Все
 
 
 


Агент-ориентированное моделирование для сложного мира. Часть 2
 
Код статьиS042473880020009-8-1
DOI10.31857/S042473880020009-8
Тип публикации Статья
Статус публикации Опубликовано
Авторы
Макаров Валерий Леонидович  
Должность: Научный руководитель ЦЭМИ РАН; Президент Российской экономической школы; Директор Высшей школы государственного администрирования МГУ
Аффилиация:
ЦЭМИ РАН
Российская экономическая школа
Высшая школа государственного администрирования МГУ
Адрес: Российская Федерация, Москва
Бахтизин Альберт Рауфович
Должность: Директор ЦЭМИ РАН; профессор
Аффилиация:
Центральный экономико-математический институт Российской академии наук
МГУ им. М.В. Ломоносова
Адрес: Российская Федерация, Москва
Эпштейн Джошуа М.
Должность: Профессор эпидемиологии в Школе глобального общественного здравоохранения Нью-Йоркского университета; директор-основатель Лаборатории агентного моделирования Нью-Йоркского университета, аффилированной с Курантовским институтом математических наук
Аффилиация: Нью-Йоркский университет
Адрес: Соединенные Штаты Америки, Нью-Йорк
Название журналаЭкономика и математические методы
ВыпускТом 58 Номер 2
Страницы7-21
Аннотация

Основная цель статьи состоит в обобщении избранных разработок в области искусственных обществ и агент-ориентированного моделирования и определении того, как этот принципиально новый инструментарий может способствовать решению некоторых из самых сложных научных и практических проблем нашего времени. Сфера применения агентного моделирования значительно расширилась за последнюю четверть века, вобрав множество направлений в самых разных масштабах — от молекулярного до глобального. Описанные в статье модели являются лишь небольшой частью накопленных в мире научных и практических разработок в сфере агент-ориентированного моделирования. Дается представление о широком спектре областей применения моделей этого класса (эпидемиология, экономика, демография, окружающая среда, городская динамика, история, конфликты, стихийные бедствия и др.), масштабах использования (от биологических клеток до планетарного уровня) и целях разработки (исследовательских, генерации искусственных обществ, решения оптимизационных задач, прогнозирования, оценки геополитических сценариев и т.д.). Агент-ориентированные модели предлагают, с одной стороны, новую и мощную альтернативу, а с другой, дополняют традиционные математические методы решения сложных задач.

Ключевые словаагент-ориентированные модели, эпидемиология, пешеходное движение, демографические процессы, транспортные системы, экологическое прогнозирование, землепользование, городская динамика, исторические эпизоды, моделирование конфликтов, социальные сети, экономические системы
Источник финансированияАвторы благодарны Елене Бойнович и Милане Сидоренко за помощь в технических вопросах подготовки материалов к изданию. Исследование подготовлено при материальной поддержке Российского научного фонда (проект 21-18-00136 «Разработка программно-аналитического комплекса для оценки последствий межстрановых торговых войн с приложением для функционирования в системе распределенных ситуационных центров России»).
Получено10.12.2021
Дата публикации18.06.2022
Кол-во символов40431
Цитировать  
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»

Всего подписок: 2, всего просмотров: 448

Оценка читателей: голосов 0 

1. Бахтизин А.Р, Ильин Н.И., Хабриев Б.Р., Макаров В.Л., Сушко Е.Д. (2020). Программно-аналитический комплекс «МЁБИУС» — инструмент планирования, мониторинга и прогнозирования социально-экономической системы России // Искусственные общества. Т. 15. № 4.
2. Бахтизин А.Р., Макаров В.Л., Максаков А.А., Сушко Е.Д. (2021). Демографическая агент-ориентированная модель России и оценка ее применимости для решения практических управленческих задач // Искусственные общества. Т. 16. Вып. 2.
3. Макаров В.Л., Бахтизин А.Р., Бекларян Г.Л., Акопов А.С. (2019). Разработка программной платформы для крупномасштабного агент-ориентированного моделирования сложных социальных систем // Программная инженерия. Т. 10. № 4. С. 167–177. DOI: 10.17587/prin.10.167-177
4. Макаров В.Л.,  Бахтизин А.Р., Хабриев  Б.Р.  (2018). Оценка эффективности механизмов укрепления государственного суверенитета России // Финансы: теория и практика. Т. 22. № 5. С. 6–26.
5. Макаров В.Л., Бахтизин А.Р., Сушко Е.Д., Агеева А.Ф. (2017). Агент-ориентированный подход при моделировании трудовой миграции из Китая в Россию // Экономика регио-на. Т. 13. Вып. 2. С. 331–341.
6. Макаров В.Л., Бахтизин А.Р., Сушко Е.Д. (2020). Агент-ориентированная модель как инструмент регулирования экономики // Журнал Новой экономической ассоциации. № 45. С. 151–1712.
7. Agents of change (2010). Conventional economic models failed to foresee the financial crisis. Could agent-based modelling do better? The Economist, July 24.  Available at: https://www.economist.com/finance-and-economics/2010/07/22/agents-of-change 
8. Аgents of creation (2003). Artificial “agents” can model complex systems. The Economist, October 11. Available at: https://www.economist.com/science-and-technology/2003/10/09/agents-of-creation 
9. Axtell R.L., Epstein J.M., Dean J.S., Gumerman G.J., Swedlund A.C., Harburger J., Chakravarty S., Hammond R., Parker J., Parker M. (2002). Population growth and collapse in a multiagent model of the Kayenta Anasazi in Long House Valley. Proceedings of the National Academy of Sciences, May, 99 (suppl. 3), 7275–7279. DOI: 10.1073/pnas.092080799
10. Axtell R.L. (2015). Endogenous dynamics of multi-agent firms. SSRN Electronic Journal. DOI: 10.2139/ssrn.2827059
11. Axtell R.L. (2016). 120 million agents self-organize into 6 million firms: A model of the U.S. pri-vate sector. In: Proceedings of the 2016 International Conference on Autonomous Agents & Multiagent Systems (AAMAS '16). International Foundation for Autonomous Agents and Multiagent Systems. Richland, SC, 806–816.  Available at:  https://dl.acm.org/doi/10.5555/2936924.2937042 
12. Axtell R.L. (2001). Zipf distribution of U.S. Firm Sizes. Science, 293 (5536), 1818–1820.
13. Bravo G., Squazzoni F., Boero R. (2012). Trust and partner selection in social networks: An experimentally grounded model. Social Networks, 34, 4, 481–492. DOI: 10.1016/j.socnet.2012.03.001
14. Cederman L.E. (2003). Modeling the size of wars: From billiard balls to sand piles. American Political Science Review, 97 (1), 135–150.
15. Crevald M. van  (1977). Supplying war: Logistics from Wallenstein to Patton. New York: Cambridge University Press.
16. Deissenberg C., Hoog S. van der, Dawid H. (2008). EURACE: A massively parallel agent-based model of the European economy. Applied Mathematics and Computation, 204, 541–552. DOI: 10.1016/j.amc.2008.05.116
17. Diamond J. (2002). Life with the artificial Anasazi. Nature, 419, 567–568. DOI: 10.1038/419567a
18. Dou Y., Millington J.D.A, Bicudo Da Silva R.F., McCord P., Viña A., Song Q., Yu Q., Wu W., Batistella M., Moran E., Liu J. (2019). Land-use changes across distant places: design of a telecoupled agent-based model. Journal of Land Use Science, 14, 3, 191–209. DOI: 10.1080/1747423X.2019.1687769
19. Epstein J.M. (2013). Agent_Zero: Toward neurocognitive foundations for generative social science. Princeton: Princeton University Press. 249 p.
20. Epstein J.M. (2002). Modeling civil violence: An agent-based computational approach. Proceedings of the National Academy of Sciences. May, 99 (suppl. 3), 7243–7250. DOI: 10.1073/pnas.092080199
21. Epstein J.M. (2006). Generative social science: Studies in agent-based computational modeling. Princeton: Princeton University Press. 352 p.
22. Epstein J.M., Axtell R. (1996). Growing artificial societies: Social science from the bottom up. Washington: Brookings Institution Press. The MIT Press.
23. Farmer J., Foley D. (2009). The economy needs agent-based modelling. Nature, 460, 685–686. DOI: 10.1038/460685a
24. Fleischmann A. (2005). A model for a simple Luhmann economy. Journal of Artificial Societies and Social Simulation, 8, 2. Available at: https://www.jasss.org/8/2/4.html 
25. Fosset P., Banos A., Beck E., Chardonnel S., Lang C., Marilleau N., Piombini A., Leysens T., Conesa A., Andre-Poyaud I., Thevenin T. (2016). Exploring intra-urban accessibility and impacts of pollution policies with an agent-based simulation platform: GaMiroD. Systems, 4 (1), 5. Available at: https://doi.org/10.3390/systems4010005 
26. Glimcher P.W., Fehr E. (eds.) (2013). Neuroeconomics: Decision making and the brain. Second Edition. Academic Press. 577 p. ISBN-13: 978-0124160088.
27. Halaška M., Šperka R. (2018). Is there a need for agent-based modelling and simulation in busi-ness process management? Organizacija, 51 (4), 255–269.  DOI: 10.2478/orga-2018-0019
28. Haldon J.F. (ed.) (2005). General issues in the study of medieval logistics: Sources, problems, methodologies. Leiden, Boston: Brill.
29. Hamill L., Gilbert N. (2009). Social circles: A simple structure for agent-based social network models. Journal of Artificial Societies and Social Simulation, 12 (2), 3.  Available at:  http://jasss.soc.surrey.ac.uk/12/2/3.html 
30. Hommes C., LeBaron B. (Eds.) (2018). Computational economics: Heterogeneous agent model-ing. Handbook in Economics. Elsevier.
31. Huynh N., Perez P., Berryman M., Barthélemy J. (2015). Simulating transport and land use interdependencies for strategic urban planning — an agent based modelling approach. Systems, 3 (4), 177–210.  Available at:  https://doi.org/10.3390/systems3040177 
32. Kirman A.P. (1992). Whom or what does the representative individual represent? Journal of Economic Perspectives, 6 (2), 117–136.
33. Kohler T.A., Gumerman G.J. (2000). Dynamics in human and primate societies: Agent-based modeling of social and spatial processes. Oxford University Press. Published to Oxford Scholarship Online. November. DOI: 10.1093/oso/9780195131673.001.0001
34. Lansing J.S., Kremer J.N. (1993). Emergent properties of Balinese water temple networks: 2 coa-daptation on a rugged fitness landscape. American Anthropologist, 95, 97–114.
35. LeBaron B. (2006). Agent-based Computational Finance. In: H.M. Amman, D.A. Kendrick, J. Rust (Eds). Handbook of Computational Economics. Vol. 2. Ch. 24, 1187–1233. Elsevier.  Available at:   https://EconPapers.repec.org/RePEc:eee:hecchp:2-24 
36. LeBaron B. (2019). Microconsistency in simple empirical agent-based financial models. Computational Economics, 1, 19. DOI: 10.1007/s10614-019-09917-8
37. Lemos C. (2017). Agent-based modeling of social conflict: From mechanisms to complex behavior. Berlin: Springer Verlag.
38. Lemos C., Coelho H., Lopes R.J. (2013). Agent-based modeling of social conflict, civil violence and revolution: State-of-the-art-review and further prospects. CEUR Workshop Proceedings, 1113, 124–138.
39. Levitsky S., Ziblatt D. (2018). How democracies die. New York: Broadway Books.
40. Luhmann N. (1988). Die Wirtschaft der Gesellschaft (Suhrkamp taschenbuch wissenschaft). Frankfurt: Suhrkamp Verlag. 112 p.
41. Matthews R.B., Gilbert N.G., Roach A., Polhill J.G., Gotts N.M. (2007). Agent-based land-use models: A review of applications. Landscape Ecology, 22, 1447–1459. DOI : 10.1007/s10980-007-9135-1
42. Murgatroyd P., Craenen B., Theodoropoulos G., Gaffney V., Haldon J. (2012). Modelling me-dieval military logistics: An agent-based simulation of a Byzantine army on the march. Computational and Mathematical Organization Theory, December, 18, 4, 488–506.
43. Murray-Rust D., Rieser V., Robinson D.T., Miličič V., Rounsevell M. (2013). Agent-based modelling of land use dynamics and residential quality of life for future scenarios. Environ-mental Modelling & Software, 46, 75–89. DOI : 10.1016/j.envsoft.2013.02.011
44. Nabinejad S., Schüttrumpf H. (2017). An agent-based model for land use policies in coastal areas. Coastal Engineering Proceedings, 1 (35), Management. 9. DOI : 10.9753/icce.v35.management.9
45. Peckham R. (2013). Economies of contagion: Financial crisis and pandemic. Economy and Society, 42, 2, 226–248. DOI: 10.1080/03085147.2012.718626
46. Polhill J.G., Parker D., Brown D., Grimm V. (2008). Using the ODD protocol for describing three agent-based social simulation models of land-use change. Journal of Artificial Societies and Social Simulation, 11 (2), 3. Available at: http://jasss.soc.surrey.ac.uk/11/2/3.html 
47. Raberto M., Cincotti S., Teglio A. (2014). Economic policy and the financial crisis. Routledge Frontiers of Political Economy. Taylor & Francis, ch. 9.
48. Rand W., Rust R.T. (2011). Agent-based modeling in marketing: Guidelines for rigor. Interna-tional Journal of Research in Marketing, 28, 3, September, 181–193. DOI: 10.1016/j.ijresmar.2011.04.002
49. Stepanenko V.M., Bopape M.J., Glazunov A.V., Gritsun A.S., Lykosov V.N., Mortikov E.V., Porto F., Rivin G.S., Sithole H., Tolstykh M.A., Vilfand R.M., Volodin E.M., Voevodin V.V. (2020). HPC and Weather/Climate/Environment applications: Global challenges and opportunities for BRICS-cooperation. Presentation on 4th Meeting of the BRICS Working group on Information and Communication Technology and High Performance Computing. Nizhny Novgorod, Russia, 2020 October 8–9 Available at: https://istina.msu.ru/conferences/presentations/338451642/ 
50. Teglio A., Mazzocchetti A., Ponta L., Raberto M., Cincotti S. (2015). Budgetary rigor with sti-mulus in lean times: Policy advices from an agent-based model. Working Papers 2015/04. Economics Department. Universitat Jaume I, Castellón (Spain). Available at: https://ideas.repec.org/p/jau/wpaper/2015-07.html 
51. Tesfatsion L. (2002). Agent-based computational economics: Modelling economies as complex adaptive systems. December. Available at: http://www.econ.iastate.edu/tesfatsi  (http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.64.7064&rep=rep1&type=pdf). 
52. Will M., Groeneveld J., Frank K., Müller B. (2020). Combining social network analysis and agent-based modelling to explore dynamics of human interaction: A review. Socio-Environmental Systems Modelling, 2, 16325. DOI: 10.18174/sesmo.2020a16325
53. Yakovenko V.M., Rosser J.B. (2009). Colloquium: Statistical mechanics of money, wealth, and income. Rev. Mod. Phys. 81, 1703 (December 2).

Система Orphus

Загрузка...
Вверх