- •Оглавление
- •Предисловие
- •Введение
- •§ 1.1. Предварительные замечания
- •§ 1.2. Роль системных представлений в практической деятельности
- •§ 1.3. Внутренняя системность познавательных процессов
- •§ 1.4. Системность как всеобщее свойство материи
- •§ 1.5. Краткий очерк истории развития системных представлений
- •Заключение
- •Литература
- •Упражнения
- •§ 2.1. Широкое толкование понятия модели
- •§ 2.2. Моделирование – неотъемлемый этап всякой целенаправленной деятельности
- •§ 2.3. Способы воплощения моделЕй
- •Insight озарение
- •§ 2.4. Условия реализации свойств моделей
- •§ 2.5. Соответствие между моделью и действительностью: различия
- •InherencEингерентность
- •§ 2.6. Соответствие между моделью и действительностью: сходство
- •§ 2.7. О динамике моделей
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •§ 3.1. Множественность моделей систем
- •§ 3.2. Первое определение системы
- •Inputs входы (системы)
- •§ 3.3. Модель “черного ящика”
- •§ 3.4. Модель состава системы
- •§ 3.5. Модель структуры системы
- •§ 3.6. Второе определение системы. Структурная схема системы
- •§ 3.7. Динамические модели систем
- •Vertex вершина (графа)
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •§ 4.1. Искусственные системы и естественные объекты
- •§ 4.2. Обобщение понятия системы. Искусственные и естественные системы
- •§ 4.3. Различные классификации систем
- •Variable переменная
- •§ 4.4. О больших и сложных системах
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •§ 5.1. Информация как свойство материи
- •§ 5.2. Сигналы в системах
- •Information
- •Interference
- •§ 5.3. Случайный процесс – математическая модель сигналов
- •§ 5.4. Математические модели реализаций случайных процессов
- •§ 5.5. О некоторых свойствах непрерывных сигналов
- •§ 5.6. Энтропия
- •Independent независимый
- •§ 5.7. Количество информации
- •Interaction взаимодействие
- •§ 5.8. Об основных результатах теории информации
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •§ 6.1. Эксперимент и модель
- •§ 6.2. Измерительные шкалы
- •Interval
- •§ 6.3. Расплывчатое описание ситуаций
- •§ 6.4. Вероятностное описание ситуаций. Статистические измерения
- •§ 6.5. Регистрация экспериментальных данных и ее связь с последующей их обработкой
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •§ 7.1. Многообразие задач выбора
- •§ 7.2. Критериальный язык описания выбора
- •§ 7.3. Описание выбора на языке бинарных отношений
- •§ 7.4. Язык функций выбора
- •§ 7.5. Групповой выбор
- •Voting голосование
- •§ 7.6. Выбор в условиях неопределенности
- •§ 7.7. О выборе в условиях статистической неопределенности
- •§ 7.8. Выбор при расплывчатой неопределенности
- •§ 7.9. Достоинства и недостатки идеи оптимальности
- •§ 7.10. Экспертные методы выбора
- •§ 7.11. Человеко-машинные системы и выбор
- •§ 7.12. Выбор и отбор
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •§ 8.1. Анализ и синтез в системных исследованиях
- •§ 8.2. Модели систем как основания декомпозиции
- •§ 8.3. Алгоритмизация процесса декомпозиции
- •Ignorance незнание, невежество
- •§ 8.4. Агрегирование, эмерджентность, внутренняя целостность систем
- •§ 8.5. Виды агрегирования
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •§ 9.1. Что такое системный анализ
- •§ 9.2. Формулирование проблемы
- •§ 9.3. Выявление целей
- •§ 9.4. Формирование критериев
- •Values ценности
- •§ 9.5. Генерирование альтернатив
- •§ 9.6. Алгоритмы проведения системного анализа
- •§ 9.7. Претворение в жизнь результатов системных Исследований
- •Implementation внедрение (результатов)
- •§ 9.8. О специфике социальных систем
- •Заключение
- •Литература
- •Упражнения
- •Вопросы для самопроверки
- •Краткий словарь специальных терминов
- •Contents
- •Оглавление
§ 9.6. Алгоритмы проведения системного анализа
Мы уже неоднократно отмечали, что совершенствование любой деятельности состоит в ее алгоритмизации, т.е. в совершенствовании технологии. Было бы по меньшей мере нелогично и странно не подходить с такой же меркой и к самому системному анализу: естественно поставить вопрос о том, насколько формализован сам системный анализ.
ТРУДНОСТИ АЛГОРИТМИЗАЦИИ СИСТЕМНОГО АНАЛИЗА
Если понимать формализацию узко (в идеале как математическую постановку задачи и вполне однозначную программу ее решения), то системный анализ в принципе не может быть полностью формализован, поскольку в нем большую и очень важную роль играют этапы, на которых системный аналитик и привлекаемые им эксперты должны выполнить творческую работу. Такое положение не является особенностью только системного анализа, оно характерно для научной работы вообще. По этому поводу И. Пригожин и И. Стенгерс пишут:
“Для нас экспериментальный метод является поистине искусством, т.е. мы считаем, что в основе его лежат особые навыки и умения, а не общие правила. Будучи искусством, экспериментальный метод никогда не гарантирует успех, всегда оставаясь на милости тривиальности или неверного суждения. Ни один методологический принцип не может исключить, например, риска зайти в тупик в ходе научного исследования. Экспериментальный метод есть искусство постановки интересного вопроса и перебора всех его следствий, вытекающих из лежащей в его основе теоретической схемы, всех ответов, которые могла бы дать природа на выбранном экспериментатором теоретическом языке. Из конкретной сложности и многообразия явлений природы необходимо выбрать одно-единственное явление, в котором с наибольшей вероятностью ясно и однозначно должны быть воплощены следствия из рассматриваемой теории. Это явление затем надлежит абстрагировать от окружающей среды и “инсценировать” для того, чтобы теорию можно было подвергнуть воспроизводимой проверке, результаты и методы которой допускали бы передачу любому заинтересованному лицу. Хотя такого рода экспериментальная процедура с самого начала вызывала (и продолжает вызывать) серьезные нарекания, (...) она пережила все модификации теоретического содержания научных описаний и в конечном счете определила новый метод исследования, введенный современной наукой. Экспериментальная процедура может становиться и орудием чисто теоретического анализа. Эта ее разновидность известна под названием мысленного эксперимента” [21, с. 86 – 87].
Из приведенной цитаты наглядно видно, что современный системный анализ – это просто одна из современных прикладных наук; и главное его отличие от других наук состоит в отсутствии (точнее, в расширении) субстратной специфики: системный анализ применим к системам любой природы.
Тот факт, что в арсенале системного анализа имеются как формальные (в том числе и математические) процедуры, так и операции, которые выполняются людьми неформально, и даже то, что в некоторых случаях анализ вообще не использует формализованные процедуры, тем не менее не означает, что нельзя говорить об алгоритмах системного анализа. Наоборот, требование системности (в первую очередь, целенаправленной структурированности) применимо прежде всего к самому системному анализу.
Неоднократно имели место попытки создать достаточно общий, универсальный алгоритм системного анализа (пять вариантов такого алгоритма приведены в табл. 8.1, еще несколько содержатся в [6; 12; 16; 17; 18; 22]). Бросаются в глаза общность в целом и различия в деталях приводимых алгоритмов. Было бы необоснованным утверждать, что какой-то из них “более правильный” или “более универсальный”, чем другой, что реализация одного из них – это системный анализ, а реализация другого – нет. Положение становится ясным, если вспомнить, что алгоритм является прагматической ( нормативной) моделью деятельности. Выбрав конкретную модель, мы должны следовать предписаниям именно данного алгоритма, но это не означает, что нельзя было воспользоваться другой моделью. Из целевой предназначенности моделей вытекает, что для какого-то случая конкретный алгоритм предпочтительнее другого; однако отсюда не следует, что не может существовать еще одна, лучшая реализация алгоритма или что в каком-то другом случае порядок предпочтения алгоритмов не окажется противоположным. Впрочем, и полной независимости алгоритмов также нет: одни из них могут являться расширением других, частично совпадать и т.д.
Очень удобной и наглядной (и, кроме того, достаточно глубокой) аналогией служит программирование решения задачи на ЭВМ. Программист имеет в распоряжении все операторы некоторого языка и должен составить из них программу решения задачи. Разные программисты составят различные программы; одна из них будет написана изящнее; в какой-то из них использованы новинки; какая-то окажется “старомодной”. Однако все они решают одну и ту же задачу. Подобно этому, системный аналитик может в разной (хотя и не полностью произвольной) последовательности использовать различные операции исследования систем или спланировать свои действия заранее (для хорошо структурированных, например технических, задач), а может выбирать очередную операцию в зависимости от исхода предыдущей, либо использовать готовый алгоритм или “готовые” подпрограммы анализа.
КОМПОНЕНТЫ СИСТЕМНЫХ ИССЛЕДОВАНИЙ
Перечислим основные средства исследования систем (этапы системного анализа), т.е. блоки, из которых может состоять процедура анализа конкретной системы (в скобках указаны те места данной книги, где данная операция описана подробно):
определение конфигуратора (§ 8.5 и 9.4);
определение проблемы и проблематики (§ 9.2);
выявление целей (§ 9.3);
формирование критериев (§ 9.4);
генерирование альтернатив (§ 9.5);
построение и использование моделей (гл. 2 и 3, § 8.2);
оптимизация (для простых систем; § 7.2 и 7.9);
выбор (гл. 7);
декомпозиция (§ 8.3);
агрегирование (§ 8.5);
исследование информационных потоков (гл. 5);
исследование ресурсных возможностей (§ 4.4 и 9.4);
наблюдения и эксперименты над исследуемой системой (гл. 6);
реализация, внедрение результатов анализа (§ 9.7).
Приведенный перечень является укрупненным, может иметь другую последовательность операций, каждую указанную операцию можно разделить на более мелкие операции. Это и позволяет составлять алгоритмы системного анализа, имеющие различную степень подробности.
Итак, исследование каждой системы проводится с использованием любых необходимых методов и операций системного анализа (как формальных, в том числе с применением математических методов и ЭВМ, так и эвристических), а их конкретная последовательность определяется ведущим исследование системным аналитиком и во многом носит индивидуальный, приспособленный к данному случаю характер. Поэтому в системном анализе переплетаются особенности, присущие как науке, так и искусству. Д.К. Джонс, говоря о проектировании систем (частном случае системного анализа), выразил эту мысль так:
“Скажем сразу, что проектирование не следует путать ни с искусством, ни с естественными науками, ни с математикой. Это сложный вид деятельности, в котором успех зависит от правильного сочетания всех этих трех средств познания; очень мала вероятность добиться успеха путем отождествления проектирования с одним из них” [7, с. 49].
“При решении любой задачи проектирования необходимо определенное сочетание логики и интуиции. Пути такого сочетания интуитивного с рациональным не установлены; пожалуй, их и невозможно установить в общем виде, в отрыве от конкретной задачи и конкретного человека, так как они зависят от того, какое количество объективной информации имеется в распоряжении проектировщика, а также от его квалификации и опыта” [7, с. 90].
Подведем итог Алгоритмы проведения системного ана-лиза могут быть различными. В зави-симости от степени сложности анали-зируемой проблемы употребляются “линейные” алгоритмы (в простейших случаях), алгоритмы с циклами (чем сложнее система, тем больше циклов и тем больше итераций осуществляется в каждом цикле), сложные “последовательные”, т.е. конструируемые в ходе исследования, алгоритмы (в том числе содержащие циклы, случайный поиск, адаптацию, самоорганизацию и т.д.).
|
Summary The algorithms of systems analysis are varied. Depending on the complexity of the studied problem, they vary from line-ar algorithms (in the simplest cases), through algorithms involving cycles (and the more complex system, the more cycles, cycles within cycles, and repetition of cycles), and up to sequential algo-rithms designed in the course of study (they may contain cycles, random search, adaptation, self-organization, and so on).
|