В более широком теоретическом плане вопросы формализации социально-экономических и экологических процессов тесно связаны с вопросами адекватности моделей. Когда нет возможности исходить только из «точных» законов естествознания и приходится привлекать некоторую систему гипотез о процессе, часто рассуждают следующим образом: модель адекватна, так как, во-первых, принятая система гипотез в настоящий момент времени выглядит правдоподобной, а, во-вторых, по количественным и качественным показателям на известном отрезке развития модель и реальный процесс близки.
По методам исследований, проводимых с помощью глобальных моделей, их можно объединить в две группы – имитационные и оптимизационные модели. Имитационные модели описываются замкнутой системой уравнений, т.е. все функциональные связи, значения параметров и экзогенных величин (в том числе управляющих воздействий) заданы заранее до функционирования модели. Исследование моделируемой системы с помощью имитационной модели заключается в определении влияния выбора различных предположений о функциональных связях и численных значений параметров и управляющих воздействий на поведение системы. Система уравнений оптимизационной модели не замкнута – часть экзогенных переменных (управляющих воздействий) не задана. Исследование объекта с помощью оптимизационной модели заключается в нахождении значений этих переменных, обеспечивающих достижения поставленной заранее конкретной цели, как правило, оптимизирующие некоторый заданный функционал.
Из известных глобальных моделей к имитационным относятся модели Форрестера, Медоуза и модель Месаровича-Пестеля. Первые три модели представляют собой систему нелинейных дифференциальных уравнений. При таком описании в модель включается заранее выбранный неизменный механизм управления, который фактически представляет собой модель принятия решений, идентифицированную на предыстории развития системы. В этом случае исследование системы заключается в переборе различных «политик» и анализе их влияния на поведение системы. Под «политиками» подразумеваются различные сочетания гипотез о функциональных связях, структуре управляющего механизма, численных значений параметров.
Такой подход помогает на первом этапе глубже понять динамику исследуемых процессов, выявить возможные критические тенденции развития. Однако фиксация управляющего механизма не предполагает сознательного изменения человеком существующих тенденций развития и не позволяет проанализировать все возможности системы при допустимых управляющих воздействиях.
В уравнения модели заранее не закладываются какие-либо механизмы управления или значения управляющих функций и параметров. Выбор значений управляющих воздействий осуществляется в процессе диалога между лицом, принимающим решение – ЛПР (или человеком проводящим исследование проблемы) – и ЭВМ. Выбор осуществляется из множества заранее заданных допустимых альтернатив – «сценариев», которые для каждой проблемы (модели) объединяются в дерево допустимых решений. При таком подходе исследование системы проводится следующим образом. ЛПР в процессе диалога с ЭВМ выбирает некоторую ветвь дерева решений, т.е. один из «сценариев», и тем самым однозначно определяет управляющие функции. ЭВМ вычисляет траекторию, соответствующую выбранному «сценарию». ЛПР знакомится с результатами и, если они его не устраивают, выбирает новый «сценарий». Этот процесс повторяется до тех пор, пока ЛПР не подберет приемлемое с его точки зрения управление.
Таким образом, формирование управляющих воздействий в процессе диалога ЛПР с ЭВМ делает модель управляемой, позволяет учитывать возможное сознательное вмешательство человека в функционирование системы. Однако следует отметить, что ЛПР фактически подбирает управление из представленного ему ограниченного выбора. Ограничение допустимых управляющих воздействий конечным набором не позволяет проанализировать все возможности системы. Этот недостаток присущ любой имитационной модели. Поэтому если необходимо широко исследовать возможности системы, в том числе предельные (в различном смысле), то предпочтение отдается оптимизационным моделям. Весь процесс можно разбить на два этапа. Первый включает построение модели и предварительное изучение системы, позволяющее понять основные закономерности ее функционирования и определить возможные критические пути ее развития. На этом этапе рационально использовать имитационную модель в режиме диалога ЛПР или исследователя с ЭВМ. Наиболее удобным аппаратом, обеспечивающим такое взаимодействие, по всей видимости, служит один из вариантов метода сценариев. Однако в дерево допустимых решений необходимо включить только те варианты и переменные, которые действительно могут изменяться по желанию человека. При этом должен быть обеспечен доступ ЛПР ко всем управляющим величинам. Метод сценариев особенно удобен, когда ЛПР получает возможность работать с привычными для него понятиями, заданными в удобной форме.
Фиксировать в структуре модели какие-либо управляющие механизмы, как это делается, например, в моделях Форрестера и Медоуза, на данном этапе не рационально, так как это неоправданно сужает область допустимых управлений. Конечно, после построения модели имеет смысл замкнуть ее работающим в настоящее время управляющим механизмом (если известно его формальное описание) для оценки возможных последствий сохранения существующих тенденций, т.е. управлений. Однако дальнейшее изучение должно проводиться на всем множестве допустимых управлений.
Результатом первого этапа анализа является список проблем – отрицательных тенденций долгосрочного развития исследуемой системы. Второй этап связан с поиском управляющих воздействий, обеспечивающих наиболее приемлемое, с точки зрения ЛПР, развитие системы. На этом этапе необходимо использовать оптимизационные модели. Однако если при исследовании оптимизационной модели ограничить поиск заранее заданными целевой функцией и системой ограничений (как это сделано, например, в латиноамериканской модели), то вряд ли можно полученные результаты выносить в качестве окончательных рекомендаций.
Внутренняя структура социально-экономических систем такова, что их поведение нельзя представить как стремление к оптимизации одного скалярного критерия. Часто не только стремления отдельных подсистем противоположны, но и сам набор целей всей системы содержит трудно совместимые требования. Кроме того, цели сложных социально-экономических систем часто плохо поддаются формализации. Но даже если нам удастся их выполнить, то мы сталкиваемся с известной проблемой векторного критерия качества: как определить наилучшую совокупность показателей, к которой должна стремиться исследуемая система.
Глобальная модель – это инструмент, помогающий ЛПР найти решение стоящих перед ним проблем. Вряд ли целесообразно, передавая в руки ЛПР модель, априорно закладывать в нее какой-либо критерий качества, т.е. пытаться формализовать цели ЛПР. Более того, сам человек, проводящий исследования с помощью глобальной модели, не может заранее точно сформулировать свои цели, поскольку они в значительной степени определяются возможностями системы, о которых он узнает только в процессе изучения.
Более адекватно представление о сложной системе как об имеющей целый набор основных параметров - «жизненных индикаторов» – и стремящейся поддерживать их в рамках определенных ограничений. Поэтому задачу управления такими системами следует мыслить скорее как задачу не оптимизации, а нахождение удовлетворительной траектории. Разумно предположить, что ЛПР (или группа экспертов) обладает неформальной способностью находить компромисс между различными требованиями, распознавать удовлетворительное состояние в векторном пространстве жизненных индикаторов системы. В таком случае необходимо направить усилия не на формализацию целей ЛПР, а на рациональное распределение функций между ЛПР и ЭВМ.
Предполагается следующая схема взаимодействия ЛПР и ЭВМ в процессе исследования системы с помощью оптимизационной модели.
ЛПР формулирует некоторые требования к процессу, задавая промежуточные временные цели и ограничения. ЭВМ находит управления, обеспечивающие достижение (если это возможно) поставленных целей. ЛПР анализирует результаты и, если они его не устраивают, меняет систему целей – ограничений. Процесс повторяется, пока ЛПР не сочтет полученное решение удовлетворительным. В процессе исследования ЛПР задает цели развития через ограничения на значениях «жизненных индикаторов» системы, И хотя на каждом этапе поиска промежуточные цели – ограничения – действительно могут быть объединены в скалярный критерий, он выполняет чисто техническую функцию, меняется от этапа к этапу и не несет идейную нагрузку найденной глобальной цели системы. Удобным промежуточным критерием служит приближение выбранной траектории системы к заданной кривой. Использование такого критерия позволяет ЛПР последовательно улучшать картину развития системы, задавая кривые желаемого поведения той или иной фазовой траектории и закрепляя ограничениями результаты промежуточных поисков. Использование глобальной модели в оптимизационном режиме при рациональном распределении функций между ЛПР и компьютером позволяет получить качественно новые результаты. Однако прежде чем довериться выводам, вытекающим из анализа глобальных моделей, необходимо четко представить зависимость этих выводов от степени адекватности используемого формального описания.
Приложение 4
С.Г. Кара-Мурза1