Классификация систем. Конструктивная идея моделирования самоорганизующихся систем

Пример. Если система имеет два входа, которые могут находиться в двух возможных состояниях, то возможных вариантов состояния - четыре. При 10 входах вариантов уже 1024, а при 20-ти (что соответствует маленькой реальной сделке) — вариантов уже 220. Когда имеется реальный оперативный план небольшой корпорации, в котором хотя бы тысяча независимых событий (входов), то вариантов получается 21000! Значительно больше предела Бреммермана.

Кроме того, выделяют такой тип сложности, как динамическая сложность. Она возникает тогда, когда меняются связи между элементами. Например, в коллективе сотрудников фирмы может время от времени меняться настроение, поэтому существует множество вариантов связей, которые могут устанавливаться между ними. Попытку дать исчерпывающее описание таким системам можно сравнить с поиском выхода из лабиринта, который полностью изменяет свою конфигурацию, как только вы меняете направление движения. Примером могут служить шахматы.

Малые и большие, сложные и простые. Авторы книги предлагают рассматривать четыре варианта сложности систем

1) малые простые;

2) малые сложные;

3) большие простые;

4) большие сложные.

При этом выделение системы того или иною класса в одном и том же объекте зависит от точки зрения на объект, т. е. от наблюдателя.

Примеры:

1. Давно известно что обыватели всегда готовы давать советы в области воспитания, лечения, управления страной - для них это всегда малые простые системы. Тогда как для воспитателей, врачей и государственных деятелей - это большие сложные системы.

2. Исправные бытовые приборы для пользователя малые простые системы, но неисправные - малые сложные. А для мастера те же неисправные приборы - малые простые системы.

3. Шифрозамок для хозяина сейфа малая простая система, а для похитителя - большая простая.

Таким образом, один и тот же объект может быть представлен системами разной сложности. И это зависит не только oт наблюдателя, но и от цели исследования. В связи с этим, В. А. Карташев пишет: «Первичное рассмотрение даже самых сложных образований на уровне установления их основных, главных отношений приводит к понятию простой системы»

Пример. При стратифицированном описании предприятия на самой верхней страте оно может быть описано в виде малой простой системы в виде «черного ящика» с основными ресурсами на входе и продукцией на выходе.

              1.11. Детерминированность.

Рассмотрим еще одну классификацию систем, предложенную Ст. Биром.

Если входы объекта однозначно определяют его выходы, то есть его поведение можно однозначно предсказать (с вероятностью 1), то объект является детерминированным в противном случае - недетерминированным (стохастическим).

Математически детерминированность можно описать как строгую функциональную связь Y = F(X), а стохастичность возникает в результате добавления случайной величины ε: Y = F(X) + ε

Детерминированность характерна для менее сложных систем;

стохастические системы сложнее детерминированных, поскольку их более сложно описывать и исследовать

Примеры:

1. Швейную машинку можно отнести к детерминированной системе: повернув на заданный угол рукоятку машинки можно с уверенностью сказать, что иголка переместится вверх-вниз на известное расстояние (случай неисправной машинки не рассматриваем)

2. Примером недетерминированной системы является собака, когда ей протягивают кость, нельзя однозначно прогнозировать поведение собаки.

Интересен вопрос о природе стохастичности. С одной стороны, стохастичность - следствие случайности.

Случайность - это цепь не выявленных закономерностей, скрытых за порогом нашего понимания.

А с другой - приблизительности измерений. В первом случае мы не можем учесть все факторы (входы), действующие на объект, а также не знаем природы его не стационарности. Во втором - проблема непредсказуемости выхода связана с невозможностью точно измерить значения входов и ограниченностью точности сложных вычислений.

              1.12. Классификация систем по степени организованности.

Организованность или упорядоченность организованности системы R оценивается по формуле

R=1-Эреал/Эмакс,

где Эреал - реальное или текущее значение энтропии,

    Эмакс - максимально возможная энтропия или неопределенность по структуре и функциям системы.

Если система полностью детерминированная и организованная то Эреал = 0 и R = 1. Снижение энтропии системы до нулевого значения означает полную «заорганизованность» системы и приводит к вырождению системы. Если система полностью дезорганизованная, то

R=0 и Эреал=Эмакс.

Качественная классификация систем по степени организованности была предложена  В.В. Налимовым, который выделил класс хорошо организованных и класс плохо организованных, или диффузных систем. Позднее к этим классам был добавлен еще класс самоорганизующихся систем. Важно подчеркнуть, что наименование класса системы не является ее оценкой. В первую очередь, это можно рассматривать как подходы к отображению объекта или решаемой задачи, которые могут выбираться и зависимости от стадии познания объекта и возможности получения информации о нем.

              1.12.1. Хорошо организованные системы.

Если исследователю удается определить нее элементы системы и их взаимосвязи между собой и с целями системы и вид детерминированных (аналитических или графических) зависимостей, то возможно представление объекта в виде хорошо организованной системы. То есть представление объекта в виде хорошо организованной системы применяется в тех случаях, когда может быть предложено детерминированное описание и экспериментально показана правомерность его применения (доказана адекватность модели реальному объекту).

Такое представление успешно применяется при моделировании технических и технологических систем. Хотя, строго говоря, даже простейшие математические соотношения, отображающие реальные ситуации, также не являются абсолютно адекватными, поскольку, например, при суммировании яблок не учитывается, что они не бывают абсолютно одинаковыми, а вес можно измерить только с некоторой точностью. Трудности возникают при работе со сложными объектами (биологическими, экономическими, социальными и др.). Без существенного упрощения их нельзя представить в виде хорошо организованных систем. Поэтому для отображения сложного объекта в виде хорошо организованной системы приходится выделять только факторы, существенные для конкретной цели исследования. Попытки применить модели хорошо организованных систем для представления сложных объектов практически часто нереализуемы, так как, в частности, не удается поставить эксперимент, доказывающий адекватность модели. Поэтому в большинстве случаев при представлении сложных объектов и проблем на начальных этапах исследования их отображают классами, рассмотренными ниже.

              1.12.2. Плохо организованные (или диффузные) системы.

Если не ставится задача определить все учитываемые компоненты и их связи с целями системы, то объект представляется в виде плохо организованной (или диффузной) системы. Для описания свойств таких систем можно рассматривать два подхода: выборочный и макропараметрический.

При выборочном подходе закономерности в системе выявляются на основе исследования не всего объекта или класса явлений, а путем изучения достаточно представительной (репрезентативной) выборки компонентов, характеризующих исследуемый объект или процесс. Выборка определяется с помощью некоторых правил. Полученные на основе такого исследования характеристики или закономерности распространяют на поведение системы в целом.

Пример. Если нас ни интересует средняя цена на хлеб и каком-либо городе, то можно было бы последовательно объехать или обзвонить все торговые точки города, что потребовало бы много времени и средств. А можно пойти другим путем: собрать информацию в небольшой (но репрезентативной) группе торговых точек, вычислить среднюю цену и обобщить ее на весь город.

При этом нельзя забывать, что полученные статистические закономерности справедливы для всей системы с какой-то вероятностью, которая оценивается с помощью специальных приемов, изучаемых математической статистикой.

При макропараметрическом подходе свойства системы оценивают с помощью некоторых интегральных характеристик (макропараметров).

Примеры:

1. При использовании газа для прикладных целей его свойства не определяют путем точного описания поведения каждой молекулы, а характеризуют макропараметрами — давлением, температурой и т. д.. Основываясь на этих параметрах, разрабатывают приборы и устройства, использующие свойства газа, не исследуя при этом поведение каждой молекулы.

2. ООН при оценке уровня качества системы здравоохранения государства применяет в качестве одной из интегральных характеристик количество детей, умерших до пяти лет, на тысячу новорожденных.

Отображение объектов в виде диффузных систем находит широкое применение при определении пропускной способности систем разного рода, при определении численности штатов в обслуживающих, например ремонтных, цехах предприятия и в обслуживающих учреждениях, при исследовании документальных потоков информации и т.д.

2. Самоорганизующиеся системы.

Класс самоорганизующихся, или развивающихся, систем характеризуется рядом признаков, особенностей, которые, как правило, обусловлены наличием в системе активных элементов, делающих систему целенаправленной. Отсюда вытекают особенности экономических систем, как самоорганизующихся систем, по сравнению с функционирование технических систем:

      нестационарность (изменчивость) отдельных параметров системы и стохастичность ее поведения;

      уникальность и непредсказуемость поведения системы в конкретных условиях. Благодаря наличию активных элементов системы появляется как бы "свобода воли", но в то же время возможности ее ограничены имеющимися ресурсами (элементами, их свойствами) и характерными для определенного типа систем структурными связями;

      способность изменять свою структуру и формировать варианты поведения, сохраняя целостность и основные свойства (в технических и технологических системах изменение структуры, как правило, приводит к нарушению функционирования системы или даже к прекращению существования как таковой);

      способность противостоять энтропийным (разрушающим систему) тенденциям. В системах c активными элементами не выполняется закономерность возрастания энтропии и даже наблюдаются негэнтропийные тенденции, т. е. собственно самоорганизация;

      способность адаптироваться, к изменяющимся условиям. Это хорошо по отношению к возмущающим воздействиям и помехам, но плохо, когда адаптивность проявляется и к управляющим воздействиям, затрудняя управление системой;

      способность и стремление к целеобразованию;

      принципиальная неравновесность.

Легко видеть, что хотя часть этих особенностей характерна и для диффузных систем (стохастичность поведения, нестабильность отдельных параметров), однако в большинстве своем они являются специфическими признаками, существенно отличающими этот класс систем от других и затрудняющими их моделирование.

Рассмотренные особенности противоречивы. Они в большиистве случаев являются и положительными и отрицательными, желательными и нежелательными для создаваемой системы. Их не сразу можно понять и объяснить для того, чтобы выбрать и создать требуемую степень их проявления.

При этом следует иметь в виду важное отличие открытых развивающихся систем с активными элементами от закрытых. Пытаясь понять принципиальные особенности моделирования таких систем, уже первые исследователи отмечали, что, начиная с некоторого уровня сложности, систему легче изготовить и ввести в действие, преобразовать и изменить, чем отобразить формальной моделью. По мере накопления опыта исследования и преобразования таких систем это наблюдение подтверждалось, и была осознана их основная особенность - принципиальная ограниченность формализованного описания развивающихся, самоорганизующихся систем.

По этому поводу фон Нейманом была высказана следующая гипотеза: «У нас нет полной уверенности в том, что в области сложных задач реальный объект не может являться простейшим описанием самого себя, т. е. что всякая попытка описать его с помощью обычного словесного или формально-логического метода не приведет к чему-то более сложному, запутанному и трудновыполнимому...» .

Необходимость сочетания формальных методов и методов качественного анализа и положена в основу большинства моделей и методик системного анализа. При формировании таких моделей меняется привычное представление о моделях, характерное для математического моделирования и прикладной математики. Изменяется представление и о доказательстве адекватности таких моделей.

Основную конструктивную идею моделирования при отображении объекта классом самоорганизующихся систем можно сформулировать следующим образом: накапливая информацию об объекте, фиксируя при этом все новые компоненты и связи и применяя их можно получать отображения последовательных состояний развивающейся системы, постепенно создавая все более адекватную модель реального, изучаемого или создаваемого объекта. При этом информация может поступать от специалистов различных областей знаний и накапливаться во времени по мере ее возникновения (в процессе познания объекта).