Горелова Г. В. д т. н., профессор, Инженерно-технологическая академия юфу



Скачать 232.16 Kb.
Дата27.05.2016
Размер232.16 Kb.
Горелова Г.В.

д.т.н., профессор, Инженерно-технологическая академия ЮФУ



gorelova-37@mail.ru

Панкратова Н.Д.

д.т.н., профессор, заместитель директора по научной работе Института прикладного системного анализа Национального технического университета Украины «КПИ» НАНУ и МОНУ



natalidmp@gmail.com

Рябцев В.Н.

к.филос.н., доцент ЮФУ

v_ryabtsev@mail.ru
ИНформационное ОБЕСПЕЧЕНИЕ ИССЛЕДОВАНИЯ РАЗВИТИЯ СТРАН БРИКС НА ОСНОВЕ СИНТЕЗА МЕТОДОЛОГИЙ ПРЕДВИДЕНИЯ И КОГНИТИВНОГО МОДЕЛИРОВАНИЯ СЛОЖНЫХ СИСТЕМ1
Ключевые слова: сложная система, развитие, научное предвидение, когнитивное моделирование, синтез.

Keywords: a complex system, development, scientific foresight, cognitive modeling of, synthesis.
Введение. Объединение пяти стран БРИКС как единая сложная система в настоящее время выступает независимым от Pax Americana альтернативным Центром силы и может эффективно способствовать созданию будущего многополярного мира. Изучение этой системы, её жизнеспособности, предвидение возможностей её развития, конструирование и реализация желаемых путей развития с позиций не только каждой из стран в отдельности, но и в интересах всей их совокупности, в интересах создания многополярного мира, требуют реализации междисциплинарного подхода и адекватного инструментария исследования столь сложной системы. В качестве такого инструментария (research tools) предлагается использовать инструментарий, разработанный на основе синтеза методологий предвидения и когнитивного моделирования сложных систем2.

Как и любая сложная система (complex system, large system), объединение на разных основаниях пяти стран подчиняется следующим закономерностям систем1: закономерности взаимодействия частей и целого (целостность, интегративность), закономерности иерархической упорядоченности систем (коммуникативность, иерархичность), закономерности функционирования и развития систем (историчность, самоорганизация), закономерности осуществимости систем (эквифинальность, закон необходимого разнообразия, потенциальная эффективность), закономерности целеобразования. Исследование конкретных сложных систем, особенно социально-экономических и политических, должно производиться с учетом всех этих закономерностей и содержать различные аспекты изучаемых слабоструктурированных проблем сложной системы. Чтобы такое намерение могло быть осуществимо, желательно выстроить имеющиеся и разрабатываемые приёмы, методы, методики, способы исследования сложной системы также в систему – методологию анализа и синтеза сложных систем. Вариант такой методологии разработан и продолжает развиваться в Таганрогском подразделении Южного федерального университета (бывший Таганрогский радиотехнический институт). В её основу положен когнитивный подход, как одна из реализаций системного подхода2, позволяющая учитывать, в том числе, влияние человеческого фактора («риск человеческого фактора»)3 и на этапе исследования, и в процессе функционирования сложной системы. Когнитивное моделирование сложной системы можно рассматривать как одно из направлений имитационного моделирования4, позволяющего анализировать систему и возможные стратегии её развития без опасного (разрушающего, невозможного, дорогостоящего) воздействия на реальную систему.

Имитационное моделирование сложных систем (simulation modeling) развивалось и развивается в нескольких направлениях. Для того чтобы использовать возможности имитационного моделирования в когнитивной методологии исследования сложных систем, обозначим его основные виды. Так, к «традиционному» имитационному моделированию относится метод Монте-Карло и другие методы статистического моделирования. В настоящее время получили распространение модели и методы системной динамики (качественные и количественные) и агентное моделирование. К качественным моделям относятся графические диаграммы прямых и обратных причинно-следственных связей и глобальных влияний одних параметров на другие, это глобальные модели «Мировая динамика» Дж. Форрестера, модели «Пределы роста» и «За пределами роста» группы Д.Медоуза, модифицированная модель мировой динамики В. Матросова. К количественным моделям относят потоковые (Resourse-Based View), дискретно-событийные (Discrete event modeling). Распространены также модели ситуационного моделирования (situational simulation). Активно развивается агентное моделирование (agents simulation), С начала 90-х годов прошлого столетия в нашей стране начало развиваться когнитивное моделирование – это «Когнитивный анализ и управление ситуациями» ИПУ РАН1.

Имитационное моделирование свойств системы, её структуры и поведения может вестись на макроуровне - «сверху» (это системная динамика, когнитивный анализ, область исследования которых – структура объекта и поведение, заданное структурой) и микроуровне - «снизу» (агентное моделирование, область исследования – правила поведения агента, образующие структуру и поведение системы).



Когнитивный подход к исследованию сложных систем в широком смысле включает в структуру традиционных научных методологий проблемы познания, понимания и объяснения; каждое исследование в явном или неявном виде учитывает когнитивные факторы. В любой предметной области когнитивный подход акцентирует внимание на "знаниях", на процессах их представления, хранения, обработки, интерпретации и производстве новых знаний. Внутренняя логика когнитивного подхода подводит исследователей к необходимости объединения точного, естественного и гуманитарного знания, такое объединение является принципиальной ценностью в когнитивных исследованиях. Когнитивный подход служит методологическим основанием различных исследований сложных систем, поскольку онэто решение традиционных для определенной науки проблем, но методами, учитывающими когнитивные аспекты. Когнитивный подход позволяет преодолеть невидимые барьеры, которые нередко возникают между людьми, говорящими и мыслящими на разных языках.

В нашем случае под когнитивным моделированием слабоструктурированных проблем сложных систем, поддерживаемым программной системой когнитивного моделирования (ПС КМ)1, понимаем решение системы задач: идентификации объекта (применение экспертных, статистических и др. методов), анализа путей и циклов когнитивной модели (методы теории графов), анализа наблюдаемости, управляемости, устойчивости, чувствительности, адаптируемости, катастроф (методы теории управления, теории катастроф); композиции - декомпозиции; анализа различных аспектов сложности, анализа связности (методы теории графов, топологический анализ q-связности); самоорганизации системы (синергетика, теория сложных систем); прогнозирования (статистические методы); научного предвидения (сценарный анализ, анализ развития ситуаций - импульсное моделирование); решение задач оптимизации (решение обратной задачи, методы математического программирования); принятия решений в условиях различного рода неопределенности (методы теории принятия решений), сопутствующей существованию и изучению сложной системы. При этом принятие решений происходит как по отношению к самому изучаемому объекту, так и по отношению к процессу исследования.

Добавим следующее. Наблюдатель (наблюдающее устройство, эксперт) и алгоритмы оценивания результатов наблюдения реализуют свойство наблюдаемости объекта управления программными (или аппаратными) средствами. Таким образом, полная наблюдаемость объекта управления подразумевается, так как никакой наблюдатель не в состоянии сделать ненаблюдаемый объект наблюдаемым. Если нет наблюдаемости – нет наблюдателя! (заметим, впрочем, что ненаблюдаемая часть объекта может стать наблюдаемой после дополнительных исследований - «установки новых датчиков»). Для наблюдателя обязательно наличие памяти, наблюдатели представляют собой динамическую систему. Наблюдатель реализуется (или проектируется) на базе модели наблюдаемого объекта с учетом обратных связей «объект-наблюдатель».

Когнитивная методология – это логическая организация деятельности исследователя, состоящая в определении цели, объекта и предмета исследования, методов и информационных технологий когнитивного моделирования, позволяющих понимать механизм явлений и процессов в объекте, разрабатывать возможные сценарии его развития, выбирать эффективные решения по управлению объектом и/или адаптации его к окружающей среде.

Разработанная когнитивная методология предназначена:

1) для описания, объяснения, моделирования структуры и поведения сложных систем,

2) для анализа динамики развития сложных систем и научного предвидения развития ситуаций,

3) для разработки сценариев возможного устойчивого и безопасного развития системы,

4) для разработки и обоснования управленческих решений, направленных на эффективное управление системой или на адаптацию к системе и изменяющимся условиям.

Следует сказать несколько слов о методах научного предвидения (прогностики), которые в той или иной мере могут быть использованы в когнитивном моделировании. Это: прогнозирование (статистические методы, количественные модели, дающие краткосрочный прогноз в нестабильной среде); планирование (нормативное, количественные модели, прогноз трёхлетний, пятилетний); футурология (интуиция, прогноз на 30-50 лет); форсайт, комплексный форсайт (коллективная экспертиза, «управление обществом», прогноз 20-30 лет, это не только предвидение, но и конструирование будущего и усилия для реализации желаемого будущего). К инструментарию прогностики относятся: технология Дельф, методика сценирования Г.Кана, методика альтернативных сценариев, размышления о будущем (future studies), стратегическое имитационное моделирование и другие.

Математические основы когнитивной методологии. В качестве системообразующей базы когнитивной методологии используется метамодель исследования, за основу которой взята метамодель из работы1:

M={MO(Y,U,P), ME(X),MOE,MD(Q),MMO,MME, MU, MH, A}, (1)

где: МO(Y,U,P) – идентифицирующая модель системы (модель объекта), в которой вектор Y – эндогенные переменные yYEm, характеризующий фазовое состояние объекта, U – вектор управляемых переменных uUEr, P – вектор выделенных ресурсов pPEs; М0(Y,U,P) = {МФ,Stat}, Stat – статистические модели; МФ – модифицированный параметрический векторный граф; МЕ – модель окружающей среды, X – экзогенные величины; МоЕ = (MSMYS) – модель взаимодействия объекта и среды; MS - модели связи со средой на входе, MYS - модели систем со связями со средой на выходе; MD(Q) – модель поведения системы, Q – возмущающие воздействия; MMO и МME – модели измерения состояния системы и окружающей среды; MU – модель управляющей системы (не включается в метанабор, если решаются только задачи исследования объекта); А – правила объединений моделей и выбора процессов изменения объекта; Мн – модель «наблюдателя» (инженера-когнитолога, эксперта, исследователя).


Введение в метанабор М «наблюдателя», «эксперта» позволяет строить методологию исследования и принятия решений с учетом развития процесса познания объекта в сознании исследователя.

Модели М0, МЕ, MOE это в совокупности когнитивная модель объекта. MD(Q) – модель поведения системы в виде импульсных процессов; модели взаимодействий между вершинами (концептами) когнитивных моделей могут быть представлены системами уравнений, а также на языке теории вероятностей и нечетких множеств. MMO и МME – это наборы правил, процедур, измерительных средств. Разработка таких моделей входит в процесс когнитивной структуризации знаний эксперта. Модель наблюдателя проявляется в процессе познания объекта и принимаемых им решениях; в конечном итоге моделью его восприятия, познания и понимания объекта является когнитивная модель сложной системы.

Разработка метамодели (1) фиксирует цели, задачи исследования и принятия решений, позволяя видеть всю картину в целом, не теряя детали. В зависимости от цели строятся конкретные модели, составляющие метамодель.

Заметим, что в процессе исследования и последовательного принятия решений экспертом объекты метамодели могут видоизменяться. Так, начальная модель системы в виде когнитивной карты (2) может последовательно преобразовываться в более сложную математически (и по содержанию) когнитивную модель типа параметрического векторного функционального графа (3).



(2)

где: - когнитивная карта – знаковый ориентированный граф, в котором V – множество вершин (концептов), вершины ViV, i =1,2,…,k являются элементами изучаемой системы; Е – множество дуг, дуги еijE, i,j=1,2,…,n отражают взаимосвязь между вершинами Vi и Vj; влияние Vi на Vj в изучаемой ситуации может быть положительным («+»), когда увеличение (уменьшение) одного фактора приводит к увеличению (уменьшению) другого, отрицательным («-»), когда увеличение (уменьшение) одного фактора приводит к уменьшению (увеличению) другого, или отсутствовать (0) в рассматриваемой ситуации.


(3)

Параметрический векторный функциональный граф Фп – это кортеж, в котором G – когнитивная карта; , X – множество параметров вершин, X={|,  - пространство параметров вершин; - функционал преобразования дуг, как декартово произведение F: EXR; ; F – преобразование может иметь вид функции fij, а также весового коэффициента wij, определённого экспертно или по статистическим данным. Определение параметров характеристики fij включает: определение шкалы, показателей, метода, точности, единицы измерения.

Параметрический векторный функциональный граф может содержать «вероятностные» блоки, полученные в результате статистического исследования сложной системы, а также блоки в виде, например, моделей системной динамики. Условная матрица такой системы может иметь вид RG

Когнитивные модели помимо чётких графов (2), (3) могут быть представлены на языке нечётких графов. Также в когнитивном моделировании сложных систем нами разрабатываются иерархические когнитивные модели и системы взаимодействующих иерархических когнитивных моделей. Теория когнитивного моделирования сложных систем предназначена также для проектирования интеллектуальных систем поддержки принятия решений в различных предметных областях1.

Синтез методологий когнитивного моделирования сложных систем, системной динамики и научного предвидения осуществляется на этапах: разработки когнитивных моделей, разработки сценариев возможного развития ситуаций в системе, разработки желаемых стратегий развития сложной системы (желаемого будущего).

Технология когнитивного моделирования применительно к изучению геополитических регионов. На рис.1 представлены укрупнённо этапы когнитивного моделирования сложной системы.

I. Разработка когнитивной модели геополитической системы

Этап 1.1. Предварительная постановка цели исследования геополитической системы, формализация процесса исследования, разработка программы исследования.

Этап 1.2. Сбор, обработка, анализ информации. Ретроспекция. Диагноз состояния изучаемой геополитической системы (ситуаций). Формулировка гипотезы о развитии геополитической системы (саморазвитие), экспертная разработка возможных сценариев развития (начальная процедура процесса предвидения).

Этап 1.3. Когнитивная структуризация знаний. Разработка когнитивной модели в виде начальной когнитивной карты G0. Определение силы влияния и взаимовлияния факторов, их закономерности, выраженной коэффициентом, лингвистической переменной, математической формулой.

I. Разработка когнитивной модели

сложной системы

V. Разработка желаемой стратегии развития сложной системы

II. АНАЛИЗ КОГНИТИВНОЙ МОДЕЛИ, РЕШЕНИЕ СИСТЕМЫ ЗАДАЧ

(пути и циклы когнитивной модели, устойчивость, чувствительность, связность, сложность и др.)



III. АНАЛИЗ КОГНИТИВНОЙ МОДЕЛИ,

моделирование сценариев развития СИТУАЦИЙ

(импульсное моделирование),



предвидение
Экспертный анализ результатов когнитивного моделирования, принятие решений о пригодности (адекватности) модели

Завершение разработки и анализа когнитивной модели



IV. Определение пессимистичного, оптимистичного и среднего сценариев развития, решение обратной задачи (определение необходимых управленческих решений для реализации сценария)

Э
К


С



П



Е



Р



Т


да

нет

удовлетворяет?


К


О



Г



Н



И



Т



И



В



Н



О



Е

М
О
Д


Е
Л
И
Р
О
В
А
Н
И
Е

Рисунок 1. Укрупнённая схема когнитивного моделирования сложной системы.

Геополитические понятия, их определения - концепты (вершины) когнитивных моделей (объекты, субъекты) и отношения (дуги)
Геополитический регион, Площадка, Лимитроф, Место-действие,

Страны, Государства,

Жесткий кластер,

Мягкий кластер,

Актор, Игрок, Союзы, Коалиции, Транснациональное интеграционное поле и др.

ОБЪЕКТЫ, СУБЪЕКТЫ (V)


Отношения (Е)

Когнитивные модели (МО)

когнитивные карты (знаковые орграфы) G = (V,E),

функциональные графы ФП=< G,X,F,>

и др.


Межгосударственные

взаимодействия (eij) , типы (экономическое, финансовое, культурное, транспортное, дипломатическое, военное в сфере образования, нейтральное, стратегическое партнёрство и др.).

Интенсивность (сила, напряженность) взаимодействий (wij).

Функциональная зависимость (fij)




Внешняя среда (Ме)

Рисунок 2 иллюстрирует содержание первых этапов.

Рисунок 2. Содержание когнитивной модели геополитической системы на этапе её разработки.
Этап 1.4. Разработка иерархии когнитивных моделей. Переход ко второй части технологии.

II. Анализ когнитивной модели

Этап 2.1. Анализ путей и циклов когнитивной модели, выбор цепочек связей, передающих воздействия между заданными (выбранными) вершинами когнитивной модели, «предвидение» цепочек событий, влияющих на осуществление целей системы; выбор маршрутов интересующей исследователя длины.

Этап 2.2. Вычислительный эксперимент: анализ устойчивости модельной системы в виде когнитивной карты G0 к возмущающим и управляющим воздействиям Q={qi}; анализ структурной устойчивости модельной системы.

Этап 2.3. Вычислительный эксперимент: топологический анализ (симплициальный анализ) структуры модели, определение q- связности модели.

III. Анализ когнитивной модели, моделирование сценариев развития ситуации, проверка экспертных сценариев развития (предвидения развития ситуаций)

Этап 3.1. Сценарный анализ, импульсное моделирование. Моделирование и анализ результатов эволюционного развития системы, разработка плана импульсного моделирования, выбор вершин (факторов), в которые вносятся модельные возмущения.

Этап 3.2. Сценарный анализ, импульсное моделирование. Реализация плана вычислительного эксперимента при одноразовом или многоразовом внесении единичных импульсов qi = + 1 или qi = -1 в намеченную вершину Vi или в совокупность вершин {Vi}, i =1,2, .. k, анализ возможных при этом сценариев развития ситуаций.

Этап 3.3. Анализ чувствительности решений к вариациям структуры и возмущающим воздействиям.

Этап 3.4. Экспертный анализ результатов когнитивного моделирования, принятие решений о пригодности (адекватности) модели.

IV. Определение пессимистичного, оптимистичного и среднего сценариев развития геополитической системы, решение обратной задачи

Этап 4.1. Выбор из множества модельных сценариев развития пессимистичного, оптимистичного, среднего и желаемого сценариев развития, экспертное принятие решений.

Этап 4.2. Решение обратной задачи - определение необходимых управленческих действий при реализации того или иного сценария.

V. Разработка на основе желаемого сценария стратегии развития системы, конструирование будущего и усилия для реализации желаемого будущего.

В качестве иллюстрации применения предлагаемой когнитивной методологии приведём результат начала когнитивного моделирования геополитической системы БРИКС.



Пример. Когнитивное моделирование БРИКС. В основу разработки начальной когнитивной карты положим гипотезу о многосторонних связях этих стран типа «все со всеми» без установления конкретного типа связи (экономическая, гуманитарная или другая). На рис.3 представлена такая карта, изображённая с помощью программной системы когнитивного моделирования ПСКМ1.
Рисунок 3. Начальная когнитивная карта G01 «Система БРИКС, № 1».

В итоге выполнения второго этапа когнитивного моделирования получены данные о неустойчивости такой системы к возмущениям; это можно объяснить тем, что в этой начальной структуре не отражены возможные отрицательные связи.

Представим некоторые результаты третьего этапа – моделирование сценариев развития ситуаций. На рисунках 4 - 7 изображены графики импульсных процессов, иллюстрирующих возможные тенденции развития ситуаций в системе при различных действиях как отдельных игроков, так и их совместных действий. На графиках по оси абсцисс обозначены такты моделирования, по оси ординат – изменения значений импульсов при прохождении их по вершинам когнитивной карты. Наблюдаемые тенденции требуют конкретной интерпретации, что возможно при продолжении моделирования и обозначении природы отношений (экономические, политические, гуманитарные и т.д.). На данном примере можно только констатировать, например, рис.4, что «положительные» действия России приведут к усилению положительных тенденций развития во всех взаимосвязанных странах, а «отрицательные» действия какой-либо из 5 стран, например, Китая (рис.5) плохо подействуют на все остальные страны. Совместные же разнонаправленные воздействия нескольких стран могут привести к результатам, которые сложно было бы предсказать без моделирования, например, рис.6.



Рисунок 4. Сценарий №1. Действия России «положительны», возмущающее воздействие

q1= +1, вектор возмущений

Q={ q1= +1, 0,0,0,0}

Рисунок 5. Сценарий № 2. Действия Китая «отрицательны», возмущающее воздействие

q2= -1, вектор возмущений

Q={ 0, q2= -1, 0,0,0}

Рисунок 6. Сценарий №4. Действия России, Китая, Индии «положительны», Бразилии и ЮАР - «отрицательны», вектор возмущений

Q={ q1=+1, q2= +1, q3=+1, q4= -1, q5=-1}



Рисунок 7. Сценарий №3. Действия России «положительны», Бразилии и ЮАР «отрицательны», вектор возмущений

Q={ q1=+1,0, 0,q4=-1,q5=-1}

Рисунок 8. Сценарий №3. Действия России, Китая «положительны», Бразилии и ЮАР «отрицательны», вектор возмущений

Q={ q1=+1,q2=+1, 0,q4=-1,q5=-1}

Продолжая моделирование, можно предположить, что контакты между некоторыми странами могут ослабеть или прекратится на какой-то период. Пусть структура когнитивной карты G01 изменится, исчезнет отношение е34 (Индия – Бразилия) – рис.8.

Рисунок 9. Когнитивная карта G02, вариант начальной когнитивной карты.

Система G02 без отношений со знаком «-» также неустойчива (отсутствуют отрицательные обратные связи, которые могут стабилизировать систему), чему соответствуют и графики импульсных процессов (рис.10 и 11) – процессы на них возрастающие, расходящиеся.

Рисунок 10. Сценарий №1. Действия России «положительны», вектор возмущений.

Q={ q1=+1,0, 0,0,0}

Рисунок 11. Сценарий №2. Действия России «положительны», вектор возмущений.



Q={ q1=+1,0, 0,0,0} Россия+1, Китай +1, Индия +1 Бразилия -1, ЮАР -1,
На рис. 11 второй график с меньшим числом тактов моделирования (меньшим горизонтом предвидения) отображает изменения значений импульсов, которые, при увеличении тактов моделирования сливаются в одну линию и становятся неразличимыми. Вопрос о выборе числа тактов моделирования зависит от исследователей и лиц, принимающих решение. Особенно, на этапе разработки когнитивной модели, когда обсуждаются возможные экспертные сценарии развития (процедуры научного предвидения1).

В заключение можно сказать, что с помощью предложенной методологии когнитивного моделирования в своё время было проведено геополитическое исследование Черноморско-Кавказско-Каспийского региона2 как зоны «Великого лимитрофа».

Имитационное когнитивное моделирование и соответствующее информационное обеспечение существенно расширяют возможности исследователя сложных систем.



1 Работа выполнена в рамках совместного с УНК "Институт прикладного системного анализа" Национального технического университета Украины "КПИ" научного проекта РФФИ № 301*213.01-12/2014-79 от 01.06.2014 г. по гранту РФФИ № НК 14-01-90401\14.

2 Инновационное развитие социально-экономических систем на основе методологий предвидения и когнитивного моделирования / Под ред. Г.В.Гореловой, Н.Д. Панкратовой. – Киев: Наукова думка, 2015. – 464 с.; Згуровский М.З., Панкратова Н.Д. Технологическое предвидение. - Киев: Политехника, 2005.— 165 с.; Горелова Г.В., Захарова Е.Н., Радченко С.А. Исследование слабоструктурированных проблем социально-экономических систем: когнитивный подход. - Ростов н/Д: Изд-во РГУ, 2006. – 332 c.

1 Волкова В.Н., Денисов А.А. Основы теории систем и системного анализа: Уч. – СПб.: Изд. СПГГТУ, 2005. – 520 с.

2 Згуровский М.З., Панкратова Н.Д. Системный анализ: проблемы, методология, приложения. — Киев: Наукова думка, 2011. — 743 с.; Волкова В.Н., Денисов А.А. Основы теории систем и системного анализа: Уч. – СПб.: Изд. СПГГТУ, 2005. – 520 с.

3 Человеческий фактор в управлении / Под ред. Н.А. Абрамовой, К.С. Гинсберга, Д.А. Новикова. - М.: КомКнига, 2006. – 496 с.

4 Каталевский Д.Ю. Основы имитационного моделирования и системного анализа в управлении: Уч. пособие. – М.: Изд-во МГУ, 2011. – 304 с.; Горелова, Г.В. Когнитивный подход к имитационному моделированию сложных систем // Известия ЮФУ. Технические науки. – Таганрог: изд-во ТИ ЮФУ, 2013. – № 3. - С.239-250.

1 Максимов В.И. Когнитивные технологии – от незнания к пониманию // Cб. трудов 1-й Международной конференции «Когнитивный анализ и управление развитием ситуаций», (САSC’2001). – М.: ИПУ РАН, 2001. - Т.1. - С. 4-18; Абрамова Н.А. Авдеева З.К. Когнитивный анализ и управление развитием ситуаций: проблемы методологии, теории и практики // Проблемы управления. – М., 2008. - № 3. - С. 85–87; Кульба В.В., Кононов Д.А., Ковалевский С.С., Косяченко С.А, Нижегородцев Р.М., Чернов И.В. Сценарный анализ динамики поведения социально-экономических систем (Научное издание). – М.:ИПУ РАН, 2002. – 122 c.; Кононов Д.А., Кульба В.В., Шубин Н. Базисные понятия моделирования информационного управления в социальных системах // Теория активных систем. Труды междун. научно-практ. конф. – М.: СИНТЕГ, 2003. – Т. 2. - С.125-129; Трахтенгерц Э. А. Компьютерная поддержка принятия решений: науч.-практическое издание. Серия «Информатизация России на пороге ХХI века». – М.: СИНТЕГ,1998. – 376 с.

1 Горелова Г.В., Захарова Е.Н., Радченко С.А. Исследование слабоструктурированных проблем социально-экономических систем: когнитивный подход. - Ростов н/Д: Изд-во РГУ, 2006. – 332 c.

1 Кульба В.В., Кононов Д.А., Ковалевский С.С., Косяченко С.А, Нижегородцев Р.М., Чернов И.В. Сценарный анализ динамики поведения социально-экономических систем (Научное издание). – М.:ИПУ РАН, 2002. – 122 c.; Кононов Д.А., Кульба В.В., Шубин Н. Базисные понятия моделирования информационного управления в социальных системах // Теория активных систем. Труды междун. научно-практ. конф. – М.: СИНТЕГ, 2003. – Т. 2. - С.125-129.

1 Горелова, Г.В. Мельник Э.В.Проектирование интеллектуальных распределенных информационно-управляющих систем // Междун. научно-техн. мультиконф. «Актуальные проблемы информационно-компьютерных технологий, мехатроники и робототехники; Многопроцессорные вычислительные и управляющие системы»: сб. трудов. – Таганрог: Изд. ТТИ ЮФУ.2009. – Т.2. - С.28-33.

1 ПСКМ описана в монографии Горелова Г.В., Захарова Е.Н., Радченко С.А. Исследование слабоструктурированных проблем социально-экономических систем: когнитивный подход. - Ростов н/Д: Изд-во РГУ, 2006. – 332 c.

1 Инновационное развитие социально-экономических систем на основе методологий научного предвидения и когнитивного моделирования / Под ред. Г.В.Гореловой, Н.Д. Панкратовой. – Киев: Наукова думка, 2015. – 464 с.

2 Горелова Г.В., Рябцев В.Н. Моделирование архитектуры и динамики геополитических регионов современного мира: когнитивный подход (зона Черноморье-Кавказ-Каспий). – Ростов-на-Дону: Изд. ЮФУ, 2014. – 374 с.



База данных защищена авторским правом ©psihdocs.ru 2016
обратиться к администрации

    Главная страница