Agenci w modelowaniu agentowym (ABM)

Piotr Dzieszko
Uniwersytet im. Adama Mickiewicza w Poznaniu
Instytut Geoekologii i Geoinformacji
Zakład Geoekologii
Polska

Katarzyna Bartkowiak
Uniwersytet im. Adama Mickiewicza w Poznaniu
Instytut Geoekologii i Geoinformacji
Zakład Geoekologii
Polska

Katarzyna Giełda-Pinas
Uniwersytet im. Adama Mickiewicza w Poznaniu
Instytut Geoekologii i Geoinformacji
Zakład Geoekologii
Polska

Streszczenie

Modelowanie agentowe (ang. agent-based modelling – ABM) stanowi dynamicznie rozwijającą się metodę modelowania, o szerokim spektrum zastosowań w różnych dziedzinach nauki i życia codziennego. Obecnie postępująca integracja ABM z systemami informacji geograficznej dostarcza zaawansowanych i kompleksowych narzędzi do geomodelowania.
Modele agentowe są cyfrową reprezentacją systemów takich jak ekosystemy, społeczności i gospodarki, złożonych z elementów i obiektów rozmieszczonych we wspólnym otoczeniu (środowisku działania). Unikalność modelowania agentowego polega na umożliwieniu zdefiniowania zasad decyzyjnych jednostek - agentów, określeniu uwarunkowań, w jakich funkcjonują oraz zrealizowaniu tych zasad w dowolnej ilości iteracji w celu przeanalizowania rezultatów działania systemu.
Agenci w modelu mogą być wysoce zróżnicowani. Mogą mieć charakter ożywiony (np. rolnicy, mieszkańcy, właściciele ziemscy) oraz nieożywiony (np. firmy, samochody). Mogą także być pogrupowani w większe jednostki (np. społeczności, narodowości, budynki, gospodarstwa domowe, miasta, sieci drogowe) oraz mogą być mobilni (np. pieszo, samochodem, firmy zmieniające siedzibę, mieszkańcy, którzy się przeprowadzają). Ze względu na wewnętrzną strukturę, agentów dzielimy na słabych i silnych. Słabi agenci mają uproszczoną strukturę wewnętrzną i proste zasady decyzyjne, podczas gdy zasady decyzyjne agentów silnych czerpią z wiedzy sztucznej inteligencji, a oni sami potrafią się uczyć, rozwiązywać problemy i planować. Agenci wyposażeni są w atrybuty, które pozwalają opisać ich aktualny stan. Posiadają też sprecyzowane zasady decyzyjne, które pozwalają im podejmować decyzje czasie i przestrzeni oraz czynności, które podejmowane są przez agentów po podjętej decyzji.
Mnogość zastosowań modeli agentowych sprawia, że agenci posiadają skrajnie różne charakterystyki, a to powoduje, że trudno jest przypisać im jedne uniwersalne i wspólne cechy. Niemniej agenci najczęściej posiadają kilka cech, które nie zmieniają się w zależności od zastosowania modelu, mianowicie: autonomię, różnorodność, aktywność, cel, interaktywność, ograniczoną racjonalność, mobilność, i możliwość uczenia się.
W modelach matematycznych najczęściej wszystkie elementy i obiekty danego typu są identyczne. Założeniem modelowania agentowego jest możliwość różnicowania agentów oraz możliwość zastosowania losowości w ich zachowaniach nawet, jeśli mają podobną budowę. Agenci mogą mieć identyczne atrybuty, ale skrajnie różne zasady decyzyjne, co pozwala wprowadzić do modelu bardzo istotny w naukach przyrodniczych element losowości.

Słowa kluczowe:

modelowanie agentowe (ABM); systemy informacji geograficznej (GIS); geomodelowanie

Pełny tekst:

PDF

Bibliografia

Abdou M., Hamill L., Gilbert N., 2012: Designing and building an Agent-Based Model. [W:] Heppenstall A.J., Crooks A.T., See L.M., Batty M. (red.), Agent-Based Models of Geographical Systems, Springer, Dordrecht :141-165.

Batty M., 2012: A Generic Framework for Computational Spatial Modeling. [W:] Heppenstall A.J., Crooks A.T., See L.M., Batty M. (red.), Agent-Based Models of Geographical Systems, Springer, Dordrecht: 19-50.

Brown D.G., 2006: Agent-Based Models. [W:] Geist H. (red.), The Earth’s Changing Land: An Encyclopedia of Land-Use and Land-Cover Change, Greenwood Publishing Group, Westport:7-13.

Coleman J.S., 1990: Foundations of Social Theory, Cambridge, Massachusetts, USA.

Epstein J.M., 1999: Agent-Based Computational Models and Generative Social Science. Complexity 4 (5): 41-60.

Franklin S., Graesser A., 1996: Is it an agent, or just a program?: A taxonomy for autonomous agent> [W:] Proceedings of the Third International Workshop on Agent Theories, Architectures, and Languages, Springer: 21-35.

Goodchild M.F., 2005: GIS, Spatial Analysis, and Modelling Overview. [W:] Maguire D.J., Batty M., Goodchild M.F. (red.), GIS, Spatial Analysis and Modeling, ESRI Press, Redlands: 1-18.

Kennedy B., 2012: Modelling Human Behaviour in Agent-Based Models. [W:] Heppenstall A.J.,. Crooks A.T, See L.M., Batty M. (red.), Agent-Based Models of Geographical Systems, Springer, Dordrecht: 167-179.

Langran G., 1992: Time in Geographic Information Systems, Taylor and Francis, London.

Ligmann-Zielinska A., 2009: The impact of risk-taking attitudes on a land use pattern: An agent-based model of residential development. Journal of Land Use Science 4(4): 215-232.

Ligmann-Zielinska A., 2010: Agent-based models. [W:] Encyclopedia of Geography, SAGE Publications, http://www.sage-ereference.com/geography/Article_n14.html

Loewenstein G., Lerner J.S., 2003: The role of affect in decision making. [W:] Davidson R.J., Scherer K.R., Goldsmith H.H. (red.), Handbook of Affective Sciences, Oxford University Press: 619-642.

Longley P.A., Goodchild M.F., Maguire D.J., Rhind, D. W., 2011: Geographical Information Systems and Science, Wiley, New York.

Macal C.M., North M.J., 2005: Tutorial on agent-based modelling and simulation. [W:] Euhl M.E., Steiger N.M., Armstrong F.B., Joines J.A. (red.), Proceedings of the 2005 Winter Simulation Conference, Orlando: 2-15.

Malleson N.S., Heppenstall A.J., See, L.M., 2010: Simulating Burglary with an Agent-Based Model, Computers. Environment and Urban Systems 34 (3): 236-250.

MASON, 2012: Multi Agent Simulation of Neighbourhood. Dostęp: 20 marca 2013 r. http://cs.gmu.edu/~eclab/projects/mason/

O’Sullivan D., 2008: Geographical Information Science: Agent-Based Models. Progress in Human Geography 32(4):541-550.

Parker D.C., 2005: Integration of geographic information systems and agent-based models of land use: Challenges and prospects. [W:] Maguire D.J., Batty M., Goodchild M.F. (red.), GIS, Spatial Analysis and Modelling. ESRI Press, Redlands, 403-422.

Peuquet D.J., 2005: Time in GIS and Geographical Databases. [W:] Longley P.A., Goodchild M.F., Maguire D.J., Rhind D.W. (red.), Geographical Information Systems: Principles, Techniques, Management And Applications, Wiley, Hoboken: 91-103.

Wolfram S., 1984: Cellular automata as models of complexity. Nature 311, nr 5985: 414-419.