Научное направление:
«Адаптивная самоорганизация сложных систем»
Шифры научных специальностей, в рамках которых разрабатывалось данное научное направление:
Краткая аннотация научного направления:
Предметом изучения рассматриваемого научного направления являются принципы самоорганизации/самосборки, самоподдержания и функционирования сложных природных систем с возможностью переноса этих принципов на антропогенные системы. Методом данной науки является изучение и математическое моделирование процессов адаптивной самоорганизации с акцентом на сетевые компьютерные модели.
Концепция адаптивной самоорганизации (КАС) предлагает универсальный взгляд на природные системы и методологию их моделирования, позволяющую преодолеть барьер сложности, который сдерживает развитие широкого фронта перспективных исследований. КАС направлена на разрешение ряда методологических проблем современной науки, проявляющихся все сильнее в связи с четко наметившейся тенденцией к мультидисциплинарному прорыву через сложность описания природных систем. В число этих проблем входят: "проклятья" размерности и неустойчивости сложных моделей, ограниченная точность прогнозов поведения сложных систем, декларируемая некоторыми исследователями как "горизонт прогноза", большие трудности создания и анализа сложных моделей, содержащих множества взаимосвязанных уравнений и др. Модели сложных систем в рамках предложенной концепции представлены иерархиями сетей взаимосвязанных элементов и формируются процессами адаптивной самоорганизации, задающими аттрактивный ландшафт системы. Множество инвариантных многообразий на этом ландшафте организуют в компьютерных моделях инвариантный портрет системы заданного уровня сложности, требуемого для отображения динамики и структуры моделируемой системы с заданной точностью. Учет квазистационарности изучаемых явлений осуществляется адаптивной динамической реконструкцией аттрактивного ландшафта с сохранением системной целостности множества взаимодействующих процессов. Важной особенностью концепции является ориентация на сокращение разрыва между теоретическими и экспериментальными представлениями, имеющего место в ряде научных дисциплин. КАС строится как непрерывно развивающаяся система представлений, интегрирующая в себя новые научные достижения, и не предполагает эволюции к застывшей конечной форме, ограниченной заложенными исходными постулатами.
Приоритетные пути развития данного научного направления связаны с изучением соответствующих свойств головного мозга, сознания и мышления с целью совершенствования возможностей искусственного интеллекта, а также поиском методов улучшения прогнозов поведения и управления сложными системами с целью разрешения глобальных кризисов современности, в том числе, экологического и экономического.
Концепция адаптивной самоорганизации (КАС) предлагает универсальный взгляд на природные системы и методологию их моделирования, позволяющую преодолеть барьер сложности, который сдерживает развитие широкого фронта перспективных исследований. КАС направлена на разрешение ряда методологических проблем современной науки, проявляющихся все сильнее в связи с четко наметившейся тенденцией к мультидисциплинарному прорыву через сложность описания природных систем. В число этих проблем входят: "проклятья" размерности и неустойчивости сложных моделей, ограниченная точность прогнозов поведения сложных систем, декларируемая некоторыми исследователями как "горизонт прогноза", большие трудности создания и анализа сложных моделей, содержащих множества взаимосвязанных уравнений и др. Модели сложных систем в рамках предложенной концепции представлены иерархиями сетей взаимосвязанных элементов и формируются процессами адаптивной самоорганизации, задающими аттрактивный ландшафт системы. Множество инвариантных многообразий на этом ландшафте организуют в компьютерных моделях инвариантный портрет системы заданного уровня сложности, требуемого для отображения динамики и структуры моделируемой системы с заданной точностью. Учет квазистационарности изучаемых явлений осуществляется адаптивной динамической реконструкцией аттрактивного ландшафта с сохранением системной целостности множества взаимодействующих процессов. Важной особенностью концепции является ориентация на сокращение разрыва между теоретическими и экспериментальными представлениями, имеющего место в ряде научных дисциплин. КАС строится как непрерывно развивающаяся система представлений, интегрирующая в себя новые научные достижения, и не предполагает эволюции к застывшей конечной форме, ограниченной заложенными исходными постулатами.
Приоритетные пути развития данного научного направления связаны с изучением соответствующих свойств головного мозга, сознания и мышления с целью совершенствования возможностей искусственного интеллекта, а также поиском методов улучшения прогнозов поведения и управления сложными системами с целью разрешения глобальных кризисов современности, в том числе, экологического и экономического.
Аннотации трех наиболее значимых публикаций:
1. Lankin Yu.P. Self-Assembly of Models: Theory and Application of Description of Properties of Complex Systems // Population Dynamics: Analysis, Modelling, Forecast.– 2013.– 2(3): 117-128; URL: http://popdynamf.ung.si/Papers/Vol_2_3/Manuscr_Lank_2(3)_117-128.pdf.
2. Ланкин Ю.П., Иванова Н.С. Общий подход к моделированию разнообразия экосистем биосферы на основе фундаментальных свойств живых систем // Современные проблемы науки и образования.– 2011.– № 6; URL: http://www.science-education.ru/100-4883.
3. Ланкин Ю.П., Иванова Н.С., Басканова Т.Ф. Основы теории моделирования разнообразия экосистем биосферы на основе фундаментальных свойств живых систем // Современные проблемы науки и образования.– 2012.– № 1; URL: http://www.science-education.ru/101-5144
2. Ланкин Ю.П., Иванова Н.С. Общий подход к моделированию разнообразия экосистем биосферы на основе фундаментальных свойств живых систем // Современные проблемы науки и образования.– 2011.– № 6; URL: http://www.science-education.ru/100-4883.
3. Ланкин Ю.П., Иванова Н.С., Басканова Т.Ф. Основы теории моделирования разнообразия экосистем биосферы на основе фундаментальных свойств живых систем // Современные проблемы науки и образования.– 2012.– № 1; URL: http://www.science-education.ru/101-5144