Все
 
 
 


Структура агент-ориентированной модели формирования социальных групп из случайной совокупности индивидов (часть 2)
 
Код статьиS265838870022738-4-1
DOI10.33276/S265838870022738-4
Тип публикации Статья
Статус публикации Опубликовано
Авторы
Андрукович Петр Федорович 
Должность: Старший научный сотрудник
Аффилиация: Центральный экономико-математический институт РАН
Адрес: Москва, Нахимовский проспект, 47
Название журналаВестник ЦЭМИ
ВыпускТом 5 Выпуск 3
Аннотация

В первой части данной статьи [5] была детально описана структура модели формирования групп индивидов из некоторой их случайной совокупности. В данной части указанной статьи приведен пример расчета по выявлению таких групп, коррекции характеристик индивидов при их контактах друг с другом или при вхождении в группу, а также примеры формирования образов групп. Показано, что даже в случайной совокупности индивидов могут возникать достаточно плотные группы индивидов по отношению к известным им явлениям окружающего мира. Показано также, что учет синергии членов группы позволяет намного рельефнее оценить различия между группами индивидов. Модель реализована на языке Visual Basic в рамках парадигмы АОМ.

Ключевые словаагент-ориентированные модели, иерархический кластер-анализ, социальные группы, социальная активность, структура личности, статистические оценки, метод главных компонент
Получено25.10.2022
Дата публикации26.10.2022
Кол-во символов53875
Цитировать   Скачать pdf Для скачивания PDF необходимо авторизоваться
100 руб.
При оформлении подписки на статью или выпуск пользователь получает возможность скачать PDF, оценить публикацию и связаться с автором. Для оформления подписки требуется авторизация.

Оператором распространения коммерческих препринтов является ООО «Интеграция: ОН»

Оглавление

 1. Введение
 2. Задание исходной выборки
 3. Формирование групп ИИ
3. 1. Вариант 1
3.2. Вариант 2
 4. Формирование образов групп ИИ и коррекция структур личности конкретных ИИ
 5. Заключение
1

 1. Введение
2 В рамках агент-ориентированного моделирования создано огромное количество моделей тем или иным образом, и в той или иной сфере деятельности, имитирующих поведение агентов. Важными работами в этом направлении являются, в частности, публикации [1; 6; 11; 12; 13; 16; 18; 19]. Данная статья является продолжением статьи [5], в которой была представлена формальная структура модели формирования групп индивидов из их случайной совокупности (далее – АТМ-модель)1. В настоящей статье будет дан анализ работы этой модели на конкретной совокупности индивидов (далее – ИИ), включая их группировку методом иерархического кластер-анализа (далее – ИКА)2, коррекцию характеристик ИИ при их контактах друг с другом или при присоединении ИИ к группе индивидов, а также описание групп индивидов в целом, учитывающее их общие знания и совпадающее отношение к окружающему миру. 1. С опором на такие публикации, как [2; 7; 14] и др.

2. Работы [8; 9; 15].
3 Напомним, вкратце, основные положения и термины АТМ-модели [4; 5]. Каждый ИИ определяется совокупностью его знаний – и незнаний – об окружающем его мире. Эти элементы его знаний были названы понятиями, а их совокупность у данного ИИ – его тезаурусом. При этом "мир, окружающий ИИ" един для всех ИИ данной совокупности и описывается множеством понятий, не имеющих этических, моральных и любых других оценок типа "хороший", "плохой" и т.д. То есть тезаурусы ИИ являются теми или иными подмножествами общей совокупности понятий. Однако, в отличие от этой общей совокупности понятий, отношение ИИ к известным им понятиям определено и может быть трех видов: положительное, отрицательное или безразличное3. Кроме того, так как известные ИИ понятия могут иметь для него разную значимость в структуре его представлений об окружающем мире, то в описание ИИ введены веса понятий4. Вся совокупность понятий ИИ, с учетом его отношения к ним и весами понятий, была названа структурой личности данного ИИ. Все характеристики структуры личности ИИ – общее количество известных ему понятий и количество положительных, отрицательных или безразличных типов отношения к понятиям задаются в АТМ-модели случайным образом. 3. Эти отношения индивидов к понятиям обозначаются далее как +1, -1 и 0 соответственно.

4. Начальный вес понятий при формировании исходной выборки принимается равным единице.
4 В дополнение к этим характеристикам, для каждого ИИ вводится также показатель уровня его социальной активности, который задается по значению случайной величины, распределенной на полуинтервале (0, 1] . То есть эта характеристика является экзогенной относительно структуры личности ИИ и рассматривается в модели как его способность – и желание – передать свое отношение к тому или иному понятию другому ИИ. Соответственно малые значения данной характеристики ИИ говорят о его пассивности в этом направлении, в то время как ее высокие значения свидетельствуют об активности ИИ по отношению к внешнему миру.
5 Кроме того, каждый ИИ характеризуется шестью обобщенными характеристиками, исчисляемыми на основе его структуры личности в двух видах: по списку самих понятий и по весам этих понятий. В них входят:
  1. общее число известных ИИ понятий и сумма весов этих понятий;
  2. доля известных ему понятий от общего числа понятий, определенных для данной совокупности и средний вес понятия;
  3. количество понятий, к которым ИИ относится отрицательно и сумма их весов;
  4. количество понятий, которые ИИ безразличны, и сумма их весов;
  5. количество понятий, к которым ИИ относится положительно и сумма их весов;
  6. коэффициент дифференциации, рассчитываемый как отношение суммы понятий, к которым данный ИИ имеет положительное и отрицательное отношение, к общему числу известных ему понятий, и его аналог для весов понятий.

всего просмотров: 36

Оценка читателей: голосов 0 

1. Акопов, А. С. Агентная модель поведения толпы при чрезвычайных ситуациях / А. С. Акопов, Л. А. Бекларян // Автоматика и телемеханика. – 2015. – № 10. – с. 131–143.
2. Андреева, Г. М. Социальная психология / Г. М. Андреева. – Москва: Аспект пресс, 2021 – 360 стр.
3. Андрукович П.Ф. Изучение структуры выборки методом главных компонент / П. Ф. Андрукович // Всесоюзная научно-техническая конференция "Применение многомерного статистического анализа в экономике и оценке качества продукции", Тарту : ТГУ, 1977. – с. 74-77.
4. Андрукович, П. Ф. Формирование социальных групп в парадигме АОМ / П. Ф. Андрукович // Вестник ЦЭМИ РАН. – 2018. – Том 1, № 3. – URL : https://cemi.jes.su/s265838870000140-7-1/  (дата обращения : 30.09.2022).
5. Андрукович, П.Ф. Структура агент-ориентированной модели формирования социальных групп из случайной совокупности индивидов (часть 1) / П. Ф. Андрукович // Вестник ЦЭМИ РАН. – 2021. – Том 4, № 3-4. – URL: https://cemi.jes.su/s265838870018166-5-1/  (дата обращения : 30.09.2022).
6. Бахтизин, А. Р. Агент-ориентированные модели экономики / А. Р. Бахтизин. – Москва : ЗАО Изд-во «Экономика», 2008. – 279 с.
7. Гуц, А. К. Математические модели социальных систем / А. К. Гуц, В. В. Коробицын, А. А. Лаптев [и др.]. – Омск : Омск. гос. ун-т, 2000. – 256 стр.
8. Основные понятия и определения, используемые в методах классификации без обучения / И. С. Енюков // Прикладная статистика: классификация и снижение размерности / С. А. Айвазян, В. М. Бухштабер, И. С. Енюков, Л. Д. Мешалкин ; под ред. С. А. Айвазяна. – Москва : Финансы и статистика, 1989. – Гл.5 и 8. – с. 144-181, 249-266.
9. Жамбю, М. Иерархический кластер-анализ и соответствия / М. Жамбю. –  Москва: Финансы и статистика, 1988. – 342 стр.
10. Зиновьев, А. Ю. Визуализация многомерных данных / А. Ю. Зиновьев. – Красноярск: Изд. КГТУ, 2000. – 180 стр.
11. Истратов, В. А. Компьютерный алгоритм формирования личных и социальных норм / В. А. Истратов // Экономика и математические методы. – 2018. – Т. 54, № 4. – с. 98-110.
12. Макаров, В. Л. Искусственные общества / В. Л. Макаров // Искусственные общества. – 2006. – Т. 1, № 1. – URL : https://artsoc.jes.su/s207751800000097-5-1/  (дата обращения : 30.09.2022).
13. Макаров, В. Л. Социальное моделирование – новый компьютерный прорыв (агент-ориентированные модели) / В. Л. Макаров, А. Р. Бахтизин. – Москва : Экономика, 2013. – 295 стр.
14. Мейжис, И. А. Социальная психология / И. А. Мейжис, Л. Г. Почебут. – Москва : Питер, 2010. – 665 стр.
15. Терехин, А. Т. Кластерный анализ и его применения в социально-экономических исследованиях : Автореферат дис. на соискание ученой степени к. т. н. (05.255) / АН СССР. – Москва : [б. и.], 1973. – 19 с.
16. Bonabeau, E. Agent-Based Modeling: Methods and Techniques for Simulating Human Systems / E. Bonabeau // Proc. National Acad. Sci. – 2002. – v. 99, Suppl. 3. – p. 7280–7287.
17. Jolliffe, I. T. Principal Component Analysis : Springer Series in Statistics / I. T. Jolliffe. – 2nd ed. – NY : Springer Science & Business Media, 2002. – p. 487.
18. Multiagent Systems / Edited by Gerhard Weiss. – 2nd edition. – MIT Press, 2013. – p. 920.
19. Helbing, D. Agent-Based Modeling / D. Helbing // Social Self-Organization. Agent-Based Simulations and Experiments to Study Emergent Social Behavior; Ed.: Dirk Helbing; Springer Berlin Heidelberg (Online service), 2012. – Ch. 2. – pp. 25-70.

Система Orphus

Загрузка...
Вверх