Содержание к диссертации
Введение
1. Пути организации изучения сложных динамических систем 20
1.1. Непредсказуемость поведения социально-экономических систем 22
1.2. Метод системной динамики 25
1.3. Обратные связи 31
1.4. Ментальные модели 35
1.5. Динамическая сложность 43
1.6. Пути и проблемы исследования сложных систем 46
Выводы 50
2. Концептуальное моделирование социально-экономической системы регионального уровня 51
2.1. Объект моделирования 51
2.2. Метод создания концептуальной модели (функционально-целевой подход) 54
2.3. Декомпозиция социально-экономической системы 60
2.4 Язык представления концептуальной модели 63
2.5. Состав и структура концептуальной модели 65
2.6. Покрывающие действия концептуальной модели социально-экономической системы 73
Выводы 76
3. Формальный синтез модели системной динамики 77
3.1. Состав и структура базы знаний социально-экономической системы 79
3.1.1. Декларативные знания базы знаний 80
3.1.2. Процедурные знания базы знаний 82
3.2. Механизм синтеза модели системной динамики 88
3.2.1. Генерация состава и структуры динамической модели 89
3.2.2. Генерация информационных связей динамической модели 93 3.3. Пример генерации на базе концептуальной модели динамической модели
демографической подсистемы города 94
Выводы 102
4. STRONG Инструментальная система поддержки создания концептуальных моделей
сложных систем и синтеза адекватных им динамических моделей STRONG 103
4.1. Состав системы 104
4.2. Функционирование системы 108
4.2.1. Организация сеанса работы 111
4.2.2. Приобретение и пополнение знаний 112
4.2.2.1. Описание пользовательского интерфейса 114
4.2.2.2. Процедура формализации знаний экспертов в виде концептуальной модели предметной области 115
4.2.3. Синтез модели системной динамики 118
4.2.3.1. Описание пользовательского интерфейса 119
4.2.4. Обслуживание базы знаний 120
Выводы 122
5. Формирование стратегий развития социально-экономических систем на базе исследования их динамических моделей 123
5.1. Среда реализации моделей системной динамики Powersim 123
5.1.1. Общая характеристика и возможности системы Powersim 124
5.1.2. Сравнительный анализ реализуемых системой методов интегрирования 129
5.1.3. Оценка точности моделирования 135
5.2. Примеры реализации моделей системной динамики социально- экономических систем регионального уровня 140
5.2.1. Экономический потенциал Мурманской области 142
5.2.2. Трудовые ресурсы и население Мурманской области 151
5.2.3. Окружающая среда 152
5.3. Синтез стратегий 15 5
5.3.1. Трудовые ресурсы и население Мурманской области 156
5.3.2. Экономический потенциал Мурманской области 159
5.3.3. Окружающая среда 166
5.4. Выбор стратегий 169
5.4.1. Формализация критерия выбора стратегий 170
Выводы
- Ментальные модели
- Метод создания концептуальной модели (функционально-целевой подход)
- Процедурные знания базы знаний
- Процедура формализации знаний экспертов в виде концептуальной модели предметной области
Введение к работе
Актуальность работы связана с растущими требованиями к рациональному обоснованию управленческих решений, влияющих на различные аспекты функционирования социально-экономических систем и реализующих стратегии их допустимого (бескризисного) развития. Мощным толчком для исследований в этой области послужили социально-экономические трансформации, произошедшие в России в начале 1990-х годов. Быстрое разрушение старого уклада жизни привело к полной неопределенности в решении задач управления социально-экономическими системами, особенно регионального уровня, так как регионы получили большую самостоятельность, не имея достаточного опыта управления даже в старых условиях [2, 34, 35, 36, 37, 79]. В северных регионах вследствие экономического спада возникла неустойчивая демографическая ситуация, опасная необратимыми негативными изменениями в экономике и других сферах жизни [4, 68, 129, 138]. В современной экономической теории нет единого мнения о причинах происшедшего спада и предпосылках возможного экономического роста, называются самые различные факторы от нерыночного поведения субъектов экономики до неправильного распределения доходов [3, 34, 54, 61, 68]. Остро встала проблема оценки последствий принимаемых решений на региональном уровне, потому что основной экономический потенциал страны находится в регионах [36, 78, 145]. В связи с этим в последнее время региональной тематике посвящено большое количество исследований. Это создание моделей территориального социально-экономического развития регионов [34, 35, 37], разработка механизмов экологически устойчивого развития [40, 41, 42, 93, 94, 95, 108, 146], исследование проблем федерализма и местного самоуправления [67, 110, 119] и др.
Экспериментальные воздействия на региональные социально-экономические системы по многим причинам (ограниченные временные рамки, опасность необратимых изменений, высокая стоимость и др.) обычно невозможны или нежелательны, поэтому основным методом изучения и прогнозирования поведения таких систем служит моделирование [1, 56, 57]. Моделирование социально-экономических систем с достаточной для получения практически значимых результатов многосторонностью заставляет рассматривать их как сложные динамические системы с множественными внешними и внутренними связями, учитывать разнообразные информационные, финансовые, материальные, энергетические потоки, предусматривать анализ последствий изменения их структуры, кризисных ситуаций и т.п. [3, 70, 105, 149]. С середины 1980-х годов школа И.Пригожина [81, 82, 107] развивает подход, согласно которому в развитии любой сложной системы чередуются периоды, в течение которых система ведет себя то как «в основном детерминированная», то как «в основном случайная» [53, 138, 142, 143]. На принципиальную невозможность полноты информации о сложной системе в окрестности бифуркации указывал академик Н.Н.Моисеев [74, 75, 76, 77]. Таким образом, основной проблемой моделирования сложных систем при недостаточной информации об их функционировании является обеспечение адекватности создаваемой модели объекту моделирования. Задача такого моделирования выходит за рамки формальных постановок и существенно ограничивает возможность применения математических методов описания поведения систем на базе статистического материала. Кроме того, моделирование социально-экономических систем предполагает моделирование поведения систем в ситуациях, которые ранее не встречались и моделирование ситуаций, наблюдение которых осложнено большой длительностью их развития [38,43, 44, 150].
Одной из важнейших особенностей социально-экономических систем является наличие большого числа обратных связей и сильное взаимное влияние между параметрами системы [4, 70, 80, 115]. Вследствие этого, любой параметр, являющийся управляющим по отношению к одному компоненту системы, в свою очередь зависит от других компонентов этой же системы. То есть в системе практически отсутствуют независимые управляющие параметры. Даже внешние взаимодействия во многом зависят от состояния и результатов функционирования самой системы. Поиск путей преодоления проблем в изучении социально-экономических систем, связанных с этими особенностями, привел к появлению в 1960-х годах специализированного метода имитационного моделирования - метода системной динамики [134, 162, 163, 164, 166, 167]. Данный метод, предложенный Джеем Форестером, зарекомендовал себя как эффективный подход к изучению поведения сложных трудно формализуемых систем. Системная динамика в настоящее время успешно развивается в разных странах. Большой вклад в этой области принадлежит и отечественным ученым, в частности, академику В.А.Геловани [12, 13].
Метод системной динамики позволяет исследовать поведение сложных систем, опираясь на возможности компьютерного моделирования. В отличие от «традиционных» методов компьютерного моделирования системная динамика не требует построения математической модели исследуемого объекта в традиционной форме, а дает исследователю инструментарий для моделирования: компьютерные модели системных элементов и связей между ними. Это позволяет строить модели совершенно разной степени сложности и быстро получать результаты моделирования для разных параметров моделей. Важной составляющей системной динамики Дж. Форрестера являются формальные языки описания процесса изменения моделируемого объекта. Один из них - язык системных диаграмм, позволяет описать процесс, формализуя внутренние характеристики создаваемой компьютерной модели (они называются «уровнями») и представляя скорость их изменения в виде суммы, каждый элемент которой называется «темпом». Зависимость некоторого темпа изменения уровня от самого уровня называется «обратной связью», положительной, если увеличение уровня увеличивает темп и отрицательной в противном случае. Таким образом, системная диаграмма является формализацией модели исследуемого процесса. Подобно всем мощным средствам, существенно зависящим от искусства их применения, системная динамика способна дать как очень хорошие, так и очень плохие результаты. Она может как пролить свет на решение проблемы, так и ввести в заблуждение. Поэтому для принятия решений на основании результатов динамического моделирования важно ясно представлять смысл вводимых допущений при синтезе динамической модели. Системная динамика направлена на изучении не самих систем, а задач, связанных с этими системами. Главными особенностями таких систем является то, что они динамические, содержат петли обратной связи, а также их структура характеризуется задержками, нелинейностью и переменчивостью причин сложного поведения. Поэтому сам процесс синтеза моделей системной динамики очень непрост. Он основан на ментальных моделях: динамические модели создают коллективы экспертов и синтез приемлемой для практического использования динамической модели может занимать до нескольких лет [141, 165]. Поэтому основное внимание в диссертационной работе направлено на решение проблемы автоматизации процесса создания динамических моделей социально-экономических систем. В качестве аппарата для этого выбрано концептуальное моделирование, уже хорошо проработанное автором к этому времени для разных приложений [14, 15, 17, 18, 169, 170, 171]. Концептуальная модель используется для перехода от ментальных моделей экспертов к их формальному описанию, допускающему единственную интерпретацию [19, 25,26, 32].
Приведенная выше аргументация обосновывает следующую формулировку цели выполненных в диссертационной работе исследований и разработок.
Цель работы состоит в создании метода синтеза и средств разработки динамических моделей социально-экономических систем регионального уровня на основе формализации экспертных знаний. Исследование полученных моделей с целью разработки стратегий развития моделируемых систем.
Для реализации этой цели автором решены следующие основные задачи:
1. Создание на базе функционально-целевого подхода средств формализации и представления экспертных знаний (ментальных моделей) в виде концептуальных моделей предметной области.
2. Разработка средств реализации концептуальных моделей в виде баз знаний древовидной структуры.
3. Разработка процедур обработки знаний, обеспечивающих формальный синтез моделей системной динамики.
4. Разработка, на базе исследования полученных динамических моделей, стратегий развития моделируемых систем.
Методы исследования. Для решения поставленных в работе задач используются методы концептуального моделирования, системной динамики, элементы теории множеств, теории графов, теории вероятностей и математической логики. В качестве общего метода исследования автором разработан метод концептуального проектирования динамических моделей сложных систем.
В основу диссертационной работы положены результаты, полученные автором в ходе исследований по планам научно-исследовательских работ Института информатики и математического моделирования Кольского научного центра РАН в период с 1993 по 2002 годы. На базе этих результатов разработано методическое и программно-алгоритмическое обеспечение для проектирования и разработки динамических моделей социально-экономических систем регионального уровня.
Научная новизна работы заключается в том, что для создания информационных технологий поддержки принятия решений по управлению социально-экономическими системами разработан метод концептуального синтеза динамических моделей сложных систем. Метод основан на использовании концептуальной модели как средства формализации наиболее трудоемкого этапа динамического моделирования - синтеза адекватной модели системной динамики. Основные аспекты научной новизны метода следующие:
1. Экспертные знания формализуются в виде концептуальной модели, построенной с помощью функционально-целевой технологии [49].
2. Концептуальная модель реализуется в виде базы знаний древовидной структуры. Кроме того база знаний содержит объекты системы динамического моделирования и формальные процедуры.
3. Разработаны формальные процедуры, обеспечивающие синтез модели системной динамики из объектов системы динамического моделирования.
4. Динамическая модель однозначно синтезируется из соответствующей концептуальной модели.
Метод позволил снизить трудоемкость и сократить сроки динамического моделирования социально-экономических систем регионального уровня.
Актуальность и научная новизна работы подтверждены включением одного из ее приложений - сценарной динамической модели анализа и прогноза демографической ситуации города Севера России в условиях переходной экономики - в перечень важнейших результатов Российской академии наук за 1998 год, в раздел «Математическое моделирование, вычислительная и прикладная математика для задач информатики». Разработанный автором метод концептуального проектирования динамических моделей сложных систем включен в этот перечень за 2002 год.
Практическая ценность. В основу диссертационной работы положены результаты, полученные автором в ходе исследований, проводимых по планам научно-исследовательских работ Института информатики и математического моделирования технологических процессов Кольского научного центра РАН в период с 1993 по 2002 годы. «Разработка моделей прогноза устойчивости развития социально-экономической системы региона в условиях переходных процессов в экономике страны», 1995г. (тема: 10-91-2306, гос.рег. № 01.9.10 5501440); База данных и знаний «Аналитика для Баренцрегиона», 1995г. (тема: Проект 8 программы Баренц-регион, гос.рег. № 01.9.50 000322); «Информационные технологии в прогнозировании развития социально-экономической системы региона», 1998г. (тема: 10-96-2107, гос.рег. № 01.9.60000720); «Модели управления региональным рынком труда», 1998г. (тема: 10-96-2107, гос. per. № 01.9.60000720); «Концептуальная модель эколого-социально-экономической системы северного сырьевого региона России в условиях переходной экономики», 2001г. (гос.рег. № 01.99.0010 286); «Модели системной динамики (динамические модели) типовых городов Севера России», 2001г. (гос.рег. № 01.99.0010 286); «Методы формализации и оценки устойчивости динамических моделей северных регионов России», 2001г. (гос.рег. № 01.99.0010 286); «Динамическая модель социально-экономического развития региона», 2001г. (гос.рег. № 01.99.0010 286).
На основе полученных результатов реализована при поддержке РФФИ (проект № 02-07-90074) интеллектуальная система поддержки создания концептуальных моделей сложных систем и синтеза адекватных им динамических моделей. Система обеспечивает взаимодействие экспертов на этапе разработки концептуальной модели предметной области с помощью создания и ведения персональных баз знаний иерархической структуры. На основе формализованных и представленных таким образом экспертных ментальных моделей система реализует автоматический синтез модели системной динамики, адекватной соответствующей концептуальной модели.
Разработанная автором «Технология концептуального проектирования моделей системной динамики» представлена на первом Московском международном салоне инноваций и инвестиций «Технологии и наукоемкая продукция», 2001г., 7-10 февраля, Москва, ВВЦ.
Построенная с помощью данной инструментальной системы динамическая модель г.Апатиты является эффективным средством прогнозирования и разработки стратегий социально-экономического развития города. Модель внедрена в Администрации г.Апатиты, а автор является членом группы стратегического прогнозирования при Администрации города.
Полученные автором результаты обеспечили достаточный научный задел для разработки и реализации модели системной динамики регионального развития (на примере Мурманской области). Автор является участником регионального проекта разработки стратегии развития Мурманской области до 2015 года и членом рабочей группы «Информационно-аналитическое обеспечение стратегии регионального развития» Совета по стратегии развития Мурманской области.
Научная апробация работы. Основные результаты работы докладывались и обсуждались на международных, всероссийских и межрегиональных конференциях в гг. Москва, Санкт-Петербург, Прага (Чешская республика), Тверь и др. и, в частности, на следующих научных мероприятиях:
• международная конференция ЮНЕСКО "Математика, управление и инвестиции", 1993, Москва, 15-19 февраля;
• международная конференция "CAD/CAM, robotics and factories of the future",1993, Санкт-Петербург, 17-20 мая;
• III Санкт-Петербургская Международная конференция "РИ-94", 1994, Санкт-Петербург, 10-13 мая;
• The 1994 East-West International conference on Humen-Coputer Interaction. 1994, Санкт-Петербург, 2-6 июня;
• International Conference on Informatics and Control (ICI&C97), 1997, St.Petersburg, 18-19 September;
• International conference "Intelligent Systems and Information Technologies in Control", 2000, Pskov, June 19-23;
• природопользование в Евро-Арктическом регионе: опыт XX века и перспективы. Международная конференция, посвященная 70-летию Кольского научного центра РАН, 2000, Апатиты, 2-4 ноября;
• межрегиональная научно-практическая конференция «Темпы и пропорции социально-экономических процессов на российском Севере», 2001, г.Апатиты, 19-20 апреля;
• 15h European Simulation Multiconference "Modelling and Simulation 2001", 2001, Prague, Czech Republic, June 6-9;
• 8-я Санкт-Петербургская международная конференция "Региональная информатика-2002" 2002, Санкт-Петербург, 26-28 ноября;
• Международный форум по проблемам науки, техники и образования "III -тысячелетие - новый Мир". 2002, Москва, 2-6 декабря.
• 1-st International Industrial Simulation Conference, 2003, Valencia, Spain, June 9-11.
Структура и объем работы. Диссертация состоит из введения, пяти глав, заключения, предметного указателя, списка литературы из 188 наименований и 26 приложений. Диссертация содержит 41 рисунок и 11 таблиц. Общий объем работы составляет 231 страницу.
Ментальные модели
В области системной динамики приложено много усилий для разработки методов и процедур выявления, представления и отбора ментальных моделей [163, 164, 184]. Цель большинства исследований при построении моделей системной динамики заключается в изменении или уточнении ментальных моделей, чтобы, в свою очередь, улучшить качество решений, получаемых на этих моделях.
Точное определение ментальной модели, ее реквизитов и характеристик, а также формализация ее влияния на процесс исследования проблемы и принятие решений является важной задачей в системной динамике. Ментальные модели не являются понятием, которое точно определено и универсально понимается, подобно другим понятиям системной динамики, таким как уровни, потоки, и обратные связи. Точных определений ментальных моделей в литературе по системной динамике автором не найдено. Существующие определения контекстно зависимы и часто не согласуются между собой. Неоднозначность, следующая из отсутствия формальных, и взаимно согласованных концептуальных определений термина «ментальные модели», имеет важные следствия в области системной динамики. Различные исследователи разрабатывают и применяют свои концепции ментальных моделей и методов для их выбора и применения в своей работе.
Поскольку каждая группа исследователей использует различные методы для выявления и отбора ментальных моделей, основанные на их собственных уникальных определениях, это также создает трудности для аккумулирования результатов разных исследований. Кроме того, различные определения ментальных моделей, используемых в системной динамике, расходятся с определениями, используемыми вне этой области, что затрудняет использование в системной динамике результатов исследований, полученных в других смежных дисциплинах.
В системной динамике базовые понятия относятся к индустриальной динамике, где Дж. Форрестер [164] предложил следующее определение ментальных моделей:
«Умственное изображение или устное описание на естественном языке, которое может формировать модель из общей организации и процессов.
Люди, принимающие решения, постоянно имеют дело с этими умственными и устными моделями реальности. Эти модели - не реальный мир, они не обязательно правильны. Они - модели, созданные, чтобы занять место в нашем мысленном представлении для реальной системы, которую они представляют». Далее Дж. Форрестер развивает эти идеи и дает следующее определение ментальных моделей [164]:
«Ментальная модель - это умственное изображение мира вокруг нас, которое мы несем в наших головах. Человек не имеет города или страны в своей голове. Он только выбрал понятия и связи, которые он использует, чтобы представить реальную систему. Ментальная модель размыта, не завершена, неточна».
Главный недостаток ментальных моделей, по мнению Форрестера, - то, что их динамические следствия не могут моделироваться мысленно, чтобы поддержать динамическое принятие решений - основное предназначение системной динамики.
Другие исследователи добавили к этому списку характеристик ментальных моделей такие определения как «размытые и неявные», «содержащие интуитивные подробности», «высоко адаптивные» и «неспособные обрабатывать сложные степени интеграции», «чрезвычайно простые в сравнении с действительностью».
Стерман [180, 184] описывает ментальные модели систем как упрощения их по сравнению со сложностью реальных систем, непосредственно и динамически неполные. Ментальные модели заставляют людей принимать решения, основанные на разомкнутых обратных связях, недостаточно оценивают запаздывания между действием и реакцией, нечувствительны к нелинейностям, которые могут изменять влияние различных циклов обратной связи, поскольку система развивается.
Таким образом, исследователи динамики систем соглашаются с основными недостатками ментальных моделей, но намного меньше согласия по определению ментальной модели. Далее приводятся некоторые примеры таких определений [159, 160]:
каждый человек несет в своей голове ментальную модель, основанную на его восприятии и опыте, которые он использует, чтобы направлять свои решения относительно будущих действий; ментальные модели - интуитивные обобщения из наблюдений реальных результатов; ментальная модель является пониманием операций реального мира; ментальные модели содержат идеи, мнения, предположения и так далее относительно задач, стратегии и связанных действий;
ментальные модели являются глубоко стабильными предположениями, обобщениями, или изображениями, которые влияют на то, как мы понимаем мир и какие мы принимаем меры. Очень часто мы сознательно не признаем наши ментальные модели или влияние, которые они накладывают на наше поведение;
ментальные модели - это то, что мы несем в наших головах - изображения, предположения, истории... Ментальные модели могут быть простыми обобщениями... Или они могут быть комплексными теориями...;
ментальные модели - многоаспектные, включая различимые подмодели, сосредоточенные на цели, стратегии, рычаги стратегий и схемы между ними;
в системной динамике термин «ментальная модель» подчеркивает неявные отображения системы, которую мы исследуем, наши убеждения относительно сети причин и результатов, которые описывают, как система функционирует, границы модели (внесистемные переменные) и масштаб времени, который мы принимаем;
ментальные модели - некоторый вид психологического построения с определенным представительным содержанием. Ментальные модели ведут к некоторым описаниям из действительности, которые обычно выражаются множеством предложений на обычном языке, описывая и взаимодействия среди элементов внутри системы и их внешних влияний.
Метод создания концептуальной модели (функционально-целевой подход)
В силу ограниченности рационального мышления человека в масштабах больших и сложных систем и исходя из процесса целеполагания, иерархические древовидные модели дают возможность оперировать небольшим количеством объектов и связей на каждом уровне иерархии сложной системы. Причем количество элементов (понятий) можно оставлять всегда примерно одним и тем же [73], изменяя степень их агрегирования. Одним из таких подходов к созданию концептуальной модели предметной области является функционально-целевой подход, развитый для класса задач с древовидными моделями предметной области. Функционально-целевой подход предложен Путиловым В.А. в начале 1980-годов [49] для решения проблем управления сложными распределенными объектами. Этот подход развивался автором в разнообразных приложениях: от задач синтеза методик химических экспериментов до моделирования и управления социально-экономическими системами.
Исходная посылка функционально-целевого подхода - решение проблем через формирование системы целей. Цель достигнута, если решена соответствующая задача. Решение задач обеспечивается соответствующими функциями синтезируемой системы. Функционально-целевой подход обеспечивает структурный синтез систем, функции которых (т.е. поведение системы) обеспечивают решение соответствующих задач. Методами
функционально-целевого подхода синтезируется концептуальная модель предметной области в виде многоуровневой древовидной системы целей. В функционально-целевом подходе эта иерархия целей используется не только как обычное средство наглядного структурного описания, но и как инструмент структурно-алгоритмического проектирования системы, обеспечивающей учет особенностей структуры целевой предметной области. Для обеспечения таких возможностей модель функций системы имеет структуру, аналогичную структуре модели целевой предметной области. А модель функций определяет структуру синтезируемой системы. Модели, разработанные с помощью функционально-целевого подхода, основаны на двухоперационных алгебрах целей и функций. Это означает, что в иерархической системе целей любая цель Р (рис. 2.1.) достигается последовательно-параллельными композициями подцелей нижележащего уровня. То есть для достижения цели нужно обеспечить достижение подцелей последовательно друг за другом и/или одновременно (параллельно). Необходимость ограничения такими композициями обусловлена тем, что в функционально-целевом подходе в декомпозиции действий отражена декомпозиция целей (исходная декомпозиция), а естественный путь реализации цели - это последовательное и параллельное (совместное) достижение подцелей.
Таким образом функционально-целевой подход дает соответствие между целями различных уровней концептуальной модели по следующему принципу: каждой цели соответствуют функция, обеспечивающая достижение этой цели. Эти функции в свою очередь являются целями, достигаемыми на следующем, более низком уровне иерархии модели.
Прежде чем перейти к рассмотрению модели, приведем основные понятия и определения, которые будут использоваться далее. Одним из таких понятий является понятие «система». В настоящее время существует множество определений этого понятия. Мы будем использовать следующее определение [72]: системой С называется отношение над абстрактными множествами X и Y: CcXxY (2.1) здесь X - входное множество системы; Y - выходное множество системы.
Отношением над множествами X и Y называется произвольное подмножество множеств всех упорядоченных пар (х,у), х є X, у є Y. Система С определяется также с помощью задачи принятия решений: решающая система CcXxY:(x,y)eC (2.2) тогда и только тогда, когда у является решением определенной задачи, конкретизация которой осуществляется посредством задания х. В работе [72] показано, что всякая система, формализованная посредством модели вход-выход (2.1), может быть представлена в виде решающей системы и наоборот.
Элементом системы будет называться простейшая неделимая с точки зрения решения конкретного класса задач часть системы.
Под структурой системы понимается устойчивая упорядоченность в пространстве и времени ее элементов и связей [83].
Множество элементов системы, определенных для конкретного класса решаемых задач, будет называться функциональным базисом, на котором строится эта система.
В многоуровневых системах такие понятия, как «цель», «целенаправленная деятельность», «целенаправленные системы», тесно связаны с понятиями «принятие решений» и «системы принятия решений» [12, 39, 62, 72]. Целенаправленное поведение в сущности представляет собой последовательность принимаемых и реализуемых решений. Вследствие возможности представления систем типа вход-выход (2.1) в виде решающих систем и наоборот цели могут быть определены через решаемые задачи. Поэтому цель считается достигнутой, когда найдено решение соответствующей задачи (задача может быть оптимизационной). В дальнейшем в соотношение между целями и решаемыми задачами в диссертационной работе будет вкладываться именно такой смысл.
Реализация функционально-целевого подхода, базирующегося на концепции управления через целеполагание и предполагающего соответствие функций системы управления целям предметной области, обеспечивает как формальную постановку и решение, так и практическую реализацию задач синтеза алгоритмов управления, оптимальных в смысле определенных критериев. Таким подходом обеспечивается и учет особенностей решаемых задач. Как указывается, например, в работах [104, 111], идеальная в смысле приспособленности к решаемой задаче по важнейшим характеристикам процесса решения структура вычислительной машины (системы) должна соответствовать естественной структуре решаемой задачи.
Обращаясь к соотношению между целями и решениями задач (если найдено решение задачи, то достигнута соответствующая цель), видим, что процесс последовательной детализации задачи рассматриваемой предметной области представляется деревом декомпозиции целей исследований (рис.2.1) [88, 89]. Обратимся к задаче синтеза структуры многоуровневой системы, обеспечивающей достижение целей исследований. Такая задача имеет много аспектов. Определим, какими свойствами должны обладать отдельные элементы многоуровневой системы. Рассматриваемая ниже простая теорема [59] о подсистемах многоуровневой системы показывает, что система в целом должна строиться из таких подсистем, которые обеспечивают покрытие соответствующих подзадач основной целевой задачи многоуровневой системы.
Процедурные знания базы знаний
К декларативным знаниям базы знаний относятся: набор примитивов концептуальной модели - элементов последнего уровня декомпозиции (А); набор действий (Р); набор элементарных объектов системы динамического моделирования (T=L F VuC, где L - множество уровней, F- множество потоков, V -множество переменных, С - множество связей); справочники и кодификаторы, содержащие текстовые знания экспертов об исследуемой предметной области.
Набор примитивов концептуальной модели. Данный набор включает в себя «примитивные» цели концептуальной модели, то есть неделимые в пределах данной модели [187]. К ним относятся примитивы, соответствующие подсистемам концептуальной модели, а именно: населения (Ар); экономики (АЕ), экологии (AN), инфраструктуры (Ai), земли (AL), жилья (Ар), управления (Ас). Набор действий. Данный набор создается на этапе формализации знаний экспертов о социально-экономической системе города. Под действиями подразумеваются процессы, которые могут происходить с примитивами. Например, для населения действиями являются: иммиграция, эмиграция, рождение, взросление, старение, смерть. Действия могут быть «положительными» и «отрицательными». Под положительными действиями подразумеваются процессы, оказывающие положительное воздействие на примитив, а под отрицательными - процессы, оказывающими отрицательное воздействие на примитив. Так, например, для набора примитивов подсистемы население положительными действиями являются - иммиграция, рождение, а отрицательными - эмиграция и смерть. Действие может быть положительным для одного примитива, и отрицательным для другого, например, действие «взросление» является положительным для примитива «взрослые» и отрицательным для примитива «дети».
Набор элементарных объектов системы динамического моделирования. Данный набор включает в себя множества элементарных объектов системной динамики. С точки зрения системной динамики системы могут быть описаны в виде внутренних переменных системы: уровней, потоков, вспомогательных переменных, констант и информационных связей.
Уровень - есть аккумуляция, суммирование всех изменений, которые «входят/втекают» и «выходят/вытекают» из уровня с потоками (скоростями). Уровень представляет собой переменную состояния системы в заданный момент времени.
Поток изменяет состояние уровня во времени и является эквивалентом скорости.
Вспомогательная переменная - промежуточные переменные, не описывающие состояния системы, а некоторым образом определяющие скорость потоков. Эти переменные несут на себе дополнительные вычисления и представляют собой эффекты и явления, облегчающие понимание и представления о системе.
Константы - это переменные, которые предполагаются неизменными в течении изучаемого периода (в ходе симуляции) и в пределах границ модели. Информационные связи показывают взаимосвязь основных элементов системы и ее направление.
Справочники. Каждое действие характеризуется некоторой скоростью, которая зависит от каких-либо параметров. Скорость потока может зависеть от примитивов концептуальной модели, от других действий или дополнительных переменных. Набор этих дополнительных переменных (Vk) создается на этапе формализации знаний экспертов о социально-экономической системе в виде концептуальной модели. Также в справочниках содержатся множества Sp -множество, определяющее зависимость примитива от действия и Sw-множество, определяющее функциональную зависимость для действий.
К процедурным знаниям базы знаний относятся процедуры вывода. Процедуры вывода представляют собой отображения структур концептуальной модели, в данном случае это декларативные знания базы знаний, в структуры динамических моделей.
База знаний содержит три группы процедур вывода.
1. Процедуры вывода, определяющие для каждого примитива концептуальной модели покрывающие действия.
2. Процедуры вывода, определяющие состав и структуру (материальные связи) динамической модели.
3. Процедуры вывода, определяющие информационные связи динамической модели. 1) Процедуры вывода wl и w2 определяют для каждого примитива концептуальной модели покрывающие действия. l.a) wl задается как отображение множества примитивов концептуальной модели А на множество упорядоченных пар "примитив-действие" АхР. wl:A- AxP, (3.1) причем Vaj є А 3 pj є Р: aj, Pj є АхР, i = l,n, j = l,kl, здесь n - число примитивов, kl - число "отрицательных" действий.
Схема отображения wl представлена в базе знаний в виде матрицы Yl(klxn), строки которой соответствуют примитивам концептуальной модели, а столбцы - "отрицательным" действиям. Значения элементов данной матрицы определяются наличием отношений между соответствующими примитивами концептуальной модели и действиями.
Процедура формализации знаний экспертов в виде концептуальной модели предметной области
После завершения декомпозиции выбранной вершины актуального дерева командой «Система — Сохранить» сохраняется данный вариант в виде файла базы знаний данного эксперта.
Взаимодействие с пользователем (системным аналитиком или экспертом) осуществляется с помощью контекстного меню, появляющегося при нажатии правой кнопки «мыши». Меню имеет следующие пункты: добавить вершину - позволяет добавить к выделенной вершине вершину на уровень ниже, задать ее название, тип хранимых данных, способ вхождения вершин нижнего уровня в создаваемую вершину; изменить вершину (см. приложение 10) - позволяет изменять перечисленные в предыдущем пункте параметры вершин; удалить вершину - удаление вершины. Действие можно произвести только в том случае, если удаляемая вершина не является корнем поддерева; скрыть поддерево - скрывает все поддерево, для которого выделенная вершина является корнем. Это позволяет более эффективно использовать рабочую область программы; поместить в центр - помещает выделенную вершину в левую верхнюю часть экрана и отображает поддерево, для которого эта вершина является корнем; свойства - показывает все характеристики данной вершины. То есть ее название, тип хранимых данных, способ вхождения вершин нижнего уровня в создаваемую вершину, количество вершин в поддереве, название вышестоящей вершины. назначить примитивом - назначает данную вершину примитивом. Назначаемая вершина не должен быть корнем поддерева. Меню примитива содержит следующие пункты: добавить действие - позволяет добавить действие к примитиву. При этом необходимо ввести направление действия и его параметры; свернуть действия - скрывает (сворачивает) список действий; удалить все действия - удаляет все действия выделенного примитива, при этом удаляет связи с другими примитивами и действиями модели; изменить примитив - изменение доступных свойств примитива, например, названия; удалить примитив - удаляет выделенный примитив, если у него нет действий; назначить вершиной - если у примитива нет действий, то он становится вершиной с возможностью дальнейшей декомпозиции; свойства - показывает свойства примитива.
Отношения концептуальной модели задаются экспертами в виде связей между действиями над примитивами деревьев общей базы знаний. Для этого каждый эксперт в режиме работы с выбранным деревом выбирает интересующее действие и в контекстном меню выбирает пункт «Создать связь», которая позволяет устанавливать связи между действиями двух выбранных деревьев. При этом эксперт должен выбрать, создается ли связь с узлом текущей базы знаний или внешней.
Выбрав пункт меню «проверить связи» эксперт может проверить, доступны ли действия, с которыми установлены связи. Это может произойти, например, в случае если действие было удалено после установления связи либо файл с внешней базой знаний был удален либо перемещен. В случае ошибок можно выбрать другую вершину для связи либо удалить саму связь.
После завершения декомпозиции фрагментов концептуальной модели предметной области и задания отношений выполняется построение единой концептуальной модели. Построение единой концептуальной модели - это синтез из множества деревьев, построенных разными экспертами, единого дерева декомпозиции глобального объекта (см. приложение 11). Альтернативные варианты декомпозиции глобального объекта или его подобъектов, созданных различными экспертами, образуют классы эквивалентности. Выбор из класса эквивалентности одного представителя осуществляется по алгоритму, представленному во второй главе диссертации (см. разд. 2.5).
Создав единую концептуальную модель предметной области, системный аналитик запускает процедуру «Синтез динамической модели», которая выдает список элементов динамической модели, связи между ними и их характеристики, по которым оператор среды моделирования может однозначно построить динамическую модель непосредственно в среде динамического моделирования.
Экспертные варианты декомпозиции при этом не изменяются и доступны экспертам в виде персональных баз знаний для дальнейшей корректировки с использованием информации, находящейся в общей базе знаний. После внесения экспертами корректировок в свои персональные базы знаний процедуру «Синтез динамической модели» необходимо повторить. Повторение такой интерактивной процедуры ведет, в конечном счете, к повышению адекватности создаваемой модели исследуемой предметной области.
Синтез модели системной динамики. Из единого дерева с помощью формальных процедур, описанных в разделе 3.2 диссертационной работы, синтезируется модель системной динамики. Поскольку система динамического моделирования «Powersim» и другие аналогичные системы не имеют возможности импортировать структуру модели из других сред программирования, инструментальная система генерирует формальное описание состава и структуры модели системной динамики.
