Труды КНЦ (Технические науки вып. 3/2024(15))

and Higher Education of the Russian Federation, research topic “Methodology for creating information and analytical systems to support the management of regional development based on formative artificial intelligence and big data” (registration number of the research topic 122022800551-0). For citation: Neupokoeva E.O., Malygina S.N., Bystrov V.V. The practice of using fuzzy logic for simulation of complex systems // Transactions of the Kola Science Centre of RAS. Series: Engineering Sciences. 2024. Vol. 15, No. 3. P. 69-81. doi:10.37614/2949.1215.2024.15.3.006. Введение В наше время многие ученые отмечают, что долгосрочное планирование становится недостаточно гибким для быстро меняющихся параметров реальности [1]. На передний план среди методов прогнозирования выдвигается имитационное моделирование, обладающее множеством достоинств, например, возможность: — исследовать слабоструктурированные системы, о функционировании которых доступен существенно ограниченный объем информации; — изучить свойства систем, которые невозможно анализировать в реальных условиях или данные действия потребует большого объема ресурсов; — детализировать модель, выделив различные агенты для реально существующих объектов и придав каждому уникальные свойства; — задать различное поведение для отдельных агентов; — отразить взаимосвязи между агентами; — использовать случайно возникающие события и т. д. В Институте информатики и математического моделирования им. В.А. Путилова ФИЦ КНЦ РАН ведется исследования по разработке методических и инструментальных средств информационно­ аналитической поддержки управления жизнеспособностью региональных социально-экономических систем. Блок задач этого исследования связан с вопросами имитационного моделирования данного класса сложных систем. В частности, разрабатывается комплекс компьютерных моделей для оценки жизнеспособности (resilience) региональных «Бизнес-Сообщество-Власть»-систем (БСВ-систем). Предложенный метод оценки БСВ-систем базируется на вычислительных процедурах над многомерными структурами данных — гиперкубом жизнеспособности [2]. Эта структура формируется на основе сбора и обработки статистических данных, результатов анкетирования, экспертных мнений и др. Элементами гиперкуба жизнеспособности могут являться как количественные, так и качественные показатели. Одним из формальных аппаратов оперирования качественными показателями, зарекомендовавшим себя в разных предметных областях, является теория нечетких множеств и нечеткая логика. Чтобы осуществить поставленные задачи текущего исследования, возникла идея интегрировать имитационное моделирование и нечеткую логику для реализации возможности работать с качественными оценками. Для этого сперва необходимо проанализировать имеющейся практический опыт других исследовательских команд в области совместного использования двух этих инструментов для построения адекватных моделей сложных систем. Имитационное моделирование позволяет подстраиваться под быстро меняющиеся исходные данные, обновляющиеся в результате социальных, политических и экономических изменений. Для расширения возможностей традиционных имитационных моделей с целью исследования поведения сложных объектов используется нечеткая логика (fuzzy logic). Классическая четкая логика дает однозначный ответ «да» или «нет». Нечеткая логика оперирует более расширенным диапазоном понятий - - «с какой вероятностью этот ответ правильный». В том числе это позволяет более естественно, чем формально-логические системы, описывать ход человеческого мышления. Существуют различные инструменты, основанные на нечеткой логике [3]: — нечеткие нейронные сети; — адаптивные нечеткие системы; — нечеткие запросы к базам данных; — нечеткие ассоциативные правила; — нечеткие когнитивные карты; — нечеткая кластеризация. Труды Кольского научного центра РАН. Серия: Технические науки. 2024. Т. 15, № 3. С. 69-81. Transactions of the Kola Science Centre of RAS. Series: Engineering Sciences. 2024. Vol. 15, No. 3. P. 69-81. © Неупокоева Е. О., Малыгина С. Н., Быстров В. В., 2024 70