Системный анализ на основе нечетких когнитивных карт

Современные условия хозяйствования характеризуются высокой степенью неопределенности и сложности, что существенно ограничивает возможности применения количественных методов для анализа и прогнозирования экономической ситуации. В статье обобщается теоретический материал по когнитивному моделированию. Предложено осуществлять анализ сложных систем на основе приводимого в статье инструментария, что позволит целостно взглянуть на ситуацию за счет качественно-количественного, пространственновременного описания рассматриваемой ситуации в условиях определенности, риска и неопределенности. Положенная в основу метода нечеткая причинная алгебра позволяет выявить прямые и косвенные связи между элементами системы, проанализировать поведение системы, найти ее предельное состояние, позволяющее спрогнозировать развитие ситуации в долгосрочном периоде. Также можно рассчитать основные характеристики системы, такие как плотность, сложность, степень иерархии. Автором дан системный анализ деятельности предприятия на основе нечеткой когнитивной карты, моделирующей сложившиеся условия хозяйствования в современной российской экономике и включающей факторы внутренней и внешней среды организации. Возможность включить в модель большое количество переменных, даже с нечеткими значениями, прямую и обратную связь с разной степенью точности, совместить точные и экспертные знания, легкость и скорость, с которой могут быть объединены разрозненные знания, построены когнитивные карты и получены нужные результаты, а также возможность сценарного прогнозирования и планирования делают нечеткие когнитивные карты важнейшим инструментом предварительного анализа сложных систем.

1. Вокуева Т. А. Вычисление матрицы взаимовлияния когнитивной карты // Известия Коми научного центра УрО РАН. – 2012. – Вып. 3 (11). – С. 123–129.

2. Axelrod R. Structure of Decision: The Cognitive Maps of Political Elites. – Princeton, NJ : Princeton University Press, 1976.

3. Chrysafiadi K., Virvou M. A Knowledge Representation Approach Using Fuzzy Cognitive Maps for Better Navigation Support in an Adaptive Learning System // SpringerPlus. – 2013. – Issue 2:81. – P. 1–13.

4. Kosko B. Fuzzy Cognitive Maps // International Journal of Man-Machine Studies. – 1986. – Vol. 24. – P. 65–75.

5. Kosko B. Fuzzy Engineering. – Upper Saddle River, NJ : Prentice-Hall, 1997.

6. Kosko B. Neural Networks and Fuzzy Systems. – Upper Saddle River, NJ : Prentice Hall, 1992.

7. Osoba O. A., Kosko B. Fuzzy Cognitive Maps of Public Support for Insurgency and Terrorism // Journal of Defense Modeling and Simulation: Applications, Methodology, Technology. – 2017. – Vol. 14 (1). – P. 17–32.

8. Özesmi U., Özesmi S. L. Ecological Models Based on People’s Knowledge: a Multi-Step Fuzzy Cognitive Mapping Approach // Ecological Modelling. – 2004. – N 176. – P. 43–64.

9. Papageorgiou E. Review Study on Fuzzy Cognitive Maps and their Applications during the Last Decade // Paper Presented at the IEEE International Conference on Fuzzy Systems, Taipei. – Taiwan, 2011.

10. Stach W., Kurgan L., Pedrycz W., Reformat M. Genetic Learning of Fuzzy Cognitive Maps // Fuzzy Set Syst. – 2005. – Issue 153. – P. 371–401.