Ajan tabanlı modelleme
Bir ajan tabanlı modelleme (Agent-based model, ABM), sistem üzerindeki etkilerini bir bütün olarak değerlendirmek amacıyla özerk temsilcilerin (kuruluşlar veya gruplar gibi bireysel veya toplu varlıklar) eylemlerini ve etkileşimlerini taklit etmek için bir hesaplama modelleri sınıfından biridir. Oyun teorisi, kompleks sistemler, ortaya çıkma, hesaplama sosyolojisi, çok etmenli sistemler ve evrimsel programlama unsurlarını birleştirir. Monte Carlo yöntemleri rassallığı tanıtmak için kullanılır. Özellikle ekoloji içerisinde, ABM'lere bireysel tabanlı modeller (IBM) adı da verilir[1] ve IBM'lerdeki bireyler ABM'ler içindeki tamamen özerk ajanlardan daha basit olabilir. Bireysel tabanlı modeller, ajan tabanlı modeller ve çok ajanlı sistemler hakkındaki son literatürün gözden geçirilmesi, ABM'lerin biyoloji, ekoloji ve sosyal bilim de dahil olmak üzere bilgisayarla ilgisiz bilimsel alanlarda kullanıldığını göstermektedir. Ajan tabanlı modelleme, çok etmenli sistemler veya çoklu etmen simülasyonu kavramından farklıdır; ABM' nin amacı, genellikle doğal sistemlerde basit kurallara uyan temsilcilerin ortak davranışlarına açıklayıcı bir bakış açısı bulmaktır.
Ajan tabanlı modeller, karmaşık olayların görünümünü yeniden yaratma ve tahmin etme girişiminde birden çok aracının eş zamanlı işlemlerini ve etkileşimlerini taklit eden bir tür mikroselüt modelidir. Süreç, alt (mikro) seviyelerden daha yüksek (makro) seviyeye doğru ortaya çıkmaktadır. Bu nedenle, önemli bir düşünce, basit davranış kurallarının karmaşık davranışlar üretmesidir. K.I.S.S olarak bilinen bu ilke. ("Basit, aptalca tutun"), modelleme topluluğunda kapsamlı bir şekilde benimsenmiştir. Başka bir temel ilke, bütünün parçaların toplamından daha büyük olmasıdır. Bireysel ajanların tipik olarak, üreme, ekonomik fayda veya sosyal statü gibi, kendi menfaatleri olarak algıladıklarında hareket ettiği varsayımsal yöntemler veya basit karar verme kuralları kullanarak sınırlı rasyonel olarak karakterize edilir. ABM temsilcileri "öğrenme", uyarlama ve üreme yaşayabilirler.[2]
Tarihsel Gelişimi
[değiştir | kaynağı değiştir]Ajan tabanlı modelleme fikri, ilk olarak 1940'ların sonunda oldukça basit bir kavram olarak geliştirildi. Hesaplaması yoğun prosedürler gerektirdiğinden 1990'lı yıllara kadar yaygınlaşmadı. Ajan tabanlı modelin geçmişi, yeniden üretilebilen teorik bir makina olan Von Neumann makinesine kadar izlenebilir. Von Neumann'ın önerdiği cihaz, kendisinin bir kopyasını modifiye etmek için tam ayrıntılı talimatları izleyecekti. Konsept daha sonra bir matematikçi olan von Neumann'ın arkadaşı Stanislaw Ulam tarafından geliştirildi; Ulam, makinenin bir ızgarada bir hücre kümesi olarak kâğıt üzerine kurulmasını önerdi. Bu fikir, daha sonra hücresel otomata denilen cihazların ilkini oluşturan von Neumann'ı merak etti. Bir diğer ilerleme matematikçi John Conway tarafından tanıtıldı. Ünlü Hayat Oyunu'nu kurdu. Conway'in Hayat Oyunu, von Neumann'ın makinesinin aksine sanal bir dünyada muazzam basit kurallarla 2 boyutlu bir dama tahtası şeklinde işletiliyordu.
1980'lerin başında, Robert Axelrod Prisoner's Dilemma stratejileri turnuvasına ev sahipliği yaptı ve kazananı belirlemek için aracılıkla etkileşimde bulunmalarını sağladı. Axelrod, etnosentrizmden kültürün yaygınlaştırılmasına kadar olan olayları inceleyen siyasal bilim alanında, birçok ajan tabanlı model geliştirmeye devam edecektir.[3] 1980'lerin sonlarına doğru, Craig Reynolds'un akın modelleri üzerine çalışmaları, toplumsal özelliklere sahip ilk biyolojik ajan tabanlı modellerin geliştirilmesine katkıda bulundu. Yapay yaşam olarak bilinen canlı biyolojik ajanların gerçeğini modellemeye çalıştı.
1990'lar ABM'nin sosyal bilimler içinde genişlemesi açısından özellikle dikkat çekiciydi, önemli bir çaba, Joshua M. Epstein ve Robert Axtell tarafından geliştirilen ve mevsimlik göçler gibi toplumsal olguların rolünü keşfetmek ve keşfetmek için geliştirilen büyük ölçekli ABM, Sugarscape idi. Kirlilik, cinsel üreme, savaş ve hastalığın iletimi ve hatta kültür.[4] 1990'lı yılların diğer önemli gelişmeleri arasında, sosyal ağların ve kültürün ortak evrimini keşfetmek için Carnegie Mellon Üniversitesi'nden Kathleen Carley ABM vardı. 1990'lı yıllar süresince Nigel Gilbert, Sosyal Simülasyon: sosyal bilimci için simülasyon üzerine ilk ders kitabı yayınladı ve sosyal bilimler perspektifinden bir dergi çıkardı.
Son zamanlarda Ron Sun, ajan tabanlı simülasyonu bilişsel sosyal simülasyon olarak bilinen insan biliş modelleri üzerine dayandırmak için yöntemler geliştirdi.[5] Bill McKelvey, Suzanne Lohmann, Dario Nardi, Dwight Oku ve diğerleri UCLA da örgütsel davranış ve karar vermede önemli katkılarda bulunmuşlardır. 2001'den bu yana, UCLA Lake Arrowhead, California'da bir konferans düzenledi ve bu alanda uygulayıcılar için önemli bir buluşma noktası haline geldi.2014 yılında Columbia Üniversitesi'nden Sadegh Asgari ve meslektaşları, ajan temelli bir model geliştirdi. Model, düşük teklifli toplu inşaat tekliflerini analiz etmek için kullanılmış olsa da, model üzerinde ufak değişiklikler yaparak diğer teklif verme yöntemlerine de uygulanabilir.
Teori
[değiştir | kaynağı değiştir]Çoğu hesaplamalı modelleme araştırması dengedeki veya dengeler arası hareket eden sistemleri açıklar. Bununla birlikte, ajan tabanlı modelleme, basit kuralları kullanarak, farklı türde karmaşık ve ilginç davranışa neden olabilir. Ajan tabanlı modellerin merkezinde yer alan üç fikir, nesneler, ortaya çıkış ve karmaşıklık olarak ajanlardır. Ajan tabanlı modeller, dinamik olarak etkileşim kuran kural tabanlı ajanlardan oluşur. Etkileşim içinde oldukları sistemler gerçek dünyaya benzer karmaşıklık yaratabilir. Tipik olarak ajanlar uzayda ve zamanda bulunurlar ve ağlara veya kafes benzeri mahallelerde bulunurlar. Ajanlarının yerleri ve tepki verici davranışları, bilgisayar programlarında algoritma biçiminde kodlanmıştır. Bazı durumlarda, her zaman olmasa da, ajanlar akıllı ve maksatlı olarak düşünülebilir. Ekolojik ABM'de (genellikle ekolojide "bireysel tabanlı modeller" olarak anılır) ajanlar örneğin ormandaki ağaçlar olabilir ve akıllı sayılmayacak, buna rağmen erişimin en iyi duruma getirilmesi anlamında "amaçlanabilir" olabilirler Bir kaynak (su gibi). Modelleme süreci en iyi endüktif olarak tanımlanır. Modelleyici, mevcut durumla en alakalı olan bu varsayımları yapar ve olayların ajanlar arasındaki etkileşimlerden geleceğini izler. Bazen bu sonuç bir dengedir. Bazen ortaya çıkan bir modeldir. Ancak, bazen anlaşılmaz bir kavgadır. Bazı şekillerde, ajan tabanlı modeller geleneksel analitik yöntemleri tamamlar. Analitik yöntemler insanların bir sistemin dengesini karakterize etmesini mümkün kıldığı durumlarda, aracı temelli modeller bu denge üretme imkânı verir. Bu jeneratif katkı, ajan tabanlı modellemenin potansiyel yararlarının en ana akışı olabilir. Ajan tabanlı modeller, yüksek sipariş düzenlerinin ortaya çıkmasını açıklayabilir - terör örgütleri ve İnternet yapıları, trafik sıkışıklığı boyutları içindeki güç yasası dağılımları, savaşlar ve borsa çökerleri ve topluluklara rağmen ısrarla devam eden toplumsal ayrımcılık hoşgörülü insanlar. Ajan tabanlı modeller, müdahalelerin aşırı sonuçlara yol açan anlar olarak tanımlanan kol noktalarını tanımlamak ve yol bağımlılığı türleri arasında ayrım yapmak için kullanılabilir. Birçok model, istikrarlı devletlere odaklanmak yerine, sistemin sağlamlığını, yani karmaşık sistemlerin işlevlerini sürdürmek için iç ve dış baskılara uyum sağlama biçimleri olduğunu düşünüyor. Bu karmaşıklığı kullanmanın görevi, aracıların kendilerinin çeşitlilik, bağlılık ve etkileşim seviyesi göz önüne alınmasını gerektirir.
Uygulamaları
[değiştir | kaynağı değiştir]Biyoloji
[değiştir | kaynağı değiştir]Ajan tabanlı modelleme, epidemilerin yayılımının analizi ve biyo-savaş tehdidi, nüfus dinamikleri de dahil olmak üzere biyolojik uygulamalar, vejetasyon ekolojisi, peyzaj çeşitliliği, büyüme ve dil seçimi dinamikleri, bilişsel modelleme ve modelleme dahil olmak üzere biyomedikal uygulamalar. 3D göğüs dokusu oluşumu / morfogenezisi, iyonize edici maddenin etkileri Meme kök hücre alt popülasyon dinamiklerinde radyasyon, enflamasyon ve insan bağışıklık sistemi. Meme kanseri gibi karar destek sistemlerinin geliştirilmesi için ajan tabanlı modeller de kullanılmıştır.[6] Ajan tabanlı modeller, farmakolojik sistemleri erken safhada modellemek ve ilaç geliştirme çalışmalarına yardımcı olmak ve klinik öncesi araştırmalarda mümkün olmayacak biyolojik sistemler hakkında fikir edinmek için giderek daha fazla kullanılmaktadır. Askeri uygulamalar da değerlendirildi. Ayrıca, moleküler seviyedeki biyolojik sistemleri incelemek için yakın zamanda ajan tabanlı modeller kullanılmıştır.[7]
İş ve Ağ Teknolojisi
[değiştir | kaynağı değiştir]Ajan tabanlı modeller, çeşitli iş ve teknoloji sorunlarını çözmek için 1990'ların ortalarından beri kullanılmaktadır. Uygulamalara örnek olarak, örgütsel davranış ve bilişin modellenmesi, ekip çalışması,[8] tedarik zinciri optimizasyonu ve lojistiği, ağızdan ağza sözcükler, sosyal ağ etkileri, dağıtılmış bilgi işlem, işgücü yönetimi ve portföy yönetimi dahil olmak üzere tüketici davranışının modellenmesi yer alır. Son zamanlarda, ajan tabanlı modelleme ve simülasyon, bilgisayar bilim alanındaki araştırmacılar tarafından yayın mekanlarının etkisinin incelenmesi (dergilere karşı konferans) gibi çeşitli alanlara uygulanmıştır. Buna ek olarak, ABM'ler, ortam destekli ortamlarda bilgi dağıtımını taklit etmek için kullanılmıştır. ArXiv'te Kasım 2016'da yayınlanan bir makale, Facebook'un çevrimiçi sosyal ağında yer alan yayınların simülasyonunu analiz etti. Eşler arası, ad-hoc ve diğer kendi kendini düzenleyen ve karmaşık ağlar alanında, aracı temelli modelleme ve simülasyonun yararlılığı gösterilmiştir. Son zamanlarda kablosuz algılayıcı ağları ve ajan tabanlı bir simülasyon ile birleşmiş bir bilgisayar bilimi tabanlı resmi teknik özellik çerçevesinin kullanılması gösterilmiştir.[9]
Ekonomi ve Sosyal Bilimler
[değiştir | kaynağı değiştir]Finansal krizden önce ve bu krizin ardından, ekonomik analiz için olası araçlar olarak ABM'lere ilgi arttı. ABM'ler, ekonominin dengeyi sağlayabileceğini ve "temsilci ajanlar" ın yerini, çeşitli, dinamik ve birbirine bağımlı davranışlarla çalışan gruplarla değiştirildiğini varsaymazlar. ABM'ler "aşağıdan yukarı" bir yaklaşım alır ve son derece karmaşık ve uçucu simüle ekonomiler üretebilir. ABM'ler, orantısız olarak küçük değişikliklere doğrusal olmayan (orantısız) yanıtlardan kaynaklanan çökmeler ve patlamalar ile kararsız sistemleri temsil edebilir. The Economist'teki bir Temmuz 2010 makalesi, ABM'lere DGSE modellerinin alternatifleri olarak baktı.[10] Doğa dergisi ayrıca ABM'lerin finansal piyasaları ve diğer ekonomik karmaşıklıkları standart modellerden daha iyi temsil etmesini sağlayacak bir editörle ajan temelli modellemeyi teşvik etti ve J. Doyne Farmer ve Duncan Foley tarafından ABM'lerin yapabileceği bir makale ile birlikte Keynes'in karmaşık bir ekonomiyi temsil etmesi ve Robert Lucas'ın mikrofoundasyonlara dayalı modeller inşa etme arzusunu yerine getirmesi. Çiftçi ve Foley ABM'leri kullanarak bir ekonominin parçalarını modellemek için ilerleme kaydedildiğine işaret etti, ancak düşük seviyeli modelleri içeren çok geniş bir modelin oluşturulması için savundu. Analistlerin karmaşık bir sistemini taklit eden, taklit edici olmayan ve kayıtsız üç farklı davranış profiline dayandırarak modellenerek finansal piyasalarda yüksek doğruluğa sahip olacak şekilde simüle edildi. Sonuçlar ağ morfolojisi ile borsa endeksi arasında bir korelasyon gösterdi.[11]
Örgütsel Ajan Tabanlı Modelleme
[değiştir | kaynağı değiştir]Ajan yönlendirmeli simülasyon (ADS) metaforu iki kategori, yani "Ajanlar için Sistemler" ve "Ajanlar için Sistemler" arasında ayrım yapmaktadır. Ajanlar için Sistemler (bazen aracı sistemler olarak anılacaktır), mühendislik, Insan ve sosyal dinamikler, askeri uygulamalar ve diğerleri. Sistemler için Ajanlar iki alt kategoriye ayrılmıştır. Ajan destekli sistemler, problem çözmede veya bilişsel yeteneklerin geliştirilmesinde bilgisayar yardımına olanak tanıyan bir destekleme aracı olarak ajanların kullanımı ile ilgilenir. Ajan tabanlı sistemler, bir sistem değerlendirmesinde model davranışının oluşturulması için aracıların kullanılması üzerine odaklanmaktadır.
Kaynakça
[değiştir | kaynağı değiştir]- ^ Grimm, Volker; Railsback, Steven F. (2005). Individual-based Modeling and Ecology. Princeton University Press. s. 485. ISBN 978-0-691-09666-7.
- ^ Bonabeau, E. (14 Mayıs 2002). "Agent-based modeling: Methods and techniques for simulating human systems". Proceedings of the National Academy of Sciences of the United States of America. Cilt 99. National Academy of Sciences. ss. 7280-7. Bibcode:2002PNAS...99.7280B. doi:10.1073/pnas.082080899. PMC 128598 $2. PMID 12011407. 7 Mart 2008 tarihinde kaynağından arşivlendi. Erişim tarihi: 30 Kasım 2016.
- ^ Axelrod, Robert (1997). The Complexity of Cooperation: Agent-Based Models of Competition and Collaboration. Princeton: Princeton University Press. ISBN 978-0-691-01567-5.
- ^ Epstein, Joshua M.; Axtell, Robert (11 Ekim 1996). Growing artificial societies: social science from the bottom up. Brookings Institution Press. s. 224. ISBN 978-0-262-55025-3.
- ^ Sun, Ron (2006). Cognition and Multi-Agent Interaction: From Cognitive Modeling to Social Simulation. Cambridge University Press. ISBN 0-521-83964-5.
- ^ Amnah Siddiqah; Muaz Niazi; Farah Mustafa; Habib Bokhari; Amir Hussain; Noreen Akram; Shabnum Shaheen; Fouzia Ahmed; Sarah Iqbal (Ağustos 15–16, 2009). "A new hybrid agent-based modeling decision support system for breast cancer research" (PDF). Ieee Icict. Karachi: IBA. 14 Haziran 2011 tarihinde kaynağından (PDF) arşivlendi. Erişim tarihi: 30 Kasım 2016. (Breast Cancer DSS)
- ^ Azimi, Mohammad; Jamali, Yousef; Mofrad, Mohammad R. K. "Accounting for Diffusion in Agent Based Models of Reaction-Diffusion Systems with Application to Cytoskeletal Diffusion". PLoS ONE. 6 (9). doi:10.1371/journal.pone.0025306. PMC 3179499 $2. PMID 21966493. 1 Temmuz 2018 tarihinde kaynağından arşivlendi. Erişim tarihi: 4 Ekim 2020.
- ^ Crowder, R. M.; Robinson, M. A.; Hughes, H. P. N.; Sim, Y. W. (2012). "The development of an agent-based modeling framework for simulating engineering team work". IEEE Transactions on Systems, Man, and Cybernetics – Part A: Systems and Humans. 42 (6). ss. 1425-1439. doi:10.1109/TSMCA.2012.2199304.
- ^ Niazi, Muaz; Hussain, Amir (2011). "A Novel Agent-Based Simulation Framework for Sensing in Complex Adaptive Environments" (PDF). IEEE Sensors Journal. 11 (2). ss. 404-412. doi:10.1109/JSEN.2010.2068044. 25 Temmuz 2011 tarihinde kaynağından (PDF) arşivlendi. Erişim tarihi: 30 Kasım 2016.
- ^ "Agents of change". The Economist. 22 Temmuz 2010. 23 Ocak 2011 tarihinde kaynağından arşivlendi. Erişim tarihi: 16 Şubat 2011.
- ^ Farmer & Foley 2009, s. 685.