автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Модели адаптации и обучения команд при управлении проектами

На правах рукописи

Бурых Игорь Владимирович

МОДЕЛИ АДАПТАЦИИ И ОБУЧЕНИЯ КОМАНД ПРИ УПРАВЛЕНИИ ПРОЕКТАМИ

Специальность 05.13.10 - управление в социальных и экономических системах

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

ии3166В52

Воронеж - 2008

003166652

Работа выполнена в государственном образовательном учреждении высшего профессионального образования Воронежский государственный архитектурно-строительный университет

Научный руководитель: кандидат технических наук, доцент

Половинкина Алла Ивановна

Научный консультант: доктор технических наук, профессор

Новиков Дмитрий Александрович

Официальные оппоненты: доктор технических наук, профессор

Леденева Татьяна Михайловна

кандидат технических наук Федорова Ирина Владимировна

Ведущая организация: ГОУВПО Липецкий государствен-

ный технический университет

Защита состоится «23» апреля 2008 г в 12 00 часов на заседании диссертационного совета Д 212 033 03 при Воронежском государственном архитектурно-строительном университете по адресу 394006, г Воронеж, ул 20-летия Октября, 84, а 3220

С диссертацией можно ознакомиться в библиотеке Воронежского государственного архитектурно-строительного университета

Автореферат диссертации разослан «24» марта 2008 г

Ученый секретарь диссертационного совета

Чертов В А

Общая характеристика работы Актуальность темы. В условиях современного этапа научно - технического прогресса коренным образом изменилась роль человека в производстве Если прежде он рассматривался лишь как один из факторов последнего, то сегодня превратился в главный стратегический ресурс, достояние компании в конкурентной борьбе Это связано в его способностью к творчеству, которое сейчас становится решающим условием успеха любой деятельности Люди теперь рассматриваются не как кадры, а как «человеческие ресурсы» и их ценность как фактора успеха все возрастает Общепризнано, что человеческие ресурсы стали определяющими для достижения конкретных преимуществ современных экономик не природные богатства, а накопленные знания, информация и опыт образуют основной материал, закладываемый в фундамент экономического процветания ведущих стран мира Отсюда пристальный интерес, проявляемый к человеческому капиталу ведущими экономистами, а вслед за ними и политическими лидерами

В современных условиях главным ресурсом эффективного хозяйствования является корпус специалистов От их квалификации, деловой активности, умения взаимодействовать между собой и достичь социально значимого результата зависят судьбы людей и перспективы развития фирмы, экономического района Одним из наиболее востребованных личных качеств, наряду с профессионализмом является способность специалиста действовать в команде Командообразование — острая проблема во всех областях, где необходимо эффективное групповое участие (в бизнесе, политике, спорте) Создание команды представляет собой сложный творческий процесс, требующий огромных финансовых затрат и интеллектуальных усилий Деятельность команд происходит в изменяющихся внешних условиях, поэтому важной является способность команды реагировать соответствующим образом на процесс изменения этих условий, путем изменения действий (включая в общем случае функции и объемы работ), выбираемых членами команды, на основе текущей информации в изменяющихся условиях, то есть адаптироваться к изменяющимся внешним условиям С адаптацией тесно связано обучение команды в процессе профессиональной деятельности, когда под влиянием изменяющихся внешних условий осуществляется изменение параметров системы, позволяющее реапизовывать более эффективное в изменившихся условиях поведение

Таким образом, актуальность темы диссертационной работы определяется необходимостью разработки комплекса моделей, описывающих процессы адаптации и обучения команд в ходе осуществления профессиональной деятельности

Основные исследования, получившие отражение в диссертации, выполнялись по планам научно-исследовательских работ

- федеральная комплексная программа «Исследование и разработки по приоритетным направлениям науки и техники гражданского назначения»,

- госбюджетная научно - исследовательская работа «Разработка и совершенствование моделей и механизмов внутрифирменного управления»

Цель и постановка задач исследования Целью диссертации является разработка комплекса моделей адаптации и обучения команд, описывающих процесс изменения действий, выбираемых членами команды, на основе текущей информации в изменяющихся внешних условиях функционирования команды

Достижение цели работы потребовало решения следующих основных задач

1 Проанализировать существующие модели адаптации и обучения персонала

2 Разработать модель адаптации одного агента к изменяющимся внешним условиям

3 Получить модель адаптации команд при условии одинаковой информированности членов команды

4 Разработать модель обучения одного агента в ходе своей профессиональной деятельности на основе накопления личного опыта

5 Построить модель обучения членов команды в процессе работы при различных свойствах процесса итеративного научения

Методы исследования. В работы использованы методы моделирования организационных систем управления, теории активных систем, системного анализа, математического программирования, теории игр

Научная новизна В диссертации получены следующие результаты, характеризующиеся научной новизной

1 Разработана модель адаптации агента на основе процесса изменения действий (включая в общем случае функции и объемы работ), выбираемых агентом, на основе текущей информации в изменяющихся внешних условиях функционирования команды, что позволяет отразить эффект приспособления к изменяющимся внешним условиям, также описать процесс адаптации агента как к резкому, так и к «медленному» изменению внешних условий

2 Получена модель адаптации команд в предположении о том, что каждый агент наделяет оппонента той же информированностью, какой обладает он сам, что позволяет определить время адаптации команды - время, за которое при неизменной внешней среде агенты на основании наблюдаемой информации могут однозначно идентифицировать состояние внешней среды

3 Разработана модель обучения одного агента, отличающаяся тем, что объем уже выполненных агентом работ условно отражает накопленный им «опыт», что позволяет определять оптимальный выбор объемов работ, выполняемых агентом в те или иные промежутки времени

4 Построена модель обучения членов команды в процессе работы, когда процесс итеративного научения аппроксимируется экспоненциальной и логистической кривой, что позволяет установить, что условием стабильного и эффективного функционирования команды является наличие общего знания, на формирование которого обычно нацелено большинство организационных и других усилий в процессе формирования и обучения команды

Достоверность научных результатов Научные положения, теоретические выводы и практические рекомендации, включенные в диссертацию, обоснованы математическими доказательствами Они подтверждены расчетами на примерах,

производственными экспериментами и многократной проверкой при внедрении в практику управления

Практическая значимость и результаты внедрения На основании выполненных автором исследований построены модели адаптации и обучения команд в процессе профессиональной деятельности, как результат реакции команды на изменение внешних условий в которых она функционирует

Использование разработанных в диссертации моделей и механизмов позволяет многократно применять разработки, тиражировать их и осуществлять их массовое внедрение с существенным сокращением продолжительности трудозатрат и средств

Разработанные модели используются в практике работы АОО «ЛУЧ» (г Воронеж) и ЗАО «СТЕЛ-ИНВЕСТ» (г Воронеж)

Модели, алгоритмы и механизмы включены в состав учебного курса «Управление персоналом», читаемого в Воронежском государственном архитектурно - строительном университете

На защиту выносятся:

1 Модель адаптации агента к изменившимся внешним условиям, когда под адаптацией понимается изменение информированности о внешней среде и на основе этого знания изменение поведения (действий, выбираемых на основе имеющейся информации)

2 Модель адаптации команд, отражающая эффекты приспособления, привыкания членов команды к изменяющимся внешним условиям, что выражается изменением действий, выбираемых членами команды

3 Модель обучения одного агента в ходе профессиональной деятельности на основе накопления опыта

4 Модель обучения членов команды в процессе работы, когда недостаток начальной квалификации агента может быть успешно компенсирован эффективным обучением как на его собственном, так и чужом опыте

Апробация работы

Основные результаты исследований и научных разработок докладывались и обсуждались на следующих конференциях международные конференции «Современные сложные системы управления» (Воронеж, 2005 г, г Тверь, 2006 г), международная научно-практическая конференция «Сложные системы управления и менеджмент качества» (г Старый Оскол, 2007 г), 60 - 62 научно-технические конференции по проблемам архитектуры и строительных наук (Воронеж, ВГАСУ, 2005-2007 гг)

Публикации. По теме диссертации опубликовано 7 печатных работ в том числе 4 работы в опубликованы в изданиях, рекомендованных ВАК РФ

Личный вклад автора в работах, опубликованных в соавторстве, состоит в следующем в работах [1], [3] автору принадлежит модель адаптации команд, в работе [2] автору принадлежит модель адаптации агента к изменившимся внешним условиям, в работе [4] автору принадлежит модель обучения членов команды в процессе работы

Объем и структура работы Диссертация состоит из введения, трех глав, заключения, списка литературы и приложений Она содержит 140 страниц основного текста, 23 рисунка, 4 таблицы и приложения Библиография включает 171 наименований

СОДЕРЖАНИЕ РАБОТЫ Во введении обосновывается актуальность, описывается цели и задачи исследования, научная новизна и практическая значимость

В первой главе отмечается, что потенциал команды, как правило, значительно превышает потенциал, рабочей группы Но команда требует и большего вклада от всех членов для реализации этого потенциала Команда - это, прежде всего социальная группа, в которой неформальные отношения между ее членами могут иметь большее значение, чем формальные, а действительная роль и влияние конкретной личности не совпадать с ее официальным статусом и весом Команды - это реально функционирующие структуры, которые все чаще используются для эффективного выполнения работы, во много раз повышая скорость и качество работы

Но команды создаются и функционируют в конкретных условиях внешней среды, которая может быть подвержена значительным изменениям с течением времени Естественно возникает потребность каким-то образом реагировать на эти изменения В качестве такой реакции, как правило, рассматривается изменение действий (включая в общем случае функции и объемы работ), выбираемых членами команды, на основе текущей информации в изменяющихся внешних условиях функционирования команды, что и понимается под адаптацией команды к изменениям

Традиционно выделяют четыре вложенных уровня адаптации любой системы изменение информированности о внешней среде, изменение поведения (действий, выбираемых на основе имеющейся информации), изменение параметров системы, позволяющее реализовывать более эффективное в изменившихся условиях поведение, целенаправленное изменение внешней среды (активная адаптация)

Третий уровень адаптации может быть охарактеризован как обучение команды в процессе профессиональной деятельности Обучение и адаптация тесно связаны, но обучение может происходить и при постоянных внешних условиях, а адаптация имеет место только при наличии их изменений

К сожалению, существующие модели, описывающие процесс адаптации и обучения исходят из представления процесса адаптации как приспособление сотрудника или коллектива к требованиям, предъявляемым организацией Возможен и обратный процесс, когда организация или ее часть адаптируется под требования отдельного сотрудника или их группы Примером может служить смена собственника или управленческой команды То есть в данном случае рассматривается задача управления персоналом без учета особенностей команды, как реально существующей организационной формы

Таким образом, основная задача диссертационного исследования определяется необходимостью разработка комплекса моделей адаптации и обучения команд, описывающих процесс изменения действий, выбираемых членами команды, на основе текущей информации в изменяющихся внешних условиях функционирования команды представляется актуальной задачей

Во второй главе рассматривается понятие адаптации команд Специфика команд заключается, в частности, в том, что каждый агент в качестве информации для корректировки своих представлений о неопределенном параметре может использовать не только результаты наблюдения за внешней средой, но и результаты наблюдения за действиями и результатами деятельности других агентов, пытаясь «объяснить», почему они выбрали именно эти действия

Перейдем к описанию модели «Условия существования» команды N = {1,2, , п}, состоящей из п агентов, отразим в модели значением состояния природы 0 е О, описывающим все существенные характеристики внешней среды Агент с номером i е N имеет интервальную информацию со,(9) с Q о состоянии природы, причем эта информация не противоречит истинному положению дел, то есть V в е Q, V i е N 0 е <а,(0) Традиционно в теории управления при рассмотрении моделей адаптации большее внимание уделяется случаю вероятностной неопределенности относительно внешней среды Использование развитого в этой области математического аппарата применительно к задачам адаптации команд представляется перспективным направлением будущих исследований

Результат z = G(0, х) команды в целом зависит от вектора х = (хьх2, , хп) еХ' = П'Г, действий всех членов команды, где х, е Х„ и со-

ie V

стояния природы 0 Будем считать, что каждый агент наблюдает вектор действий всех агентов, общий результат и выигрыши всех агентов

Предположим, что выигрыш каждого агента зависит от состояния природы 0 и результата z команды в целом f,(z) = f,(0, G(x, 0)), i e N, причем множество агентов N, их действительнозначные целевые функции {f,()} и допустимые множества {X,}, а также множество Q возможных значений состояний природы, функция G() и факт наблюдения как результата и выигрышей, так и всего вектора действий каждым членом команды являются среди них общим знанием Возможными расширениями модели являются предположения о том, кто из агентов какие величины наблюдает — ненаблюдаемыми для агента могут быть вектора действий других агентов, их выигрыши и др Если агенты выбирают свои действия одновременно и независимо, то имеет место их игра

Обозначим множество параметрических (параметром является значение состояния природы) равновесий Нэша через En(6) = {{х,}, е N е X' I V 1 е N, V у, е X,

f,(0,G(0,xb , х„)) > f,(0, G(6, х„ ,х,.ьу„х1+1, , xn))} (1) Если множество Qo возможных значений состояний природы является общим знанием среди агентов, то, предполагая, что они устраняют неопределенность вычислением максимального гарантированного результага, получим следующее множество равновесий их игры

E(fio) = {{x,}, 6 „ 6 X' I V i 6 N, V у, e X, mm f,(0, G(6, x,, , x„)) >

ÖeQ0

> min f,(0, G(0, хь , X, ,, y„ xl+1, , x„))}

lieQ„

Обозначим 7t(x) cz Q - множество состояний природы, при которых наблюдаемый агентами вектор их действий является равновесием

тс(х) = {0 е Q | 3 П0 б е Q0, х е Е(Оо)} (2)

Обозначим g = (gi,g2, , gn) е 31" - наблюдаемый агентами вектор значений их целевых функций

Обозначим множество тех значений состояний природы, при которых (наряду с наблюдаемым результатом z) могут реализоваться наблюдаемые выигрыши агентов g через

5(g, z) = {0 е fi | fj(0, z) = gj,j e N} (3)

Проанализируем более детально информированность агентов У i-го агента имеются, как максимум, четыре «источника информации» о состоянии природы

1) априорная частная информация со,(0) с П,

2) действия других агентов наблюдая их и предполагая, что оппоненты действуют рационально, агент может осуществлять рефлексию - оценивать ту информацию тг(х) о состоянии природы, на основании которой рационален выбор оппонентами именно этих действий Возможны и более сложные случаи - когда имеет место нетривиальная взаимная информированность агентов Тогда вместо параметрического равновесия Нэша следует использовать информационное равновесие игры агентов

3) выигрыши g агентов - на основании этой информации агенты могут сделать вывод о тех состояниях природы, при которых наблюдаемый результат приводит к наблюдаемым выигрышам - см выражение (3),

4) множество рей состояний природы, при которых наблюдаемый вектор действий агентов приводит именно к данному наблюдаемому значению z результата

р(х, z) = {в е Q | G(0, х) = z} (4)

Отметим, что в силу введенных предположений информация пунктов 2)-4) является общим знанием среди агентов, то есть, с точки зрения друг друга они, наблюдая одни и те же параметры, должны одинаково (и предсказуемо для оппонентов) изменять свои представления о состоянии природы То есть, общим знанием является информация

I(x, z, g) = л(х) П р(х, z) П 5(g, z) с £2 Этим предположением, наряду с предположением о том, что каждый агент считает, что имеет место общее знание на первом уровне структуры информированности, исключается из рассмотрения (но не из предметов дальнейших исследований) рефлексия агентов относительно информированности оппонентов

На основании перечисленных источников информации i-ый агент может вычислить оценку J, с П значения состояния природы как пересечение общего знания I(x, z, g) с его частной информацией со,

J,(ö)„ х, z, g) = (О, n I(x, z, g) (5)

Обозначим 8о - фактическое значение состояния природы и рассмотрим последо вательно в порядке усложнения несколько моделей один агент - несколько агентов, статика - динамика Под «статикой» в рассматриваемой дискретной модели подразумевается однократный выбор агентами своих действий, под «динамикой» - последовательность таких выборов

Если агент принимает решение однократно, то на момент принятия решений о выбираемом им значении своего действия ему известно только множество со с Q значений состояний природы Будем считать, что, принимая решение в условиях интервальной неопределенности, агент использует принцип максимального гарантированного результата, то есть, выбирает действие

xM1P(ü)) = arg max mm f(Q, G(6, x)) (6)

te \ 8ew

Так как рассматривается статическая ситуация (однократный выбор агентом своего действия), и другие агенты отсутствуют, то агент не может использовать информацию (4) о наблюдаемом им результате или своем выигрыше

Пример 1 Пусть n = 1, х > О, Q = [1, 4], м = [2, 4], 0О = 3, z = х / 9,

f(e, z) = (9 -а z) z - z2 / 2, (7)

где а > 0 - известная размерная константа Содержательно, если интерпретировать агента как производителя некоторой продукции, спрос на которую зависит от объема производства, то 0 может рассматриваться как уровень спроса (по объему и по качеству) - чем больше значение 0, тем выше цена (0 -а z) и выше требования к качеству - для обеспечения одного и того же «объема» нужны большие усилия - действие х Чем выше объем производства, тем цена ниже

В соответствии с целевой функцией (7) выигрыш агента представляет собой разность между выручкой (произведением цены на объем производства) и затратами, которые описываются квадратичной зависимостью

Если бы значение состояния природы было достоверно известно агенту, то ему следовало бы выбирать действие

х*(в) = -^-, (8)

2а +1

максимизирующее целевую функцию, зависящую от состояния природы и его действия

fo(0, х) = (0 - а х / 0) х / 0 - х2 / (2 02) (9)

Так как целевая функция (7) монотонно возрастает по 0 при любых допустимых действиях агента, то в соответствии с выражением (6)

Хмгр(<в) = 4 / (2 а + 1) (10)

Наблюдая (10) и либо результат хМгр(<»)/0о, либо свой выигрыш f(©0, хМГр(ш) / во), а, тем более, обе эти величины одновременно, агент может однозначно оценить истинное значение 0О состояния природы

Приведенный пример иллюстрирует ситуации, когда однократного наблюдения агентом соответствующей информации достаточно для восстановления истинного значения состояния природы При этом нет нужды ни в повторных наблюдениях, ни в информации о выборах других агентов (если бы таковые име-

лись) Однако, возможны случаи, когда однократного наблюдения агенту недостаточно

Рассмотрим поведение нескольких агентов в динамическом случае Обозначим х[ е X, - действие i-го агента в момент времени t, х1 ' - совокупность векторов действий всех агентов за t периодов К окончанию периода t общим знанием среди агентов является информация

I(x', z\ g') = я(х') П р(х\ z') П 5(g', z') с Q На основании всех источников информации i-ый агент за t периодов может вычислить оценку J\ с Q значения состояния природы как пересечение общего знания I(x', z', g') с его частной информацией J/"1, соответствующей предыдущему периоду

j; = j;" n i(x', z\ g4) (11)

Другими словами, его оценка состояния природы сузится до множества

У,'(со,, х1 z' \ g' ') = со, П fV(*T,g') (12)

т=|

Введем такое понятие, как «время адаптации команды» — время, за которое при неизменном значении состояния природы агенты на основании наблюдаемой информации могут однозначно идентифицировать состояние природы Значение времени адаптации (продолжительности переходного процесса) определяется тем, какие параметры наблюдают агенты, размерностью вектора, описывающего состояние природы, а также свойствами точечно-множественных отображений (2)-(4)

Время адаптации сокращается (корректней говоря - не увеличивается) с увеличением числа наблюдаемых членами команды параметров и возрастает (корректней говоря — не уменьшается) с увеличением размерности вектора, описывающего состояние природы, и/или ростом априорной неопределенности (расширением множеств {to,}, описывающих частную информацию агентов)

Пример 2. Рассмотрим модель олигополии Курно, функционирующей в условиях неопределенности Пусть п = 2, х, > О, /=1,2, z = xi+x2, /2= [1,5], <°\ = [Ь 4], а>1 = [2, 5], 6>о = 3, где а > 0, г > 0 - известные размерные константы То есть, агенты различаются лишь своей информированностью о состоянии природы Предположим теперь, что имеются два агента, каждый из которых наблюдает только свое действие и свой выигрыш Тогда в результате наблюдений i-ый агент получает уравнение

(6 - а (х, + х2)) (х, + х2) - х,2 г / 2 = g, (13)

с двумя неизвестными - х3_, и 9, i =1, 2

Если каждый из агентов считает, что имеет место общее знание, то есть наделяет оппонента той же информированностью, какой обладает он сам, то он должен считать, что оппонент выберет то же действие, что и выбирает рассматриваемый агент (напомним, что в данном примере агенты различаются лишь своей информированностью о состоянии природы) Подставляя в (13) реальный выигрыш агента и

х3-, = ХмгрХ05!)*

получим:

(0 - 2 а х))2 х] — (дг,' )2 г / 2 = (0О - а (л,1 + ))(*,' + х[)-{х))1 г I 2, (14) откуда ьый агент может вычислить на конец первого периода нижнюю оценку

е; =(0о-а(Л; + *:))(*; + *!)/2 + 2а (15)

значения состояния природы, 1 = 1,2.

Предположим, что а = г = 1, тогда

х! = 0,2, х'3 = 0,4, 0| = 4, 6!, = 2,6.

Во втором периоде агенты подставят соответствующие оценки 6| и 01, в выражение для выбираемого действия в случае информированности о состоянии природы, то есть выберут действия

х{ = 0,8, 4 = 0,52,

подставят их в аналог выражения (14), вычислят новые оценки состояния природы и т.д.

В общем случае динамика оценок состояния природы агентами имеет вид (ср. с (14)):

о; = (00 - а К + *;)) {х[ + х\) / 2 х\ + 2 а 1 =1, 2,1= 1, 2, ... . (16)

На основании этих оценок агенты будут выбирать действия:

х;(0;■')= | = 1,2,1= 1,2, ... . (17)

4а + г

Таким образом, адаптация команды в рассматриваемом примере будет описываться системой (16)-(17) итерированных функций с начальными условиями, определяемыми на основании априорной информации агентов в соответствии с принципом максимального гарантированного результата.

На рис. 1 и рис. 2 представлены соответственно динамика оценок состояния природы агентами (первый уровень адаптации) и динамика действий агентов (второй уровень адаптации).

Рис.1. Динамика оценок состояния природы агентами (первый агент - треугольники, второй - квадраты)

Видно, что процессы изменения агентами своих оценок сходятся (достаточно быстро - изменения через 8-10 шагов становятся малозаметными), причем сходятся они к истинному значению состояния природы. Кроме того, несмотря на

П

различную априорную информированность, агенты в результате выбирают одинаковые действия (что вполне естественно, так как целевые функции агентов одинаковы). В рассматриваемом примере время адаптации, строго говоря, равно бесконечности, хотя время попадания в любую наперед заданную непустую окрестность истинного значения состояния природы конечно.

Рис. 2. Динамика действий агентов (первый агент - треугольники, второй - квадраты)

Адаптация соответствует приспособлению, привыканию и т.п. к изменяющимся внешним условиям. Рассмотренные в настоящем разделе модели адаптации команд позволяют отражать эти эффекты. Приведем пример, иллюстрирующий процесс адаптации команды к резкому изменению внешних условий.

Пример 3. Предположим, что в условиях примера 2 на 11-ом шаге значение состояния природы изменилось и стало равно не 3, а 4, причем первоначальные оценки нового значения состояния природы были: у первого агента — 3,5, у второго — 4,5 (см. рис. 3).

В рассматриваемом примере характерное время изменения состояния природы равно 10 шагам. Время адаптации команды меньше него — за 10 шагов переходный процесс почти закончился. Адаптацию имеет смысл рассматривать, если время адаптации не превышает характерного времени изменения внешней среды.

Рис. 3. Процесс адаптации команды к резкому изменению внешних условий на 11-

ом шаге 12

Изменение внешних условий может происходить и постепенно, соответственно команда должна адаптироваться и к «медленным» изменениям условий своего функционирования

В третьей главе отмечается, что члены команды в процессе совместной деятельности сознательно или неосознаваемо приобретают опыт как индивидуальной, так и совместной деятельности, то есть имеет место их научение (под научением понимается «процесс и результат приобретения индивидуального опыта») Научение является частным случаем обучения - процесса овладения знаниями, умениями, навыками

Многочисленные экспериментальные данные свидетельствуют, что важнейшей общей закономерностью итеративного научения является замедленно-асимптотический характер кривых научения они монотонны, скорость изменения критерия уровня научения со временем уменьшается, а сама кривая асимптотически стремится к некоторому пределу В большинстве случаев кривые итеративного научения аппроксимируются экспоненциальными кривыми вида

г(1;) = гж + (г0 - г10) е 1 \ 1: > О, (18)

или дискретной последовательностью

гк = г" + (г°-г") е ук, к = 1, 2, , (19)

где I - время научения, к - число итераций (проб, попыток) с момента начала научения, г(1) (IV) - тип агента (уровень навыка, квалификация) в момент времени I (на к-ой итерации), г° > 0 - начальное значение (соответствующее моменту начала научения - первому периоду времени) типа, гх - «конечное» значение, г30 > г°, у — некоторая неотрицательная константа, определяющая скорость изменения типа и называемая скоростью научения Условимся верхним индексом обозначать номер периода времени, а нижним индексом - номер агента В случае, когда рассматривается единственный агент, нижний индекс будем опускать

Рассмотрим сначала модель научения (обучения - так как мы рассматриваем только процесс научения, то различий между этими терминами делать не будем) единственного агента Обозначим ук > 0 — выполняемый им в к-ом периоде времени объем работ Если интерпретировать тип агента (уровень навыка) гк е [0, 1] как долю успешных действий агента, то, выполняя в периоде к объем работ ук, агент достигнет результата гк = гк ук

Тогда результат агента - суммарный объем работ, успешно выполненных агентом за к периодов времени, равен

гк=£гу (20)

/-1

С другой стороны, агентом выполнен больший объем (успешных и неуспешных) работ

Ук=1>' (21)

Этот объем работ условно можно считать тем «опытом», который приобрел агент, то есть, его «эффективным внутренним временем» (прошедшим с момента начала обучения и потраченным на обучение), и подставить в показатель экспоненты (18) Получим

гк = 1-(1-г0)ехр(-у¥к-'),к = 2,3, (22)

Обозначим у11 = (у1, у2, , ух), т=1,2, и условимся считать, что у0 = О

Объединяя (21) и (22), получим следующие выражения для соответственно объемов успешно выполненных работ и типов агента

гк= ¿У{1-(1-,°)ехр(-г| У-)), (23)

гк=1-(1-г°) ехр(-у ), к = 2, 3, (24)

/-1

Отметим, что при фиксированном суммарном объеме работ тип агента определяется выражением (22) однозначно и не зависит от того, как объемы работ распределены по периодам времени Поэтому задача максимизации типа агента (достижения максимальной его квалификации) при фиксированном суммарном объеме работ У т в рамках рассматриваемой модели не имеет смысла

В модели фигурируют три «макропараметра» суммарный объем работ У, число периодов Т и результат Z Искомой переменной является «траектория обучения» у1 т

Таким образом, получаем, что целесообразно рассматривать следующие постановки

1 Фиксируем суммарный объем работ У, который может выполнить агент, и результат Ъ, который необходимо достичь Требуется найти траекторию, минимизирующую время достижения результата

|Г-»пш1

УГ<У (25)

Задачу (25) можно условно назвать задачей о быстродействии

2 Фиксируем суммарный объем работ У, которые может выполнить агент, и время обучения Т Требуется найти траекторию, максимизирующую результат Ъ

->тах

У <У (26)

т<Т

Задачу (26) можно условно назвать задачей об оптимальном обучении Наверное, именно эта задача наиболее близка к проблемам педагогики, когда требуется за фиксированное время и при фиксированном объеме учебного материала так распределить его во времени (дидактические аспекты, то есть содержание, в силу рутинности предмета научения практически не имеют значения), чтобы максимизировать «объем усвоенного материала» (максимизировать «качество обучения»)

Так как выражение (23) монотонно по сумме объемов работ агента и длительности периода обучения, то задачу (26) можно записать в виде

т м

ХУ ехрС-у^Г/") -> ш (27)

В выражение (27) уже не входит начальная квалификация агента г°, то есть справедливо следующее утверждение.

Утверждение 1. Оптимальная траектория обучения не зависит от начальной квалификации агента.

Данный вывод представляет интерес для методики обучения, так как с точки зрения результатов отдельных независимых агентов существенны только индивидуальные различия скоростей их научения.

3. Фиксируем время обучения Т и результат 2, который требуется достичь. Требуется найти траекторию обучения, минимизирующую суммарный объем работ:

Каждая из задач (25)-(28) может быть сведена к задаче (или набору задач) динамического программирования.

Пример 4. Решим задачу (26) для случая двух периодов. Если Т = 2, то име-

Легко видеть, что максимум этого выражения по у1 е [0; У] не зависит от г°. То есть, оптимальное распределение объемов работ по периодам не зависит от начальной квалификации агента.

Кроме того, чем больше у, тем меньше оптимальное значение объема работ, выполняемого в первом периоде. То есть, чем выше скорость научения агента, тем больший объем работ он должен выполнять в последнем периоде (и, соответственно, тем меньший объем работ необходимо выделять на начальный период для повышения его начальной квалификации).

Пример 5. Решим задачу (27) для случая Т = 11, г° = 0,1, у = 0,5, У = 10.

Динамика типов агента представлена на рис. 4. Динамика оптимальных объемов работ представлена на рис. 5.

(28)

1,0

0.9 0.8

0.7 0,6 0.5 0,4 0,3 0.2 0.1 0.0

2

3

4

5

6

7

8

9

10 11

Рис. 4. Динамика типов агента в примере 5

0.0 -----г--,-.--------И-—,-,-,-,-,-,

123456789 10 11

Рис. 5. Динамика оптимальных объемов работ в примере 5 Оптимальной стратегией обучения является увеличение объема работ агента со временем, причем, чем выше скорость обучения, тем более «выпуклой» является оптимальная траектория обучения. Качественно, данный вывод является следствием вогнутости экспоненциальной кривой научения (см. выражение (18) и рис. 4). Если кривая научения выпуклая (агент обучается все более и более эффективно), то оптимальная траектория обучения будет убывающей, то есть оптимальной стратегией обучения будет уже не увеличение, а уменьшение объема работ агента со временем.

До сих пор мы рассматривали одного агента. Обобщим полученные результаты на случай нескольких одновременно работающих агентов, причем сначала рассмотрим ситуацию, когда агенты полностью независимы (результаты и тип каждого не зависят от результатов и типов других), а потом проанализируем задачу об обучении зависимых агентов.

Рассмотрим команду N={1,2,..., п}, состоящую из п агентов. По аналогии с выражениями (23) и (24), получим следующие выражения для соответственно объемов успешно выполненных работ и типов агентов:

- Хх'^а-^ехр^г, 1>:)>, (29)

/ = 1 - (1 - г") ехр(-у, к = 2. 3, ... , 1 еК. (30)

Если результат команды является суммой результатов агентов, то есть:

гк = ¿7,', к= 1,2, ... , (31)

то задача об оптимальном обучении команды (ср. с (26)) примет вид:

7} тах , (32)

то есть:

¿¿¿и-а-Оехре-Г, ЕуГ)}-> тах . (33)

Задача (33) может быть решена методом динамического программирования.

Легко видеть, что оптимальное решение задачи (33) в общем случае зависит и от индивидуальных скоростей научения агентов {у;}, и от их начальных квалификаций {/-,0}.

Утверждение 2. Если скорости научения агентов одинаковы, то оптимальным распределением работ является выполнение всего объема работ агентом с максимальной начальной квалификацией. Если начальные квалификации агентов одинаковы, то оптимальным распределением работ является выполнение всего объема работ агентом с максимальной скоростью научения.

Решение задачи об оптимальном обучении в случае, когда все агенты имеют одинаковые скорости научения, получилось «вырожденным» - работает и обучается один агент, а остальные не работают и не обучаются. С одной стороны, такой коллектив вряд ли можно назвать полноценной командой, с другой стороны, необходимо признать, что в жизни такие ситуации встречаются нередко.

Рассмотрены варианты решения поставленной задачи для случая, когда агенты различаются и начальными квалификациями, и скоростями научения.

Так как итеративное научение является одним из частных случаев научения, то, помимо экспоненциальных кривых, соответствующих итеративному научению. встречаются кривые научения других типов, в том числе - логистические, которые аппроксимируются зависимостью:

г(1) = г°гсо/(г° + (гсс-г0)е"1"). (34)

При этом скорость изменения г(1:) первоначально мала (некоторое время может требоваться на понимание задачи, идентификацию и осознание ситуации и т.п., то есть на первоначальную адаптацию), затем в окрестности точки перегиба скорость увеличивается (система интенсивно обучается), а потом начинает уменьшаться.

Пример 6. Решим задачу (27) для случая Т = 10, г° = 0,1, у = 0,75, У = 10 при условии, что динамика типа агента описывается логистической кривой (34). Динамика типов агента представлена на рис. 6.

Рис. 6. Динамика типов агента в примере 6 Динамика оптимальных объемов работ представлена на рис. 7.

Рис. 7. Динамика оптимальных объемов работ в примере 6

Отметим, что результат утверждения 1 для команды, обучение членов которой описывается логистической кривой, не имеет места. ]

Задачи оптимального распределения работ между членами команды, науче- ! ние которых описывается логистическим законом (34), формулируются аналогично соответствующим рассмотренным выше для экспоненциальных кривых науче- I ния задачам.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

Перечислим основные результаты работы:

1. Существующие модели, описывающие процесс адаптации и обучения исходят из представления процесса адаптации как приспособление сотрудника или коллектива к требованиям, предъявляемым организацией. Возможен и обратный процесс, когда организация или ее часть адаптируется под требования отдельного сотрудника или их группы. То есть в данном случае рассматривается задача управления персоналом без учета особенностей команды, как реально существующей организационной формы.

2. Разработана модель адаптации агента на основе процесса изменения действий (включая в общем случае функции и объемы работ), выбираемых агентом, на основе текущей информации в изменяющихся внешних условиях функционирования команды, что позволяет отразить эффект приспособления к изменяющимся внешним условиям, а также описать процесс адаптации агента как к резкому, так и к «медленному» изменению внешних условий.

3. Получена модель адаптации команд в предположении о том, что каждый агент наделяет оппонента той же информированностью, какой обладает он сам, что позволяет определить время адаптации команды — время, за которое при неизменной внешней среде агенты на основании наблюдаемой информации могут I однозначно идентифицировать состояние внешней среды.

4. Разработана модель обучения одного агента, позволяющая сделать вывод о том, что при фиксированном суммарном объеме работ одного агента результативные характеристики научения не зависят от того, как объемы работ распределены по периодам времени; решение задачи об оптимальном итеративном (повторяющемся) научении одного агента не зависит от его начальной квалификации и чем выше скорость научения агента, тем больший объем работ он должен выпол-

пять в последних периодах Так как суумарный объем работ фиксирован, то с ростом скорости научения все меньший объем работ необходимо выделять на начальные периоды для повышения начальной квалификации агента

5 Построена модель обучения членов команды в процессе работы на основе анализа которой можно отметить, что оптимальной стратегией итеративного научения является увеличение объема работ агента со временем, причем, чем выше скорость обучения, тем более «выпуклой» является оптимальная траектория обучения, в тоже время если отсутствуют ограничения на индивидуальные объемы работ, то в команде весь объем работ выполняет «лучший» (с точки зрения комбинации начальной квалификации и скорости научения) агент, недостаток начальной квалификации агента может быть успешно компенсирован эффективным обучением как на его собственном, так и чужом опыте и важнейшим условием стабильного и эффективного функционирования команды является наличие общего знания, на формирование которого обычно нацелено большинство организационных и других усилий в процессе формирования и обучения команды

Основные результаты диссертационной работы изложены в следующих публикациях

Публикации в изданиях, рекомендованных ВАК РФ

1 Бурых И В Механизм адаптации членов команды / Бурых И В , Новиков ДА //ВЕСТНИК ВГТУ, Том 3, №12, 2007 г - с 112-115

2 Бурых И В О некоторых механизмах оперативного управления проектами / Бурых И В , Новиков Д А //ВЕСТНИК ВГТУ, Том 3, №12, 2007 г - с 167 -170

3 Бурых И В Формирование и функционирование однородной команды / Баркалов С А , Бурых И В , Половинкина А И // Вестник ВГТУ, том 4, №1, 2008 г - с 167-170

4 Бурых И В Модель типизации взаимодействий исполнителей проекта / Белов А А , Бурых ИВ// Вестник ВГТУ, том 4, № 1, 2008 г - с 171 - 176

Статьи и материалы конференций

5 Бурых И В Механизмы формирования состава и структуры активной системы //В кн Системный анализ и его приложения / Баркалов С А , Бурков В Н , Курочка П Н , Новосельцев В И , Шульгин В В — Воронеж «Научная книга» 2008 -с 381 -383

6 Бурых И В Адаптация команд //В кн Математические модели формирования и функционирования команд / Новиков Д А - М «Физматлит» 2008 - с 117-135

7 Бурых И В Обучение в командах //В кн Математические модели формирования и функционирования команд / Новиков Д А - М «Физматлит» 2008 -с 135-153

Подписано в печать 21 03 2008 Формат 60x84 1/16 Уч -изд л 1,0Усл-печ 1,25 л Бумага писчая Тираж 100 экз Заказ №153

Отпечатано участком множительной техники Воронежского государственного архитектурно - строительного университета

394006 Воронеж, 20 лет Октября, 84

Введение.

1. АНАЛИЗ СУЩЕСТВУЮЩИХ МОДЕЛЕЙ ПРОФЕССИОНАЛЬНОЙ АДАПТАЦИИ И ОБУЧЕНИЯ.

1.1. Понятие команды.

1.2. Существующие типы команд.

1.3. Определение эффективности деятельности команд.

1.4. Управление профессиональной адаптацией.

1.5. Модель управления обучением.

1.6. Выводы и постановка задач исследования.

2. МОДЕЛИ АДАПТАЦИИ КОМАНД.

2.1. Процесс адаптации команды.

2.2. Рефлексивные игры и информационные равновесия.

2.3. Повторяющиеся рефлексивные игры.

2.4. Адаптация одного агента.

2.5. Моделирование процесса адаптации нескольких агентов.

3. МОДЕЛИ ОБУЧЕНИЯ В КОМАНДАХ.

3.1. Модель процесса обучения одного агента.

3.2. Модель обучения нескольких агентов.

3.3. Моделирования качества и трудности процесса обучения.

3.4. Построение производственно-квалитативных функций.

3.5. Выбор оптимального набора контрольных мероприятий при управлении качеством обучения.

Актуальность темы. В условиях современного этапа научно — технического прогресса коренным образом изменилась роль человека в производстве. Если прежде он рассматривался лишь как один из факторов последнего, то сегодня превратился в главный стратегический ресурс, достояние компании в конкурентной борьбе. Это связано в его способностью к творчеству, которое сейчас становится решающим условием успеха любой деятельности. м ,, ; •

Люди теперь рассматриваются не как кадры, а как «человеческие ресурсы» и их ценность как фактора успеха все возрастает. Общепризнано, что человеческие ресурсы стали определяющими для достижения конкретных преимуществ современных экономик: не природные богатства, а накопленные знания, информация и опыт образуют основной материал, закладываемый в фундамент экономического процветания ведущих стран мира. Отсюда пристальный интерес, проявляемый к человеческому капиталу ведущими экономистами, а вслед за ними и политическими лидерами.

В современных условиях главным- ресурсом эффективного хозяйствования является корпус специалистов. От их квалификации, деловой активности, умения взаимодействовать между собой и достичь социально значимого результата зависят судьбы людей и перспективы развития фирмы, экономического района. Одним из наиболее востребованных личных качеств, наряду с профессионализмом является способность специалиста действовать в команде. Командообразование - острая проблема во всех областях, где необходимо эффективное групповое участие (в бизнесе, политике, спорте). Создание команды представляет собой сложный творческий процесс, требующий огромных финансовых затрат и интеллектуальных усилий. Деятельность команд происходит в изменяющихся внешних условиях, поэтому важной является способность команды реагировать соответствующим образом на процесс изменения этих условий, путем изменения действий (включая в общем случае функции и объемы работ), выбираемых членами команды, на основе текущей информации в изменяющихся условиях, то есть адаптироваться к изменяющимся внешним условиям., С адаптацией тесно связано обучение: команды в процессе-профессиональной деятельности, когда под влиянием изменяющихся внешних условий осуществляется изменение параметров системы, позволяющее реализовывать более эффективное в изменившихся условиях поведение.

Таким образом, актуальность темы диссертационной работы определяется необходимостью разработки комплекса моделей; описывающих процессы, адаптации- и обучения команд в ходе осуществления! профессиональ-нойдеятельности.

Основные- исследования; получившие отражение в, диссертации, выполнялись по планам научно-исследовательских работ: федеральная комплексная программа «Исследование и разработки по приоритетным направлениям науки и техники гражданского назначения»;.

- госбюджетная научно — исследовательская работа «Разработка и совершенствование моделей и механизмов внутрифирменного управления».

Цель,и постановка задач исследования. Целью диссертации является разработка; комплекса моделей адаптации и обучения команд, описывающих процесс изменения действий, выбираемых членами команды, на основе текущей информации в изменяющихся внешних условиях функционирования команды.

Достижение цели работы потребовало решения следующих основных задач:

1. Проанализировать, существующие модели- адаптации и- обучения персонала.

2. Разработать модель адаптации одного агента ю изменяющимся внешним условиям.

3. Получить модель адаптации команд при условии одинаковой информированности членов команды.

4. Разработать модель обучения одного агента в ходе своей профессиональной деятельности на основе накопления личного опыта.

5. Построить модель обучения членов команды в процессе работы при различных свойствах процесса итеративного научения.

Методы исследования. В работы использованы методы моделирования организационных систем управления, теории активных систем, системного анализа, математического программирования, теории игр.

Научная» новизна. В диссертации получены следующие результаты, характеризующиеся научной новизной:

1. Разработана модель адаптации агента на основе процесса изменения действий (включая в общем случае функции и объемы работ), выбираемых агентом, на основе текущей информации в изменяющихся внешних условиях функционирования команды, что позволяет отразить эффект приспособления к изменяющимся внешним условиям, также описать процесс адаптации агента как к резкому, так и к «медленному» изменению внешних условий.

2. Получена модель адаптации команд в предположении о том, что каждый агент наделяет оппонента той же информированностью, какой обладает он сам, что позволяет определить время адаптации команды - время; за которое при неизменной внешней среде агенты на основании наблюдаемой информации могут однозначно идентифицировать состояние внешней среды.

3. Разработана модель обучения одного агента, отличающаяся тем, что объем уже выполненных агентом работ условно отражает накопленный им «опыт», что позволяет определять оптимальный выбор объемов работ, выполняемых агентом в те или иные промежутки времени.

4. Построена модель обучения членов команды в процессе работы, когда процесс итеративного научения аппроксимируется экспоненциальной и логистической кривой, что позволяет установить, что условием стабильного и эффективного функционирования команды является наличие общего знания, на формирование которого обычно нацелено большинство организационных и других усилий в процессе формирования и обучения команды.

Достоверность научных результатов. Научные положения, теоретические выводы и практические рекомендации, включенные в диссертацию, обоснованы математическими доказательствами. Они подтверждены расчетами на примерах, производственными экспериментами и многократной проверкой при внедрении в практику управления.

Практическая значимость и результаты внедрения. На основании выполненных автором исследований построены модели адаптации и обучения команд в процессе профессиональной деятельности, как результат реакции команды на изменение внешних условий в которых она функционирует.

Использование разработанных в диссертации моделей и механизмов позволяет многократно применять разработки, тиражировать их и осуществлять их массовое внедрение с существенным сокращением продолжительности трудозатрат и средств.

Разработанные модели используются в практике работы АОО «ЛУЧ» (г. Воронеж) и ЗАО «СТЕЛ-ИНВЕСТ» (г. Воронеж).

Модели, алгоритмы и механизмы включены в состав учебного курса «Управление персоналом», читаемого в Воронежском государственном архитектурно - строительном университете.

На защиту выносятся:

1. Модель адаптации агента к изменившимся внешним условиям, когда под адаптацией понимается изменение информированности о внешней среде и на основе этого знания изменение поведения (действий, выбираемых на основе имеющейся информации).

2. Модель адаптации команд, отражающая эффекты приспособления, привыкания членов команды к изменяющимся внешним условиям, что выражается изменением действий, выбираемых членами команды.

3. Модель обучения одного агента в ходе профессиональной деятельности на основе накопления опыта.

4. Модель обучения членов команды в процессе работы, когда недостаток начальной квалификации агента может быть успешно компенсирован эффективным обучением как на его собственном, так и чужом опыте.

Апробация работы.

Основные результаты исследований и научных разработок докладывались и обсуждались на следующих конференциях: международные конференции «Современные сложные системы управления» (Воронеж, 2005 г., г. Тверь, 2006 г.); международная научно-практическая конференция «Сложные системы управления и менеджмент качества» (г. Старый Оскол, 2007 г.); 60 -62 научно-технические конференции по проблемам архитектуры и строительных наук (Воронеж, ВГАСУ, 2005-2007 гг.).

Публикации. По теме диссертации опубликовано 7 печатных работ в том числе 4 работы в опубликованы в изданиях, рекомендованных ВАК РФ.

Личный вклад автора в работах, опубликованных в соавторстве, состоит в следующем: в работах [1], [3] автору принадлежит модель адаптации команд; в работе [2] автору принадлежит модель адаптации агента к изменившимся внешним условиям; в работе [4] автору принадлежит модель* обучения членов команды в процессе работы.

Объем и структура работы. Диссертация состоит из введения, трех глав, заключения, списка литературы и приложений. Она содержит 140 страниц основного текста, 23 рисунка, 4 таблицы и приложения. Библиография включает 171 наименований.

ЗАКЛЮЧЕНИЕ

Перечислим основные результаты работы:

1. Существующие модели, описывающие процесс адаптации и обучения исходят из представления процесса адаптации как приспособление сотрудника или коллектива к требованиям, предъявляемым организацией. Возможен и обратный процесс, когда организация или ее часть адаптируется под требования отдельного сотрудника или их группы. То есть в данном случае рассматривается задача управления персоналом без учета особенностей команды, как реально существующей организационной формы.

2. Разработана модель адаптации агента на основе процесса изменения действий (включая в общем случае функции и объемы работ), выбираемых агентом, на основе текущей информации в изменяющихся внешних условиях функционирования команды, что позволяет отразить эффект приспособления к изменяющимся внешним условиям, а также описать процесс адаптации агента как к резкому, так и к «медленному» изменению внешних условий.

3. Получена модель адаптации команд в предположении о том, что каждый агент наделяет оппонента той же информированностью, какой обладает он сам, что позволяет определить время адаптации команды - время, за которое при неизменной внешней среде агенты на основании наблюдаемой информации могут однозначно идентифицировать состояние внешней среды.

4. Разработана модель обучения одного агента, позволяющая сделать вывод о том, что при фиксированном суммарном объеме работ одного агента результативные характеристики научения не зависят от того, как объемы работ распределены по периодам времени; решение задачи об оптимальном итеративном (повторяющемся) научении одного агента не зависит от его начальной квалификации и чем выше скорость научения агента, тем больший объем работ он должен выполнять в последних периодах. Так как суумарный объем работ фиксирован, то с ростом скорости научения все меньший объем работ необходимо выделять на начальные периоды для повышения начальной квалификации агента.

5. Построена модель обучения членов команды в процессе работы на основе анализа которой можно отметить, что оптимальной стратегией итеративного научения является увеличение объема работ агента со временем, причем, чем выше скорость обучения, тем более «выпуклой» является оптимальная траектория обучения; в тоже время если отсутствуют ограничения на индивидуальные объемы работ, то в команде весь объем работ выполняет «лучший» (с точки зрения комбинации начальной квалификации и скорости научения) агент; недостаток начальной квалификации агента может быть успешно компенсирован эффективным обучением как на его собственном, так и чужом опыте и важнейшим условием стабильного и эффективного функционирования команды является наличие общего знания, на формирование которого обычно нацелено большинство организационных и других усилий в процессе формирования и обучения команды.

1. Авдеев В.П., Бурков В.Н., ЕналеевА.К., Киселева Т.В. Многоканальные организационные механизмы. — М.: ИПУ РАН, 1986.

2. Армстронг М. Практика управления человеческими ресурсами. — СПб.: Питер, 2005.

3. Балашов В.Г., Заложнев А.Ю., Иващенко А.А., Новиков Д.А. Механизмы управления организационными проектами. -М.: ИПУ РАН, 2003.

4. Баркалов С.А., Бурков В.Н., Курочка П.Н., Новосельцев В.И., Шульгин В.В. Системный анализ и его приложения. Воронеж «Научная книга» 2008.-429 с.

5. Большой энциклопедический словарь. — М.: Большая российская энциклопедия, 2002.

6. Бурков В.Н., Горгидзе И.А., Ловецкий С.Е. Прикладные задачи теории графов. — Тбилиси: Мецниереба, 1974.

7. Бурков В.Н., Данев Б., Еналеев А.К. и др. Большие системы: моделирование организационных механизмов. М.: Наука, 1989.

8. Бурков В.Н., Заложнев А.Ю., Новиков Д.А. Теория графов в управлении организационными системами. -М.: Синтег, 2001.

9. Бурков В.Н., Кондратьев В.В. Механизмы функционирования организационных систем. М.: Наука, 1981.

10. Бурков В.Н., Новиков Д.А. Идентификация активных систем / Труды международной конференции «Идентификация систем и процессы управления». -М.: ИПУ РАН, 2000. С. 101 117.

11. Бурков В.Н., Новиков Д.А. Как управлять проектами. М.: Синтег,1997.

12. Бурков В.Н., Новиков Д.А. Теория активных систем: состояние и перспективы. -М.: Синтег, 1999.

13. Бурых И.В. Механизм адаптации членов команды / Бурых И.В., Новиков Д.А. // ВЕСТНИК ВГТУ, Том 3, №12, 2007 г. с. 112 - 115.

14. Бурых И.В. О некоторых механизмах оперативного управления проектами / Бурых И.В., Новиков Д.А., Пирогов С.В.//ВЕСТНИК ВГТУ, Том 3, №12, 2007 г. с. 167 - 170.

15. Бурых И. В. Формирование и функционирование однородной команды / Баркалов С.А., Бурых И. В., Новиков Д.А., Половинкина А.И. // Вестник ВГТУ, том 4, №1, 2008 г. с 167 - 170.

16. Бурых И.В. Модель типизации взаимодействий исполнителей проекта / Белов А.А., Бурых И.В. // Вестник ВГТУ, том 4, № 1, 2008 г. с. 171 -176.

17. Буш Р., Мостеллер Ф. Стохастические модели обучаемости. — М.: Гос. изд-во физ.-мат. лит., 1962.

18. Вагнер Г. Основы исследования операций. — М.: Мир, 1972. Том 1 —3.

19. Вартанян А.А. Управление командой и организацией в бизнес-среде. — М.: Доброе слово, 2006.

20. Васильева О.Н., Засканов В.В., Иванов Д.Ю., Новиков Д.А. Модели и методы материального стимулирования (теория и практика). М.: ЛЕНАНД, 2007.

21. Васин А.А. Модели динамики коллективного поведения. М.: МГУ, 1989.

22. Васин А.А. Некооперативные игры в природе и обществе. — М.: МАКС пресс, 2005.

23. Вентцель Е.С. Исследование операций. М.: Советское радио,1972.

24. Воронин А.А., Мишин С.П. Оптимальные иерархические структуры. М.: ИПУ РАН, 2003.

25. Выборнов Р.А. Модели и методы управления организационными системами с коррупционным поведением участников. М.: ИПУ РАН, 2006.

26. Галкина Т.П. Социология управления: от группы к команде. М.: Финансы и статистика, 2004.

27. Гермейер Ю.Б. Игры с непротивоположными интересами. — М.: Наука, 1976.

28. Гламаздин Е.С., Новиков Д.А., Цветков А.В. Механизмы управления корпоративными программами: информационные системы и математические модели. -М.: Спутник+, 2003.

29. Голован С.В. Эффект забывания в теории коллективной репутации. — М.: Российская экономическая школа, 1999.

30. Губко М.В. Математические модели оптимизации иерархических структур. -М.: ЛЕНАНД, 2006.

31. Губко М.В. Механизмы управления организационными системами с коалиционным взаимодействием участников. — М.: ИЛУ РАН, 2003.

32. Губко М.В., Новиков Д.А. Теория игр в управлении организационными системами. М.: Синтег, 2002.

33. Гэри М., Джонсон Д. Вычислительные машины и труднорешаемые задачи. -М.: Мир, 1982.

34. Дегтярев Ю.И. Системный анализ и исследование операций. М.: Высшая школа, 1996.

35. Ермаков Н.С., Ивагценко А.А., Новиков Д.А. Модели репутации и норм деятельности. М.: ИЛУ РАН, 2005.

36. Зинкевич-Евстигнеева Т., Фролов Д., Грабенко Т. Технология создания команды. СПб.: Речь, 2002.

37. Иванилов Ю.П., Лотов А.В. Математические модели в экономике. -М.: Наука, 1979.

38. Ивагценко А.А., Новиков Д.А., Щепкина М.А. Модели и механизмы многокритериального стимулирования в организационных системах. М.: ИПУ РАН, 2006.

39. Ивченко Г.И., Каштанов В.А., Коваленко И.Н. Теория массового обслуживания. М: Высшая школа, 1982.

40. Интриллигатор М. Математические методы оптимизации и экономическая теория. М.: Прогресс, 1975.

41. Исаев В.В. Организация работы команды проекта. — СПб.: «Бизнес-пресс», 2006. 336 с.

42. Караваев А.П. Модели и методы управления составом активных систем. М.: ИПУ РАН, 2003.

43. Клейнрок JI. Теория массового обслуживания. — М.: Машиностроение, 1979.

44. Краснова С.А., Уткин В.А. Каскадный синтез наблюдателей состояния динамических систем. — М.: Наука, 2006.

45. Краткий психологический словарь. М.: ИПЛ, 1985.

46. Кузнецов О.П., Адельсон-Вельский Г.М. Дискретная математика для инженера. М.: Энергия, 1980.

47. Лефевр В.А. Конфликтующие структуры. М.: Советское радио,1973.

48. Лефевр В.А. Рефлексия. М.: Когито-центр, 2003.

49. Лотоцкий В.А. Идентификация структур и параметров систем управления // Измерения. Контроль. Автоматизация. 1991. № 3-4. С. 30 38.

50. Лысаков А.В., Новиков Д.А. Договорные отношения в управлении проектами. М.: ИПУ РАН, 2004. :<

51. Маленво Э. Лекции по микроэкономическому анализу. М.: Наука,1985.

52. Малишевский А.В. Качественные модели в теории сложных систем. М.: Наука, 1998.

53. Маргерисон Ч.Д: «Колесо» командного управления. Путь к успеху через систему управления командой. -М.: Баланс Бизнес Букс, 2004.

54. Математические основы управления проектами / Под ред. В.Н. Буркова. -М.: Высшая школа, 2005.

55. Менар К. Экономика организаций. -М.: ИНФРА-М, 1996.

56. МесконМ., Альберт М., Хедоури Ф. Основы менеджмента. М.: Дело, 1998.

57. Минцберг Г. Структура в кулаке: создание эффективной организации. М.: Питер, 2001.

58. Михеев В.Н. Живой менеджмент проектов. — М.: Эксмо, 2007.

59. Михеев В.Н., Пужанова Е.О. Технология самоорганизации команды менеджмента проекта: системный подход / Труды 17-го Конгресса Совнет. Москва, 2006.

60. Мишин С.П. Оптимальные иерархии управления в экономических системах. М.: ПМСОФТ, 2004.

61. МуленЭ. Кооперативное принятие решений: аксиомы и модели. — М.: Мир, 1991.

62. Наврузов Ю. Структурирование хаоса. Практическое руководство по управлению командой. М.: Баланс Бизнес Букс, 2005.

63. Нижегородцев P.M. Информационная экономика. — М.: МГУ, 2002.

64. Новиков A.M., Новиков Д.А. Методология. М.: Синтег, 2007.

65. Новиков A.M. Процесс и методы формирования'трудовых умений: профпедагогика. -М.: Высшая школа, 1986.

66. Новиков Д.А. Динамика поведения систем с большим числом целенаправленных элементов // Автоматика и Телемеханика. 1996. № 4. С. 187 — 189.

67. Новиков Д.А. Закономерности итеративного научения. — М.: ИПУ РАН, 1998.

68. Новиков Д.А., Иващенко А.А. Модели и методы организационного управления инновационным развитием фирмы. М.: ЛЕНАНД, 2006.

69. Новиков Д.А. Институциональное управление организационными системами. М.: ИПУ РАН, 2003.

70. Новиков Д.А. Механизмы стимулирования как инструмент согласования интересов участников организационных систем / Управление инновациями и стратегия инновационного развития России: Сборник научных трудов. М.: Доброе слово, 2007. С. 43 - 55.

71. Новиков Д.А. Механизмы функционирования многоуровневых организационных систем. -М.: Фонд «Проблемы управления»; 1999.

72. Новиков Д.А. Сетевые структуры и организационные системы. — М.: ИПУ РАН, 2003.

73. Новиков Д.А., Смирнов И.М., Шохина Т.Е. Механизмы управления динамическими активными системами. М.: ИПУ РАН, 2002.

74. Новиков Д.А. Стимулирование в организационных системах. М.: Синтег, 2003.

75. Новиков Д.А. Стимулирование в социально-экономических системах (базовые математические модели). М.: ИПУ РАН, 1998.

76. Новиков Д.А. Теория управления организационными, системами. 2-е изд. — М.: Физматлит, 2007.

77. Новиков Д.А. Управление проектами: организационные механизмы. М.: ПМСОФТ, 2007.

78. Новиков Д.А., Цветков А.В. Агрегирование информации в задачах стимулирования // Автоматика и.Телемеханика. 2001. № 4.79: Новиков Д:А., Цветков А.В. Механизмы стимулирования, в многоэлементных организационных системах. М.: Апостроф; 2000.

79. Новиков Д.А., Чхартишвили А.Г. Активный прогноз. М.: ИПУ РАН, 2002.

80. Новиков Д.А., Чхартишвили А.Г. Прикладные модели информационного управления. -М.: ИПУ РАН, 2004.

81. Новиков Д.А., Чхартишвили А.Г. Рефлексивные игры. — М:: Синтег,2003.

82. Новиков Д.А. Математические модели формирования и* функционирования команд. М.: «Физматлит» 2008. - 188 с.

83. Ожегов С.И. Словарь русского языка. М.: Русский язык, 1988:

84. ОпойцевВ.И. Равновесие и устойчивость в моделях коллективного поведения. — М.: Наука, 1977.

85. Оуэн Г. Теория игр. М.: Мир, 1971.

86. Пападимитриу X., Стайглиц К. Комбинаторная оптимизация: Алгоритмы и сложность. — М.: Мир, 1985.

87. Паркер Г., Кропп 3. Формирование команды. СПб.: Питер, 2003.

88. Петраков С.Н. Механизмы планирования в активных системах: не-манипулируемость и множества диктаторства. — М.: ИПУ РАН, 2001.

89. Поляк Б.Т. Введение в оптимизацию. — М.: Наука, 1983.

90. Поляк Б.Т., Щербаков П.С. Робастная устойчивость и управление. — М.: Наука, 2002.

91. Растригин JI.A. Адаптация сложных систем: методы и приложения. -Рига: Зинатне, 1981.

92. Роббинс С., Колутер М. Менеджмент. М.: Вильяме, 2004.

93. Роберте Ф. Дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам. — М.: Наука, 1986.

94. Розенмюллер И. Кооперативные игры и рынки. М.: Мир, 1974.

95. Рыков А.С. Модели и методы системного анализа: принятие решений и оптимизация. М.: МИСИС, 2005.

96. Салливан Э. Время деньги. Создание команды разработчиков программного обеспечения. — М.: Русская редакция, 2002.

97. Словарь иностранных слов. М.: Русский язык, 1982.

98. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. — М.: Эдиториал УРСС, 2002.

99. Томпсон Л. Создание команды. М.: Вершина, 2006.

100. Управление персоналом: Учебник для вузов / Под ред. Т.Ю. Базарова, Б.Л. Еремина. М: ЮНИТИ, 2002.

101. Философский энциклопедический словарь. М.: Советская энциклопедия, 1983.

102. Фоппель К. Создание команды. Психологические игры и упражнения. М.: Генезис, 2002.

103. Харшаньи Д., Зельтен Р. Общая теория выбора равновесия в играх. СПб.: Экономическая школа, 2001.

104. ХейзН. Успех — один на всех. Основные аспекты эффективного руководства командой. М.: Баланс Бизнес Букс, 2005.

105. Цыганов В.В. Адаптивные механизмы в отраслевом управлении. — М.: Наука, 1991.

106. ЦыпкинЯ.З. Адаптация и обучение в автоматических системах. — М.: Наука, 1968.

107. Цыпкин Я.З. Основы информационной теории идентификации. — М.: Наука, 1984.

108. Чалдини Р. Психология влияния. СПб.: Питер, 2001.

109. Чхартишвили А.Г. Теоретико-игровые модели информационного управления. М.: ПМСОФТ, 2004.

110. Эйкхофф П. Основы идентификации систем управления. М.: Мир,1975.

111. Эшби У.Р. Введение в кибернетику. М.: Изд-во иностранной литературы, 1959.

112. Юдкевич М.М., Подколзина Е.А., РябининаА.Ю. Основы теории контрактов: модели и задачи. М.: ГУ ВШЭ, 2002.

113. Arrow К. The theory of discrimination / Discrimination in labor markets. Ed. by O. Ashenfelter, A. Rees. Princeton: Princeton University Press, 1973.

114. Arrow K.J., Radner R. Allocation of resources in large teams // Econometrics 1979. Vol. 47. № 2. P. 361 386.

115. BasarT., Bansal R. The theory of teams: a selected annotated bibliography / Differential games and applications. — Berlin: Springer-Verlag, 1989. P. 186-201.

116. Bassan В., Gossner O., Scarsini M., Zamir S. Positive value of information in games // International Journal of Game Theory. 2003. № 7. P. 17-31.

117. Beaufils В., Branouy О. Reputation games and the dynamics of exchange network. Lille: University of Science and Technology, 2004.

118. BernheimB., WhinstonM. Common agency // Econometrica. 1986. Vol. 54. P. 923 942.

119. Camerer C. Behavioral game theory. Experiments in strategic interaction. Princeton: Princeton University Press, 2003.

120. Camerer С., Но Т., Chong J. Models of thinking, learning and teaching in games // American Economic Review. 2003. Vol. 93. P. 192-195.

121. Carpenter J., Bowles S., GintisH. Mutual monitoring in teams: theory and experimental evidence on the importance of reciprocity. IZA Discussion Paper № 2106. Middlebury, 2006. - 35 p.

122. Che Y., Yoo S. Optimal incentives for teams // American Economic Review. 2001. Vol. 91. P. 525 541.

123. Chell E. Participation and organization. London: MacMillan, 1985.

124. Cole H., Mailath G., Postlewaite A. Social norms, savings behavior and growth // Journal of Political Economy. 1992. Vol. 100. P. 1092 1125.

125. Daft R.L. Management. -N.Y.: Dryden Press, 1988.

126. FehrE., Fischbacher U. Social norms and human cooperation // Trends in cognitive sciences. 2004. Vol. 8 № 4. P. 185 190.

127. FehrE., SchmidtK. A theory of fairness, incentives and contractual choices // The Quarterly Journal of Economics. 1999. Vol. 114. P. 817 868.

128. Friedman D. Evolutionary games in economics // Econometrica. 1991. Vol. 59. P. 637-666.

129. Fudenberg D., Tirole J. Game theory. Cambridge: MIT Press, 1995.

130. Fudenberg D., HolmstromB., MilgromP. Short-term contracts and long-term agency relationship // Journal of Economic Theory. 1990. Vol. 52. № 1. P. 194-206.

131. Fudenberg D., KrepsD. Reputation in the simultaneous play of multiple opponents //Review of Economic Studies. 1987. № 4. P. 541 568.

132. Fudenberg D., LevineD. Reputation and equilibrium selection in games with a single patient player // Econometrica. 1989. Vol. 57. P. 251 268.

133. Fudenberg D., Tirole J. Sequential bargaining with incomplete information // Review of Economic Studies. 1983. Vol. 50. № 2. P. 221 247.

134. Grossman S., Hart O.D. An analysis of the principal-agent problem // Econometrica. 1983. Vol. 51. № 1. p. 7 -45.

135. Hackman J.R. Introduction: work teams in organizations: an oriented framework. MA: Addison Wesley, 1990.

136. Hamilton В., Nickerson J., Owan H. Team incentives and worker heterogeneity: an empirical analysis of the impact of team on productivity and participation // Journal of Political Economy. 2003. Vol. 111. P. 465 497.

137. Hart O.D., Holmstrom B. Theory of contracts // Advances in economic theory. 5-th World Congress. Cambridge: Cambridge Univ. Press, 1987. P. 71 -155.

138. Hart O.D. Optimal labor contracts under asymmetric information: an introduction // Review of Economic Studies. 1983. Vol. 50. № 1. P. 3 35.

139. Kandori M. Social norms and community enforcement // Review of Economic Studies. 1992. Vol. 59. P. 61 80.

140. Katzenbach J., Smith D. Magic of teams. — Boston: Harvard Business School Press, 1993.

141. Kim K., Roush F. Team theory. Chichester: Ellis Horwood, 1997.

142. KocherM., Straub S., Sutter M. Individual or team decision-making -causes and consequences of self-selection. Innsbruck: University of Innsbruck. Discussion Paper, 2004. - 25 p.

143. Kotenko I.V., Ulanov A.V. Agent-based simulation of DDOS attacks and defense mechanisms // Journal of Computing. 2005. Vol. 4. № 2.

144. Kreps D. Corporate culture and economic theory / Perspectives on positive political economy. Ed. By J. Alt, K. Shepsle. Cambridge: Cambridge University Press, 1990. P. 90-143.

145. Kreps D., Wilson R. Reputation and imperfect information // Journal of Economic Theory. 1982. Vol. 27. P. 253 279.

146. LevineJ. Multilateral contracting and the employment relationship // Quarterly Journal of Economics. 2002. Vol. 117. P. 1075 1103.

147. Lewis D. Convention: a philosophical study. Cambridge: Harvard University Press, 1969.

148. Marino A., Zabojnik J. Internal competition for corporate resources and incentives in teams // The RAND Journal of Economics. 2004. Vol. 35. № 4. P. 710-727.

149. Marshak J., Radner R. Economic theory of teams. New Haven — London: Yale Univ. Press, 1976.

150. McAfee R., MCMillanJ. Optimal contracts for teams // International Economic Review. 1991. № 3. P 561 577.

151. Mas-Colell A., Whinston M.D., Green J.R. Microeconomic theory. -N.Y.: Oxford Univ. Press, 1995.

152. Maynard S. Evolution and the theory of games. Cambridge: Cambridge University Press, 1982.

153. Milgrom P., Roberts J. Economics. Organization and Management. -N.Y.: Prentice-Hall, 1991.

154. Moreland R.L., LevineJ.M. Socialization in small groups: temporal changes in individual group relations / Advances in Experimental Social Psychology. Vol. 15.-N.Y., 1982. P. 137- 192.

155. MyersonR.B. Game theory: analysis of conflict. London: Harvard Univ. Press, 1991.

156. Potters J., S eft on M., Heijden E. Hierarchy and opportunism in teams. -Tilburg: Tilburg University. Discussion paper № 2005-109. 32 p.

157. Posner R.A. Social norms: an economic approach // American Economic Review. 1997. Vol. 87. № 2. P. 365 369.

158. Rasmusen E. Moral hazard in risk-averse teams // The Rand Journal of Economics. 1987. Vol. 18. № 3. P. 428 435.

159. Ren W. Consensus seeking, formation keeping and trajectory tracking in multiple vehicle cooperative control. — Brigham: Brigham University. 2004.

160. Rey-BielP. Inequity aversion and team incentives. Barcelona: University of Barcelona. Discussion Paper. 2006. — 27 p.

161. SamuelsonL. Evolution and game theory // The Journal of Economic Perspectives. 2002. Vol. 16. № 2. P. 47 66.

162. Slivinsky A. Team incentives and organizational form. University of Western Ontario. Discussion Paper, 2000. - 34 p.

163. Stengel В., Koller D. Team maxmin equilibria // Games and Economic Behavior. 1997. Vol. 21. P. 309-321.

164. Takashi U. Bayesian potentials and information structures: team decision problems revisited. — Yokohama: Yokohama National University, 2004.

165. Tambe M. Towards flexible teamwork // Journal of AI Research. 1997. Vol. 7. P. 17-24.

166. Tirole J. A theory of collective reputation (with applications to the persistence of corruption and to firm quality) // Review of Economic Studies. 1996. Vol. 63. P. 1-22.

167. Verma V. Managing the Project Team. The Human Aspects of Project Management. — Pennsylvania: PMI, 1997.

168. Vyrastekova J., Onderstal S., KoningP. Team incentives in public organizations. SPB Dicussion Paper № 60. Hauge, 2006. 35 p.

169. Weibull J. Evolutionary game theory. Cambridge: MIT Press, 1996.

170. Young P. The evolution of conventions // Econometrica. 1993. Vol. 61. P. 57 84.