Моделирование и генерация решений в социальных системах

• Автор: Головин, Вячеслав Александрович
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2011
• Место защиты: Ульяновск
• Количество страниц: 153 с. : ил.

Оглавление
Введение.

Глава 1. Анализ предметной области и средств генерации решений

1.1 Моделирование в социальных системах.

1.2 Обзор исследований в области социальных систем

1.3 Анализ информационных технологий в политике.

1.3.1 Некоторые аспекты выбора автоматизированной системы управления

политической деятельностью

1.3.2 Особенности применения информационных технологий в управлении

избирательными кампаниями.

1.4 Анализ систем, направленных на решение нестандартных творческих задач

1.5 Анализ методов, применяемых для создания систем генерации решений.
1.5.1 Классические и неклассические подходы.
1.5.2 Методы добычи данных.
1.6 Выводы
Глава 2. Структура и механизм функционирования системы генерации решений
2.1 Функциональная структура системы генерации решений
2.3 Разработка модели развртывания предвыборной кампании.
2.3.1 Структура предвыборной кампании.
2.3.2 Модель ситуации.
2.3.3 Модель кандидата
2.3.4 Модель сценария предвыборной кампании.
2.4 Разработка процедуры генерации решений
2.5 Разработка системы ввода данных.
2.6 Подсистема расчта весовых коэффициентов
2.7 Подсистема формирования сценария предвыборной кампании
2.8 Подсистема поиска прецедентов.
2.8.1 Метод прецедентов.
2.8.2 Концепция вывода на основе прецедентов
2.8.3 Примеры систем вывода на основе прецедентов.
2.8.4 Разработанная подсистема поиска прецедента
2.9 Подсистема адаптации.
2.9.1 Интегрированный подход
2.9.2 Процесс адаптации.
2. Структуры метода и прецедента
2. Подсистема добавления объектов в базы данных.
2. Выводы.
Глава 3. Реализация системы генерации решений по формированию предвыборной кампании
3.1 Требования к реализации системы.
3.2 Реализация подсистемы ввода данных
3.3 Реализация подсистемы опроса эксперта на основе метода иерархий.
3.4 Реализация подсистем расчта весовых коэффициентов и формирования графа сценария.
3.5 Реализация подсистемы поиска прецедента
3.6 Реализация подсистемы адаптации
3.7 Реализация подсистемы обслуживания базы данных.
3.8 Оценка эффективности.
3.9 Выводы.
Заключение.
Список литературы


Сделан вывод о том, что исследованию социальных систем уделяется крайне мало внимания и одной из слабоизученных является политическая деятельность. Вторая глава посвящена разработке структуры и основных подсистем системы генерации решения по формированию предвыборной кампании. Предложены модели, адекватно представляющие предметную область, процедура генерации решений, реализованная в виде комплекса алгоритмов. Рассмотрена организация работы с базой данных, логически разделённой на две компоненты: база объектов предметной области и база прецедентов. Третья глава посвящена особенностям практической реализации системы генерации решений. Глава 1. Анализ предметной области и средств генерации решений. Моделирование в социальных системах. Невозможно представить себе современную науку без широкого применения математического моделирования. Сущность этой методологии состоит в замене исходного объекта его «образом» - математической моделью и дальнейшем изучении модели с помощью реализуемых на компьютерах вычислительно-логических алгоритмов. Этот «третий метод» познания, конструирования, проектирования сочетает в себе многие достоинства, как теории, так и эксперимента. Работа не с самим объектом (явлением, процессом), а с его моделью дает возможность безболезненно, относительно быстро и без существенных затрат исследовать его свойства и поведение в любых мыслимых ситуациях (преимущества теории). В то же время вычислительные (компьютерные, симуляционные, имитационные) эксперименты с моделями объектов позволяют, опираясь на мощь современных вычислительных методов и технических инструментов информатики, подробно и глубоко изучать объекты в достаточной полноте, недоступной чисто теоретическим подходам (преимущества эксперимента). Неудивительно, что методология математического моделирования бурно развивается, охватывая все новые сферы - от разработки технических систем и управления ими до анализа сложнейших экономических и социальных систем. Сейчас математическое моделирование вступает в третий, принципиально важный этап своего развития, «встраиваясь» в структуры так называемого информационного общества. Впечатляющий прогресс средств переработки, передачи и хранения информации отвечает мировым тенденциям к усложнению и взаимному проникновению различных сфер человеческой деятельности. Без владения информационными «ресурсами» нельзя и думать о решении все более укрупняющихся и все более разнообразных проблем, стоящих перед «глобатизующимся» мировым сообществом. Поэтому решая проблемы информационного общества, было бы наивно уповать только на мощь компьютеров и иных средств информатики. Нужны надежные способы переработки информационного «сырья» в готовый «продукт», т. История методологии математического моделирования убеждает: она может и должна быть интеллектуальным ядром информационных технологий, всего процесса информатизации общества. Постоянное совершенствование триады математического моделирования («модель - алгоритм - программа») и ее внедрение в современные информационно-моделируюшие системы -методологический императив. Лишь его выполнение дает возможность получать так нужную нам высокотехнологичную, конкурентоспособную и разнообразную материальную и интеллектуальную продукцию [6]. Не покушаться на твердо установленные факты и закономерности, избегать соблазна научных «революций», прикрытых математической оболочкой. Не подменять собой «предметников» - социологов, философов, политологов (или, во всяком случае, ясно очерчивать границу между применяемой исследователем математической методологией и его собственными воззрениями на изучаемый предмет). По возможности придерживаться здравого позитивизма, трезво оценивая, какие из социальных систем можно моделировать с достаточной степенью достоверности, а для каких еще преждевременно говорить об изучении с необходимой полнотой. Исследования в этой области можно условно подразделить на фундаментально-ориентированные (направленные на выяснение общих свойств объектов и, в то же время, связанные с крупной реальной проблемой) и конкретно-прикладные (опирающиеся на полученные ранее фундаментальные знания и дающие количественные характеристики).