МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ ИССЛЕДОВАНИЯ СЛОЖНЫХ СИСТЕМ

© В.В.Балашов, А.В.Смирнов, Т.О.Цейтлина
© Государственный музей истории космонавтики им. К.Э. Циолковского, г. Калуга
Секция "Проблемы ракетной и космической техники"
2014 г.

В ходе, происходящей в последние десятилетия, «информационной революции» произошла компьютеризация сбора и созданы большие базы данных во всех сферах науки. Возросшие компьютерные мощности позволили рассматривать вопросы, на которые раньше не обращали внимания. Произошёл «слом» границ между дисциплинами, что обеспечило исследователям доступ к разнообразным базам данных. В последние годы всё больше открытий происходит «на стыке» направлений исследований, осуществляемых изначально как совершенно независимые друг от друга. Возможно, это связано с тем, что исследователи получили доступ к методам и источникам информации, которые ранее были им неизвестны или не считались полезными. Данные особенности современных исследований следует трактовать как следование принципам синергетики, и это является одной из основ исследования сложных систем.

К сложным системам относят системы, состоящие из множества взаимодействующих подсистем, обладающие принципиально новыми свойствами, не характерными для этих подсистем. Основное свойство сложной системы состоит в том, что при добавлении в неё новых элементов устанавливаются новые связи между элементами и появляются новые свойства, ранее отсутствовавшие. При удалении же из системы её элементов некоторые её свойства утрачиваются.

Варианты развития системы во времени являются предметом системного анализа. Одной из задач системного анализа является выбор оптимальной стратегии развития исследуемой системы. В развивающихся системах существует много закономерностей, не имеющих чёткого количественного выражения.

Сложные системы включают в свой состав биологические, социальные, технические и другие системы. Во многих случаях они развиваются в соответствии с одними и теми же законами. Однако эти законы имеют чисто лингвистический характер (сформулированы словесно), используя весьма общую терминологию, которая сродни некоторым философским категориям.

Альберт Эйнштейн отрицал существование в природе абсолютного хаоса. Он утверждал, что «мир — это упорядоченная и познаваемая сущность». Менее склонный к философским обобщениям молодой английский математик Фрэнк Рамсей сформулировал и доказал теорему, ставшую основой т.н. теории Рамсея. Рамсей утверждал, что полная неопределённость невозможна. Каждое достаточно большое множество чисел, точек или объектов обязательно содержит высоко упорядоченную структуру. Упорядоченная конфигурация неизбежно присутствует в любой структуре.

При проведении исследования последовательно осуществляются три этапа. На первом этапе необходимо ощутить (осознать) проблему. На втором этапе следует поставить (сформулировать) задачу исследования, выявив при этом основные факторы влияния и ограничив предметную область исследования. На третьем этапе разрабатывается методика исследования: необходимо подтвердить процесс и итог рассуждений результатами вычислений. Лишь в этом случае полученный результат может иметь практическую ценность.

Становится всё более заметным приближение научных формулировок к стилю человеческого мышления. Примерами подобных подходов являются нейронные сети и нечёткое моделирование, основой которого являются нечёткая логика и теория нечётких множеств.

Преимущество нейронных сетей состоит в способности самообучаться, т.е. создавать обобщения — способность получать обоснованные результаты на основе данных, которые не использовались в процессе обучения сети. На начальном этапе разработки нейронной сети осуществляется кластеризация исходных данных — группирование их в «сгустки информации» на основе признаков близости или отличия объектов различных групп.

Для сложных систем характерны два основных вида неопределённости: неопределённость исходной информации и неопределённость цели, являющаяся следствием многопараметричности задачи. Технологии нечёткого моделирования специально ориентированы на построение моделей, учитывающих неполноту, нечёткость и даже противоречивость исходной информации.

Информация становится основным ресурсом экономического развития. Предсказательная аналитика является самым ожидаемым продуктом на рынке. Пока решаются лишь частные задачи (бизнес, предсказание погоды и др.). Однако необходимо принимать активные и ответственные решения относительно нашего будущего. Существует предположение, что всего через десятилетие компьютеры станут «умнее» людей, в связи с этим приходится задумываться о новой роли человека в жизни. При этом должна проводиться осознанная борьба с бесполезной осведомлённостью.

Информационные модели основаны на гипотезе о существовании статистической связи между измеряемыми переменными («вход» системы) и показателями её функционирования («выход» системы). При разработке информационной модели определяющую роль играет состав исходной информации (измеряемых переменных). Процесс разработки и использования информационной модели является основным содержанием системного моделирования. В информационной модели характер взаимосвязи между измеряемыми переменными и показателем системы устанавливается в процессе исследования, и их конкретный вид может остаться неизвестным и по окончании исследования. Важным преимуществом информационных моделей является их способность сохранять свою адекватность в условиях неопределённости — в случаях нечёткости или неточных значений измеряемых параметров.

Таким образом, к главным методологическим основам исследования сложных систем следует отнести принцип синергетики, близость научных методов к стилю человеческого мышления и максимальное использование разнородной информации, в частности, в целях разработки информационных моделей развития.