Модель разработана, чтобы моделировать коллективную коммуникацию и сотрудничество в пределах социально-географического сообщества. Основный на теории дилеммы заключённых с n участниками, моделирует сотрудничества от поведений подвижности и стратегий взаимодействия агентов. Чтобы приблизить человеческое поведение, агенты установлены как стохастические единицы с Павловскими отношениями. Дан так же обзор теории стандартной дилеммы заключенного, повторенного дилеммы заключенного, и дилеммы заключенного с n участниками как краткий обзор начальной архитектуры основании агент-ориентированной модели. Способности пространственного компонента дилеммы заключенного продемонстрированы с несколькими 'пробегами' моделирования сценария для различных начальных процентов сотрудничества и динамики подвижности. Результаты эксперимента показали, что подвижность агента и сохранение контекста приносят качественно различные эффекты к развитию совместного поведения.
Цель агент-ориентированных моделей социальных систем состоит в том, чтобы обогатить понимание фундаментальных процессов, которые могут появиться в окружающей среде. Это требует моделирования существенных особенностей и признаков агентов, простых правил взаимодействия агентов и образцов коммуникации. Коммуникация - одна из самых важных особенностей, необходимых для взаимодействий агента, и является основанием для появления переговоров, коллективных поведений, и социального сотрудничества.
Данная модель состоят из сообщества агентов, являющегося автономным юридическим лицами, которое в состоянии действовать в местном масштабе в ответ на стимулы от окружающей среды, общаться с другими агентами, и иметь цели, которые стремятся удовлетворять.
Отношение между отдельными агентами в системе это либо противодействовать, либо кооперироваться.
Развитие модели зависит от процессов, которые определяют сообщество. Во-первых, это - интегрированная географическая сеть социальных единиц, определенных коллективно, социальных, экономических, и эмоциональных образцами взаимодействия. Поток посылает к динамике рынка труда, отдельные потоки получить доступ к товарам и услугам, ежедневно переключая действия, и т.д. Как социологический предмет, сообщество шифрует нормы и поведения, чтобы управлять установленные и социальные процессы взаимодействия. Сообщество становится социальной системой местной коммуникации и действий, вовлекающих коллективную идентичность, солидарность, и совместные усилия. Как связный объект и предмет, моделирование сообщества реального мира вовлекает агентов с лицами и отношениями, которые общаются и перемещаются всюду по окружающей среде как часть их ежедневных действий. Формально, модель должна определить социальную единицу как проанализированную окружающую среду и агентов гражданина как проанализированные автоматы. Проанализированные вещества - автоматы, которые подражают юридическим лицам реального мира, основанным на эмпирических данных, и проанализированная окружающая среда - местоположение реального мира.
Модель разработана как система с вложением векторов Географическая Информационная системы (GIS) . В пределах модели объекты- юридические лица, которые используют сбое состояние и определения, чтобы моделировать поведения. Агент-ориентирование методы моделируют поведение агентов и изменяют их состояние, которые сохранены как географические особенности в пределах модели как многоугольники и пункты. Определенные технологии используется, чтобы вычислить топологию и конфигурации окрестности.
У объекта есть единственный параметр состояния: домашнее хозяйство, бизнес, коммунальное обслуживание, или школа.
Агенты гражданина определены с параметрами состояния, которые определяют их поведение подвижности и их начальный выбор действия для игры NPPD. Каждый агент пункта калибруется с возрастом, полом, образовательным уровнем, и типом рабочего (безработный, рабочий завода рыбы, мигрирующий рабочий, другой, или не в рабочей силе). Эти переменные микросинтезировались от отобранного населения и центров занятости от выпуска всеобщей переписи населения 2006 года от Статистики Канада (Статистика 2006).
Правила изменения применимы к агентам и состоят из двух наборов- совместного действия и противодействия.
Глубина окрестности взаимодействия определяет степени пространственной ассоциации социальной группировки в пределах окружающей среды. Набор правила для плана окрестности основан на близости агентов на геометрической сети, где агентов в пределах указанного прямолинейного расстояния друг друга считают соседями. Каждый раз шаг, топология и состав автоматов окрестности для каждого агента гражданина оценены с операцией по буферу.
Формально, буфер, или круг приложения, определенного пользователем радиуса оттянут вокруг местоположения пункта каждого агента, и метод пункта в многоугольнике идентифицирует тех агентов, которые находятся в пределах буферизированной области, и классифицирует их как соседей.
Например, пункты, символизируемые в желтом, в рисунке, расположенными в пределах 50-метрового радиуса агента А являются соседями.
Интересное соображение для моделирования сотрудничества агента - эффект, который движение имеет на вычисление окрестностей. Каждый раз, когда агент двигается, это требует поколения новой конфигурации окрестности и производит различную распечатку соседей. Возможно, что степень социального сплочения возникнет среди этих агентов и что они будут более склонны сотрудничать друг с другом во время социального моделирования дилеммы заключенных.
Цель пространственной игры дилемма заключенных с n игроками (NPPD) состоит в том, чтобы исследовать поведения социального взаимодействия и связь между людьми, расположенными в стохастической окружающей среде.
Поскольку человеческое поведение не может быть точно моделировано с рациональными агентами, потому что биологические объекты редко действуют рационально. В результате несколько исследователей (Бун и др. 1999; Szilagyi и Szilagyi 2002; Zhao и др. 2005), подчеркнули потребность исследовать роль лиц в дилемме заключенного и установить агентов в модели как стохастические . Эти соображения были главными в развитии компонента NPPD в этой модели.
Каждый агент (гражданин) – стохастический определённое юридическое лицо, памятую с тремя шагами, с предопределенным типом индивидуальности и действием сотрудничества. В окрестности агентов N государство каждого гражданина во время t характеризуется 0 (противодействие) или 1 (сотрудничество). Во время случая взаимодействия агенты предпринимают меры согласно вероятностям, обновленным на основе награды/штрафа, полученной для предыдущих действий, действий их соседей, и их лиц. Последовательность обновления происходит синхронно для всех агентов в окрестности.
Как родовая игра, параметры ограничения установлены пользователем, чтобы облегчить моделирование NPPD и калибровать агентов. Во-первых, процент общего количества агентов Cx, которые начинают моделирование как сотрудники. Затем, ряд правил инициализации в методах установки использует Cx, чтобы беспорядочно установить каждого агента или как сотрудника или как противника и калибровать его отдельную вероятность сотрудничества и противодействия.
Каждый шаг, модели вычисляет окрестность каждого агента и определяет общее количество сотрудников и противников в каждой группировке. Доходы взаимодействия как награда/штраф за каждого агента вычислены от ряда функций выплаты. Наконец, каждый агент обновляет их действие сотрудничества согласно взвешенной оценке награды/штрафа, полученной из ценностей выплаты памяти с тремя шагами и влияния ее индивидуальности. В моделировании стратегии взаимодействия использовались седеющие типы:
Павловское: агент с коэффициентом изучения, чья вероятность сотрудничества изменяется количеством, пропорциональным награде/штрафу, которую это получает от окружающей среды
Стохастический предсказуемый: агент, чья вероятность сотрудничества является постоянной, но колеблется с периодическими случайными возмущениями. Например, сердитый агент (p=0) всегда дезертирует.
Бухгалтер: агент, чья вероятность сотрудничества зависит от средней награды за социальную группировку для предыдущего действия.
Конформист: агент, который подражает действию большинства в социальной единице.
Жадный: агент, который подражает соседу с самой высокой наградой.
Цель сценариев моделирования состоит в том, чтобы проверить способность системы смоделировать социальное сотрудничество в пространственной окружающей среде, рассматривая много фундаментальных соображений и вопросов. Прежде всего, появление сотрудничества в социальных группировках может зависеть от сохранения контекста и глубины окрестностей, таким образом, обязательно рассмотрены эффекты подвижности граждан на взаимодействиях агента. Сотрудничество уменьшается на глубине окрестности при увеличений агентов, таким образом, важно заняться расследованиями, если то же самое условие относится и к неподвижным и мобильным гражданам.
Во-вторых, качественный визуальный анализ карт сотрудничества идентифицирует любые ограниченные образцы сотрудничества или отступничества и является ли их появление из-за типа рабочего агентов и статуса подвижности. В этих целях моделированиями с начальными параметрами настройки 50%-ых сотрудников управляли для глубин окрестности 50 и 150 метров, и были повторены и с установленными и с мобильными агентами. Чтобы моделировать взаимодействие неподвижных агентов гражданина, их правила подвижности - инвалид, и они ограничены их месту жительства. Социальное сообщество вовлекает 271 объектов в проанализированную географическую окружающую среду, которая взаимодействовала и общалась в течение целого календарного года.
Граф в рисунке показывает пропорцию сотрудничающих агентов в социальной среде как функция числа повторений. По этому сценарию моделирования есть непостоянное равновесие с большим количеством 'сотрудников', вознагражденных незначительно, и небольшое количество противников' с большим вознаграждением. В то время как общие количества 'сотрудников' и 'противников' остаются относительно постоянными, местоположения мобильного изменения агентов, которое произвело переменные совокупные образцы сотрудничества.
Интересный результат моделирования - появление маленьких отдельных групп противников (северо-восточный угол и центральная секция) вложенный в пределах большой группировки сотрудников, которая покрывает большую часть области исследования. Так как агенты в малонаселенных секциях достигли равновесия, заявите, что изменения только происходят в более плотно населенных регионах, где каждый агент взаимодействует с более высоким, чем среднее число соседей во время игры NPPD.
Следующие два набора результатов моделирования для мобильных агентов в 150-метровой окрестности исследуют эффект глубины окрестности на появлении сотрудничества. Что касается ожидается, что увеличение глубины окрестности произведет меньше уровней сотрудничества при каждом повторении, и результаты моделирования доказывают этот факт. Рисунок показывает, что число агентов, которые выбирают C и D, имеет тенденцию колебаться, но полное количество вообще равно во время пробегов эксперимента. Пространственные образцы постоянно изменялись как следствие правил перехода даже при том, что фракция сотрудников оставалась постоянной. Маленькие группы сотрудничества и отступничества видимы на рисунке , но было найдено, что эти группировки очень восприимчивы к изменению.
У агента, у которого есть много граждан в его окрестности, будут многократные взаимодействия с ними во время его собственного NPPD, и другие играют игру. Другими словами те же самые агенты могут быть сгруппированы много раз, если они живут друг близко к другу, и могли бы начать принимать подобные действия в течение долгого времени. Группы на стадии становления C и D происходят из-за сохранения контекста, но одинаково важна близость и число граждан в окрестности каждых агентов.
Работа является очень упрощенной моделью ситуаций со взаимодействием агента сотрудничества и не должна считаться полным анализом процессов в пределах социально-географического сообщества. Будущие пересмотры модели необходимы для этого, чтобы быть применимыми к более реалистическим проблемам человеческих взаимодействий в проанализированной окружающей среде. Более подробно о модели можно почитать здесь.
© Сукиасян Эмин