Юрий Зеленков: Искусство бега по граблям. Стратегическое управление ИТ в условиях неопределенности

Теперь проведем три эксперимента. Эксперимент первый – пусть наша система состоит из трех объектов, которые не влияют друг на друга, т.е. N =3 и K =0. Различные конфигурации системы, значения отдельных объектов Fi , присвоенные случайно, и приспособленность системы приведены в таблице, размещенной справа на рисунке 1.1. Можно сказать, что значения приспособленности для различных конфигураций системы образуют некий ландшафт, который показан в левой части этого же рисунка. Вершины куба представляют различные конфигурации, им соответствуют различные значения приспособленности. Легко заметить, что ландшафт имеет один глобальный максимум в точке (1,1,1). Из какого бы состояния система не начинала поиск оптимальной конфигурации, данная точка обязательно будет найдена. В качестве примера на рисунке голубыми линиями показана траектория движения из точки (0,0,0).

Теперь проведем второй эксперимент при условии, что все объекты влияют друг на друга, т.е. N =3 и K =2. Предположим, что влияние объектов друг на друга описывается функцией Гаусса. В принципе, на формулы, которые приводятся ниже, можно не обращать внимания. Главное, что следует уяснить, что в данном случае мы знаем, какие законы действуют внутри системы. Теперь новое значение объекта вычисляется по формуле

То есть к собственному значению объекта теперь добавляется значение функции Гаусса

от сумы значений двух других объектов. Эта функция имеет максимум, когда ее аргумент (т.е. сумма значений двух объектов, влияющих на рассматриваемый) равен μ , чем больше значение аргумента отклоняется от μ , тем меньше значение функции. Собственные значения объектов те же, что и в предыдущем случае, вычисленные на их основе значения приспособленности при μ =0,6 и σ =0,3 приведены в таблице на рисунке 1.2.

Теперь мы видим, что ландшафт приспособленности системы имеет несколько локальных максимумов. Система становится чувствительной к начальным условиям – если поиск оптимальной конфигурации начинается из точки (1,0,0), то он завершается в точке (1,1,0), которая не соответствует глобальному максимуму. Поиск из точки (0,0,0) завершается в точке (0,1,1), которая и есть глобальный максимум. Также локальным максимумом является точка (1,0,1), если система уже имеет такую конфигурацию, она завершает свое развитие.

Таким образом, из второго эксперимента следует, что даже относительно простая система, состоящая всего лишь из трех взаимосвязанных элементов, не может гарантированно достичь максимума приспособленности в процессе инкрементальной адаптации.

В третьем эксперименте также предположим, что все объекты влияют друг на друга ( N =3 и K =2), но мы ничего не знаем о законах, действующих внутри системы. Этот эксперимент можно трактовать также как описание открытой системы, которая взаимодействует с внешней средой, причем внешняя среда непредсказуема и ее влияние значительно искажает связи между объектами (этот случай рассмотрен в упомянутой книге С. Кауффмана). Для моделирования этой ситуации присвоим всех объектам значения равномерно распределенной случайной величины (рисунок 1.3 ). В этом случае ландшафт приспособленности также имеет несколько локальных максимумов и конечное состояние системы зависит от начальных условий. Начало поиска из точки (0,1,0) завершается в точке (1,0,0), начальная конфигурация (0,0,1) приводит к точке (1,1,1).

Как мы решаем проблемы

Проведенная серия экспериментов дает нам возможность сделать несколько важных выводов. Во-первых, внутренние связи в системе радикально ее усложняют. Стюарт Кауффман показал, что в общем случае при больших значениях К (то есть большом количестве связей внутри системы) стратегия инкрементальной адаптации может приводить к кризисам, когда найденное значение приспособленности системы недостаточно для решения ее задач. Но в реальности мы имеем дело с крайне сложными системами. Если говорить о бизнесе, компания, которая сама по себе имеет весьма сложную структуру, действует на рынке в непрерывно изменяющихся условиях. Это связано с изменением приоритетов поставщиков и потребителей, действиями конкурентов и регуляторов рынка, развитием технологий и так далее. Отсюда возникает вопрос – есть ли альтернатива локальному поиску?