- •Інформаційні операції та безпека суспільства: загрози, протидія, моделювання
- •2.1. Сучасні підходи до моделювання 2.1.1. Синергетичний підхід
- •2.1.2. Багатоагентне моделювання
- •2.1.3. Теоретико-ігровий підхід
- •2.1.4. Екстремальні підходи
- •2.3. Мережні структури в інформаційних операціях
- •3.1. Нелінійні динамічні моделі
- •3.2. Взаємодія електоральних популяцій
- •3.3.1. Рівноважне співіснування сил у власних політичних нішах
- •3.3. Динаміка типу «Конкуренція»
- •3.4.2. Вплив інформаційної операції
- •4.1. Принципи побудови багатоагентних моделей
- •4.2. Моделювання багатоагентних систем
- •4.2.3. Модель переваг груп людей
- •4.3. Імітаційні моделі
- •4.5. Системи клітинних автоматів
- •5.1. Модель, що враховує вплив оточення
- •5.3. Модель, що враховує вплив ззовні
- •5.4. Модель, що враховує внутрішній вплив
- •5.6. Модель дифузії інформації
- •6.4. Фрактальний аналіз: відхилення від лінійного тренда
- •7.1. Сучасний інформаційний простір
- •7.2. Динаміка інформаційних потоків
- •8.1. Політика закритих режимів
- •8.2. Інституціоналізація ідентичності
- •8.3. Формування націй
- •8.4. Моделювання соціального насильства
- •8.5. Придушення повстання та соціального насильства
- •8.6. Перехід від демонстрацій до революції
- •8.7. Боротьба з корупцією
- •8.8. Об'єднання територій
- •8.9. Об'єднання між націями і в межах націй
- •8.10. Асиміляційна динаміка населення
- •Інформаційні операції та безпека суспільства: загрози, протидія, моделювання
3.1. Нелінійні динамічні моделі
Відомо, що якщо стан системи не змінюється в часі, її називають статичною, у протилежному випадку - динамічною. При вивченні інформаційних впливів на соціальні системи основний інтерес становлять саме динамічні системи: в першу чергу нас цікавлять зміни, що відбуваються навколо, а статичні системи ніяких змін не породжують. У свою чергу, динамічні системи розділяються на два класи: лінійні та нелінійні. Лінійними називають системи, характеристики яких не залежать від зміни станів цих систем. Навпаки, характеристики нелінійних систем залежать від таких змін.
Дуже часто нелінійні соціальні системи проявляють себе насамперед нерозмірністю відгуку на зовнішній вплив. Добре відомо, що такі системи можуть разюче легко і без наслідків витримувати важкі потрясіння, однак миттєво «піти в рознос» від малозначимої події або впливу. Саме інформаційні операції можуть розглядатись як подібний вплив або дія.
Моделі, які використовуються при дослідженні нелінійних систем, також називають нелінійними, тому що модель - це теж система, і вона, природно, може бути нелінійною. Нелінійність моделі може бути формально виражена у структурі рівнянь, що використовуються, а знаходження їхніх розв'язків, щонайменше, у чисельному вигляді, в деяких випадках може бути цілком здійсненною задачею.
Основну увагу при побудові нелінійних конкурентних моделей нині приділяють аналізові принципових внутрішніх взаємодій динамічних систем на основі логістичних моделей. Моделювання динаміки розвитку на основі диференціальних логістичних рівнянь широко використовується для моделювання найрізноманітніших як природних, так і соціальних процесів.
Природно, перед застосуванням математичних моделей необхідно обґрунтувати їхню адекватність. Для цього використовуються добре відомі методики, зокрема, ретроспективний аналіз.
50
РОЗДІЛ З
Оскільки поблизу х° виконується: й.« 1, то у багатьох випадках можна обмежитися дослідженням лінійної системи:
и.= а.и..
1 41
У якісній теорії це дослідження зводиться до визначення власних значень матриці ||й..||.
У випадку, коли всі власні значення Я,( (г = 1, 2,..., й) різні та мають відмінні від нуля дійсні частини (Ке Я,(), існує «груба» стаціонарна точка. Якщо всі Ке Я,( не дорівнюють нулю, то застосовуються наступні теореми:
Якщо всі Ке Я,(<0, то стаціонарна точка асимптотичне стійка.
Якщо хоч одне Ке Я,>0, то стаціонарна точка нестійка.
Питання про стійкість стаціонарної точки можна вирішити також на підставі критерія Гурвіца, без безпосереднього обчислення власних значень. Для цього характеристичне рівняння переписується у вигляді:
," + Я,"-1 +
-2 + й,*/-3 + ... = О,
ДЄй0=1.
Матрицею Гурвіца називається матриця я-го порядку:
Ь0 Ь{ Ьт..Ьп_
а0 е, аг..а^
Н =
О Ь0 ЬГ..Ь~_2
О 0 Ь0...Ьп_3
Мінори матриці Н (від першого до я-го порядку), називаються визначниками Гурвіца. Критерій Гурвіца полягає в наступному: для того щоб для всіх Я. виконувалось Ке ХХО, необхідною і достатньою умовою є позитивність усіх визначників Гурвіца. У результаті загальне дослідження характеру особливих точок вихідної системи може базуватися на приведенні її матриці до Жорданової форми.
У найпростішому випадку для системи другого порядку вихідне рівняння може бути записане у вигляді:
де а = ап + й22, А = апа22 - а12а21
52
НЕЛІНІЙНІ МОДЕЛІ СОЦІАЛЬНИХ ПРОЦЕСІВ
пропонована Мальтусом для розрахунку динаміки кількості населення Землі. Вона веде, як добре відомо, до експонентного (тобто дуже швидкого) збільшення населення х у часі. Ця модель може бути застосована, наприклад, до збільшення кількості прихильників нової політичної сили на початковому етапі.
Типове завдання інформаційних операцій як соціальних процедур — збільшення або зменшення кількості прихильників тієї або іншої політичної сили, особливо в періоди виборчих кампаній. Тому, не обмежуючи спільності, у якості своєрідного полігону для моделювання інформаційних операцій розглядатимемо електоральні популяції (ЕП) [5] , аналізуючи можливості впливу на їхню динаміку.
Вивчаючи динаміку електоральної популяції, вестимемо мову про її чисельність, маючи на увазі, що насправді мова може йти також і про її політичну вагу. Розрізнятимемо ці два поняття тоді, коли точне формулювання потрібне для розуміння механізмів процесу.
Аналогії між біологічними та електоральними популяціями дозволяють застосовувати досить розвинений інструментарій для побудови математичних моделей. Зокрема, в основі моделі Мальтуса лежить уявлення про те, що швидкість зміни чисельності популяції в кожний момент часу пропорційна її поточній величині. Тоді для чисельності популяції маємо рівняння:
п(0) = и0,
де й0— початкова чисельність популяції, а коефіцієнт відповідає швидкості зростання.
Для динамічної електоральної популяції з повною підставою можемо стверджувати, що кожен її індивідуум здійснює вплив на своє оточення, а також на інші електоральні популяції, що впливає на їхню чисельність.
Розв'язком наведеного вище рівняння, як відомо, є експонента:
Очевидно, жоден реальний процес, ні фізичний, ні суспільний, не може розвиватися за експонентним законом необмежений час. Дійсно, починаючи з якогось моменту, залежність надто швидко прагне до нескінченності, що у природі, за зрозумілих причин, не реалізується. Отже, доводиться визнати, що рано чи пізно, і скоріше рано, чим пізно, відбудеться деяка катастрофа, що змінить характер залежності та поверне її в рамки припустимого інтервалу значень.
55
РОЗДІЛ З
У більш-менш стабільних соціальних системах завжди присутній елемент самопогодженості, у силу чого на значних проміжках часу залежність динаміки їхнього розвитку описується складнішими рівняннями, які містять зворотні зв'язки. Тому характер залежності згодом змінюється, причому зміни відбуваються не тривіально. У результаті виникають наступні типові випадки:
залежність досягає насичення, і система переходить у статичний (або, можливо, гомеостатичний) стан;
залежність має локальний максимум, за яким відбувається зменшен ня (у тому числі й до нуля);
встановлюється коливальний режим (зазвичай загасаючий, але мож ливо й автоколивальний);
У реальному житті, як правило, динамічні системи мають досить ефективні зворотні зв'язки, які дозволяють коригувати характер процесів, що відбуваються в них, і тим самим утримувати їх у певних рамках. Інформаційні операції, коригуючи ці зворотні зв'язки в певні періоди еволюційного процесу, можуть досить ефективно вплинути на характер поведінки всієї системи.
Найпростішим узагальненням закону Мальтуса, що дає змогу вирішити (принаймні, принципово) проблему необмеженого зростання розв'язку, є заміна постійного коефіцієнта А: деякою функцією часу &(?)• Природно, ця функція повинна бути обрана так, щоб дотримувалися наступні умови:
розв'язок рівняння мав би прийнятну поведінку;
структура функції мала б певний зміст з погляду на явище, яке до сліджується.
Далі розглядається узагальнення закону Мальтуса, яке широко застосовується, відоме як логістична модель. Найпростіший спосіб обмежити зростання експонентної залежності розв'язку наведеного вище рівняння полягає у введенні для неї граничного значення. Для цього виберемо такого вигляду [71]:
де N — максимально можливе значення чисельності популяції, а &0 — коефіцієнт пропорційності. Причому передбачається, що завжди и0< N. Тоді замість першого рівняння маємо:
п(0) = л„. 56
РОЗДІЛ З
Наведене вище логістичне рівняння має два рівноважних розв'язки: й(?) = 0 і п(ї) = N. З формальної точки зору перший з них хиткий, тому що при малих значеннях п(ї) його відхилення від нуля приводить до зростання. Однак у практичному плані це не зовсім так. Справа в тому, що реальні популяції є дискретними множинами, і якщо в якийсь момент й(?) набуває значення, меншого за одиницю, то зрости воно вже не зможе. Тому у випадку опису того, що відбувається в реальності, розв'язок й(?) = 0 також варто вважати рівноважним.
Друге ж рішення й(?) = N є рівноважним у будь-якому сенсі. Дійсно, при й(?) > ТУ включаються механізми спаду залежності, а при п(ї) < N — відповідно зростання.
Розглянемо поведінку динаміки електорату, обсяг якого визначається логістичним рівнянням. Необхідно підкреслити, що висновки, які будуть зроблені далі, залишаються (з точністю до числових значень констант) справедливими також при будь-яких значеннях коефіцієнтів і навіть для широкого класу моделей з різними функціями обмеження експонентного зростання.
На рис. 15 зображена результуюча залежність чисельності електорату від часу при різних початкових умовах. У точках А і В швидкість зміни чисельності електорату спрямовується до нуля: це стаціонарні стани. Між А і В швидкість позитивна (чисельність електорату зростає), а вище точки В -негативна (чисельність убуває).
Модель передбачає, що згодом встановлюється стаціонарний режим В, що виглядає цілком природно: більший електорат зменшується, менший - збільшується.
Логістична модель задовільно описує численні явища насичення. Поблизу А, коли чисельність електорату мала, вона дуже близька до мальтузіанської моделі. Але при досить великих х спостерігається різка відмінність від мальтузіанського зростання: замість спрямування х до нескінченності, чисельність електорату наближається до стаціонарного значення В.
Розглянемо, як логістична модель може застосовуватися під час аналізу виборчих процесів, а саме визначення точної мінімальної початкової квоти виборців (яку можна, наприклад, виділити для затвердження та використання). Нехай х - кількість прихильників визначеного кандидата. На динаміку цього електорату здійснюється вплив інших політичних сил, які відбирають у нього своїх прихильників, що описується так:
х = х — х2 — с.
Обчислення показують, що поведінка системи різко змінюється при деякому критичному значенні квоти с (рис. 16).
58
РОЗДІЛ З
Очевидно, що при наявності сприятливих зовнішніх умов (при деякій щільності ресурсу) чисельність електорату одного кандидата зростає вільно, що сприяє логістичному зростанню. У цьому випадку навіть більш складні моделі повинні давати результати, подібні наведеним. Водночас це означає, що основні параметри (електоральний потенціал кандидата, ємність виборчої компанії, виборча квота) для конкретизації загальної моделі можуть визначатися в результаті аналізу наведеної спрощеної логістичної моделі. Як правило, дані про логістичне зростання електорату стають відомими досить точно за результатами спостережень за виборчою кампанією.
Отже, логістична модель успішно описує досягнення популяцією деякого рівноважного стану.
