Эволюционное моделирование служит для единого описания социально-экономических систем. При данном типе моделирования создается модель эволюции системы или выполняется поиск допустимых ее состояний, отлеживается множество траекторий.
При исследовании эволюции системы необходима ее декомпозиция на подсистемы с целью обеспечения:
1. эффективного взаимодействия с окружением;
2. оптимального обмена определяющими материальными, энергетическими, информационными, организационными ресурсами с подсистемами;
3. эволюционируемости системы в условиях динамической смены и переупорядочивания целей, структурной активности и сложности системы;
4. управляемости системы, идентификации управляющей подсистемы и эффективных связей с подсистемами системы, обратной связи.
Важными для задач моделирования являются максимальные, минимальные и оптимальные значения активности i-й подсистемы, а также аналогичные значения для всей системы.
Если дана открытая экономическая система (процесс), а Н0, Н1 –энтропия системы в начальном и конечном состояниях процесса, то мера информации определяется как разность энтропии:
Данная величина показывает количество информации, необходимой для перехода от одного уровня организации системы к другой.
Активностиподсистем прямо или опосредованно взаимодействуют с помощью системнойактивностиs(x), например, по простой схеме вида:
Функции должны отражать эволюционируемость системы, в частности, удовлетворять условиям:
1. периодичности, цикличности
2. затухания при снижении активности,
3. равновесности и стационарности.
В таких функциях важен параметр, отражающий степень саморегуляции, адаптации системы. Как правило, его нужно идентифицировать.
Приэволюционном моделированиисоциально-экономических систем полезно использовать и классические математические модели, и неклассические, в частности, учитывающие пространственную структуру системы (например, клеточные автоматы и фракталы), структуру и иерархию подсистем (например, графы и структуры данных),опыти интуицию (например, эвристические, экспертные процедуры).
Принцип эволюционного моделированияпредполагает необходимость и эффективность использования методов и технологии искусственного интеллекта, в частности, экспертных систем.
Основная трудность при построении и использовании эволюционных моделей: в Природе и Познании, в которых эти модели и цели явно или неявно существуют, результаты функционирования системы и достижения цели прослеживаемы часто лишь по прошествии длительного периода времени, хотя в Обществе и Экономике Человек стремится получить результаты в соответствии с целью явно и быстро, с минимальными затратами Ресурсов.
Адекватным средством реализации процедур эволюционного моделированияявляются генетические алгоритмы.
Генетический алгоритм - это алгоритм, основанный на имитации генетических процедур развития популяции в соответствии с принципами эволюционной динамики, приведенными выше. Часто используется для решения задач оптимизации (многокритериальной), поиска, управления.
Данные алгоритмы адаптивны, развивают решения, развиваются сами. Особенность этих алгоритмов - их успешное использование при решении NP-сложных проблем0.
Хотя генетические алгоритмыи могут быть использованы для решения задач, которые, видимо, нельзя решать другими методами, они не гарантируют нахождение оптимального решения. Здесь более уместны критерии типа "достаточно хорошо и достаточно быстро". Главное их преимущество в том, что они позволяют решать сложные задачи, для которых не разработаны пока устойчивые и приемлемые методы, особенно на этапе формализации и структурирования системы, в когнитивных системах. Генетические алгоритмыэффективны в комбинации с другими классическими алгоритмами, эвристическими процедурами, а также в тех случаях, когда о множестве решений есть некоторая дополнительная информация, позволяющая настраивать параметры модели, корректировать критерии отбора, эволюции.
Принятие решения и целеполагающая ресурсоориентированная деятельность человека в социальной, экономической, политической, идеологической, военной сферах тесно связаны. В них крайне нежелательны ошибки, которые могут привести к пагубным последствиям. Но из-за ограниченных информационных возможностей человека ошибки всегда возможны. Поэтому есть настоятельная необходимость применения научного подхода к обоснованию и принятию решений.
При прогнозировании и планировании принимаются решения, связанные с выбором методов и средств, организацией работы, оценкой достоверности информации, выбором наиболее достоверного варианта прогноза и наилучшего варианта плана. Таким образом,функцияпринятия решенийявляется с методологической и технологической точек зрения более общей, чем другие функции управления. Для лица, принимающего решение,принятие решенийявляется основной задачей, которую он обязан исполнять в процессе управления. Поэтомузнаниеметодов, технологий и средств решений этой задачи является необходимым элементом квалификации руководителя, базой для дальнейшего управления.
Принятие решения- это выбор одного измножестварассматриваемых допустимых вариантов. Обычно их число конечно, а каждый вариант выбора определяет некоторый результат, допускающий количественную оценку. Такой результат обычно называетсяполезностью решения. Таким образом, ищется вариант с наибольшим значениемполезности решения.
В зависимости откритерия эффективности, стратегий и факторов управления выбирается тот или иной метод (алгоритм) оптимизации.
Основными являются следующие классы методов:
1. методы линейного идинамического программирования(принятия решенияоб оптимальном распределении ресурсов);
2. методы теории массового обслуживания (принятие решенияв системе со случайным характером поступления и обслуживания заявок на ресурсы);
3. методы имитационного моделирования (принятие решенияпутем проигрывания различных ситуаций, анализа откликов системы на различные наборы задаваемых ресурсов);
4. методытеории игр(принятие решенийс помощью определения стратегии в тех или иных состязательных задачах);
5. методы теории расписаний (принятие решенийс помощью разработки календарных расписаний выполнения работ и использования ресурсов);
6. методы сетевого планирования и управления (принятие решенийс помощью оценки и перераспределения ресурсов при выполнении проектов, изображаемыхсетевыми графиками);
7. методы многокритериальной (векторной) оптимизации (принятие решенийпри условии существования многих критериев оптимальности решения)
Выбор решения - здесьЛПРдолжно осмыслить полученную на этапах постановки задачи и формирования решений информацию и использовать ее для обоснования выбора. При этом используется принцип последовательного уменьшения неопределенности, который заключается в последовательном сужениимножестварешений.
На первом этапе исходное множество альтернативных решенийYсужается домножестваприемлемых или допустимых решений:
На втором этапе множество допустимых решенийY1сужается домножестваэффективных решений:
На третьем этапе осуществляется выбор единственного решения:
