В книге излагается новый подход к математическому моделированию сложных систем, основанный на принципе эвристической самоорганизации. Согласно этому принципу математическая модель оптимальной сложности соответствует минимуму некоторого критерия, называемого критерием селекции. В качестве такого критерия в одних задачах используются критерии регулярности и несмещенности модели, в других критерий баланса переменных. Устанавливается неизвестное ранее новое свойство модели, состоящее в том, что при постепенном повышении сложности указанные критерии проходят через минимальные значения. Машина находит глобальный минимум и тем самым указывает единственную модель оптимальной сложности при весьма малом объеме априорной информации. Человек должен только целесообразно выбрать эвристический критерий селекции соответственно типу задачи. Таким образом, метод самоорганизации основан на переборе моделей с постепенным их усложнением до нахождения указанного минимума. Методы перебора не требуют привлечения каких-либо сведений из математической статистики.

Объем полного перебора уменьшается при помощи алгоритмов многорядной селекции подобно тому, как это практикуется при селекции растений или животных. Метод Группового Учета Аргументов (МГУА) реализует ряд алгоритмов постепенного усложнения модели по правилам многорядной селекции.

Даны примеры применения МГУА для решения задач долгосрочного прогноза, распознавания образов, иденшфикацшг характеристик и управления с оптимизацией прогноза при малом числе исходных данных (всего 10-20 точек наблюдения процесса). Книга рассчитана на инженеров, работающих в области технической кибернетики и интересующихся практическими приложениями математического моделирования для решения указанных выше задач.