Когнитивный подход к исследованию условий развития региональной системы Текст научной статьи по специальности «Экономика и бизнес»

УДК 15:519.876

когнитивным подход

к исследованию условий развития региональной системы

В. А. ВЕРБА, кандидат технических наук, доцент кафедры прикладной математики

E-mail: verba@list. ru Московский международный университет

В статье подчеркивается, что при изучении и моделировании слабоструктурированных социально-экономических систем широкое распространение получают когнитивный подход и сценарный анализ. Представленные модели в виде когнитивных карт — графовых моделей — отражают сложные взаимосвязи между подсистемами и элементами объектов. Для моделирования процессов регионального развития предложена схема взаимосвязи основных подсистем, формирующих социально-экономический региональный механизм.

Ключевые слова: устойчивое и безопасное развитие, ноосферное развитие, когнитивный подход, когнитивное моделирование, когнитивная карта, социально-экономический механизм.

В связи с кризисными и посткризисными процессами в мировой экономике актуальной является проблема устойчивого экономического развития России, особенно в связи с ее переходом на новый этап государственных, экономических и социальных отношений. Из области теоретических исследования проблема устойчивого развития системы перешла в область практических разработок и внедрения.

Проблемы безопасного и устойчивого развития регионов России волнуют не только широкую общественность, но и научное сообщество, что нашло отражение в издании энциклопедической монографии «Новая парадигма развития России (комплексные проблемы устойчивого развития)» [20]. В этой книге впервые были системно представлены многообразные аспекты исследования устойчивого

развития сложных систем и обозначены пути теоретических и практических действий, направленных на обеспечение устойчивого и безопасного развития стран и регионов.

Исследование состояния стран и регионов, выяснение возможностей перехода их на путь устойчивого и безопасного развития требует как конструктивного определения этих понятий и критериев, так и наличия инструментов, позволяющих моделировать и оценивать ситуации, проектировать желаемые стратегии развития. В данном исследовании в основу положено определение понятия «устойчивости» с позиции теории управления и методов оценки в следующей формулировке: устойчивое развитие системы — это сложное динамическое свойство класса управляемости, сочетающее в себе требования:

• попадания траектории развития за определенное время в целевое множество состояний;

• не выхода ее на прогнозном интервале времени из некоторого множества «безопасных» состояний;

• почти монотонного возрастания некоторых показателей развития (например уровня жизни и др.) на определенном интервале времени с последующим сохранением их в заданных интервалах допустимых значений;

• асимптотической устойчивости (стабилизиру-емости) программной траектории;

• гармонизации интересов сторон [20]. Анализ «устойчивости» в научном смысле

является сложной проблемой, способ решения

которой зависит от того, какой аспект устойчивости исследуется. Все условия, кроме последнего, поддаются формализации в той или иной степени, но требуют определения целевого множества состояний, множества «безопасных» состояний, показателей развития, интервалов допустимых значений показателей, критериев асимптотической устойчивости. Необходимость их определения вносит дополнительную сложность в исследование «устойчивости» и безопасности конкретных систем. Будем следовать определению глобальной безопасности на заданном промежутке времени как выполнение ряда неравенств в целях оценки отдельных показателей безопасности Пб. (V):

П(V) >Пили П(V) < П, г = 1, 2,...,п;^к [0;^ (1)

Согласно [20, с. 19], Пб. (V) — это:

— средняя продолжительность жизни;

— потребление продовольствия на душу населения (пища на чел.);

— потребление промышленной продукции на душу населения (промтовары на чел.);

— средние затраты на социальную сферу на душу населения (сервис на чел.);

— биомасса растительности суши;

— уровень загрязнения;

— оставшиеся к концу XXI в. природные ресурсы (объем традиционных не возобновимых и нетрадиционных регенерированных природных ресурсов).

Предельно допустимые значения П. выбираются на основе результатов медицинских, социологических и экологических исследований в международных проектах или на основе оценок, даваемых в решениях международных форумов и организаций.

Модель (1) служит основой более детализированного списка индикаторов безопасного и устойчивого развития для конкретных регионов. Причем соответствующие группы индикаторов выделяются в блоки:

1) экономические отношения (уровень падения ВВП (ВРП) по отношению к базовому уровню, уровень падения промышленного производства, уровень продовольственной зависимости, доля в экспорте продукции обрабатывающей промышленности, доля в экспорте высокотехнологичной продукции, ассигнования на науку в % к ВВП);

2) социальная сфера (соотношение минимальной и средней заработной платы, децильный коэффициент, доля населения, живущего за чертой бедности, уровень безработицы);

3) демографическая ситуация (коэффициент депопуляции, суммарный коэффициент рождаемости, средняя продолжительность жизни населения, коэффициент старения населения);

4) экологическая ситуация (суммарные поступления для экологической безопасности, экологические потери, предохранительные затраты на экологию в % к ВВП),

5) девиантное поведение;

6) политические отношения;

7) обороноспособность.

Количество индикаторов и их значения в каждом блоке для регионов могут быть отличными от названных и отражать специфику каждой территории. Но все названные блоки показателей должны иметь место, системно характеризуя состояние региона. Показатели определенным образом связаны и оказывают взаимное влияние друг на друга в большей или меньшей степени. Этот факт необходимо обязательно учитывать при анализе состояния конкретного региона, но он находится за пределами материала данной статьи.

Актуальным представляется определение инструмента когнитивного моделирования, с помощью которого можно формально ставить и решать задачи анализа состояния социально-экономической системы региона как сложной системы, а также обосновывать разработку стратегий устойчивого и безопасного развития.

Как известно, в нашей стране когнитивный анализ сложных систем начал развиваться в начале 1990-х гг. в лаборатории № 51 Института проблем управления им. В. А. Трапезникова Российской академии наук (ИПУ РАН) [1, 2, 16, 17, 18, 19]. В настоящее время эти исследования идут в одном из русел развития когнитивных наук — в развитии теории и практики интеллектуальных систем. В близком направлении ведутся исследования авторов [3—5, 7—11, 22—25].

В данной статье автор представляет ряд результатов когнитивных исследований на примере обобщающей схемы регионального социально-экономического механизма, полученных с помощью разрабатываемой методологии когнитивного моделирования [8, 10, 11].

О когнитивном моделировании. Под когнитивным моделированием сложных систем, поддерживаемым программной системой когнитивного моделирования (ПСКМ), понимается [8—11, 24] решение системных задач. Это задачи идентифика-

ции объекта, анализа путей и циклов когнитивной модели, сценарный анализ, решение обратной задачи, решение задач реализации, наблюдаемости, управляемости, оптимизации, прогнозирования, анализа связности и сложности системы, задачи композиции — декомпозиции, анализа устойчивости, анализа чувствительности, теории катастроф, адаптируемости, самоорганизации системы, принятия решений. Задачи когнитивного анализа (построения когнитивных карт) и управления ситуациями (импульсное моделирование) являются традиционными в когнитивных исследованиях; существует программное обеспечение для их реализации (работы ИПУ РАН). Остальные задачи являются предметом теоретических и практических разработок в настоящее время:

1) когнитивное моделирование производится поэтапно. В настоящее время разработана следующая их последовательность, реализуемая в программной системе когнитивного моделирования [8];

2) построение когнитивной модели производится экспертом (экспертами) в соответствии с целью исследования и принятием решений на основании анализа статистических, экспертных, теоретических знаний об изучаемой сложной системе;

3) планирование вычислительного эксперимента для анализа разработанной когнитивной модели (необходимо для сокращения числа переборных вариантов);

4) анализ структуры когнитивной модели (анализ причинно-следственных цепочек — путей, циклов когнитивной карты и топологический анализ — анализ д-связности);

5) анализ устойчивости (структурной и к возмущающим воздействиям);

6) сценарный анализ — научное предвидение (прогнозирование) возможных путей развития сложной системы (импульсное моделирование — внесение возмущающих воздействий в вершины когнитивной карты);

7) анализ результатов пунктов 3, 4, 5; принятие решений о необходимости (или нет) корректировки когнитивной модели, возвращение (или нет) к этапу 1;

8) моделирование задачи принятия решений (в виде вероятностной задачи принятия решений или задачи теории игр);

9) выбор желаемого сценария развития (на модели задачи принятия решений), удовлетворя-

ющего разработанным критериям устойчивого и безопасного развития сложной системы;

10) разработка рекомендаций по формированию стратегии устойчивого и безопасного развития сложной системы.

При построении когнитивной модели следует иметь в виду, что наиболее простой математической формой когнитивной модели является когнитивная карта — знаковый ориентированный граф О = {V, Е. Более сложные когнитивные модели [1, 2, 16—19] — это векторный параметрический граф, параметрический векторный функциональный граф Фп, и модифицированный функциональный граф (Ф. Робертс).

фп = О, х, ¥ ,е), (2)

где О = {V, Е; У= {у.}, 1 = 1, 2,..., к— множество вершин когнитивной карты;

Е = {е.} — множество дуг, соединяющих верУ

шины V. и у;

1 г

X = {х.} — множество параметров вершин;

¥ = / {VV, е.} — функция (или функционал

/ {VV,, е.}, или коэффициент /Г) связи между

вершинами;

0 — пространство параметров вершин.

При разработке когнитивной модели в виде (2) часть ее (подграф) может быть построена по статистическим данным об объекте.

Анализ структуры когнитивной модели. Анализ путей и циклов графа производится традиционными методами теории графов. Топологический анализ структуры сложной системы (симплициальный анализ) — это анализ ее д-связности, состоящий в анализе симплициальных комплексов, предложен Р. Эткиным [22]. В симплициальном анализе система рассматривается в виде отношения между элементами конечных множеств — множества вершин V и заданного семейства непустых подмножеств

«■(V )

этих вершин-симплексов ср , р — размерность симплекса (р на единицу меньше, чем число единиц в соответствующей V. строке/столбце матрицы АО). Множества вершин и соответствующих им симплексов образуют сопряженные симплициальные комплексы. Анализ связности системы состоит из определения «д-цепей связности», отражающих возможность того, что два симплекса, непосредственно не имея общей грани, могут быть связаны при помощи последовательности промежуточных симплексов. Определяемый при этом структурный вектор д отражает глобальную структуру комплек-

са и позволяет вскрыть особенности взаимосвязи структурных блоков системы, сделать заключение о структурной устойчивости (неустойчивости) системы.

Исследование устойчивости. Термин «устойчивость» применительно к социально-экономическим системам может обозначать многое, не всегда четко определенное, в отличие от теории управления техническими системами, в которой понятие «устойчивость» четко определено и разработаны критерии устойчивости систем. При когнитивном моделировании сложных систем основываемся на требованиях устойчивости, кроме того, рассматриваем два аспекта устойчивости: 1) устойчивость системы под воздействием внешних возмущений при фиксированной структуре системы; 2) устойчивость поведения системы при изменениях структуры системы — структурная устойчивость (малые изменения в структуре системы вызывают малые изменения в ее динамике). В первом случае исследуются корни характеристического уравнения матрицы отношений графа G. Анализ структурной устойчивости связан с анализом циклов прямой и обратной связи в когнитивной карте, а также с анализом топологической структуры графа.

Сценарный анализ системы проводится путем импульсного моделирования. Значения импульсов в вершинах когнитивной карты на такте моделирования п, как известно [18, 19, 23], определяются формулой:

хя- (п + 1) = Х* (п) +

к -1

+ X /(х>, X,, % )Р} (п) + & (п),

(3)

где ху. (п) и х(п+1) — значения импульсов в вершине V на тактах моделирования п и (п+1) соответственно;

Р. (п) — импульсы в вершинах V, смежных с V., (п) — вектор возмущений, вносимый в вершины.

Импульсный процесс может отображать как эволюционное развитие системы = 0), так и ее развитие под воздействием возмущений и управляющих воздействий (п), вносимых в вершины V. в момент ^п. Набор реализаций импульсных процессов — это «сценарий развития», указывает на возможные тенденции развития ситуаций. Ситуация в импульсном моделировании характеризуется набором всех & и значений Х в каждом такте моделирования. Множество моделируемых

сценариев — это возможные альтернативы развития системы (стратегии), между которыми необходимо сделать выбор (если возможно управление и/или адаптация).

Прогнозирование. Основным отличием прогнозирования, полученного с помощью когнитивной модели, является то, что оно характеризует различные возможные тенденции развития (следствия) при гипотетических изменениях возмущающих и управляющих воздействий, факторов или их сочетаний (причины) в моделируемом будущем, а не значения численных показателей, которые получены путем обработки данных об уже совершившихся процессах. Такое прогнозирование скорее можно назвать научным предвидением, ответом на вопрос «А что будет, если...?». Но задача прогнозирования с помощью когнитивных моделей может быть поставлена по-другому, если при построении когнитивной модели в основном опираться на численно представленные результаты наблюдений над объектом (например статистические данные) и получать модели типа (2).

Исследование чувствительности решений. Оно необходимо, так как в реальных системах непрерывно происходят некоторые изменения, а строящиеся когнитивные модели подвержены риску человеческого фактора (конкретного лица, принимающего решение). Поэтому проводятся исследования при вариациях всех элементов когнитивной модели (вершин, отношений, параметров вершин, возмущающих воздействий и др., и их сочетаний в определенных пределах).

Принятие решений. Разработка альтернативных сценариев развития, оценка возможных последствий реализации сценария, принятие решений при когнитивном моделировании рассматриваются с двух позиций: принятия решений в процессе моделирования (при переходе от задачи к задаче) и при выборе управленческих решений (обратная задача) на основе предвидения их последствий. Для обоснования и выбора решений используются модели вероятностных задач принятия решений и модели задач теории игр в случае противодействия или конкуренции среды. Примером может служить когнитивное моделирование региональной социально-экономической системы.

Построение когнитивной модели. Качественным свойством любого региона является полиструктурность, т. е. множественность структурной организации. Это свойство отражено в виде укрупненной схемы взаимосвязей основных блоков:

у, ■:<!=<!„ еЬ

«экономика», «природная среда», «население» и др. (рис. 1). Рисунок выполнен с помощью программной системы когнитивного моделирования (ПСКМ) [8]. В приводимом примере когнитивная карта не разрабатывалась, а в основу исследования была положена «классическая» схема регионального экономического механизма А. Г. Гранберга [22], которая может быть изображена в виде графа G. При изучении конкретного региона эта схема должна адаптироваться к его условиям. На рис. 1 стрелки е.. изображают направление и знак взаимовлияния обозначенных вершин V следующих блоков: производство, доходы, население и т. д. Так, например, можно наглядно проследить причинно-следственную цепочку: занятость населения V3 влияет на его доходы, от которых, в свою очередь, зависит валовое накопление V5; валовое накопление влияет на производство V2, которое в свою очередь влияет на валовое накопление (двусторонняя связь) и т. д. Знак влияния может обозначаться сплошной линией: положительная связь — увеличение (уменьшение) сигнала в одной вершине приводит к увеличению (уменьшению) сигнала в другой, или штрихпунктирной линией: отрицательная связь — увеличение (уменьшение) сигнала в одной вершине приводит к уменьшению (увеличению) сигнала в другой.

Когнитивной карте О соответствует матрица отношений АО (матрицы отношений АО являются одной из баз математического решения системных

У6 Федеральны'

СИС'

задач когнитивного моделирования). Но в самом общем случае когнитивный анализ схемы О дает характеристику общим свойствам регионального механизма. Эта схема удобна тем, что наглядно представляет объединение ряда воспроизводственных процессов, осуществляющихся в регионе: воспроизводство продукта, капитала, человеческих и природных ресурсов. Они охватывают также движение материальных и финансовых потоков между основными агентами экономики региона: предприятиями, домашними хозяйствами, государственными учреждениями и т. п.:

V У Уз У4 У5 Уб У7 У8 У9

У "0 0 0 0 0 0 0 0 0

1 0 1 1 1 0 1 1 0

У3 0 1 0 1 0 0 0 0 1

V4 1 1 0 0 1 1 0 0 1

0 1 0 0 0 0 0 1 0

1 1 0 1 1 0 0 1 0

1 1 0 0 1 0 0 0 0

Vs 0 1 0 1 0 1 0 0 1

нешнекон.обмен

\/8 Природная среда 1.001.00 \/9 Население

Рис. 1. Когнитивная карта О региональной социально-экономической системы

Когнитивное моделирование возможностей развития региона в данном случае включает решение большинства вышеуказанных системных задач, за исключением задач поиска оптимальных управляющих воздействий (обратная задача, задача оптимизации), задач реализации, наблюдаемости, управляемости, теории катастроф, адаптируемости, самоорганизации системы, поскольку эти задачи актуальны для данного конкретного региона.

Исследование регионального социально-экономического механизма, идентифицированного когнитивной картой G, состояло в анализе ее структуры и вариациях структуры, анализе устойчивости, импульсном моделировании (сценарном анализе) на основной структуре и ее вариациях, анализе сценариев развития при вариациях знаков и силы связи между вершинами. Были рассмотрены следующие основные варианты испытаний на карте О и ее внутреннем блоке О1 — «внутренний механизм — замкнутая экономика, без связи с внешним миром», матрица АО1

о

Первый вариант. Все весовые коэффициенты равны единице (^ 1): карта G, все связи положительны; карта G, три связи отрицательны (производство падает, природная среда улучшается; федеральные регулирующие системы (ФРС) не оказывают положительного влияния («ФРС хуже»), но производство растет или падает); карта G, две связи отрицательны (производство падает, природная среда улучшается; «ФРС хуже», но производство растет или падает); карта G, одна связь отрицательна («ФРС хуже», но производство растет или падает); карта G, одна связь отрицательна («ФРС хуже», но доходы растут или падают); исследование внутреннего механизма, карта G все связи положительны; карта G, карта G две связи отрицательны (производство растет, природная среда ухудшается; население растет, валовое накопление уменьшается).

Второй вариант. Весовые коэффициенты ^.. разные: карта G, все связи положительны; карта G, три связи отрицательны (производство падает, природная среда улучшается; ФРС хуже, но производство растет или падает); карта G1, все связи положительны; карта G связи положительные и две отрицательные (производство растет, природная среда ухудшается; население растет, валовое накопление уменьшается).

Проанализируем структуру когнитивной модели. Анализ циклов графа G позволил выявить 142 положительных цикла (положительный цикл или цикл с положительной обратной связью — это цикл, в котором нет отрицательных дуг или число отрицательных дуг четное). Выбор анализируемых путей из вершины в вершину когнитивной карты определялся экспертно, в соответствии с тем, что желательно было выяснить. Так, например, число путей из вершины «Производство» в вершину «Население» равно 18, из вершины «Производство» в вершину «Конечное потребление» — 77, из

вершины «Доходы» в вершину «Валовое накопление» — 37 и т. д. Заметим, что некоторые из таких формальных путей могут не интерпретироваться на содержательном уровне, но в любом случае в таких данных может содержаться информация, далеко не очевидная с первого взгляда.

При проведении симплициального анализа (алгоритм приведен в [10]) по матрице Аа ее строки принято интерпретировать как «входы» Х-системы, а столбцы — как «выходы» 1-системы. Анализ позволил определить следующие симплициальные комплексы матрицы Аа, и транспонированной матрицы AG, которые представляют собой множества симплексов: К (У; AG) =

={ О 52),о 4 4),о 46),о 49),о 38),о 23),о 27),о 1(5)},

(по входам),

К (X; AG) =

={О52),О «,О45),О34),О38),О29),01(3),01(6),01(7)},

(по выходам).

При определении структурных векторов цепей ^-связности был найден первый структурный вектор вх = {блш К , . - 02, й , бо } симплициального

комплекса Кх (У; AG ) . Он состоит из элементов: вх= {05=1, 04=3, 03=4, б2=4, 01=5, бо=1}, которые представлены в таблице.

На рис. 2 приведено геометрическое изображение

не всего комплекса Кх (У; Аа), а лишь его фрагмента, т. к. симплексы размерностью ц> 3 не могут быть представлены на плоскости. Рис. 2 только иллюстрирует понятие «симплициальный комплекс».

Преобразование структуры исходного графа в структуру симплициального комплекса позволяет сделать явными более глубокие связи в исследуемой сложной системе — связи между ее блоками, порождаемые каждой вершиной. Так, проведенное исследование ц-связности показало, что относительно симплексов Х-входов системы (управляющие факторы) имеется несколько несвязных компонент. Следует выделить симплекс а5(2) (производство х2), который оказывает влияние по крайней мере на пять компонент. На уровне ц = 4 появляется связная компонента (х х9). Это означает, что наибольшее влияние уровень производства оказывает на население х Значимые для системы федеральные регулирующие системы х6 и доходы х4, хоть и оказывают влияние на многие компоненты, но между ними существуют препятствия для обмена управляющими воздействиями. Наибольшее

Данные структурного вектора 0,

Размерность Количество Компоненты

симплекса элементов связности

в цепи структурного

ц-связности вектора

ц = 5: 05 = 1 {Х2}

II 5ц в4 = 3 {х2; х9} {х4} {Х6}

ц = 3: 03 = 4 {х2; х9} {х4} {Х6} {х8}

ц = 2: 02 = 4 {х2; хо} {х4; х7} {хб} {х8; х3}

ц = 1: = 5 {х2; х9} {х4; х7} {х6; х5} {х8; х3}

ц = 0: 00 = 1 Все, исключая х1

Рис. 2. Геометрическое изображение фрагмента комплекса

Кх (Х; Ао), показывающее д-цепь связи симплексов размерности д < 3

влияние уровень доходов региона оказывает на межрегиональный и внешнеэкономический обмен х а от действий федеральных регулирующих систем в большей степени зависит занятость населения х3.

Относительно Х-выходов (целевых факторов) комплекс также распадается на несвязные компоненты. Наибольшее значение для исследуемой системы играют вершины у2 (у2) — производство, у5 (у5) — валовое накопление и у1 (у1) — потребление.

Итак, наиболее значимыми управляющими факторами являются политика федеральных регулирующих систем и доходы населения; наиболее значимым целевым фактором можно считать производство.

Проведем анализ устойчивости по возмущению и по начальному значению. Исследования показывают отсутствие этого свойства в анализируемой схеме по критерию максимума модуля корней характеристического уравнения матрицы А так как шах|м| = 3,61, что больше 1 (критерий, принятый в теории управления). Данная схема также структурно не устойчива, поскольку в ней не имеется нечетного числа отрицательных циклов [22].

Отсутствие формальных признаков устойчивости графа О на данном этапе исследования не стоит интерпретировать ни как отрицательный, ни как положительный факт, хотя бы потому, что в неустойчивости системы потенциально заложены возможности ее развития. Кроме того, результаты такого анализа должны быть дополнены анализом устойчивости и по другим критериям, например по результатам сопоставления статистических социально-экономических показателей — индикаторов устойчивого развития для конкретного региона, согласно условиям (1).

Сценарный анализ, импульсное моделирование. Проведение импульсного моделирования требует предварительной разработки плана вычислительного эксперимента, в котором продумываюгся и задаются условия, дающие ответ на вопрос: «А что будет, если...?». Для разработки таких планов помимо мнения экспертов и статистического анализа необходимо использовать также результаты симпли-циального анализа. Так, например, поскольку был выделен симплекс сг5(2' (производство), который оказывает влияние на большое количество компонент связности, то анализ изменений в системе, которые может вызвать развитие (падение) производства, необходимо проанализировать в первую очередь. Ниже приведены примеры некоторых из промоделированных сценариев, полученных согласно модели импульсного процесса (3). Первоначально моделирование начинается с нулевых условий ху. (0) = 0.

Сценарий № 1. А что будет, если в региональной системе начнет развиваться производство? При моделировании без конкретных численных данных положительное развитие производства кодируется импульсом д2 =+1, т. е. в вершину у2 вносится возмущение д Рисунки 2—5 иллюстрируют возможные тенденции развития процессов. На рисунках по оси абсцисс обозначены такты моделирования п, по оси ординат—значения х . (п + 1) импульсов в вершинах

"15.00 "14-00 "13.00 "12.00 -1-1.00 "10.00 9.00 8.00 7.00

е.оо

5.00 +.00 3.00 2.00 "1.00 0.00

\М- Доходы

"у/3 Занятость

Л/5 Валовое накоппение

А/9 Население

\/3 Природная среда

Рис. 3. Сценарий № 1 (положительное влияние производства, возмущение д2 = +1 вносится в вершину VI; вектор возмущений Q = (0 +1, 0, 0, 0, 0, 0, 0, 0)

-\/2Пр0ИЭЕ0ДСТВ0

--------Уб федеральные регулирующие системы

----V? Межрегион, и внешнеэкон. обмен

-VI Конечное потребление

------

------

------

/

О

5.00 4.64 4.29 3.93 3.57 3.21 2.86 2.50 2.14 1.79 1.43 1.07 0.71 0.36 0.00

У4 Доходы УЗ Занятость У5 Валовое накоппение ■У9 Население ■ Природная среда

___у

Чи ___' о '//

41"

------ -----

-Л

- -£-(-----

О

2 4

Рис. 4. Сценарий № 2 (положительное влияние межрегионального и внешнеэкономического оомена = -п)

■ У2ПрОИЗВОДСТ0О

■ Федеральные регулирующие системы 41 Межрегион, и внешнеэкон. обмен

■VI Конечное потребление

9.00 8.00 7.00 6.00 5.00 4.00 3.00 2.00 1.00 0.00 -1.00 -2.00

Рис. 5. Сценарий N° 3 (положительное влияние производства q1 = +1, отрицательное влияние федеральных регулирующих систем д6 = — 1)

16.00 15.00 14.00 13.00 12.00 11.00 10.00 9.00 8.00 7.00 6.00 5.00 4.00 3.00 2.00 1.00 0.00 -1.00

\/2Проиэводство

У6 Федеральные регулирующие системы VI Межрегион, и внешнеэкон. обмен ■ У9 Население

/ ^

......

1 \1

......

...... —+ -/—

/

..... ----

56.00 52.39 49.73 46.67 43.56 40.44 37.33 34.22 31.11 23.00 24.39 21.73 13.67 15.56 12.44 9.33 6.22 3.11 0.00

VI Конечное потребление \/4 Доходы УЗ Занятость ■ Л/5 Валовое накопление

1 ^

Г

Г /

----- — — -г''' ./у..

----- ----- ----

0 1

Рис. 6. Сценарий N° 4 (положительные влияния производства д2 = +1, населения д9 = +1, межрегионального и внешнеэкономического обмена д7 = +1 и отрицательное влияние федеральных регулирующих систем д = — 1)

V. в относительных величинах на соответствующих тактах моделирования. Подобное моделирование на графе О показывает лишь тенденцию развития процессов в системе, позволяет «предвидеть» характер изменений. Для того чтобы получить конкретные численные данные прогноза необходимо моделирование проводить на модели (2).

Для выбора лучшего сценария развития из имеющихся возможных по задаваемым критериям необходимо существенно расширить их количество по сравнению с приведенными примерами. Но и из приведенных сценариев пока на интуитивном уровне предпочтение можно отдать последнему, так как в нем учтено большее количество факторов и наблюдаются положительные тенденции роста в обозначенных вершинах.

В заключение следует отметить, что приведенные частичные результаты когнитивного моделирования иллюстрируют его возможности на абстрактной региональной системе. Для конкретного региона карта О адаптируется под его особенности, наполняется количественными данными. Пример представляет те задачи исследования, которые должны быть решены в первую очередь. Но только все задачи в комплексе могут помочь лицу, принима-

ющему решение, воспринимать в целом множество аспектов функционирования сложной системы, не теряя при этом мелких деталей, которые могут иметь важное значение.

В настоящее время ведутся исследования, предметом которых является совокупность проблемных аспектов функционирования Юга России и отдельных его регионов: геополитического, этнополити-ческого, социально-экономического, социокультурного, этнодемографической динамики и миграционных процессов. Исследования проводятся в рамках грантов федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009—2013 гг. по теме «Моделирование процессов социального взаимодействия и проблем национальной безопасности Юга России» [13, 14]. Есть уверенность, что элементы когнитивного моделирования помогут исследователям успешно выявить факторы устойчивого развития региона и пути к решению проблем национальной безопасности и стабильности в экономике.

Список литературы

1. Абрамова Н. А., Авдеева З. К. Когнитивный анализ и управление развитием ситуаций: пробле-

мы методологии, теории и практики / Проблемы управления. 2008.№ 3.

2. Авдеева З. К., Коврига С. В., Макаренко Д. И. Когнитивное моделирование для решения задач управления слабоструктурированными системами. М.: ИПУ РАН, 2006.

3. Верба В. А. Исследование проблем безопасного и устойчивого развития при когнитивном моделировании сложных систем. Таганрог: Изд-во ТРТУ, 2006.

4. Верба В. А. Модели задач оптимума номинала на когнитивных картах сложных систем. Кацивели, 2006.

5. Верба В. А., Буянов Б. Я. Принятие решений по управлению сложными системами, когнитивный подход. Таганрог: Изд-во ТТИ ЮФУ, 2011.

6. Гранберг А. Г. Основы региональной экономики: учебник для вузов. М.: ГУ-ВШЭ, 2000.

7. Горелова Г. В., Захарова Е. Н., Гинис Л. А. Когнитивный анализ и моделирование устойчивого развития социально-экономических систем. Ростов-на/Д: Изд-во РГУ, 2005.

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

9. Горелова Г. В., Матвеева Л. Г., Никитае-ва А. Ю. Системный подход и инструментарное обеспечение управления в территориально-лока-лизованных экономических системах мезоуровня. Ростов-на-Дону: Изд-во ЮФУ, 2007.

10. Горелова Г. В. Когнитивный инструментарий решения системных задач социально-экономических объектов. М.: ЦЭМИ РАН, 2010.

11. Горелова Г. В. Когнитивное моделирование как инструмент в процессе познания большой системы. Дубровник, Хорватия, 2010.

12. Горелова Г. В., Буянов Б. Я., Верба В. А. Формализация вероятностных задач принятия решений в интеллектуальных системах на основе когнитивного подхода. Донецк, 2007.

13. Горелова Г. В., Розин М. Д., Сущий С. Я. О возможностях когнитивного подхода к моделированию социальных взаимодействий на уровне региона. М.: Изд. ИПУ РАН, 2009.

14. Горелова Г. В., Розин М. Д., Рябцев В. Н., Сущий С. Я. Исследование проблем развития Юга России, математическое моделирование, некоторые результаты. М.: Изд-во ИПУ РАН, 2010.

15. Касти Дж. Большие системы: связность, сложность и катастрофы. М.: Мир, 1982.

16. Коврига С. В., Максимов В. И. Когнитивная технология стратегического управления развитием сложных социально-экономических объектов в нестабильной внешней среде. Таганрог, 2001.

17. Кульба В. В., Ковалевский С. С., Кононов Д. А., Чернов И. В., Шелков А. Б. Проблемы обеспечения экономической безопасности сложных социально-экономических систем. М., 2002.

18. 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. М.: ИПУ РАН, 2002.

19. Максимов В. И. Когнитивные технологии — от незнания к пониманию. М.: ИПУ РАН, 2001.

20. Новая парадигма развития России (комплексные проблемы устойчивого развития). М.: Изд-во МГУК, 2000.

21. Основы экономической безопасности (государство, регион, предприятие, личность): учеб. пособие. М.: Интел-Синтез, 1997.

22. Atkin R. H. Combinatorial Connectives in Social Systems. An Application of Simplicial Complex Structures to the Study of Large Organizations, Interdisciplinary Systems Research, 1997.

23. Barcelo H., Kramer X., Laubenbacher R., Weaver C. Foundations of Connectivity Theory for Simplicial Complexes, Department of Mathematical Science, New Mexico, 1998.

24. Gorelova G. V., Verba V. A., Buyanov B. Y. Experience in cognitive modeling of complex systems / Cybernetics and systems 2010, Proceeding soft the 20-th European Meeting on Cybernetics and Systems Research. Pr. In Austria, Vienna, 2010.

25. Roberts F. Graph Theory and its Applications to Problems of Society, Society for Industrial and Applied Mathematics, Philadelphia, 1978.