Комбинаторные методы правовой информатики (стр. 5 из 5)
Рассмотрим, например, такой случай. Преступник, совершив разбой, скрылся на автомашине, зарегистрированной в некотором контрольном пункте. Затем сходное преступление было совершено опять–таки с помощью автомашины, зарегистрированной в другом пункте, и т.д. Допустим, что таких пунктов пять и в каждом из них было зарегистрировано по 50 автомашин. Тогда возникает вопрос: как выбрать одинаковые по некоторым признакам автомобили, т.е. произвести фильтрацию пяти массивов данных,каждый из которых содержит по 50 чисел? Надо эти числа между собой сравнить. При полном сравнении всех возможных чисел потребуется произвести 505 — 250 тысяч сравнений. Задача для человека явно не– выполнимая!
Хотя, конечно же, в будущем такого рода задачи могут перейти и к следователю, по мере постановки и решения вопроса об экспресс–анализе в процессе проведения следственных действий. Ведь ни у кого не вызывает сомнения возможность проведения следователем фотографирования и видеосъемки места происшествия.
Особенно эффективен метод фильтрации может оказаться при расследовании массовых преступлений, когда по делу проходит большое количество людей. Социология говорит о том, что действиями толпы обычно управляет сравнительно небольшая группа лиц более или менее однородного социального содержания. Что это значит?
Это значит, что люди, входящие в такую группу, близки по своим социальным характеристикам (возрасту, национальности, происхождению, образованию, судимости, характеру интересов и т.д. Допустим, что по делу проходит 100 человек, и надо отфильтровать этот массив, выбрав 5 — 6 социально близких личностей или несколько таких групп. Пользуясь простыми сведениями из школьной комбинаторики; определим, сколько таких групп возможно образовать из 100 человек:
Cn m =
Получилось около 100 миллионов групп. А ведь каждую группу надо еще проверить на совместимость. Очевидно, что число достаточно сложных действий достигнет нескольких миллиардов, и по указанным выше причинам решение такой задачи методом прямого перебора окажется недоступным да– же мощным ПЭВМ. В таком случае в работу должны включиться (до программистов) математики, специалисты по комбинаторике и направленному перебору. А резерв здесь есть по сокращению числа действий. Вот его–то и надо использовать.
Расчеты показывают, что, применяя сложные математические методы из области комбинаторики, можно сократить объем вычислений в несколько тысяч раз и сделать программу доступной для работы с ПЭВМ. Так, например, можно начать со сравнения групп по два человека (таких сравнений всего 5 тысяч) и для дальнейшего анализа оставить только отвечающие критерию «близости» пары, полагая каждую пару неразличимой, т.е. как бы состоящей из одного укрупненного социального типа. Очевидно, что максимальное количество таких пар в нашем случае — 50, минимальное — 0. Предположим, что пар оказалось 20. Тогда дальнейшую работу можно вести, сравнивая между собой группы по 2 из 20 чисел (таких сравнений будет 190). Число получившихся укрупненных групп будет колебаться в результате такого сравнения от 0 до 10. Предположим, что их оказалось 10. Тогда для дальнейшего шага необходимо произвести выборку по 2 из 10 (таких операций будет 45). Итак, всего за 5 с небольшим тысяч шагов (вместо 100 миллионов) почти удалось решить задачу. Мы говорим — почти, потому, что в поле нашего зрения оказались группы по 2, 4 и 8 человек (а нам бы хотелось иметь по 5, 6 и 7 человек). Это — во– первых. Во–вторых, каждая группа по нашей методике состоит из социально неразличимых лиц. В действительности дело обстоит намного сложнее. Возможна и такая ситуация, когда группа состоит из цепочки, связанной только через звенья, т.е. когда для двух несмежных звеньев социальная близость практически отсутствует. Разнообразие начальных условий слишком велико, чтобы его подробно обсуждать. Здесь важно заметить, что совершенно простым приемом, в первом приближении очень грубо, мы сократили количество вычислений в 20 тысяч раз и перевели задачу в разряд практически разрешимых с помощью современных ПЭВМ.
Нам представляется, что для раскрытия организованных преступных групп такой метод в принципе также подходит. Однако он требует серьезнейшей математической проработки и создания определенного (достаточно гибко реагирующего на начальные условия) математического обеспечения. Здесь важно отметить, что экспертиза массовых (организованных) преступлений без применения ПЭВМ и специальной математической проработки вопроса совершенно невозможна. Можно сколько угодно и на каких угодно форумах (включая Государственную Думу) говорить о борьбе с организованной преступностью, но для реального решения вопроса нужна техника, математика, творчески мыслящие и по новому подготовленные следователи и эксперты, их взаимная заинтересованность и тесный контакт в применении ПЭВМ для раскрытия преступлений.
ЗАКЛЮЧЕНИЕ
В своей работе я рассмотрел использование комбинаторных мер правовой информатики при расследовании преступлений.
Из данной работы видно, что любая область человеческой деятельности связана с получением информации, ее обработкой и на основе этого принятием решения. При этом развитие новых информационных технологий принятие решений, основанных на применении вычислительной техники и математического моделирования, позволяет усовершенствовать процесс анализа возможных решений в задачах проектирования сложных систем и планирования их деятельности. Возможности новых информационных технологий позволяют повысить качество принимаемых решений за счет использования ЭВМ в процессе сбора, переработки, хранении и представления информации. Однако развитие новых информационных технологий зависит от темпа математического моделирования, которое включает методы построения математических моделей объектов и методов анализа этих моделей.
Особое место я уделил системному подходу к расследованию преступлений, работе следователей и криминалистов при расследовании преступлений используя комбинаторные меры правовой информатики и применяя ЭВМ. Мы видим, что применяя сложные математические методы из области комбинаторики, можно сократить объем вычислений в несколько тысяч раз и сделать программу доступной для работы с ЭВМ.
В настоящее время деятельность юриста немыслима без использования информационных технологий, которые позволяют усовершенствовать процесс обработки информации и принятия решения следователем, криминалистом, работником уголовного розыска и другими лицами расследующими преступления.
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
1. КАРАТАЕВ О.Г. НАУКА И ПРЕСТУПНОСТЬ. ВЕЧЕРНИЙ ЛЕНИНГРАД. 1991 г. 16 МАРТА.
2. КАРАТАЕВ О.Г., ПАЩЕНКО Е.Г. КРИМИНАЛИСТИЧЕСКАЯ ИНФОРМАТИКА. М. 1991 г.
3. ЛАЦМАН Р.Н. КИБЕРНЕТИКА И КРИМИНАЛИСТИЧЕСКАЯ ЭКСПЕРТИЗА ПОЧЕРКА. М. 1968 г.
4. ЛЕЙБНИЦ ИЗБРАННЫЕ ФИЛОСОФСКИЕ СОЧИНЕНИЯ. М. 1908 г.
5. ЛЕЙБНИЦ ИЗБРАННЫЕ ОТРЫВКИ ИЗ МАТЕМАТИЧЕСКИХ СОЧИНЕНИЙ, «УСПЕХИ МАТЕМАТИЧЕСКИХ НАУК». Т. 3. 1948 г.
6. ЛОМБРОЗО Ч. НОВЕЙШИЕ УСПЕХИ НАУКИ О ПРЕСТУПНИКЕ. СПб 1892
7. МЕРТОН СОЦИАЛЬНАЯ СТРУКТУРА И АНАТОМИЯ: СОЦИОЛОГИЯ ПРЕСТУПНОСТИ. М. 1966 г.
8. ПОЛЕВОЙ Н.С. КРИМИНАЛИСТИЧЕСКАЯ КИБЕРНЕТИКА. М. 1988 г.
9. РЕЙНГОЛЬД Э., НИВЕРГЕЛЬТ Ю., ДЭО Н. КОМБИНАТОРНЫЕ АЛГОРИТМЫ. М. 1980 г.
10. РОБОЗЕРОВ В.Ф. РАСКРЫТИЕ ПРЕСТУПЛЕНИЙ, СОВЕРШЕННЫХ В УСЛОВИЯХ НЕОЧЕВИДНОСТИ. ЛЕНИНГРАД. 1990 г.
11. Э. Сатерленд Cyclie AMP, New York, 1971; Studies on the mechanism q Hormone action, “Science” , 1972.
12. СЕЧЕНОВ И.М. РЕФЛЕКСЫ ГОЛОВНОГО МОЗГА. М. 1992 г.
13.СУХАРЕВ А.Я. ЮРИДИЧЕСКИЙ ЭНЦИКЛОПЕДИЧЕСКИЙ СЛОВАРЬ.М. 1987 г.
14.ФОКС В.В. ВВЕДЕНИЕ В КРИМИНАЛОГИЮ. М. 1980 г.
15.ЯБЛОКОВ Н.П. КРИМИНАЛИСТИЧЕСКАЯ МЕТОДИКА РАССЛЕДОВАНИЯ. М. 1985 г.