Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 2013

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Modelowanie agentowe – nowoczesna koncepcja modelowania w GIS

Dzieszko P, Bartkowiak K., Giełda-Pinas K

Roczniki Geomatyki

2013

T. 11, z. 4(61)

7--16

One of the most prospective bottom-up approaches to modeling of human-environment relations is agent-based modeling (ABM). ABM is a modern technique more and more often used in Geographical Information Science. It is based on entities called agents which can make spatial decisions. They can also exchange information with each other. Moreover, they have attributes which allow to describe their actual state. In classical approach to modeling, all entities are often quite similar. It is possible to create a model with very similar entities within ABM. These entities may behave slightly differently. Agents can have identical attributes and quite different decision rules. It allows a user to apply randomness in a model which is really crucial in environmental studies. ABM and simulation can be traced to investigations into complex adaptive systems, the evolution of cooperation and artificial life. Unlike other modeling approaches, ABM begins and ends with the agent’s perspective. The application of ABM to simulating dynamics within GIS has seen a considerable increase over the last decade. Both agents and decisions they make have spatial reference. So linking AMB with GIS is a natural consequence of these two techniques development. ABM is normally a very useful decision making process, in extreme events simulation, forecasting the environment development, spatial planning, and environmental impact assessment. In this paper. possibilities of the use of ABM were presented. ABM is a modern research technique within GIS. Most important features of ABM were described as well as well-known software platforms and toolsets for agent-based model creating. Finally, information when the ABM can be especially useful in research work and how to select the best system which will fit the standards of our model was provided.

Agenci w modelowaniu agentowym (ABM)

Dzieszko P, Bartkowiak K, Giełda-Pinas K

Roczniki Geomatyki

2013

T. 11, z. 4(61)

17--23

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.

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.