- •Введение
- •1. Возникновение и развитие системных представлений
- •1.1. Предварительные замечания
- •1.2. Роль системных представлений в практической деятельности
- •Системность и алгоритмичность
- •1.3. Внутренняя системность познавательных процессов
- •Анализ и синтез в познании
- •Эволюция взглядов на системность мышления
- •1.4. Системность как всеобщее свойство материи
- •Вся природа системна
- •Системы как абстракция
- •Свойства любых систем
- •1.5. Краткий очерк истории развития системных представлений
- •Системность как объект исследования
- •Первые шаги кибернетики
- •Тектология богданова
- •Кибернетика винера
- •Попытки построения общей теории систем
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •2. Модели и моделирование
- •2.1. Широкое толкование понятия модели
- •Развитие понятия модели
- •Модель как философская категория
- •2.2. Моделирование - неотъемлемый этап всякой целенаправленной деятельности
- •Цель как модель
- •Познавательные и прагматические модели
- •Статические и динамические модели
- •2.3. Способы воплощения моделей
- •Абстрактные модели и роль языков
- •Материальные модели и виды подобия
- •Знаковые модели и сигналы
- •2.4. Условия реализации свойств моделей
- •2.5. Соответствие между моделью и действительностью: различия
- •Конечность моделей
- •Упрощенность моделей
- •Приближенность моделей
- •Адекватность моделей
- •2.6. Соответствие между моделью и действительностью: сходство
- •Истинность моделей
- •Сочетание истинного и ложного в модели
- •2.7. О динамике моделей
- •Сложности алгоритмизации моделирования
- •Естественная эволюция моделей
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •3. Системы модели систем
- •3.1. Множественность моделей систем
- •3.2. Первое определение системы
- •Проблемы и системы
- •Сложности выявления целей
- •3.3. Модель "черного ящика"
- •Компоненты "черного ящика"
- •Сложности построения модели "черного ящика"
- •Множественность входов и выходов
- •3.4. Модель состава системы
- •Компоненты модели состава
- •Сложности построения модели состава
- •3.5. Модель структуры системы
- •Отношения и структуры
- •Свойство и отношение
- •3.6. Второе определение системы. Структурная схема системы
- •Структурная схема как соединение моделей
- •3.7. Динамические модели систем
- •Отображение динамики системы
- •Функционирование и развитие
- •Типы динамических моделей
- •Общая математическая модель динамики
- •Заключение
- •Упражнения
- •Вопросы для самопроверки
- •4. Искусственные и естественные системы
- •4.1. Искусственные системы и естественные объекты
- •4.2. Обобщение понятия системы. Искусственные и естественные системы
- •Структурированность естественных объектов
- •Субъективные и объективные цели
- •4.3. Различные классификации систем
- •Классификация систем по их происхождению
- •Типы переменных системы
- •Типы операторов системы
- •Типы способов управления
- •4.4. О больших и сложных системах
- •Ресурсы управления и качество системы
- •Различение больших и сложных систем
- •Другие подходы к понятию сложности
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •5. Информационные аспекты изучения систем
- •5.1. Информация как свойство материи
- •5.2. Сигналы в системах
- •Понятие сигнала
- •Типы сигналов
- •5.3. Случайный процесс - математическая модель сигналов
- •Непредсказуемость - основное свойство сигналов
- •Классы случайных процессов
- •5.4. Математические модели реализации случайных процессов
- •Моделирование конкретных реализации
- •Некоторые модели ансамбля реализации
- •5.5. О некоторых свойствах непрерывных сигналов
- •Частотно-временное представление сигналов
- •Дискретное представление сигналов
- •5.6. Энтропия
- •Понятие неопределенности
- •Энтропия и ее свойства
- •Дифференциальная энтропия
- •Фундаментальное свойство энтропии случайного процесса
- •5.7. Количество информации
- •Количество информации как мера снятой неопределенности
- •Количество информации как мера соответствия случайных объектов
- •Свойства количества информации
- •Единицы измерения энтропии и количества информации
- •Количество информации в индивидуальных событиях
- •5.8. Об основных результатах теории информации
- •Избыточность
- •Скорость передачи и пропускная способность
- •Кодирование в отсутствие шумов
- •Кодирование при наличии шумов
- •Пропускная способность гауссова канала связи
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •6. Роль измерений в создании моделей систем
- •6.1. Эксперимент и модель
- •Классическое представление об эксперименте
- •Современное понятие эксперимента
- •6.2. Измерительные шкалы
- •Шкалы наименований
- •Порядковые шкалы
- •Модифицированные порядковые шкалы
- •Шкалы интервалов
- •Шкалы отношений
- •Шкалы разностей
- •Абсолютная шкала
- •Согласование шкалы с природой наблюдений
- •О других шкалах
- •6.3. Расплывчатое описание ситуаций
- •Понятие расплывчатости
- •Основные понятия теории расплывчатых множеств
- •6.4. Вероятностное описание ситуации. Статистические измерения
- •Понятие случайной неопределенности
- •О природе случайности
- •Статистические измерения
- •6.5. Регистрация экспериментальных данных и ее связь с последующей их обработкой
- •Классификационные модели
- •Числовые модели
- •Особенности протоколов наблюдений
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •7. Выбор (принятие решений)
- •7.1. Многообразие задач выбора
- •Выбор как реализация цели
- •Множественность задач выбора
- •7.2. Критериальный язык описания выбора
- •Выбор как максимизация критерия
- •Сведение многокритериальной задачи к однокритериальной
- •Условная максимизация
- •Варианты оптимизации при разноважных критериях
- •Выбор между упорядочениями
- •Поиск альтернативы с заданными свойствами
- •Нахождение паретовского множества
- •7.3. Описание выбора на языке бинарных отношений
- •Способы задания бинарных отношений
- •Отношения эквивалентности, порядка и доминирования
- •Об оцифровке порядковых шкал
- •7.4. Язык функций выбора
- •Функции выбора как математический объект
- •Ограничения на функции выбора
- •7.5. Групповой выбор
- •Описание группового выбора
- •Различные правила голосования
- •Парадоксы голосования
- •7.6. Выбор в условиях неопределенности
- •Задание неопределенности с помощью матрицы
- •Критерии сравнивания альтернатив при неопределенности исходов
- •Общее представление о теории игр
- •7.7. О выборе в условиях статистической неопределенности
- •Статистические решения как выбор
- •Общая схема принятия статистических решений
- •Понятие об основных направлениях математической статистики
- •Правила "статистической техники безопасности"
- •7.8. Выбор при расплывчатой неопределенности
- •Многокритериальный выбор в расплывчатой ситуации
- •Некритериальные задачи расплывчатого выбора
- •7.9. Достоинства и недостатки идеи оптимальности
- •Достоинства оптимизационного подхода
- •Ограниченность оптимизационного подхода
- •7.10. Экспертные методы выбора
- •Факторы, влияющие на работу эксперта
- •Методы обработки мнений экспертов
- •Метод "делфи"
- •7.11. Человеко-машинные системы и выбор
- •Пакеты прикладных программ для выбора
- •Базы знаний, экспертные системы
- •Системы поддержки решений
- •7.12. Выбор и отбор
- •Повторный выбор
- •Основные идеи теории элитных групп
- •Процедура "претендент- рекомендатель"
- •Процедуры "прополка" и "снятие урожая"
- •Процедура "делегирование"
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •8. Декомпозиция и агрегирование как процедуры системного анализа
- •8.1. Анализ и синтез в системных исследованиях
- •Сочетание анализа и синтеза в системном исследовании
- •Особенности синтетических методов
- •8.2. Модели систем как основания декомпозиции
- •Содержательная модель как основание декомпозиции
- •Связь между формальной и содержательной моделями
- •Проблема полноты моделей
- •8.3. Алгоритмизация процесса декомпозиции
- •Компромиссы между полнотой и простотой
- •Типы сложности
- •Алгоритм декомпозиции
- •8.4. Агрегирование, эмерджентность, внутренняя целостность систем
- •Эмерджентность как результат агрегирования
- •8.5. Виды агрегирования
- •Конфигуратор
- •Агрегаты-операторы
- •Классификация как агрегирование
- •Функция нескольких переменных как агрегат
- •Статистики как агрегаты
- •Агрегаты-структуры
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •9. О неформализуемых этапах системного анализа
- •9.1. Что такое системный анализ
- •Разнородные знания и системный анализ
- •Системный анализ как прикладная диалектика
- •9.2. Формулирование проблемы
- •Превращение проблемы в проблематику
- •Методы построения проблематики
- •9.3. Выявление целей
- •Опасность подмены целей средствами
- •Влияние ценностей на цели
- •Множественность целей
- •Опасность смешения целей
- •Изменение целей со временем
- •9.4. Формирование критериев
- •Критерии как модель целей
- •Причины многокритериальности реальных задач
- •Критерии и ограничения
- •9.5. Генерирование альтернатив
- •Способы увеличения числа альтернатив
- •Создание благоприятных условий
- •Способы сокращения числа альтернатив
- •Мозговой штурм
- •Синектика
- •Разработка сценариев
- •Морфологический анализ
- •Деловые игры
- •9.6. Алгоритмы проведения системного анализа
- •Трудности алгоритмизации системного анализа
- •Компоненты системных исследований
- •9.7. Претворение в жизнь результатов системных исследований
- •Внедрение результатов системного анализа в практику
- •Необходимость методологии внедрения
- •Рост и развитие
- •Условие добровольности участия в анализе
- •Роль отношений между участниками анализа
- •Проблемы и способы их решения
- •Роль этики в системном анализе
- •9.8. О специфике социальных систем
- •Несводимость социальных законов к биологическим и физическим
- •Существуют ли исторические закономерности?
- •"Мягкая" методология в системном анализе
- •Согласие при разногласиях
- •Учитывать будущее
- •Неожиданность как следствие сложности
- •Заключение
- •Литература
- •Вопросы для самопроверки
- •Краткий словарь специальных терминов
-
Статистики как агрегаты
Важный пример агрегирования данных дает статистический анализ. Среди различных агрегатов (называемых в этом случае статистиками, т.е. функциями выборочных значений, см. § 7.7) особое место занимают достаточные статистики, т.е. такие агрегаты, которые извлекают всю полезную информацию об интересующем нас параметре из совокупности наблюдений. Однако при агрегировании обычно потери информации неизбежны, и достаточные статистики являются в этом отношении исключением. В таких условиях становятся важными оптимальные статистики, т.е. позволяющие свести неизбежные в этих условиях потери к минимуму в некотором заданном смысле. Наглядный пример статистического агрегирования представляет собой факторный анализ, в котором несколько переменных сводятся в один фактор. Именно потому, что при рассмотрении реальных данных самым важным является построение модели-агрегата при отсутствии информации, необходимой для теоретического синтеза статистики, Тьюки [18] предложил назвать эту область "анализом данных", оставляя за математической статистикой задачи алгоритмического синтеза и теоретического-анализа статистик.
Наконец, еще раз подчеркнем, что с созданием агрегата-оператора связан не только выигрыш, ради которого он и создается, но и риск попасть в "ловушки". Отметим основные из них:
потеря полезной информации. Агрегирование является необратимым преобразованием (например, по сумме нельзя восстановить слагаемые), что в общем случае и приводит к потерям (см. § 5.7); достаточные статистики-лишь счастливое исключение (если сумма есть достаточная статистика, то информация об отдельных слагаемых и не нужна);
агрегирование представляет собой выбор определенной модели системы, причем с этим выбором связаны непростые проблемы адекватности (см. § 2.5 и 2.6);
некоторым агрегатам-операторам присуща внутренняя противоречивость, сопряженная с отрицательными (по отношению к целям агрегирования) последствиями. Наиболее ярким примером этого является теорема о невозможности (см. § 7,5), но не присуще ли это свойство (хотя || выраженное в разной степени) всем агрегатам?
-
Агрегаты-структуры
Важной (а на этапе синтеза-важнейшей) формой агрегирования является образование структур. К тому, что о моделях структур уже было сказано в § 3.5 - 3.6, можно добавить следующее.
Как и любой вид агрегата, структура является моделью системы и, следовательно, определяется тройственной совокупностью: объекта, цели и средств (в том числе среды) моделирования (см. § 2.8). Это и объясняет многообразие типов структур (сети, матрицы, деревья и т.д.), возникающих при выявлении, описании структур (познавательные модели; см. § 2.2).
При синтезе мы создаем, определяем, навязываем структуру будущей, проектируемой системе (прагматические модели; см. § 2.2). Если это не абстрактная, а реальная система, то в ней вполне реально (т.е. независимо от нашего желания) возникнут, установятся и начнут "работать" не только те связи, которые мы спроектировали, но и множество других, не предусмотренных нами, вытекающих из самой природы сведенных в одну систему элементов. Поэтому при проектировании системы важно задать ее структуры во всех существенных отношениях, так как в остальных отношениях структуры сложатся сами, стихийным образом (конечно, не совсем независимо от установленных и поддерживаемых проектных структур). Совокупность всех существенных отношений определяется конфигуратором системы, и отсюда вытекает, что проект любой системы должен содержать разработку стольких структур, сколько языков включено в ее конфигуратор. Например, проект организационной системы должен содержать структуры распределения власти, распределения ответственности и распределения информации (см. пример 7). Подчеркнем, что, хотя эти структуры могут весьма сильно отличаться топологически (например, структура подчиненности иерархична, а функционирование организовано по матричной структуре), они лишь с разных сторон описывают одну и ту же систему и, следовательно, не могут быть не связанными между собой.
В современных системных науках все возрастающее внимание уделяется одному из специфических видов структур-так называемым семантическим сетям. Начало их исследованию и применению положил в 60-х годах Д.А. Поспелов в развиваемом им и поныне ситуационном управлении [14]. В настоящее время исследование таких сетей с разных позиций ведется во многих научных коллективах, поскольку логико-лингвистические модели (иное название семантических сетей) оказались в центре всех событий, происходящих в искусственном интеллекте и его приложениях. Такое положение вызвано тем, что указанные модели отображают структуру человеческих знаний, выражаемых на естественном языке, причем это отображение может быть осуществлено средствами ЭВМ.
Хотя можно перечислить, казалось бы, все мыслимые структуры как частные случаи полного графа, некоторые явления природы наводят на мысль, что и в этом вопросе не следует спешить с окончательными выводами. Отдельные особенности живых организмов, экономических и социальных систем заставляют предположить, что даже сложнейшие существующие модели структурной организации в чем-то слишком просты.
Очевидным примером нерешенной задачи организации системы является работа человеческого мозга, хотя точно известно, что он состоит из 1010 нейронов, каждый из которых имеет 102 - 103 нервных окончаний и может находиться лишь в одном из двух состояний.
Другие интересные примеры, показывающие, что существуют реальные системы, структуру которых не охватывает современная теория управления, приводил в одном из своих выступлений акад. Дородницын.
Так, долгое время считалось что у тропических ящериц-гекконов способность бегать по стенам и потолку обеспечивается микроскопическими присосками на лапках. Когда же обнаружилось, что геккон не может бегать по полированному стеклу, выяснилось, что никаких присосок нет, а есть многие тысячи мельчайших волосков, которые со всех сторон "обжимают", а в нужный момент "отпускают" малейшие шероховатости поверхности стены или потолка. В процессе погони за мухой каждому волоску-щупу нужно отдать верную команду в подходящий момент! Ясно, что централизованная система с этим не справится, но как тогда синхронизируется нецентрализованное управление?
Не менее поразителен и другой пример. Многие головоногие способны менять свою окраску, отождествляя ее "с фоном. Так, если только что пойманного осьминога положить на газету, то на его теле выступят полоски, имитирующие строчки, а в крупных заголовках можно даже различить некоторые буквы. Оказалось, что окраска осьминога зависит от того, насколько растянуты микроскопические упругие шарики, распределенные по всему его телу. "Цвет" шарика определяется той длиной волны, до размеров которой он растянут. Но ведь каждый шарик должен "знать", до какой длины ему растянуться, чтобы создать свой фрагмент в общей мозаике! Как осуществляется вся эта координация?
Может быть, существуют еще не известные нам принципы самоорганизации? Может быть, имеется качественная, а не количественная разница между объединениями большого числа составляющих с малым и большим числом связей для каждой из них? Подобные вопросы пока остаются без ответа.
Подведем итог: Существует много форм агрегирования, т.е. соединения частей в целое. Их общность состоит в том, что: агрегирование диктуется выбранной моделью описываемой системы; агрегирование есть установление отношений между агрегируемыми элементами. Наиболее важными являются следующие виды агрегатов: а) конфигуратор (совокупность языков описания системы); б) оператор (конкретизация отношения, в частности классификация, упорядочение, числовые функции, поиск закономерностей и пр.); в) структура (описания связей на всех языках конфигуратора, в частности задание семантических сетей). Отметим также существование малоизученных способов агрегирования (например, самоорганизацию).