Агентное моделирование
Агентное моделирование (англ. agent-based modeling, ABM) — метод имитационного моделирования, исследующий поведение децентрализованных агентов и то, как такое поведение определяет поведение всей системы в целом. В отличие от системной динамики, аналитик определяет поведение агентов на индивидуальном уровне, а глобальное поведение возникает как результат деятельности множества агентов (моделирование «снизу вверх»).
Агентное моделирование включает в себя клеточные автоматы, элементы теории игр, сложных систем, мультиагентных систем и эволюционного программирования, методы Монте-Карло, использует случайные числа.
Определение
Агентное моделирование — это компьютерное моделирование, используемое для изучения взаимодействия между людьми, вещами, местами и временем. Они представляют собой стохастические модели, построенные снизу вверх, что означает, что отдельным агентам (часто людям в эпидемиологии) присваиваются определенные атрибуты. Агенты запрограммированы на то, чтобы вести себя и взаимодействовать с другими агентами и окружающей средой определенным образом. Эти взаимодействия вызывают эмерджентные эффекты, которые могут отличаться от эффектов отдельных агентов. Агентное моделирование отличается от традиционных, основанных на регрессии методов тем, что, как и моделирование системной динамики, оно позволяет исследовать сложные системы, которые демонстрируют ненезависимость индивидуумов и петли обратной связи в причинно-следственных механизмах. Он не ограничивается наблюдаемыми данными и может быть использован для моделирования контрфактов или экспериментов, которые могут быть невозможны или неэтичны для проведения в реальном мире. Однако агентное моделирование не лишено ограничений. Параметры данных (например, репродуктивная скорость при инфекционных заболеваниях) часто трудно найти в литературе. Кроме того, достоверность модели может быть трудно оценить, особенно при моделировании ненаблюдаемых ассоциаций. В целом, агентные модели предоставляют дополнительный инструмент для оценки воздействия воздействия на результаты. Это особенно полезно, когда известно или предполагается, что существуют взаимосвязанность, взаимность и петли обратной связи, или когда эксперименты в реальном мире невозможны[1].