Математическое моделирование развития социальных систем на основе мультиагентного подхода и программный комплекс для его реализации

Математическое моделирование развития социальных систем на основе мультиагентного подхода и программный комплекс для его реализации

Автор: Соломина, Ольга Александровна

Шифр специальности: 05.13.18

Научная степень: Кандидатская

Год защиты: 2009

Место защиты: Тамбов

Количество страниц: 220 с. ил.

Артикул: 4357329

Автор: Соломина, Ольга Александровна

Стоимость: 250 руб.

Математическое моделирование развития социальных систем на основе мультиагентного подхода и программный комплекс для его реализации  Математическое моделирование развития социальных систем на основе мультиагентного подхода и программный комплекс для его реализации 

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
1 МЕТОДЫ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ СОЦИАЛЬНЫХ СИСТЕМ
1.1 Методы моделирования социальных систем
1.2 Сравнительный анализ клеточноавтоматного и мультиагентного методов моделирования
1.3 Практическое использование мультиагентного подхода при моделировании в различных областях науки.
1.4 Выводы по главе 1 и постановка основных задач диссертации.
2 МАТЕМАТИЧЕСКАЯ МОДЕЛЬ СОЦИАЛЬНОЙ СИСТЕМЫ И
ЕЕ РЕАЛИЗАЦИЯ
2.1 Основные допущения модели и их реализация с использованием
мул ьтиагентного подхода.
2.2 Формализация имитационной математической модели динамики социальной системы.
2.3 Программный комплекс для моделирования социальной системы
2.4 Выводы по главе 2.
3 ВЫЧИСЛИТЕЛЬНЫЕ ЭКСПЕРИМЕНТЫ ГО МОДЕЛИРОВАНИЮ РАЗВИТИЯ СОЦИАЛЬНЫХ СИСТЕМ.
3.1 Вычислительный эксперимент по моделированию динамики городской застройки
3.2 Вычислительный эксперимент по моделированию динамики и морфологий колоний биологических объектов, растущих на плоскости.
3.3 Выводы по главе 3.
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ


Таким образом, существует совокупность одинаковых объектов, описываемых одним классом. Окружающая среда также описывается некоторым объектом, которому предписываются все возможные действия. Процесс моделирования заключается в том, что для каждого объекта-агента задаются разные начальные условия и исследуется поведение всех агентов в единой окружающей среде. Результаты моделирования получаются усреднением результатов каждого агента, которые могут быть представлены в виде фафиков или диаграмм [, , ]. Необходимо отметить, что данный метод рассчитан именно на компьютерное моделирование, а не на математическое, что приводит к определенным трудностям связанным с анализом модели. Хотя в данном методе изначально заложен аппарат статистической обработки информации. Результат моделирования есть ничто иное, как математическое ожидание некоторой случайной величины. К преимуществам данного метода моделирования необходимо отнести наглядность получаемых результатов моделирования и простота описания правил взаимодействий. Но необходимо отметить один немаловажный недостаток - исследователь должен знать и уметь программировать на объектном языке программирования. В отличие от некоторых предыдущих подходов к моделированию, неї' никаких широко доступных пакетов для того, чтобы управлять мультиагентны-ми моделями. В [] продемонстрирован способ построения моделей клеточных автоматов с программным обеспечением по имени Ые1Ьо§о. С точки зрения реализации, модели клеточных автоматов - подмножество мультиагентных моделей. Главный недостаток Пеіід^о - медленная скорость: клеточные автоматы для сетки 0x0 ячеек вовлекут 0 оценок состояний ячеек для каждого шага моделирования и даже с сегодняшними быстрыми компьютерами, эго может занять существенное время []. При исследовании социальных систем широко используются модели «нейронных сетей». Множество нелинейно взаимосвязанных и параллельно функционирующих нейронов, которыми можно содержательно интерпретировать индивидов, группы индивидов, организации, страны или регионы мира, непосредственно ненаблюдаемые социальные «факторы» и т. Процесс обучения «нейронных» сетей хорошо имитирует процессы адаптации и оптимизации в сложных социальных системах. Также необходимо отметить одну полезную особенность «нейронных» сетей, а именно, они позволяют описывать, моделировать и прогнозировать любые эмпирические данные: количественные, качественные и данные смешанной природы, часть из которых является количественными, а часть качественными [, , ]. Существуют многочисленные специализированные компьютерные системы для построения и обучения «нейронных» сетей и проведения моделирования, например, ЫеигоЗоЫюп, №шо8Ье, ВпппМакег []. Множественное имитационное моделирование включает одновременное и параллельное моделирование на множестве имитационных моделей, например, клеточных автоматов и "нейронных" сетей. Одни модели можно реализовать на клеточных автоматах, другие на "нейронных" сетях и т. На рисунке 1. Таким образом, краткий обзор, работ, посвященных методам моделирования социальных систем, позволяет провести сравнение существующих методов и установить достоинства и недостатки каждого метода. Классические методы моделирования, которые проводятся на основе использования многомерных дифферегщиальных уравнений и разностных уравнений описывают целевую систему как неделимый объект и не позволяю» моделировать несколько объектов и взаимодействие между объектами. Использование традиционных методов математического моделирования в области изучения социальных систем не приносит сколько-нибудь существенных результатов ввиду специфики данного объекта. Микромоделирование и дискретные случайные модели рассматривают каждую единицу индивидуально, но нет ни какой попьпки моделировать взаимодействие между единицами. Мультиагентиые модели и модели «нейронных сетей» не только рассматривают элементы системы как отдельные единицы анализа, но и позволяют моделировать взаимодействия между елсментами. Рисунок 1. Развитие известных подходов моделирования социальных систем.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.229, запросов: 244