ANYLOGIC, ИМИТАЦИОННАЯ МОДЕЛЬ, ДИСКРЕТНО-СОБЫТИЙНАЯ МОДЕЛЬ, МОЛО. О научноисследовательской работе имитационная модель технологичских процессов молочного производства
 Скачать 1.06 Mb.
|
|
Агентное моделирование Агентное моделирование- это метод имитационного моделирования, исследующий поведение децентрализованных агентов и то, как это поведение влияет на поведение всей системы в целом. При разработке агентной модели, исследователь вводит параметры агентов (это могут быть люди, производства, активы, проекты, транспортные средства, города, животные и т.д.), определяет их поведение, помещает их в некую окружающую среду, устанавливает возможные связи, после чего запускает моделирование. Индивидуальное поведение каждого агента образует целостное поведение моделируемой системы. Традиционные подходы имитационного моделирования рассматривают работников предприятия, оборудование, проекты, продукты, клиентов, партнеров как среднее арифметическое или как пассивные заявки/ресурсы в процессе. Например, модели системной динамики оперируют такими понятиями “у нас есть 4 машинно-тракторных посевных агрегата, они могут посеять определенное число гектаров в декаду”. В дискретно-событийном моделировании имеются возможности обрабатывать нелинейные события (остановки, задержки, размеры и геометрию поля, но в нем игнорируются факты, что все эти агрегаты являются различными – они имеют собственную историю, различна их надежность, различна квалификация машинистов, их намерения и желания и взаимоотношения между собой и администрацией. Например, могут быть с различным опытом работы на данной операции, они могут иметь разную производительность и качество труда. Агентное моделирование не обладает такими ограничениями, поскольку оно предполагает сосредоточение непосредственно на отдельных объектах, их поведении и взаимодействии. Агентная модель – это ряд взаимодействующих активных объектов, которые отражают объекты и отношения в реальном мире. Ю.Г. Карпов отмечает, что агент представляет собой «некуюсущность, которая обладает ктивностью, автономным поведением, может принимать решения в соответствии с некоторым набором правил, может взаимодействовать с окружением и другими агентами, а также может изменяться»2. Агент может обладать следующими характеристиками: - агент является «идентифицируемым», т.е. представляет собой индивидуума с набором определенных характеристик и правил, определяющих его поведение и правила принятия решений; - агент находится в определенной среде, позволяющей ему взаимодействовать с другими агентами. Агент автономен и может независимо действовать и принимать решения по взаимодействию с другими агентами - агент имеет определенную цель, влияющую на его поведение; - агент гибок и обладает способностью самообучения с течением времени на основе собственного опыта. Примером агентной модели может быть широко известная модель модель распространения эпидемий, известная в научной литературе как SIR-модель (английская аббревиатура от Susceptive—Infected—Recovered, «Подверженный—Зараженный—Выздоровевший»). Данный тип моделей широко распространен как в системной динамике, так и в агентном моделировании. Модель распространения эпидемии не очень сложна и представляет собой удобный практический пример для знакомства с особенностями агентного моделирования. Модель SIR предусматривает, что агент может последовательно находиться в следующих состояниях: 1. Подверженное заражению: здоровое животное (агент), у которого еще нет иммунитета; 2. Зараженное: заражение уже произошло, однако вирус в организме проходит инкубационный период; 3. Заболевшее: болезнь переходит в активную стадию, во время которой животное пребывает на карантине и проходит курс активного лечения; 4. Выздоровевшее: животное выздоровело и, в зависимости от болезни, приобрело к ней иммунитет. Элемент агентной модели – стейтчарт (по аналогии с моделью, изложенной в [ ]) распространения эпидемии среди животных представлен на рис. 7.9. Данная модель включает в себя несколько этапов развития эпидемии. Так, можно выделить состояние Зараженный и Заболевший. Например, на этапе Зараженный агент может не проявлять признаков болезни. Можно смоделировать, что в состоянии зараженности агент может пребывать несколько дней или недель, что соответствует инкубационному периоду заболевания. В этом случае он будет контактировать с единицами или десятками другими агентами, и вероятность их заражения составит, например, от 10 до 20% — так называемая контагиозность болезни. По истечении инкубационного периода зараженный агент переходит в состояние заболевшего. Предположим, что в этом состоянии он пребывает на карантине в специальном помещении. В этом состоянии можно смоделировать, что контагиозность агента значительно выше, чем в состоянии зараженности, но при этом количество контактов ограничено. Соответственно, в данном состоянии он не будет активным распространителем болезни. По истечении времени, определяемое параметром Средняя длительность болезни — агент выздоравливает и переходит в состояние выздоровевшее.  Рисунок 7.9- Элемент агентной модели распространения эпидемии среди животных Дополнительно в модель можно ввести показатель выбраковки животных. В этом случае агент из состояния Заболевший будет переходить в состояние Выздоровевший с определенной вероятностью p, тогда как его переход в состояние Выбракован будет осуществляться с вероятностью (1 – p). Также модель распространения эпидемий можно дополнить и усилиями по вакцинации, когда агенты в состоянии Незараженные при помощи вакцинации переходят в состояние Вакцинированные и уже не подвержены риску заражения. Переход в данное состояние может происходить, например, по пределенной вероятности (если известна статистика вакцинации) или же по условию — в случае, если вакцина имеется в наличии (в данном случае возможно смоделировать ситуацию практически любого уровня сложности, учитывая производственный цикл изготовления вакцины, задержку в поставках и т.п.). Следует отметить, что представленный на рисунке 7.9 элемент модели распространения эпидемии описывает с одной стороны характеристики всего стада,а с другой- характеристики каждого животного. Поэтому при создании модели необходимо задать количество животных и некоторую статистику заболеваемости по стаду, с тем, чтобы в модели она была реализована в частных случаях по каждому животному. Агентные модели, как правило, в прочем как и дисретно-событийные и системно-динамические, не могут в полной мере решать задачи моделирования таких сложных производственных процессов, какие существуют в сельском хозяйстве. Одним из главных преимуществ AnyLogic является возможность комбинирования различных стилей моделирования, позволяющая отражать комплексность и неоднородность систем реального производства. Имеется возможность комбинировать процессные модели, построенные с помощью Enterprise Library, с моделями системной динамики или агентными моделями, или же просто создавать собственные объекты с помощью базовых элементов AnyLogic и включать их в диаграмму, описывающую моделируемый процесс. Контрольные вопросы к главе 7 1. Охарактеризуйте возможности Anylogic. 2. Какой язык программирования использует Anylogic. 3. Перечислите основные блоки библиотеки Anylogic. 4. Поясните суть системно-динамического моделирования в Anylogic. 5. Поясните суть дискретно-событийного моделирования в Anylogic. 6. Поясните суть агентного моделирования в Anylogic. 7. Охарактеризуйте роль накопителя. 8. Дайте определение потоку в программах Anylogic. 9. Какова роль вспомогательной переменной? 10. Каково назначение юлка библиотеки delay? Источники информации к главе 7 1. Имитационное моделирование систем в среде AnyLogic : учебно- методическое пособие / М. В. Киселёва. Екатеринбург : УГТУ - УПИ, 2009. 88 с. 2. Карпов Ю. Г. Имитационное моделирование систем. Введение в моделирование с AnyLogic 5 / Ю. Г. Карпов. СПб. : БХВ Петербург, 2006. 400 с. 3. К.Н. Мезенцев. Учебное пособие «Моделирование систем в среде AnyLogic 6.4.1».Часть 2 /Под редакцией Заслуженного деятеля науки РФ, д.т.н., профессора А.Б.Николаева. МАДИ. — М.: 2011. 103 с. Электронные и интернет ресурсы: 4. Многоподходное имитационное моделирование в AnyLogic. XJ Technologies : [электрон. ресурс]. Режим доступа : http://www.xjtek.ru 5. AnyLogic User’s Manual. XJ Technologies : [электрон. ресурс]. Режим доступа : http://www.xjtek.com 6. AnyLogic Tutorial. XJ Technologies : [электрон. ресурс]. Режим доступа : http://www.xjtek.com 7. Борщев А. В. От системной динамики и традиционного имитационного моделирования — к практическим агентным моделям: причины, технологии, инструменты. http://www.xjtek.com |