- •1. Цель и задачи дисциплины. Понятие социального процесса (масштаб, направленность, интенсивность, состав, характер стимуляции).
- •2. Основные элементы социального процесса (участники, субъект процесса, причины, наблюдатель). Социальные системы. Динамика социального процесса.
- •3.Понятие cоциально-экономических и политических процессов. Классификация. Политическая система общества.
- •4.Свойства социально-экономических и политических процессов.
- •5.Институциональный и системный подходы к исследованию социальных процессов
- •6.Эволюционный и функциональный подходы к исследованию социальных процессов.
- •7. Индуктивный и дедуктивный способы научных представлений об обществе, социальных процессах.
- •8.Системный подход как методология научных исследований. Системность материального мира, мышления и практической деятельности.
- •9.Кибернетика н.Винера. Тектология Богданова. Общая теория систем л.Фон Берталанфи.
- •10.Понятие абстрактной системы. Базовые свойства системы. Подсистема и надсистема.
- •11.Понятие модели системы. Сложная система.
- •12.Понятие структуры системы. Виды структур систем (страты, слои, эшелоны). Примеры.
- •13.Понятие процесса и его состояния.
- •14.Понятие динамической системы. Фазовое пространство. Модель «черного ящика».
- •15.Понятие и свойства внешней среды. Открытая и закрытая системы.
- •16.Общесистемное понятие цели, задачи, дерево цели. Трудности в формировании цели.
- •17. Понятие и классификация систем по субстанциональному (основному) признаку.
- •18. Классификация систем по уровню автоматизации. Естественные системы.
- •19. Классификация систем по целевому назначению.
- •20. Классификация смешанных систем.
- •21. Классификация динамических систем по способу описания, по основным свойствам.
- •22. Классификация систем по виду структур.
- •23. Классификация социальных систем.
- •24. Закон системности. Законы преобразования композиции систем.
- •25. Закон полиморфизации. Полиморфизм и изоморфизм систем. Гомогенные и гетерогенные системы.
- •26. Принцип декомпозиции и композиции систем.
- •27. Принцип адекватности систем.
- •28. Принцип управляемости и наблюдаемости. Принцип единства системы и среды.
- •30. Принципы реализуемости, типизации и стандартизации.
- •31. Принцип контринтуитивного проектирования, оперативного принятия решения и самоорганизации.
- •32. Принцип ситуационного управления.
- •33. Определение модели. Назначение модели.
- •34. Задачи моделирования. Достоинства и недостатки метода моделирования.
- •35. Классификация моделей: по способу использования, по отражению режимов работы.
- •36. Классификация моделей по способу создания.
- •37. Классификация моделей: по виду деятельности человека, по способу математического описания.
- •38. Свойства моделей и требования к ним.
- •39. Понятие экспертной системы. Назначение, структура.
- •40. Основные режимы работы эс. Этапы разработки эс.
- •41. Системы массового обслуживания. Структура и характеристики.
- •42. Условие работоспособности системы. Показатели эффективности функционирования смо.
- •43. Классификация систем массового обслуживания. Примеры.
- •44. Планирование развития и функционирования сложных систем. Основные понятия.
- •45. Процедура планирования сложных систем.
- •46. Виды планирования сложных систем.
- •47. Методы экспертных оценок.
- •48. Мeтoды кoллeктивнoй paбoты экcпepтнoй гpyппы.
- •49. Мeтoды пoлyчeния индивидyaльнoгo мнeния члeнoв экcпepтнoй гpyппы.
- •50. Предпосылки к применению когнитивного подхода к анализу сложных ситуаций (пример когнитивной карты).
- •51. Понятие и составление когнитивной карты сложной ситуации (пример когнитивной карты).
- •52. Этапы построения когнитивной карты. Анализ устойчивости знакового графа.
34. Задачи моделирования. Достоинства и недостатки метода моделирования.
При построении модели (разработка моделирующего алгоритма) сложный стохастический процесс рассматривается как последовательность конечного числа взаимосвязанных элементарных стохастических актов. Реализация модели представляет собой последовательное поэлементное теоретическое воспроизведение процесса, моделирующее реальную физическую систему.
Особенностью метода является то, что получаемая в результате моделирования информация по своей природе аналогична той информации, которую можно было бы получить в процессе исследования реальной системы, однако объем ее значительно больший и на ее получение затрачивается меньше средств и времени. Отсюда следует эффективность использования метода моделирования, а также высокая точность и достоверность получаемых с его помощью результатов по сравнению с исследованием реальной системы.
Метод моделирования обычно используется для решения двух классов задач: детерминированных и вероятностных. Наибольший практический интерес представляет применение метода к вероятностным задачам, что позволяет решать задачи, не сформулированные в виде уравнений или формул.
Теоретической основой метода моделирования служит закон больших чисел. Следовательно, этот метод основан на самых общих теоремах теории вероятностей и принципиально не содержит никаких ограничений. Он может быть применен для исследования любой системы с известным алгоритмом функционирования, а при достаточно большом числе испытаний от него можно требовать любой точности. Метод моделирования позволяет полнее учесть особенности функционирования исследуемых систем, использовать любые законы распределения исходных случайных величин, имеет наглядную вероятностную трактовку, достаточно простую вычислительную схему и малую чувствительность к случайным сбоям машины в процессе решения. Все это достоинства метода.
Вместе с тем метод моделирования обладает рядом недостатков, наиболее существенными из которых являются большая трудоемкость и частный характер решения.
35. Классификация моделей: по способу использования, по отражению режимов работы.
1. По способу использования моделей различают:
а) исследовательские (познавательные, когнитивные), предназначенные для генерации знаний путем изучения свойств объекта; б) учебные, предназначенные для передачи знаний об изучаемом объекте; в) рабочие (прагматические), предназначенные для генерации правильных действий в процессе достижения цели.
К исследовательским моделям относятся полунатурные стенды, физические модели, математические модели. Отметим, что исследовательские модели могут выступать в качестве учебных, если они предназначены для передачи знаний о свойствах объекта. Примерами рабочих моделей могут служить: робот; автопилот; математическая модель объекта, встроенная в систему управления или контроля; искусственное сердце и т.д. При этом исследовательские и учебные модели должны приближаться к реальности, а рабочие модели должны отражать эту реальность. Четкой границы между этими моделями не существует. Так, например, исследовательская модель, адекватно отражающая свойства объекта, может быть использована в качестве рабочей. Исследовательские модели являются носителями новых знаний, учебные модели соединяют старые знания с новыми, а рабочие модели идеализируют накопленные знания в форме идеальных действий по выполнению тех или иных функций, которые желательно было бы осуществить.
2. По отражению режимов работы системы различают:
а) статические модели, которые отражают установившиеся (равновесные) режимы работы системы; б) динамические, которые отражают неустановившиеся (неравновесные, переходные) режимы работы системы.
Статические режимы работы элементов, объектов, систем отражены в их статических характеристиках (линейных, нелинейных) и описываются соответствующими алгебраическими функциональными зависимостями.