stringtranslate.com

Модель на основе агента

Модель на основе агентов ( ABM ) — это вычислительная модель для моделирования действий и взаимодействий автономных агентов (как индивидуальных, так и коллективных субъектов, таких как организации или группы) с целью понимания поведения системы и того, что управляет ее результатами. Она сочетает в себе элементы теории игр , сложных систем , эмерджентности , вычислительной социологии , многоагентных систем и эволюционного программирования . Методы Монте-Карло используются для понимания стохастичности этих моделей. В частности, в экологии ABM также называются моделями на основе индивидуумов ( IBM ). [1] Обзор недавней литературы по моделям на основе индивидуумов, моделям на основе агентов и многоагентным системам показывает, что ABM используются во многих научных областях, включая биологию , экологию и социальные науки . [2] Агентное моделирование связано с концепцией многоагентных систем или многоагентного моделирования , но отличается от нее тем, что целью ABM является поиск объяснительного понимания коллективного поведения агентов, подчиняющихся простым правилам, как правило, в естественных системах, а не проектирование агентов или решение конкретных практических или инженерных задач. [2]

Агентные модели являются своего рода микромасштабной моделью [3] , которая имитирует одновременные операции и взаимодействия нескольких агентов в попытке воссоздать и предсказать появление сложных явлений. Процесс является одним из процессов возникновения , который некоторые выражают как «целое больше, чем сумма его частей». Другими словами, свойства системы более высокого уровня возникают из взаимодействий подсистем более низкого уровня. Или изменения состояния макромасштаба возникают из поведения агентов микромасштаба. Или простое поведение (то есть правила, которым следуют агенты) порождает сложное поведение (то есть изменения состояния на уровне всей системы).

Отдельные агенты обычно характеризуются как ограниченно рациональные , предположительно действующие в том, что они воспринимают как свои собственные интересы, такие как воспроизводство, экономическая выгода или социальный статус, [4] используя эвристики или простые правила принятия решений. Агенты ABM могут испытывать «обучение», адаптацию и воспроизводство. [5]

Большинство моделей на основе агентов состоят из: (1) многочисленных агентов, определенных в различных масштабах (обычно это называется гранулярностью агентов); (2) эвристики принятия решений; (3) правил обучения или адаптивных процессов; (4) топологии взаимодействия ; и (5) среды. ABM обычно реализуются как компьютерные симуляции , либо как пользовательское программное обеспечение, либо через наборы инструментов ABM, и это программное обеспечение затем может использоваться для проверки того, как изменения в индивидуальном поведении повлияют на формирующееся общее поведение системы.

История

Идея агентного моделирования была разработана как относительно простая концепция в конце 1940-х годов. Поскольку она требует интенсивных вычислений, она не получила широкого распространения до 1990-х годов.

Ранние разработки

Историю агентной модели можно проследить до машины фон Неймана , теоретической машины, способной к воспроизводству. Устройство, предложенное фон Нейманом, должно было следовать точным подробным инструкциям, чтобы создать копию самого себя. Затем эта концепция была разработана другом фон Неймана Станиславом Уламом , также математиком; Улам предложил построить машину на бумаге, как набор ячеек на сетке. Идея заинтриговала фон Неймана, который ее нарисовал — создав первое из устройств, позже названных клеточным автоматом . Еще одно достижение было представлено математиком Джоном Конвеем . Он построил известную Игру Жизни . В отличие от машины фон Неймана, Игра Жизни Конвея работала по простым правилам в виртуальном мире в форме двумерной шахматной доски .

Язык программирования Simula , разработанный в середине 1960-х годов и широко внедренный к началу 1970-х годов, был первой средой для автоматизации пошагового моделирования агентов.

1970-е и 1980-е годы: первые модели

Одной из самых ранних концептуально основанных на агентах моделей была модель сегрегации Томаса Шеллинга [6] , которая обсуждалась в его статье «Динамические модели сегрегации» в 1971 году. Хотя Шеллинг изначально использовал монеты и миллиметровую бумагу, а не компьютеры, его модели воплощали базовую концепцию основанных на агентах моделей как автономных агентов, взаимодействующих в общей среде с наблюдаемым совокупным возникающим результатом.

В конце 1970-х годов Паулин Хогевег и Брюс Хеспер начали экспериментировать с индивидуальными моделями экологии . Одним из их первых результатов было показать, что социальная структура колоний шмелей возникла в результате простых правил, которые управляют поведением отдельных пчел. [7] Они ввели принцип ToDo, подразумевающий, что агенты «делают то, что нужно сделать» в любой момент времени.

В начале 1980-х годов Роберт Аксельрод провел турнир стратегий «Дилеммы заключенного» и заставил их взаимодействовать на основе агентов, чтобы определить победителя. Аксельрод продолжил разрабатывать множество других моделей на основе агентов в области политологии, которые изучают явления от этноцентризма до распространения культуры. [8] К концу 1980-х годов работа Крейга Рейнольдса над моделями стадности способствовала разработке некоторых из первых биологических моделей на основе агентов, которые содержали социальные характеристики. Он пытался смоделировать реальность живых биологических агентов, известных как искусственная жизнь , термин, введенный Кристофером Лэнгтоном .

Первое использование слова «агент» и определение, как оно используется в настоящее время, трудно отследить. Одним из кандидатов, по-видимому, является статья Джона Холланда и Джона Х. Миллера 1991 года «Искусственные адаптивные агенты в экономической теории» [9] , основанная на их более ранней презентации на конференции. Более сильным и ранним кандидатом является Аллан Ньюэлл , который в первом президентском обращении AAAI (опубликованном как The Knowledge Level [10] ) обсуждал интеллектуальных агентов как концепцию.

В то же время, в 1980-х годах, социологи, математики, исследователи операций и разрозненные люди из других дисциплин разработали теорию вычислительной и математической организации (CMOT). Эта область выросла как специальная группа интересов Института наук управления (TIMS) и его родственного общества, Американского общества исследований операций (ORSA). [11]

1990-е: расширение

1990-е годы были особенно примечательны для расширения ABM в социальных науках, одним из заметных усилий была крупномасштабная ABM, Sugarscape , разработанная Джошуа М. Эпштейном и Робертом Экстеллом для моделирования и изучения роли социальных явлений, таких как сезонные миграции, загрязнение, половое размножение, борьба, передача болезней и даже культуры. [12] Другие заметные разработки 1990-х годов включали ABM Кэтлин Карли из Университета Карнеги-Меллона , [13] для исследования совместной эволюции социальных сетей и культуры. Институт Санта-Фе (SFI) сыграл важную роль в поощрении разработки платформы моделирования ABM Swarm под руководством Кристофера Лэнгтона . Исследования, проведенные с помощью SFI, позволили расширить методы ABM на ряд областей, включая изучение социальной и пространственной динамики малых человеческих обществ и приматов. [11] В течение этого периода 1990-х годов Найджел Гилберт опубликовал первый учебник по социальному моделированию: Моделирование для социальных ученых (1999) и основал журнал с точки зрения социальных наук: Журнал искусственных обществ и социального моделирования (JASSS). За исключением JASSS, агентные модели любой дисциплины входят в сферу деятельности SpringerOpen журнала Complex Adaptive Systems Modeling (CASM). [14]

В середине 1990-х годов направление социальных наук ABM начало фокусироваться на таких вопросах, как проектирование эффективных команд, понимание коммуникации, необходимой для организационной эффективности, и поведение социальных сетей. CMOT — позже переименованный в Computational Analysis of Social and Organizational Systems (CASOS) — включал все больше и больше агентного моделирования. Samuelson (2000) — хороший краткий обзор ранней истории, [15] а Samuelson (2005) и Samuelson and Macal (2006) прослеживают более поздние разработки. [16] [17]

В конце 1990-х годов слияние TIMS и ORSA в INFORMS и переход INFORMS с двух встреч в год на одну побудили группу CMOT сформировать отдельное общество — Североамериканскую ассоциацию вычислительных социальных и организационных наук (NAACSOS). Кэтлин Карли внесла большой вклад, особенно в модели социальных сетей, получив финансирование Национального научного фонда для ежегодной конференции и став первым президентом NAACSOS. Ее сменил Дэвид Саллах из Чикагского университета и Аргоннской национальной лаборатории , а затем Майкл Притула из Университета Эмори . Примерно в то же время, когда начиналась NAACSOS, были организованы Европейская ассоциация социального моделирования (ESSA) и Тихоокеанская азиатская ассоциация агентно-ориентированного подхода в науке о социальных системах (PAAA), аналоги NAACSOS. По состоянию на 2013 год эти три организации сотрудничают на международном уровне. Первый всемирный конгресс по социальному моделированию был проведен при их совместном спонсорстве в Киото, Япония, в августе 2006 года. [ необходима ссылка ] Второй всемирный конгресс был проведен в северном пригороде Вирджинии города Вашингтон, округ Колумбия, в июле 2008 года, при этом Университет Джорджа Мейсона взял на себя ведущую роль в местных мероприятиях.

2000-е и позже

Совсем недавно Рон Сан разработал методы для создания агентного моделирования на основе моделей человеческого познания, известных как когнитивное социальное моделирование. [18] Билл Маккелви, Сюзанна Ломанн, Дарио Нарди, Дуайт Рид и другие в Калифорнийском университете в Лос-Анджелесе также внесли значительный вклад в организационное поведение и принятие решений. С 1991 года Калифорнийский университет в Лос-Анджелесе организовал конференцию в Лейк-Эрроухед, Калифорния, которая стала еще одним важным местом встречи для практиков в этой области. [19]

Теория

Большинство исследований вычислительного моделирования описывают системы в равновесии или как движущиеся между равновесиями. Однако агентное моделирование, использующее простые правила, может привести к различным видам сложного и интересного поведения. Три идеи, центральные для агентных моделей, — это агенты как объекты, возникновение и сложность .

Агентные модели состоят из динамически взаимодействующих агентов на основе правил. Системы, в которых они взаимодействуют, могут создавать сложность, подобную реальной. Обычно агенты располагаются в пространстве и времени и находятся в сетях или в решетчатых окрестностях. Местоположение агентов и их ответное поведение кодируются в алгоритмической форме в компьютерных программах. В некоторых случаях, хотя и не всегда, агенты могут считаться разумными и целеустремленными. В экологической ABM (часто называемой «индивидуальными моделями» в экологии) агенты могут, например, быть деревьями в лесу и не будут считаться разумными, хотя они могут быть «целеустремленными» в смысле оптимизации доступа к ресурсу (например, воде). Процесс моделирования лучше всего описать как индуктивный . Модельер делает те предположения, которые считает наиболее релевантными для текущей ситуации, а затем наблюдает за явлениями, возникающими из взаимодействий агентов. Иногда этот результат является равновесием. Иногда это возникающий шаблон. Иногда, однако, это непонятное искажение.

В некотором смысле, агентные модели дополняют традиционные аналитические методы. В то время как аналитические методы позволяют людям характеризовать равновесия системы, агентные модели допускают возможность генерации этих равновесий. Этот генеративный вклад может быть самым основным из потенциальных преимуществ агентного моделирования. Агентные модели могут объяснить возникновение моделей более высокого порядка — сетевые структуры террористических организаций и Интернета, степенные распределения размеров пробок, войн и крахов фондового рынка, а также социальную сегрегацию, которая сохраняется, несмотря на то, что популяции толерантных людей. Агентные модели также могут использоваться для определения точек рычага, определяемых как моменты времени, в которые вмешательства имеют экстремальные последствия, и для различения типов зависимости от пути.

Вместо того, чтобы сосредоточиться на стабильных состояниях, многие модели рассматривают надежность системы — способы, которыми сложные системы адаптируются к внутреннему и внешнему давлению, чтобы сохранить свою функциональность. Задача использования этой сложности требует рассмотрения самих агентов — их разнообразия, связанности и уровня взаимодействий.

Рамки

Недавние работы по моделированию и имитации сложных адаптивных систем продемонстрировали необходимость объединения моделей на основе агентов и сложных сетевых моделей. [20] [21] [22] описывают структуру, состоящую из четырех уровней разработки моделей сложных адаптивных систем, описанных с использованием нескольких примеров многопрофильных тематических исследований:

  1. Уровень комплексного сетевого моделирования для разработки моделей с использованием данных о взаимодействии различных компонентов системы.
  2. Исследовательский уровень агентного моделирования для разработки агентных моделей для оценки осуществимости дальнейших исследований. Это может быть полезно, например, для разработки моделей проверки концепции, например, для финансирования заявок, не требуя от исследователей обширной кривой обучения.
  3. Описательное агентное моделирование (DREAM) для разработки описаний агентных моделей с помощью шаблонов и сложных сетевых моделей. Построение моделей DREAM позволяет сравнивать модели между научными дисциплинами.
  4. Проверенное агентное моделирование с использованием системы Virtual Overlay Multiagent (VOMAS) для разработки проверенных и подтвержденных моделей формальным способом.

Другие методы описания моделей на основе агентов включают шаблоны кода [23] и текстовые методы, такие как протокол ODD (Обзор, Концепции дизайна и Детали дизайна) [24] .

Роль среды, в которой живут агенты, как макро-, так и микро-, [25] также становится важным фактором в агентном моделировании и имитационной работе. Простая среда обеспечивает простых агентов, но сложная среда порождает разнообразие поведения. [26]

Многомасштабное моделирование

Одной из сильных сторон агентного моделирования является его способность опосредовать поток информации между шкалами. Когда требуются дополнительные сведения об агенте, исследователь может интегрировать его с моделями, описывающими дополнительные сведения. Когда кого-то интересует эмерджентное поведение, демонстрируемое популяцией агентов, они могут объединить агентную модель с континуальной моделью, описывающей динамику популяции. Например, в исследовании CD4+ T-клеток (ключевой тип клеток в адаптивной иммунной системе) [27] исследователи моделировали биологические явления, происходящие в различных пространственных (внутриклеточных, клеточных и системных), временных и организационных масштабах (передача сигнала, регуляция генов, метаболизм, клеточное поведение и транспорт цитокинов). В полученной модульной модели передача сигнала и регуляция генов описываются логической моделью, метаболизм — моделями на основе ограничений, динамика популяции клеток описывается агентной моделью, а системные концентрации цитокинов — обыкновенными дифференциальными уравнениями. В этой многомасштабной модели агентная модель занимает центральное место и организует каждый поток информации между шкалами.

Приложения

В биологии

Агентное моделирование широко использовалось в биологии, включая анализ распространения эпидемий [ 28] и угрозы биологической войны , биологические приложения , включая динамику популяций [29] стохастическую экспрессию генов [30] взаимодействия растений и животных [31] экологию растительности [32] миграционную экологию [33] разнообразие ландшафтов [34] социобиологию [35] рост и упадок древних цивилизаций, эволюцию этноцентрического поведения [36] вынужденное перемещение/миграцию [37] динамику выбора языка [38] когнитивное моделирование и биомедицинские приложения, включая моделирование трехмерного формирования/морфогенеза тканей молочной железы [39] влияние ионизирующего излучения на динамику субпопуляции стволовых клеток молочной железы [40] воспаление [41] [42] и иммунную систему человека [ 43] и эволюцию поведения при поиске пищи. [44] Агентные модели также использовались для разработки систем поддержки принятия решений, таких как для рака молочной железы. [45] Агентные модели все чаще используются для моделирования фармакологических систем на ранних стадиях и доклинических исследованиях, чтобы помочь в разработке лекарств и получить представление о биологических системах, которые были бы невозможны априори . [46] Также были оценены военные приложения. [47] Более того, агентные модели недавно использовались для изучения биологических систем на молекулярном уровне. [48] [49] [50] Агентные модели также были написаны для описания экологических процессов, происходящих в древних системах, таких как в среде обитания динозавров, а также в более поздних древних системах. [51] [52] [53]

В эпидемиологии

Агентные модели теперь дополняют традиционные компартментальные модели, обычный тип эпидемиологических моделей. Было показано, что ABM превосходят компартментальные модели в отношении точности прогнозов. [54] [55] В последнее время ABM, такие как CovidSim эпидемиолога Нила Фергюсона , использовались для информирования о вмешательствах в здравоохранение (нефармацевтических) против распространения SARS-CoV-2 . [56] Эпидемиологические ABM подвергались критике за упрощение и нереалистичные предположения. [57] [58] Тем не менее, они могут быть полезны для информирования о решениях относительно мер смягчения и подавления в случаях, когда ABM точно откалиброваны. [59] ABM для таких симуляций в основном основаны на синтетических популяциях , поскольку данные о реальной популяции не всегда доступны. [60]

В бизнесе, технологиях и теории сетей

Агентные модели использовались с середины 1990-х годов для решения различных бизнес- и технологических проблем. Примерами приложений являются маркетинг , [65] организационное поведение и познание , [66] командная работа , [67] [68] оптимизация цепочки поставок и логистика, моделирование поведения потребителей , включая сарафанное радио , эффекты социальных сетей , распределенные вычисления , управление рабочей силой и управление портфелем . Они также использовались для анализа заторов на дорогах . [69]

Недавно агентное моделирование и имитация были применены в различных областях, таких как изучение влияния мест публикации исследователями в области компьютерных наук (журналы против конференций). [70] Кроме того, ABM использовались для имитации доставки информации в вспомогательной среде. [71] Статья в arXiv от ноября 2016 года анализировала агентное моделирование постов, распространяемых в Facebook . [72] В области одноранговых, ad hoc и других самоорганизующихся и сложных сетей была показана полезность агентного моделирования и имитации. [73] Недавно было продемонстрировано использование формальной структуры спецификации на основе компьютерных наук в сочетании с беспроводными сенсорными сетями и агентным моделированием. [74]

Эволюционный поиск или алгоритм на основе агентов — это новая тема для исследования решения сложных задач оптимизации. [75]

В командной науке

В области командной науки агентное моделирование использовалось для оценки влияния характеристик и предубеждений членов команды на эффективность работы команды в различных условиях. [76] Путем моделирования взаимодействия между агентами, каждый из которых представляет отдельного члена команды с различными чертами и предубеждениями, этот подход к моделированию позволяет исследователям изучать, как эти факторы в совокупности влияют на динамику и результаты командной работы. Следовательно, агентное моделирование обеспечивает тонкое понимание командной науки, способствуя более глубокому исследованию тонкостей и изменчивости, присущих командному сотрудничеству.

В экономике и социальных науках

До и после финансового кризиса 2008 года интерес к ABM как возможным инструментам экономического анализа возрос. [77] [78] ABM не предполагают, что экономика может достичь равновесия , и « репрезентативные агенты » заменяются агентами с разнообразным, динамичным и взаимозависимым поведением, включая стадность . ABM используют подход «снизу вверх» и могут генерировать чрезвычайно сложные и нестабильные моделируемой экономики. ABM могут представлять нестабильные системы с крахами и подъемами, которые развиваются из нелинейных ( непропорциональных) реакций на пропорционально небольшие изменения. [79] Статья в The Economist от июля 2010 года рассматривала ABM как альтернативу моделям DSGE . [79] Журнал Nature также поощрял агентное моделирование в редакционной статье, в которой предполагалось, что ABM могут лучше представлять финансовые рынки и другие экономические сложности, чем стандартные модели [80], а также в эссе Дж. Дойна Фармера и Дункана Фоли, в котором утверждалось, что ABM могут удовлетворить как желания Кейнса представлять сложную экономику, так и желания Роберта Лукаса строить модели, основанные на микроосновах. [81] Фармер и Фоли указали на прогресс, достигнутый с помощью ABM для моделирования частей экономики, но выступили за создание очень большой модели, которая включает модели низкого уровня. [82] Путем моделирования сложной системы аналитиков на основе трех различных поведенческих профилей — имитирующего, антиимитирующего и безразличного — финансовые рынки были смоделированы с высокой точностью. Результаты показали корреляцию между морфологией сети и индексом фондового рынка. [83] Однако подход ABM подвергся критике за отсутствие надежности между моделями, где похожие модели могут давать очень разные результаты. [84] [85]

ABM были развернуты в архитектуре и городском планировании для оценки дизайна и моделирования пешеходного потока в городской среде [86] и изучения применения государственной политики к землепользованию. [87] Также существует растущая область социально-экономического анализа влияния инвестиций в инфраструктуру с использованием способности ABM различать системные воздействия на социально-экономическую сеть. [88] Гетерогенность и динамика могут быть легко встроены в модели ABM для решения проблемы неравенства благосостояния и социальной мобильности. [89]

АОМ также предлагались в качестве прикладных образовательных инструментов для дипломатов в области международных отношений [90] и для лиц, формирующих внутреннюю и международную политику, для улучшения их оценки государственной политики . [91]

ABM также становится все более популярным в области анализа энергетических систем , особенно в контексте моделирования рынка электроэнергии . Известные примеры таких моделей включают AMIRIS , [92] ASSUME, [93] EMLab , [94] и PowerACE, [95], которые облегчают анализ рынков электроэнергии в контексте продолжающегося перехода на возобновляемые источники энергии .

В управлении водными ресурсами

ABM также применялись в планировании и управлении водными ресурсами, в частности, для исследования, моделирования и прогнозирования эффективности проектирования инфраструктуры и принятия политических решений [96] , а также для оценки ценности сотрудничества и обмена информацией в крупных системах водных ресурсов. [97]

Организационная ABM: агентно-управляемое моделирование

Метафора агентно-управляемого моделирования (ADS) различает две категории, а именно «Системы для агентов» и «Агенты для систем». [98] Системы для агентов (иногда называемые системами агентов) — это системы, реализующие агентов для использования в инженерии, человеческой и социальной динамике , военных приложениях и других. Агенты для систем делятся на две подкатегории. Системы с поддержкой агентов имеют дело с использованием агентов в качестве вспомогательного средства для обеспечения компьютерной помощи в решении проблем или улучшении когнитивных способностей. Системы на основе агентов фокусируются на использовании агентов для генерации поведения модели при оценке системы (исследования и анализы систем).

Беспилотные автомобили

Халлербах и др. обсудили применение агентных подходов для разработки и проверки автоматизированных систем вождения с помощью цифрового двойника тестируемого транспортного средства и микроскопического моделирования дорожного движения на основе независимых агентов. [99] Waymo создала многоагентную среду моделирования Carcraft для тестирования алгоритмов для беспилотных автомобилей . [100] [101] Она моделирует взаимодействие между водителями-людьми, пешеходами и автоматизированными транспортными средствами. Поведение людей имитируется искусственными агентами на основе данных реального человеческого поведения. Основная идея использования агентного моделирования для понимания беспилотных автомобилей обсуждалась еще в 2003 году. [102]

Выполнение

Многие фреймворки ABM разработаны для последовательных архитектур фон Неймана , что ограничивает скорость и масштабируемость реализованных моделей. Поскольку эмерджентное поведение в крупномасштабных ABM зависит от размера популяции, [103] ограничения масштабируемости могут препятствовать проверке модели. [104] Такие ограничения в основном устранялись с помощью распределенных вычислений , с такими фреймворками, как Repast HPC [105], специально предназначенными для этих типов реализаций. Хотя такие подходы хорошо соответствуют архитектурам кластеров и суперкомпьютеров , проблемы, связанные с коммуникацией и синхронизацией, [106] [107] , а также сложностью развертывания, [108] остаются потенциальными препятствиями для их широкого внедрения.

Недавней разработкой стало использование алгоритмов параллельной обработки данных на графических процессорах ( GPU) для моделирования ABM. [103] [109] [110] Чрезвычайно высокая пропускная способность памяти в сочетании с огромной вычислительной мощностью многопроцессорных GPU позволила моделировать миллионы агентов со скоростью десятков кадров в секунду.

Интеграция с другими формами моделирования

Поскольку агентное моделирование является скорее структурой моделирования, чем конкретной частью программного обеспечения или платформы, оно часто использовалось в сочетании с другими формами моделирования. Например, агентные модели также объединялись с географическими информационными системами (ГИС). Это обеспечивает полезную комбинацию, в которой ABM служит моделью процесса, а система ГИС может предоставить модель шаблона. [111] Аналогичным образом, инструменты анализа социальных сетей (SNA) и агентные модели иногда интегрируются, где ABM используется для моделирования динамики в сети, в то время как инструмент SNA моделирует и анализирует сеть взаимодействий. [112] Такие инструменты, как GAMA, обеспечивают естественный способ интеграции динамики системы и ГИС с ABM.

Проверка и подтверждение

Проверка и валидация (V&V) имитационных моделей чрезвычайно важны. [113] Проверка включает в себя обеспечение соответствия реализованной модели концептуальной модели, тогда как валидация гарантирует, что реализованная модель имеет некоторое отношение к реальному миру. Проверка на соответствие, анализ чувствительности, калибровка и статистическая проверка являются различными аспектами проверки. [114] Был предложен подход к структуре дискретно-событийного моделирования для проверки систем на основе агентов. [115] Полный ресурс по эмпирической проверке моделей на основе агентов можно найти здесь. [116]

В качестве примера техники V&V рассмотрим VOMAS (виртуальная оверлейная многоагентная система), [117] подход, основанный на программной инженерии, где виртуальная оверлейная многоагентная система разрабатывается вместе с агентной моделью. Муази и др. также приводят пример использования VOMAS для верификации и валидации имитационной модели лесного пожара. [118] [119] Другой метод программной инженерии, т. е. разработка через тестирование, был адаптирован для агентной валидации модели. [120] Этот подход имеет еще одно преимущество, которое позволяет проводить автоматическую валидацию с использованием инструментов модульного тестирования.

Смотрите также

Ссылки

  1. ^ Гримм, Фолькер; Рейлсбэк, Стивен Ф. (2005). Индивидуальное моделирование и экология . Princeton University Press. стр. 485. ISBN 978-0-691-09666-7.
  2. ^ ab Niazi, Muaz; Hussain, Amir (2011). "Agent-based Computing from Multi-agent Systems to Agent-Based Models: A Visual Survey" (PDF) . Scientometrics . 89 (2): 479–499. arXiv : 1708.05872 . doi :10.1007/s11192-011-0468-9. hdl :1893/3378. S2CID  17934527. Архивировано из оригинала (PDF) 12 октября 2013 г.
  3. ^ Густафссон, Лейф; Стернад, Микаэль (2010). «Последовательное микро-, макро- и государственно-ориентированное моделирование популяции». Математические биологические науки . 225 (2): 94–107. doi :10.1016/j.mbs.2010.02.003. PMID  20171974.
  4. ^ "Agent-Based Models of Industrial Ecosystems". Ратгерский университет . 6 октября 2003 г. Архивировано из оригинала 20 июля 2011 г.
  5. ^ Bonabeau, E. (14 мая 2002 г.). «Моделирование на основе агентов: методы и приемы моделирования человеческих систем». Труды Национальной академии наук Соединенных Штатов Америки . 99 (Suppl 3): 7280–7. Bibcode : 2002PNAS ...99.7280B. doi : 10.1073/pnas.082080899 . PMC 128598. PMID  12011407. 
  6. ^ Шеллинг, Томас К. (1971). "Динамические модели сегрегации" (PDF) . Журнал математической социологии . 1 (2): 143–186. doi :10.1080/0022250x.1971.9989794. Архивировано (PDF) из оригинала 1 декабря 2016 г. . Получено 21 апреля 2015 г. .
  7. ^ Hogeweg, Paulien (1983). «Онтогенез структуры взаимодействия в колониях шмелей: модель MIRROR». Поведенческая экология и социобиология . 12 (4): 271–283. Bibcode : 1983BEcoS..12..271H. doi : 10.1007/BF00302895. S2CID  22530183.
  8. ^ Аксельрод, Роберт (1997). Сложность сотрудничества: агентские модели конкуренции и сотрудничества . Принстон: Princeton University Press. ISBN 978-0-691-01567-5.
  9. ^ Холланд, Дж. Х.; Миллер, Дж. Х. (1991). «Искусственные адаптивные агенты в экономической теории» (PDF) . American Economic Review . 81 (2): 365–71. Архивировано из оригинала (PDF) 27 октября 2005 г.
  10. ^ Ньюэлл, Аллен (январь 1982). «Уровень знаний». Искусственный интеллект . 18 (1): 87–127. doi :10.1016/0004-3702(82)90012-1. ISSN  0004-3702. S2CID  40702643.
  11. ^ ab Kohler, Timothy; Gumerman, George (2000). Динамика в человеческих и приматных обществах: агентное моделирование социальных и пространственных процессов . Нью-Йорк, Нью-Йорк: Институт Санта-Фе и Oxford University Press. ISBN 0-19-513167-3.
  12. ^ Эпштейн, Джошуа М.; Экстелл , Роберт (11 октября 1996 г.). Растущие искусственные общества: социальная наука снизу вверх . Brookings Institution Press. стр. 224. ISBN 978-0-262-55025-3.
  13. ^ "Construct". Вычислительный анализ социальных организационных систем. Архивировано из оригинала 11 октября 2008 г. Получено 19 февраля 2008 г.
  14. ^ "Springer Complex Adaptive Systems Modeling Journal (CASM)". Архивировано из оригинала 18 июня 2012 г. Получено 1 июля 2012 г.
  15. ^ Сэмюэлсон, Дуглас А. (декабрь 2000 г.). «Проектные организации». OR/MS Today . Архивировано из оригинала 17 июня 2019 г. Получено 17 июня 2019 г.
  16. ^ Сэмюэлсон, Дуглас А. (февраль 2005 г.). «Агенты перемен». OR/MS Today . Архивировано из оригинала 17 июня 2019 г. Получено 17 июня 2019 г.
  17. ^ Сэмюэлсон, Дуглас А.; Макал, Чарльз М. (август 2006 г.). «Моделирование на основе агентов достигает зрелости». OR/MS Today . Архивировано из оригинала 17 июня 2019 г. Получено 17 июня 2019 г.
  18. ^ Сан, Рон , ред. (март 2006 г.). Познание и многоагентное взаимодействие: от когнитивного моделирования к социальному моделированию. Cambridge University Press . ISBN 978-0-521-83964-8.
  19. ^ "UCLA Lake Arrowhead Symposium: History". uclaarrowheadsymposium.org . UCLA Institute of Transportation Studies . Получено 11 февраля 2024 г. .
  20. ^ Адитья Курве; Хашаяр Котоби; Джордж Кесидис (2013). "Основанная на агентах структура для моделирования производительности оптимистичного параллельного дискретно-событийного симулятора". Моделирование сложных адаптивных систем . 1 : 12. doi : 10.1186/2194-3206-1-12 .
  21. ^ Ниази, Муаз АК (30 июня 2011 г.). «На пути к новой унифицированной структуре для разработки формальных, сетевых и проверенных агентных имитационных моделей сложных адаптивных систем». hdl :1893/3365. {{cite journal}}: Цитировать журнал требует |journal=( помощь ) (кандидатская диссертация)
  22. ^ Ниази, МА и Хуссейн, А (2012), Когнитивные агентные вычисления-I: унифицированная структура для моделирования сложных адаптивных систем с использованием агентных и сложных сетевых методов Когнитивные агентные вычисления Архивировано 24 декабря 2012 г. на Wayback Machine
  23. ^ "Шаблоны кода Swarm для сравнения моделей". Swarm Development Group . Архивировано из оригинала 3 августа 2008 г.
  24. ^ Volker Grimm; Uta Berger; Finn Bastiansen; et al. (15 сентября 2006 г.). «Стандартный протокол для описания моделей, основанных на индивидуальных и агентных данных». Ecological Modeling . 198 (1–2): 115–126. Bibcode : 2006EcMod.198..115G. doi : 10.1016/j.ecolmodel.2006.04.023. S2CID  11194736.(Странная бумага)
  25. ^ Ch'ng, E. (2012) Макро- и микросреда для разнообразия поведения в искусственной симуляции 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 г., Кобе, Япония. Макро- и микросреда. Архивировано 13 ноября 2013 г. в Wayback Machine.
  26. ^ Саймон, Герберт А. Науки об искусственном. MIT press, 1996.
  27. ^ Вертхайм, Кеннет Й.; Пуний, Бханвар Лал; Флер, Алисса Ла; Шах, Аб Рауф; Барберис, Маттео; Хеликар, Томаш (3 августа 2021 г.). «Многоцелевая и многомасштабная платформа для моделирования реакции Т-клеток CD4+ на инфекции». PLOS Computational Biology . 17 (8): e1009209. Bibcode : 2021PLSCB..17E9209W. doi : 10.1371/journal.pcbi.1009209 . ISSN  1553-7358. PMC 8376204. PMID 34343169  . 
  28. ^ Ситунгкир, Хокки (2004). «Эпидемиология с помощью клеточных автоматов: пример исследования птичьего гриппа в Индонезии». arXiv : nlin/0403035 .
  29. ^ Каплат, Пол; Ананд, Мадхур; Баух, Крис (10 марта 2008 г.). «Симметричная конкуренция вызывает колебания популяции в индивидуальной модели динамики леса». Экологическое моделирование . 211 (3–4): 491–500. Bibcode : 2008EcMod.211..491C. doi : 10.1016/j.ecolmodel.2007.10.002.
  30. ^ Томас, Филипп (декабрь 2019 г.). «Внутренний и внешний шум экспрессии генов в родословных деревьях». Scientific Reports . 9 (1): 474. Bibcode :2019NatSR...9..474T. doi :10.1038/s41598-018-35927-x. ISSN  2045-2322. PMC 6345792 . PMID  30679440. 
  31. ^ 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 грушевыми деревьями. Журнал прикладной экологии 55: 600–611.
  32. ^ Чонг, Э. (2009) Подход к моделированию искусственной растительности на основе жизни для исследования биоразнообразия, в книге «Информатика, вдохновленная природой, для интеллектуальных приложений и открытия знаний: последствия для бизнеса, науки и техники», редактор Р. Чонг. 2009, IGI Global: Херши, Пенсильвания. http://complexity.io/Publications/NII-alifeVeg-eCHNG.pdf Архивировано 13 ноября 2013 г. в Wayback Machine
  33. ^ Уэллер, Ф. Г.; Уэбб, Э. Б.; Битти, В. С.; Фогенбург, С.; Кеслер, Д.; Бленк, Р. Х.; Иди, Дж. М.; Рингельман, К.; Миллер, М. Л. (2022). Агентное моделирование перемещений и выбора местообитаний кряквами средней части континента (отчет). Серия Cooperator Science. Вашингтон, округ Колумбия: Министерство внутренних дел США, Служба охраны рыбных ресурсов и диких животных. doi : 10.3996/css47216360. FWS/CSS-143-2022.
  34. ^ Wirth, E.; Szabó, Gy.; Czinkóczky, A. (7 июня 2016 г.). «Измерение неоднородности ландшафта с помощью агентной методологии». ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences . III-8: 145–151. Bibcode :2016ISPAnIII8..145W. doi : 10.5194/isprs-annals-iii-8-145-2016 .
  35. ^ Лима, Франциско WS; Хаджибеганович, Тарик; Штауффер., Дитрих (2009). «Эволюция этноцентризма в ненаправленных и направленных сетях Барабаши-Альберта». Physica A. 388 ( 24): 4999–5004. arXiv : 0905.2672 . Bibcode : 2009PhyA..388.4999L. doi : 10.1016/j.physa.2009.08.029. S2CID  18233740.
  36. ^ Лима, Франциско WS; Хаджибеганович, Тарик; Штауффер, Дитрих (2009). «Эволюция этноцентризма в ненаправленных и направленных сетях Барабаши–Альберта». Physica A. 388 ( 24): 4999–5004. arXiv : 0905.2672 . Bibcode : 2009PhyA..388.4999L. doi : 10.1016/j.physa.2009.08.029. S2CID  18233740.
  37. ^ Эдвардс, Скотт (9 июня 2009 г.). Хаос вынужденной миграции: средство моделирования для достижения гуманитарной цели . VDM Verlag . стр. 168. ISBN 978-3-639-16516-6.
  38. ^ Хаджибеганович, Тарик; Штауффер, Дитрих; Шульце, Кристиан (2009). «Компьютерное моделирование динамики выбора языка на основе агентов». Анналы Нью-Йоркской академии наук . 1167 (1): 221–229. Bibcode : 2009NYASA1167..221H. doi : 10.1111/j.1749-6632.2009.04507.x. PMID  19580569. S2CID  32790067.
  39. ^ Тан, Джонатан; Эндерлинг, Хайко ; Беккер-Вайман, Сабина; Фам, Кристофер; Полизос, Арис; Чен, Чарли; Костес, Сильвен (2011). «Фенотипические карты перехода трехмерных ацинусов молочной железы, полученные с помощью агентного моделирования с использованием визуализации». Интегративная биология . 3 (4): 408–21. doi :10.1039/c0ib00092b. PMC 4009383. PMID  21373705 . 
  40. ^ Тан, Джонатан; Фернандо-Гарсия, Игнасио; Виджаякумар, Сангита; Мартинес-Руис, Хайделис; Илья-Бочака, Иринеу; Нгуен, Дэвид; Мао, Цзянь-Хуа; Костес, Сильвен; Барселлос-Хофф, Мэри Хелен (2014). «Облучение ювенильной, но не взрослой молочной железы увеличивает самообновление стволовых клеток и негативные по рецепторам эстрогена опухоли». Стволовые клетки . 32 (3): 649–61. дои : 10.1002/stem.1533 . PMID  24038768. S2CID  32979016.
  41. ^ Тан, Джонатан; Лей, Клаус; Хант, К. Энтони (2007). «Динамика in silico лейкоцитарного роллинга, активации и адгезии». BMC Systems Biology . 1 (14): 14. doi : 10.1186/1752-0509-1-14 . PMC 1839892. PMID  17408504 . 
  42. ^ Тан, Джонатан; Хант, К. Энтони (2010). «Определение правил взаимодействия, обеспечивающих свертывание, активацию и адгезию лейкоцитов». PLOS Computational Biology . 6 (2): e1000681. Bibcode : 2010PLSCB...6E0681T. doi : 10.1371/journal.pcbi.1000681 . PMC 2824748. PMID  20174606 . 
  43. ^ Кастильоне, Филиппо; Селада, Франко (2015). Моделирование и имитация иммунной системы. CRC Press, Бока-Ратон. стр. 274. ISBN 978-1-4665-9748-8. Архивировано из оригинала 4 февраля 2023 г. . Получено 17 декабря 2017 г. .
  44. ^ Лян, Тонг; Бринкман, Брейден AW (14 марта 2022 г.). «Эволюция врожденных поведенческих стратегий через конкурентную популяционную динамику». PLOS Computational Biology . 18 (3): e1009934. Bibcode : 2022PLSCB..18E9934L. doi : 10.1371/journal.pcbi.1009934 . ISSN  1553-7358. PMC 8947601. PMID  35286315 . 
  45. ^ Сиддика, Амна; Ниази, Муаз; Мустафа, Фарах; Бохари, Хабиб; Хуссейн, Амир; Акрам, Норин; Шахин, Шабнум; Ахмед, Фузия; Икбал, Сара (2009). "Новая гибридная агентная система поддержки принятия решений для анализа данных о раке груди" (PDF) . Международная конференция по информационным и коммуникационным технологиям 2009 г. стр. 134–139. doi :10.1109/ICICT.2009.5267202. ISBN 978-1-4244-4608-7. S2CID  14433449. Архивировано из оригинала (PDF) 14 июня 2011 г.(DSS по раку молочной железы)
  46. ^ Батлер, Джеймс; Косгроув, Джейсон; Олден, Киран; Рид, Марк; Кумар, Випин; Кукурулл-Санчес, Лурдес; Тиммис, Джон; Коулз, Марк (2015). «Моделирование на основе агентов в системной фармакологии». CPT: Pharmacometrics & Systems Pharmacology . 4 (11): 615–629. doi :10.1002/psp4.12018. PMC 4716580. PMID 26783498  . 
  47. ^ Barathy, Gnana; Yilmaz, Levent; Tolk, Andreas (март 2012). "Agent Directed Simulation for Combat Modeling and Distributed Simulation". Engineering Principles of Combat Modeling and Distributed Simulation . Hoboken, NJ: Wiley . pp. 669–714. doi :10.1002/9781118180310.ch27. ISBN 9781118180310.
  48. ^ Азими, Мохаммад; Джамали, Юсеф; Мофрад, Мохаммад РК (2011). «Учет диффузии в агентных моделях систем реакции-диффузии с применением к диффузии цитоскелета». PLOS ONE . 6 (9): e25306. Bibcode : 2011PLoSO...625306A. doi : 10.1371/journal.pone.0025306 . PMC 3179499. PMID  21966493 . 
  49. ^ Азими, Мохаммад; Мофрад, Мохаммад РК (2013). «Более высокое сродство нуклеопорина-импортинаβ к ядерной корзине увеличивает ядерно-цитоплазматический импорт». PLOS ONE . 8 (11): e81741. Bibcode : 2013PLoSO...881741A. doi : 10.1371/journal.pone.0081741 . PMC 3840022. PMID  24282617 . 
  50. ^ Азими, Мохаммад; Булат, Евгений; Вайс, Карстен; Мофрад, Мохаммад РК (5 ноября 2014 г.). «Модель на основе агентов для экспорта мРНК через комплекс ядерных пор». Молекулярная биология клетки . 25 (22): 3643–3653. doi :10.1091/mbc.E14-06-1065. PMC 4230623. PMID  25253717 . 
  51. ^ Pahl, Cameron C.; Ruedas, Luis (2021). «Карнозавры как высшие падальщики: агентное моделирование выявляет возможные аналоги стервятников среди позднеюрских динозавров». Экологическое моделирование . 458 : 109706. Bibcode : 2021EcMod.45809706P. doi : 10.1016/j.ecolmodel.2021.109706.
  52. ^ Volmer; et al. (2017). «Вымер ли Panthera pardus (Linnaeus, 1758) на Суматре из-за конкуренции за добычу? Моделирование межвидовой конкуренции в гильдии хищников позднего плейстоцена нагорья Паданг, Суматра». Палеогеография, Палеоклиматология, Палеоэкология . 487 : 175–186. Bibcode : 2017PPP...487..175V. doi : 10.1016/j.palaeo.2017.08.032.
  53. ^ Хаген, Оскар; Флюк, Бенджамин; Фопп, Фабиан; Кабрал, Джулиано К.; Хартиг, Флориан; Понтарп, Микаэль; Ранхель, Тиаго Ф.; Пеллиссье, Луик (2021). "gen3sis: общий движок для эко-эволюционного моделирования процессов, формирующих биоразнообразие Земли". PLOS Biology . 19 (  7 ): e3001340. doi : 10.1371/journal.pbio.3001340 . PMC 8384074. PMID 34252071. S2CID  235807562. 
  54. ^ Eisinger, Dirk; Thulke, Hans-Hermann (1 апреля 2008 г.). «Формирование пространственной структуры способствует искоренению инфекционных заболеваний». Журнал прикладной экологии . 45 (2): 415–423. Bibcode :2008JApEc..45..415E. doi :10.1111/j.1365-2664.2007.01439.x. ISSN  0021-8901. PMC 2326892 . PMID  18784795. 
  55. ^ Рейлсбэк, Стивен Ф.; Гримм, Фолькер (26 марта 2019 г.). Агентно-ориентированное и индивидуально-ориентированное моделирование. Princeton University Press. ISBN 978-0-691-19082-2. Архивировано из оригинала 24 октября 2020 г. . Получено 19 октября 2020 г. .
  56. ^ Адам, Дэвид (2 апреля 2020 г.). «Специальный отчет: Моделирование, определяющее реакцию мира на COVID-19». Nature . 580 (7803): 316–318. Bibcode :2020Natur.580..316A. doi :10.1038/d41586-020-01003-6. PMID  32242115. S2CID  214771531.
  57. ^ Шридхар, Деви; Маджумдер, Маймуна С. (21 апреля 2020 г.). «Моделирование пандемии». BMJ . 369 : m1567. doi : 10.1136/bmj.m1567 . ISSN  1756-1833. PMID  32317328. S2CID  216074714. Архивировано из оригинала 16 мая 2021 г. Получено 19 октября 2020 г.
  58. ^ Скуаццони, Фламинио; Полхилл, Дж. Гарет; Эдмондс, Брюс; Арвайлер, Петра; Антош, Патрисия; Шольц, Геске; Чаппин, Эмиль; Борит, Мелания; Верхаген, Харко; Джардини, Франческа; Гилберт, Найджел (2020). «Вычислительные модели, имеющие значение во время глобальной вспышки пандемии: призыв к действию». Журнал искусственных обществ и социального моделирования . 23 (2): 10. doi : 10.18564/jasss.4298 . hdl : 10037/19057 . ISSN  1460-7425. S2CID  216426533. Архивировано из оригинала 24 февраля 2021 г. Получено 19 октября 2020 г.
  59. ^ Мазиаж, Мариуш; Зак, Мартин (2020). «Моделирование на основе агентов для прогнозирования эпидемии SARS-CoV-2 и оценки вмешательства: методологическая оценка». Журнал оценки в клинической практике . 26 (5): 1352–1360. doi : 10.1111/jep.13459. ISSN  1365-2753. PMC 7461315. PMID 32820573  . 
  60. ^ Manout , O.; Ciari, F. (2021). «Оценка роли повседневной деятельности и мобильности в распространении COVID-19 в Монреале с использованием агентного подхода». Frontiers in Built Environment . 7. doi : 10.3389/fbuil.2021.654279 .
  61. ^ Керр, Клифф и др. (2021), «Covasim: агентная модель динамики и вмешательств COVID-19», medRxiv , т. 17, № 7, стр. e1009149, Bibcode : 2021PLSCB..17E9149K, doi : 10.1371/journal.pcbi.1009149 , PMC 8341708 , PMID  34310589 
  62. ^ Хинч, Роберт и др. (2021), «OpenABM-Covid19 — агентная модель для нефармацевтических вмешательств против COVID-19, включая отслеживание контактов», PLOS Computational Biology , 17 (7): e1009146, Bibcode : 2021PLSCB..17E9146H, doi : 10.1371/journal.pcbi.1009146 , PMC 8328312 , PMID  34252083 
  63. ^ Шатток, Эндрю; Ле Рютте, Эпке; и др. (2021), «Влияние вакцинации и нефармацевтических вмешательств на динамику SARS-CoV-2 в Швейцарии», Эпидемии , 38 (7): 100535, Bibcode : 2021PLSCB..17E9146H, doi : 10.1016/j.epidem.2021.100535, PMC 8669952 , PMID  34923396 
  64. ^ "Git-репозиторий с открытым исходным кодом для OpenCOVID". GitHub . Swiss TPH. 31 января 2022 г. Архивировано из оригинала 15 февраля 2022 г. Получено 15 февраля 2022 г.
  65. ^ Рэнд, Уильям; Раст, Роланд Т. (2011). «Моделирование на основе агентов в маркетинге: Руководство по строгости». Международный журнал исследований в области маркетинга . 28 (3): 181–193. doi :10.1016/j.ijresmar.2011.04.002.
  66. ^ Хьюз, HPN; Клегг, CW; Робинсон, MA; Краудер, RM (2012). «Моделирование и имитация на основе агентов: потенциальный вклад в организационную психологию». Журнал профессиональной и организационной психологии . 85 (3): 487–502. doi :10.1111/j.2044-8325.2012.02053.x.
  67. ^ Бороманд, Амин (2021). «Тяжелая работа, принятие риска и разнообразие в модели коллективного решения проблем». Журнал искусственных обществ и социального моделирования . 24 (4). doi :10.18564/jasss.4704.
  68. ^ Crowder, RM; Robinson, MA; Hughes, HPN; Sim, YW (2012). «Разработка агентно-ориентированной моделирующей среды для имитации работы инженерной команды». Труды IEEE по системам, человеку и кибернетике — Часть A: Системы и люди . 42 (6): 1425–1439. doi :10.1109/TSMCA.2012.2199304. S2CID  7985332.
  69. ^ "Применение агентской технологии для моделирования дорожного движения". Министерство транспорта США . 15 мая 2007 г. Архивировано из оригинала 1 января 2011 г. Получено 31 октября 2007 г.
  70. ^ Ниази, М.; Бейг, А. Р.; Хуссейн, А.; Бхатти, С. (2008). «Моделирование исследовательского процесса» (PDF) . В Мейсон, С.; Хилл, Р.; Монч, Л.; Роуз, О.; Джефферсон, Т.; Фаулер, Дж. В. (ред.). Зимняя конференция по моделированию 2008 г. стр. 1326–1334. doi :10.1109/WSC.2008.4736206. hdl :1893/3203. ISBN 978-1-4244-2707-9. S2CID  6597668. Архивировано (PDF) из оригинала 1 июня 2011 г. . Получено 7 июня 2009 г. .
  71. ^ Ниази, Муаз А. (2008). «Самоорганизующаяся архитектура доставки настраиваемого контента для сред с поддержкой окружения» (PDF) . Труды третьего международного семинара по использованию P2P, сетки и агентов для разработки сетей контента . стр. 45–54. doi :10.1145/1384209.1384218. ISBN 9781605581552. S2CID  16916130. Архивировано из оригинала (PDF) 14 июня 2011 г.
  72. ^ Насринпур, Хамид Реза; Фризен, Марсия Р.; Маклеод, Роберт Д. (22 ноября 2016 г.). «Агентная модель распространения сообщений в электронной социальной сети Facebook». arXiv : 1611.07454 [cs.SI].
  73. ^ Ниази, Муаз; Хуссейн, Амир (март 2009 г.). «Инструменты на основе агентов для моделирования и имитации самоорганизации в одноранговых, беспроводных и других сложных сетях» (PDF) . Журнал IEEE Communications Magazine . 47 (3): 163–173. doi :10.1109/MCOM.2009.4804403. hdl :1893/2423. S2CID  23449913. Архивировано из оригинала (PDF) 4 декабря 2010 г.
  74. ^ Ниази, Муаз; Хуссейн, Амир (2011). «Новая агентно-ориентированная структура моделирования для зондирования в сложных адаптивных средах» (PDF) . Журнал датчиков IEEE . 11 (2): 404–412. arXiv : 1708.05875 . Bibcode :2011ISenJ..11..404N. doi :10.1109/JSEN.2010.2068044. hdl :1893/3398. S2CID  15367419. Архивировано из оригинала (PDF) 25 июля 2011 г.
  75. ^ Sarker, RA; Ray, T. (2010). "Agent Based Evolutionary Approach: An Introduction". Agent-Based Evolutionary Search . Adaptation, Learning, and Optimization. Vol. 5. pp. 1–11. doi :10.1007/978-3-642-13425-8_1. ISBN 978-3-642-13424-1.
  76. ^ Бороманд, Амин; Смальдино, Пол Э. (2023). «Предвзятость превосходства и шум в общении могут улучшить коллективное решение проблем». Журнал искусственных обществ и социального моделирования . 26 (3). doi : 10.18564/jasss.5154 .
  77. ^ Page, Scott E. (2008). Agent-Based Models (2-е изд.). Архивировано из оригинала 10 февраля 2018 г. Получено 3 октября 2011 г. {{cite book}}: |work=проигнорировано ( помощь )
  78. ^ Тестфацион, Ли ; Джадд, Кеннет , ред. (май 2006 г.). Справочник по вычислительной экономике. Том 2. Elsevier . стр. 904. ISBN 978-0-444-51253-6. Архивировано из оригинала 6 марта 2012 г. . Получено 29 января 2012 г. .(Предварительный просмотр главы)
  79. ^ ab "Агенты перемен". The Economist . 22 июля 2010 г. Архивировано из оригинала 23 января 2011 г. Получено 16 февраля 2011 г.
  80. ^ "Модельный подход". Nature . 460 (7256): 667. 6 августа 2009 г. Bibcode :2009Natur.460Q.667.. doi : 10.1038/460667a . PMID  19661863.
  81. ^ Фармер и Фоли 2009, стр. 685.
  82. ^ Фармер и Фоли 2009, стр. 686.
  83. ^ 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.
  84. ^ Дэвид, Герберт; Гатти, Делли (январь 2018 г.). «Макроэкономика, основанная на агентах». Справочник по вычислительной экономике . 4 : 63–156. doi :10.1016/bs.hescom.2018.02.006.
  85. ^ Рэнд, Уильям; Раст, Роланд Т. (июль 2011 г.). «Моделирование на основе агентов в маркетинге: Руководство по строгости». Международный журнал исследований в области маркетинга . 28 (3): 181–193. doi :10.1016/j.ijresmar.2011.04.002.
  86. ^ Ашванден, GDPA; Вулшлегер, Тобиас; Мюллер, Ханспетер; Шмитт, Герхард (2009). «Оценка 3D-моделей города с использованием автоматически размещаемых городских агентов». Автоматизация в строительстве . 22 : 81–89. doi :10.1016/j.autcon.2011.07.001.
  87. ^ Браун, Дэниел Г.; Пейдж, Скотт Э.; Зеллнер, Мойра; Рэнд, Уильям (2005). «Зависимость от пути и валидация пространственных моделей землепользования на основе агентов». Международный журнал географической информационной науки . 19 (2): 153–174. Bibcode : 2005IJGIS..19..153B. doi : 10.1080/13658810410001713399 .
  88. ^ Сметанин, Пол; Стифф, Дэвид (2015). Инвестиции в общественную инфраструктуру Онтарио: перспектива процветания под угрозой, с анализом Большого Торонто и района Гамильтона (PDF) (Отчет). Канадский центр экономического анализа. Архивировано (PDF) из оригинала 18 ноября 2016 г. . Получено 17 ноября 2016 г. .
  89. ^ Ян, Сяолян; Чжоу, Пэн (апрель 2022 г.). «Неравенство благосостояния и социальная мобильность: подход к моделированию на основе имитационного моделирования». Журнал экономического поведения и организации . 196 : 307–329. doi : 10.1016/j.jebo.2022.02.012 . hdl : 10419/261231 . S2CID  247143315.
  90. ^ Бутчер, Черити; Ньонгуо, Эдвин (22 декабря 2021 г.). «Имитация дипломатии: помощь в обучении или обычный бизнес?». Журнал политологического образования . 17 (sup1): 185–203. doi : 10.1080/15512169.2020.1803080. ISSN  1551-2169.
  91. ^ Гилберт, Найджел; Арвайлер, Петра; Барбрук-Джонсон, Пит; Нарасимхан, Кавин Прити; Уилкинсон, Хелен (2018). «Вычислительное моделирование государственной политики: размышления о практике». Журнал искусственных обществ и социального моделирования . 21 (1). doi : 10.18564/jasss.3669. hdl : 10044/1/102075 . ISSN  1460-7425.
  92. ^ Шимечек, Кристоф; Ниенхаус, Кристина; Фрей, Ульрих; Спербер, Эвелин; Сарфарази, Сейедфарзад; Нич, Феликс; Кохемс, Йоханнес; Гази, А. Ахраф Эль (17 апреля 2023 г.). "AMIRIS: Агентно-ориентированная рыночная модель для исследования возобновляемых и интегрированных энергетических систем". Журнал программного обеспечения с открытым исходным кодом . 8 (84): 5041. doi :10.21105/joss.05041. ISSN  2475-9066.
  93. ^ Хардер, Ник; Куссоус, Рамиз; Вайдлих, Анке (1 октября 2023 г.). «Соответствие назначению: реалистичное моделирование оптовых рынков электроэнергии с помощью многоагентного глубокого обучения с подкреплением». Энергия и ИИ . 14 : 100295. doi : 10.1016/j.egyai.2023.100295 . ISSN  2666-5468.
  94. ^ Хименес, И. Санчес; Рибо-Перес, Д.; Цветкович, М.; Кочемс, Х.; Шимечек, К.; де Врис, Л. Дж. (15 апреля 2024 г.). «Может ли рынок, основанный только на энергии, обеспечить достаточность ресурсов в декарбонизированной энергосистеме? Совместное моделирование с двумя агентными моделями». Applied Energy . 360 : 122695. doi :10.1016/j.apenergy.2024.122695. ISSN  0306-2619.
  95. ^ Фраунхольц, Кристоф (2021). «Проектирование рынка для перехода к возобновляемым системам электроэнергии». publikationen.bibliothek.kit.edu (на немецком языке). doi :10.5445/ir/1000133282 . Получено 13 августа 2024 г. .
  96. ^ Берглунд, Эмили Цехман (ноябрь 2015 г.). «Использование агентного моделирования для планирования и управления водными ресурсами». Журнал «Планирование и управление водными ресурсами » . 141 (11): 04015025. doi :10.1061/(ASCE)WR.1943-5452.0000544. ISSN  0733-9496. Архивировано из оригинала 19 января 2022 г. Получено 18 сентября 2021 г.
  97. ^ Giuliani, M.; Castelletti, A. (июль 2013 г.). «Оценка ценности сотрудничества и обмена информацией в крупных системах водных ресурсов с помощью оптимизации на основе агентов: структура MAS для крупных систем водных ресурсов». Water Resources Research . 49 (7): 3912–3926. doi : 10.1002/wrcr.20287 . S2CID  128659104.
  98. ^ "Agent-Directed Simulation". Архивировано из оригинала 27 сентября 2011 г. Получено 9 августа 2011 г.
  99. ^ Hallerbach, S.; Xia, Y.; Eberle, U.; Koester, F. (2018). «Идентификация критических сценариев для кооперативных и автоматизированных транспортных средств на основе моделирования». SAE International Journal of Connected and Automated Vehicles . 1 (2). SAE International: 93–106. doi :10.4271/2018-01-1066.
  100. ^ Madrigal, рассказ Алексис С. «Внутри секретного мира Waymo для обучения беспилотных автомобилей». The Atlantic . Архивировано из оригинала 14 августа 2020 г. Получено 14 августа 2020 г.
  101. ^ Коннорс, Дж.; Грэм, С.; Майу, Л. (2018). «Киберсинтетическое моделирование для приложений «транспорт-транспорт». Международная конференция по кибервойне и безопасности . Academic Conferences International Limited: 594-XI.
  102. ^ Ян, Гоцин; У, Чжаохуэй; Ли, Сюмэй; Чэнь, Вэй (2003). "SVE: среда интеллектуального транспортного средства на основе встроенного агента". Труды Международной конференции IEEE 2003 года по интеллектуальным транспортным системам . Том 2. С. 1745–1749, том 2. doi :10.1109/ITSC.2003.1252782. ISBN 0-7803-8125-4. S2CID  110177067. Архивировано из оригинала 31 января 2022 г. . Получено 19 августа 2021 г. .
  103. ^ ab Лысенко, Микола; Д'Соуза, Рошан М. (2008). "Структура для моделирования моделей на основе мегамасштабных агентов на графических процессорах". Журнал искусственных обществ и социального моделирования . 11 (4): 10. ISSN  1460-7425. Архивировано из оригинала 26 апреля 2019 г. Получено 16 апреля 2019 г.
  104. ^ Gulyás, László; Szemes, Gábor; Kampis, George; de ​​Back, Walter (2009). "A Modeler-Friendly API for ABM Partitioning". Труды Международной конференции по проектированию и инжинирингу ASME 2009 и конференции по компьютерам и информации в инжиниринге IDETC/CIE 2009. 2. Сан -Диего, Калифорния, США: 219–226. Архивировано из оригинала 16 апреля 2019 г. Получено 16 апреля 2019 г.
  105. ^ Коллиер, Н.; Норт, М. (2013). «Параллельное агентное моделирование с Repast для высокопроизводительных вычислений». Моделирование . 89 (10): 1215–1235. doi :10.1177/0037549712462620. S2CID  29255621.
  106. ^ Фудзимото, Р. (2015). «Параллельное и распределенное моделирование». Зимняя конференция по моделированию 2015 г. (WSC) . Хантингтон-Бич, Калифорния, США. стр. 45–59. doi :10.1109/WSC.2015.7408152. ISBN 978-1-4673-9743-8. S2CID  264924790. Архивировано из оригинала 4 февраля 2023 г. . Получено 6 сентября 2020 г. .{{cite book}}: CS1 maint: отсутствует местоположение издателя ( ссылка )
  107. ^ Шук, Э.; Ванг, С.; Танг, В. (2013). «Структура с учетом коммуникации для параллельных пространственно явных моделей на основе агентов». Международный журнал географической информационной науки . 27 (11). Тейлор и Фрэнсис: 2160–2181. Bibcode : 2013IJGIS..27.2160S. doi : 10.1080/13658816.2013.771740. S2CID  41702653.
  108. ^ Jonas, E.; Pu, Q.; Venkataraman, S.; Stoica, I.; Recht, B. (2017). «Оккупируйте облако: распределенные вычисления для 99%». Труды симпозиума по облачным вычислениям 2017 года . ACM. С. 445–451. arXiv : 1702.04024 . doi :10.1145/3127479.3128601. ISBN 978-1-4503-5028-0. S2CID  854354.
  109. ^ Айзек Рудомин и др. (2006). «Большие толпы в ГПУ». Монтеррейский технологический институт и высшее образование . Архивировано из оригинала 11 января 2014 г.
  110. ^ Richmond, Paul; Romano, Daniela M. (2008). "Agent Based GPU, 3D-симуляция в реальном времени и интерактивная визуализация Framework для массового агентного моделирования на GPU" (PDF) . Труды Международного семинара по супервизуализации (IWSV08) . Архивировано из оригинала (PDF) 15 января 2009 г. . Получено 27 апреля 2012 г. .
  111. ^ Браун, Дэниел Г.; Риоло, Рик; Робинсон, Дерек Т.; Норт, Майкл; Рэнд, Уильям (2005). «Пространственные процессы и модели данных: к интеграции агентных моделей и ГИС». Журнал географических систем . 7 (1). Springer: 25–47. Bibcode : 2005JGS.....7...25B. doi : 10.1007/s10109-005-0148-5. hdl : 2027.42/47930 . S2CID  14059768.
  112. ^ Чжан, Дж.; Тонг, Л.; Ламберсон, П.Дж.; Дуразо-Арвизу, РА; Люк, А.; Шохам, ДА (2015). «Использование социального влияния для решения проблемы избыточного веса и ожирения с использованием моделей на основе агентов: роль подростковых социальных сетей». Социальные науки и медицина . 125. Elsevier BV: 203–213. doi :10.1016/j.socscimed.2014.05.049. ISSN  0277-9536. PMC 4306600. PMID 24951404  . 
  113. ^ Сарджент, RG (2000). «Верификация, валидация и аккредитация имитационных моделей». Труды Зимней конференции по моделированию 2000 г. (Кат. № 00CH37165) . Том 1. С. 50–59. CiteSeerX 10.1.1.17.438 . doi :10.1109/WSC.2000.899697. ISBN  978-0-7803-6579-7. S2CID  57059217.
  114. ^ Klügl, F. (2008). "Методология проверки для агентных симуляций". Труды симпозиума ACM 2008 года по прикладным вычислениям - SAC '08 . стр. 39–43. doi :10.1145/1363686.1363696. ISBN 9781595937537. S2CID  9450992.
  115. ^ Фортино, Г.; Гарро, А.; Руссо, В. (2005). "Дискретно-событийная структура моделирования для проверки систем на основе агентов и многоагентных систем" (PDF) . Архивировано (PDF) из оригинала 26 июня 2011 г. . Получено 27 сентября 2009 г. . {{cite journal}}: Цитировать журнал требует |journal=( помощь )
  116. ^ Тесфацион, Ли. «Эмпирическая проверка: вычислительная экономика на основе агентов». Университет штата Айова . Архивировано из оригинала 26 июня 2020 г. Получено 24 июня 2020 г.
  117. ^ Ниази, Муаз; Хуссейн, Амир; Колберг, Марио. «Проверка и валидация агентных симуляций с использованием подхода VOMAS» (PDF) . Труды Третьего семинара по многоагентным системам и моделированию '09 (MASS '09), как часть MALLOW 09, 7–11 сентября 2009 г., Турин, Италия . Архивировано из оригинала (PDF) 14 июня 2011 г.
  118. ^ Ниази, Муаз; Сиддик, Касим; Хуссейн, Амир; Колберг, Марио (11–15 апреля 2010 г.). «Верификация и валидация агентно-ориентированной модели имитации лесных пожаров» (PDF) . Труды симпозиума Agent-Directed Simulation Symposium 2010, как части ACM SCS Spring Simulation Multiconference : 142–149. Архивировано из оригинала (PDF) 25 июля 2011 г.
  119. ^ Ниази, Муаз АК (11 июня 2011 г.). «К новой унифицированной структуре для разработки формальных, сетевых и проверенных агентных имитационных моделей сложных адаптивных систем». Университет Стерлинга . hdl :1893/3365. {{cite journal}}: Цитировать журнал требует |journal=( помощь ) Кандидатская диссертация
  120. ^ Онгго, Б.С.; Каратас, М. (2016). «Тестовое имитационное моделирование: исследование случая с использованием агентного моделирования морской поисковой операции». Европейский журнал операционных исследований . 254 (2): 517–531. doi :10.1016/j.ejor.2016.03.050. Архивировано из оригинала 30 июня 2020 г.

Общий

Внешние ссылки

Статьи/общая информация

Имитационные модели