Предлагается методология анализа и прогнозирования в слабоформализованной многопараметрической системе, которая исследует не траектории состояний объектов, а лишь классы, к которым они принадлежат в рамках некоторой неформальной структуры (классификации). Приведены результаты использования разработанной мето-дологии при исследовании нескольких слабоформализованных крупномасштабных систем управления.

Многие крупномасштабные социально-экономические системы функционируют в условиях большой информационной размытости и неопределённости. Именно поэтому в последнее время стали широко использоваться методы В работе рассматривается комплекс алгоритмов, обеспечивающий качественное выполнение структурного анализа сложноорганизованных данных как числового, так и экспертного характера. Такой комплекс базируется на алгоритмах классификационного анализа и включает алгоритмы: заполнения пропущенных наблюдений, выбора информативных параметров, выбора начального разбиения, автоматической классификации на базе m-локальной оптимизации заданного критерия J, выбора числа классов.

В работе рассматриваются задачи анализа и совершенствования крупномасштабных систем управления, при этом считается, что такая система состоит из достаточно большого числа объектов, каждый из которых характеризуется многочисленным набором разнородных параметров. Основная идея предлагаемого метода решения этой задачи состоит в том, что исследу-ются не точные значения параметров, описывающих состояние каждого объекта, а лишь структура взаиморасположения этих объектов в пространстве информативных параметров.

Описана методика сравнительного анализа развития крупномасштабной системы соци-ально-экономических объектов, каждый из которых характеризуется достаточно большим на-бором показателей. Основу методики составляют алгоритмы структуризации набора исходных параметров и множества исследуемых объектов. Рассмотрены результаты использования мето-дики для решения задачи сравнительной оценки социального развития регионов России за 3 года.

Среди методов классификационного анализа наибольшее развитие получили вариационные методы оптимизации выбранного критерия качества классификации. Недостатком ранее разработанных алгоритмов является то, что они находят лишь локальные экстремумы соответствующих критериев. Это приводит в частности к сильной зависимости результатов работы алгоритмов от начальных условий. В работе предлагаются подходы к нахождению глобальных экстремумов критериев качества для ряда задач автоматической классификации.