31. Моделирование в условиях противодействия, игровые модели

Особый раздел науки — теория игр позволяет хотя бы частично разрешать затруднения, возникающие при системном анализе в условиях противодействия. Интересно отметить, что одна из первых монографий по этим вопросам называлась "Теория игр и экономического поведения" (авторы — Нейман и Моргенштерн, 1953 г., имеется перевод) и послужила своеобразным катализатором развития методов линейного программирования и теории статистических решений.

В качестве простого примера использования методов теории игр в экономике рассмотрим следующую задачу. Пусть вы имеете всего три варианта стратегий в условиях конкуренции S1,S2 и S3 (например — выпускать в течение месяца один из 3 видов продукции). При этом ваш конкурент имеет всего два варианта стратегий C1 и C2 (выпускать один из 2 видов своей продукции, в каком то смысле заменяющей продукцию вашей фирмы). При этом менять вид продукции в течение месяца невозможно ни вам, ни вашему конкуренту. Пусть и вам, и вашему конкуренту достоверно известны последствия каждого из собственных вариантов поведения, описываемые следующей таблицей.

32 Наличие нескольких целей — многокритериальность системы

Весьма часто этап содержательной постановки задачи системного анализа приводит нас к выводу о наличии нескольких целей функционирования системы. В самом деле, если некоторая экономическая система может иметь “главную цель” — достижение максимальной прибыли, то почти всегда можно наблюдать ситуацию наличия ограничений или условий. Нарушение этих условий либо невозможно (тогда не будет самой системы), либо заведомо приводит к недопустимым последствиям для внешней среды. Короче говоря, ситуация, когда цель всего одна и достичь ее требуется любой ценой, практически невероятна. Пусть имеется самая простая ситуация многокритериальности — существуют только две цели системы T1 и T2 и только две возможных стратегии S1, S2 .

Пусть мы как-то оценили эффективность E11 стратегии S1 по от-ношению к T1 и эффективность эта оказалась равной 0.4 (по некоторой шкале 0..1). Проделав такую же оценку для всех стратегий и всех целей, мы получили табличку (матрицу эффективностей):

33 Моделирование системы в условиях неопределенности

Как уже отмечалось в первой части нашего курса, в большинстве реальных больших систем не обойтись без учета “состояний природы” — воздействий стохастического типа, случайных величин или случайных событий. Это могут быть не только внешние воздействия на систему в целом или на отдельные ее элементы. Очень часто и внутренние системные связи имеют такую же, “случайную” природу.

Важно понять, что стохастичность связей между элементами системы и уж тем более внутри самого элемента (связь “вход-выход”) является основ-ной причиной риска выполнить вместо системного анализа совершенно бессмысленную работу, получить в качестве рекомендаций по управлению системой заведомо непригодные решения.

Выше уже оговаривалось, что в таких случаях вместо самой случайной величины X приходится использовать ее математическое ожидание Mx. Все вроде бы просто — не знаем, так ожидаем. Но насколько оправданы наши ожидания? Какова уверенность или какова вероятность ошибиться?

Такие вопросы решаются, ответы на них получить можно — но для этого надо иметь информацию о законе распределения СВ. Вот и при-ходится на данном этапе системного анализа (этапе моделирования) заниматься статистическими исследованиями, пытаться получить ответы на вопросы:

• А не является ли данный элемент системы и производимые им опера-ции “классическими”?

• Нет ли оснований использовать теорию для определения типа распределения СВ (продукции, денег, или информационных сообщений)? Если это так — можно надеяться на оценки ошибок при принятии решений, если же это не так, то приходится ставить вопрос иначе.

• А нельзя ли получить искомое распределение интересующей нас СВ из данных эксперимента? Если этот эксперимент обойдется дорого или фи-зически невозможен, или недопустим по моральным причинам, то может быть “для рагу из зайца использовать хотя бы кошку” — восполь-зоваться апостериорными данными, опытом прошлого или предсказаниями на будущее, экспертными оценками?

Если и здесь нет оснований принимать положительное решение, то можно надеяться еще на один выход из положения.

Не всегда, но все же возможно использовать текущее состояние уже действующей большой системы, ее реальную “жизнь” для получения глобальных показателей функционирования системы.

Этой цели служат методы планирования эксперимента, теоретической и методологической основой которых является особая область системного анализа — т. н. факторный анализ, сущность которого будет освещена несколько позже.