Страницы: -
1 -
2 -
3 -
4 -
5 -
6 -
7 -
8 -
9 -
10 -
11 -
12 -
13 -
14 -
15 -
16 -
17 -
18 -
19 -
20 -
21 -
22 -
23 -
ь не меньше
количества разнообразия (по нашей тер-минологии - ОЭ), чем управляемая
система [ 24 ]. Закон Эшби прав относительно требуемой ОЭ, но для эффек-
тивного управления требуется ещ„ ОНГ. Кроме того, некоторые термины тре-
буют уточнения. Большинство систем в мире не являются управляемыми и уп-
равляющими в кибернетическом смысле. Неясно, в какой мере термин "разно-
образие" совпадает с терминами "неопредел„нность" и "энтропия". Эти тер-
мины близки, но не синонимы. Последние два зависят от введенной в систе-
му информации (или ОНГ), разнообразие от ОНГ зависит меньше.
Закон Эшби является частным случаем более общего закона инфодинамики
по управляемости систем, сформу-лированного следующим образом.
Любая система может быть управляемой только в той мере, насколько
сумма первоначальной и введенной управляющей системой ОНГ компенсирует
е„ ОЭм и в полной мере система становится управляемой только в том слу-
чае, если общая ОНГ равняется ОЭм системы, т.е. ОНГн + ОНГу = ОЭм.
Степень управляемости системы можно оценить по показателю:
У = ОНГн + ОНГу
ОЭм
где: ОНГн - первоначальная ОНГ в системе, ОНГу - введенная управляю-
щей системой ОНГ, ОЭм - максимальная ОЭ управляемой системы.
Поскольку в реальных сложных системах ОЭ велика и приближается к бес-
конечности, то полное управление реаль-ными системами представляет невы-
полнимую задачу. Кибер-нетика в настоящее время может количественно
справиться с относительно простыми, созданными человеком системами или
упрощенными моделями реальных систем. Современные ЭВМ способны обрабо-
тать информацию 1010 - 1015 бит/с. Однако ОЭ и ОНГ сложных систем намно-
го выше, особенно если учитывать их изменчивость во времени. Формально
оценено, что молекула содержит ОНГ около 1011 бит, органы человека -
около 1023 бит. Для сложных систем ОЭ может приобрести колоссальную ве-
личину. Например, в качестве системы раcсматривают работу диспетчерской
службы боль-шого международного аэропорта, куда в сутки поступает 1000
запросов приземления [ 1 ]. Выход системы - да или нет. 1000
Количество ОЭ составляет log2 22 = 21000 ~ 10300 бит. Эта величина
намного выше всех запасов ОНГ во всей вселенной, что составляет около
10122 бит. Последняя цифра получена следующим образом: Возраст вселенной
~ 1017 c, масса е„ ~ 1058 г. В структуре массы 1 г. можно обработать ин-
формацию максимально ~ 2 . 1047 бит / г . с., отсюда приближенно:
ОНГвсел = 2 . 1047 . 1017 . 1058 = 10122 бит.
Следовательно формально не хватает от ОНГ всей вселенной, чтобы сде-
лать аэропорт управляемым. В дейст-вительности этой задачей справляется
диспетчерский состав из 20 человек. Дело в том, что огромная ОЭ ~ 10300
бит была кажущейся. Диспетчерская система аэропорта является само-орга-
низующейся иерархического типа, т.е. содержит внут-реннюю ОНГ. Она спо-
собна разделить систему во временные ряды окружающей среды и строить ал-
горитмы минимальной длины для е„ моделирования. Говоря простым языком, в
систему аэропорта ввели дополнительную координату - время, и распредели-
ли посадки-запросы по отрезкам времени - например по минутам. В ре-
зультате на каждую минуту попала в среднем 0,5 - 2 запроса, которыми
легко было управлять.
Из примера с аэропортом можно сделать ряд выводов:
1. Реально существующие системы, обладающие формально большой слож-
ностью (разнообразием, большим ОЭ, неопредел„нностью), содержат часто и
большое ко-личество ОНГ (внутреннюю структуру), которая резко уменьшает
требуемую для их управления ОНГ. Особенно много т.н. скрытую ОНГ содер-
жат искусственно созданные человеком системы. В случае аэропорта к этим
относятся ранее известные расписания пол„та и технические ха-рактеристи-
ки самол„тов, техническая оснащенность аэропорта и др.
2. Все системы имеют иерархическую структуру и это следует использо-
вать при проектировании управляющих структур. Управляющие или поисковые
воздействия на более высоком уровне имеют более высокую эффективность и
влияют на большое количество систем. Можно элиминировать большие области
поиского поля и тем самым упростить процессы выбора и управления.
Несмотря на эвристические и др. методы упрощения модели многих ре-
ально существующих систем остаются слишком сложными, чтобы ими до сих
пор удавалось пол-ностью управлять при помощи количественных методов.
Это не значит, что кибернетика не занимается сложными системами. Наобо-
рот, кибернетики стараются найти воз-можности управления над всеми су-
ществующими в мире сверхсложными системами, в том числе и над самим
уни-версумом. Нет областей в мире или обществе, где кибер-нетики не
предлагали бы новые модели систем и методы их применения. Часто ОЭ и ОНГ
моделей намного меньше, чем в реальных системах. А создание гомоморфной
модели явля-ется наиболее существенным этапом на пути к управлению сис-
темой. Перечисляем только некоторые наиболее широко развивающиеся облас-
ти.
1. Системы экономического развития, фирмы, отрасли, государственные
системы экономического плани-рования.
2. Глобальные системы развития народонаселения и экосистемы (Римский
клуб и его наследники).
3. Демографические системы исследования социал-поли-тических тенден-
ций развития.
4. Системы автоматизации производства, роботизации, автоматизации
проектирования сложных комплексов.
5. Системы коммуникации и связи. Многофункциональ-ные компьютерные
сети, инфокомбайны. Интернет.
6. Научные, теоретические и экспериментальные системы. Вычислительные
эксперименты. Системы научно-тех-нической информации.
7. Медицинские системы диагностики, моделирования. Компьютерная то-
мография.
8. Системы искусственного интеллекта. Экспертные системы. Лингвисти-
ческие системы и восприятия образов.
9. Системы компьютерного обучения. Интерактивные программы усвоения
междисциплинарных направле-ний. Электронные тренажеры.
10. Системы, содержащие конфликтные ситуации, дело-вые или военные
игры, статистические игры с при-родой.
11. Прогнозы систем будущего, начиная с прогнозов погоды и климата до
прогноза развития человечества и универсума на много тысяч и миллионов
лет впер„д.
Во всех перечисленных областях в последние десятилетия достигнуты
большие успехи. Успехи осно-вываются в первую очередь на разработке нам-
ного более совершенных математических моделей, которые отражают зависи-
мости между большим количеством факторов. Ком-пьютерная обработка да„т
возможность разработать и про-анализировать намного более сложные моде-
ли, в т.ч. кон-цептуальные [ 121 ]. В результате получены модели, распо-
ло-женные намного ближе к реальной действительности, и расширены области
их дейсвия. Быстрый рост методов моделирования, техники обработки инфор-
мации и прог-раммирования дали возможность резко усовершенствовать мето-
ды управления. Это мы особенно ясно наблюдаем в областях управления эко-
номическими организациями, ста-тистическими ведомствами, системами авто-
матизации производства, коммуникации, искуcственного интеллекта и обуче-
ния.
Одновременно все отч„тливее выявляется неполнота и неопредел„нность
многих основных моделей реальных систем [ 118 ]. Несмотря на многофак-
торность, модели дают сов-падающие с реальными объектами данные только в
ог-раниченной области. Отсутствие показателей ОЭ и ОНГ ограничивает их
использование в целях управления. Пов-торяется история с прогнозами на
первой половине 20 века. Предполагалось, что развитие науки, техники и
энергетики решают все проблемы человечества и наступает эпоха всеобщего
благоденствия. Очень скоро, уже на второй половине 20 века стало ясно,
что далеко не все надежды оптимистов исполняются. Наука, техника и энер-
гетика сти-хийно развиваются, но планировать, предсказать направление их
развития очень трудно. Если некоторые вопросы выясняются, то возникает
сразу намного больше новых вопросов и проблем. Методы получения атомной
энергии впервые начали применять в военных целях. Новые лекарства (нап-
ример антибиотики) становятся неэф-фективными при появлении новых видов
болезней и вирусов. Новые полимеры не так уж деш„вые и влияют часто
вредно на здоровье людей.
Точно с такими же переоценками мы встречаемся на второй половине 20
века при рассмотрении достижений информатики и кибернетики. Распростра-
няются взгляды, как-будто человечество имеет мощные средства для переда-
чи и обработки информации и все проблемы оптимального уп-равления реша-
ются, после чего человечество ид„т навстречу обществу благоденствия.
Фактически огромное увеличение потоков информации и дезинформации больше
затрудняет, чем облегчает определение оптимальных направлений и вообще
усложняется все управление функционированием систем. То, что внешне по-
хоже на информацию, в большой части представляет собой полуправду или
субъективное, одностороннее мнение отдельных личностей, фирм или органи-
заций. Хорошо, если эти личности честно хотят, не ошибаясь, передать
правдоподобную информацию. Во многих случаях переда„тся намеренно однос-
торонняя информация с целью получения какой-то личной выгоды или введе-
ния в заблуждения конкурентов. В условиях ограниченности вре-мени стано-
виться вс„ труднее проверить, отсеять не-существенную информацию, точнее
шум, от существенного и принять правильное решение. Тем более, что окру-
жающая среда и сам развивающийся субъект находятся в процессе непрерыв-
ного изменения. В результате этого управляемость процессов в обществе не
увеличивается, часто уменьшается. Судьба человечества может стать все
более непредсказуемым и зависимым от многих случайных факторов. Развитие
человечества может пойти в сторону гибели.
Причиной таких отрицательных тенденций является иллюзорность обилия и
полноты информации и инфор-мированности (ОНГ). В действительности
большинство пере-даваемых "сообщений" ничего общего с информацией не
имеет. Они, как говорится, являются только "шумом", который только меша-
ет процессам передачи настоящей информации. В настоящее время измеряется
в передаваемых сообщениях формальное количество информации по битам. При
этом часто отвлекаются от смыслового содержания ин-формации, от е„ цен-
ности для получателя, от е„ эф-фективности и от существенности для цели
системы, е„ принимающей. Поэтому очень трудно оценить начальную ОЭ сис-
темы, е„ рост по времени и количество ОНГ, вводимой управляющей системой
в ходе управления. В результате этого часто невозможно определять сте-
пень управляемости сис-темы, которая выражается отношением
ОНГмин .
ОЭмакс
Система является полностью управляемой, если степень управляемости
равняется 1,0, т.е. если количество OНГмин системы равно количеству OЭ-
макс. . OЭмакс показывает максимально возможную ОЭ системы без внутрен-
них связей между е„ элементами. OНГмин показывает минимально воз-можную
ОНГ, учитывая наличие разных комбинаций связей, структуры и управляющих
воздействий (OНГн + OНГу). Выполнение условия OНГмин = OЭмакс не вызыва-
ет принципиальных трудностей в случае управления срав-нительно простыми
искусственно созданными системами, в которых OЭмакс небольшая, также в
случае достаточно упрощ„нных моделей сложных систем. Следовательно не
вызывает принципиальных трудностей и над„жное управ-ление такими систе-
мами. Требуется только техническое ре-шение вопроса, в частности, опре-
деление типа задач управ-ления. Выбирают оптимальный вариант из ряда по
повышаю-щей сложности: стабилизация, выполнение программы, сле-жение или
оптимизация.
Проблема резко усложняется при необходимости уп-равления сложными
системами, в которых ОЭ > 1010 бит. Эти системы находятся в процессе
непрерывного изменения и развития. Поэтому, для обеспечения полной уп-
равляемости, необходимо в эти системы ввести соответствующее на OЭф ко-
личество ОНГ через каждый период времени, за который система существенно
изменяется. Продолжительность пери-ода зависит от скорости изменений в
системе. Современные технические средства не в состоянии обеспечить по-
ток такого огромного количества ОНГ в реальную систему, который ликвиди-
ровал бы всю е„ ОЭф и дал бы возможность составить полную схему управле-
ния системой. Даже в том случае, если удалось бы организовать управление
одной сложной системой, применяя все имеющиеся управляющие системы, это
не спасло бы положение. В мире в непрерыв-ном изменении и развитии нахо-
дится огромное количество сложных систем и они составляют между собой
бесчисленные комбинации. Если говорят, что управляют такими сложными
системами, как государственные, экономические, научные и т.д., то в
действительности управляют только их упро-щ„нными моделями.
Для любой сложной системы можно составлять упрощ„нную модель, при по-
мощи которой обеспечивается частичная управляемость. Однако, управление
упрощ„нными моделями далеко не всегда да„т право говорить о полном уп-
равлении реальными сложными системами. Упрощ„нные модели не учитывают
всех влияющих факторов, целевых критериев, ограничений и они не всегда
дают возможность в широкой области прогнозировать поведение системы.
Бо-лее того, упрощ„нные модели могут создать иллюзию, как будто процессы
полностью управляемые. В действительности размерность реальной системы
может быть намного больше модельного и неуправляемых факторов много, что
уве-личивает неопредел„нность в функционировании системы и случайных
элементов в е„ поведении.
Именно интуитивная недооценка ОЭ систем и пере-оценка наличия в них
ОНГ является главным источником ошибок при разработке схем управления,
контроля и раз-вития сложных систем, многочисленных недоразумений и ог-
ромных дополнительных материальных затрат. Часто люди считают вымышлен-
ные, сильно упрощ„нные модели изо-морфными по сравнению с реальными
объектами. В каждом государстве законодательство в известной мере явля-
ется моделью организации его. Чем старше государство, тем совер-шеннее
е„ законодательство, тем ближе оно отражает действи-тельные нужды для
прогрессивного развития государства. Тем меньше в законах останется не-
определ„нных пробелов, часто используемых во вред обществу. Каждый чело-
век имеет свое мировоззрение (модель о мире) и самосознание (модель о
самом себе). Беда в том, что модели только более или менее приближаются
к реальной действительности и соот-ветственно человек только по мере
имеющейся у него ОНГ может определить сво„ место в развивающемся мире.
Чем ближе модели совпадают с действительностью, тем более эф-фективно
человек может управлять своими действиями и действиями других.
Таким образом, самым ответственным этапом при составлении системы уп-
равления любой сложной системой является составление е„ оптимальной мо-
дели. Если удастся составить модель, которая соответствует влияниям всех
су-щественных факторов на объективную систему и е„ реакци-ям относи-
тельно достижения целей системы, то можно надеяться на над„жную е„ уп-
равляемость. Конечно, модель должна быть достаточно проста (ОЭ < ОЭпред)
чтобы современными техническими средствами обеспечить тре-буемую ОНГ. К
сожалению до сих пор недостаточно общих теоретических основ для модели-
рования сложных систем. Создание моделей выполняют в лучшем случае эв-
рис-тическими методами, часто на интуитивном уровне, без оценки ОЭ и ОНГ
систем. С этим связана неэффективность работы управляющих и управляемых
систем или даже беспорядочность и неорганизованность в их работе и
структуре.
Новые возможности для повышения эффективности управляющих систем и
для улучшения управляемости слож-ных систем открываются при применении
методов инфо-динамики. Инфодинамика использует для управления системами
рядом с новыми и все ранее известные методы обработки информации. К их
числу относятся также эврис-тические методы, методы случайного поиска,
методы сто-хастического (статистического) моделирования, методы оп-реде-
ления условных вероятностей (в т.ч. метод Байеса), теории информации,
программирования, алгоритмов, игр и др. Однако, инфодинамика дополняет
применение всех этих методов обобщающими принципами. Решающее значение
имеет принцип определения ОЭ и ОНГ управляющих и управляемых систем и их
элементов. Это да„т возможность выяснить изменение этих показателей во
времени и потоки эффективной информации в системе, также выяснить су-
щест-венные и несущественные факторы и соответствующие необ-ходимые уп-
равляющие воздействия. В итоге открываются новые возможности для разра-
ботки оптимальных систем управления.
Процесс разработки последних (с уч„том принципов инфодинамики) можно
разделить на следующие этапы.
1. Исследование управляемой системы и окружающей е„ среды. Определе-
ние внутренней структуры, связи между элементами. Устанавливают пределы
системы, ограничения на функционирование, внешние условия и влияющие на
систему факторы. Отдельно определяют цели, задачи и целевые критерии
системы. Особенное внимание уделяют на наличие внутренних, автономных
или локальных систем управления. Имеются ли иерархические структуры,
внут-ренние обратные связи? Для всех зависимостей между входами и выхо-
дами определяют статистические, веро-ятностные характеристики. Для их
определения используют всю существующую априорную и апостериорную
ин-формацию.
2. Определение неопредел„нности, предельного раз-нообразия управляе-
мой системы (ОЭ). Одновременно оп-ределяется неопредел„нность влияющих
на систему факторов: состав исходных или входных материалов, неопре-
дел„н-ность цели и проектов, колебания условий окружающей среды, не-
над„жность (ресурс) деталей, работоспособность людей и т.д.
3. Оптимизация модели управляемой системы. Вы-яснение вероятностных
зависимостей целевой функции системы от всех существенно влияющих на не„
факторов. Отсев несущественных факторов. Сложность модели не долж-на
превышать технические возможности реально доступной управляющей системы
(по ресурсам финансирования).
4. Выяснение альтернативных вариантов управляющих схем. Какие цели,
задачи и допустимые затраты на управ-ление? Требуются ли стратегическое
или тактическое уп-равление? Достаточно ли стабилизация системы или е„
программное управление, регулирование, слежение или опти-мизация. Функ-
ционально-затратный анализ эффективности управления. Уч„т функции риска,
а также технологических, эстетических и экономических ограничений.
5. Составление модели для определения эффективности управляющих сис-
тем. Установление критериев эффек-тивности управления. Методы уч„та су-
щественных факторов. Модели игровых или конфликтных ситуаций. Стратегия
статистических игр без эксперимента или с экспериментом.
6. Прогноз эффективности вариантов управления. Сравнение ОЭ и ОНГ от-
носительно выполнения критериев эффективности управления. Расч„т пре-
дельных возможностей управления. Эффективность автоматизации управления.
Методы управления операциями. Сетевые модели, динами-ческое программиро-
вание. Исследование и планирование операций. Матрица переходных вероят-
ностей, марковские процессы.
7. Оптимизация и выбор наиболее эффективной системы управления. При-
нятие решений в условиях неопредел„нности при помощи ОЭ и ОНГ. Примене-
ние многошаговых про-цессов принятия решения. Критерии качества управле-
ния. Решение ответственной проблемы руководства - принимать ли решение
на основе того, что уже известно, или пред-варительно разработать и реа-
лизовать программу сбора дополнительной информации, которая, конечно,
потребует определ„нных затрат. Отсюда возникают понятия стоимости и цены
полной и неполной информации, как функции не-определ„нности. Управление
- это в первую очере