基於Agent的系統仿真導論

譯者序
前言

第0章　為什麼需要基於agent的建模技術　　1
0.1　一個思維實驗　　2
0.2　複雜系統與湧現　　4
0.3　理解複雜系統和湧現　　5
例1：群體考量　　6
例2：個體考量　　6
0.4　使用基於agent的建模作為重構的代表性基礎架構　　9
案例：捕食者–獵物互動模型　　10
案例：森林火災　　12

第1章　什麼是基於agent的建模技術　　15
1.1　蟻群　　15
1.1.1　創建螞蟻覓食模型　　16
1.1.2　Ants模型的模擬結果及觀測　　19
1.1.3　Ants模型的價值　　20
1.2　什麼是基於agent的建模技術　　22
1.2.1　基於agent的模型與其他建模方法之比較　　22
1.2.2　隨機性與確定性　　24
1.2.3　何時使用ABM最有效　　24
1.2.4　ABM的權衡　　26
1.2.5　理解ABM需要具備哪些知識　　27
1.3　本章小結　　27
習題　　28

第2章　創建幾個簡單的ABM模型　　31
2.1　Game of Life模型　　31
2.2　Heroes and Cowards模型　　46
2.3　Simple Economy模型　　58
2.4　本章小結　　65
習題　　66

第3章　探索和擴展基於agent的模型　　68
3.1　Fire模型　　69
3.1.1　Fire模型介紹　　70
3.1.2　第一次擴展：增加一個火焰的傳播概率　　75
3.1.3　第二次擴展：添加風的因素　　77
3.1.4　第三次擴展：允許火焰遠端傳播　　79
3.1.5　Fire模型小結　　80
3.1.6　高級建模應用　　80
3.2　DLA模型　　81
3.2.1　DLA模型概述　　82
3.2.2　第一次擴展：引入概率　　83
3.2.3　第二次擴展：鄰居的影響　　84
3.2.4　第三次擴展：不同的聚合方式　　86
3.2.5　DLA模型小結　　88
3.2.6　高級建模應用　　88
3.3　Segregation模型　　89
3.3.1　Segregation模型概述　　90
3.3.2　第一次擴展：增加更多種群　　92
3.3.3　第二次擴展：允許使用多個閾值　　94
3.3.4　第三次擴展：增加熱衷於社區多元化的個體　　96
3.3.5　Segregation模型小結　　97
3.3.6　高級城市建模應用　　97
3.4　El Farol模型　　98
3.4.1　El Farol模型概述　　98
3.4.2　第一次擴展：為做出成功
預測的agent標記顏色　　99
3.4.3　第二次擴展：顯示平均、最低和最高獎勵值　　101
3.4.4　第三次擴展：繪製獎勵長條圖　　102
3.4.5　El Farol模型小結　　104
3.4.6　高級建模應用　　104
3.5　本章小結　　106
習題　　106

第4章　創建基於agent的模型　　110
4.1　設計模型　　111
4.1.1　選擇待研究的問題　　113
4.1.2　一個具體的例子　　114
4.2　選擇你的agent　　115
4.2.1　選擇agent的屬性　　116
4.2.2　篩選agent的行為　　117
4.2.3　選擇模型的參數　　118
4.2.4　Wolf Sheep Simple模型
設計小結　　119
4.3　檢查模型　　134
4.4　Predator–Prey模型：補充情境　　136
4.5　本章小結　　139
習題　　139

第5章　ABM的組件　　142
5.1　概述　　142
5.2　agent　　143
5.2.1　屬性　　144
5.2.2　行為（活動）　　146
5.2.3　agent種類大全　　147
5.2.4　agent的細微性　　156
5.2.5　agent認知　　158
5.2.6　其他agent種類　　163
5.3　環境　　165
5.3.1　空間環境　　165
5.3.2　基於網路的環境　　169
5.3.3　幾類特殊的環境　　174
5.4　行為交互　　180
5.5　觀察者/使用者介面　　184
5.6　時間進度表　　188
5.7　整合　　190
5.8　本章小結　　193
習題　　193

第6章　分析ABM模型　　198
6.1　度量類型　　198
6.2　疾病的傳播建模　　198
6.2.1　ABM的統計分析：超越原始資料　　200
6.2.2　多次運行ABM的必要性　　202
6.2.3　在ABM中使用圖檢驗結果　　206
6.2.4　在ABM中分析網路　　208
6.2.5　環境資料和ABM　　211
6.3　本章小結　　214
習題　　215

第7章　模型的校核、驗證與複現　　218
7.1　模型的正確性　　218
7.2　校核　　218
7.2.1　溝通　　219
7.2.2　描述概念模型　　220
7.2.3　校核測試　　221
7.2.4　超越“校核”　　223
7.2.5　敏感性分析與穩健性評價　　226
7.2.6　校核的益處與問題　　228
7.3　驗證　　228
7.3.1　宏觀驗證和微觀驗證　　231
7.3.2　表面驗證和經驗驗證　　232
7.3.3　驗證的優點和問題　　235
7.4　複現　　235
7.4.1　計算模型的複現：維度與標準　　236
7.4.2　複現的優點　　238
7.4.3　對模型複現者的建議　　239
7.4.4　對模型作者的建議　　241
7.5　本章小結　　242
習題　　242

第8章　高級主題與應用　　245
8.1　ABM中的高級主題　　245
8.1.1　模型設計的指導方針　　246
8.1.2　規則提取　　249
8.1.3　使用ABM進行溝通、說服和教育　　258
8.1.4　人類agent、嵌入式agent和虛擬agent通過“仲介”進行對話　　260
8.1.5　混合計算方法　　269
8.1.6　NetLogo中的一些高級計算方法　　273
8.1.7　ABM擴展　　281
8.1.8　高級資料來源與資料輸出集成　　282
8.1.9　運行速度　　295
8.2　ABM應用　　296
8.3　ABM的未來　　299
習題　　299

附錄　ABM的計算基礎　　304
參考文獻　　315
軟體與模型　　326

Uri Wilensky

美國西北大學教授，主要從事電腦科學與複雜系統方面的研究。他是西北大學複雜系統研究院和基於電腦建模中心的負責人，他也是認知科學、心理學、技術與社會行為方面的研究團隊成員。自主研發了基於Agent的模擬軟體NetLogo，得到廣泛應用。