Агент-ориентированная модель - Agent-based model

An агент-ориентированная модель (ПРО) является классом вычислительные модели за моделирование действия и взаимодействия автономных агентов (как индивидуальных, так и коллективных субъектов, таких как организации или группы) с целью оценки их воздействия на систему в целом. Он сочетает в себе элементы теория игры, сложные системы, появление, вычислительная социология, мультиагентные системы, и эволюционное программирование. Методы Монте-Карло используются для введения случайности. В частности, в области экологии ПРО также называют индивидуальные модели (IBM),[1] а отдельные лица в IBM могут быть проще, чем полностью автономные агенты в ABM. Обзор недавней литературы по индивидуальным моделям, агентным моделям и многоагентным системам показывает, что ABM используются в не связанных с вычислениями областях науки, включая биология, экология и социальная наука.[2] Агентное моделирование связано, но отличается от концепции мультиагентные системы или же многоагентное моделирование в том, что цель ABM состоит в поиске объяснительного понимания коллективного поведения агентов, подчиняющихся простым правилам, обычно в естественных системах, а не в разработке агентов или решении конкретных практических или инженерных задач.[2]

Агентные модели - это своего рода микромасштабная модель[3] которые имитируют одновременные операции и взаимодействия нескольких агентов в попытке воссоздать и предсказать появление сложных явлений. Процесс является одним из появление, который некоторые выражают как «целое больше, чем сумма его частей». Другими словами, свойства системы более высокого уровня возникают в результате взаимодействия подсистем более низкого уровня. Или изменения состояния на макроуровне возникают из-за поведения агентов на микроуровне. Или простое поведение (то есть правила, которым следуют агенты) порождает сложное поведение (то есть изменения состояния на уровне всей системы).

Индивидуальные агенты обычно характеризуются как ограниченно рациональный, которые предположительно действуют в том, что они считают своими собственными интересами, такими как воспроизводство, экономическая выгода или социальный статус,[4] используя эвристику или простые правила принятия решений. Агенты ПРО могут испытывать «обучение», адаптацию и воспроизводство.[5]

Большинство моделей, основанных на агентах, состоят из: (1) множества агентов, заданных в различных масштабах (обычно называемых степенью детализации агентов); (2) эвристика принятия решений; (3) правила обучения или адаптивные процессы; (4) и топология взаимодействия; и (5) окружающая среда. ABM обычно реализуются как компьютерное моделирование либо в виде специального программного обеспечения, либо с помощью наборов инструментов ABM, и это программное обеспечение затем можно использовать для проверки того, как изменения в индивидуальном поведении повлияют на возникающее общее поведение системы.

История

Идея агентного моделирования была разработана как относительно простая концепция в конце 1940-х годов. Поскольку для этого требуются ресурсоемкие процедуры, он не получил широкого распространения до 1990-х годов.

Ранние разработки

История агентной модели восходит к Машина фон Неймана, теоретическая машина, способная воспроизводить. Устройство фон Нейман предложенный будет следовать точно подробным инструкциям, чтобы сделать копию самого себя. Затем на основе этой концепции был друг фон Неймана. Станислав Улам, также математик; Улам предложил построить машину на бумаге, как набор ячеек на сетке. Идея заинтриговала фон Неймана, который разработал ее, создав первое из устройств, позже названных клеточные автоматы Еще одно достижение было сделано математиком. Джон Конвей. Он построил известные Игра Жизни. В отличие от машины фон Неймана, «Игра жизни» Конвея действовала по простым правилам в виртуальном мире в виде двухмерного шахматная доска.

В Симула язык программирования, разработанный в середине 1960-х и широко внедренный к началу 1970-х, был первой структурой для автоматизации пошагового моделирования агентов.

1970-е и 1980-е: первые модели

Одна из первых концептуальных моделей, основанных на агентах, была Томас Шеллинг модель сегрегации,[6] который обсуждался в его статье «Динамические модели сегрегации» в 1971 году. Хотя Шеллинг первоначально использовал монеты и миллиметровую бумагу, а не компьютеры, его модели воплощали базовую концепцию агентно-ориентированных моделей как автономных агентов, взаимодействующих в общей среде с наблюдаемой совокупностью Неожиданный исход.

В начале 1980-х гг. Роберт Аксельрод провел турнир Дилемма заключенного стратегии и заставили их взаимодействовать на основе агентов, чтобы определить победителя. Аксельрод продолжал развивать множество других агентно-ориентированных моделей в области политологии, которые исследуют явления из этноцентризм распространению культуры.[7]К концу 1980-х гг. Крейг Рейнольдс ' работа над стекаться модели способствовали разработке некоторых из первых моделей на основе биологических агентов, которые содержали социальные характеристики. Он попытался смоделировать реальность живых биологических агентов, известных как искусственная жизнь, термин, придуманный Кристофер Лэнгтон.

Трудно отследить первое употребление слова «агент» и определение, используемое в настоящее время. Один кандидат кажется Джон Холланд и статья Джона Х. Миллера 1991 г. «Искусственные адаптивные агенты в экономической теории»,[8] на основе их более ранней презентации на конференции.

В то же время в 1980-х годах социологи, математики, исследователи операций и некоторые люди из других дисциплин разработали теорию вычислительной и математической организации (CMOT). Эта область выросла как группа с особыми интересами Института наук управления (TIMS) и его дочернего общества, Американского общества исследования операций (ORSA).

1990-е: расширение

1990-е гг. Были особенно примечательны расширением ПРО в социальных науках, одним из примечательных достижений стала крупномасштабная ПРО. Сахарный пейзаж, разработанДжошуа М. Эпштейн и Роберт Экстелл для моделирования и изучения роли социальных явлений, таких как сезонные миграции, загрязнение окружающей среды, половое размножение, борьба и передача болезней и даже культуры.[9] Другие известные события 1990-х годов включали Университет Карнеги Меллон с Кэтлин Карли ПРО,[10] исследовать совместную эволюцию социальных сетей и культуры. Найджел Гилберт опубликовал первый учебник по социальному моделированию: моделирование для социологов (1999) и учредил журнал с точки зрения социальных наук: Журнал искусственных обществ и социального моделирования (JASSS). Помимо JASSS, агентные модели любой дисциплины входят в сферу применения журнала SpringerOpen. Моделирование сложных адаптивных систем (CASM).[11]

В середине 1990-х направление социальных наук в ABM стало сосредоточиваться на таких вопросах, как создание эффективных команд, понимание коммуникации, необходимой для эффективности организации, и поведение социальных сетей. CMOT - позже переименованный в «Вычислительный анализ социальных и организационных систем» (CASOS) - все больше и больше включает моделирование на основе агентов. Самуэльсон (2000) - хороший краткий обзор ранней истории,[12] и Самуэльсон (2005) и Самуэльсон и Макал (2006) прослеживают более недавние события.[13][14]

В конце 1990-х произошло слияние компаний TIMS и ORSA с образованием ИНФОРМАЦИЯ, а также переход INFORMS от двух встреч в год к одной, помогли группе CMOT сформировать отдельное общество - Североамериканскую ассоциацию вычислительных социальных и организационных наук (NAACSOS). Кэтлин Карли внесла большой вклад, особенно в модели социальных сетей, получив Национальный фонд науки финансирование ежегодной конференции и выполнение обязанностей первого президента NAACSOS. Ее сменил Дэвид Саллах из Чикагский университет и Аргоннская национальная лаборатория, а затем Майкл Приетула из Университет Эмори. Примерно в то же время, когда начался NAACSOS, Европейская ассоциация социального моделирования (ESSA) и Азиатско-Тихоокеанская ассоциация агентного подхода в науке о социальных системах (PAAA), аналог NAACSOS. По состоянию на 2013 год эти три организации сотрудничают на международном уровне. Первый Всемирный конгресс по социальному моделированию прошел при их совместном спонсорстве в Киото, Япония, в августе 2006 года.[нужна цитата ] Второй Всемирный Конгресс проходил в пригороде Вашингтона, округ Колумбия, на севере Вирджинии в июле 2008 г. Университет Джорджа Мейсона играть ведущую роль в местных мероприятиях.

2000-е и позже

В последнее время, Рон Сан разработаны методы для базирования агентного моделирования на моделях человеческого познания, известных как когнитивное социальное моделирование.[15] Билл МакКелви, Сюзанна Ломанн, Дарио Нарди, Дуайт Рид и другие в UCLA также внесли значительный вклад в организационное поведение и принятие решений. С 2001 года Калифорнийский университет в Лос-Анджелесе организовал конференцию в Лейк-Эрроухед, Калифорния, которая стала еще одним важным местом встречи практикующих в этой области.[нужна цитата ]

Теория

Большинство исследований компьютерного моделирования описывает системы в равновесие или как перемещение между состояниями равновесия. Однако агентное моделирование с использованием простых правил может приводить к различным видам сложного и интересного поведения. Три центральные идеи агентных моделей - это агенты как объекты, появление, и сложность.

Агентные модели состоят из динамически взаимодействующих агентов на основе правил. Системы, в которых они взаимодействуют, могут создавать сложность, похожую на реальную. Обычно агентырасположенный в пространстве и времени и пребывают в сетях или в окрестностях, подобных решетке. Местоположение агентов и их ответное поведение закодированы в алгоритмический форма в компьютерных программах. В некоторых случаях, хотя и не всегда, агентов можно считать умными и целеустремленными. В экологической ABM (часто называемой в экологии «индивидуальными моделями») агентами могут быть, например, деревья в лесу, и они не будут считаться разумными, хотя они могут быть «целенаправленными» в смысле оптимизации доступа к ресурс (например, вода). Процесс моделирования лучше всего описать как индуктивный. Разработчик модели делает эти предположения наиболее релевантными для данной ситуации, а затем наблюдает за явлениями, возникающими в результате взаимодействия агентов. Иногда таким результатом является равновесие. Иногда это возникающая закономерность. Иногда, однако, это непонятная катушка.

В некотором смысле агентные модели дополняют традиционные аналитические методы. Там, где аналитические методы позволяют людям характеризовать равновесия системы, агент-ориентированные модели допускают возможность создания этих равновесий. Этот генеративный вклад может быть самым основным из потенциальных преимуществ агентного моделирования. Агентные модели могут объяснить появление паттернов более высокого порядка - сетевых структур террористических организаций и Интернета, степенные распределения в размерах пробок, войн и обвалов на фондовых рынках, а также социальной сегрегации, которая сохраняется, несмотря на наличие толерантных людей. Агентные модели также могут использоваться для определения точек рычагов, определяемых как моменты времени, в которые вмешательства имеют экстремальные последствия, и для различения типов зависимости от пути.

Вместо того, чтобы сосредотачиваться на стабильных состояниях, многие модели рассматривают надежность системы - способы, которыми сложные системы адаптируются к внутреннему и внешнему давлению, чтобы поддерживать свою функциональность. Задача обуздания этой сложности требует рассмотрения самих агентов - их разнообразия, взаимосвязанности и уровня взаимодействия.

Рамки

Недавняя работа по моделированию и моделированию сложных адаптивных систем продемонстрировала необходимость комбинирования агентно-ориентированных и сложных сетевых моделей.[16][17][18] описать структуру, состоящую из четырех уровней разработки моделей сложных адаптивных систем, описанных с использованием нескольких примеров мультидисциплинарных тематических исследований:

  1. Уровень сложного сетевого моделирования для разработки моделей с использованием данных взаимодействия различных компонентов системы.
  2. Исследовательский уровень моделирования на основе агентов для разработки моделей на основе агентов для оценки осуществимости дальнейших исследований. Это может, например, быть полезным для разработки моделей проверки концепции, например, для приложений финансирования, не требуя от исследователей длительного обучения.
  3. Описательное моделирование на основе агентов (DREAM) для разработки описаний моделей на основе агентов с помощью шаблонов и сложных сетевых моделей. Построение моделей DREAM позволяет сравнивать модели по научным дисциплинам.
  4. Валидированное агентное моделирование с использованием многоагентной системы Virtual Overlay (VOMAS) для формальной разработки верифицированных и валидированных моделей.

Другие методы описания агентно-ориентированных моделей включают шаблоны кода.[19] и текстовые методы, такие как протокол ODD (Обзор, Концепции дизайна и Детали дизайна).[20]

Роль среды, в которой живут агенты, как макро, так и микро,[21] также становится важным фактором в агентном моделировании и симуляции. Простая среда предоставляет простых агентов, но сложная среда порождает разнообразие поведения.[22]

Приложения

В биологии

Основная статья: Агентная модель в биологии

Агентное моделирование широко используется в биологии, включая анализ распространения эпидемии,[23] и угроза биологическая война, биологические приложения включая динамика населения,[24] стохастическая экспрессия генов,[25] взаимодействие растений и животных,[26] экология растительности,[27] ландшафтное разнообразие,[28] рост и упадок древних цивилизаций, эволюция этноцентрического поведения,[29] принудительное перемещение / миграция,[30] динамика выбора языка,[31] когнитивное моделирование, а также биомедицинские приложения, включая моделирование формирования / морфогенеза ткани молочной железы в 3D,[32] влияние ионизирующего излучения на динамику субпопуляции стволовых клеток молочной железы,[33] воспаление,[34][35] и человек иммунная система.[36] Агентные модели также использовались для разработки систем поддержки принятия решений, например, для рака груди.[37] Агентные модели все чаще используются для моделирования фармакологических систем на ранних стадиях и доклинических исследований, чтобы помочь в разработке лекарств и получить представление о биологических системах, что было бы невозможно. априори.[38] Также оценивались военные приложения.[39] Более того, агент-ориентированные модели недавно использовались для изучения биологических систем на молекулярном уровне.[40][41][42]

В эпидемиологии

Агентные модели теперь дополняют традиционные разделенный модели, обычный тип эпидемиологических моделей. Было показано, что ABM превосходят отдельные модели в отношении точности прогнозов.[43][44] В последнее время АОМ стали использоваться для информирования (нефармацевтических) вмешательств в области общественного здравоохранения против распространения SARS-CoV-2.[45] Эпидемиологические ПРО подвергались критике за упрощение и нереалистичные предположения.[46][47] Тем не менее, они могут быть полезны при принятии решений относительно мер по смягчению и подавлению в случаях, когда ПРО точно откалиброваны.[48]

В бизнесе, технологиях и теории сетей

Агентные модели используются с середины 1990-х годов для решения различных бизнес-задач и технологических проблем. Примеры приложений включают маркетинг,[49] организационное поведение и познание,[50] командная работа,[51] оптимизация цепочки поставок и логистика, моделирование Потребительское поведение, включая молва, социальная сеть последствия, распределенных вычислений, управление персоналом, и Управление портфелем. Они также использовались для анализа затор на дорогах.[52]

В последнее время моделирование и симуляция на основе агентов стали применяться к различным областям, таким как изучение влияния мест публикации исследователями в области компьютерных наук (журналы против конференций).[53] Кроме того, ABM использовались для моделирования доставки информации в окружающих средах.[54] Статья в ноябре 2016 г. arXiv проанализировали агентное моделирование распространения сообщений в Facebook.[55] В области одноранговых, специальных и других самоорганизующихся и сложных сетей была показана полезность агентного моделирования и симуляции.[56] Использование формальной структуры спецификации, основанной на информатике, в сочетании с беспроводные сенсорные сети и недавно было продемонстрировано агентное моделирование.[57]

Эволюционный поиск или алгоритм на основе агентов - это новая тема исследования для решения сложных задач оптимизации.[58]

В экономике и социальных науках

Основные статьи: Вычислительная экономика на основе агентов и Агентное социальное моделирование

До и после финансового кризиса возрос интерес к АБМ как возможному инструменту экономического анализа.[59][60] ПРО не предполагает, что экономика может достичь равновесия и "представительские агенты "заменяются агентами с разнообразным, динамичным и взаимозависимым поведением, включая стадо. ABM использует подход «снизу вверх» и может генерировать чрезвычайно сложную и нестабильную моделируемую экономику. ABM могут представлять собой нестабильные системы со сбоями и взрывами, которые развиваются из нестабильныхлинейный (непропорциональные) реакции на пропорционально небольшие изменения.[61] Статья в июле 2010 г. Экономист рассматривали ПРО как альтернативу DSGE модели.[61] Журнал Природа также поощрял агентное моделирование в редакционной статье, в которой говорилось, что ABM может лучше представлять финансовые рынки и другие экономические сложности, чем стандартные модели.[62] вместе с эссе Дж. Дойн Фармер и Дункан Фоули, который утверждал, что ПРО может удовлетворить как стремление Кейнса представлять сложную экономику, так и Роберта Лукаса - построить модели, основанные на микрооснованиях.[63] Фармер и Фоули указали на прогресс, достигнутый с использованием ABM для моделирования частей экономики, но выступили за создание очень большой модели, включающей модели низкого уровня.[64] Путем моделирования сложной системы аналитиков на основе трех различных поведенческих профилей - имитационного, антиимитационного и безразличного - финансовые рынки были смоделированы с высокой точностью. Результаты показали корреляцию между морфологией сети и индексом фондового рынка.[65]

ABM были развернуты в архитектуре и городском планировании для оценки дизайна и моделирования пешеходного потока в городской среде.[66] и рассмотрение заявлений государственной политики в области землепользования.[67] Существует также растущая область социально-экономического анализа воздействия инвестиций в инфраструктуру с использованием способности ABM распознавать системные воздействия на социально-экономическую сеть.[68]

Организационная ABM: управляемое агентом моделирование

Метафора управляемой агентом симуляции (ADS) различает две категории, а именно «системы для агентов» и «агенты для систем».[69] Системы для агентов (иногда называемые системами агентов) - это системы, реализующие агентов для использования в инженерии, человеческой и социальной динамике, военных приложениях и т. Д. Агенты для систем делятся на две подкатегории. Системы, поддерживаемые агентами, предполагают использование агентов в качестве вспомогательного средства для обеспечения компьютерной помощи в решении проблем или повышении когнитивных способностей. Агентные системы ориентированы на использование агентов для создания модели поведения при оценке системы (системные исследования и анализ).

Беспилотные автомобили

Waymo Carcraft создала среду многоагентного моделирования для тестирования алгоритмов беспилотные автомобили.[70][71] Он имитирует взаимодействие между водителями-людьми, пешеходами и автоматизированными транспортными средствами. Поведение людей имитируется искусственными агентами на основе данных реального человеческого поведения.

Выполнение

Много Фреймворки ABM предназначены для серийных компьютерные архитектуры фон Неймана, ограничивая скорость и масштабируемость реализуемых моделей. Поскольку эмерджентное поведение в крупномасштабных АОМ зависит от размера популяции,[72] ограничения масштабируемости могут затруднить проверку модели.[73] Такие ограничения в основном устраняются с помощью распределенных вычислений, с такими фреймворками, как Repast HPC[74] специально для этого типа реализаций. Хотя такие подходы хорошо подходят для кластер и суперкомпьютер архитектуры, вопросы, связанные с коммуникацией и синхронизацией,[75][76] а также сложность развертывания,[77] остаются потенциальными препятствиями для их широкого распространения.

Недавняя разработка - использование алгоритмов параллельных данных в графических процессорах. GPU для моделирования ПРО.[72][78][79] Чрезвычайная пропускная способность памяти в сочетании с огромной вычислительной мощностью многопроцессорных графических процессоров позволила имитировать миллионы агентов с десятками кадров в секунду.

Интеграция с другими формами моделирования

Поскольку моделирование на основе агентов - это скорее структура моделирования, чем конкретная часть программного обеспечения или платформы, его часто использовали в сочетании с другими формами моделирования. Например, агент-ориентированные модели также были объединены с Географические информационные системы (ГИС). Это обеспечивает полезную комбинацию, когда ABM служит моделью процесса, а система GIS может предоставить модель шаблона.[80] По аналогии, Анализ социальных сетей (SNA) инструменты и агентные модели иногда интегрируются, где ABM используется для моделирования динамики в сети, в то время как инструмент SNA моделирует и анализирует сеть взаимодействий.[81]

Верификация и валидация

Верификация и валидация (V&V) имитационных моделей чрезвычайно важен.[82][83] Проверка включает в себя обеспечение соответствия реализованной модели концептуальной модели, тогда как проверка гарантирует, что реализованная модель имеет некоторое отношение к реальному миру. Проверка лица, анализ чувствительности, калибровка и статистическая проверка - это разные аспекты проверки.[84] Предложен подход на основе моделирования дискретных событий для валидации агентных систем.[85] Здесь можно найти исчерпывающий ресурс по эмпирической проверке агент-ориентированных моделей.[86]

В качестве примера техники V&V рассмотрим VOMAS (виртуальная оверлейная многоагентная система),[87] подход, основанный на разработке программного обеспечения, при котором виртуальная оверлейная многоагентная система разрабатывается наряду с агентной моделью. Муази и др. также приведите пример использования VOMAS для проверки и валидации имитационной модели лесного пожара.[88][89]

Смотрите также

Рекомендации

  1. ^ Гримм, Фолькер; Рейлсбэк, Стивен Ф. (2005). Индивидуальное моделирование и экология. Издательство Принстонского университета. п. 485. ISBN  978-0-691-09666-7.
  2. ^ а б Ниази, Муаз; Хуссейн, Амир (2011). "Агентные вычисления от многоагентных систем к агентным моделям: визуальный обзор" (PDF). Наукометрия. 89 (2): 479–499. arXiv:1708.05872. Дои:10.1007 / s11192-011-0468-9. S2CID  17934527. Архивировано из оригинал (PDF) 12 октября 2013 г.
  3. ^ Густафссон, Лейф; Стернад, Микаэль (2010). «Последовательное моделирование населения на микро-, макро- и государственной основе». Математические биологические науки. 225 (2): 94–107. Дои:10.1016 / j.mbs.2010.02.003. PMID  20171974.
  4. ^ «Агентные модели промышленных экосистем». Университет Рутгерса. 6 октября 2003 г. Архивировано с оригинал 20 июля 2011 г.
  5. ^ Бонабо, Э. (14 мая 2002 г.). «Агентное моделирование: методы и приемы моделирования человеческих систем». Труды Национальной академии наук Соединенных Штатов Америки. 99: 7280–7. Bibcode:2002PNAS ... 99.7280B. Дои:10.1073 / pnas.082080899. ЧВК  128598. PMID  12011407.
  6. ^ Шеллинг, Томас К. (1971). «Динамические модели сегрегации» (PDF). Журнал математической социологии. 1 (2): 143–186. Дои:10.1080 / 0022250x.1971.9989794.
  7. ^ Аксельрод, Роберт (1997). Сложность сотрудничества: агентные модели конкуренции и сотрудничества. Принстон: Издательство Принстонского университета. ISBN  978-0-691-01567-5.
  8. ^ Holland, J.H .; Миллер, Дж. (1991). «Искусственные адаптивные агенты в экономической теории» (PDF). Американский экономический обзор. 81 (2): 365–71. Архивировано из оригинал (PDF) 27 октября 2005 г.
  9. ^ Эпштейн, Джошуа М.; Акстелл, Роберт (11 октября 1996 г.). Растущие искусственные общества: общественные науки снизу вверх. Издательство Брукингского института. стр.224. ISBN  978-0-262-55025-3.
  10. ^ "Построить". Вычислительный анализ систем социальной организации.
  11. ^ Журнал Springer по моделированию сложных адаптивных систем (CASM)
  12. ^ Самуэльсон, Дуглас А. (декабрь 2000 г.). «Проектные организации». ИЛИ / MS сегодня.
  13. ^ Самуэльсон, Дуглас А. (февраль 2005 г.). «Агенты перемен». ИЛИ / MS сегодня.
  14. ^ Самуэльсон, Дуглас А .; Макал, Чарльз М. (август 2006 г.). «Агентное моделирование достигает зрелости». ИЛИ / MS сегодня.
  15. ^ Солнце, Рон, изд. (Март 2006 г.). Познание и мультиагентное взаимодействие: от когнитивного моделирования до социального моделирования. Издательство Кембриджского университета. ISBN  978-0-521-83964-8.
  16. ^ Адитья Курве; Хашаяр Котоби; Джордж Кесидис (2013). «Агентная структура для моделирования производительности оптимистичного параллельного симулятора дискретных событий». Моделирование сложных адаптивных систем. 1: 12. Дои:10.1186/2194-3206-1-12.
  17. ^ Ниази, Муаз А. К. (30 июня 2011 г.). «На пути к новой унифицированной структуре для разработки формальных, сетевых и проверенных моделей имитационного моделирования сложных адаптивных систем». HDL:1893/3365. Цитировать журнал требует | журнал = (помощь) (Кандидатская диссертация)
  18. ^ Niazi, M.A., и Hussain, A (2012), Cognitive Agent-based Computing-I: Unified Framework for Modeling Complex Adaptive Systems using Agent-based & Complex Network-based Methods Когнитивные вычисления на основе агентов
  19. ^ «Шаблоны кода Swarm для сравнения моделей». Группа Развития Роя. Архивировано из оригинал 3 августа 2008 г.
  20. ^ Фолькер Гримм; Ута Бергер; Финн Бастиансен; и другие. (15 сентября 2006 г.). «Стандартный протокол для описания индивидуальных и агентных моделей». Экологическое моделирование. 198 (1–2): 115–126. Дои:10.1016 / j.ecolmodel.2006.04.023. (ODD бумага)
  21. ^ Чанг, Э. (2012) Макро- и микросреда для разнообразия поведения в искусственном моделировании жизни, сессия «Искусственная жизнь», 6-я Международная конференция по мягким вычислениям и интеллектуальным системам, 13-й Международный симпозиум по передовым интеллектуальным системам, 20–24 ноября , 2012, Кобе, Япония. Макро и микросреда В архиве 13 ноября 2013 г. Wayback Machine
  22. ^ Саймон, Герберт А. Науки об искусственном. MIT press, 1996.
  23. ^ Ситунгкир, Хокки (2004). «Эпидемиология через клеточные автоматы: пример изучения птичьего гриппа в Индонезии». arXiv:nlin / 0403035.
  24. ^ Каплат, Поль; Ананд, Мадхур; Баух, Крис (10 марта 2008 г.). «Симметричная конкуренция вызывает колебания численности населения в индивидуальной модели динамики леса». Экологическое моделирование. 211 (3–4): 491–500. Дои:10.1016 / j.ecolmodel.2007.10.002.
  25. ^ Томас, Филипп (декабрь 2019 г.). «Внутренний и внешний шум экспрессии генов в деревьях родословной». Научные отчеты. 9 (1): 474. Bibcode:2019НатСР ... 9..474Т. Дои:10.1038 / с41598-018-35927-х. ISSN  2045-2322. ЧВК  6345792. PMID  30679440.
  26. ^ Fedriani JM, T. Wiegand, D Ayllón, F Palomares, A Suárez-Esteban и V. Grimm. 2018. Помощь распространителям семян в восстановлении старых полей: индивидуальная модель взаимодействия между барсуками, лисами и иберийскими грушами. Журнал прикладной экологии 55: 600–611.
  27. ^ Чанг, Э. (2009) Подход к моделированию искусственной растительности, основанной на жизни, для исследования биоразнообразия, в естественной информатике для интеллектуальных приложений и открытия знаний: последствия для бизнеса, науки и техники, Р. Чионг, редактор. 2009, IGI Global: Херши, Пенсильвания. http://complexity.io/Publications/NII-alifeVeg-eCHNG.pdf В архиве 13 ноября 2013 г. Wayback Machine
  28. ^ Wirth, E .; Сабо, Гр .; Чинкоцкий А. (7 июня 2016 г.). «Измерение неоднородности ландшафта с помощью агентной методологии». Летопись ISPRS по фотограмметрии, дистанционному зондированию и пространственной информации. III-8: 145–151. Bibcode:2016ISPAnIII8..145W. Дои:10.5194 / isprs-annals-iii-8-145-2016.
  29. ^ Lima, Francisco W. S .; Хаджибеганович, Тарик; Штауфер, Дитрих (2009). «Эволюция этноцентризма в ненаправленных и направленных сетях Барабаши – Альберта». Physica A. 388 (24): 4999–5004. arXiv:0905.2672. Bibcode:2009PhyA..388.4999L. Дои:10.1016 / j.physa.2009.08.029. S2CID  18233740.
  30. ^ Эдвардс, Скотт (9 июня 2009 г.). Хаос вынужденной миграции: средство моделирования для достижения гуманитарной цели. ВДМ Верлаг. п. 168. ISBN  978-3-639-16516-6.
  31. ^ Хаджибеганович, Тарик; Штауфер, Дитрих; Шульце, Кристиан (2009). «Агентное компьютерное моделирование динамики выбора языка». Летопись Нью-Йоркской академии наук. 1167 (1): 221–229. Bibcode:2009НЯСА1167..221Х. Дои:10.1111 / j.1749-6632.2009.04507.x. PMID  19580569. S2CID  32790067.
  32. ^ Тан, Джонатан; Эндерлинг, Хейко; Беккер-Вейманн, Сабина; Фам, Кристофер; Полизос, Арис; Чен, Чарли; Костес, Сильвен (2011). «Карты фенотипических переходов трехмерных ацинусов груди, полученные с помощью агентного моделирования под визуализацией». Интегративная биология. 3 (4): 408–21. Дои:10.1039 / c0ib00092b. ЧВК  4009383. PMID  21373705.
  33. ^ Тан, Джонатан; Фернандо-Гарсия, Игнасио; Виджаякумар, Сангита; Мартинес-Руис, Хайделиз; Илла-Бочака, Иринеу; Нгуен, Дэвид; Мао, Цзянь-Хуа; Костес, Сильвен; Барселлос-Хофф, Мэри Хелен (2014). «Облучение молодых, но не взрослых, молочных желез увеличивает самообновление стволовых клеток и опухолей, отрицательных по рецепторам эстрогена». Стволовые клетки. 32 (3): 649–61. Дои:10.1002 / стержень.1533. PMID  24038768. S2CID  32979016.
  34. ^ Тан, Джонатан; Лей, Клаус; Хант, К. Энтони (2007). «Динамика сворачивания, активации и адгезии in silico лейкоцитов». BMC Системная биология. 1 (14): 14. Дои:10.1186/1752-0509-1-14. ЧВК  1839892. PMID  17408504.
  35. ^ Тан, Джонатан; Хант, К. Энтони (2010). «Определение правил взаимодействия, обеспечивающих свертывание, активацию и адгезию лейкоцитов». PLOS вычислительная биология. 6 (2): e1000681. Bibcode:2010PLSCB ... 6E0681T. Дои:10.1371 / journal.pcbi.1000681. ЧВК  2824748. PMID  20174606.
  36. ^ Кастильоне, Филиппо; Селада, Франко (2015). Моделирование и симуляция иммунной системы. CRC Press, Бока-Ратон. п. 274. ISBN  978-1-4665-9748-8.
  37. ^ Сиддика, Амна; Ниази, Муаз; Мустафа, Фарах; Бухари, Хабиб; Хуссейн, Амир; Акрам, Норин; Шахин, Шабнум; Ахмед, Фузия; Икбал, Сара (2009). «Новая гибридная система моделирования и поддержки принятия решений на основе агентов для анализа данных о раке груди» (PDF). 2009 Международная конференция по информационным и коммуникационным технологиям. С. 134–139. Дои:10.1109 / ICICT.2009.5267202. ISBN  978-1-4244-4608-7. S2CID  14433449. Архивировано из оригинал (PDF) 14 июня 2011 г. (DSS рака молочной железы)
  38. ^ Батлер, Джеймс; Косгроув, Джейсон; Олден, Киран; Прочтите, Марк; Кумар, Випин; Кукурулл-Санчес, Лурдес; Тиммис, Джон; Коулз, Марк (2015). «Агентное моделирование в системной фармакологии». CPT: фармакометрия и системная фармакология. 4 (11): 615–629. Дои:10.1002 / psp4.12018. ЧВК  4716580. PMID  26783498.
  39. ^ Барати, Гнана; Йилмаз, Левент; Толк, Андреас (март 2012). «Агент-управляемое моделирование для боевого моделирования и распределенного моделирования». Инженерные принципы боевого моделирования и распределенного моделирования. Хобокен, штат Нью-Джерси: Wiley. С. 669–714. Дои:10.1002 / 9781118180310.ch27. ISBN  9781118180310.
  40. ^ Азими, Мохаммад; Джамали, Юсеф; Мофрад, Мохаммад Р. К. (2011). «Учет диффузии в агентных моделях реакционно-диффузионных систем с применением к цитоскелетной диффузии». PLOS ONE. 6 (9): e25306. Bibcode:2011PLoSO ... 625306A. Дои:10.1371 / journal.pone.0025306. ЧВК  3179499. PMID  21966493.
  41. ^ Азими, Мохаммад; Мофрад, Мохаммад Р. К. (2013). «Более высокое сродство нуклеопорина к импортину β в ядерной корзине увеличивает ядерно-цитоплазматический импорт». PLOS ONE. 8 (11): e81741. Bibcode:2013PLoSO ... 881741A. Дои:10.1371 / journal.pone.0081741. ЧВК  3840022. PMID  24282617.
  42. ^ Азими, Мохаммад; Булат, Евгений; Вайс, Карстен; Мофрад, Мохаммад Р. К. (5 ноября 2014 г.). «Агентная модель для экспорта мРНК через комплекс ядерных пор». Молекулярная биология клетки. 25 (22): 3643–3653. Дои:10.1091 / mbc.E14-06-1065. ЧВК  4230623. PMID  25253717.
  43. ^ Эйзингер, Дирк; Тюльке, Ханс-Германн (1 апреля 2008 г.). «Формирование пространственного рисунка способствует искоренению инфекционных заболеваний». Журнал прикладной экологии. 45 (2): 415–423. Дои:10.1111 / j.1365-2664.2007.01439.x. ISSN  0021-8901. ЧВК  2326892. PMID  18784795.
  44. ^ Railsback, Стивен Ф .; Гримм, Волкер (26 марта 2019 г.). Агентное и индивидуальное моделирование. ISBN  978-0-691-19082-2.
  45. ^ Адам, Дэвид (2 апреля 2020 г.). «Специальный репортаж: Моделирование реакции мира на COVID-19». Природа. 580 (7803): 316–318. Дои:10.1038 / d41586-020-01003-6. PMID  32242115. S2CID  214771531.
  46. ^ Шридхар, Деви; Маджумдер, Маймуна С. (21 апреля 2020 г.). «Моделирование пандемии». BMJ. 369: m1567. Дои:10.1136 / bmj.m1567. ISSN  1756-1833. PMID  32317328. S2CID  216074714.
  47. ^ Скваццони, Фламинио; Полхилл, Дж. Гарет; Эдмондс, Брюс; Арвайлер, Петра; Антош, Патрича; Шольц, Геске; Чаппен, Эмиль; Борит, Мелания; Верхаген, Харко; Джардини, Франческа; Гилберт, Найджел (2020). «Вычислительные модели, которые имеют значение во время глобальной вспышки пандемии: призыв к действию». Журнал искусственных обществ и социального моделирования. 23 (2): 10. Дои:10.18564 / jasss.4298. ISSN  1460-7425. S2CID  216426533.
  48. ^ Мазиарц, Мариуш; Зак, Мартин (2020). «Агентное моделирование для прогнозирования эпидемии SARS-CoV-2 и оценки вмешательства: методологическая оценка». Журнал оценки в клинической практике. 26 (5): 1352–1360. Дои:10.1111 / jep.13459. ISSN  1365-2753. ЧВК  7461315. PMID  32820573.
  49. ^ Рэнд, Уильям; Ржавчина, Роланд Т. (2011). «Агентное моделирование в маркетинге: рекомендации по строгости». Международный журнал исследований в области маркетинга. 28 (3): 181–193. Дои:10.1016 / j.ijresmar.2011.04.002.
  50. ^ Hughes, H.P.N .; Clegg, C.W .; Робинсон, М. А .; Краудер, Р. М. (2012). «Агентное моделирование и симуляция: потенциальный вклад в организационную психологию». Журнал профессиональной и организационной психологии. 85 (3): 487–502. Дои:10.1111 / j.2044-8325.2012.02053.x.
  51. ^ Crowder, R.M .; Робинсон, М. А .; Hughes, H.P.N .; Сим, Ю. В. (2012). «Разработка среды агентного моделирования для моделирования работы инженерных команд». Транзакции IEEE по системам, человеку и кибернетике - Часть A: Системы и люди. 42 (6): 1425–1439. Дои:10.1109 / TSMCA.2012.2199304. S2CID  7985332.
  52. ^ «Применение агентских технологий для моделирования дорожного движения». Министерство транспорта США. 15 мая 2007 г. Архивировано с оригинал 1 января 2011 г.. Получено 31 октября, 2007.
  53. ^ Niazi, M .; Baig, A.R .; Hussain, A .; Бхатти, С. (2008). Мейсон, S .; Hill, R .; Mönch, L .; Rose, O .; Джефферсон, Т .; Фаулер, Дж. У. (ред.). «Моделирование исследовательского процесса» (PDF). Материалы 40-й конференции по зимнему моделированию (Майами, Флорида, 7-10 декабря 2008 г.): 1326–1334. Дои:10.1109 / WSC.2008.4736206. HDL:1893/3203. ISBN  978-1-4244-2707-9. S2CID  6597668.
  54. ^ Ниази, Муаз А. (2008). «Самоорганизованная настраиваемая архитектура доставки контента для окружающих сред с поддержкой» (PDF). ОБНОВЛЕНИЕ '08: Материалы третьего международного семинара по использованию P2P, Grid и агентов для развития контентных сетей: 45–54. Дои:10.1145/1384209.1384218. ISBN  9781605581552. S2CID  16916130. Архивировано из оригинал (PDF) 14 июня 2011 г.
  55. ^ Насринпур, Хамид Реза; Friesen, Marcia R .; Маклеод, Роберт Д. (22 ноября 2016 г.). «Агентная модель распространения сообщений в электронной социальной сети Facebook». arXiv:1611.07454 [cs.SI ].
  56. ^ Ниази, Муаз; Хуссейн, Амир (март 2009 г.). «Инструменты на основе агентов для моделирования и симуляции самоорганизации в одноранговых, одноранговых и других сложных сетях» (PDF). Журнал IEEE Communications. 47 (3): 163–173. Дои:10.1109 / MCOM.2009.4804403. HDL:1893/2423. S2CID  23449913. Архивировано из оригинал (PDF) 4 декабря 2010 г.
  57. ^ Ниази, Муаз; Хуссейн, Амир (2011). «Новая структура моделирования на основе агентов для зондирования в сложных адаптивных средах» (PDF). Журнал датчиков IEEE. 11 (2): 404–412. arXiv:1708.05875. Bibcode:2011ISenJ..11..404N. Дои:10.1109 / JSEN.2010.2068044. S2CID  15367419. Архивировано из оригинал (PDF) 25 июля 2011 г.
  58. ^ Саркер, Р. А .; Рэй, Т. (2010). «Агентный эволюционный подход: введение». Агентный эволюционный поиск. Адаптация, обучение и оптимизация. 5. п. 1. Дои:10.1007/978-3-642-13425-8_1. ISBN  978-3-642-13424-1.
  59. ^ Пейдж, Скотт Э. (2008). Агент-ориентированные модели. Новый экономический словарь Пэлгрейва (2-е изд.).
  60. ^ Testfatsion, Ли; Джадд, Кеннет, ред. (Май 2006 г.). Справочник по вычислительной экономике. 2. Эльзевир. п. 904. ISBN  978-0-444-51253-6. Архивировано из оригинал 6 марта 2012 г.. Получено 29 января, 2012. (Предварительный просмотр главы)
  61. ^ а б «Агенты перемен». Экономист. 22 июля 2010 г.. Получено 16 февраля, 2011.
  62. ^ «Модельный подход». Природа. 460 (7256): 667. 6 августа 2009 г. Bibcode:2009 Натур.460Q.667.. Дои:10.1038 / 460667a. PMID  19661863.
  63. ^ Фермер и Фоли 2009, п. 685.
  64. ^ Фермер и Фоли 2009, п. 686.
  65. ^ Стефан Ф. и Атман А. (2015). Есть ли связь между морфологией сети и колебаниями индекса фондового рынка? Physica A: Статистическая механика и ее приложения, (419), 630-641.
  66. ^ Ашванден, G.D.P.A; Вулльшлегер, Тобиас; Мюллер, Ханспетер; Шмитт, Герхард (2009). «Оценка 3D-моделей города с использованием автоматически размещенных городских агентов». Автоматизация в строительстве. 22: 81–89. Дои:10.1016 / j.autcon.2011.07.001.
  67. ^ Браун, Дэниел Дж .; Пейдж, Скотт Э .; Целльнер, Мойра; Рэнд, Уильям (2005). «Зависимость от траектории и проверка агентных пространственных моделей землепользования». Международный журнал геоинформатики. 19 (2): 153–174. Дои:10.1080/13658810410001713399.
  68. ^ Сметанин, Павел; Жесткий, Дэвид (2015). Инвестиции в общественную инфраструктуру Онтарио: перспектива процветания под угрозой, с анализом Большого Торонто и района Гамильтон (PDF). The Canadian Centre for Economic Analysis (Отчет).
  69. ^ "Agent-Directed Simulation".
  70. ^ Madrigal, Story by Alexis C. "Inside Waymo's Secret World for Training Self-Driving Cars". Атлантический океан. Получено 14 августа, 2020.
  71. ^ Connors, J.; Graham, S .; Mailloux, L. (2018). "Cyber Synthetic Modeling for Vehicle-to-Vehicle Applications". In International Conference on Cyber Warfare and Security. Academic Conferences International Limited: 594-XI.
  72. ^ а б Lysenko, Mikola; D'Souza, Roshan M. (2008). "A Framework for Megascale Agent Based Model Simulations on Graphics Processing Units". Журнал искусственных обществ и социального моделирования. 11 (4): 10. ISSN  1460-7425. Получено 16 апреля, 2019.
  73. ^ Gulyás, László; Szemes, Gábor; Kampis, George; de Back, Walter (2009). "A Modeler-Friendly API for ABM Partitioning". Proceedings of the ASME 2009 International Design Engineering Technical Conferences & Computers and Information in Engineering Conference IDETC/CIE 2009. San Diego, California, USA. 2: 219–226.
  74. ^ Collier, N .; North, M. (2013). "Parallel agent-based simulation with Repast for High Performance Computing". Моделирование. 89 (10): 1215–1235. Дои:10.1177/0037549712462620. S2CID  29255621.
  75. ^ Fujimoto, R. (2015). "Parallel and distributed simulation". 2015 Winter Simulation Conference (WSC). Huntington Beach, CA, USA: 45–59. Дои:10.1109/WSC.2015.7408152. ISBN  978-1-4673-9743-8.
  76. ^ Shook, E.; Wang, S .; Tang, W. (2013). "A communication-aware framework for parallel spatially explicit agent-based models". International Journal of Geographical Information Science. Тейлор и Фрэнсис. 27 (11): 2160–2181. Дои:10.1080/13658816.2013.771740. S2CID  41702653.
  77. ^ Jonas, E.; Pu, Q.; Venkataraman, S.; Stoica, I.; Recht, B. (2017). "Occupy the Cloud: Distributed Computing for the 99%". Proceedings of the 2017 Symposium on Cloud Computing (SoCC '17). Santa Clara, CA, USA: ACM: 445–451. arXiv:1702.04024. Bibcode:2017arXiv170204024J. Дои:10.1145/3127479.3128601. S2CID  854354.
  78. ^ Isaac Rudomin; и другие. (2006). "Large Crowds in the GPU". Монтеррейский технологический институт и высшее образование. Архивировано из оригинал 11 января 2014 г.
  79. ^ Richmond, Paul; Romano, Daniela M. (2008). "Agent Based GPU, a Real-time 3D Simulation and Interactive Visualisation Framework for Massive Agent Based Modelling on the GPU" (PDF). Proceedings International Workshop on Super Visualisation (IWSV08). Архивировано из оригинал (PDF) on January 15, 2009. Получено 27 апреля, 2012.
  80. ^ Brown, Daniel G.; Riolo, Rick; Robinson, Derek T.; North, Michael; Rand, William (2005). "Spatial Process and Data Models: Toward Integration of agent-based models and GIS". Journal of Geographic Systems. Springer. 7: 25–47. Дои:10.1007/s10109-005-0148-5. HDL:2027.42/47930. S2CID  14059768.
  81. ^ Zhang, J .; Tong, L.; Lamberson, P.J.; Durazo-Arvizu, R.A.; Luke, A.; Shoham, D.A. (2015). "Leveraging social influence to address overweight and obesity using agent-based models: The role of adolescent social networks". Социальные науки и медицина. Elsevier BV. 125: 203–213. Дои:10.1016/j.socscimed.2014.05.049. ISSN  0277-9536. ЧВК  4306600. PMID  24951404.
  82. ^ Sargent, R. G. (2000). "Verification, validation and accreditation of simulation models". 2000 Winter Simulation Conference Proceedings (Cat. No.00CH37165). 1. pp. 50–59. CiteSeerX  10.1.1.17.438. Дои:10.1109/WSC.2000.899697. ISBN  978-0-7803-6579-7. S2CID  57059217.
  83. ^ Galán, José Manuel; Izquierdo, Luis; Izquierdo, Segismundo S.; Santos, José Ignacio; del Olmo, Ricardo; López-Paredes, Adolfo; Edmonds, Bruce (2009). "Errors and Artefacts in Agent-Based Modelling". Журнал искусственных обществ и социального моделирования. 12 (1): 1.
  84. ^ Klügl, F. (2008). "A validation methodology for agent-based simulations". Proceedings of the 2008 ACM symposium on Applied computing - SAC '08. п. 39. Дои:10.1145/1363686.1363696. ISBN  9781595937537. S2CID  9450992.
  85. ^ Fortino, G.; Garro, A.; Russo, W. (2005). "A Discrete-Event Simulation Framework for the Validation of Agent-Based and Multi-Agent Systems" (PDF). Цитировать журнал требует | журнал = (помощь)
  86. ^ Tesfatsion, Leigh. "Empirical Validation: Agent-Based Computational Economics". Государственный университет Айовы.
  87. ^ Niazi, Muaz; Hussain, Amir; Kolberg, Mario. "Verification and Validation of Agent-Based Simulations using the VOMAS approach" (PDF). Proceedings of the Third Workshop on Multi-Agent Systems and Simulation '09 (MASS '09), as Part of MALLOW 09, Sep 7–11, 2009, Torino, Italy. Архивировано из оригинал (PDF) 14 июня 2011 г.
  88. ^ Niazi, Muaz; Siddique, Qasim; Hussain, Amir; Kolberg, Mario (April 11–15, 2010). "Verification & Validation of an Agent-Based Forest Fire Simulation Model" (PDF). Proceedings of the Agent Directed Simulation Symposium 2010, as Part of the ACM SCS Spring Simulation Multiconference: 142–149. Архивировано из оригинал (PDF) 25 июля 2011 г.
  89. ^ Niazi, Muaz A. K. (June 11, 2011). "Towards A Novel Unified Framework for Developing Formal, Network and Validated Agent-Based Simulation Models of Complex Adaptive Systems". Стерлингский университет. HDL:1893/3365. Цитировать журнал требует | журнал = (помощь) Кандидатская диссертация

Общий

внешняя ссылка

Articles/general information

Simulation models