Föreläsning 2 Flashcards
(33 cards)
Multi-agent modell
Är samma sak som en agent-baserad modell. Det är en representation av ett originellt system baserad på metaforerna av en multi-agent system. De aktiva entities i simuleringen är placerade ut som agenter som interagerar med miljön.
Agent:
En agent är i enlighet i ekonomiska termer en enhet som agerar utifrån dess principer.
En agent i data-vetenskap en enhet som är placerad i en miljö och är kapabel att utföra autonoma händelser i miljön för att uppfylla dennes mål. Agenter kan anpassa sina rörelser, beslut med mera utifrån vad de uppfattar i deras omgivning. Gruppering kan ske indirekt, utifrån vem agenten för tillfället uppfattar eller är nära. Optimering kan ske iterativt. En begränsad rationalitet samtidigt som ett globalt perspektiv är möjligt.
Vad karakteriserar en agent?
Den är Autonomous, bounded rationality, heterogeneous, adaptive
Enviroment/miljö
Här agerar agenterna. Från miljön till agenten har vi en sensor-input och från agenten till miljön. Agenten har ofta inte möjligt att påverka miljön, men kan ibland påverka det. Effectory och sensory abilities är begränsade, lokala. Hon nämner att hon kan inte kontrollera vad som händer utanför hennes kontor, hon kan inte se oss och etc. Agenter reagerar till miljön och en miljö-baserad modell är essentiell. Miljön i en ABS är allt som är kvar när man tar ut agenterna, Miljön har olika dimensioner, man kan ha diskreta eller kontinuerliga etc. Point-agents kan inte överlappa, agents with extension kan överlappa varandra. Information on the map kan vara olika signaler och skyltar i kartan.
Miljön kan simuleras på väldigt många olika sätt:
Soup, Maps, Point-agents, Agents with extension, information i kartan, dynamiken i miljön, resurser.
Vilka två lager av agenterna finns?
Macro- och micro-modeller. Kärnan av ABS är att vi definerar aktiva entities, där vi fokuserar på agenterna och deras beteenden i en viss miljö. Man har alltså minst två lager, dels lagret med agenterna där vi definerar dem, sen ett lager där vi observerar själva miljön och agenterna ihop.
Vilka nivåer av abstraction finns?
Vi har abstraction (berör de generiska dynamiken av auktioner som främst är teoretiskt analys), typification (skall representera en standard för det man kollar på) och Case studys (gör specifika undersökningar om något).
Schellings´s segregation:
En av de mest kända exemplet på ABMs. Handlar om att agenterna (finns två typer, A & B) befinner sig på ett grid. Den kollar sig runt och vill befinna sig kring sina “egna”. Den förflyttas slumpmässigt om den inte är nöjd.
BOIDS flocking modell
Denna modell berör formationen av agenter, nästan lika känd som “game of life”. Denna användes för att simulera “bats” i batman filmen där i brunnen. Agenterna utgår från tre “regler” segregation (undvika trängas), alignment (man beräknar det genomsnittliga riktningen kring omgivningen) och cohesion (man styr mot centret för den genomsnittliga riktningen/positionen).
Axelrods tribute modell
Axelrod examines how political actors can emerge from aggregations of smaller political units. Unlike in most game theoretical models, the actors involved in the simulation are not given a priori. Instead, Axelrod shows how groups of actors behaving as independent political entities can emerge out of interactions of basic units, during the simulation of a “tribute” model where units compete with each other for “wealth.
Sugarscape
Denna användes för att skapa artificiella samhällen och även agent-based simulation. All Sugarscape models include the agents (inhabitants), the environment (a two-dimensional grid) and the rules governing the interaction of the agents with each other and the environment.
Artificial Anasazi
De ville visa varför en viss “valley” inte var möjlig att bo i, det kollade olika parametrar som exempelvis hur möjligheterna till odling var. Modellen kunde inte visa varför denna “valley” tryckte bort sina invånare, intressant modell enligt henne.
Vilka element finns i en agent-baserad simuleringsmodell?
Beståndsdelarna av agent-based-simulation består av själva agenterna, interaktionen/organisationen och sedan omgiven (för hela modellen och inte bara agenten). Detta sker på simulations plattformen, vilket är programvaran som man jobbar på.
Referenssystem
That is the original, the real system, the target that we want to answer question about using modeling and simulation. I use the term “reference system” to emphazise that this system does not need to exist or that we answer questions about an abstract phenomenon.
Evakuering-Simulering:
En klassiskt tillämpning av ABM är evacuation simulation (kryssningsfartyg), då fanns det företag som analyserade hur lång tid det tog att få ut alla människor ur fartyget vid en olycka eller så. Hon gjorde en utrymningssimulering på ett tåg, tåget var fast i en tunnel, där frågan om
Färgen representerar temperaturen, där det röda indikerat att de var väldigt varmt (motorn brann). Hon upprättade vissa villkor, som att om vi såg eld så skulle vi springa åt andra hållet och så vidare.
Feedback på en individuell nivå
Man får restiden som en feedback, man lär sig som agent hur man skall välja sin rutt. Man kan alltså få denna feedback loop på individnivå. Detta går även att göra väldigt komplext där agenterna har möjligheten att lära sig, exempelvis att en buss alltid är 2 min sen så man får vänta där, då kan man lära sig det och komma till busshållsplatsen 2 min senare än normalt hädanefter och får då två extra minuters sömn issh.
Feedback på en populationsnivå
Vi kan kolla på sugarscape modellen, evolutionär anpassning.
Interaktion
En agent kan förändra miljön, indirekt interaktion kan ske via miljön (att man anpassar sig via miljön). En agent lämnar ett meddelande och en annan agent ser det och agerar utifrån det (detta är message-based communication).
Soup
Detta är en miljö där det inte finns en struktur, agenterna är bara placerade på samma “ställe”. Vi har en global interaktion. Varje agent kan uppfatta och se andra agenter, initialt kan man se olika aktörerna, agenterna har alltså inte en position. Men om agenterna har en position behöver vi kolla på kartorna.
Maps (diskreta och kontinuerliga)
En karta/maps är en explicit yta med ett koordinationssystem. En cellular automata (CA) skall inte blandas ihop med en ABS. En eld-simulering är ganska straight forward med en CA. Vi har både diskreta och kontinuerliga kartor där möjligheten att placera agenten är det som skiljer de två åt. Diskreta kartor har vi en grid där agenterna kan positioneras på ett bestämt antal positioner, upptar antingen hela cellen eller bara en del av cellen. I kontinuerliga finns oändligt många positioner där agenten kan placeras.
Point-Agents
Ingen omkrets? Utan bara en punkt på kartan?
Agents with extension
Har en omkrets? Tar upp ett visst område på kartan?
Resources
Diskret Gradient-Field Map
Diskret gradient-fälts karta, en cellbaserad struktur, varje cell har ett värde som är beslutsgrundande för agenterna och hjälper dessa att välja var de skall gå härnäst. Används ofta i evakuerings simuleringar och folkmassa-simuleringar.
Metric Networks/Road Networks
En annan typ av miljö är metric-network, där agenterna kan ha positioner i ett koordinationssystem, när man går från en nod till en annan har vi ett konkret avstånd.
GIS-baserad miljö
Sista systemet är en “verklig karta”, denna organiserar i flera olika lagar (skog, vägar och sjöar, samt viktiga punkter som affärer och parkeringar etc). Detta är den mest komplexa.
Raster= In its simplest form, a raster consists of a matrix of cells (or pixels) organized into rows and columns (or a grid) where each cell contains a value representing information, such as temperature. Rasters are digital aerial photographs, imagery from satellites, digital pictures, or even scanned maps.
