ВВЕДЕНИЕ
В большинстве случаев практического применения системного анализа для исследования свойств и последующего оптимального управления системой можно выделить следующие основные этапы:
содержательная постановка задачи;
построение модели изучаемой системы;
отыскание решения задачи с помощью модели;
проверка решения с помощью модели;
подстройка решения под внешние условия;
осуществление решения.
В данной работе мы остановимся вкратце на каждом из этих этапов. Будем выделять наиболее сложные в понимании этапы и пытаться усвоить методы их осуществления на конкретных примерах.
Но уже сейчас отметим, что в каждом конкретном случае этапы системно-го занимают различный “удельный вес” в общем объеме работ по временным, затратным и интеллектуальным показателям. Очень часто трудно провести чет-кие границы — указать, где оканчивается данный этап и начинается очередной.
Теория системного анализа является теоретической и, главное, методоло-гической основой большинства специальных, экономических дисциплин (если, конечно, они излагаются на уровне современных информационных техноло-гий).
2. МЕТОДЫ АНАЛИЗА БОЛЬШИХ СИСТЕМ, ПЛАНИРОВАНИЕ ЭКСПЕРИМЕНТОВ
Еще в начале рассмотрения вопросов о целях и методах системного ана-лиза мы обнаружили ситуации, в которых нет возможности описать элемент системы, подсистему и систему в целом аналитически, используя системы уравнений или хотя бы неравенств. Иными словами — мы не всегда можем по-строить чисто математическую модель на любом уровне — элемента системы, подсистемы или системы в целом.
Такие системы иногда очень метко называют "плохо организованными" или "слабо структурированными". Так уж сложилось, что в течение почти 200 лет после Ньютона в науке считалось незыблемым положение о возможности "чистого" или однофакторного эксперимента. Предполагалось, что для выясне-ния зависимости величины Y=f(X) даже при очевидной зависимости Y от целого ряда других переменных всегда можно стабилизировать все перемен-ные, кроме X, и найти "личное" влияние X на Y.
Лишь сравнительно недавно (работы В. В. Налимова) плохо организован-ные или, как их еще называют — большие системы вполне "законно" стали считаться особой средой, в которой неизвестными являются не то что связи внутри системы, но и самые элементарные процессы.
Анализ таких систем (в первую очередь социальных, а значит и экономи-ческих) возможен при единственном, научно обоснованном подходе — признании скрытых, неизвестных нам причин и законов процессов. Часто та-кие причины называют латентными факторами, а особые свойства процессов — латентными признаками.
Обнаружилась и считается также общепризнанной возможность анализа таких систем с использованием двух, принципиально различных подходов или методов.
Первый из них может быть назван методом многомерного статистического анализа. Этот метод был обоснован и применен видным английским статисти-ком Р.Фишером в 20..30 годы этого столетия. Дальнейшее развитие многомер-ной математической статистики как науки и как основы многих практических приложений считается причинно связанным с появлением и совершенствова-нием компьютерной техники. Если в 30-е годы, при ручной обработке данных удавалось решать задачи с учетом 2..3 независимых переменных, то 1965 году решались задачи с 6 переменными, а к 70..80 годам их число уже приближа-лось к 100.
Второй метод принято называть кибернетическим или "винеровским", свя-зывая его название с отцом кибернетики Н.Винером. Краткая сущность этого метода — чисто логический анализ процесса управления большими системами. Рождение этого метода было вполне естественным — коль скоро мы признаем существование плохо организованных систем, то логично ставить вопрос о по-иске методов и средств управления ими. Совершенно нелепо ставить вопрос о распределении токов в электрической цепи — это процессы в хорошо органи-зованной (законами природы) системе.
СПИСОК ЛИТЕРАТУРЫ
1. Баумоль У. Экономическая теория и исследование операций. – М., 1988.
2. Бешелев С.Д., Гурвич Ф.Г. Математико-статистические методы экспертных оценок. – М., 2001.
3. Гафт М.Г. Принятие решений при многих критериях. – М., 2002.
4. Де Гроот М. Оптимальные статистические решения. – М., 1989.
5. Канторович Л.В. Экономико-математические модели. – М., 2000.
6. Ланге О. Введение в экономическую кибернетику. – М., 2003.
7. Райфа Г.,Шлейфер Р. Прикладная теория статистических решений. – СПб, 2005.
8. Уилкс С. Математическая статистика. – М., 1994.
9. Уотермен Д. Руководство по экспертным системам. – М., 2000.
10. Федоров В.В. Теория оптимального эксперимента. – СПб, 2003.