмогоров и А.А. Ляпунов.
Разработкой многокритериальных методов принятия экономических решений занимались известные зарубежные ученые Р. Беллман, Л. Заде, Р.Л. Кини, О. Моргенштерн, Дж. Фон Нейман, Э. Парето, X. Райфа, Б. Руа, Т. Саати, А.Сало, П. Фишберн, Р. Хамалайнен и др.
Среди российских ученых значительный вклад в исследование данной проблемы внесли Н.М. Абдикиев, А.В. Андрейчиков, О.Н. Андрейчикова, Т.П. Барановская, Л.С. Беляев, А.Н. Борисов, Е.П. Бочаров, А.А. Емельянов, О.А. Крумберг, О.И. Ларичев, Е.М. Мошкович, А.О. Недосекин, Д.А. Поспелов, А.В. Смирнов, Н.Г. Ярушкина и другие.
В то же время, проблема многокритериального выбора рациональных инвестиционных решений и создания инструментальных средств для построения многоагентных систем требует своего дальнейшего разрешения.
Цель и задачи исследования. Целью диссертационного исследования является разработка многоагентной системы для поддержки процессов принятия решений в экономике и управлении.
Для достижения поставленной цели необходимо решить следующие задачи:
- проанализировать существующие подходы, методы и программные средства, используемые в настоящее время для построения многоагентных систем;
проанализировать и обосновать целесообразность использования в качестве математического ядра разрабатываемой многоагентной системы методов анализа иерархий и аналитических сетей;
определить для системы поддержки принятия решений типы агентов и их основные функции;
разработать интеллектуальную многоагентную систему для поддержки процессов принятия решений в экономике и управлении;
разработать иерархическую и сетевую модели для принятия сложных экономических решений, предполагающие сбор информации от многих разнопрофильных экспертов;
провести апробацию разработанной многоагентной системы на примере анализа ситуации о вступлении России во Всемирную торговую организацию (ВТО).
Объектом исследования являются предприятия и аналитические центры, исследующие сложные экономические и организационные системы с целью выработки обоснованных рациональных решений.
Предметом исследования являются сложные плохо формализуемые экономические процессы, связанные с многофакторным принятием решений, которые требуют привлечения большого числа экспертов из различных предметных областей.
Методологической и теоретической основой диссертации послужили труды российских и зарубежных ученых - специалистов по проблемам интеллектуальных многоагентных систем и многокритериального принятия решений. Для решения поставленных задач использовались методы проектирования интеллектуальных многоагентных систем, многокритериальные методы теории принятия решений.
Основные положения диссертации, выносимые на защиту:
1) Структура агентов, входящих в состав многоагентной системы подразумевает наличие руководителя, группы экспертов и аналитика (функции которого может исполнять руководитель). Они выполняют следующие функ-
ции: руководитель формирует набор показателей (критериев), которые будут использоваться для оценки проектов (решений); подбирает состав группы экспертов; составляет персональный календарь, в соответствии с которым эксперты выполняют свои задания; каждый эксперт работает по индивидуальному сценарию, предложенному руководителем; аналитик высказывает свое мнение о результатах проведенной экспертами работы.
2) Алгоритм разработанной многоагентной системы поддержки про
цессов принятия экономических решений имеет следующий вид. Для коор
динации работы коллектива экспертов используется двухуровневый меха
низм согласования. Каждый из экспертов представлен агентом, в задачу
которого входит оценка предлагаемых руководителем альтернатив по задан
ному набору показателей качества. С помощью редактора знаний руководи
тель формирует задания экспертам и проводит анализ полученной от них ин
формации. Задача координации поведения агентов возложена на агента-
координатора. Результатом работы системы являются согласованные экс
пертные оценки, на основании которых производится многокритериальное
ранжирование альтернатив.
3) Алгоритм взаимодействия агентов в многокритериальной системе
для ранжирования факторов и альтернатив, характеризующих исследуемую
экономическую систему, представленную иерархией или аналитической се
тью, имеет следующий вид. Руководитель, оперируя справочниками, содер
жащими показатели, их значения, знаниями об экспертах, заданиями и реше
ниями, которые необходимо рассмотреть, формирует задания. Агент-
координатор получает входящее сообщение о готовности, определяет, какие
изменения необходимо сделать в базах на локальном уровне, и при помощи
встроенного набора функций готовит информацию для агента-эксперта. Экс
перт входит в систему и его агент проверяет, какие задания ему назначены на
выполнение, ассоциируя их с экранными формами. Когда эксперт отобрал
задания в данной экранной форме и сигнализировал, что готов представить
результаты, состояние его задания на локальном уровне увеличивается на
единицу. Посылается соответствующее сообщение координатору, который
анализирует, пришли ли подобные сообщения о готовности от всех осталь
ных членов группы. Если нет - ожидается готовность остальных. Когда име-
7 ется подтверждение состояния готовности от всех участников рабочей группы, состояние всего задания изменяется на единицу.
После этапа вынесения мнений каждым экспертом следует этап согласования, началом которого является передача сообщения от агента-координатора, агенту руководителя. На этом этапе в зависимости от типа контроля согласования задание либо останавливается, чтобы руководитель мог проанализировать, стоит ли продвинуть задание дальше или отодвинуть его на шаг назад, либо происходит автоматическая проверка согласованности. Соответствующее решение посылается агенту-координатору, который, отслеживая данное решение руководителя, либо отодвигает задание на единицу дальше, либо возвращает экспертов на предыдущий этап.
Метод анализа иерархий позволяет выявить локальные приоритеты альтернатив для различных акторов, влияющих на принятие решения и глобальный вектор приоритетов, определяющий наиболее перспективную альтернативу. При этом имеется возможность получить и проанализировать положительные и отрицательные аспекты возможных альтернативных решений, получаемые с использованием различных мультипликативных и аддитивных способов обобщения приоритетов.
Метод аналитических сетей позволяет работать с плохо формализуемыми, многокритериальными проблемами с взаимным влиянием критериев и альтернатив. Элементы задачи в данном подходе объединяются в кластеры, между которыми возможны произвольные связи. Формирование кластеров и связей между ними является неформальной процедурой и осуществляется на основе конкретных знаний о специфике решаемой задачи. Объединение элементов в кластеры позволяет снизить размерность задачи и улучшить согласованность суждений. Важным моментом в методе анализа сетей является формулирование главной цели задачи и вопросов, которые следует задать экспертам при заполнении матриц парных сравнений.
Прогнозные оценки наиболее благоприятных сроков вступления России в ВТО: на основании проведенного математического моделирования получены результаты, показывающие о целесообразности вступления России во Всемирную торговую организацию в период с 2008 по 2013 годы.
8 Научная новизна работы:
Разработана многоагентная система компьютерной поддержки процессов принятия экономических решений и предложен авторский вариант ее программной реализации, математическое ядро которой составляют многокритериальные методы анализа иерархий и аналитических сетей. В отличие от существующих методик построения многоагентных систем, алгоритм, предложенный диссертантом, позволяет использовать современные математические методы и компьютерные технологии для автоматизации процессов принятия решений;
Разработана структура агентов, обеспечивающих обработку информации в процессе принятия экономических решений, представляющая собой взаимосвязь агента-руководителя с агентами-экспертами через агента-координатора. Такая схема позволяет использовать множество квалифицированных специалистов для решения конкретных сегментов задачи. Каждый из агентов имеет свой набор функций, определенный его ролью в системе;
Разработан алгоритм взаимодействия территориально удаленных искусственных агентов, выполняющий ранжирование факторов и альтернатив исследуемой экономической системы, описанной в виде иерархической или сетевой модели. Алгоритм основан на взаимодействии агентов системы друг с другом посредством Интернет-технологий, согласовании их мнений и позволяет разбивать все задание на подзадачи, которые следует решить в данный момент данной группе экспертов. Проверка готовности всего задания определяется через готовность предлагаемых экспертных оценок, после чего проверяется их согласованность и осуществляется переход к следующему шагу задачи;
Разработаны иерархическая и сетевая модели, описания задачи обоснования целесообразности и более благоприятных моментов времени для вступления России в ВТО. Модели позволяют описать решаемую проблему с различных сторон, учесть интересы всех акторов, влияющих на принятие решения о данном вступлении, всесторонне рассмотреть критерии и альтернативы данного решения. Использование современных математических методов позволяет говорить о достоверности полученных результатов.
9 Теоретическая и практическая значимость работы.
Теоретическая значимость работы состоит в разработке новых подходов по созданию интеллектуальных многоагентных систем для поддержки процессов многокритериального принятия решений в экономике и управлении.
Практическая значимость работы состоит в создании конкретного варианта инструментального средства, выполненного в виде многоагентной системы поддержки принятия решений, математическое ядро которой создано на основе методов анализа иерархий и аналитических сетей.
Апробация результатов исследования. Основные положения и результаты работы докладывались и обсуждались на научных конференциях Волгоградского государственного технического университета в 2005, 2006 и 2007 г.г. По теме диссертации опубликовано 5 работ, общим объемом 8,0 печатных листов, (в том числе 6,4 п.л. авторских). Исследование проводилось в рамках проектов РФФИ № 04-07-96502 «Разработка системы, основанной на знаниях, для принятия стратегических социально-экономических, технологических и политических решений в условиях неопределенности» и РГНФ № 05-02-20201.
История развития агентно - ориентированного подхода
Под агентом понимается лицо или организация, наделенное юридическими полномочиями представлять другое лицо или организацию и вести их дела. Из этого определения понятна важная роль агентов в современных науках как промежуточного звена между субъектом и объектом (рис. 1.1). Если двигаться от субъектного полюса, то агент может пониматься как «квазисубъект», способный в некотором смысле замещать другого субъекта (своего «хозяина»), имеющий определенные обязательства перед ним и действующий по его поручению. Напротив, при движении от объектного полюса агентом считается «активный объект» или метаобъект, способный манипулировать другими объектами, а в более широком смысле, формировать собственные программы действий, которые вызваны некоторыми потребностями и направлены на достижение определенных целей.
Любой агент представляет собой открытую систему, помещенную в некоторую среду, причем эта система обладает собственным поведением, удовлетворяющим некоторым экстремальным принципам. Таким образом, агент считается способным воспринимать информацию из внешней среды с ограниченным разрешением, обрабатывать ее на основе собственных ресурсов, взаимодействовать с другими агентами и действовать на среду в течение некоторого времени, преследуя свои собственные цели.
При построении искусственного агента минимальный набор базовых характеристик включает такие свойства как: а) активность, способность к организации и реализации действий; б) реактивность, способность воспринимать состояние среды; в) автономность, относительная независимость от окружающей среды или наличие некоторой «свободы воли», обусловливающей собственное поведение, которое должно иметь хорошее ресурсное обеспечение; г) общительность, вытекающая из необходимости решать свои задачи совместно с другими агентами и обеспечиваемая развитыми протоколами коммуникации; д) целенаправленность, предполагающая наличие собственных источников мотивации, а в более широком плане, особых ин-тенциональных характеристик.
Необходимыми условиями реализации искусственным агентом некоторого поведения выступают специальные устройства, непосредственно воспринимающие воздействия внешней среды (рецепторы) и исполнительные органы, воздействующие на среду (эффекторы), а также процессор - блок переработки информации и память. Под памятью здесь понимается способность агента хранить информацию о своем.состоянии и состоянии среды. Таким образом, исходное представление о простейшем агенте сводится к хорошо известной модели «организм-среда», приведенной в книге [18] (рис. 1.2). Изложим вкратце эту обобщенную модель, а затем раскроем ее в ходе анализа весьма характерного класса искусственных агентов - интегральных роботов.
Рецепторы образуют систему восприятия агента, обеспечивая прием и первичную обработку информации, которая поступает к нему из среды (как внешней, так и внутренней), а затем отправляется в память. Система восприятия может контролировать действия путем определения различий между те кущими и ожидаемыми состояниями. В памяти агента должны иметься сведения о типовых реакциях на информационные сигналы от рецепторов, а также информация о состоянии эффекторов и о располагаемых ресурсах. Кроме того, в памяти должны храниться программы переработки входной информации в управляющие сигналы, подаваемые на эффекторы, и обязательно результаты реакций на ту или иную внешнюю ситуацию.
Блок памяти обычно включает три основных компонента: систему фильтров, обеспечивающих выделение наиболее значимой для агента информации, а также внутреннюю модель внешнего мира и модель самого агента. В конечном счете, именно объем памяти, количество и разнообразие хранимых в ней знаний и программ, степень развития внутренней модели внешнего мира и возможности рефлексии определяют сложность и характер поведения агента, уровень его автономности и интеллектуальности.
Процессор (система процессоров) обеспечивает объединение и переработку разнородных данных, выработку соответствующих реакций на информацию о состоянии среды, принятие решений о выполнении тех или иных действий. Выбор соответствующих действий при заданных ограничениях -одна из ключевых способностей любых агентов.
Интерпретация искусственных агентов
Еще одна пара взаимосвязанных критериев классификации опирается на дихотомии «сосредоточенное - распределенное» и «неподвижное - подвижное». Примером неподвижного агента служит промышленный манипуляционный робот, а примером мобильного - программный поисковый агент, мигрирующий по компьютерной сети в целях отыскания нужной информации. Подчас мобильные софтботы (моботы) трактуются как распределенные, чисто коммуникативные агенты, которые не имеют собственных средств восприятия и осуществления действий (поэтому они не манипулируют никакими объектами), а лишь используют располагаемые ресурсы для коммуникации с другими агентами и миграции по сети в поисках релевантных данных и процедур. Наоборот, точно локализованные агенты в некотором смысле противоположны коммуникатив ным: они не могут двигаться по сети и обычно не обладают способностью к представлению среды, а их общение с другими агентами происходит не напрямую, а косвенно, через механизмы восприятия и действия.
Важным основанием для классификации служит наличие (отсутствие) у агентов характеристик обучаемости или адаптивности. У обучаемых агентов поведение основано на предыдущем опыте.
Общая классификация агентов представлена на рисунке 1.5.
Строить классификацию агентов и выбирать соответствующие формальные средства их описания можно с помощью тройки критериев: тип среды, уровень «свободы воли» и уровень развития социальных отношений. Так для простейших замкнутых сред достаточно агентов автоматного уровня сложности (модели коллективного поведения автоматов), а в случае более сложных замкнутых сред имеем дело с агентами, основанными на конечных наборах правил и сценариев их применения (например, нечеткие регуляторы). Агенты, основанные на правилах, активно используются в компьютерных сетях, работая в рамках «клиент - серверного» подхода.
Типология агентов тесно связана с классической проблемой взаимодействия «субъект-объект». Тогда классификацию агентов (рис. 1.6) можно построить по следующим двум признакам: а) степень развития внутреннего представления внешнего мира и б) способ поведения.
По первому признаку, выделяются интеллектуальные (когнитивные, рассуждающие, коммуникативные, ресурсные) и реактивные агенты. Когнитивные агенты обладают хорошо развитой и пополняемой символьной моделью внешнего мира, что достигается благодаря наличию у них базы знаний, механизмов решения и анализа действий.
В то же время реактивные агенты не имеют ни сколько-нибудь развитого представления внешней среды, ни механизма многошаговых рассуждений, ни достаточного количества собственных ресурсов. Отсюда вытекает еще одно существенное различие между интеллектуальными и реактивными агентами, связанное с возможностями прогнозирования изменений внешней среды и, как следствие, своего будущего. В силу вышеуказанных недостатков реактивные агенты обладают очень ограниченным диапазоном предвидения. Результаты сравнительного анализа реактивных и когнитивных агентов представлены в таблице 1.1.
Ниже, в таблице 1.2. представлен другой вариант классификации агентов по двум критериям отношение к себе и отношение к другим агентам. Здесь рассматриваются три вида отношений: хорошее (+), плохое (-) и нейтральное или безразличное (0). Для получения исходной типологии будем считать (это довольно грубое допущение), что классифицируемый агент одинаково относится ко всем прочим агентам.
Наконец, еще один вариант классификации, где дополнительно к биологическому и психологическому уровням агентообразования вводится социальный и используются аналогии с триадой «растение-животное-человек». Агенты, подобные растениям, характеризуются реактивностью, выполнением стереотипных программ и посылкой сообщений другим агентам и в среду. Агенты, подобные животным, интенциональны, способны выбирать цели, строить планы действий и обеспечивать их выполнение. Они координируют свои действия, обмениваясь информацией об индивидуальных предпочтениях или задачах. Наконец, гуманоидные агенты, обладая внутренними моделями других агентов (и способностью к рефлексии), характеризуются социальным (ролевым) поведением. Сложность внутренних моделей зависит от уровня знаний и опыта гуманоидного агента.
Математический аппарат для обработки экспертных знаний многоагентной системы поддержки процессов принятия решений
В качестве математического ядра для обработки знаний экспертов в разработанной многоагентной системе принятия решений используются методы анализа иерархий и аналитических сетей.
Метод анализа иерархий (МАИ). МАИ основан на представлении знаний экспертов в виде иерархии целей, факторов, действующих сил (акторов), критериев, подкритериев и альтернатив. Предпочтения экспертов выявляются с помощью процедуры парных сравнений элементов иерархии нижележащих уровней относительно связанных с ними элементов более высокого уровня. Для измерения степени предпочтительности используется шкала отношений, приведенная в таблице 2.1.
Для каждой матрицы парных сравнений А вычисляется главный правый собственный вектор w, который интерпретируется как вектор приоритетов сравниваемых объектов. Главный правый собственный вектор матрицы А находится из уравнения Aw = Xm w, где ) - максимальное собственное значение матрицы А.
Для положительной квадратной матрицы А правый собственный вектор w, соответствующий максимальному собственному значению А , с точностью до постоянного сомножителя С можно вычислить по формуле где є = {1,1,..., 1} - единичный вектор; k = 1,2,3,... - показатель степени; С - константа; Т - знак транспонирования. Вычисления собственного вектора w по выражению (2.1) производится до достижения заданной точности: ет -и/1+1) Г, где 1 - номер итерации, такой, что 1=1 соответствует к=1; 1=2, к=2; 1=3, к=4 и т.д.; - допустимая погрешность (=0.01).
Максимальное собственное значение вычисляется по формуле: Хгоах = ЄТАИ . Однородность суждений эксперта, представленных в матрице парных сравнений, оценивается индексом однородности (ИО) или отношением согласованности (CR) в соответствии со следующими выражениями: ИО = (Хтах-п)/(п-1), СЯ = ИО/М(ИО), где М(ИО) - среднее значение (математическое ожидание) индекса однородности случайным образом составленной матрицы парных сравнений А.
Для выбора лучшей альтернативы используется принцип интегральной оптимальности, а в качестве обобщенного критерия оптимальности - взвешенная сумма. Вектор приоритетов альтернатив R относительно цели выбора определяется из матричного уравнения R = vW, где v - нормированный вектор весовых коэффициентов критериев; W = {wy} - матрица приоритетности альтернатив, i=l,2,.. .,N, j=l,2,.. .,М; N - количество альтернатив; М - количество критериев. Столбцами матрицы являются нормированные векторы приоритетов альтернатив относительно критериев Wj, j=l,2,...,М.
Вычисление приоритетов в МАИ можно рассматривать как задачу распределения некоторого ресурса среди альтернатив, которое происходит пропорционально их предпочтительности. Вполне естественно, что это распределение зависит от количества и состава участников процесса. Появление новых альтернатив, впрочем, как и удаление, часто сопровождается изменением прежних предпочтений эксперта, заполняющего матрицы парных сравнений.
Недостатками приведенного выше метода определения векторов приоритетов на основе матриц парных сравнений являются, во-первых, большое количество требуемой от эксперта информации, которая представляет собой множество оценок предпочтительности, полученных в процессе парных сравнений альтернатив и критериев, во-вторых, существует ограничение на количество одновременно сравниваемых объектов (не рекомендуется больше девяти).
С целью устранения этого ограничения в разработанной системе используются следующие средства: алгоритм уменьшения мощности множества альтернатив путем его кластеризации; алгоритм увеличения мощности множества альтернатив путем добавления копий; оценка предпочтений с использованием шкалы лингвистических переменных.
Сетевая модель для анализа проблемы о наиболее благоприятных для России сроков вступления в ВТО
Решение о вступлении России во Всемирную торговую организацию (ВТО) активно обсуждается в течение последних трех лет. Это решение повлияет на судьбы многих людей и предприятий, причем влияние это является многоаспектным, поскольку любое действие может иметь положительные и отрицательные последствия, зависящие от состояния тех объектов и субъектов, к которым оно применяется. В многочисленных публикациях по этому вопросу, представленных в научных изданиях и в средствах массовой информации, отмечается дефицит серьезных аналитических материалов, которые содержали бы количественные оценки последствий решения о вступлении России в ВТО. С другой стороны, публикации в средствах массовой информации содержат множество деклараций и эмоциональных описаний возможных последствий, как оптимистических, так и катастрофических. В материалах региональных совещаний, проведенных в территориальных округах в 2002 году, отмечается низкий уровень информированности населения и руководящих кадров о проблеме вступления ВТО. За последнее время положение мало изменилось в лучшую сторону, поскольку проблема эта достаточно сложная и для того, чтобы иметь о ней представление, необходимо познакомиться с большим количеством материалов, прежде всего, с документами ВТО, а также с опытом вступления туда других стран. Это равносильно получению дополнительного образования, которое в современных условиях для многих является необходимым. Поэтому исследование и обсуждение вопроса о вступлении России в ВТО тесно связано с проблемой подготовки кадров, способных к аналитической и просветительской деятельности в данном направлении, и, самое главное, к подготовке и проведению необходимых действий. Вступление в ВТО - не одномоментный шаг, обычно он реализуется в течение нескольких лет, которые уходят на проведение многосторонних переговоров и на подготовку страны к членству в ВТО. Обычно странам, вступающим в эту организацию, предоставляется некоторый «пере ходный период» для адаптации экономики к изменяющимся условиям. Мировой опыт показывает, что последствия членства в ВТО полностью зависят от качества управления внутри страны и ее внешнеполитических ориентиров. Регулярные заявления политиков о системном кризисе управления вызывают опасения, связанные с невозможностью осуществления необходимых для вступления мер, и делают проблему подготовки специальных кадров еще более актуальной.
В публикациях по рассматриваемому вопросу часто встречается фраза: «последствия вступления России в ВТО не просчитаны», которую можно по-разному интерпретировать. Очевидно, что столь сложное решение включает множество разных условий, и его последствия в принципе невозможно «просчитать» на уровне точных количественных оценок. Предсказать, как будут действовать разные субъекты после принятия какого-либо юридического решения очень трудно. Иногда новые законы открывают большие возможности, которые практически невозможно осуществить, при этом вероятности некоторых рисков существенно возрастают. Подобные ситуации во многом обусловлены неполнотой информации, используемой в процессе анализа и разработки решения. Неполнота, в свою очередь, может быть вызвана неучетом (иногда сознательным) рядя факторов, являющихся на самом деле важными, и/или игнорированием различного рода связей, существующих между факторами.
В настоящей работе предпринята попытка оценить последствия вступления России в ВТО с применением системного подхода, анализируя это сложное решение по многим критериям с учетом мнений разных акторов (действующих лиц) в условиях взаимной зависимости структурных элементов рассматриваемой проблемы.
Качественная модель проблемы Цель нашего исследования может быть сформулирована как многоаспектный анализ решения о вступлении России в ВТО с учетом взаимного влияния основных структурных элементов проблемы, направленный на выявление лучших альтернатив и наиболее важных факторов.
Качественная модель проблемы схематично представлена на рисунке 3.3. Модель включает пять наиболее важных, на мой взгляд, групп факторов (структурных элементов), определяющих анализируемое решение. 1. Действия. Этот фактор описывается группой (кластером) действий, ко торые необходимо предпринять стране, вступающей в ВТО. При по строении качественной модели мы стремились выделить самые суще ственные элементы информации, чтобы поставленная задача была разрешимой, а полученные результаты были интерпретируемыми. Из множества возможных действий мы учитываем следующие: 1.1. Изменение законодательства РФ. 1.2. Реструктуризация российской экономики. 1.3. Подготовка кадров для осуществления необходимых действий. 1.4. Многосторонние торговые переговоры. 2. Акторы - это группы действующих лиц, чьи интересы затрагивает ис следуемое решение. Это группа включает следующие элементы: 2.1. Политики. 2.2. Население. 2.3. ВТО. 2.4. Банки. 2.5. Сельское хозяйство. 2.6. Производители топлива, энергии и ценного сырья, чья продукция востребована и конкурентоспособна на мировом рынке. 2.7. Производители неконкурентоспособной продукции. 2.8. Производители высокотехнологичной продукции. 2.9. Производители различных услуг.
