- •0.1.Роль системных представлений в практической деятельности человека
- •0.2.Краткая историческая справка.
- •0.3.Анализ и синтез в познании
- •0.4.Построение общей теории систем
- •0.5.Основные проблемы информатики и информационных систем
- •0.6.Контрольные вопросы
- •1.Основы теории систем
- •1.1.Системы и их основные свойства.
- •1.1.2.Сложности построения модели "черный ящик"
- •1.1.1.Модель "черный ящик"
- •1.1.3.Множественность входов и выходов
- •1.1.4.Модель состава системы
- •1.1.5.Модель структуры системы
- •1.2.Классификация систем.
- •1.3.Особенности функционирования систем.
- •1.3.1.Пространство состояний системы.
- •1.3.2.Преобразования в системах.
- •1.3.3.Устойчивость систем.
- •1.3.4.Особенности управления сложных систем.
- •1.4.Критерии эффективности сложных систем.
- •1.5.Основы разработки и исследования сложных систем.
- •1.5.1.Основные этапы разработки сложных систем
- •1.5.2.Основные задачи исследования сложных систем.
- •1.6.Контрольные вопросы
- •2.Информационные системы
- •2.1.Автоматизированные информационные системы
- •2.1.1.Содержание и структура теории ис
- •2.1.2.Предметная область аис
- •2.1.3.Взаимодействие предметной области, пользователей и аис
- •2.1.4.Классификация, состав и структура аис
- •2.2.Интегрированные корпоративные ис
- •2.2.1.Основы построения икис
- •2.2.2.Базовая концепция икис «Галактика»
- •2.3.Основные виды обеспечения аис
- •2.3.1.Информационное обеспечение аис
- •2.3.2.Средства обработки данных
- •2.3.3.Интерфейсы пользователя
- •2.3.4.Классификация программного обеспечения аис
- •2.3.5.Операционные системы
- •2.3.6.Средства автоматизации проектирования аис
- •2.3.7.Программное обеспечение интерфейсов аис
- •2.3.8.Техническое обеспечение аис
- •2.3.9.Нормативно - техническое обеспечение качества, эффективности и безопасности аис
- •2.4.Контрольные вопросы
- •3.Информация в системах
- •3.1.Кодирование информации и алфавиты
- •3.2.Сигналы в системах
- •3.2.1.Понятие сигнала
- •3.2.2.Типы сигналов
- •3.3.Математическая модель сигналов
- •3.3.1.Непредсказуемость – основное свойство сигналов.
- •3.3.2.Классы случайных процессов
- •3.4.Математические модели реализаций случайных процессов
- •3.4.1.Моделирование конкретных реализаций
- •3.4.2.Некоторые модели ансамбля реализации.
- •3.5.О некоторых свойствах непрерывных сигналов
- •3.5.1.Частотно – временное представление сигналов
- •3.6.Цифровое представление непрерывных сигналов
- •3.6.1.Особенности цифрового представления непрерывных сигналов. Решетчатые функции.
- •3.6.2.Особенности прохождения непрерывного сигнала в цифровых системах.
- •3.7.Энтропия
- •3.7.1.Понятие неопределенности
- •3.7.2.Энтропия и ее свойства
- •3.7.3.Дифференциальная энтропия
- •3.7.4.Фундаментальное свойство энтропии случайного процесса.
- •3.8.Количество информации
- •3.8.1.Количество информации как мера снятой неопределенности
- •3.8.2.Количество информации как мера соответствия случайных объектов
- •3.8.3.Свойства количества информации
- •3.8.4.Единицы измерения энтропии и количества информации
- •3.9.Основные результаты теории информации
- •3.9.1.Избыточность
- •3.9.2.Скорость передачи и пропускная способность
- •3.9.3.Кодирование в отсутствии шумов
- •3.9.4.Кодирование при наличии шумов
- •3.10.Контрольные вопросы
- •4.Декомпозиция и агрегирование систем
- •4.1.Модели систем как основание декомпозиции
- •4.2.Алгоритмизация процесса декомпозиции
- •4.2.1.Компромиссы между полнотой и простотой
- •4.2.2.Типы сложности
- •4.3.Алгоритм декомпозиции
- •4.4.Агрегирование, эмерджентность и внутренняя целостность систем
- •4.4.1.Эмерджентность как проявление внутренней целостности систем
- •4.4.2.Эмерджентность как результат агрегирования
- •4.5.Виды агрегирования
- •4.5.1.Конфигуратор
- •4.5.2.Агрегаты-операторы
- •4.5.3.Классификация как агрегирование
- •4.5.4.Статистики как агрегаты
- •4.5.5.Агрегаты - структуры
- •4.6.Обобщенная модель агрегата
- •4.7.Некоторые особенности моделирования процесса функционирования агрегата.
- •4.8.Агрегативные системы.
- •4.9.Контрольные вопросы
- •5.Эксперимент в анализе систем
- •5.1.Измерительные шкалы
- •5.1.1.Шкалы наименования
- •5.1.2.Порядковые шкалы
- •5.1.3.Модифицированные порядковые шкалы
- •5.1.4.Шкалы интервалов
- •5.1.5.Шкалы отношений
- •5.1.6.Шкалы разностей
- •5.1.7.Абсолютная шкала
- •5.2.Расплывчатое описание ситуаций
- •5.3.Вероятностное описание ситуаций. Статистические измерения
- •5.3.1.Понятие случайной неопределенности
- •5.3.2.О природе случайности
- •5.3.3.Статистические измерения
- •5.3.4.Регистрация экспериментальных данных и ее связь с их последующей обработкой
- •5.4.Классификационные модели
- •5.5.Числовые модели
- •5.6.Особенности протоколов наблюдений
- •5.7.Контрольные вопросы
- •6.Приложение
- •6.1.Пример структуры аис.
- •6.1.1.Краткая характеристика аис
- •6.2.Иерархическая информационно-функциональная модель (взаимосвязанные диаграммы потоков данных) аис.
- •7.Библиографический список
4.2.2.Типы сложности
Несмотря на возможности, предоставляемые сменой моделей и итеративностью, может наступить момент, когда эксперт признает, что его компетентности недостаточно для дальнейшего анализа данного фрагмента и что следует обратиться к эксперту другой квалификации. По существу, сложность такого типа есть сложность из-за неинформированности, которую можно преодолеть с помощью информации, рассредоточенной по разным экспертам и источникам. Однако случай, когда декомпозиция заканчивается элементарными фрагментами на всех ветвях дерева, является простейшим. Не имеет значения, один или несколько экспертов довели анализ до конца, а важно, что это оказалось возможным, и, следовательно, первоначальная сложность была вызвана не столько недостатком информации, сколько большой размерностью проблемы. В действительно сложных случаях получение вполне завершенной декомпозиции должно не только радовать, но и настораживать: не связана ли реальная сложность с пропущенной ветвью дерева, сочтенной экспертами несущественной? Опасность неполноты анализа следует иметь в виду всегда (примеры — проблема поворота северных рек, проблемы Байкала и Ладожского озера и т д.). Один из приемов (не дающий полной гарантии, но иногда полезный) — предлагать экспертам выявлять не только доводы в пользу рассматриваемого проекта, но и сопровождать его обязательным указанием возможных отрицательных последствий. В частности, в классификатор выходов (конечных продуктов) любой системы помимо полезных продуктов обязательно должны быть включены отходы. Невозможность доведения декомпозиции до получения элементарного фрагмента, которая либо эвристически констатируется экспертом на ранних стадиях анализа, либо обнаруживается в виде "затягивания" анализа по данной ветви, является не только отрицательным, но и положительным результатом. Хотя при этом сложность не ликвидируется полностью, ее сфера сужается, обнаруживается и локализуется истинная причина этой сложности. Знание о том, что именно мы не знаем, быть может, не менее важно, чем само позитивное знание.
Правда, вокруг таких результатов часто возникает атмосфера неприятия. Даже физики, говоря "отрицательный результат — тоже результат", чаще желают просто утешить коллегу-неудачника, а сам отрицательный результат стараются обходить стороной. Так было в начале века с "ультрафиолетовой катастрофой" до возникновения квантовой механики, похожая ситуация сложилась с объяснением природы шаровой молнии. Однако если в науке сложность из-за непонимания расценивается как временно неустранимое и терпимое явление, то в управлении (т.е. в деловых, административных, политических вопросах) она часто воспринимается как неприемлемый вариант, ведущий к недопустимой отсрочке решения. Не потому ли именно в управлении нередко прибегают к интуитивным и волевым решениям? И не из за отрицательного ли (в целом) опыта таких решений в последнее время наблюдается быстрое сближение образа мышления управленцев и ученых, повышение роли научных методов в управлении?
Итак, если рассматривать анализ как способ преодоления сложности, то полное сведение сложного к простому возможно лишь в случае сложности из-за неинформированности; в случае сложности из-за непонимания анализ не ликвидирует сложность, но локализует ее, позволяет определить, каких именно сведений нам не хватает. Поэтому (с некоторой натяжкой) можно сказать, что метод декомпозиции не дает новых знаний, а лишь "вытягивает" знания из экспертов, структурирует и организует их, обнажая возможную нехватку знаний в виде "дыр" в этой структуре. Дело в том, что в действительности не только обнаружение нехватки конкретных знаний все-таки является новым знанием, но и по-иному скомбинированные фрагменты старых знаний также обладают новыми качествами.
