АГЕНТНО-ДИНАМИЧЕСКОЕ МОДЕЛИРОВАНИЕ - АКТУАЛЬНЫЙ ПОДХОД ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ

 

Автор:  Жарова А.В.

Источник: Национальное первенство по научной аналитике - "Украина", http://gisap.eu/ru/node/4974

 

 

Описание: в статье рассматривается возможность изучения и анализа экономических субъектов с помощью методов имитационного моделирования, в частности системной динамики и агентного моделирования, а также исследуется потенциал для интеграции этих подходов с целью создания более мощного инструмента - агентно-динамического моделирования.
Ключевые слова: имитационное моделирование, системная динамика, агентное моделирование, агентно-динамическое моделирование.

 

            В условиях динамично развивающейся бизнес-среды все более актуальным становится вопрос о поиске новых инструментов изучения и анализа экономических субъектов. Одним из способов информационного обеспечения для принятия управленческих решений является создание модели с помощью методов имитационного моделирования.

            Наиболее полное определение понятию «имитационное моделирование» дает Коровин [1] – это  разработка и выполнение на компьютере программной системы, отражающей структуру и поведение моделируемого объекта или явления во времени. Такую программную систему называют имитационной моделью этого объекта или явления.

            Имитационное моделирование позволяет изучать проблемы сложных систем, для которых не существует аналитического решения. Оно включает в себя четыре подхода: системную динамику, динамические системы, дискретно-событийное и агентное моделирование. В данной статье рассматривается возможность интеграции системной динамики и агентного моделирования.

            Системная динамика как подход в моделировании была предложена в 50-х годах Джеем Форрестером [2], который делал упор на структуру системы, состоящую из запасов («stocks») и потоков («flows»).

            На сегодняшний день, по словам Джона Стермана [3], такая структура содержит петли обратной связи («feedback loops»), запасы («stocks»), потоки («flows») и нелинейности («nonlinearities»), которые возникают в результате взаимодействия физической и институциональной структуры системы с процессами принятия решений действующими в ней агентами.

            Системная динамика имеет некоторые преимущества перед агентным моделированием. Прежде всего, это возможность связывать причину и следствие. Также эффективность данного подхода проявляется в том, что многие модели системной динамики можно смоделировать быстрее, чем агентные, а затраченные усилия на создание модели могут быть меньшими.

            В отличие от системной динамики, в агентном моделировании индивидуальные  члены группы, такие как фирмы в экономике или люди в социальной группе, представляются в явной форме, а не как совокупный объект.

            Относительно времени возникновения агентного моделирования не существует единого мнения. Некоторые авторы считают, что агентное моделирование – это новое направление в имитационном моделировании, которое возникло в 90-х годах в университетской среде США. Другие убеждены, что корни агентного моделирования лежат в теоретической математике 40-х годов, когда основа концепции состояла в идее взаимодействия автоматических машин в больших системах, которые могли не только повторять действия, но и накапливать опыт. Несколько значимых исследований, которые имели место с 70-х годов, привели к выделению агентного моделирования в отдельный подход [4].

            У понятия «агентное моделирование» нет общепризнанного определения, однако можно выделить две основные характеристики, присущие данному методу: агентное моделирование является объектно-ориентированным подходом; агенты могут учиться во время проведения имитационных экспериментов, таким образом изменяя свое поведение динамически.

            В агентном моделировании система моделируется как набор автономных объектов, принимающих решения, которых называют агентами. Каждый агент индивидуально оценивает свою ситуацию и принимает решения на основе установленных правил. Агенты могут вести себя по-разному, в соответствии с системой, которую они представляют. Повторяющиеся взаимодействия между агентами являются характерной особенностью агентного моделирования. На простейшем уровне агентная модель состоит из системы агентов и отношений между ними. Более сложная агентная модель может содержать различные обучающие техники, позволяя проводить более реалистическое изучение и адаптацию.

            Гребель и Пика выделяют в агентном моделировании следующие преимущества: во-первых, оно может показать, как взаимодействие независимых агентов создает коллективный феномен; во-вторых, идентифицировать отдельных агентов, чье поведение имеет доминантное влияние на генерируемое поведение; и в-третьих, найти критические точки во времени, в которых происходят качественные изменения [5].

            Эрик Бонабеу выделяет агентное моделирование среди остальных методов благодаря трем отличительным чертам: оно захватывает новые возникающие явления, обеспечивает естественное описание системы и является гибким [6].

            В последние годы был проявлен значительный интерес к исследованию синергии между системной динамикой и агентным моделированием и признано, что их можно совмещать для нахождения решений сложных проблем [7].

            Наиболее полная сравнительная характеристика системной динамики и агентного моделирования была выполнена Надин Шириц и Питером Миллингом [8].

Сравнительная характеристика системной динамики и агентного моделирования

            Источник: Schieritz N., Milling P. Modeling the Forest or Modeling the Trees – A Comparison of System Dynamics and Agent-Based Simulation // The 21st International Conference of the System Dynamics Society. New York, USA. – 2003.

            Надин Шириц и Питер Миллинг подчеркивают, что системная динамика и агентное моделирование являются двумя подходами, которые используют компьютерное моделирование для исследования нелинейных социальных и социо-экономических систем с акцентом на понимании и качественном предсказании поведения системы.

            Следовательно, можно выделить два способа интеграции рассматриваемых методов: взаимодействие агентов в среде системной динамики и взаимодействие агентов, которые состоят из системно-динамических структур, без предопределенной среды системной динамики. Таким образом, используя агентно-динамическое моделирование как мощную технику имитационного моделирования, можно разрабатывать приложения для решения реальных проблем, как отдельных предприятий, так и экономики в целом.

            Литература:

1. Коровин А.М. Моделирование систем: учебное пособие к лабораторным работам. – Челябинск: Издательский центр ЮУрГУ, 2000. – 47 с.
2. Forrester J. Industrial Dynamics. – Cambridge, MA: MIT Press. – 1961.
3. Sterman J. Business Dynamics: Systems Thinking and Modeling for a Complex World.: McGraw Hill. – 2000.
4. Eamonn L. Introduction to Agent-Based Simulation in Flexsim, Flexsim Corporation. – Oct. 2008.
5. Grebel T., Pyka А. Agent-based modeling - A methodology for the analysis of qualitative development processes. // Discussion Paper Series 251: Universitaet Augsburg, Institute for Economics. – 2003.
6. Bonabeau E. Agent-based modeling: methods and techniques for simulating human systems. // Procedures National Academy of Sciences 99 (3). –  2001.
7. Duggan J. Equation-based policy optimization for agent-oriented system dynamics models // System Dynamics Review Vol. 24, No. 1. – Spring 2008. – Р.97-118.
8. Schieritz N., Milling P. Modeling the Forest or Modeling the Trees – A Comparison of System Dynamics and Agent-Based Simulation // The 21st International Conference of the System Dynamics Society. New York, USA. – 2003.