Содержание к диссертации
ВВЕДЕНИЕ 4
ГЛАВА 1. ПРОБЛЕМА УПРАВЛЕНИЯ АКТИВНЫМИ ОБЪЕКТАМИ АПК И ИДЕЯ ЕЕ РЕШЕНИЯ.. 32
ПРОБЛЕМА УПРАВЛЕНИЯ АКТИВНЫМИ ОБЪЕКТАМИ АПК 32
ТРЕБОВАНИЯ К МЕТОДАМ РЕШЕНИЯ ПРОБЛЕМЫ И КРИТЕРИИ ИХ СРАВНЕНИЯ 48
ТРАДИЦИОННЫЕ ПУТИ РЕШЕНИЯ ПРОБЛЕМЫ И ИХ ОГРАНИЧЕНИЯ 50
ИДЕЯ РЕШЕНИЯ ПРОБЛЕМЫ 57
ВЫВОДЫ 74
4 ГЛАВА 2. МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ СК-АНАЛИЗА В УПРАВЛЕНИИ АПК 77
СИСТЕМНЫЙ АНАЛИЗ, КАК МЕТОД ПОЗНАНИЯ 77
КОГНИТИВНАЯ КОНЦЕПЦИЯ И СИНТЕЗ КОГНИТИВНОГО КОНФИГУРАТОРА 85
АСК-АНАЛИЗ, КАК СИСТЕМНЫЙ АНАЛИЗ, СТРУКТУРИРОВАННЫЙ ДО УРОВНЯ БАЗОВЫХ КОГНИТИВНЫХ ОПЕРАЦИЙ '. 95
МЕСТО И РОЛЬ СК-АНАЛИЗА В СТРУКТУРЕ УПРАВЛЕНИЯ АПК 98
ВЫВОДЫ 105
ГЛАВА 3. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ СК-АНАЛИЗА 109
ТЕОРЕТИЧЕСКИЕ ОСНОВЫ СИСТЕМНОЙ ТЕОРИИ ИНФОРМАЦИИ 109
СЕМАНТИЧЕСКАЯ ИНФОРМАЦИОННАЯ МОДЕЛЬ АСК-АНАЛИЗА 131
НЕКОТОРЫЕ СВОЙСТВА МАТЕМАТИЧЕСКОЙ МОДЕЛИ (СХОДИМОСТЬ, АДЕКВАТНОСТЬ,
т УСТОЙЧИВОСТЬ И ДР.) 181
3.4. ВЗАИМОСВЯЗЬ МАТЕМАТИЧЕСКОЙ МОДЕЛИ СК-АНАЛИЗА С ДРУГИМИ МОДЕЛЯМИ 188
3.5. ВЫВОДЫ 200
ГЛАВА 4. ЧИСЛЕННЫЙ МЕТОД СК-АНАЛИЗА . 207
ПРИНЦИПЫ ФОРМАЛИЗАЦИИ ПРЕДМЕТНОЙ ОБЛАСТИ И ПОДГОТОВКИ ЭМПИРИЧЕСКИХ ДАННЫХ 207
ИЕРАРХИЧЕСКАЯ СТРУКТУРА ДАННЫХ И ПОСЛЕДОВАТЕЛЬНОСТЬ ЧИСЛЕННЫХ РАСЧЕТОВ ВСК-АНАЛИЗЕ 210
ОБОБЩЕННОЕ ОПИСАНИЕ АЛГОРИТМОВ АСК-АНАЛИЗА 211
ДЕТАЛЬНЫЕ АЛГОРИТМЫ СК-АНАЛИЗА 220
(» 4.5. ВЫВОДЫ 244
ГЛАВА 5. СПЕЦИАЛЬНЫЙ ПРОГРАММНЫЙ ИНСТРУМЕНТАРИЙ АСК-АНАЛИЗА - СИСТЕМА
"ЭЙДОС" 245
НАЗНАЧЕНИЕ И СОСТАВ СИСТЕМЫ "ЭЙДОС" 245
ПОЛЬЗОВАТЕЛЬСКИЙ ИНТЕРФЕЙС, ТЕХНОЛОГИЯ РАЗРАБОТКИ И ЭКСПЛУАТАЦИИ . ПРИЛОЖЕНИЙ В СИСТЕМЕ "ЭЙДОС" 247
ТЕХНИЧЕСКИЕ ХАРАКТЕРИСТИКИ И ОБЕСПЕЧЕНИЕ ЭКСПЛУАТАЦИИ СИСТЕМЫ "ЭЙДОС" (ВЕРСИИ 7.3) 261
АСК-АНАЛИЗ, КАК ТЕХНОЛОГИЯ СИНТЕЗА И ЭКСПЛУАТАЦИИ РЕФЛЕКСИВНЫХ АСУ АКТИВНЫМИ ОБЪЕКТАМИ В АПК 266
( 5.5. ВЫВОДЫ 270
ГЛАВА 6. ОПЫТ ПРИМЕНЕНИЯ АСК-АНАЛИЗА В УПРАВЛЕНИИ АПК 273
ОБЗОР ОПЫТА ПРИМЕНЕНИЯ АСК-АНАЛИЗА ДЛЯ УПРАВЛЕНИЯ В АПК И ИССЛЕДОВАНИЯ СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ СИСТЕМ 273
ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ ПО ВЫБОРУ АГРОТЕХНОЛОГИЙ, КУЛЬТУР И ПУНКТОВ ВЫРАЩИВАНИЯ 284
ПРОГНОЗИРОВАНИЕ ДИНАМИКИ СЕГМЕНТА РЫНКА 297
АНАЛИЗ ДИНАМИКИ МАКРОЭКОНОМИЧЕСКИХ СОСТОЯНИЙ ГОРОДОВ И РАЙОНОВ НА УРОВНЕ СУБЪЕКТА ФЕДЕРАЦИИ В ХОДЕ ЭКОНОМИЧЕСКОЙ РЕФОРМЫ (НА ПРИМЕРЕ КРАСНОДАРСКОГО КРАЯ) И ПРОГНОЗИРОВАНИЕ УРОВНЯ БЕЗРАБОТИЦЫ (НА ПРИМЕРЕ
# ЯРОСЛАВСКОЙ ОБЛАСТИ) 309
* 6.5. ВЫВОДЫ 310
ГЛАВА 7. ЭКОНОМИЧЕСКАЯ ЭФФЕКТИВНОСТЬ АСК-АНАЛИЗА, ЕГО ОГРАНИЧЕНИЯ И
ПЕРСПЕКТИВЫ 313
МЕТОДИКА ОЦЕНКИ ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ АСК-АНАЛИЗА (НА ПРИМЕРЕ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПО ВЫБОРУ АГРОТЕХНОЛОГИЙ, КУЛЬТУР И ПУНКТОВ ВЫРАЩИВАНИЯ) 313
ОГРАНИЧЕНИЯ АСК-АНАЛИЗА И ОБОСНОВАННОЕ РАСШИРЕНИЕ ОБЛАСТИ ЕГО ПРИМЕНЕНИЯ НА ОСНОВЕ НАУЧНОЙ ИНДУКЦИИ 324
ПЕРСПЕКТИВЫ ПРИМЕНЕНИЯ АСК-АНАЛИЗА В УПРАВЛЕНИИ АПК 328
РАЗВИТИЕ АСК-АНАЛИЗА 336
ВЫВОДЫ 342
ЗАКЛЮЧЕНИЕ 344
СПИСОК ЛИТЕРАТУРЫ 349
ПРИЛОЖЕНИЯ . 365
ПРИЛОЖЕНИЕ К ГЛАВЕ 1 365
ПРИЛОЖЕНИЕ К ГЛАВЕ 2 368
ПРИЛОЖЕНИЕ К ГЛАВЕ 3 378
ПРИЛОЖЕНИЕ К ГЛАВЕ 4 385
ПРИЛОЖЕНИЕ К ГЛАВЕ 5 386
ПРИЛОЖЕНИЕ К ГЛАВЕ 6 401
ПРИЛОЖЕНИЕ К ГЛАВЕ 7 443
Введение к работе
На основе предложенного системного обобщения семантической теории информации разработан новый математический метод экономики и соответствующий инструментарий: автоматизированный системно-когнитивный анализ (АСК-анализ), обеспечивающий анализ, прогнозирование и управление экономическими, технологическими и социальными объектами АПК на уровне региона, сегмента рынка, отрасли и хозяйства.
Агропромышленный комплекс (АПК) представляет собой реальный сектор экономики, во многом определяющий продовольственную безопасность и само существование страны. Поэтому разработка новых, адекватных подходов к управлению в АПК относится к приоритетным направлениям экономической науки и практики. Однако, управление объектами АПК всегда представляло собой определенную проблему, имеющую комплексную, межотраслевую природу. Причем, проблему представляет и постановка целей управления, и принятие решений по выбору управляющих воздействий, таким образом проблема расширяется до проблематики.
Цель производства в АПК в нашей стране традиционно формулировалась примерно так: "Произвести максимальное количество продукции", причем при том часто подразумевалось, а иногда и произносилось: "Любой ценой". Такая цель была естественной в условиях хронического недопроизводства сельскохозяйственной продукции. Но в последние годы ситуация в этом плане меняется, наблюдается перепроизводство некоторых видов продукции (например, зерновых колосовых в Краснодарском крае в 2002 году) и актуальным является разработка относительно новых подходов к постановке целей производства в АПК исходя из получения максимальной прибыли.
В данном исследовании предполагается, что целью каждого производителя является получение максимальной прибыли, достичь чего он может путем производства и реализации на рынке наиболее рентабельных видов продукции в необходимых объемах. Таким образом, глобальная цель - получение
5 максимальной прибыли трансформируется (путем декомпозиции) в ряд задач:
прогноз динамики рынка сельскохозяйственной продукции (по сегментам), в частности прогноз спроса и цен на эту продукцию (по видам) в различных регионах; прогноз возможностей предложения для конкретного производителя по каждому виду продукции в натуральном и стоимостном выражении (определение потенциала пунктов выращивания: для каждого пункта выращивания прогнозирование количественных и качественных результатов выращивания каждой культуры; для каждого пункта выращивания и культуры выработка рекомендаций по выбору агротехнологий, с учетом приоритета ее количества или качества). В связи с тем, что решение этих задач с помощью стандартных математических методов и инструментария математической экономики проблематично, в данном исследовании предлагается новый подход: применение АСК-анализа для прогнозирования динамики рынка и поддержки принятия решений по выбору культур, пунктов выращивания и агротехнологий. Когда цель определена можно предметно ставить вопрос о пути ее достижения, т.е. о поддержке принятия решений по выбору управляющих воздействий (способа управления).
Выбор способа управления объектами АПК также традиционно представляют собой проблему. Среди основных причин этой проблемы прежде всего необходимо отметить следующие: многопараметрический, активный характер самого объекта управления; малоисследованный характер реагирования объекта управления на управляющие факторы; комплексный многофакторный характер управляющих воздействий; очень большая длительность цикла управления; неполнота (фрагментарность), неточность, зашумленность и исходной информации, отсутствие доступа к ней; отсутствие электронных баз данных, которые могли бы стать основной для современных систем поддержки принятия управленческих решений. В настоящее время созданием таких баз данных занимаются только энтузиасты, не имеющие государственной поддержки.
Рассмотрим подробнее некоторые свойства объекта управления в АПК, являющиеся причинами названных проблем.
Первая причина — слабодетерминированностъ и многопараметричность объекта управления. Для адекватного описания объектов управления в АПК необходимо использовать тысячи факторов различной природы, но на практике это сделать очень сложно. Поэтому, в одних исследованиях учитывается влияние климатических факторов на количественные и качественные результаты выращивания сельскохозяйственных культур (агрометеорология), в других влияние агротехнологий, в третьих влияние почв, предшественников (севооборот), структуры и организации машинно-тракторного парка, финансовых и материальных потоков (логистика) и т.д., и т.д. Сами агротехнологий также включают массу различных факторов: способы вспашки; количество, виды и способы внесения удобрений; нормы высева, полива и т.д.
Однако ни одна из этих групп факторов не является определяющей в получении хозяйственного результата (слабодетерминированность). Дело усложняется тем, что исследования каждой группы факторов проводятся обычно разрозненными группами ученых, на разных кафедрах, в различных научно-исследовательских институтах. Так ученые, изучающие влияние лимитирующих климатических факторов с учетом генетического потенциала и пофазного развития сортов и культур не имеют исходной информации для изучения влияния агротехнологий, и наоборот, специалисты по агротехнологиям не имеют климатических баз данных, геоинформационных технологий, и соответственно, возможности учета климатических факторов. И у первых, и у вторых возникают проблемы, связанные с нелинейным системным взаимодействием факторов, а также огромными размерностями математических моделей.
Вместе с тем недоучет в системе управления каких-либо существенных факторов приводит к неадекватности модели объекта управления и приводит к нецелевым (неожиданным и часто нежелательным) результатам управления.
7 Эти причины создают ряд сложностей в исследовании объекта управления и
его математическом моделировании.
В результате решения о размещении садов и выборе сортов для выращивания принимаются по данным эмпирических испытаний в отдельных точках, чаще всего привязанных к крупным плодовым хозяйствам без возможности проводить испытание всего набора культур и без учета и анализа адаптивного и природно-ресурсного потенциала конкретного пункта выращивания. Подобный подход к принятию ответственных решений приводит к тому, что культуры выращиваются не там, где для этого есть природные условия, а там, где имеется необходимая инфраструктура (населенные пункты), в результате, например, ни один сортоучасток в Краснодарском крае не дает урожай абрикосов больше 4-х раз в 10 лет. Аналогично обстоит дело и с выбором культур для выращивания на полях, а также с выбором агротехнологий для их выращивания.
Для решения перечисленных проблем необходимо принимать решения на основе системного подхода, основным требованием которого является требование полноты и всесторонности рассмотрения. Системный подход недостаточно применяется для принятия решений в АПК не потому, что необходимость этого не в полной мере осознают ученые и руководители, а по ряду объективных причин, препятствующих этому. Среди этих причин в первую очередь необходимо отметить следующие:
Отсутствие централизованного финансирования и ведомственную разобщенность исследователей и разработчиков.
Практически полное отсутствие доступа исследователей и разработчиков к необходимой исходной информации.
Отсутствие математических моделей, численных методов и инструментария, обеспечивающих обработку многофакторных системно взаимодействующих, неполных (фрагментарных), неточных и зашумленных исходных данных.
8 В данном исследовании поставлена задача решения этих проблем, пред-
(9
ложен и широко апробирован вариант их решения.
і
Вторая причина — активность объекта управления. Под активными объ
ектами (АО) и системами в данном исследовании понимаются объекты, имею
щие собственную систему целеполагания и принятия решений, а также адап
тивную модель предметной области, включая модели самого себя (т.е. АО яв-
# ляются рефлексивными) и управляющих систем различного уровня и назначе-
ния, которые воздействуют на активный объект как на объект управления.
К активным объектам относятся прежде всего люди и системы с их участием: это экономические системы различного уровня иерархии от экономики страны и сегмента рынка или отрасли до конкретного предприятия, технологические и организационно-технические системы, человеко-машинные, экологические и человеко-природные системы, а также различные социальные, возрастные, профессиональные и иные группы населения, электорат, социум, организационно-технические, экипажи, а также сложные и интеллектуальные технические системы с параметрами, качественно изменяющимися в процессе штатной эксплуатации.
Традиционно управление активными системами осуществляется на осно-ве подходов, разрабатываемых в экономике, социологии, политологии и психологии, "тяготеющих к гуманитарному полюсу". При этом огромный опыт управления техническими и организационными системами, накопленный в теории и практике автоматизированных систем управления (АСУ), остается, по мнению автора, недостаточно востребованным.
Задачи создания АСУ активными объектами управления (АОУ) относят
ся к важнейшим для жизни общества, однако корректно ставить и решать по
добные задачи стало возможным лишь в последнее время благодаря бурному
развитию ряда новых перспективных научных направлений: "интеллектуаль
ный анализ данных", "интеллектуальное управление", "нейронные сети", "гене-
+ тические алгоритмы", "когнитивное моделирование" и ряда других. Весьма
существенно, что сами эти новые научные направления могут рассматриваться
как "плоды системного эффекта", возникающего на границах научных направлений в результате междисциплинарного взаимодействия.
В этом взаимодействии есть два направления: распространение естественно-научных методов, прежде всего математики и кибернетики, в традиционно гуманитарную сферу; распространение научных результатов и идей, полученных в гуманитарной сфере, в традиционный ареал естественных наук. В данной работе предпринята попытка "наведения новых мостов" в этом междисциплинарном диалоге, за которым стоит диалог гуманитарного и естественно-научного "полюсов науки".
Управление активными объектами имеет ярко выраженную специфику и ряд существенных отличий от традиционного управления техническими объектами, как по способам математического моделирования объекта управления и принятия решения о выборе управляющих воздействий, так и по способу оказания управляющих воздействий. Причина этого состоит в том, что активные системы развиваются путем чередования детерминистских и бифуркационных этапов. На детерминистских этапах поведение системы жестко предопределено, а после прохождения точек бифуркации - оно в высокой степени неопределенно.
Традиционно (И.Пригожин с соавт.) считается, что в точке бифуркации поведение системы случайно. Предлагается обобщить это понимание, считая, что на бифуркационных этапах осуществляется принятие решений, а на детерминистских — их реализация (случайный выбор есть лишь один из вариантов принятия решений, оптимальный лишь в случае полного отсутствия априорной информации). Таким образом, на бифуркационных этапах определяются закономерности, задающие поведение системы на детерминистских этапах, это означит, что в точках бифуркации система изменяется качественно (революционно), а на детерминистских этапах — лишь количественно (эволюционно).
10 Например, в цикле управления выращиванием сельхозкультур, имеющем
годичную продолжительность, перед посадкой принимается решение по выбору культуры и агротехнологий, а затем до уборки реализуется это решение.
Для создания АСУ активными объектами (системами) необходимо осуществить синтез математической модели предметной области, а затем поддерживать ее адекватность при переходе объекта управления через точки бифуркации, которые происходят достаточно часто на протяжении жизненного цикла АСУ. Из вышеизложенного следует, что для этого поддержания адекватности необходим периодический синтез модели АОУ при каждом прохождении системы через точку бифуркации, т.к. в этом случае адаптации (количественного уточнения существующей модели) уже недостаточно.
Однако, в связи с тем, что активные объекты значительно сложнее классических технических и законы их поведения динамичны, в отличие от неизменных физических законов, детерминирующих поведение классических технических объектов, осуществлять периодический синтез математической модели АОУ в режиме реального времени традиционными методами весьма проблематично.
С целью создания благоприятных условий для периодического синтеза математической модели АОУ в режиме реального времени непосредственно в процессе управления, необходимо включить процесс познания в цикл управления, в качестве периодически выполняемого этапа. Сделать это предлагается в форме автоматизированного инструмента для исследования (познания) предметной области, обеспечивающего выявление, изучение и отражение в математической модели качественно новых закономерностей, управляющих поведением АОУ после прохождения им точки бифуркации.
При этом в качестве методологии целесообразно использовать системный анализ (СА), т.к. одним из основных его требований является полнота и всесторонность рассмотрения, а из теории автоматизированных систем
управления АСУ) хорошо известно, что недоучет в математической модели существенных факторов приводит к неадекватности модели и управления.
Однако, применение системного анализа в неформализованном и неавтоматизированном варианте для управления активными объектами в реальном времени весьма проблематично по причине огромной трудоемкости обработки значительных объемов информации в условиях жестких временных ограничений.
Использование известных в настоящее время программных систем не позволяет решить эту задачу по следующим причинам:
Математические модели разработаны не для всех этапов СА, в связи с чем некоторые из них на данный момент остаются неформализованными.
Существующие математические модели основываются на различных математических подходах.
Не для всех математических моделей разработаны доступные программные средства.
Имеющиеся программные системы сложно приобрести.
5. Эти системы разработаны на основе различного инструментария,
идеологий, интерфейсов, платформ и не образуют целостного программного
обеспечения, т.е. единого метода и инструментария системного анализа. Это
порождает сложности: инсталляции различных программных систем в единой
операционной среде на одном компьютере; передачи данных между программ
ными системами (отсутствие программных интерфейсов, несовместимость по
стандартам и структурам баз данных).
Как это не парадоксально, но приходится констатировать, что автоматизация системного анализа велась не системно. И путь максимальной детализации системного анализа способствовал обострению этой ситуации.
Из всего вышесказанного возникает идея комплексной автоматизации системного анализа на единой методологической, математической, алгоритмической и инструментальной основе. В этой связи необходимо отметить, что
12 впервые понятие автоматизированного системного анализа (АСА) предложено
В.ПСтабиным в 1984 году [298].
Итак, в данной работе ставится проблема обеспечения устойчивого управления слабодетерминированными многопараметрическими активными объектами АПК как на детерминистских, так и на бифуркационных этапах их развития.
Решение этой проблемы осуществляется путем разработки математического метода и соответствующего инструментария автоматизации системного анализа, как метода познания, т.е. путем декомпозиции системного анализа до уровня базовых когнитивных операций, разработки теоретических основ, инструментария и методики применения АСК-анализа, включения АСК-анализа в непосредственно в цикл управления АОУ. Весьма примечательно, что к этому решению подводит анализ объекта управления в АПК, и как многопараметрической, и как активной системы.
Выдвигается гипотеза, что это позволит обеспечить устойчивое управление активными объектами как на детерминистских, так и на бифуркационных этапах их развития.
Сказанным определяются объект и предмет исследования.
Объектом исследования является управление объектами АПК.
Предметом - управление активными объектами в АПК на основе автоматизированного системно-когнитивного анализа.
Работа выполнена на кафедре компьютерных технологий и систем факультета прикладной информатики Кубанского государственного аграрного университета в рамках темы Министерства сельского хозяйства РФ №18 "Разработать предложения по основным направлениям повышения эффективности регионального АПК", номер государственной регистрации 01200113474, раздел 18.14: "Совершенствование информационного обеспечения управления АПК Краснодарского края с использованием современных информационных технологий", а также при выполнении грантов:
"ИННО-РФФИ" № 02-04-08080 "Модифицирование и коммерциализация методов компьютерной оценки ресурсного потенциала территорий и адаптивности генотипов для оптимизации размещения и зональных технологий с.х.культур";
"Инициативный научный проект" № 02-05-64234 "Разработка теории многокритериальной оценки ландшафтных и метеорологических характеристик Юга России для увеличения продуктивности плодовых культур на основе создания системы банков данных и компьютерного моделирования";
"РФФИ - Юг России (а)" № 030496069.Р2003-ЮГа "Создание системы мониторинга, прогнозирования, анализа и поддержки управленческих решений по продуктивности плодовых культур на основе электронных баз данных";
"РФФИ - Юг России (в)" № 030796001.Р2003-ЮГв "Разработка новой методологии районирования сортов сельскохозяйственных культур на основе системного подхода при анализе и математическом прогнозе их жизнеобеспечения и продуктивности".
Кроме того тема исследования соответствует Постановлению Правительства РФ от 28.05.96 "О приоритетных направлениях развития науки и техники и критических технологиях", в части приоритетных направлений "Информационные технологии и электроника" и "Производственные технологии": компьютерное моделирование (теоретические основы и инструментарий для проведения математического эксперимента, включая новые вычислительные модели для задач естественных и гуманитарных наук, эффективные численные методы для реализации таких моделей); искусственный интеллект (интеллектуальные системы поддержки принятия решений на основе неклассических логик и интеллектуального интерфейса /в т.ч. когнитивной графики/, интегрированные экспертные системы, основанные на знаниях, методы и средства выявления и представления знаний, методы правдоподобных рассуждений, объединяющих индукцию, аналогию и абдукцию, их применение в интеллектуальных системах); распознавание образов (математические методы и инструментальные средства широкого назначения и для решения индивидуальных, нестандартных
14 или особо важных задач распознавания, прогнозирования и анализа в различных предметных областях); информационная поддержка технологии (модели жизненного цикла продукции, производственных процессов и среды).
Цель и задачи исследования. Целью работы является разработка методологии, математической модели и численного метода, соответствующего специального программного инструментария АСК-анализа, технологии и методики его применения для управления активными объектами АПК.
Для достижения цели в работе решены следующие задачи: 1) разработка схемы СА, ориентированного на интеграцию с когнитивными технологиями; 2) разработка формализуемой когнитивной концепции, выявление БКО, структуризация СА до уровня БКО, разработка обобщенного алгоритма АСК-анализа; 3) разработка математической модели АСК-анализа; 4) разработка численного метода, реализующего математическую модель (конструирование структур данных и алгоритмов БКОСА и визуализации когнитивной графики); разработка детального алгоритма АСК-анализа; 5) создание специального программного обеспечения, реализующего предложенные математическую модель и численные метод АСК-анализа, т.е. создание инструментария АСК-анализа; 6) разработка методики синтеза рефлексивных АСУ активными объектами АПК; 7) синтез и эксплуатация компонент рефлексивных АСУ активными объектами АПК на основе технологии и инструментария АСК-анализа в экономике и других предметных областях.
Методы исследований. Научные исследования работы основывались на теоретических и экспериментальных методах. Теоретические методы: системный анализ, когнитивный анализ, теория информации, теория принятия решений, теория распознавания образов, теория активных систем, теория рефлексивного управления, теория автоматизированных систем управления, математическая статистика, линейная алгебра, когнитивная психология, логика, гносеология. Экспериментальные методы: численный эксперимент, измерения
15 внутренней и внешней, дифференциальной и интегральной валидности предложенных моделей.
Достоверность и обоснованность основных научных положений и практических результатов исследования подтверждается тем, что разработанная автором системная теория информации (СТИ) имеет четкую методологическую основу, построена на достоверных, проверяемых общеизвестных фактах (явлении интерференции последствий выбора). Предложенная математическая модель и численный метод, реализованные в программном инструментарии, исследуются и верифицируются на адекватность в каждом конкретном исследовании на основе АСК-анализа. Формализуемая когнитивная концепция обоснована методологически и фактологически. Применена комплексная методика исследования, обеспечивающая взаимопроверяемость, сопоставимость данных полученных в различных исследованиях, проведенных с применением АСК-анализа. Применен апробированный математический аппарат. Постановка задач корректна, предложенные методы решения рассматриваемых в работе задач обоснованы. Получены оправданные, наглядные и интуитивно-убедительные результаты, совпадающие с уже известными экспертам при проведении исследовании с помощью АСК-анализа уже ранее изученных другими методами предметных областей. АСК-анализ, его технология и инструментарий обеспечивают накопление и анализ как положительного, так и отрицательного опыта. В работе приводятся 2 численных примера из различных предметных областей, основанные на обработке фактологического материала, включающего около 2 млн. фактов опыта. Успешная эксплуатация созданного специального программного инструментария АСК-анализа и технологии его применения подтверждена 17 актами внедрения (за 1987 - 2002 годы).
В работе предлагаются:
1. Формализуемая когнитивная концепция и следующий из нее когнитивный конфигуратор (т.е. минимальный полный набор БКО, к которым сводятся различные процессы познания), состоящий из десяти БКО.
Теоретические основы, методология, технология и методика АСК-анализа.
Математическая модель АСК-анализа, основанная на системном обобщении семантической меры целесообразности информации А.Харкевича.
Численный метод, в универсальной форме реализующий математическую модель АСК-анализа, включающий иерархическую структуру данных и 24 детальных алгоритма 10 БКОСА.
Специальное инструментальное программное обеспечение, реализующее математическую модель и численный метод АСК-анализа — Универсальная когнитивная аналитическая система "Эйдос".
Методика и технология синтеза рефлексивных АСУ на основе АСК-анализа, в частности в области управления выращиванием сельхозкультур и прогнозирования динамики рынка.
Технологии и результаты применения специального инструментария для решения задач управления в АПК:
поддержка принятия решений по выбору агротехнологий, культур и пунктов выращивания;
прогнозирование развития различных сегментов рынка РФ;
анализ динамики макроэкономических состояний городов и районов на уровне субъекта федерации в ходе экономической реформы (на примере Краснодарского края) и прогнозирование уровня безработицы (на примере Ярославской области).
Научная новизна работы состоит в следующем:
Предложен новый подход к автоматизации системного анализа, основанный не на его максимальной детализации (традиционный подход), а на идее рассмотрения системного анализа как процесса познания (мышления).
В рамках предложенного подхода разработана формализуемая когнитивная концепция. Она обеспечивает: формализацию понятия "смысл" за счет дискретно-интегрального представления фактов опыта и адекватное отражение иерархической структуры когнитивных процессов, а также структуризацию
17 процессов познания по базовым когнитивным операциям системного анализа (БКОСА).
Предложены и введены в научный оборот новые понятия: "Кластерно-конструктивный анализ" (кластеры рассматриваются как полюса конструктов, снимается проблема комбинаторного взрыва при формировании конструктов); "Базовые когнитивные операции системного анализа" (БКОСА); "Когнитивный конфигуратор" (минимальный набор БКОСА, достаточный для представления различных процессов познания); "СК-анализ" (системно-когнитивный анализ, как системный анализ, структурированный до уровня БКОСА); "АСК-анализ" (автоматизированный СК-анализ); "Интерференция последствий выбора" (системное нелинейное взаимодействие факторов и альтернативных вариантов выбора, приводящее к качественно новой картине последствий, не сводящееся к сумме последствий альтернативных вариантов выбора); "Семантическая когнитивная сеть".
Предложена обобщенная структура СК-анализа и доказано, что он представляет собой необходимую и достаточную базу для формализации и автоматизации системного анализа на базе новых информационных технологий.
Предложено изменение (обобщение) трактовки известных понятий: "Состояние бифуркации"; "Детерминистское состояние"; "Адаптация и синтез модели". На их основе разработана обобщенная модель детерминистско-бифуркационной динамики активных объектов АПК.
"Состояние бифуркации" и "Детерминистское состояние" рассматриваются не как состояния с высокой и низкой неопределенностью поведения системы (И.Пригожин с соавт.), а как состояния принятия и реализации решений, качественного и количественного изменения закономерностей поведения системы. Под адаптацией модели в работе понимается только ее количественные изменения, а под синтезом - качественные изменения модели или ее создание.
6. Предложен вариант системной теории информации (СТИ), в рамках
которой получено аналитическое выражение для системной меры целесообраз
ности информации. В данной мере впервые непосредственно в аналитическом
выражении для самого понятия "Информация" отражены такие фундаменталь-
18 ные свойства систем, как "Уровень системности" и "Степень детерминированности" системы. Кроме того это выражение (как и формула Шеннона) удовлетворяет принципу соответствия с выражением Хартли в детерминистском случае (что снимает противоречие между семантической теорией информации Харкевича и классической теорией информации Шеннона), учитывает понятия цели (что принципиально важно для системного анализа и управления) и мощность множества будущих состояний объекта управления, обеспечивает формализацию смысла на основе дискретно-интегрального описания предметной области, сопоставимость в пространстве-времени. Эти свойства системной меры целесообразности информации свидетельствуют о ее оптимальности как основы математической модели управления активными объектами АПК. Показана взаимосвязь предложенной меры с понятием эластичности, широко применяемым в экономических исследованиях.
7. На основе СТИ разработана математическая модель слабодетермини-
рованных многофакторных активных объектов АПК, относящаяся к классу се
мантических информационных моделей. Данная модель обеспечивает форма
лизацию БКОСА (в т.ч. решение прямых и обратных задач идентификации и
прогнозирования, задач кластерно-конструктивного анализа), автоматизиро
ванный синтез обобщенных таблиц решений на основе непосредственно эмпи
рических данных, вывод информации о механизмах принятия решений в форме
обобщенных правил логического вывода (с расчетной степенью истинности
посылок, импликаций и существования заключений).
В данной модели обоснована разложимость вектора текущего состояния объекта управления по векторам классов, в т.ч. векторам будущих состояний (объектный анализ); предложена новая информационная мера уровня систем-ности предметной области, связанная с мерой с мерой X .
8. На базе математической модели разработан численный метод реализа
ции АСК-анализа, включающий иерархическую структуру баз данных и де
тальные алгоритмы БКОСА.
9. Создан инструментарий АСК-анализа — система "Эйдос". Разработана
методика и технологии применения инструментария АСК-анализа для управ
ления в АПК.
10. Продемонстрировано успешное применение АСК-анализа при приня
тии решений и управлении агротехнологиями, прогнозировании динамики
рынка в АПК Краснодарского края.
11. В развитие обоснованных в работе теоретических положений в по-
^ рядке научной дискуссии высказаны идеи многополюсных конструктов и кон
тинуального обобщения АСК-анализа на основе нечеткой логики.
Теоретическая значимость исследования подтверждается:
- успешной формализацией базовых когнитивных операций, многие из
которых совпадают с известными методами научного мышления: обобщение
(синтез, индукция); абстрагирование; оценка адекватности; сравнение (внеш-
4 нее и содержательное), идентификация и прогнозирование; дедукция и абдук-
ция; классификация и формирование понятий (конструктов);
- изложением новых идей, которые эффективно работают в управлении
АПК и подтверждены рядом аргументов в их пользу;
- приведением элементов научной теории, базирующихся на новых иде-
Ф ях: формулировкой новых гипотез; доказательством четырех теорем об адди
тивности предложенной системной меры целесообразности информации в
предложенном варианте СТИ; анализом исходных научных фактов, на основе
которых исторически было сформировано понятие "Информация", расширени
ем фактологической базы этого понятия, уточнением его содержания; создани
ем механизма автоматизированной интерпретации фактов опыта в семантиче-
ской информационной модели, обеспечивающей автоматическую генерацию
выводов, анализ тенденций, учет факторов и условий и т.д.;
- открытием нового ранее неизвестного "Закона повышения эмерджент-
ности", описывающего ускоренное возрастание доли системной информации в
объекте при увеличении количества его элементов, а также трех следствий из
* него (в рамках СТИ);
- формулировкой гипотез "О природе сложности системы" и "О видах
системной информации": сложность системы определяется количеством содержащейся в ней информации; системная информация включает две составляющих: зависящее от количества элементов системы и зависящее также от характера взаимосвязей между элементами (в рамках СТИ);
- вычленением новой перспективной проблемы, подлежащей дальней
шему исследованию: применение технологии АСК-анализа для создания on
line многоагентных распределенных систем обнаружения, накопления и ис
пользования знаний в Internet, что действительно может превратить "мировую
паутину" в "мировой (коллективный) разум" и может явится качественно но
вым шагом на пути эволюции ноосферы.
Практическая значимость проведенного исследования состоит в разработке инструментария АСК-анализа - Универсальной когнитивной аналитической системы "Эйдос", технологии и методики ее использования, обеспечивающих: создание автоматизированных систем мониторинга, идентификации (прогнозирования) состояний активных объектов АПК и управления ими; надежную эксплуатацию этих систем в промышленном режиме при массовой обработке информации; углубленный интеллектуальный анализ данных в АПК.
Реализация результатов. Опыт применения АСК-анализа подтверждает эффективность его применения в следующих предметных областях: социологические и политологические исследования, анализ общественного мнения (Краснодарский сектор Института социологических исследований АН СССР, Краснодарский краевой агропромышленный комитет, Академия государственной службы при Президенте РФ, Краснодарский государственный институт культуры, Информационно-аналитический центр администрации Краснодарского края, Аналитический центр администрации Ярославской области и др.); проектирование адаптивных АСУ сложными техническими объектами (Государственное предприятие особое конструкторское бюро "Икар", Кубанский государственный технологический университет); решение ряда задач управления
21 качеством подготовки специалистов (Краснодарский юридический институт
МВД РФ); идентификация и анализ макроэкономических состояний городов и районов Краснодарского края и края в целом на основе оценки значимости индикаторов макроэкономики и применения методов статистической теории информации и искусственного интеллекта (Департамент экономики и прогнозирования администрации Краснодарского края); прогнозирование результатов применения агротехнологий и управление выращиванием сельскохозяйственных культур (Кубанский государственный аграрный университет); прогнозирование успешности будущей профессиональной деятельности в экстремальных ситуациях в условиях высокой ответственности и дефицита времени (Северокавказская региональная поисково-спасательная служба Государственного комитета РФ по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий МЧС, АО "Новошип" Новороссийское морское пароходство), решение задач Центра Правительственной связи в Краснодарском крае.
Все проведенные исследования являются составной частью плановых и договорных НИР и ОКР, принятых заказчиками.
Апробация работы. Основные положения и результаты данной работы докладывались и обсуждались на 22 международных, всесоюзных, всероссийских семинарах и симпозиумах: Всесоюзная научно-практическая конференция "Проблемы управления развитием городов" (Краснодар, 1985); VIII Всесоюзный съезд психологов (Москва, 1989); Всероссийская конференция "В.И.Вернадский и современность /к 130-летию со дня рождения/" (Краснодар, 1993); IX научно-практическая конференция "Теоретические и прикладные проблемы социально-психологической и медико-педагогической службы" (Краснодар, 1995); Всероссийская научно-практическая конференция "Состояние и связи криминалистики и теории оперативно-розыскной деятельности ОВД" (Краснодар, 1995); Межвузовская научно-практическая конференция "Актуальные проблемы социально-правовой подготовки специалистов и пер-
22 спективы совершенствования системы комплектования органов внутренних
дел" (Краснодар, 1997); Всероссийская научно-практическая конференция "Актуальные проблемы социально-правовой подготовки специалистов и перспективы совершенствования системы комплектования ОВД" (Краснодар, 1997); Межвузовская конференция "Организация и методологические проблемы компьютеризации учебного процесса" (Краснодар, 1998); 1-я Всероссийская научно-техническая конференция "Компьютерные технологии в науке, проектировании и производстве" (Н.Новгород, 1999); III Всероссийская научно-техническая конференция "Информационные технологии и системы" (Воронеж, 1999); III международная открытая сессия "Modus Academicus": "Компьютерные технологии в науке и образовании XXI века" (Ульяновск, 1999); 1-я Всероссийская научно-техническая конференция "Теория конфликта и ее приложения" (Воронеж, 2000); 2-е Всероссийское совещание-семинар "Интеллектуальные информационные системы" (Воронеж, 2000); 2-я Международная выставка-конференция "Информационные технологии и телекоммуникации в образовании" (Москва, 2000); III международная научно-практическая конференция "Вековой поиск модели хозяйственного развития России" (Волжский, 2000); И, III и IV межвузовские научно-технические конференции "Проблемы совершенствования систем защиты информации, электроснабжения военных объектов и образовательных технологий подготовки специалистов" (Краснодар, 2000-2002); Всероссийская конференция "Опыт и проблемы совершенствования региональной системы дополнительного профессионального образования в области управления качеством" (Краснодар, 2001); Всероссийская конференция "Проблемы экономического и социального развития России" (Пенза, 2001); "Научное обеспечение современных технологий производства, хранения и переработки плодов и ягод в России и странах СНГ (Москва, 2002); IEEE International Conference on Artificial Intelligence System (ICAIS 2002 - Los Alamos, California, Washington-Brussels-Tokyo).
Публикации. По теме данной работы опубликовано: 63 научные работы, в том числе: 5 монографий; 1 стандарт, 1 методические указания, 50 научных статей, авторские права на созданное специальное программное обеспечение и структуры баз данных защищены 6 свидетельствами РосПатента РФ.
Структура и объем работы. Работа состоит из введения, семи глав с выводами к каждой из них, заключения, списка использованной литературы, содержащего 360 наименований, и 7 приложений. Работа изложена на 348 страницах машинописного текста и содержит: 33 таблицы, 185 рисунков, 87 нумерованных формул и 7 приложений на 79 страницах.
Во введении сформулированы объект и предмет исследования, его цель, проблема и задачи, обоснована актуальность, освещен научный аппарат, показана научная новизна и практическая значимость, дано краткое изложение основных идей, приведены сведения по апробации основных результатов данной работы.
В 1-й главе: "Проблема управления активными объектами АПК и идея ее решения" даны определения основных терминов, используемых в данной работе; поставлена проблема исследования; проанализированы традиционные подходы к решению проблемы и предложена концепция ее решения. Здесь ставится исследуемая проблема — обеспечения устойчивого управления многофакторными слабодетерминированными активными объектами АПК как на детерминистских, так и на бифуркационных этапах их развития. Показано, что существует две основных причины возникновения этой проблемы: во-первых, сложность создания математической модели слабодетерминированных многофакторных объектов; во-вторых, периодическая потеря адекватности математической модели при прохождении объектом управления точки бифуркации. Традиционно эти проблема решаются путем адаптации модели на основе апостериорной информации. Однако в данном случае этого недостаточно, т.к. необходимо качественное изменение модели, т.е. не адаптация, а синтез.
Сформулирована идея решения проблемы управления объектами АПК, предусматривающая периодический синтез модели активного объекта в режиме реального времени путем включения процесса познания непосредственно в
24 цикл управления в качестве периодически выполняемого этапа. При этом
управление активным объектом предусматривает мета-управление, т.е. управление теми условиями, на основе которых активный объект управления формирует цели и принимает решения. В АПК в управляемые объекты входят люди, имеющие свои цели и мотивации. Поэтому в качестве мета-управляющих факторов могут рассматриваться факторы, ведущие к целям управляющей системы, совпадающим с целями объекта управления, а также факторы, корректирующие цели объекта управления в направлении их сближения с целями управления. В качестве инструмента автоматизации познания предлагается применить АСК-анализ.
Далее в главе сформулированы цель и задачи исследования, которые представляет собой этапы решения сформулированной проблемы.
Во 2-й главе: "Методологические основы АСК-анализа в управлении АПК" системный анализ рассматривается как метод познания, предложена когнитивная концепция, в рамках которой конструируется когнитивный конфигуратор — основа автоматизированного системно-когнитивного анализа (АСК-анализ), определяется его роль и место в структуре управления объектами АПК.
В этой главе реализован 1-й этап решения проблемы —разработка схемы СА, ориентированного на интеграцию с когнитивными технологиями с целью создания условий для дальнейшей автоматизации его этапов. Здесь же реализован 2-й этап решения проблемы — этап разработки формализуемой когнитивной концепции, выявление базовых когнитивных операций (БКО), структуризация системного анализа до уровня БКО, разработка обобщенного алгоритма системно-когнитивного анализа (АСК-анализа). Под АСК-анализом понимается системный анализ, структурированный до уровня базовых когнитивных операций.
1. Системный анализ представляет собой теоретический метод познания,
современное воплощение конкретной диалектики. Перспектива его автоматизации состоит в интеграции с когнитивными технологиями.
Предлагаемая когнитивная концепция рассматривает процесс познания, как многоуровневую иерархическую систему обработки информации в которой когнитивные структуры каждого уровня являются результатом интеграции структур предыдущего уровня. Таким образом между структурами разных уровней иерархии существует отношение "дискретное - интегральное". Именно это служит основой формализации смысла. В рамках предложенной когнитивной концепции сконструирован когнитивный конфигуратор (терм, авт.), представляющий собой минимальную полную систему когнитивных операций, названных "базовые когнитивные операции системного анализа" (БКОСА). Всего выявлено 10 таких операций, каждая из которых достаточно элементарна для формализации и программной реализации: 1) присвоение имен; 2) восприятие; 3) обобщение (синтез, индукция); 4) абстрагирование; 5) оценка адекватности модели; 6) сравнение, идентификация и прогнозирование; 7) дедукция и абдукция; 8) классификация и генерация конструктов; 9) содержательное сравнение; 10) планирование и принятие решений об управлении.
С целью создания предпосылок автоматизации, предложено структурировать системный анализ до уровня базовых когнитивных операций, допускающих формализацию и автоматизацию. СА, структурированный до уровня БКО, предложено называть системно-когнитивным анализом (СК-анализ).
Рассмотрены схемы типовой АСУ, адаптивной АСУ сложными системами (ААСУ СС) и рефлексивной АСУ активными системами (РАСУ АС), показаны роль и место АСК-анализа в структуре РАСУ АС при идентификации состояния активного объекта управления (АОУ), мониторинге, анализе, прогнозировании состояний АОУ, а также принятии решений по выбору управляющего воздействия.
26 В 3-й главе: "Математическая модель АСК-анализа" реализован 3-й
этап решения проблемы, состоящий в разработке математической модели АСК-анализа. Здесь обосновывается концепция системной (эмерджентной) теории информации; семантическая информационная модель, обеспечивающая количественную и качественную адаптацию с учетом динамики предметной области (т.е. адаптацию и пересинтез); исследуются важнейшие свойства предложенной математической модели (сходимость, адекватность, устойчивость); вводится новая информационная мера уровня системности предметной облас-ти, связанная с мерой % . Для обозначения предложенного метода идентификации и прогнозирования (по аналогии с Фурье-анализом) вводится термин: "Объектный анализ"
1. Предлагается вариант реализации системной теории информации в
рамках которого:
обоснованы требования к математической модели и численной мере;
осуществляется выбор базовой численной меры для чего проанализированы абсолютные, относительные и аналитические формы представления информации; теория информации применена для анализа процесса труда и средств труда; в рамках предложенной информационной теории стоимости раскрыта глубокая взаимосвязь между понятиями "стоимость" и "информация"; рассмотрены вопросы определения стоимости баз знаний и источник эффективности АСУ с точки зрения теории информации;
вводится новая системная мера семантической целесообразности информации, представляющая собой системное обобщение формулы Хартли для количества информации;
сформулирован закон возрастания эмерджентости и 3 следствия из него; рассмотрены генезис и некоторые интерпретации СТИ.
2. На базе СТИ разработана содержательная (семантическая) информа
ционная модель АСК-анализа, относящаяся к интеллектуальным информаци
онным моделям. В рамках этой модели:
предложен формализм двух взаимосвязанных семантических информационных пространств: пространства классов (в котором объектами являются вектора обобщенных образов классов), и пространства атрибутов (в котором объектами являются вектора атрибутов), причем координатами векторов в обоих случаях являются информативности, рассчитываемые в соответствии с предложенной системной мерой целесообразности информации;
раскрыт механизм когнитивной структуризации и формализации предметной области путем использования шкал и градаций;
описана возможность использования классической теории информации Шеннона для расчета весовых коэффициентов и мер сходства;
разработана математическая модель, основанная на семантической мере целесообразности информации и представлены решения трех основных задач АСУ (синтез и адаптация модели, расчет влияния факторов на переход объекта управления в различные состояния, прогнозирование поведения объекта управления, выработка многофакторного управляющего воздействия на объект управления, сравнение факторов и состояний объекта управления); обоснована сопоставимость предложенных частных критериев (доказаны 4 теоремы о сопоставимости).
Исследованы свойства математической модели: ее непараметричность, зависимость информативностей факторов и адекватности модели от объема обучающей выборки, а также зависимость адекватности, уровня системности и степени детерминированности модели от степени ее ортонормированности.
Предложена новая меры уровня системности предметной области, основанная на системной мере целесообразности информации, математически показана связь предложенного критерия с критерием %2.
Показана взаимосвязь предложенной меры семантической целесообразности информации с эластичностью многозначных функций многих аргументов.
28 6. Показано, что предложенный метод идентификации и прогнозирова-
ния с математической точки зрения является методом разложением вектора состояния объекта по векторам обобщенных образов классов, представляющих собой произвольные функции ("Объектный анализ").
Установлено, что предложенная математическая модель объединяет преимущества содержательных и статистических моделей, позволяет решать задачи идентификации и прогнозирования развития активных систем, вырабатывать эффективные многофакторные управляющие воздействия (путем решения обратной задачи прогнозирования и применения элементов нетрадиционной логики и правдоподобных нечетких рассуждений).
Делается вывод о том, что разработка семантической информационной модели создает необходимые и достаточные условия для разработки численного метода (алгоритмов и структур баз данных) и создания программного инст-рументария АСК-анализа.
В 4-й главе: "Численный метод АСК-анализа" реализован 4-й этап решения проблемы — разработка численного метода, соответствующего математической модели АСК-анализа (структур баз данных и алгоритмов БКОСА) и его детального алгоритма.
Десять БКОСА детализируются до двадцати четырех подопераций.
В соответствии с формализуемой когнитивной концепцией разработана детальная иерархическая структура баз данных, обеспечивающая реализацию когнитивных операций и подопераций.
Даны вербальные описания всех базовых когнитивных операций с де-'* тализацией по подоперациям.
Приведены детальные алгоритмы БКОСА.
Таким образом, в данной главе разработан численный метод, обеспечивается уровень детализации, достаточный для программной реализации АСК-анализа. Показано, что данный численный метод реализует все БКОСА на основе непосредственно эмпирических данных.
В 5-й главе: "Специальный программный инструментарий АСК-анализа - система "Эйдос" подробно описан разработанный автором инструментарий АСК-анализа —Универсальная когнитивная аналитическая система "Эйдос". Она защищена 6 Свидетельствами РосПатента РФ (1994 - 2003 годы). Система "Эйдос" обеспечивает реализацию всех БКОСА. С ее помощью решены проблема и задачи, поставленные в данном исследовании. Раскрыты назначение и состав системы, подробно описан ее пользовательский интерфейс, технология и методика создания и эксплуатации приложений. Приведены технические характеристики системы, предложены инфраструктура ее эксплуатации и виды обеспечения. Листинг исходных текстов системы "Эйдос" вместе с системами окружения составляет около 800 страниц (6-м шрифтом).
Здесь реализованы 5-й и 6-й этапы решения проблемы — создание специального программного обеспечения, реализующего предложенные математическую модель, численный метод и разработку методики синтеза рефлексивных АСУ активными объектами.
Показано, что созданная автором система "Эйдос" обеспечивает автоматизацию всех БКОСА.
Технология использования системы "Эйдос" при синтезе и эксплуатации приложений, обеспечивает:
формализацию предметной области;
подготовку обучающей выборки и управление ей;
синтез семантической информационной модели предметной области;
оптимизацию модели предметной области;
исследование адекватности (валидности) и других параметров семантической информационной модели предметной области;
идентификацию и прогнозирование;
типологический анализ, т.е. решение обратной задачи идентификации и прогнозирования, семантический информационный и кластерно-конструктивный анализ классов и факторов;
- оригинальную графическую визуализацию результатов анализа в фор
ме когнитивной графики (семантических сетей и когнитивных диаграмм).
Приведены технические характеристики системы "Эйдос" и виды обеспечения ее эксплуатации.
Показано, что технология использования инструментария АСК-анализа - системы "Эйдос", является методикой синтеза и эксплуатации рефлексивных АСУ активными системами в конкретных предметных областях.
Функции и структура системы "Эйдос" раскрыты на основе описания ее пользовательского интерфейса (экранных форм) с детальной привязкой к реализуемым в каждой подсистеме и режиме БКОСА.
В 6-й главе: "Опыт применения АСК-анализа в управлении АПК" реализован последний 7-й этап решения проблемы — применение АСК-анализа в различных предметных областях (синтез и эксплуатация компонент рефлексивных АСУ активными объектами на основе технологии и инструментария АСК-анализа).
В главе:
проанализирован опыт применения АСК-анализа при исследовании социально-экономических систем в различных предметных областях;
приведены конкретные численные примеры успешного практического применения предложенной технологии АСК-анализа в АПК Краснодарского края: поддержка принятия решений по выбору агротехнологий, культур и пунктов выращивания; анализ и прогнозирование развития сегмента рынка;
представлены результаты применения АСК-анализа для анализа динамики макроэкономических состояний городов и районов на уровне субъекта федерации в ходе экономической реформы (на примере Краснодарского края) и прогнозирования уровня безработицы (на примере Ярославской области).
В 7-й главе: "Экономическая эффективность АСК-анализа, его ограничения и перспективы":
*
приведены методика и результаты оценки экономической эффективности АСК-анализа (на примере поддержки принятия решений по выбору агро-технологий, культур и пунктов выращивания);
указаны ограничения АСК-анализа и обоснована возможность корректного расширения области его применения на предметные области, где эти ограничения несущественны;
описаны перспективы применения предложенных технологий АСК-анализа в управлении технологиями, экономике, психологии, социологии и политологии, маркетинговых, рекламных и социально-психологических исследованиях, правоохранительной сфере и в Internet (создание многоагентных распределенных систем обнаружения, накопления и использования знаний по различным предметным областям). Отмечается целесообразность применения АСК-анализа для атрибуции анонимных и псевдонимных текстов, контент-анализа, синтеза интеллектуальных дескрипторных информационно-поисковых систем с интерфейсом запросов на естественном языке, идентификации и классификации изображений по их вербальным описаниям.
Делается вывод, о высокой универсальности математического метода и инструментария АСК-анализа. Показано, что технология и методика использования инструментария АСК-анализа легко адаптируется к методике научных исследований в различных предметных областях, где накапливаются факты, производятся их обобщение и анализ, выполняются когнитивные операции, связанные с процессами познания и управления.
В Заключении отражены основные выводы и результаты, полученные в данной работе, подчеркнуты некоторые предложенные в ней новые теоретические идеи, высокая достоверность полученных результатов и их практическая значимость.
