Интернет-журнал «НАУКОВЕДЕНИЕ» Выпуск 6 (25), ноябрь - декабрь 2014

http://naukovedenie.ru publishing@naukovedenie.ru

Размещено на http://www.allbest.ru/

1

http://naukovedenie.ru 76EVN614

Размещено на http://www.allbest.ru/

Интеграция концептуальных и имитационных моделей для задач исследования социально-экономических систем

Социально-экономическая система характеризуется наличием большого количества разнородных элементов, разнообразием связей, динамичностью, т.е. представляет собой сложную вероятностную динамическую систему. Главным инструментом изучения и управления сложными системами является моделирование. При всем многообразии методов, использование только какого-либо одного из них затрудняет получение практически значимых результатов. В связи с этим в последнее десятилетие наблюдается тенденция к интеграции различных методов моделирования сложных систем.

В статье представлен краткий обзор современных методов и информационных технологий, применяемых для разработки моделей сложных систем, предложен подход к созданию полимодельного комплекса для целей исследования региональных социальноэкономических систем.

Цель работы: создание инструмента для исследования социально-экономических систем.

Решаемые задачи: разработка методов и информационных технологий интеграции концептуальных и имитационных моделей сложных систем.

Метод системной динамики. Данный метод является одним из наиболее мощных инструментов, используемых в настоящее время для анализа и проектирования сложных систем, включающих большое количество взаимодействующих петель обратной связи. Модели системной динамики представляют собой интеграции потоков (денежных, продукции, людских и т.п.) и реализуется в виде диференциальных уравнений балансового типа. Такой подход позволяет свести динамику сколь угодно сложного процесса к изменению значений некоторых «уровней», а сами изменения регулировать потоками, наполняющими или исчерпывающими уровни (первый принцип системной динамики Дж. Форрестера [1]). Подобно всем мощным средствам, существенно зависящим от искусства их применения, системная динамика способна дать как очень хорошие, так и очень плохие результаты. Она может либо пролить свет на решение проблемы, либо ввести в заблуждение. Поэтому для принятия решений на основании результатов динамического моделирования важно ясно представлять смысл вводимых допущений, сильные и слабые стороны метода, его преимущества и тонкости.

Системная динамика направлена на изучении не систем в целом, а задач, связанных с этими системами. Главными особенностями таких систем является то, что они содержат петли обратной связи, а также их структура характеризуется задержками, нелинейностью, что приводит к переменчивости причин сложного поведения.

Системная динамика дает возможность исследователю экспериментировать с системами (существующими или предполагаемыми) в тех случаях, когда делать это на реальном объекте практически невозможно или нецелесообразно ввиду больших материальных затрат, что актуально для исследования социально-экономических систем [2, 3, 4].

Мультиагентные технологии. В настоящее время в рамках общего научного направления «искусственный интеллект» активно ведутся исследования под объединенным названием «многоагентные системы» или «мультиагентные системы» (МАС) [5].

Технология многоагентных систем - это новая парадигма информационной технологии, ориентированной на совместное использование научных и технических достижений и преимуществ, которые дают идеи и методы искусственного интеллекта, современные локальные и глобальные компьютерные сети, распределенные базы данных и распределенные вычисления. Принципиальным отличием новой парадигмы построения прикладных систем является то, что в ней определяющим являются данные (факты), которые указывают направление вычислений.

Агент - это развитие известного понятия «объект», представляющего абстракцию множества экземпляров предметов реального мира, имеющих одни и те же свойства и правила поведения. Точное определение агента на сегодняшний день отсутствует. В основном используется определение, принятое на конференции международной ассоциации по лингвистике FIRA (Federation of Intelligent Physical Agents) в октябре 1996 года в Токио: «Агент - это сущность, которая находится в некоторой среде, интерпретирует их и исполняет команды, воздействующие на среду». Агент может содержать программные и аппаратные компоненты. Отсутствие четкого определения мира агентов и присутствие большого количества атрибутов, с ним связанных, а также существование большого разнообразия примеров агентов говорят о том, что агенты - это достаточно общая технология, которая аккумулирует в себе несколько различных областей. «Агент - это программный модуль, способный выполнять определенные ему функции или функции другого агента (человека, чьи функции он воспроизводит)» [5].

В многоагентной системе агенты имеют несколько важных характеристик [6]:

• автономность: агенты, хотя бы частично, независимы;

• ограниченность представления: ни у одного из агентов нет представления о всей системе, или система слишком сложна, чтобы знание о ней имело практическое применение для агента;

• децентрализация: нет агентов, управляющих всей системой.

Интеллектуальные агенты, обладая развитым внутренним представлением внешней среды и возможностями рассуждений, способны запоминать и анализировать различные ситуации, предвидеть возможные реакции на свои действия, делать из этого выводы, полезные для дальнейших действий, и в результате прогнозировать свое будущее и изменения внешней среды. Интеллектуальные способности позволяют таким агентам строить виртуальные миры, работая в которых, они формируют планы действий.

Основными направлениями развития мультиагентных технологий является создание открытых активных, развивающихся систем, в которых главное внимание уделяется процессу взаимодействия агентов как причине возникновения системы с новыми качествами, а также многоагентные системы могут строиться по принципам распределенного интеллекта как объединение отдельных интеллектуальных систем, обладающих своими базами знаний и средствами рассуждений.

В результате взаимодействий между агентами формируется (возникает) структура сложных систем. Системы с возникающими структурами часто существуют на грани порядка и хаоса. Применение онтологий позволяет снизить неопределенность в таких системах.

Онтология. Онтология - это одна из современных информационных технологий, представляющая собой разновидность сетевой модели знаний.

В онтологии выделяют три взаимосвязанных компонента: таксономию терминов, описания смысла терминов, а также правила их использования и обработки [7].

Онтологическая модель может быть использована для структурирования, описания и анализа проблемной ситуации в социально-экономических системах [8].

Функционально-целевой подход к разработке концептуальной модели сложной системы. Функционально-целевой подход предложен в начале 1980-х годов [9] для решения проблем управления сложными распределенными объектами. 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.

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.

Онтология в полной мере может выполнять функции концептуальной модели для непроцедурного синтеза динамических моделей. Для этого необходимо решить следующие задачи: выделить древовидную структуру концептов, соответствующих цели имитационного моделирования; сопоставить элементам нижнего уровня дерева концептов типовые шаблоны; задать отображения атрибутов концептов в переменные шаблонов и реализацию, таким образом, экземпляров; задать отображения отношений онтологии в материальные и информационные связи экземпляров [10].

Взаимодействие системно-динамической и мультиагентной моделей.

Для исследования различных периодов развития социально-экономических целесообразно использовать различные методы имитационного моделирования, поэтому необходима их интеграция. Для этих целей предлагается использовать древовидную концептуальную модель, созданную с помощью функционально-целевого подхода. В результате реализации функционально-целевого подхода мы получаем два дерева: дерево объектов и дерево целей (G) (рис. 1). Дерево объектов используется для синтеза системнодинамической модели, а дерево целей используется для синтеза мультиагентной модели. Декомпозиция выполняется до тех пор, пока не достигнут уровень «примитивных» целей, реализуемых агентами с простыми алгоритмами (An). Достижение примитивных целей в этом случае обеспечивает достижение глобальной цели исследуемой системы.

Полученные модели взаимодействуют следующим образом. Системно-динамическая модель дает прогноз тенденций развития системы, в зависимости от которого «включаются» те или иные алгоритмы агентов (рис.).

социальный экономический алгоритм

Взаимодействие системно-динамической и мультиагентной моделей

Предположим, исследования системно-динамической модели сложного объекта управления показывают, что объект входит в окрестности бифуркации (красный свет «светофора» на рис. 1). При этом агенты перестают «замечать» друг друга (блокируются алгоритмы переговоров между агентами) и «видят» только свои цели. В результате все действия агентов обусловлены только соответствующими целями, что обеспечивает безусловное достижение глобальной цели системы (в соответствии с функционально-целевым подходом). Понятно, что в данном случае управление будет менее эффективным с точки зрения рационального использования ресурсов, но в окрестностях бифуркации это вполне целесообразно, так как резко повышается вероятность «потери» глобальной цели.

В случае стабильного периода развития объекта управления (тенденции развития дают исследования системно-динамической модели) включается «зеленый свет» (рис.). При этом агенты «помнят» о своих целях, но возможны компромиссы в пользу горизонтальных связей (актуализируются алгоритмы переговоров). Управление в этом случае становится более эффективным с точки зрения использования ресурсов.

Таким образом, для моделирования и управления сложной системой мы имеем комплекс моделей, состоящий из концептуальной модели, системно-динамической и мультиагентной моделей.

Предложенный способ интеграции моделей различных типов позволяет использовать каждый тип моделей в те периоды развития сложной системы, когда он наиболее эффективен. Структура полученного комплекса моделей состоит из информационных и управляющих связей. Применение функционально-целевого подхода обеспечивает соответствие структурно-алгоритмической организации комплекса целям исследования.

Литература

1. Форрестер, Дж. Основы кибернетики предприятий (Индустриальная динамика) / Дж. Форрестер. - М.: Прогресс, 1971. - 229 с.

2. Sterman, J. Business Dynamics: Systems Thinking and Modeling for a Complex World / J. Sterman. - Irwin McGraw-Hill, 2000. - 982 p.

3. Лычкина, Н.Н. Динамическое имитационное моделирование развития социальноэкономических систем и его применение в информационноаналитических решениях для стратегического управления / Н.Н. Лычкина // Стратегии бизнеса. - 2013. - №2 (2). - С. 44-49.

4. Горохов, А.В. Системный подход в исследовании социально-экономических систем / А.В. Горохов, К.И. Иванов // Вестник ПГТУ. Сер. Экономика и управление. - 2013- №2 (18). - С. 24-34.

5. Поспелов, Д.А. Многоагентные системы - настоящее и будущее / Д.А. Поспелов // Информационные технологии и вычислительные системы. - 1998. - №1. - С. 1421.

6. Wooldridge, M. An Introduction to Multiаgent Systems / M. Wooldridge. - John Wiley & Sons Ltd, 2002. - 366 p.

7. Башмаков, А.И. Интеллектуальные информационные технологии: учеб. пособие / А.И. Башмаков, И.А. Башмаков И.А. - М.: Изд-во МГТУ им Н.Э. Баумана, 2005. - 304 с.

8. Ханова, А.А. Системные взаимосвязи стратегического управления и моделирования социально-экономических систем на основе сбалансированной системы показателей / А.А. Ханова, А.С. Хортонен, Л.В. Парамзина // Вестник АГТУ. Серия: Управление, вычислительная техника и информатика. 2014. №2. URL: http://cyberleninka.ru/article/n/sistemnye-vzaimosvyazi-strategicheskogoupravleniya-i-modelirovaniya-sotsialno-ekonomicheskih-sistem-na-osnovesbalansirovannoy (дата обращения: 06.10.2014).

9. Игнатьев, М.Б. Модели и системы управления комплексными экспериментальными исследованиями / М.Б. Игнатьев, В.А. Путилов, Г.Я. Смольков. - М.: Наука, 1986. - 232 с.

10. Горохов, А.В. Синтез системно-динамических моделей социально-экономических систем на основе онтологических описаний / А.В. Горохов, Н.А. Власова, К.И. Иванов // Вестник ПГТУ. Сер: Экономика и управление. - 2013. - №3 (19). - С. 17-23.

Размещено на Allbest.ru