О больших и сложных системах
Как подчеркивалось в § 4.3, нужное управление u 0(t) отыскивается с помощью отбора среди возможных управлений, сравнения по каким-то критериям последствий каждого из них. Определить эти последствия и сравнить их можно лишь в том случае, если в управляющей системе имеется модель управляемой системы, на которой и испытываются разные управления (см. рис. 4.2). Для того чтобы модель “заработала”, или, как говорят, была актуализована, необходимы затраты ресурсов: модель нужно не только воплотить в каком-то реальном виде, но и обеспечить, чтобы она позволяла получать решение нужного качества и к нужному моменту времени (ведь даже самое лучшее решение становится ненужным, если оно появляется позже, чем это необходимо). РЕСУРСЫ УПРАВЛЕНИЯ И КАЧЕСТВО СИСТЕМЫ В реальности же оказывается, что имеющиеся ресурсы не всегда позволяют обеспечить полное выполнение этих условий. Поэтому имеют место принципиально разные ситуации в зависимости от того, в какой степени обеспечено ресурсами управление; системы при этом выступают как качественно различные объекты управления. Это и отражено в классификации систем, приведенной на рис. 4.6.
Рассмотрим, например, энергетические затраты на актуализацию модели и выработку управления. Обычно они настолько малы по сравнению с количеством энергии, потребляемой или производимой в управляемой системе, что их просто не принимают во внимание. Однако представим себе случай, когда, во-первых, управляющая и управляемая системы питаются от одного ограниченного источника энергии, и, во-вторых, энергопотребление обеих систем имеет одинаковый порядок: возникает интересный и нетривиальный класс задач о наилучшем распределении энергии между ними. С подобными задачами приходится иметь дело не часто, но в ответственных случаях: выполнение энергоемких задач автономными системами (например, космическими аппаратами или исследовательскими роботами), некоторые эксперименты в физике частиц высоких энергий и т.п.
Следующее деление систем связано с материальными ресурсами, затрачиваемыми на актуализацию модели. В случае моделирования на ЭВМ это объем памяти и машинное время; такие ресурсы лимитируют возможности решения задач большой размерности в реальном масштабе времени. К подобным задачам приводится моделирование ряда экономических, метеорологических, организационно-управленческих, нейрофизиологических и других систем. Системы, моделирование которых затруднительно вследствие их размерности, будем называть большими. Существует два способа перевода больших систем в разряд малых [5]: разрабатывать более мощные вычислительные средства либо осуществлять декомпозицию многомерной задачи на совокупность связанных задач меньшей размерности (если природа системы это позволяет).
Наконец, третий тип ресурсов – информация – дает основание для еще одной классификации систем. Имеющаяся о системе информация, сколько бы ее ни было, представлена в концентрированном виде как та самая модель, об использовании которой идет речь. Признаком простоты системы, т.е. достаточности информации для управления, является успешность управления. Однако если полученное с помощью модели управление приводит к неожиданным, непредвиденным или нежелательным результатам, т.е. отличающимся от предсказанных моделью, это интерпретируется как сложность системы, а объясняется как недостаточность информации для управления. Поэтому сложной системой мы будем называть систему, в модели которой не хватает информации для эффективного управления.
Таким образом, свойство простоты или сложности управляемой системы является свернутым отношением между нею и управляющей системой, точнее, между системой и ее моделью. Это отношение носит объективный характер: например, кодовый замок действительно качественно различен для того, кто знает код и кто его не знает; каждому человеку родной язык кажется проще иностранного; люди, умеющие и не умеющие водить автомобиль, имеют объективно разные возможности обращения с ним. Имеется два способа перевода системы из разряда сложной в разряд простой. Первый состоит в выяснении конкретной причины сложности, получении недостающей информации и включении ее в модель; это и является основной задачей науки, познания вообще и системного анализа в частности. Так, У. Эшби пишет: “Не подлежит сомнению, что наука упрощения обладает своими методами и тонкостями. Я убежден, что в будущем теоретик систем должен стать экспертом по упрощению” [16]. Второй способ – сменить цель, что в технических системах обычно неэффективно (подобно забиванию гвоздей магнетроном), но в отношениях между людьми это часто единственный выход. Как и все предыдущие, такая классификация систем при необходимости может быть развита – либо благодаря более подробному рассмотрению видов ресурсов, либо в результате введения большего числа градаций степени обеспеченности ими. Например, С. Бир [1] предлагает выделить в отдельный класс очень сложные системы (к этому классу он относит мозг, экономику, фирму).
РАЗЛИЧЕНИЕ БОЛЬШИХ И СЛОЖНЫХ СИСТЕМ Чтобы не возникло недоразумений при чтении специальной литературы, необходимо отметить, что термины “большая” и “сложная” система в системологии окончательно еще не установились и при всей, по нашему мнению, естественности придаваемого им здесь смысла имеются разные варианты их употребления. Некоторые авторы вообще не используют эти понятия [4], другие используют их как синонимы [2; 3; 8], третьи считают разницу между ними чисто количественной [6], четвертые связывают сложность с некоторыми особенностями самих систем [11; 14]. Попытки “примирить” эти подходы, объединить их приводят к путанице. Например, в [15] читаем: “Сложные системы управления – собирательное название систем, состоящих из большого числа взаимосвязанных элементов (...), которые нельзя описать корректно математически (...), для изучения которых необходимо было бы решать задачи с непомерно большим объемом вычислений. (...) Понятия “сложная система” и “большая система” не являются тождественными, так как последний термин характеризует только одну черту “сложности” – размерность системы”. Смысл понятий “большой” и “сложный”, вытекающий из предложенной классификации, не является совершенно новым. Многие авторы из других соображений так или почти так и использовали эти термины. У. Эшби: “Наблюдатель говорит, что система “очень большая”, если она в чем-либо побивает его своим богатством” [16]. Дж. Б. Форрестер: “Я сделал попытку показать, как сложные системы приводят нас к ошибкам из-за того, что наша интуиция и оценки заставляют ожидать поведения, отличного от того, которым они в действительности обладают” [13]. И. Пригожин: “Очень часто отклик системы на возмущение оказывается противоположным тому, что подсказывает нам интуиция. Наше состояние обманутых ожиданий в этой ситуации хорошо отражает термин “антиинтуитивный”: “Эта проклятая штука ведет себя не так, как должна бы вести!”. И далее. “Единственной специфической особенностью сложных систем является то, что наше знание о них ограничено и неопределенность со временем возрастает” [9].
Чтобы подробнее пояснить вытекающую из сделанной классификации разницу между большими и сложными системами, отметим, что возможны все четыре комбинации; существуют системы: 1) “малые простые”; 2) “малые сложные”; 3) “большие простые”; 4) “большие сложные”. Приведем примеры систем всех видов (в том же порядке): 1) исправные бытовые приборы (утюг, часы, холодильник, телевизор и т.д.) – для пользователя; неисправные – для мастера; шифрозамок – для хозяина сейфа; 2) неисправный бытовой прибор – для пользователя; 3) шифрозамок для похитителя – система простая (требуется лишь перебор вариантов) и большая (имеющегося на вскрытие сейфа времени может не хватить на перебор вариантов); точный прогноз погоды; полный межотраслевой баланс (определяется с задержкой на годы); 4) мозг; экономика; живой организм. ДРУГИЕ ПОДХОДЫ К ПОНЯТИЮ СЛОЖНОСТИ Обсуждение проблемы сложности было бы неполным, если не упомянуть и о другом подходе к ней. В науке нередко бывает так, что вместо содержательного определения чего-то вводится его количественная мера, что позволяет продвинуться вперед в изучении, отвечая на вопрос “как?” и не затрагивая вопрос “что?”. Примерами являются теоретическая механика (использующая не понятие движения, а его количественные характеристики), теория информации (не требующая определения самой информации, так как вполне достаточно понятия количества информации) и т.д. Аналогичные попытки сделаны и по введению количественной меры сложности. Пока такой единой меры построить не удалось. Одна из причин (но не единственная) состоит в том, что термин “сложный” употребляется и как синоним “большой” (например, теоретико-множественное понятие сложности системы связывается с мощностью множества ее элементов). Наиболее известные концепции, в которых сложность выражается некоторым числом, таковы: логическая концепция, основанная на анализе свойств предикатов, характеризующих систему; теоретико-информационная концепция, связывающая сложность системы с ее энтропией; статистическая концепция, характеризующая сложность через меру различимости распределений вероятностей; алгоритмическая концепция, определяющая сложность как длину алгоритма воссоздания системы; теоретико-множественная концепция, отождествляющая сложность системы с числом ее элементов; вычислительная концепция, “привязывающая” алгоритмическую сложность к средствам вычислений.
Подробнее эти концепции рассмотрены в [12; 18].
ЗАКЛЮЧЕНИЕ Если рассматривать системы только как создаваемые человеком средства достижения поставленных им целей, то все остальные природные предметы и их совокупности являются естественными объектами, познанные свойства которых человек может использовать, включая их в искусственные системы (см. § 4.1). Такое ограничительное толкование понятия “система” наталкивается на ряд трудностей: наличие у естественных объектов структурированности и упорядоченной взаимосвязанности их частей – характерных признаков систем; необходимость отрицать системность искусственного сооружения, как только неизвестна цель, ради которой оно создано; невозможность признания системности самого человека и всей природы. Эти сложности исчезают, если признать не только то, что искусственная система остается системой, даже если ее цель неизвестна, но и то, что вся природа объективно системна, т.е. что наряду с искусственными существуют естественные системы. Эта идея требует обобщения понятия цели – наряду с целями субъективными (желательными состояниями) вводится понятие объективной цели как будущего реального состояния, в которое придет объект через какое-то время (см. § 4.2). Споры о существовании объективных целей идут в науке давно. Например, в биологии сложилось положение, при котором стремление объяснить поведение живых организмов через цель (телеология) пришло в противоречие с понятием о сугубой субъективности целей. Как выразился М. Месарович, “телеология – это дама, без которой не может прожить ни один биолог, но с которой он стыдится показаться в обществе” [7]. Введение понятия объективной цели как будущего состояния, по-видимому, снимает это противоречие, позволяя говорить не только об искусственных, но и о естественных системах. Означает ли это, что “не систем” не существует? Чтобы акцентировать внимание на особенностях системного подхода, скажем без оговорок: да, означает. Другое дело, что мы можем (или по незнанию иначе не можем) рассматривать некий объект и обращаться с ним, не полностью считаясь или совсем не считаясь с его системностью. Рано или поздно недостаточная системность нашего подхода выльется в появление проблем. После окончательного признания всеобщей системности мира целесообразно обсудить характерные различия между всевозможными системами. Это делается с помощью классификации систем. Отметив, что можно ввести много классификаций, мы рассмотрели несколько из них, важных для целей данного курса (см. § 4.3). Классификацию, в которой появляется возможность различения “больших” и “сложных” систем, мы обсудили подробнее в § 4.4. Конкретизация понятия сложности проясняет и происхождение проблем: осознание сложности и приводит к формулировке проблемы. Решение проблемы есть упрощение ситуации.
Для облегчения восприятия и запоминания приведенных классификаций обратимся еще раз к схеме управляемой системы, слегка дополнив ее (рис. 4.7). Эта схема позволяет выделить следующие аспекты, характеризующие управление системой: описание природы (происхождения) системы S; задание типов переменных X, Y, Z; конкретизация типа оператора S; описание способа управления (получения U); задание условий получения U (обеспеченности управления ресурсами). Каждый из перечисленных аспектов дает основания для построения конкретной классификации систем. Выявление других аспектов описания может привести к новым полезным классификациям систем. ЛИТЕРАТУРА 1. Бир С. Кибернетика и управление производством. – М.: Наука, 1965. 2. Гуд Г.Х., Макол Р.Э. Системотехника. Введение в проектирование больших систем. – М.: Сов. радио, 1962. 3. Калашников В.В. Сложные системы и методы их анализа. – М.: Знание, 1980. 4. Квейд Э. Анализ сложных систем. – М.: Сов. радио, 1969. 5. Лэсдон Л. С. Оптимизация больших систем. – М.: Наука, 1975. 6. Меерович Г.А. Эффект больших систем. – М.: Знание, 1985. 7. Месарович М. Теория систем и биология. Точка зрения теоретика.- В сб.: Теория 8. Нечипоренко В.И. Структурный анализ систем. – М.: Сов. радио, 1977. 9. Пригожин И., Стенгерс И. Порядок из хаоса. – М.: Прогресс, 1986.
Воспользуйтесь поиском по сайту: ![]() ©2015 - 2025 megalektsii.ru Все авторские права принадлежат авторам лекционных материалов. Обратная связь с нами...
|