Agenci w modelowaniu agentowym (ABM)

• Autorzy: Dzieszko P , Bartkowiak K , Giełda-Pinas K

Warianty tytułu

EN

Agents in agent-based modeling (ABM)

• Języki publikacji: PL

Abstrakty

PL

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.

EN

Agent-based modeling (ABM) is a dynamically developing method of modeling broadly used in various areas of science and in everyday life. Integration of ABM with geographic information systems provides advanced and comprehensive instruments for geomodeling. Agent-based models are digital representation of such systems as eco-systems, societies and economies composed of elements and objects located in common environment (action environment). Unique nature of agent-based modeling consists in the possibility to define the rules of decision-making of individual agents, to determine conditions of their functioning and to implement these rules in any number of iterations in order to analyze the results of the system operation. Agents in the model may be highly diversified. They may be alive (e.g. farmers, inhabitants, landlords) or inanimate (e.g. companies, cars). They may be also grouped in bigger units (e.g. buildings, households, cities, road networks) and they may be mobile (e.g. companies changing their seat, inhabitants moving to other places). Because of the internal structure, we divide agents into strong and weak. Weak agents have simplified internal structure and simple decision-making rules, while decision-making rules of strong agents draw from the knowledge of artificial intelligence and these agents can learn, solve problems and make plans. Agents have attributes allowing them to describe their present state. They also have defined decision-making rules allowing them to take decisions about time and place and actions taken by the agents after the decision is made. Multiple application of agent-based models entails extremely varied characteristic features of agents and this, in turn makes difficult assigning to them universal and common features. Nevertheless, agents usually have a few features which do not change depending on the model applied, namely: autonomy, variety, activeness, goal, interactivity, limited rationality, mobility and ability to learn. In mathematical models most often all elements and objects of a given type are identical. Possibility to differentiate agents and to randomize their behaviours is assumed in agent-based modeling even when they have similar structure. Agents may have identical attributes but extremely different decision-making rules, which allows to introduce to the model the element of randomness so important in natural sciences.

Słowa kluczowe

PL

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

EN

agent-based modeling (ABM); geographical information system; GIS; geomodeling

• Wydawca: Polskie Towarzystwo Informacji Przestrzennej
• Czasopismo: Roczniki Geomatyki
• Rocznik: 2013
• Tom: T. 11, z. 4(61)
• Strony: 17--23
• Opis fizyczny: Bibliogr. 20 poz., tab.

Twórcy

autor

Dzieszko P

• Uniwersytet im. Adama Mickiewicza w Poznaniu Instytut Geoekologii i Geoinformacji, Zakład Geoekologii

autor

Bartkowiak K

• Uniwersytet im. Adama Mickiewicza w Poznaniu Instytut Geoekologii i Geoinformacji, Zakład Geoekologii

autor

Giełda-Pinas K

• Uniwersytet im. Adama Mickiewicza w Poznaniu Instytut Geoekologii i Geoinformacji, Zakład Geoekologii

Bibliografia

• 1.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.
• 2.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.
• 3.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.
• 4.Coleman J.S., 1990: Foundations of Social Theory, Cambridge, Massachusetts, USA.
• 5.Epstein J.M., 1999: Agent-Based Computational Models and Generative Social Science. Complexity 4 (5): 41-60.
• 6.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.
• 7.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.
• 8.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.
• 9.Langran G., 1992: Time in Geographic Information Systems, Taylor and Francis, London.
• 10.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.
• 11.Ligmann-Zielinska A., 2010: Agent-based models. [W:] Encyclopedia of Geography, SAGE Publications, http://www.sage-ereference.com/geography/Article_n14.html
• 12.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.
• 13.Longley P.A., Goodchild M.F., Maguire D.J., Rhind, D. W., 2011: Geographical Information Systems and Science, Wiley, New York.
• 14.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.
• 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.
• 16.MASON, 2012: Multi Agent Simulation of Neighbourhood. Dostęp: 20 marca 2013 r. http://cs.gmu.edu/~eclab/projects/mason/
• 17.O’Sullivan D., 2008: Geographical Information Science: Agent-Based Models. Progress in Human Geography 32(4):541-550.
• 18.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,
• 19.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.
• 20.Wolfram S., 1984: Cellular automata as models of complexity. Nature 311, nr 5985: 414-419.