Моделирование сложных систем

Проблема управления сложными системами

Термин «система» появился в научной литературе давно и является фактически неопределенным. Наиболее широко этот термин использовался в механике, где обозначал материальную систему, то есть совокупность точек, подчиненных определенным связям.

Впоследствии ученые приступили к исследованию сложных систем, динамика которых во многом зависит от человека, и принимаемых им решений. Процессы, протекающие в сложных системах, описываются большим числом параметров, соответствующие уравнения и соотношения, как правило, аналитически разрешены быть не могут. Эти системы уникальны, то есть даже аналогичные по назначению системы имеют ярко выраженные специфические свойства, во многом определяющие их поведение [1].

Продолжительность экспериментов с такими системами обычно велика, а иногда вообще недопустимо. К тому же, практически невозможно ставить численные опыты — системы приходится изучать во всем многообразии действующих факторов.

Сложная система имеет следующие характерные особенности [20]:

• · уникальность. Существующие аналоги объектов заметно отличаются друг от друга. Следствием этого на практике является необходимость строить новые модели;
• · слабая структурированность теоретических и фактических знаний о системе. Так как изучаемые системы уникальны, то процесс накопления и систематизации знаний о них затруднен. Слабо изучены сами процессы. При идентификации сложных систем присутствует большая доля субъективных экспертных знаний о системе;
• · составной характер системы. Сложные системы не сводится к простой совокупности элементов, расчленяя систему на отдельные части, изучая каждую из них в отдельности, нельзя познать свойства системы в целом. Поэтому описание отдельных подсистем необходимо выполнять с учетом их места во всей системе в целом, и наоборот, система в целом исследуется исходя из свойств отдельных подсистем. Одну из основных черт сложных систем составляет взаимодействие выделенных подсистем. Необходимо учитывать результат воздействия одной подсистемы на другую и их взаимодействие с внешней средой. Расчленение сложной системы на подсистемы зависит от целей создания системы, приняты технических решений и взглядов исследователя на нее;
• · разнородность подсистем и элементов, составляющих систему. Это определяется и многообразием природы (физической разнородностью подсистем, имеющих различную природу), и разнородностью математических схем, описывающих функционирование различных элементов, а также одних и тех же элементов на различных уровнях изучения;
• · случайность и неопределенность факторов, действующих в системе. Учет этих факторов приводит к резкому усложнению задач и увеличивает трудоемкость исследований (необходимость получения представительного набора данных);
• · многокритериальность оценок процессов, протекающих в системе. Невозможность однозначной оценки (выбора единого обобщенного критерия) диктуется следующими обстоятельствами: наличием множества подсистем, каждая из которых имеет свои цели, оценивается по своим локальным критериям; множественностью показателей (иногда противоречивых, — в этом случае, выбирается компромиссный вариант), характеризующих работу всей системы; наличием неформализуемых критериев, используемых при принятии решений, основанных на практическом опыте лиц, принимающих решение;
• · процесс исследования системы носит итерационный характер. Исходная модель усложняется путем детализации. Однако создание полной модели сложной системы бесполезно, т.к. она будет столь же сложна в изучении, как и система. Следствием этого является необходимость использования ансамбля (комплекса) моделей при анализе системы. Различные модели могут отражать как разные стороны функционирования системы, так и разные уровни отображения исследователем одних и тех же процессов.

Также любую сложную систему необходимо исследовать в динамике с учетом поведенческих аспектов, что затрудняет процесс управления системой.

Современная экономическая реальность такова, что лицо, принимающее решение, вынуждено принимать решения, действуя в рамках сложной и быстроменяющейся окружающей среды. С конца 1970;х гг. исследователями был введен в оборот термин «принятие решений в динамической среде», который, как принято считать, наиболее полно охарактеризовал Б. Бремер. Согласно исследователю, для ситуации принятия решений в динамически сложной среде характерно следующее [15]:

• · необходимость принять несколько решений для достижения поставленной цели, каждое из которых должно рассматриваться в контексте остальных решений;
• · принимаемые решения не являются независимыми: каждое последующее решение ограничено последствиями принятых ранее и в свою очередь накладывает ограничения на последующие решения;
• · среда принятия решений изменяется как сама по себе, так и вследствие принимаемых решений;
• · решения принимаются в реальном времени (т.е. непосредственно в процессе изменения среды принятия решений).

Принятие решений в динамической среде характерно для таких распространенных явлений, как, например, выбор маршрута при движении автомобиля, инвестирование на фондовом рынке в условиях высокой волатильности цен, командование армией в ходе боя, диспетчерский контроль за авиаперевозками, управление поставками и логистикой и т. п. Согласно Бремеру, исследования в этих областях и дали толчок развитию этой области.

При моделировании поведения сложной системы следует учитывать поведение окружающих эту систему объектов. В литературе [16] подобный методологический подход принято называть стейкхолдерским. В данном подходе действия конкретной системы зависят от множества практически не связанных между собой заинтересованных лиц, таких, как потребители, поставщики, акционеры, управляющие, работники и др. Например, поставщики фирмы являются стейкхолдерами, так как влияют на стоимость сырья, на сроки и условия поставки, что напрямую связано с издержками любой компании. Посредники фирмы относятся к стейкхолдерам, так как могут влиять на затраты компании (например, исследовательские и рекламные агентства).

Между стейкхолдерами также могут существовать различные отношения, которые не всегда носят характер сотрудничества, совпадения интересов, а могут быть и конкурентными. Решения принимаются с учетом этих разнонаправленных интересов, при этом каждый из стейкхолдеров имеет определенные права на контроль над фирмой.

Рассмотренные выше особенности исследования сложных систем обуславливают потребность в специальных способах построения и анализа моделей сложных систем.

Моделирование представляет собой один из основных методов познания, является формой отражения действительности и заключается в выяснении или воспроизведении тех или иных свойств реальных объектов, предметов и явлений с помощью других объектов, процессов, явлений, либо с помощью абстрактного описания в виде изображения, плана, карты, совокупности уравнений, алгоритмов и программ [20].

В процессе моделирования всегда существует оригинал (объект) и модель, которая воспроизводит (моделирует, описывает, имитирует) некоторые черты объекта.

Исследуя современные сложные системы, человечество придумало различные классы моделей. Развитие информационных технологий можно в известном смысле интерпретировать как возможность реализации моделей различного вида в рамках информационных систем различного назначения: Информационные системы, Системы распознавания образов, Системы искусственного интеллекта, Системы поддержки принятия решений. В основе этих систем лежат модели различных типов: семантические, логические, математические и т. п.

Приведем общую классификацию основных видов моделирования:

• · концептуальное моделирование — представление системы с помощью специальных знаков, символов, операций над ними или с помощью естественных или искусственных языков,
• · физическое моделирование — моделируемый объект или процесс воспроизводится исходя из соотношения подобия, вытекающего из схожести физических явлений;
• · структурно-функциональное — моделями являются схемы (блок-схемы), графики, диаграммы, таблицы, рисунки со специальными правилами их объединения и преобразования;
• · математическое моделирование — построение модели осуществляется средствами математики и логики;
• · имитационное (программное) моделирование — при котором логико-математическая модель исследуемой системы представляет собой алгоритм функционирования системы, программно-реализуемый на компьютере.

Указанные виды моделирования могут применяться самостоятельно или одновременно, в некоторой комбинации.

Компьютерное моделирование — метод решения задач анализа или синтеза сложной системы на основе использования ее компьютерной модели.

К компьютерному моделированию относят:

структурно-функциональное,

имитационное.

Под термином «компьютерная модель», чаще всего понимают:

• · условный образ объекта или некоторой системы объектов (или процессов), описанный с помощью взаимосвязанных компьютерных таблиц, блок-схем, диаграмм, графиков, рисунков, анимационных фрагментов, гипертекстов и т. д. и отображающих структуру и взаимосвязи между элементами объекта. Компьютерные модели такого вида называются структурно-функциональными;
• · отдельную программу (совокупность программ, программный комплекс) позволяющий с помощью последовательности вычислений и графического отображения их результатов, воспроизводить (имитировать) процессы функционирования объекта, системы объектов при условии воздействия на объект различных, как правило, случайных факторов. Такие модели называются имитационными.

Суть компьютерного моделирования заключена в получении количественных и качественных результатов на имеющейся модели. Качественные результаты анализа обнаруживают неизвестные ранее свойства сложной системы: ее структуру, динамику развития, устойчивость, целостность и др. Количественные выводы в основном носят характер анализа существующей сложной системы или прогноза будущих значений некоторых переменных.

Методологией компьютерного моделирования является системный анализ (направление кибернетики, общая теория систем). Центральной процедурой системного анализа является построение обобщенной модели, отражающей все факторы и взаимосвязи реальной системы. Предметом компьютерного моделирования может быть любая сложная система, любой объект или процесс. Категории целей при этом могут быть самыми различными. Компьютерная модель должна отражать все свойства, основные факторы и взаимосвязи реальной сложной системы, критерии, ограничения. Компьютерное моделирование сегодня предлагает совокупность методологических подходов и развитых технологических средств, используемых для подготовки и принятия решений экономического, организационного и социального или технического характера.

Эффективный метод анализа динамики сложных систем был предложен в Массачусетском технологическом институте профессором Дж. Форрестером. Первоначально метод был известен как «индустриальная динамика» и применялся исключительно для изучения проблем управления в производстве. Спустя некоторое время это название перестало соответствовать содержанию, так как применение метода оказалось гораздо шире. Он оказался эффективен и для решения других проблем, например, связанных с городской динамикой, управлением ресурсами, распространением болезней и так далее. В связи с тем, что данный метод может применяться для моделирования и изучения практически любых сложных систем, он был назван системной динамикой.

Системная динамика является одним из наиболее мощных инструментов, используемых в настоящее время для анализа, проектирования и моделирования сложных систем [18].

Системная динамика направлена на изучении не самих систем, а задач, связанных с этими системами. Главными особенностями таких систем является то, что они динамические (изменяющиеся во времени), содержат петли обратной связи, а также их структура характеризуется задержками, нелинейностью и переменчивостью причин сложного поведения.

Необходимость в динамическом моделировании обусловлена возникновением новых научно-технических проблем (в частности, проблем совершенствования организационного управления), что сопровождается ростом требований к средствам моделирования.

Системную динамику наиболее эффективно использовать при решении следующих задач:

• · исследование сложных систем, с целью выявления причинно-следственных связей;
• · прогнозирование последствий изменения стратегий управления сложной системой;
• · обучение специалистов работе со сложными природно-техническими комплексами.

Используя этот метод, Дж. Форрестеру удалось выявить фундаментальные закономерности развития сложных социальных систем. Показать связь таких параметров мировой системы, как численность населения, потребление ресурсов, выработка загрязнений и других.