- •Методические аспекты моделирования в асу и классификация моделей.
- •3. Организация статистического моделирования. Метод монте - карло.
- •Имитация равномерно распределенных случайных величин на интервале [0; 1].
- •Метод обратных функций. Примеры реализации.
- •Имитация векторных случайных величин; стандартный метод
- •Имитация нормально распределенных св (одномерный и многомерный случаи)
- •Анализ методов имитации случайных величин с заданным законом распределения (одномерный и многомерный случаи)
- •Имитация редких событий
- •Оценка количества реализаций, необходимых для достижения требуемой точности в методе статистических испытаний
- •Метод монте – карло и имитационное моделирование
- •Методы понижения дисперсии и методы вычисления интегралов
- •Регенеративный метод анализа моделей
- •Метод стратифицированной выборки
- •Методология имитационного моделирования
- •3. Формулировка математической модели.
- •Типовые математические схемы сложных систем. Агрегат и его функционирование,
- •4.Пример представления смо в виде агрегата.
- •7.Системная динамика
- •17.Метод лемера и сдвиг бернулли. Детерминированный хаос
- •35.Особенности моделирования организационно – экономических систем. Активные системы.
- •23.Характеристики интегрированной среды моделирования gpss
- •23.Основы моделирования в системе gpss
- •31.Смо; классификация и решение задач с помощью имитационного моделирования
- •36.Имитационное моделирование систем управления запасами
- •6.Метод Бокса-Уилсона.
- •3. Определение запаса для движения в направлении крутого восхождения
- •7. Проводим пошаговое приращение в каждом последующем опыте величины уровня фактора, учитывая знаки коэффициентов регрессии.
- •9. Классификация случайных процессов и корреляционные функции.
- •Корреляционные функции
- •18.Имитация потоков событий и случайных векторных величин.
- •19.Понятие детерминированного хаоса и показатель Ляпунова.
- •21. Особенности моделирования организационно-экономических систем. Производственные функции.
- •27.Системы массового обслуживания; классификация и решение задач аналитическим методом.
- •28.Методы имитации дискретных случайных величин.
- •30.Задача определения давления в пласте с помощью метода Монте-Карло.
- •32. Моделирование геологического разреза.
- •Теоретическая часть. Построение имитационной модели геологического разреза
- •34.Системы управления запасами; типовые математические модели.
- •37.Агентное моделирование.
- •Причины возникновения
- •Постановка задачи
- •Реализации
- •38.Имитация экспоненциально распределенных случайных величин.
- •40.Метод композиций; имитация св, подчиненных распределению хи квадрат.
37.Агентное моделирование.
Агентное моделирование (agent-based model (ABM))— метод имитационногo моделирования, исследующий поведение децентрализованных агентов (некоторая сущность, система, которая обладает свойством, помимо свойств объекта— существовать и объединять, необходимыми для взаимодействия с внешней средой.) и то как такое поведение определяет поведение всей системы в целом.
Агентное моделирование – относительно новое правление в имитационном моделировании, которое используется для исследования децентрализованных систем.
Цель агентных моделей – получить представление об этих глобальных правилах, общем поведении системы.
Агент – некая сущность, обладающая активностью, автономным поведением, может принимать решения в соответствии с некоторым набором правил, взаимодействовать с окружением, а также самостоятельно изменяться.
Агентно-ориентированный подход (АОП) к программированию — разновидность представления программ, в которой основополагающими концепциями являются понятия агента и его поведения, которое зависит от среды, в которой он находится.
Причины возникновения
Причины возникновения агентно-ориентированного подхода:
-
необходимость преодоления границ операционных сред;
-
устранение разнородности объектных моделей, вызванных тем что классы и объекты построенные в различных инструментальных средах имеют определенные отличия.
Постановка задачи
В целом, система АОП должна включать следующие базовые компоненты:[8][9]
-
ограниченный формальный язык с соответствующими синтаксисом и семантикой для описания внутреннего состояния агента, которое определяется несколькими параметрами типа убеждений, желаний, намерений и обязательств;
-
язык программирования для спецификации агентов, включающий примитивные команды типа REQUEST и INFORM;
-
агентификатор, преобразующий нейтральные компоненты в программируемые агенты.
Основные свойствами, которыми по возможности должны обладать агенты, считаются:
-
Автономность — способность выполнять действия самостоятельно;
-
Гомогенность/гетерогенность — способность объединять однородные или разнородные функции;
-
Способность к обучению, и «интеллект» — машинное обучение, коррекция поведения для улучшения собственной эффективности;
-
Активное поведение, постоянный обмен информацией «внутри» агента и между агентом и средой;
-
Коммуникативность — обмен данными с внешней средой;
-
Восприятие среды — наличие специальных «средств» восприятия среды функционирования агента;
-
Мобильность — перемещение агента внутри других программных и физических сред и/или компонентов.
Реализации
Распределённые объектные архитектуры (CORBA, DCOM, Java RMI, WEB-services) стремясь преодолеть указанные ограничения, не решают следующих проблем:
-
необходимость перекомпиляции программных кодов при внесении изменений в объекты и интерфейсы;
-
невозможность динамической адаптации поведения программных объектов в зависимости от состояний и поведения среды;
-
невозможность работы в явной форме с моделями знаний;
Распределённые объектная среда JADE (основана на Java RMI, Java CORBA IDL, Java Serialization и Java Reflection API) придаёт Java агентам свойства:
-
Автономность — способность выполнять действия самостоятельно: агент следует списку поведений, который может быть пополнен асихронно, то есть и когда он в режиме ожидания, и когда в режиме занять — идёт работа.
-
Устойчивость — не имея побочного эффекта после каждого поведения, даёт возможность отката.
-
Активное поведение агента заключается в том, что в случае неудачи, выполняются циклические попытки выполнить текущее, а затем перейти к следующему действию поведения. Во время выполниния поведения агент занят — не взаимодействует со средой. После завершения текущего поведения, агент переходит к следующему по спуску, а в случае отсутствия — ожидает появление такового. Объект же в случае успеха не имеет спуска, а в случае неудачи — бросает задачу.
-
Мобильность — возможность передавать агент в другой контейнер. Данное свойство возникает из отсутствия после выполнения каждого поведения побочного эффекта.