Метод ситуационного управления

В основе метода лежат следующие принципы:

1. Модель объекта управления и описания протекающих в нем процессов является семиотической и строится на основе текстов, выраженных на естественном языке. Модель описания ситуаций также является семиотической.

2. Формирование ОУ и протекающих в нем процессов происходит либо путем ее создания специалистом до ввода в ЭВМ, либо на основании анализа поведения объекта в различных ситуациях, проводимого самой ЭВМ. В последнем случае в ЭВМ должны быть заложены некоторые механизмы для осуществления такого анализа.

Общая модель включает:

– нулевой уровень, где хранится множество базовых понятий;

– первый уровень, содержащий мгновенные фотографии реальной ситуации;

– второй уровень, где отражаются закономерные связи между предметами внешнего мира и т.д.

Модель второго уровня является еще достаточно подробной и описывает внешний мир в слишком мелких единицах. Все последующие слои модели проводят постепенные обобщения.

Таким образом, вся модель мыслится как совокупность целого ряда моделей, начиная от моделей непосредственного опознания на первом уровне и кончая моделью образования абстрактных понятий.

Основные недостатки ситуационного управления:

– часто требуется огромная «ручная» работа по формированию базовых понятий и базовых отношений;

– сформированный базис (понятия и отношения) замыкает круг задач, которые могут быть решены с помощью данной модели;

– при изменении части условий ситуации или расширении границ системы, как правило, требуется существенная переработка модели.

Аналитические методы, используемые в системном анализе весьма разнообразны. Так, в СА используются практически все математические схемы исследования операций и методы теории принятия решений, а также специфические приемы и модели: метод «черного ящика», метод агрегатов, модели теории графов, модели, основанные на концепции теории информации и др. Однако такие специфические методы развиты недостаточно и не играют пока ведущей роли. Основные причины этого заключаются в следующем:

1. В сложных ситуациях только отдельные слагающие общей проблемы поддаются аналитическим оценкам как из-за отсутствия пока необходимых зависимостей, так и главное, из-за невозможности в ряде случаев ввести шкалу измерений, имеющую смысл.

2. Недостаточное освоение современного аппарата математики, особенно тех ее разделов, которые нацелены на решение «собственных внутренних проблем».

В области СА, как и в психологических исследованиях, все в большей мере последовательно вовлекаются те разделы математики, которые в прошлом считались «неприкладными» (математическая логика, теория множеств, топология, теория групп и т.п.)

3. Определенной узостью исходных понятий и правил современной аналитики, которая исторически развивалась под влиянием техники, естественно-физических наук и в весьма малой степени социально-гуманитарных наук.

Помимо понятий числа, величины, точки, прямой, плоскости, отношений и др. должны быть введены такие понятия, которые в большей степени соответствуют развитию количественных отношений в социальных и гуманитарных областях (например, понятие «неопределенность»).

В связи с развитием теории информации, возможно, необходимо расширить и понятие величины и ее числового выражения. Все более настоятельно встает проблема формализованного определения понятия сложности, что позволит существенно упростить решение вопросов оценки эффективности алгоритмов и структуры системы.

2. Имитационное моделирование

Под имитационным моделированием понимается процесс формирования модели реальной системы и проведения на этой модели экспериментов в целях выявления свойств системы, определения возможных путей ее создания, совершенствования и (или) эффективного использования.

Широкий интерес к имитационному моделированию определяется рядом факторов:

1) возможность заменить эксперименты в реальных условиях экспериментами в искусственной среде;

2) возможность наглядно представить явно не воспроизводимые или не существовавшие ранее проблемы, когда традиционные методы анализа непригодны;

3) обеспечение лучших условий для систематического использования интуиции и суждений экспертов;

4) возможность изменять время течения изучаемых процессов в широких пределах;

5) обеспечение условий стабильности проведения эксперимента;

6) получение множества альтернатив поведения системы.

Недостатки имитационного моделирования:

1. Разработка имитационной модели часто обходится дорого и требует значительны затрат времени большой группы высококвалифицированных специалистов.

2. Высокая опасность ложной имитации, которая чаще всего возрастает с усложнением модели.

«Ложность» имитации связана прежде всего с неадекватностью некоторых соотношений, процедур и правил имитационного моделирования реальности. Такая имитация может быть очень сложной, выглядеть крайне научной, но результаты ее использования ни к чему, кроме заблуждений, не приведут. Ложная имитация возникает и тогда, когда за результат принимаются сбои и накопившиеся ошибки машины.

3. Не все алгоритмы, теоретически дающие решения, могут быть «физически» реализованы на ЭВМ в силу или чрезмерно высоких затрат времени или резкого падения точности решения при округлениях значений на множестве вычислительных операций, или переполнения памяти машины и т.д.

4. Нередко приходится затрачивать значительное время на переделку модели, если возникает необходимость внести в нее изменения или дополнения.