Notes by Edems

OSA_13_Multiagentni-simulace

4 min read

up:: ZK nav:: ⇐ / ---

13. Multiagentní simulace

Vysvětlete pojem Multiagentní simulace

(principy, odlišnosti od jiných druhů, výhody)

.

Multiagentní simulace (MAS) je přístup “zdola nahoru” (bottom-up). Systém je modelován jako soubor autonomních entit (agentů), kteří jednají podle svých lokálních pravidel a interagují s ostatními a prostředím.

  • Odlišnost od ostatních: Zatímco systémová dynamika řeší agregované celky (globální pohled, toky a zásoby) a diskrétní simulace procesní linky, MAS řeší chování jednotlivců.
  • Výhody:
    • Dokáže zachytit vznik komplexního globálního chování z jednoduchých lokálních pravidel. Je ideální pro systémy, kde jsou prvky heterogenní a jejich prostorové uspořádání hraje roli.
    • (např. formování davu, šíření epidemie, chování zákazníků) [[#|(more)]]

More

  • Simulace, ve které je systém modelován jako množina agentů a jejich interakce. Výsledkem činnosti agentů je pak změna AS z aktuálního do cílového stavu.

    • Prakticky se jedná o umělé inteligence, které spolupracují za účelem společného cíle.

  • Výhody:

    • Dokáží přijít k závěrům, kterých žádná simulace nedokáže (protože se učí)
    • Po vytvoření už nemusíme zasahovat, stačí sledovat
    • V případě robotů mohou napodobovat lidské chování

  • Agent

    • Entita, která sama nepřetržitě působí v prostředí, ve kterém probíhají procesy a působí další agenti
    • Druhy:
      • Biologický – lidé
      • Technický – robot
      • Programoví agenti – Počítačový virus
    • Vlastnosti:
      • Hlavni charakteristikou agenta je autonomie (není řízen, umělá inteligence), jednoznačná identifikovatelnost (agent je ohraničený)
      • Stav ve kterém jsou se v čase může měnit
      • Jsou sociální – interaguje s ostatními agenty (pouze určitou skupinou) – sousedi, nemusí být fyzicky vedle sebe!
      • Umí se adaptovat – učit se, upravovat chování, má paměť
      • Sleduje cíle – porovnává svoje výsledky s cílem
      • Mohou být různí – mohou mít různé podoby, cíle, chování
    • Charakteristické rysy: 1. Zaměření na heterogenitu (různorodost) agentů v populaci 2. Vznik sebe-organizace
    • Na rozdíl od diskrétních simulací a systémové dynamiky
      • Agent pracuje pouze s lokální informací. Multiagentní modely jsou decentralizované. (nejsou řízené)
    • Prvky:
      • Množina Agentů, atributy a chování
      • Množina vztahů a způsobů interakce agentů
      • Prostředí ve kterém se nachází

  • Insightmaker – free software pro Multiagentní simulace

  • Aplikace: Chování akciového trhu, Epidemie

Prezentace

( P: 11 )

  • Agent
    • Entita, která nepřetržitě autonomně působí v prostředí, ve kterém probíhají další procesy a působí další agenti.
  • ABMS (Agent-based modelling and simulation)
    • Obecnější pojem
    • vychází z toho
      • Particle Swarm Optimisation
      • Ant Colony Optimisation
      • ( Ty hledají konečné (optimální) řešení, zatímco simulace vede především k porozumění dynamickým procesům v systému )
    • ABS ⇒ Game of Life || InsightMaker
  • Multiagentní simulace
    • Simulace ve které je systém modelován jako množina agentů a jejich interakce
    • Model je budován „odspodu“
      • interakcí mezi agenty a mezi agenty a prostředím vznikají vzorce, struktury a chování, které nebyli explicitně „naprogramovány“
    • rysy
      • zaměření na heterogenitu agentů v populaci
      • vznik sebe-organizace
    • prvky
      • Množina agentů, jejich vlastností a chování
      • Množina vztahů a způsobů interakce agentů
      • Prostředí ve kterém se agenti nacházejí
    • hl. charakteristika = autonomie
      • Jedná sám, bez vnějšího řízení
      • Reaguje na situaci
      • Jsou aktivní, snaží se naplnit své cíle
  • Agenti
    • Typy
      • biologičtí: živočichové, lidé
      • techničtí: roboti
      • programoví: „softboti“
        • ( Toto je případ počítačové simulace )
        • od if/else po neuronky a jiná ai
    • vlastnosti
      • Soběstačný a jednoznačně identifikovatelný
        • Agent je „ohraničený“
      • @ Autonomní a sebe-řídící
        • Jedná v prostředí nezávisle
        • Chování agenta reflektuje dostupné informace a jeho cíle
        • Není řízen zvnějšku uživatelem
      • Stav ve kterém jsou se v čase může měnit
        • Stav agenta je reprezentován množinou jeho atributů
      • Jsou sociální
        • Je v dynamické interakci s jinými agenty, která má vliv na jeho chování
      • Mohou být adaptivní
        • Může mít schopnost učit se, upravovat své chování na základě získané zkušenosti
        • Učení vyžaduje nějakou formu paměti
        • Adaptivní může být i celá populace agentů. Pomocí selekce nabývá na počtu skupina lépe přizpůsobené prostředí.
      • Mohou sledovat cíle
        • Agent srovnává výsledky svého chování s požadovanými cíli
      • Mohou být různorodí
        • Vlastnosti, chování a cíle agentů se mohou lišit
        • Mohou také vlastnit různé množství zdrojů
    • interakce
      • agent pracuje pouze s lokální informací
      • Multiagentní modely jsou decentralizované
        • ( Není tam centrální řídící autorita, která by globálně poskytovala informaci a pokyny )
      • Agenti obvykle nejsou v interakci se všemi ostatními agenty, ale pouze s určitou „skupinou“
      • Sousedi
        • Ti agenti, se kterými je agent v interakci
        • Nemusí se jednat o fyzikou blízkost
      • Topologie
        • Uspořádání interakce,
        • Kdo poskytuje informaci komu,
        • Může jich být více
  • Druhů simulací
    • Diskrétní simulace
    • Systémová dynamika
    • Multiagentní simulace
  • Aplikace
    • Chování na akciovém trhu
    • Dodavatelské řetězce
    • Epidemie • Imunitní systém
    • Hrozba biologické války
    • Spotřebitelské chování
    • Historické civilizace
    • Konflikt