Model basat en agent

Un model basat en agents (ABM, per les seues sigles en anglés) és un tipo de model computacional que permet simular les accions i interaccions d'agents autònoms (ya siguen entitats individuals o colectives, com a organisacions o grups) dins d'un entorn i determinar els efectes que produïxen en el conjunt del sistema. Combina elements de teoria de jocs, sistemes complexos, emergència, sociologia computacional, sistemes multi-agent, i programació evolutiva. S'utilisen métodos de Monte Carlo per a comprendre l'estocasticidad d'estos models. En particular, en ecologia, els MBA es denominen models basats en individus (MBI). Una revisió de la lliteratura recent sobre models basats en individus, models basats en agents i sistemes multiagentes mostra que els MBA s'utilisen en molts àmbits científics, inclosos la biologia, l'ecologia i les ciències socials. La modelació basada en agents està relacionat en el concepte de sistema multiagente o simulació multiagente, pero és distint sobre l'objectiu: el MBA busca una explicació del comportament colectiu dels agents que obedixen regles senzilles, normalment en sistemes naturals, més que en el disseny d'agents o la resolució de problemes pràctics o d'ingenieria específics.

Els models simulen les operacions simultànees d'entitats múltiples (agents) en l'objectiu de recrear i predir les accions de fenomens complexos. És un procés d'emergència que va des del nivell més elemental (micro) fins al més elevat (macro). Els models basats en agents són un tipo de model a microescala que simula les operacions i interaccions simultànees de múltiples agents en la finalitat de recrear i predir l'aparició de fenomens complexos. El procés és d'emergència, lo que alguns expressen com «el tot és major que la suma de les seues parts». En atres paraules, les propietats del sistema de nivell superior emergixen de les interaccions dels subsistema de nivell inferior. És dir, els canvis d'estat a macroescala emergixen dels comportaments dels agents a microescala. En atres paraules, els comportaments simples (és dir, regles seguides pels agents) generen comportaments complexos (és dir, canvis d'estat a nivell de tot el sistema).

Generalment, els agents individuals actuen segons lo que perceben com els seus interessos propis, com la reproducció, el benefici econòmic o l'estatus social, i el seu coneiximent és llimitat. Utilisen una racionalitat llimitada i heurístiques o regles simples de presa de decisions. Els agents MBA poden experimentar «aprenentage», adaptació i reproducció.

Components

Els elements principals d'un model basat en agents són els següents:

Agents: Són les unitats fonamentals del model, que es definixen per les seues propietats internes i externes, aixina com pels seus comportaments. Els agents poden exhibir distints nivells de complexitat i la seua presa de decisions pot estar basada en regles d'utilitat, lo que els permet "deprendre" i adaptar-se al seu entorn.

Entorn: Representa l'espai a on els agents interactuen. Este entorn pot classificar-se en dinàmic, si canvia en el temps, o estàtic, si permaneix constant. Ademés, l'entorn pot considerar-se com un conjunt d'agents interrelacionados que també poden influir en el comportament dels agents individuals.

Interaccions: Són les relacions i accions que ocorren entre els agents, aixina com entre estos i el seu entorn. Estes interaccions poden classificar-se en accions directes, quan els agents influïxen de manera explícita en atres agents o en l'entorn, o influències indirectes, quan les accions d'un agent afecten a atres agents o a l'entorn de manera menys directa.

Observador: És el component en el que l'usuari interactua, permetent-li gestionar i monitorear les accions tant dels agents com de l'entorn. L'observador pot tindre un rol passiu (solament observa) o actiu (modificant les condicions del model).

Schedule (Planificador temporal): Definix l'orde de les interaccions dins del model, establint la seqüència temporal dels events i les interaccions entre els agents i l'entorn. Ademés, pot especificar les possibles interaccions de l'observador en el sistema en determinats moments del cicle temporal.

Història

L'idea de la modelació basada en agents es va desenrollar com un concepte relativament senzill a finals de la década de 1940. No es va generalisar fins a la década de 1990, ya que requerix procediments de càlcul intensius.

Primers desenrolls

L'història del model basat en agents es remonta a la màquina de Von Neumann, una màquina teòrica capaç de reproduir-se. El dispositiu que von Neumann va propondre seguia instruccions precises i detallades per a fabricar una còpia de sí mateixa. El concepte va ser desenrollat per Stanislaw Ulam, amic de von Neumann i també matemàtic, qui va sugerir construir la màquina sobre el paper, com una colecció de celes en una cuadrícula. L'idea intrigó a von Neumann, qui la va plasmar creant el primer dels dispositius que més vesprada es denominarien autómates celulars. Un atre alvanç va ser introduït pel matemàtic John Conway. Va construir el conegut Jugue de la Vida. A diferència de la màquina de von Neumann, el Joc de la Vida de Conway operava per mig de regles simples en un món virtual bidimensional similar a un tauler de dames.

El llenguage de programació Simula, desenrollat a mitan de la década de 1960 i àmpliament implementat a principis de la de 1970, va anar el primer marc per a automatisar simulacions d'agents passe a pas.

Décades de 1970 i 1980: els primers models

Un dels primers models basats en agents va ser el model de segregació de Thomas Schelling, que es va tractar en el seu artícul "Models Dinàmics de Segregació" de 1971. Encara que Schelling va utilisar originalment monedes i paper milimetrado en lloc d'ordenadors, els seus models encarnaven el concepte bàsic dels models basats en agents com a entitats autònomes que interactuen en un entorn compartit en un resultat agregat i emergent observat.

A finals de la década de 1970, Paulien Hogeweg i Bruce Hesper varen començar a experimentar en models individuals d'ecologia. Un dels seus primers resultats va ser demostrar que l'estructura social de les colónies d'abellots sorgia com a resultat de regles senzilles que rigen el comportament de les abelles individuals.Varen introduir el principi Tot, que es referix a la forma en que els agents "fan lo que cal fer" en un moment donat.

A principis de la década de 1980, Robert Axelrod va organisar un torneig d'estratègies del dilema del presoner i les va fer interactuar de forma basada en agents per a determinar un guanyador. Axelrod va desenrollar molts atres models basats en agents en el camp de les ciències polítiques per a examinar fenomens des del etnocentrisme fins a la difusió de la cultura.A finals de la década de 1980, el treball de Craig Reynolds sobre models de bandadas va contribuir al desenroll d'alguns dels primers models biològics basats en agents que en característiques socials. Va intentar modelar la realitat d'agents biològics vius, coneguts com vida artificial, terme falcat per Christopher Langton.

El primer us de la paraula "agent" i la seua accepció actual són difícils de rastrejar. Un candidat és l'artícul de John Holland i John H. Miller de 1991 "Agents adaptatius artificials en la teoria econòmica", basat en una presentació anterior d'una conferència seua. Una opció més sòlida i anterior és Allan Newell, qui en la primera Presidential Address de la AAAI (publicada com The Knowledge Level) va parlar dels agents inteligents com a concepte.

Al mateix temps, durant la década de 1980, científics socials, matemàtics, investigadors d'operacions i atres persones de diverses disciplines varen desenrollar la Teoria Computacional i Matemàtica de l'Organisació (Computational and Mathematical Organization Theory, CMOT). Este camp va sorgir com un grup d'interés especial de The Institute of Management Sciences (TIMS) i la seua societat germana, la Operations Research Society of America (ORSA).

Década de 1990: Expansió

La década de 1990 va ser especialment notable per l'expansió dels MBA dins de les ciències socials. Un eixemple destacat va ser el MBA a gran escala, Sugarscape, desenrollat per Joshua M. Epstein i Robert Axtell per a simular i explorar el paper de fenomens socials com les migracions estacionals, la contaminació, la reproducció sexual, el combat i la transmissió de malalties i inclús la cultura. Atres desenrolls notables de la década de 1990 inclouen el MBA deKathleen Carley de l'Universitat Carnegie Mellon, destinat a explorar la coevolución de les rets socials i la cultura. l'Institut de Santa Fe (Santa Fe Institute, SFI) va ser important per a fomentar el desenroll de la plataforma de modelació MBA Swarm baix el liderage de Christopher Langton. L'investigació portada a terme a través de el SFI va permetre l'expansió de les tècniques MBA a una série de camps, incloent l'estudi de la dinàmica social i espacial de les societats humanes a chicoteta escala i dels primats. Durant esta década de 1990, Nigel Gilbert va publicar el primer llibre de text sobre simulació social: Simulation for the social scientist (1999) i va fundar una revista des de la perspectiva de les ciències socials: el Journal of Artificial Societies and Social Simulation (JASSS). Ademés de JASSS, la revista SpringerOpen Complex Adaptive Systems Modeling (CASM)comprén models basats en agents de qualsevol disciplina.

A mitan de la década de 1990, l'enfocament de les ciències socials de el MBA va començar a centrar-se en qüestions com l'eficàcia dels equips, la comunicació necessària per a l'eficàcia organisativa i el comportament de les rets socials. CMOT —més vesprada rebatejat com a Anàlisis Computacional de Sistemes Socials i Organisatius (Computational Analysis of Social and Organizational Systems, CASOS)— va ser incorporant cada volta més la modelació basada en agents. Samuelson (2000) oferix una visió general de l'història primerenca, i Samuelson (2005) i Samuelson i Macal (2006) analisen els desenrolls més recents.

A finals de la década de 1990, la fusió de TIMS i ORSA per a formar INFORMS, i el pas de INFORMS de dos a una reunió anual, va ajudar a impulsar al grup CMOT a formar una societat separada, la North American Association for Computational Social and Organizational Sciences (NAACSOS). Kathleen Carley va ser una important contribuent, especialment referent als models de rets socials, i va obtindre finançació de la National Science Foundation per a la conferència anual ademés de servir com la primera Presidenta de NAACSOS. Li varen succeir David Sallach de l'Universitat de Chicago i el Laboratori Nacional Argonne, i després Michael Prietula de l'Universitat Emory. Aproximadament al mateix temps que es va crear NAACSOS, es varen organisar la European Social Simulation Association (ESSA) i la Pacific Asian Association for Agent-Based Approach in Social Systems Science (PAAA), associacions homòlogues de NAACSOS. En 2013, estes tres organisacions colaboren a nivell internacional. El Primer Congrés Mundial sobre Simulació Social es va celebrar baix el seu patrocini conjunt en Kyoto en agost de 2006. i el Segon Congrés Mundial es va celebrar en les afores de Washington D. C., en juliol de 2008, en l'Universitat George Mason assumint el paper principal en l'organisació local.

Década de 2000

Més recentment, Ron Sun va desenrollar métodos per a basar la simulació basada en agents en models de cognició humana, coneguda com simulació social cognitiva. Bill McKelvey, Suzanne Lohmann, Dario Nardi, Dwight Read i uns atres en UCLA també han fet contribucions significatives en el comportament organizacional i la presa de decisions. Des de 1991, UCLA organisa un simpòsium en Lake Arrowhead, Califòrnia, que s'ha convertit en un atre important punt de trobada per als professionals d'este camp.

2020 i posteriors

Despuix de l'arribada dels grans models llingüístics, els investigadors varen escomençar a aplicar models llingüístics interactius a la modelació basada en agents. En un artícul molt citat, es varen amprar models llingüístics agentivos en un entorn de simulació per a realisar activitats com planificar festes de natalicis i celebrar eleccions.

Vore també

• Sistema complex

• Sistema adaptatiu complex

• Emergència

• Algoritme evolutiu

• Bandadas

• Sistema multiagente

• Realitat simulada

• Complexitat social

• Simulació social

• Comportament d'eixam

Referències

General

• (2010) Introduction to Modelling for Biosciences (chapter 2 & 3), Springer Verlag. ISBN 978-1-84996-325-1.

• Carley, Kathleen M.. «Smart Agents and Organizations of the Future», Handbook of New Mija, Thousand Oaks, CA: Sage, pp. 206–220.

• “The economy needs agent-based modelling” . Nature 460 (7256): 685–686. doi:10.1038/460685a. PMID 19661896. Bibcode: 2009Natur.460..685F.

• (2005) Simulation for the Social Scientist, 2 edició, Open University Press. ISBN 978-0-335-21600-0. first edition, 1999.

• Gilbert, Nigel (2008). Agent-based Models, SAGE. ISBN 9781412949644.

• “Agent-Based Modeling” . Social Self-Organization: 25–70.

• Holland, John H. (1992). “Genetic Algorithms”. Scientific American 267 (1): 66–72. doi:10.1038/scientificamerican0792-66. Bibcode: 1992SciAm.267a..66H.

• Holland, John H.. Hidden Order: How Adaptation Builds Complexity, 1 edició, Reading, Mass.: Addison-Wesley. ISBN 978-0-201-44230-4.

• Complex Adaptive Systems: An Introduction to Computational Models of Social Life, Princeton, NJ: Princeton University Press. ISBN 978-0-691-12702-6.

• (2009) «Multiset of Agents in a Network for Simulation of Complex Systems», Recent Advances in Nonlinear Dynamics and Synchronization (vol. 254), pp. 153–200. doi:10.1007/978-3-642-04227-0_6. ISBN 978-3-642-04226-3.

• (2010) Mathematical modeling of collective behavior in soci-economic and life sciences, Birkhauser. ISBN 978-0-8176-4945-6.

• “Test-driven simulation modelling: A case study using agent-based maritime search-operation simulation.” (2016). European Journal of Operational Research 254 (2): 517–531. doi:10.1016/j.ejor.2016.03.050.

• “Agent-based models and individualism: Is the world agent-based?” (2000). Environment and Planning A 32 (8): 1409–1425. doi:10.1068/a32140. Bibcode: 2000EnPlA..32.1409O.

• “Multi-agent-based Order Book Model of financial markets” (2006). Europhysics Letters (EPL) 75 (3): 510–516. doi:10.1209/epl/i2006-10139-0. Bibcode: 2006EL.....75..510P.

• “Fragment shaders for agent animation using finite state machines” . Simulation Modelling Practice and Theory 13 (8): 741–751. doi:10.1016/j.simpat.2005.08.008.

• Salamon (2011). Design of Agent-Based Models : Developing Computer Simulations for a Better Understanding of Social Processes, Bruckner Publishing. ISBN 978-80-904661-1-1.

• “The simulation of social agents: an introduction” (2001). Social Science Computer Review 19 (33): 245–248. doi:10.1177/089443930101900301.

• (2009) Multiagent Systems: Algorithmic, Game-Theoretic, and Logical Foundations, Cambridge University Press, pp. 504. ISBN 978-0-521-89943-7.

• Vidal, Jose (2010). «Fundamentals of Multiagent Systems Using NetLogo». Available online.

• (2015) An Introduction to Agent-Based Modeling: Modeling Natural, Social, and Engineered Complex Systems with NetLogo, MIT Press. ISBN 978-0-2627-3189-8.

• “A review of agent-based modeling (ABM) concepts and some of its main applications in management science” (2018). Iranian Journal of Management Studies 11 (4): 659–692.