Следовательно формально не хватает от ОНГ всей вселенной, чтобы сделать аэропорт управляемым. В дейст-вительности этой задачей справляется диспетчерский состав из 20 человек. Дело в том, что огромная ОЭ ~ 10300 бит была кажущейся. Диспетчерская система аэропорта является само-организующейся иерархического типа, т.е. содержит внут-реннюю ОНГ. Она способна разделить систему во временные ряды окружающей среды и строить алгоритмы минимальной длины для её моделирования. Говоря простым языком, в систему аэропорта ввели дополнительную координату - время, и распределили посадки-запросы по отрезкам времени - например по минутам. В результате на каждую минуту попала в среднем 0,5 - 2 запроса, которыми легко было управлять.
Из примера с аэропортом можно сделать ряд выводов:
1. Реально существующие системы, обладающие формально большой сложностью (разнообразием, большим ОЭ, неопределённостью), содержат часто и большое ко-личество ОНГ (внутреннюю структуру), которая резко уменьшает требуемую для их управления ОНГ. Особенно много т.н. скрытую ОНГ содержат искусственно созданные человеком системы. В случае аэропорта к этим относятся ранее известные расписания полёта и технические ха-рактеристики самолётов, техническая оснащенность аэропорта и др.
2. Все системы имеют иерархическую структуру и это следует использовать при проектировании управляющих структур. Управляющие или поисковые воздействия на более высоком уровне имеют более высокую эффективность и влияют на большое количество систем. Можно элиминировать большие области поиского поля и тем самым упростить процессы выбора и управления.
Несмотря на эвристические и др. методы упрощения модели многих реально существующих систем остаются слишком сложными, чтобы ими до сих пор удавалось пол-ностью управлять при помощи количественных методов. Это не значит, что кибернетика не занимается сложными системами. Наоборот, кибернетики стараются найти воз-можности управления над всеми существующими в мире сверхсложными системами, в том числе и над самим уни-версумом. Нет областей в мире или обществе, где кибер-нетики не предлагали бы новые модели систем и методы их применения. Часто ОЭ и ОНГ моделей намного меньше, чем в реальных системах. А создание гомоморфной модели явля-ется наиболее существенным этапом на пути к управлению системой. Перечисляем только некоторые наиболее широко развивающиеся области.
1. Системы экономического развития, фирмы, отрасли, государственные системы экономического плани-рования.
2. Глобальные системы развития народонаселения и экосистемы (Римский клуб и его наследники).
3. Демографические системы исследования социал-поли-тических тенденций развития.
4. Системы автоматизации производства, роботизации, автоматизации проектирования сложных комплексов.
5. Системы коммуникации и связи. Многофункциональ-ные компьютерные сети, инфокомбайны. Интернет.
6. Научные, теоретические и экспериментальные системы. Вычислительные эксперименты. Системы научно-тех-нической информации.
7. Медицинские системы диагностики, моделирования. Компьютерная томография.
8. Системы искусственного интеллекта. Экспертные системы. Лингвистические системы и восприятия образов.
9. Системы компьютерного обучения. Интерактивные программы усвоения междисциплинарных направле-ний. Электронные тренажеры.
10. Системы, содержащие конфликтные ситуации, дело-вые или военные игры, статистические игры с при-родой.
11. Прогнозы систем будущего, начиная с прогнозов погоды и климата до прогноза развития человечества и универсума на много тысяч и миллионов лет вперёд.
Во всех перечисленных областях в последние десятилетия достигнуты большие успехи. Успехи осно-вываются в первую очередь на разработке намного более совершенных математических моделей, которые отражают зависимости между большим количеством факторов. Ком-пьютерная обработка даёт возможность разработать и про-анализировать намного более сложные модели, в т.ч. кон-цептуальные [ 121 ]. В результате получены модели, располо-женные намного ближе к реальной действительности, и расширены области их дейсвия. Быстрый рост методов моделирования, техники обработки информации и прог-раммирования дали возможность резко усовершенствовать методы управления. Это мы особенно ясно наблюдаем в областях управления экономическими организациями, ста-тистическими ведомствами, системами автоматизации производства, коммуникации, искуcственного интеллекта и обучения.
Одновременно все отчётливее выявляется неполнота и неопределённость многих основных моделей реальных систем [ 118 ]. Несмотря на многофакторность, модели дают сов-падающие с реальными объектами данные только в ог-раниченной области. Отсутствие показателей ОЭ и ОНГ ограничивает их использование в целях управления. Пов-торяется история с прогнозами на первой половине 20 века. Предполагалось, что развитие науки, техники и энергетики решают все проблемы человечества и наступает эпоха всеобщего благоденствия. Очень скоро, уже на второй половине 20 века стало ясно, что далеко не все надежды оптимистов исполняются. Наука, техника и энергетика сти-хийно развиваются, но планировать, предсказать направление их развития очень трудно. Если некоторые вопросы выясняются, то возникает сразу намного больше новых вопросов и проблем. Методы получения атомной энергии впервые начали применять в военных целях. Новые лекарства (например антибиотики) становятся неэф-фективными при появлении новых видов болезней и вирусов. Новые полимеры не так уж дешёвые и влияют часто вредно на здоровье людей.
Точно с такими же переоценками мы встречаемся на второй половине 20 века при рассмотрении достижений информатики и кибернетики. Распространяются взгляды, как-будто человечество имеет мощные средства для передачи и обработки информации и все проблемы оптимального уп-равления решаются, после чего человечество идёт навстречу обществу благоденствия. Фактически огромное увеличение потоков информации и дезинформации больше затрудняет, чем облегчает определение оптимальных направлений и вообще усложняется все управление функционированием систем. То, что внешне похоже на информацию, в большой части представляет собой полуправду или субъективное, одностороннее мнение отдельных личностей, фирм или организаций. Хорошо, если эти личности честно хотят, не ошибаясь, передать правдоподобную информацию. Во многих случаях передаётся намеренно односторонняя информация с целью получения какой-то личной выгоды или введения в заблуждения конкурентов. В условиях ограниченности вре-мени становиться всё труднее проверить, отсеять не-существенную информацию, точнее шум, от существенного и принять правильное решение. Тем более, что окружающая среда и сам развивающийся субъект находятся в процессе непрерывного изменения. В результате этого управляемость процессов в обществе не увеличивается, часто уменьшается. Судьба человечества может стать все более непредсказуемым и зависимым от многих случайных факторов. Развитие человечества может пойти в сторону гибели.
Причиной таких отрицательных тенденций является иллюзорность обилия и полноты информации и инфор-мированности (ОНГ). В действительности большинство пере-даваемых "сообщений" ничего общего с информацией не имеет. Они, как говорится, являются только "шумом", который только мешает процессам передачи настоящей информации. В настоящее время измеряется в передаваемых сообщениях формальное количество информации по битам. При этом часто отвлекаются от смыслового содержания ин-формации, от её ценности для получателя, от её эф-фективности и от существенности для цели системы, её принимающей. Поэтому очень трудно оценить начальную ОЭ системы, её рост по времени и количество ОНГ, вводимой управляющей системой в ходе управления. В результате этого часто невозможно определять степень управляемости сис-темы, которая выражается отношением
ОНГмин .
ОЭмакс
Система является полностью управляемой, если степень управляемости равняется 1,0, т.е. если количество OНГмин системы равно количеству OЭмакс. . OЭмакс показывает максимально возможную ОЭ системы без внутренних связей между её элементами. OНГмин показывает минимально воз-можную ОНГ, учитывая наличие разных комбинаций связей, структуры и управляющих воздействий (OНГн + OНГу). Выполнение условия OНГмин = OЭмакс не вызывает принципиальных трудностей в случае управления срав-нительно простыми искусственно созданными системами, в которых OЭмакс небольшая, также в случае достаточно упрощённых моделей сложных систем. Следовательно не вызывает принципиальных трудностей и надёжное управ-ление такими системами. Требуется только техническое ре-шение вопроса, в частности, определение типа задач управ-ления. Выбирают оптимальный вариант из ряда по повышаю-щей сложности: стабилизация, выполнение программы, сле-жение или оптимизация.
Проблема резко усложняется при необходимости уп-равления сложными системами, в которых ОЭ > 1010 бит. Эти системы находятся в процессе непрерывного изменения и развития. Поэтому, для обеспечения полной управляемости, необходимо в эти системы ввести соответствующее на OЭф количество ОНГ через каждый период времени, за который система существенно изменяется. Продолжительность пери-ода зависит от скорости изменений в системе. Современные технические средства не в состоянии обеспечить поток такого огромного количества ОНГ в реальную систему, который ликвидировал бы всю её ОЭф и дал бы возможность составить полную схему управления системой. Даже в том случае, если удалось бы организовать управление одной сложной системой, применяя все имеющиеся управляющие системы, это не спасло бы положение. В мире в непрерыв-ном изменении и развитии находится огромное количество сложных систем и они составляют между собой бесчисленные комбинации. Если говорят, что управляют такими сложными системами, как государственные, экономические, научные и т.д., то в действительности управляют только их упро-щёнными моделями.
Для любой сложной системы можно составлять упрощённую модель, при помощи которой обеспечивается частичная управляемость. Однако, управление упрощёнными моделями далеко не всегда даёт право говорить о полном управлении реальными сложными системами. Упрощённые модели не учитывают всех влияющих факторов, целевых критериев, ограничений и они не всегда дают возможность в широкой области прогнозировать поведение системы. Бо-лее того, упрощённые модели могут создать иллюзию, как будто процессы полностью управляемые. В действительности размерность реальной системы может быть намного больше модельного и неуправляемых факторов много, что уве-личивает неопределённость в функционировании системы и случайных элементов в её поведении.
Именно интуитивная недооценка ОЭ систем и пере-оценка наличия в них ОНГ является главным источником ошибок при разработке схем управления, контроля и раз-вития сложных систем, многочисленных недоразумений и огромных дополнительных материальных затрат. Часто люди считают вымышленные, сильно упрощённые модели изо-морфными по сравнению с реальными объектами. В каждом государстве законодательство в известной мере является моделью организации его. Чем старше государство, тем совер-шеннее её законодательство, тем ближе оно отражает действи-тельные нужды для прогрессивного развития государства. Тем меньше в законах останется неопределённых пробелов, часто используемых во вред обществу. Каждый человек имеет свое мировоззрение (модель о мире) и самосознание (модель о самом себе). Беда в том, что модели только более или менее приближаются к реальной действительности и соот-ветственно человек только по мере имеющейся у него ОНГ может определить своё место в развивающемся мире. Чем ближе модели совпадают с действительностью, тем более эф-фективно человек может управлять своими действиями и действиями других.
Таким образом, самым ответственным этапом при составлении системы управления любой сложной системой является составление её оптимальной модели. Если удастся составить модель, которая соответствует влияниям всех су-щественных факторов на объективную систему и её реакци-ям относительно достижения целей системы, то можно надеяться на надёжную её управляемость. Конечно, модель должна быть достаточно проста (ОЭ < ОЭпред) чтобы современными техническими средствами обеспечить тре-буемую ОНГ. К сожалению до сих пор недостаточно общих теоретических основ для моделирования сложных систем. Создание моделей выполняют в лучшем случае эврис-тическими методами, часто на интуитивном уровне, без оценки ОЭ и ОНГ систем. С этим связана неэффективность работы управляющих и управляемых систем или даже беспорядочность и неорганизованность в их работе и структуре.
Новые возможности для повышения эффективности управляющих систем и для улучшения управляемости слож-ных систем открываются при применении методов инфо-динамики. Инфодинамика использует для управления системами рядом с новыми и все ранее известные методы обработки информации. К их числу относятся также эврис-тические методы, методы случайного поиска, методы сто-хастического (статистического) моделирования, методы оп-ределения условных вероятностей (в т.ч. метод Байеса), теории информации, программирования, алгоритмов, игр и др. Однако, инфодинамика дополняет применение всех этих методов обобщающими принципами. Решающее значение имеет принцип определения ОЭ и ОНГ управляющих и управляемых систем и их элементов. Это даёт возможность выяснить изменение этих показателей во времени и потоки эффективной информации в системе, также выяснить сущест-венные и несущественные факторы и соответствующие необ-ходимые управляющие воздействия. В итоге открываются новые возможности для разработки оптимальных систем управления.
Процесс разработки последних (с учётом принципов инфодинамики) можно разделить на следующие этапы.
1. Исследование управляемой системы и окружающей её среды. Определение внутренней структуры, связи между элементами. Устанавливают пределы системы, ограничения на функционирование, внешние условия и влияющие на систему факторы. Отдельно определяют цели, задачи и целевые критерии системы. Особенное внимание уделяют на наличие внутренних, автономных или локальных систем управления. Имеются ли иерархические структуры, внут-ренние обратные связи? Для всех зависимостей между входами и выходами определяют статистические, веро-ятностные характеристики. Для их определения используют всю существующую априорную и апостериорную ин-формацию.
2. Определение неопределённости, предельного раз-нообразия управляемой системы (ОЭ). Одновременно оп-ределяется неопределённость влияющих на систему факторов: состав исходных или входных материалов, неопределён-ность цели и проектов, колебания условий окружающей среды, ненадёжность (ресурс) деталей, работоспособность людей и т.д.
3. Оптимизация модели управляемой системы. Вы-яснение вероятностных зависимостей целевой функции системы от всех существенно влияющих на неё факторов. Отсев несущественных факторов. Сложность модели не долж-на превышать технические возможности реально доступной управляющей системы (по ресурсам финансирования).
4. Выяснение альтернативных вариантов управляющих схем. Какие цели, задачи и допустимые затраты на управ-ление? Требуются ли стратегическое или тактическое уп-равление? Достаточно ли стабилизация системы или её программное управление, регулирование, слежение или опти-мизация. Функционально-затратный анализ эффективности управления. Учёт функции риска, а также технологических, эстетических и экономических ограничений.
5. Составление модели для определения эффективности управляющих систем. Установление критериев эффек-тивности управления. Методы учёта существенных факторов. Модели игровых или конфликтных ситуаций. Стратегия статистических игр без эксперимента или с экспериментом.
6. Прогноз эффективности вариантов управления. Сравнение ОЭ и ОНГ относительно выполнения критериев эффективности управления. Расчёт предельных возможностей управления. Эффективность автоматизации управления. Методы управления операциями. Сетевые модели, динами-ческое программирование. Исследование и планирование операций. Матрица переходных вероятностей, марковские процессы.
7. Оптимизация и выбор наиболее эффективной системы управления. Принятие решений в условиях неопределённости при помощи ОЭ и ОНГ. Применение многошаговых про-цессов принятия решения. Критерии качества управления. Решение ответственной проблемы руководства - принимать ли решение на основе того, что уже известно, или пред-варительно разработать и реализовать программу сбора дополнительной информации, которая, конечно, потребует определённых затрат. Отсюда возникают понятия стоимости и цены полной и неполной информации, как функции не-определённости. Управление - это в первую очередь приня-тие решений, а оптимальность решения зависит от количества и качества полученной информации. В итоге большое значение приобретает определение качества или эффек-тивности информации. Их критерий Эп определяют по формуле: оэ
Эп = Дп = Ф . Ц = 2 . Ц Зп Зп Зп
где: Дп - выгода, прибыль, полезность, которую получает система от полученной информации; Зп - затраты, необходимые для приобретения системой системой или управляющей системой необходимой информациии; Ц - прибыль от полученной информации в денежных единицах; Ф - вероятность получения прибыли Дп.
Максимально целесообразные затраты можно рассчитать по неравенству:
Эп = Дп > 1 или Зпмакс ? Дп Зп
т.е. затраты на информацию не должны превышать получаемую от их приобретения доход. В противном случае приобретение новой информации не обосновано и решение следует принимать без её. Для корректности расчётов в случае исследования фактической ОЭ объединённой управ-ляемой и управляющей системы необходимо учесть и ОЭ управляющей части (ОЭус):
ОЭф = ОЭс + ОЭус - ОНГс - ОНГус
ОЭоб ОНГоб
8. Проектирование структуры системы управления. В случае сложных и иерархических структур системы целе-сообразно соответственно строить также и их управление. Конкретизируются общие потоки информации по наиболее существенным направлениям. Уточняются их количество и качество, пропускную способность каналов связи, элементы автоматического регулирования, элементы сравнения, уси-ления, измерения и исполнения.
Принципы инфодинамики и методы определения ба-лансов ОЭ и ОНГ могут намного улучшить эффективность управления такими сложными системами, как государст-венные, экономические, образовательские, медицинские и др. организации. Крайне разнообразные мнения высказаны уже по основным вопросам: необходимо ли вообще управление со стороны государства или дать человеку самому решать, что делать. Либералы утверждают, что необходимо человеку оставлять полную свободу. В то же время теоретические исследования и практический опыт показывают большие преимущества иерархической системы управления. По воп-росам свободы, необходимо исходить из данных определения инфопотоков и изменения ОЭ или ОНГ в элементах разного иерархического уровня.
В кибернетике разработаны подробные математические основы для оптимизации процессов управления [ 23, 60, 62 ]. В них предусмотрены всевозможные этапы и варианты управления, встречающиеся в реальной жизни [ 68 - 71 ].
1. Одноэтапные или одношаговые и многошаговые задачи принятия решения.
2. Принятие решений в условиях неопределённости. Понятие об исследовании операций.
3. Критерии качества управления.