double arrow

Информационный аспект изучения систем


Информация, понимаемая как сведения о состоянии окружающей среды, крайне важна для поведения (функционирования) систем, их изучения и управления ими. Естественно, что, имея полную информацию, легче изучать систему и производить в ней необходимые изменения, так как можно заранее предвидеть последствия манипуляций. Этим объясняется стремление сделать систему закрытой, т.е. обеспечить замыкание системы и рассматривать ее как замкнутую. Неживые системы можно изучать в стационарных или квазистационарных условиях, в которых характерные свойства системы определены. Для высокоорганизованных систем (живых, социальных) такой подход неприемлем, так как не позволяет определить характерные свойства системы. Эти системы являются динамическими, развивающимися, и понятие стационарного состояния малопригодно для их изучения и управления ими. Большинство систем являются открытыми, поэтому для обеспечения «замыкания» следует рассматривать их как часть более общей системы «объект–среда», где под объектом понимается изучаемая система, а под средой – внешние системы, взаимодействующие с данной. Такая общая система является замкнутой или, точнее, относительно замкнутой, так как мы не в состоянии учесть все связи, а только те, которые наиболее важны для достижения заданных целей. Изучение поведения такой общей системы позволяет установить существенные отношения между ее частями и разумно управлять объектом. Для неживых систем средой являются природные процессы, происходящие на Земле и в атмосфере, внешние условия. Для технических систем – физическая среда, условия эксплуатации. Для живых систем – среда обитания, т.е. природная среда, условия жизни. Деятельность людей оказывает влияние на все типы систем: для неживых и технических систем это связано с их использованием, для живых систем с изменением среды обитания, климата не только в локальном, но и в глобальном масштабе. Для социальных систем средой являются в основном другие социальные системы, их связь с природной средой проявляется опосредованно. Таким образом, в сложных системах поведение определяется эволюцией системы под влиянием общих закономерностей, присущих данному типу систем, и действиями (решениями) людей. Правильно понятые тенденции, присущие природе изучаемой системы, способствуют ее развитию в нужном направлении и снижению отрицательных последствий. Поэтому недостаточная или неправильная информация может привести к изменению свойств системы, нарушить ее функционирование. Основоположник кибернетики Н.Винер осуществил математическую разработку теории, которая показала, что управление в системе зависит от имеющейся информации.






Объем информации, необходимый для изучения системы, характеризуется четырьмя основными ситуациями: определенность, риск, неопределенность, нечеткость (неясность). Значение перечисленных понятий в данном случае определяется тем, какие данные имеет в своем распоряжении ЛПР, и тем, как он воспринимает реальность. В условиях определенности ЛПР имеет полную информацию о множестве допустимых альтернатив (исходах, результатах, решениях) и о состояниях окружающей среды. В условиях риска известны результаты и относительная вероятность возможных состояний среды. В условиях неопределенности результаты также известны, но нет сведений о вероятности состояний среды. Мы имеем дело с четко определенным явлением, но не знаем, произойдет оно или нет. В условиях неясности событие определено нечетко и его трудно классифицировать.

Рассмотрим первые три ситуации на примере. Возьмем простой случай, когда ЛПР делает выбор между А1 (брать плащ) и А2 (не брать плащ), если известны два состояния среды (природы), например, S1 и S2 – дождь или без осадков соответственно. Допустим, что ЛПР может приписать значения полезности (ценности) каждому результату, например, в десятибалльной шкале. Могут возникнуть четыре ситуации: A1, S1 – дождь и плащ (оценка 6); A1, S2 – без осадков и плащ (оценка 1); A2, S1 – дождь и без плаща (оценка 0); A2, S2 – без осадков и без плаща (оценка 9). Этим ситуациям приписаны относительные значения полезности 6, 1, 0 и 9, где 0 – означает худший результат.



В условиях определенности состояния среды (природы) известны, т. е. ЛПР знает, идет дождь или нет, и действует соответствующим образом. В условиях риска известна вероятность того или иного состояния. Допустим, что вероятность дождя – 0,6, а того, что его не будет – 0,4. В этом случае ЛПР стремится выбрать решение, которое максимизирует «ожидаемую выгоду» (выигрыш). Как показывает простое вычисление, ожидаемая полезность А1 больше чем А2. Действительно, ожидаемая выгода в условиях риска для A1 равна 0,6×6+0,4×1=4, а для А2 она составит 0,6×0+0,4×9=3,6.

В условиях неопределенности вероятности состояний неизвестны и ЛПР должен использовать различные правила или критерии. Причем выбор связан во многом со стилем мышления ЛПР. К таким критериям относятся:

– критерий равного правдоподобия (т. е. всем событиям приписывается одинаковая вероятность);

– критерий минимакса (ЛПР минимизирует свои максимальные потери);

– среднее взвешенное всех выигрышей;

– критерий Гурвица (приписывает субъективные веса «оптимизм» и «пессимизм» максимальному и минимальному результатам каждого выбора) и т. п. Например, для критерия равного правдоподобия каждому состоянию приписываются значения вероятности 0,5. Ожидаемая выгода от выбора А1 равна 3,5, а от выбора А2 равна 4,5, т.е. выбор А2 более предпочтителен.

Рассмотрим отдельно четвертую ситуацию – неясности (нечеткости). Во всех предыдущих случаях мы предполагали, что множество исходов четко разделено на два непересекающихся множества, объединение которых обеспечивает замыкание. Могут существовать лишь две возможности: есть дождь или нет. Другие промежуточные состояния исключаются, т. е. действует принцип исключенного третьего. Иными словами, мы заменили неопределенные высказывания точными. Предположим, что прогноз сформулирован менее определенно «Утром возможен кратковременный дождь» или «В течение дня временами слабый дождь» и т.д. Эти высказывания содержат неясные (нечеткие) понятия: «утром», «кратковременный», «в течение дня», «слабый», « временами», «возможен». Отметим, что нечеткость может относиться и к оценке вероятности состояния среды, например «вероятность дождя высокая» или «дождь маловероятен» и т.д. Примерами нечетких понятий могут служить также понятия «молодой», «высокий», «богатый» и т.д. В реальных ситуациях мы часто пользуемся такими понятиями, которые имеют смысл нечетких словесных оценок (высказываний). Для их формализованного представления американский математик Л.Заде разработал теорию нечетких множеств.

Таким образом, уровень информации о системе и окружающей среде весьма важен при исследовании системы, управлении и принятии обоснованных решений. Информацию принято характеризировать с количественной и качественной сторон. К количественным характеристикам относятся объем входных данных, размерность данных, функция сложности, количество информации. Количество информации определяется как мера уменьшения неопределенности некоторой ситуации вследствие того, что становится известным исход другой ситуации. Качество информации характеризуется такими свойствами, как точность, полнота, достоверность (надежность), однозначность, согласованность и т.п. В сложных больших системах приходится сталкиваться с ситуацией, когда имеющаяся информация недостаточна либо неточна (недостоверна). В этом случае говорят о ее неполноте или нечеткости.

Энтропия и информация. Понятие информации оказывается тесно связанным с такими понятиями, как энтропия, разнообразие, ограничения. Энтропия определяется как мера неопределенности случайной ситуации, т. е. энтропия и количество информации являются взаимодополнительными понятиями. Н.Винер выразил это следующими словами: «Как количество информации в системе есть мера организованности системы, точно так же энтропия – мера дезорганизованности системы. Одно равно другому, взятому с обратным знаком».

Разнообразие можно определить, как количество различных возможностей или элементов в некотором множестве. Очевидно, чем больше разнообразие, тем шире выбор элементов и тем меньше вероятность (возможность) выбора каждого из них. Энтропия, неопределенность и дезорганизованность увеличиваются с ростом разнообразия, но с увеличением степени организации разнообразие уменьшается.

Ограничения. Мир без ограничений был бы всеобщим хаосом. Ограничения устанавливаются действующими в данной предметной области (части мира) законами. Множество элементов со связями всегда подчинено определенным закономерностям, вытекающим из характера отношений между элементами. Хаотические скопления элементов с течением времени развиваются так, что уменьшается разнообразие и проявляется тенденция к связности и кооперативному поведению. Эти процессы изучает синэргетика – наука о кооперативном поведении систем и их элементов (от греческого глагола sunergw – сотрудничать, содействовать, соединять). Организация и наложение ограничений, таким образом, уменьшают хаос и разнообразие. Использование информации выполняет «избирательную функцию» среди допустимых вариантов системы путем уменьшения числа ее степеней свободы, т.е. в конечном счете сокращает пространство поиска и уменьшает время выбора.

Количество информации. Под информацией понимают сведения любого рода. Информация состоит из сообщений, а сообщения из сигналов. Сообщение определяется как форма представления информации (текст, речь, изображение, цифровые данные, электрические колебания и т.п.). Сигналом называется форма представления информации для передачи по каналу. Обычно на множестве сигналов задано распределение информации, которое можно использовать для передачи сообщений. Каждый сигнал может содержаться в сообщении с определенной вероятностью, которая зависит от структуры используемого языка. Неопределенность в этом случае характеризуется энтропией распределения вероятностей, которая определяется как мера неопределенности распределения вероятностей дискретной случайной величины.

Обратные связи. В общих системах «объект – среда» механизмы поддержания динамического равновесия осуществляются посредством обратных связей. Обратные связи отражают и поддерживают, с одной стороны, эволюционные изменения, обусловленные внутренней логикой развития системы и опытом предшествующих поколений, а с другой – «директивные» изменения, определяемые условиями и ограничениями со стороны внешних систем. Это верно как для компонентов внутри общей системы, так и для самих общих систем при рассмотрении их поведения и взаимодействия. В системах используются два типа обратной связи – отрицательная и положительная. Отрицательная связь уменьшает выходной сигнал при увеличении сигнала на входе, положительная – увеличивает. Отрицательная связь выполняет функцию саморегулирования системы и способствует ее адаптации к внешним возмущениям. Положительная связь выполняет функцию распространения возмущений и способствует переходу системы в возбужденное состояние (в новое качество).

На действие обратной связи оказывают влияние характерные свойства систем, из которых следует отметить наличие «предыстории», т.е. зависимость настоящего системы от прошлого, и возникновение нелинейностей, обусловленных разного рода запаздываниями, задержками, порогами и ограничениями сигналов в системе. Когда эти факторы действуют совместно, то могут привести к необратимым последствиям и потере устойчивости. Перечисленные особенности проявляются в общих системах для всех типов объектов (неживые, биологические, социальные), но конечно в разной мере и разными способами. Неживые системы, например, обладают специфической памятью, так как воздействия внешних полей (тепловых, электромагнитных и т.п.) оставляют след в системе. Неживые системы подвержены эволюционным изменениям, но последние следует относить к классу систем данного рода. Для живых и социальных систем эти особенности характеризуют не только род, но и каждую отдельную систему. Зависимость настоящего от прошлого для неживых систем проявляется в форме необратимых, неравновесных процессов, происходящих скачкообразно в течение больших интервалов времени и ведущих к разрушению системы. Для живых и социальных систем эти процессы протекают непрерывно и составляют содержание жизни, основу их существования.

Для описания динамического равновесия в общих системах используется понятие гомеостаза (термин из биологии) и гомеостатического равновесия (набор правил поведения для поддержания системы в устойчивом состоянии). При воздействии на сложную систему необходимо учитывать ряд факторов:

– хрупкое равновесие, сбалансированность (внутреннюю и внешнюю) системы, нарушение которых делает ее уязвимой;

– последействие, обусловленное пространственной и временной памятью системы, которые увеличивают риск непредвиденных последствий (так называемый накопленный эффект);

– подвижность границ области устойчивости системы и невозможность точно предсказать последствия воздействий на живучесть системы.

В свете сказанного при проведении изменений в сложных системах основное внимание нужно уделять минимизации неожиданных и пагубных последствий от возможных действий, а не достижению результата любой ценой, что смещает приоритеты от увеличения эффективности к обеспечению (поддержанию) живучести системы.

Выбор управляющих воздействий. С понятием динамического (квазидинамического) равновесия связано представление о том, что управление системой должно состоять в поддержании ее в определенных границах устойчивого равновесия на гомеокинетическом плато. Для каждой системы существует некоторая область допустимых управляющих воздействий. Как недостаточное, так и чрезмерное управление может вывести систему из состояния равновесия в нестабильное состояние. При недостаточном управлении ослабевают основные отношения (связи) между частями системы, и она распадается на несвязные части, перестает существовать как целое. При чрезмерном управляющем воздействии на систему возрастает сопротивление системы управлению, что приводит к нарушению связей со средой и в конечном счете к разрушению системы.

Информационный аспект управления определяется законом необходимого разнообразия Эшби, который основан на математической теории связи К. Шеннона. Данный закон постулирует необходимость соответствия информации, поступающей от изучаемой системы, возможностям управляющей системы (например, ЛПР) по ее обработке, и ограничить многообразие в поведении системы, вне зависимости от внешних помех можно, только увеличив многообразие управлений.







Сейчас читают про: