Слайд 1XVIII ВСЕРОССИЙСКАЯ КОНФЕРЕНЦИЯ-ШКОЛА МОЛОДЫХ ИССЛЕДОВАТЕЛЕЙ "СОВРЕМЕННЫЕ ПРОБЛЕМЫ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ", посвященная
памяти Л.А. Крукиера
Социальные константы в динамике ценностных ориентаций российского социума
(результаты исследований на клеточном автомате)
Шведовский В.А., д.с.н., к.ф.-м.н.
МГУ им. М.В.Ломоносова, ф-ты ВМиК, ВШССН
Слайд 2Цель доклада – показать:
существование инвариантов в моделировании динамики отношений взрослого
населения России к её власти
что погрешность прогноза с учётом
таких инвариантов этой эволюционной траектории социума цепью из К клеточных автоматов, соединяемых в одну последовательность переходными процессами, имеет вполне приемлемую величину для К≤10.
Слайд 4
Рис.6. Динамика рейтинга В.В.Путина в 1999-2019 гг (Левада-Ц.)
Слайд 5Динамика оценки властных структур РФ (2007-16 гг - ВЦИОМ )
как предмет моделирования и прогнозирования
Слайд 6Итоговая оценка ошибки прогноза объёма продаж ВТ
«Из рисунка
видно, что погрешность прогноза на год публикаций, как правило, не
менее 10% , на 3 года вперёд – в пределах 20-60% ».[3, c.94-95]
Слайд 7Определение клеточного автомата (1)
Пусть задано конечное множество X0 – состояний
одной клетки. Для простоты будем считать, что
-(p-1), ..., -1, если она имеет синий цвет (с)
X0 = 0, если она имеет белый цвет (б)
1, …, p-1, если она имеет красный цвет (к)
p ≥ 2.
Положим Xij = X0 для каждой клетки с координатами (i,j) 2-мерной целочисленной решётки Z = Z2 , предварительно разместив цвета клеток равномерно случайно по рабочему полю
согласно условию: N(s)к + N(s)с + N(s)б = N0 - сonst , где N(s)к,с,б – число клеток данного цвета в момент времени s, при этом
N(s)б , N0 - сonst
Слайд 8Определение клеточного автомата (2) -
локальное правило взаимодействия клеток - F
Каждая
клетка с координатами (i,j) «опрашивает» своих соседей по окрестности Мура
с r =1 об их цвете:
если цвета совпадают, то состояния этих клеток не меняются; если цвета разные, то
а) в случае белого цвета, помимо его сохранения, через эту клетку строится вектор длины r=2, и в клетке на конце этого вектора цвет не меняется;
б) в случае иного цвета, состояние клетки меняется на 1 в пользу цвета клетки – источника, помимо такого акта, через эту клетку строится вектор длины r=2, и в клетке на конце этого вектора цвет также изменится, если она не белая, и не одного цвета с клеткой источником.
Слайд 9Определение двумерного клеточного автомата с Муровской окрестностью
Слайд 10Определение клеточного автомата как динамической системы
Отображение TF непрерывно и порождает
на Ω(d) динамическую систему с дискретным временем - полугруппу непрерывных
отображений {(TF )n }n∈Z+ , если TF необратимо, или группу гомеоморфизмов {(TF )n }n∈Z, если TF обратимо.
Слайд 11Определение клеточного автомата
Даны 2-мерная целочисленная решётка Z = Z2 и
пространство конфигураций
Ω= {0, 1}Z с элементами σ: Z2 →
{0, 1}. Пусть σx есть значение конфигурации σ в точке x Є Z2 и пусть заданы набор попарно различных векторов u1, u2, …, us, где s < ∞ и функция f : {0, 1}s → {0, 1}.
Клеточным автоматом с локальными правилами f называется пара (Ω, F), где отображение эволюции F : Ω → Ω определяется по формуле
(Fσ)x = f(σx+u1 , … , σx+us ), x Є Z2
Слайд 12Перколяционно-клеточные автоматы – рабочее поле моделирования
N(s)к + N(s)с +
N(s)б = N0
N(e)к + N(e)с + N(e)б = N0
N(s)к –
число красных ячеек
в момент старта - s
N(s)c – число синих ячеек
в момент старта - s
N(s)б – число белых ячеек
в момент старта - s
е – еnd – момент останова
N(s)б = N(e)б
Слайд 13Зависимость времени выхода на «плато» с одного старта - в
состояние равновесия от числа «ручек»:
левый Рис. – 3 ручки; средний
- 5 ручек; правый Рис. – 7 ручек
Слайд 14Конфигурация модели - сфера с ручками
Переход на краях поверхности
Связи клеток
на краях поля
Слайд 15 Перекладывание 3-х подинтервалов – преобразование пучка
параллельных отрезков – как формирование всюду плотных траекторий на компактной
2-мерной поверхности рода 3 (тор, приклеенный к кренделю)
Для сильной эргодичности,
т.е. возможности считать
средние величины для всего
рабочего поля ПКА,
необходимы простые
числа: 3, 5, 7, 11, …
Возникает эффект
перемешивания
Слайд 16Taбл. 2. Зависимость времени релаксации ПКА к состоянию равновесия от
плотности белых клеток d и топологического рода ρ двумерной поверхности
рабочего поля ПКА.
Слайд 17Определение топологической энтропии в перенормированной форме
Обозначим через Z+ = {0}
U N «временную» ось и рассмотрим расширенную решётку « пространство
х время» Zd x Z+ , где d - размерность решётки, здесь d=2 . В этом пространстве рассматриваем расширенные конфигурации τ: Zd x Z+ → {0, 1}
Пусть - пространство из расширенных конфигураций τ со свойством τi+1 = F(τi) t Є Z+
Рассмотрим конечное подмножество S С Zd x Z+ и разбиение на конечное число классов эквивалентности. Пусть N(S) - количество этих классов, и пусть H{S) = In N(S).
При этом
1. H(S) > 0, 2. H(S) ≤ H(S') при S С 5', 3. Н( 5 U S') ≤ H(S) + Н (S'), 4. Н( S + v) = H(S ) для любого вектора v Є Zd .
Пусть Il = {1,…, l} Z+ - временной интервал длины l+1. Тогда для подмножества
В Zd определяется функция информации h(B):
h(B) =
C помощью которой топологическая энтропия определяется как
h top(F) =
Слайд 18Сравнение роста функций различной вычислительной сложности
Слайд 19Cпецифика расчёта топологической энтропии клеточных автоматов
Если
локальные правила ПКА являются линейной (булевой) функцией, то h top(F)
= 0 или ∞.
Авторами [11] доказано достаточное условие h top(F) = ∞. Им оказалось наличие у данного ПКА такой подвижной сложной конфигурации как «космический корабль»*) .
В наших вычислительных экспериментах с ПКА подобной конфигурации не наблюдалось. Ранее Милнор поставил вопрос о получении оценки 0 < h top(F) < ∞ , а Синай [8] представил пример ответа на него с использованием перенормировки, т.е. замены нормирующего множителя 1/n на другой, с большей скоростью сходимости.
________________________-
*) – это напоминает другой, открытый существенно раньше в теории динамических систем, маркер, указывающий на оценку топологической энтропии:
Если f: I → R обладает подковой Смейла, то log2 ≤ htop {f)
Примеры линейной, ориентируемой «подковы» [4. с.441]
Слайд 20Теорема о конечности топологической энтропии ПКА
Если ПКА как динамическая система
имеет устойчивое стационарное состояние, то его топологическая энтропия положительна и
не равна бесконечности
Слайд 21Сравнение топологической энтропии htop разных источников погрешности прогноза
Слайд 22Оценка длины ветви прогноза
Из факта аддитивности энтропийных оценок следует их
принадлежность к интервальной шкале. Это означает возможность расчёта линейной оценки
итоговой погрешности прогноза и корректной длины ветви прогноза.
σ = 2h-1/2 /(eπ)1/2 = 0.26
ПКАi-1
ПКАi
ПКАi+1
i =?
Слайд 25Структуризация позиций группы «К»
«колеблющихся» по типологии Шварца –Магуна
примерная стабильность %
в 2008, 2010, 2012 гг
Гипотеза: 24% группы К (слабая СО
– патерналистская ориентация) –
Повтор распределения распространённости ценностей всего населения
Слайд 26Taбл. 1. Индикаторы распространённости и укоренённости культурных кодов ценностей коллективизма
и индивидуализма в российском социуме
Слайд 27Прогноз % голосов для президентских выборов (2018) – на основе
исходных данных Левады- центра
7
Слайд 28К расчёту времени хаотизации – выхода ПКА на «плато»
динамического равновесия с использованием аппроксимирующих функций (для восходящей ветви)
n -
число итераций, С1 - стартовое значение доли «красных клеток» = N(s)к ;
С2 - итоговая доля «красных клеток» в состоянии равновесия = N(e)к ;
τ - время выхода на «плато», оцениваемое числом итераций – здесь n = 10;
α – показатель экспоненты, - здесь в блоке «Given»: х = α , y =С2 , F30= C1 = 0, 54
Слайд 29К расчёту времени хаотизации – выхода ПКА на «плато»
динамического равновесия с использованием аппроксимирующих функций (для нисходящей ветви)
n -
число итераций, F30 - стартовое значение доли «синих клеток»
F3e - итоговая доля «синих клеток» в состоянии равновесия = N(e)к ;
τ - время выхода на «плато», оцениваемое числом итераций – здесь n = 10;
α – показатель экспоненты; в блоке «Given»: х = α , y =С3 , z= C4 = 0,54
С3 х (1 + C4) = F30
Первая социальная константа
Гипотеза: показатели экспонент для восходящей и нисходящих ветвей α одинаковы и равны 0.382
Выполняется с точностью Δ = 0.оо5
Слайд 30Линейный и нелинейный прогноз рейтинга президента РФ в контексте динамики
основных показателей цикла Кондратьева
Слайд 31Выводы и заключение
Род поверхности γ существенно влияет на процесс перколяции:
с ростом рода, т.е. степени связности социума (1 inv), увеличивается
скорость процесса релаксации к локальному равновесию
Уменьшение плотности неактивных клеток решётки рабочего поля взаимозаменяемо с родом поверхности γ
Установлено существование одинаковой социальной константы – модуля степени экспоненциальной функции как для восходящей, так и нисходящей ветви процесса выхода на «плато» динамического равновесия ПКА, т.е. этот выход на плато синхронизован социумом (2 inv) .
Среднесрочный прогноз оценки деятельности институтов власти без высоких требований к точности показателей (≤20%) может быть осуществлён как последовательный ряд ситуаций трендов и стационарных равновесий вместе с переходными процессами, реализуемыми на перколяционно-клеточных автоматах.
Большим значениям топологической энтропии (3 inv), обусловленной фрактальной размерностью графика одобрения деятельности властей, отвечает меньшая степень взаимного доверия в социуме (htop (РФ) > htop (ФРГ), htop (Швеция), htop (Япония))
Мобилизационный потенциал социума тем выше – при прочих равных условиях (численность адептов и сторонников, спонсорство и т.д.), чем быстрее осуществляется выход на «плато», - эта скорость зависит от степени укоренённости культурных кодов социума (4 inv)
Особым ресурсом управления субъективными факторами, компенсирующими неблагоприятное сочетание социально-экономических факторов, например, негативные последствия нынешней фазы цикла Кондратьева, является укрепление социально-психологического (морально-политического) потенциала российского общества, в частности, преодоление «синдрома Лихачёва» об отрицании скрепляющей общество идеологии, основанной на доверии (шведский опыт).
Слайд 32Список литературы
1. Алексеев В.М., Якобсон М.Н. Символическая динамика и гиперболические
системы / Добавление в книге Р. Боуэна «Методы символической динамики»
- Серия Математика. Новое в зарубежной науке, МИР, М.: 1979, с. 203.
2. Белов А.Я., Митрофанов И. Периодичность схем Рози и подстановочные системы / Режим доступа : 1107.0185 Это документ с сайта arxiv.org, 2018.
3. Громов Г.Р. Национальные информационные ресурсы: проблемы промышленной эксплуатации. – М.: Наука, 1984.
4. .Гонченко С.В., Гонченко А.С. К вопросу о классификации линейных и нелинейных подков Смейла. НЕЛИНЕЙНАЯ ДИНАМИКА, 2007, Т. 3, №4, с. 423–443
5. Гальперин Г.А., Земляков А.Н. Математические бильярды, - М.: Наука. Гл. ред. физ.- мат. лит. , 1990.
6. Каток А.Б. Введение в современную теорию динамических систем . М.: «Факториал», 1999.
7. Корнфельд И.П., Синай Я.Г. Энтропийная теория динамических систем. Глава 3. Общая эргодическая теория групп преобразований с инвариантной мерой. I. ДИНАМИЧЕСКИЕ СИСТЕМЫ- 2, Редактор-консультант профессор Я.Г.Синай. «Современные проблемы математики. Фундаментальные направления. Том 2. (Итоги науки и техн. ВИНИТИ АН СССР)». М.,1985
8. . Е.Л. Лакштанов, |Е.С. Лангваген ЭНТРОПИЯ МНОГОМЕРНЫХ КЛЕТОЧНЫХ АВТОМАТОВ //Проблемы передачи информации, Т.42, Вып.1 2006
9. Лоскутов А.Ю., Козлов А.А., Хаханов Ю.М. Энтропия и прогноз в теории динамических систем / / Изв. Вузов «ПНД», т.17, № 4, 2009, с. 98-114.
10. Синай Я.Г. Современные проблемы эргодической теории . М.: «Физико-математическая литература», 1995.
11. Н. И. Чернов, Средняя длина пробега в биллиардных системах, Матем. просв., 2001, выпуск 5, 100–105.
12. Чернов Н.И., Федянин В.К., Шведовский В.А. Вычисление Н-энтропии бильярда в замкнутой плоской области с рассеиванием. Дубна: ОИЯИ, 1983. Препринт Е-17-83-236.
13. Шведовский В.А. Зависимость энтропии бильярдов от топологии области (случай квадрата и тора), препринт Р17-80-180 ОИЯИ, Дубна, 1980.
14. Штомпка П. Доверие – основа общества /Петр Штомпка: пер. с пол. Н.В.Морозовой. — М.: Логос, 2012
Приношу благодарность магистранту ВМиК МГУ им. М.В. Ломоносова С.В. Сухову за проведённые эксперименты с клеточным автоматом.