Моделирование высокоразмерных систем на основе конденсации графов

Для решения задач планирования и управления сложными организационно-техническими и экономическими системами, предложена новая методика обработки больших факторных моделей на основе конденсации графа. Методика базируется на восстановлении зависимостей между факторами путем применения методов машинного обучения и искусственных нейронных сетей. Для построения конденсированного графа исследуются подходы с использованием содержательного анализа и подходы, основанные на методах выделения сильных компонент. Осуществляется кластеризация вершин графа на основе совокупности их характеризующих признаков. Значения факторов вершин конденсированного графа находятся через решение системы линейных уравнений, описывающих взаимное влияние. Неизвестные функциональные зависимости между параметрами в рамках одного кластера вершин находятся методами машинного обучения. Их обработка происходит независимо, поэтому она возможна в гибридной вычислительной системе в параллельном режиме. Сами по себе математические методы, используемые в работе, не оригинальны, однако новизной обладает то, как они интегрированы в рамках единой модели для обработки графов высокой размерности. Предлагаемая методика не привязана к конкретной предметной области. Ее применение целесообразно при моделировании сложных организационно-технических систем, когда нет детальных моделей поведения отдельных элементов системы, но есть некоторые экспертные оценки степени влияния факторов друг на друга, а также наборы данных о прецедентах взаимодействия элементов в прошлом. Показано, как методика применима к задачам восстановления факторов взаимного влияния субъектов экономической деятельности на уровне рассмотрения заданного множества отраслей промышленности, научно-производственных объединений, предприятий, цехов, лабораторий.