Г. Басина - Синергетика. Основы методологии

• Название: Синергетика. Основы методологии
• Автор: Г. Басина
• Издательство: Норма
• Жанр: Прочая научная литература
• Год: 2006
• ISBN: 5-87857-119-6

В монографии кратко изложены основы синергетической методологии исследования систем и процессов. Методология основана на работах авторов, а также участников Семинара «Синергетика и методы науки» Санкт-Петербургского союза учёных (СПбСУ) и сотрудников Научно-исследовательского центра «Синергетика» СПбСУ, а также на работах других Российских и зарубежных учёных. В настоящее время разработанная методология используется при исследовании таких сложных самоорганизующихся систем как Internet, Человек, Человеческое общество.

---

ж) рост количества людей.

Таким образом, вновь сформировавшаяся структура может после своего появления в течение некоторого промежутка времени интенсивно увеличивать объём описывающего её многообразия, а следовательно и параметра целого, пока не выйдет на некоторое стационарное состояние. Процессы такого бурного (или не очень бурного) роста могут сильно отличаться друг от друга, однако во многих случаях они обладают некоторыми общими особенностями. Эти особенности могут быть исследованы эмпирически и описаны математическими уравнениями.

3. Эмпирический анализ двумерного фазового пространства, описываемого выбранным параметром целого и скоростью его изменения или некоторым итерационным процессом

Если параметр целого выбран, то на основании эмпирических данных может быть построена для данной системы или для серии систем, аналогичных данной, зависимость параметра целого, характеризующего систему, от времени. Эта зависимость может быть дискретной, когда для некоторых моментов времени определяется выбранный параметр, или непрерывной, в этом случае при помощи специальных приборов осуществляется непрерывная запись некоторых величин, которые затем могут быть использованы для вычисления параметра целого.

Наиболее реалистичными являются непрерывная запись или дискретное определение параметра в конкретные моменты времени с последующей аппроксимацией полученных данных в виде непрерывных функций от времени.

В этом случае вместо зависимости параметра от времени может быть построена более информативная картина двумерной фазовой плоскости, по оси абсцисс которой отложен выбранный параметр, а по оси ординат — его производная по времени. Для автономных систем, то есть систем, динамика которых слабо зависит или вовсе не зависит от параметров поля, такой график может оказаться универсальным, не зависящим от начальной точки отсчёта во внешнем времени.

Здесь проявляется интуиция — параметр целого должен быть выбран таким образом, чтобы характер его изменения для автономных систем был универсальным, то есть, чтобы зависимость его изменения от времени для данной системы и её аналогов не зависела от внешних условий. Однако, любая сложная система может считаться автономной лишь приближённо.

4. Разработка одномерной математической модели динамики объекта в рамках выбранного параметра целого

Если выбран один параметр, интегрально определяющий меру структуры, то можно построить простейшие математические модели, приближенно описывающие процесс формирования, роста структуры и выхода её на тот или иной стабильный режим, а также процесс её разрушения или превращения в качественно новую структуру.

Для параметра целого, описывающего структуру, как и ранее, введем обозначение μ. Рассмотрим два типа аппроксимации — итерационный и непрерывный.

Итерационный способ аппроксимации состоит в выражении последующего измеренного состояния системы через предыдущие μp= F(μp-1,…., μp-k, t).

Особо следует выделить системы, которые могут принимать конечное число состояний. Динамика таких систем оказывается во многом эквивалентной динамике орбит конечных математических полугрупп или групп. Наиболее известным представителем таких систем является современный компьютер, который может быть непосредственно использован для моделирования их динамики.

Практически неограниченное развитие компьютерной техники и области её использования свидетельствует о существовании широкой сферы применения дискретных математических моделей с большим, но конечным числом возможных состояний, то есть значений параметра целого для достаточно подробного описания природных и техногенных процессов.

Фазовое пространство при детерминированном итерационном процессе может быть построено следующим образом. По оси абсцисс откладывается μp-1, а по оси ординат μp. Точка на соответствующей фазовой плоскости соответствует отображению. Для систем с конечным числом состояний количество точек конечно и равно числу состояний.

Любой динамический процесс такого типа в пределе выходит на стационарную точку, μp = μp-1, или на циклическую траекторию μp = μp-к, где к можно считать периодом цикла.

В пределе очень большого числа состояний область изменения параметра целого может быть аппроксимирована континуумом. В этом случае количество типов траекторий становится значительно больше, чем при дискретном задании. Именно здесь появляются странные аттракторы.

Значительный практический интерес представляет использование аппроксимирующих функций, имеющих разрывы функций и их производных в конечном числе точек. В этом случае особые точки отображений и аттракторы приобретают дополнительные особенности.

В случае гладкой зависимости параметра целого от времени динамика его изменения может быть описана дифференциальным уравнением dμ/df = f(μ, t), где f(μ,t) — заданная гладкая функция.

Решение и качественный анализ этого уравнения позволяют не только приближенно описывать динамику структуры, но и в какой-то степени предсказывать её будущее. Если структура или система развивается по внутренним законам (воздействие внешней среды (поля) на неё пренебрежимо мало либо носит стационарный характер), то для её описания может быть использовано автономное дифференциальное уравнение dμ/df = f(μ).

В случае непрерывной аппроксимации наиболее удачным подходом является построение двумерных фазовых диаграмм, по одной из осей которых откладывается сам параметр, а по другой — его производная. Для автономных объектов фазовые траектории от времени не зависят.

В некоторых случаях дифференциального уравнения первого порядка для адекватного описания динамики параметра целого оказывается недостаточно. В этом случае можно перейти к дифференциальным уравнениям более высоких порядков или к введению комплексного параметра целого. В обоих случаях это математически эквивалентно увеличению числа координат.

5. Качественный анализ и численное решение одномерной математической модели динамики объекта

Качественный анализ итерационной системы или нелинейного дифференциального уравнения позволяет ещё до их решения определить особенности поведения моделируемой системы как нелинейного объекта не только в прошлом и настоящем, но и в будущем.

Начнём анализ с автономной итерационной системы.

Выполнение условия μn = F(μn) означает, что система находится в стационарном состоянии.

Стационарное состояние называется устойчивым и обозначается μSU, если существует некоторая область (окрестность μSU) в фазовом пространстве такая, что, как только процесс в какой-то момент времени пришел в состояние из этой области, то он начинает стремиться к устойчивому стационарному состоянию параметра целого μSU. Если такой области нет, т. е. если микроотклонение от точки, соответствующей стационарному значению μSU, приводит к существенным макроизменениям в течении процесса, состояние системы является неустойчивым стационарным состоянием.

В общем случае график μ2 = F(μ1), соответствующий итерационному соотношению, иллюстрирует закон эволюции системы и позволяет определять стационарные состояния системы и их тип.

Если кривая μ2 = F(μ1), определяемая соответствующим итерационным соотношением μn+1 = F(μn), пересекает прямую μ2 = μ1, в точке μS и |F1(μ1)| < 1, то μS — устойчивая стационарная точка, а если |F1(μ1)| > 1, то неустойчивая. Рассмотрим подробнее математическую модель автономного дифференциального уравнения первого порядка dμ/df = f(μ). Его общее решение имеет вид.

Если для какой-либо структуры в определенные моменты удалось экспериментально определить как величину выбранного нами параметра целого, так и его производной по времени, то затем, аппроксимируя функцию f(μ), например, при помощи дробно-рациональной функции

можно найти коэффициенты аппроксимации ai, bi, соответствующие экспериментальным данным.

Во многих случаях поведение системы вблизи особых точек, соответствующих нулям или полюсам функции f(μ) описывается степенной функцией с рациональным или иррациональным показателем степени или логарифмической функции. При этом появляется многозначность поведения исследуемой модели. Величины f(μ) могут одновременно с различной степенью вероятности принимать конечное или бесконечное множество действительных и комплексных значений, физический смысл которых для реальных систем должен быть специально уточнён.