All
 
|
 
 


The structure of the agent-oriented model of the formation of social groups from a random set of individuals (part 2)
 
PIIS265838870022738-4-1
DOI10.33276/S265838870022738-4
Publication type Article
Status Published
Authors
Petr Andrukovich 
Occupation: Senior researcher
Affiliation: CEMI RAS
Address: Moscow, Nachimovsky prospect 47
Journal nameVestnik CEMI
EditionVolume 5 Issue 3
Abstract

In the first part of this article [5], the structure of the model of the formation of groups of individuals from some of their random totality was described in detail. This part of this article provides an example of a calculation for identifying such groups, correcting the characteristics of individuals when they contact each other or when entering a group, as well as examples of the formation of images of groups. It is shown that even in a random set of individuals, sufficiently dense groups of individuals can arise in relation to the phenomena of the surrounding world known to them. It is also shown that taking into account the synergy of group members makes it possible to assess the differences between groups of individuals much more clearly. The model is implemented in Visual Basic within the framework of the AOM paradigm.

Keywordsagent-oriented models, hierarchical cluster analysis, social groups, social activity, personality structure, statistical estimates, principal component method
Received25.10.2022
Publication date26.10.2022
Number of characters53875
Cite   Download pdf To download PDF you should sign in
100 rub.
When subscribing to an article or issue, the user can download PDF, evaluate the publication or contact the author. Need to register.

Table of contents

 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.

views: 37

Readers community rating: votes 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

Loading...
Up