动力学演化的研究方法：优化与探索

2023-07-02 理论教育版权反馈

【摘要】：1）Multi-Agent建模方法基于Agent的建模与仿真是一种“自下而上”的建模方法，通过模拟个体及其之间的行为来建模真实情景，描述从微观底层到宏观高层的涌现现象。基于ABMS方法所建立的仿真系统称为多Agent系统，主要研究一组自治Agent在分布式开放的动态环境下，通过交互、合作、竞争等智能行为完成复杂控制或求解，并通过多规格Agent组成的团体求解超出其个体能力的大规模复杂问题。

1）Multi-Agent建模方法

基于Agent的建模与仿真（Agent-Based Modeling and Simulation，ABMS）是一种“自下而上”的建模方法，通过模拟个体及其之间（包括环境）的行为来建模真实情景，描述从微观底层到宏观高层的涌现现象。根据系统内部的不同个体，明确建模对象，并将关键属性抽象出来建立个体Agent模型，设定Agent属性、行为、交互规则和相关约束条件，通过系统运行，研究个体行为对于整体系统特性而产生的影响。基于ABMS方法所建立的仿真系统称为多Agent系统，主要研究一组自治Agent在分布式开放的动态环境下，通过交互、合作、竞争等智能行为完成复杂控制或求解，并通过多规格Agent组成的团体求解超出其个体能力的大规模复杂问题。由于它更能体现人类的社会智能，更适合开放动态的社会环境，因而广泛应用于科学计算、工作流管理、电子商务、企业管理、交通控制等领域。

2）蒙特卡罗仿真

蒙特卡罗（Monte Carlo）仿真方法，又称“随机抽样方法”，是一种与一般数值计算方法有本质性区别的计算方法，它属于试验数学的一个分支。它利用随机数进行统计试验，将求得的统计特征值（如均值）作为待解问题的数值解，常被用于模拟物理和数学系统。由于依赖随机数或伪随机数的重复计算，蒙特卡罗方法非常适合计算机计算，尤其是在无法数值求解一个个粒子运动方程来模拟整个系统行为的时候。

由于观点演进和舆论涌现现象属于自主性、非线性的群体行为，个体通过相互影响、相互作用最终选定一种观点，宏观上则表现为某个演进终态，如统一、对峙等。这些舆论演进终态是很难利用数值求解的方法来描述和计算的，而且模型的演化终态通常呈现多样性，即多种舆论终态同时出现，需要求解的是各个终态出现的概率分布。种种原因决定了蒙特卡罗仿真方法对于舆论演进的适用性，论文建立的Multi-Agent模型大多采用了该方法，对同一参数集下、不同观点初分布同拓扑连接的舆论演进过程进行多次仿真实验，记录每次仿真的考察量值，仿真足够多次后，对所有考察量值进行统计分析，得出该参数集下系统的演进情况。此处，计算结果是多次不同观点初始分布、不同拓扑结构下的仿真结果的统计平均，例如某种观点的比例为多次仿真的比例平均值。蒙特卡罗时步表示系统中每个个体都更新一次为蒙特卡罗时步。在随机更新的仿真程序中，一个蒙特卡罗时步约等于N次随机更新（N为系统规模）组成。也就是说，Z个蒙特卡罗时步表示平均每个个体都被更新过Z次。此理论可以证明本研究的仿真具有一定的可信度。

动力学演化的研究方法：优化与探索

相关推荐