Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SBA Participatoria y A Gran Escala (Edit)
SBA Participatoria y A Gran Escala (Edit)
SBA Participativa
Las personas pueden actuar como agentes en modelos basados en agentes.
El Inicio De Todo
La simulacin participativa es usada para modelar aspectos no econmicos del comportamiento de agentes en biologa, ecologa, sociologa, psicologa, muchas otras reas.
Fortalezas Y Debilidades
Descubrir
MSBA participativa puede ayudar a descubrir informacin de cmo la organizacin hace negocios al nivel ms detallado posible. Supuestos ocultos, procedimientos no declarados, y las reglas no escritas de la prctica pueden ser y a menudo son descubiertos a travs del modelado participativo.
Detalles
Prctica:Las sesiones prcticas se deben utilizar para ensear a los participantes tanto la mecnica de la simulacin y lo que cada individuo tiene que hacer. Durante: Una vez que las normas estn bien entendidas, entonces la simulacin s puede comenzar. Debe haber por lo menos una persona que est disponible para responder preguntas acerca de las normas.
Detalles
Conclusiones: Los resultados obtenidos son impulsados por el comportamiento de los participantes durante la simulacin. Esta etapa est destinada a revelar este comportamiento ya sea para entender las divergencias de las normas establecidas o para llevar ideas creativas al grupo ms grande. Soporte por computador: MSBA participativo se puede realizar con o sin soporte informtico.
Un Ejemplo De Mercado
Un Ejemplo De Mercado
Un Ejemplo De Mercado
Un Ejemplo De Mercado
Estndares disponibles
Foundation for intelligent physical Agents (FIPA): Especificaciones de arquitectura. Agent UML - Object management group (OMG) Agent Platform Special Interest Group (AP SIG) Knowledge-able Agent-oriented System architecture (KAoS)
Programadores
Corazn del motor de simulacin en herramientas de gran escala. Permiten sincronizar las actividades de los agentes individuales en el tiempo. Determinan la hora actual, sea tiempo global o local para programar sus actividades y luego programar sus actividades relativas al tiempo actual.
Dos enfoques:
Time-Step Eventos discretos
Ventajas y desventajas
Ventaja Simple para comenzar.
Desventajas Medicin del tiempo poco intuitivo. Falta de escalabilidad. Complica la integracin de varias simulaciones, pues requiere adaptar el modelo mas lento al tiempo del otro.
Mecanismos de comunicacin
Los agentes necesitan comunicarse, comnmente toman forma de un sistema de colas de mensajes. Permite enviar mensajes de forma asncrona y recibir informacin ordenada. Existen herramientas avanzadas grid Globus, arquitectura de alto nivel (HLA).
Topologas
Es la forma y posibles tipos de conexin permanentes o transitorias. Se pueden programar externamente o formarse por los propios agentes. Deben apoyar una alta gama de conexin entre las que estn sopas, rejillas, polgonos irregulares, redes, ambientes activos hasta mapas reales.
Tipos De Topologas
1. Sopas Conexin ms sencilla Se mezclan agentes sobre una base aleatoria; dos o ms agentes necesitan interactuar, se escoger un numero apropiado al azar de la poblacin disponible y conectados en ese momento. Se configuran fcilmente pero no se pueden representar barrios duraderos por la naturaleza transitoria. tiles para representar situaciones que se mezclan al azar o con patrones desconocidos o complicados.
Sopa
Tipos De Topologas
2. Redes Conexiones punto a punto entre agentes Generalizan las sopas al permitir recordar a los agentes a los que estn conectados tiles para representar conexiones no espaciales, como empresas y relaciones sociales. Ejemplo: Cadena de suministro en la que cada enlace entre los agentes indica una relacin de cliente. Cuando hay complejidad es bueno usar grficos como ayuda
Red
Tipos De Topologas
3. Rejilla Topologa ms simple en componentes espaciales, mundos rectangulares, con 4 vecinos conocidos como barrios von Neumann. Si llegan a tener ocho barrios se dice que tienen barrios moore y las ms complejas hasta 12 barrios. Dependiendo del tipo tienen un modelado mas especifico; pueden tener fronteras en los bordes y permiten que el agente viaje de un borde y aparezca en otro, es decir, aparecen en el borde opuesto. Asteroids, mundos infinitos repetidos.
Rejilla Rectangular
Rejilla Hexagonal
Tipos De Topologas
4. Polgonos irregulares Tienen forma arbitraria de regiones delimitadas por bucles cerrados convexos Son un paso hacia mapas generados por los sistemas de informacin geogrfica, pero carecen de alto nivel de contorno y contenido en detalles aunque son ms fciles de manejar que los mapas. Intermedio entre mundos sencillos de redes y mundos complejos de mapas.
Polgonos Irregulares
Tipos De Topologas
5. Sistemas de informacin geogrfica (SIG) Herramientas para trabajar con datos especiales o mapas. Existen herramientas de cdigo abierto y comerciales. El objetivo es que los agentes interacten con los mapas realistas. Hay dos tipos principales de representaciones:
Representaciones de Lagrange Representaciones de Euler
Tipos De Topologas
Representaciones de Lagrange: Asocian funciones especificas o componentes discretos con los agentes, componentes que se pueden mover de forma individual a travs del tiempo. Representaciones de Euler: Asocian agentes con las regiones de los valores mas altos o mas bajos en las redes numricas en comparacin con los lugares circundantes, se representan los agentes usando un tipo de olas. Las ondas pueden cambiar de regin a regin, rejilla a rejilla. Ejemplo: Crecimiento de la vegetacin, observa la altura de la hierba en cada punto en una cuadricula densa.
SIG
Tipos De Topologas
6. Entornos Activos Mundos lo bastante sofisticados para ser considerados agentes en su propio derecho. Se construyen a menudo mediante la combinacin de una o mas combinaciones de topologas con reglas de comportamiento especficas.
Opciones Arquitectnicas
Estilos de arquitectura fuertemente acoplados, dbilmente acoplados y arquitecturas distribuidas. La capacidad de seleccionar la arquitectura y cambiarla con el tiempo es caracterstica critica de los entornos del modelado de agentes.
Soporte De Visualizacin
Muestran algunos entresijos del modelado con imgenes de dominio especfico, edicin de maquetas o prototipos que puede ser til.
Repast S
www.swarm.org
Ciclo de vida
El desarrollo de una simulacin basada en agentes es solo una parte del programa ms general y el proceso de desarrollo del modelo. Hay unas etapas altamente entrelazadas.
1. El desarrollo del concepto y la etapa de articulacin se definen los objetivos del proyecto 2. La etapa de definicin de los requisitos hace los objetivos especficos 3. La etapa de diseo define la estructura y funcin del modelo 4. La etapa de implementacin construye el modelo usando el diseo 5. La etapa de puesta en marcha, pone el modelo en uso
En la prctica, los proyectos exitosos suelen iterar sobre los puntos 3 y 4 varias veces con modelos cada vez ms detallados
Capacidad de Ejecucin:
Reflejan los requisitos de tiempo de ejecucin. Algunos modelos requieren pocos recursos para que correr mientras que otros necesitan bastantes. Los recursos clave para estos modelos son la memoria y el ordenador, la velocidad de procesamiento informtico y almacenamiento del disco. En los ordenadores actuales existe memoria fsica y virtual, que se van intercambiando moviendo los datos, para una simulacin mediana y grande es bueno una gran memoria fsica.
Ejecucin en Paralelo
Existen dos modelos Grano grueso: Hace barridos paramtricos que trabajan con modelos secuenciales ordinarios. El barrido ejecuta una instancia de un modelo en cada computadora o procesador disponible. Grano fino: Estas implementaciones aprovechan los mltiples procesadores para ejecutar ms de un comportamiento de agente en un tiempo dado.
Referencias Bibliogrficas
Michael J. North and Charles M. Macal. How to Do Participatory ABMS. Managing Business Complexity: Discovering Strategic Solutions with Agentbased Modeling and Simulation. New York: Oxford University Press, 2007, p. 183194. Michael J. North and Charles M. Macal. How to Do Large-Scale ABMS. Managing Business Complexity: Discovering Strategic Solutions with Agent-based Modeling and Simulation. New York: Oxford University Press, 2007, p. 195-220. Hurlbut, D., K. Rogas, and S. Oven (2004). Protecting the Market from Hockey Stick Pricing: How the Public Utility Commission of Texas is Dealing with Price Gouging. The Electricity Journal (Apr.) 2633. Smith, V. (1962). An Experimental Study of Market Behavior. Journal of Political Economy 70: 111137. Smith, V. (1982). Microeconomic Systems as an Experimental Science. American Economic Review 72: 923955. Smith, V. (1994). Economics in the Laboratory. Journal of Economic Perspectives 8(1): 113131. Wilensky, U. (1999). NetLogo. Evanston, Ill.: Center for Connected Learning and Computer-Based Modeling, Northwestern University. Wilensky, U. and W. Stroup (1999). HubNet. Evanston, Ill.: Center for Connected Learning and Computer-Based Modeling, Northwestern University.
Referencias Bibliogrficas
Alexander, C. (1979). The Timeless Way of Building. Oxford: Oxford University Press. Bradshaw, J. (1997). An Introduction to Software Agents. In J. Bradshaw, Software Agents. Menlo Park, Cal.: AAAI Press, p. 480. Brown, D. G., R. Riolo, D. T. Robinson, M. J. North, and W. Rand (2005). Spatial Process and Data Models: Toward Integration of Agent-Based Models and GIS. Journal of Geographical Systems 7: 2527. North, M. J. and C. M. Macal (2002). The Beer Dock: Three and a Half Implementations of the Beer Distribution Game. Presentation at SwarmFest 2002, University of Notre Dame, South Bend, Ind. North, M., P. Thimmapuram, R. Cirillo, C. Macal, G. Conzelmann, V. Koritarov, and T. Veselka (2003). EMCAS: An Agent-Based Tool for Modeling Electricity Markets. Proceeding of Agent 2003: Challenges in Social Simulation. Chicago: University of Chicago, Argonne National Laboratory. North, M. J., N. J. Collier, and R. J. Vos. (2006) Experiences Creating Three Implementations of the Repast Agent Modeling Toolkit. ACM Transactions on Modeling and Computer Simulation 16(1): 125. Wilson, A. L. and R. M. Weatherly (1994). The Aggregate Level Simulation Protocol: An Evolving System. Winter Simulation Conference. Orlando, Fla.: Association for Computing Machinery.